AWS Redshift 是什麼？功能、定價與資料倉儲模式選擇完整攻略

一、企業為什麼要用雲端資料倉儲？

傳統資料庫在面對 TB～PB 級別的數據時容易變慢且成本高，而雲端資料倉儲透過平行處理與欄式儲存，能以更高效能與性價比完成分析。在電商、金融、遊戲等產業，它可以在秒級至分鐘級生成分析結果與報表，幫助決策者即時掌握商機。同時免去自建硬體與維護的負擔，並能彈性擴展資源、整合多元資料來源，讓分析流程更順暢。

二、Redshift 是什麼？五大核心特點與資料處理工具比較

Amazon Redshift 是 AWS 提供的全受管雲端資料倉儲服務（Cloud Data Warehouse），能在 PB 級資料 中快速執行 SQL 分析。它支援從 資料庫、資料湖、串流服務 直接存取資料，並與 AWS 生態系深度整合，適合需要高速、大規模資料分析的場景。以下為 AWS Redshift 官方介紹影片：

AWS Redshift 五大核心特點

1. 高效能與彈性擴展

處理 TB～PB 級資料分析仍能保持高速，價格效能最高可達其他雲端資料倉儲的 3 倍，輸送量可達 7 倍。可依需求動態擴展運算與儲存，避免資源浪費。

2. 資料湖與資料倉儲整合

支援直接查詢 Amazon S3 上的資料，免搬移或複製，並與 Amazon SageMaker 串接，方便進行機器學習與進階分析。

3. 即時與串流資料分析

可在交易資料寫入 Aurora、RDS、DynamoDB 後數秒內分析，並整合 Kinesis、MSK 處理即時串流數據，讓決策更即時。

4. 免管理的全受管服務

Redshift Serverless 模式可秒級啟動分析並自動調整資源，省去部署與維護叢集的工作。

5. AI 與自然語言查詢

與 Amazon Bedrock、Amazon Q 整合，使用者可用自然語言自動生成 SQL，快速獲取商業洞察，並支援情緒分析、文字摘要等 NLP 任務。

比較 Redshift、Data Lake 和 RDS 三種不同資料處理工具

許多剛接觸 AWS 的使用者，常會把不同的資料儲存與處理服務混為一談，例如誤以為 S3 的 Data Lake 能直接取代 Redshift，或將 Redshift 與 RDS 當作相同類型的資料庫。
實際上，它們分屬不同的資料處理類型：

特性	Redshift（資料倉儲）	S3 的 Data Lake（資料湖）	RDS
資料類型	結構化、部分半結構化	半結構化、非結構化、原始資料	結構化
功能重點	分析、報表、BI	儲存各類型資料，供後續處理	交易處理（新增、更新、刪除）
常見用途	生成報表、趨勢分析	機器學習、原始資料備份	應用程式即時交易
查詢速度	高（針對分析優化）	低（需搭配分析引擎）	高（針對交易優化）
整合性	與 AWS 分析、AI 服務深度整合	作為資料來源與歸檔中心	可與應用系統緊密整合

資料庫比較懶人包：

Redshift = 分析與產生報表的工廠
S3 的 Data Lake = 原始資料倉庫
RDS = 處理即時交易的系統

透過表格比較，可以快速釐清三者的功能與常見用途，幫助新手正確選擇工具，避免架構規劃錯誤或成本浪費。

三、如何開始使用 Redshift？

Amazon Redshift 計費與模式比較

模式	成本計費	起價	資源管理方式	特點	適用情境
Serverless 無伺服器資料倉儲	按使用時間收費（至少 60 秒），只為執行的查詢付費，可設定上限避免超支	約 0.543 美金／小時	不需要自己設定或維護伺服器，AWS 會自動分配運算與儲存資源	– 完全免管理 – 會自動擴縮應對高低負載 – 可直接查詢 S3 資料，系統自動更新	查詢量不固定、臨時專案、開發測試環境
Provisioned clusters 佈建叢集資料倉儲	依節點規格與數量計費（RA3 儲存與運算分開計費）；可用預付方式降低成本	約 1.50 美金／小時	自行決定伺服器數量與規格（有快取型和彈性儲存型）	– 可自行調整效能 – 支援長期運作 – 可暫停節省費用，僅支付資料儲存費用	長期且固定的分析任務、需自訂效能與資源配置、大型企業報表