대부분의 서비스가 암호화를 통한 보안 안정성 제공, 자동 업데이트를 통한 관리, 장애 대응을 지원.
뛰어난 성능
MySQL보다 최대 5배 많은 처리량과 PostgreSQL보다 3배 많은 처리량
서버리스 구성
즉각적인 컴퓨팅 크기 조절
Amazon Relational Database Service(Amazon RDS) API를 사용하거나 AWS 관리 콘솔에서 배포를 지원하는 프로비저닝 인스턴스를 늘리거나 줄일 수 있습니다. 컴퓨팅 크기 조정 작업은 일반적으로 몇 분이면 완료됩니다.
스토리지 자동 크기 조절
대기 시간이 짧은 일기 전용 복제본
사용자 지정 데이터베이스 엔드포인트
Aurora MYSQL의 병렬 쿼리
Amazon Aurora 병렬 쿼리는 현재 데이터와 비교해 더 빠른 분석 쿼리를 제공합니다. 핵심 트랜잭션 워크로드의 처리량을 높게 유지하면서 쿼리 속도를 최대 100배로 높일 수 있습니다. 쿼리 처리를 Aurora 스토리지 계층까지 적용함으로써 네트워크 트래픽을 줄이면서 많은 양의 컴퓨팅 파워를 얻을 수 있습니다. 병렬 쿼리를 사용하여 동일한 Aurora 데이터베이스에서 트랜잭션 및 분석 워크로드를 나란히 실행할 수 있습니다. 병렬 쿼리는 MySQL 호환 Amazon Aurora에서 사용할 수 있습니다.
Amazon DevOps Guru for RDS를 사용한 성능 병목 현상 진단 및 해결
Amazon DevOps Guru는 기계 학습(ML) 기반의 클라우드 운영 서비스로, 애플리케이션 가용성 개선에 도움을 줍니다. Amazon DevOps Guru for RDS를 사용하면 사용자는 기계 학습 기반 인사이트를 사용해 관계형 데이터베이스와 관련된 성능 문제를 쉽게 탐지 및 진단할 수 있으며 해당 문제를 며칠이 아니라 몇 분 내에 해결할 수 있습니다. 개발자 및 DevOps 엔지니어는 DevOps Guru for RDS를 사용해 데이터베이스 전문가의 도움 없이도 성능 문제의 근본 원인을 자동으로 식별하고 문제 해결에 도움이 되는 지능형 권장 사항을 확보할 수 있습니다.
완전관리형
Global Database
전 세계에 분산된 애플리케이션의 경우, 하나의 Aurora 데이터베이스가 여러 AWS 리전에 걸쳐 있는 글로벌 데이터베이스를 사용하면 빠른 로컬 읽기 및 빠른 재해 복구가 가능합니다. 글로벌 데이터베이스는 스토리지 기반 복제를 사용하여 평균 1초 미만의 대기 시간으로 여러 AWS 리전에 데이터베이스를 복제할 수 있습니다. 리전의 성능 저하 또는 운영 중단으로부터 신속하게 복구해야 하는 경우 보조 리전을 백업 옵션으로 사용할 수 있습니다. 보조 리전의 데이터베이스는 1분 내에 전체 읽기/쓰기 용량으로 승격될 수 있습니다.
마이그레이션 지원
MySQL, PostgreSQL을 포함한 상용 데이터베이스 마이그레이션이 가능합니다. AWS Database Migration Service를 통해 데이터베이스 마이그레이션을 가속화하는 데 도움을 줄 수 있습니다. 또한 Bablefish for Aurora PostgreSQL을 통해 Aurora는 Microsoft SQL Server용으로 작성된 애플리케이션의 명령을 이해할 수 있습니다.
성능
읽기 전용 복제본
읽기 전용 복제본을 사용하면 손쉽게 단일 DB 인스턴스의 용량 한도 이상으로 탄력적으로 확장하여 읽기 중심의 데이터베이스 워크로드를 처리할 수 있습니다. 특정 소스 DB 인스턴스의 복제본을 하나 이상 생성하여 여러 데이터 사본에서 들어오는 대량의 애플리케이션 읽기 트래픽을 처리할 수 있습니다. 따라서 전체 읽기 처리량이 향상됩니다. 읽기 전용 복제본은 Amazon RDS for MySQL, MariaDB, PostgreSQL 및 Oracle뿐만 아니라 Amazon Aurora에서도 사용할 수 있습니다.
