大多数Redshift用户仍然使用传统的节点集群

barikulislam015

配置新节点可能需要几个小时到几天的时间。 Google BigQuery 建立在不同风格的架构之上。它与Snowflake更相似——计算和存储是解耦的，并且扩展是自动的。BigQuery 用户永远不必担心配置节点或调整集群的大小。 BigQuery 用户永远不必担心配置节点或调整集群的大小。 但 Redshift 还有其他可扩展性选项。要处理数据量或查询处理的峰值，您可以使用 Redshift Spectrum。 Spectrum 通过对存储在低成本 AWS S3 存储中的数据运行查询来提供短期、即时的可扩展性。

这可以实现短时间的分析处理，而无需向集群添加节点。 回去工作。 我们将处理您的 ETL 管道。 表现 归根结底，分析性能是您的首要任务。作为大规模并行处理(MPP) 数据仓库，Redshift 和 BigQuery 都比传 电子邮件营销列表 统的基于行的数据库快几个数量级。 但两者之间，谁的马力更大呢？ 比较 Redshift 和 BigQuery 的客观、同类基准非常少。最可靠的是这个2018 年进行的。 通过正确的优化，Redshift 和 BigQuery 的性能几乎相同。 根据此基准测试，Redshift 和 BigQuery 的性能几乎相同。这并不奇怪。如果它们不能在性​​能上竞争，它们就不会成为最受欢迎的两个数据仓库。 性能的真正优势在于优化。这就是 BigQuery 和 Redshift 采用两种不同方法的地方。



BigQuery 会为您自动执行大部分性能优化。唯一需要注意的是表格设计。查看分区键、集群和范围分区来优化查询扫描并避免过度扫描。 Redshift 需要更多的手动优化。这既有积极的一面，也有消极的一面。 从积极的一面来看，数据仓库架构师可以优化 Redshift 以完全满足他们的需求。缺点是您需要开发人员资源才能做到这一点。 安全/加密 数据仓库安全是一个广泛的主题，因此我们在这里不进行全部讨论。需要理解的关键一点是，安全性通常由云平台决定——在本例中是 Google Cloud 和 AWS。两者都为各种规模的用户提供一流的安全功能。 对于数据加密，BigQuery 和 Redshift 都依赖专有的密钥管理服务。