Redshift

Présentation

• Amazon Redshift est un service managé de data warehouse conçu pour le Big Data et l’analytique
  • Basé sur PostgreSQL
  • Optimisé pour les requêtes analytiques (OLAP)
• Répond aux contraintes des 3V du Big Data :
  • Volume : Très grandes quantités de données (en To, Po…)
  • Variété : Plusieurs formats (CSV, JSON, Parquet…)
  • Vélocité : Données générées et analysées rapidement

Cas d’utilisation

• Business Intelligence (BI)
• Reporting et tableaux de bord
• Analyse de logs
• Data lake analytics
• Consolidation de données multi-sources

Fonctionnement

Stockage en colonnes

• Données stockées par colonne
• Lecture optimisée pour l’analytique Réduit fortement le volume de données à lire

Traitement parallèle (MPP)

• Massive Parallel Processing
• Requêtes exécutées sur plusieurs nœuds en parallèle Très performant pour les requêtes complexes

Redshift Spectrum

• Permet d’analyser directement des données stockées dans S3 sans les charger dans Redshift
  • Requêtes SQL sur un datalake
  • Utilisation du parallélisme massif

Scalabilité

• Jusqu’à plusieurs pétaoctets de données
  • Ajout de nœuds possible
  • Modes : provisioned cluster ou serverless

Haute disponibilité & Sauvegarde

• Haute disponibilité (support multi AZ, réplication automatique des données)
• Sauvegarde (snapshots incrémentaux automatiques, restauration à un instant donné)

Tarification

• Basée sur :
  • Type et nombre de nœuds
  • Stockage utilisé
  • Requêtes Spectrum

Limitations

• Moins adapté aux workloads transactionnels (OLTP)
• Optimisation nécessaire sur gros volumes
• Coût élevé si cluster surdimensionné
• Bonne modélisation des données requise