SSD 스토리지
Amazon RDS 범용 스토리지는 프로비저닝된 GB당 3 IOPS의 일관된 기본 성능과 기준선을 초과해 최대 3,000 IOPS로 버스팅할 수 있는 성능을 제공하는 SSD 지원 스토리지 옵션입니다. 이러한 스토리지 유형은 다양한 데이터베이스 워크로드에 적합합니다.
다중 AZ
가용 영역을 여러 개 두어 데이터베이스의 가용성 및 내구성을 높일 수 있습니다.
성능 개선 도우미
Amazon RDS 성능 개선 도우미는 데이터베이스의 로드를 빠르게 평가하고 언제 어디에서 조치해야 하는지 파악하는 데 도움이 되는 데이터베이스 성능 조정 및 모니터링 기능입니다. 성능 개선 도우미를 사용하면 데이터베이스 로드를 시각화하여 보여주는 이해하기 쉬운 대시보드를 통해 비전문가도 쉽게 성능 문제를 탐지할 수 있습니다.
성능 개선 도우미는 일반적인 IT 실무자 및 데이터베이스 전문가에게 모두 도움이 됩니다. 직접 상관관계를 파악해야 하는 여러 그래프를 표시하는 대신 모든 핵심 성능 정보를 하나의 차트로 집계하는 간단한 인터페이스를 제공합니다. 부하가 높을 경우, 높은 CPU 사용량이나 잠금 대기 상태, I/O 지연 등의 병목이 발생하는 유형을 간단하게 식별하고 어느 SQL 명령문이 병목의 원인인지 확인할 수 있습니다.
데이터베이스 성능 문제의 원인이 데이터베이스 구성에 있거나 애플리케이션 설계 문제에 있더라도 병목을 신속히 파악하고 어느 SQL 명령문이 원인인지 알아낼 수 있습니다.
성능 개선 도우미는 모든 필수적인 성능 지표를 자동으로 수집하고 데이터베이스 모니터링에 필요한 리소스를 관리합니다. 가벼운 데이터 수집 메커니즘 외에도 모니터링에 사용되는 모든 리소스는 데이터베이스 인스턴스와 분리됩니다.
데이터베이스를 클라우드나 새로운 AWS 인스턴스 유형으로 마이그레이션할 때에도, 성능 개선 도우미를 사용하여 CPU 사용량을 모니터링한 다음, 데이터베이스에 적절한 인스턴스 크기와 SQL 명령문을 조정해서 성능을 개선해야 할지 여부를 결정할 수 있습니다.
모든 데이터 분석
AWS 서비스 통합
AWS 서비스, 데이터베이스 및 기계 학습 서비스와의 기본 통합을 통해 마찰 없이 전체 분석 워크플로를 더 쉽게 처리할 수 있습니다. 예를 들어, AWS Lake Formation은 안전한 데이터 레이크를 며칠 만에 손쉽게 설정할 수 있도록 지원하는 서비스입니다. AWS Glue는 데이터를 추출하고 변환하여 Amazon Redshift에 로드(ETL)할 수 있습니다. Amazon Kinesis Data Firehose는 거의 실시간에 가까운 분석을 위해 스트리밍 데이터를 캡처하고 변환하여 Amazon Redshift에 로드할 수 있는 가장 쉬운 방법입니다. Amazon EMR을 사용하면 Hadoop/Spark를 사용하여 데이터를 처리하고 BI 및 분석을 위해 출력을 Amazon Redshift에 로드할 수 있습니다. Amazon QuickSight는 Redshift 데이터에 대한 보고서, 시각화 및 대시보드를 생성하는 데 사용할 수 있는 첫 번째 BI 서비스로, 세션당 요금제로 이용 가능합니다. Amazon Redshift를 사용하여 Amazon SageMaker로 기계 학습(ML) 워크로드를 실행할 데이터를 준비할 수 있습니다. AWS Schema Conversion Tool 및 AWS Database Migration Service(DMS)를 사용하여 Amazon Redshift로의 마이그레이션을 가속화할 수 있습니다. 또한, Amazon Redshift는 보안, 모니터링 및 규정 준수를 위해 Amazon Key Management Service(KMS) 및 Amazon CloudWatch와도 긴밀히 통합됩니다. Lambda 사용자 정의 함수(UDF)를 사용하면 Amazon Redshift에서 UDF를 호출하는 것처럼 SQL 쿼리에서 Lambda 함수를 호출할 수도 있습니다. AWS 파트너 서비스와 통합하고 Amazon DynamoDB 및 Amazon SageMaker와 같은 널리 사용되는 다른 AWS 서비스에 액세스하는 Lambda UDF를 작성할 수 있습니다.
파트너 콘솔 통합
Amazon Redshift 콘솔에서 일부 파트너 솔루션과 통합하여 몇 분 만에 데이터 온보딩을 가속화하고 귀중한 비즈니스 인사이트를 생성할 수 있습니다. 이 솔루션을 사용하면 SalesForce, Google Analytics, Facebook Ads, Slack, Jira, Splunk 및 Marketo와 같은 애플리케이션의 데이터를 효율적이고 간편한 방식으로 Redshift 데이터 웨어하우스로 이동할 수 있습니다. 또한, 이러한 개별 데이터 세트를 통합하여 함께 분석함으로써 실행 가능한 인사이트를 생성할 수 있습니다.
고급 분석
서버리스 지원
ML지원
Amazon Redshift ML을 사용하면 데이터 분석가와 데이터베이스 개발자가 Amazon Redshift 데이터 웨어하우스에서 익숙한 SQL 명령을 사용하여 기계 학습 모델을 쉽게 생성, 교육 및 적용할 수 있습니다. Redshift ML을 사용하면 새로운 도구나 언어를 배우지 않고도 완전 관리형 기계 학습 서비스인 Amazon SageMaker를 활용할 수 있습니다. SQL 문을 사용하여 Redshift 데이터를 사용하여 Amazon SageMaker 기계 학습 모델을 생성하고 교육한 다음 이러한 모델을 사용하여 예측하기만 하면 됩니다. 예를 들어 Redshift의 고객 유지 데이터를 사용하여 이탈 감지 모델을 훈련한 다음 해당 모델을 대시보드에 적용하여 마케팅 팀이 이탈 위험이 있는 고객에게 인센티브를 제공할 수 있습니다. Redshift ML을 사용하면 Redshift 데이터 웨어하우스 내에서 모델을 SQL 함수로 사용할 수 있으므로 쿼리 및 보고서에 직접 쉽게 적용할 수 있습니다.
데이터 공유
Amazon Redshift 데이터 공유를 사용하면 Amazon Redshift가 제공하는 사용 편의성, 성능 및 비용 이점을 단일 클러스터에서 다중 클러스터 배포로 확장하는 동시에 데이터 공유 기능을 사용할 수 있습니다. 데이터 공유를 사용하면 데이터를 복사하거나 이동할 필요 없이 Amazon Redshift 클러스터 전체에서 즉각적이고 세분화된 빠른 데이터 액세스를 수행할 수 있습니다. 데이터 공유는 데이터에 대한 실시간 액세스를 제공하므로 데이터 웨어하우스에서 업데이트될 때마다 항상 일관된 최신 정보가 표시됩니다. 동일하거나 서로 다른 AWS 계정과 리전 전반에서 Amazon Redshift 클러스터와 실시간 데이터를 안전하게 공유할 수 있습니다.
키-값 데이터베이스는 간단한 키-값 메소드를 사용하여 데이터를 저장하는 비관계형 데이터베이스 유형입니다. 키-값 데이터베이스는 키를 고유한 식별자로 사용하는 키-값 쌍의 집합으로 데이터를 저장합니다. 단순한 객체에서 복잡한 집합체에 이르기까지 무엇이든 키와 값이 될 수 있습니다. 키-값 데이터베이스는 파티셔닝이 가능하고 다른 유형의 데이터베이스로는 불가능한 범위까지 수평 확장을 가능하게 합니다. 기존 파티션의 용량이 차서 추가 저장 공간이 필요한 경우 Amazon DynamoDB는 테이블에 추가 파티션을 할당합니다.
사용 사례