AWS Redshiftとは

目次

Redshiftとは

Redshiftとは、AWSが提供する大量のデータを高速に分析するためのデータベースサービスです。

Redshiftは大量データの集計・分析に特化しています。

 

通常のDBとの違い

項目	Redshift	通常のDB（RDSなど）
用途	大量データの分析・集計	日常的なデータ読み書き
データ量	TB〜PB規模	GB〜TB規模
得意な処理	大量データの集計・分析	少量データの高速読み書き
データ構造	列指向	行指向
主な利用者	データアナリスト・BI	アプリケーション

 

主な特徴

列指向ストレージ	データを列単位で保存するため、特定の列だけを集計するような分析クエリが非常に高速です。 例：特定の期間の売上合計だけを知りたいとき、関係のない住所や氏名のデータを読み飛ばせるため、スキャンするデータ量を減らせます。
大規模データ対応	テラバイト〜ペタバイト規模のデータを扱えます。
SQLで操作できる	PostgreSQLベースのSQLで操作できるため、SQLを知っていればすぐに使えます。
AWSサービスとの連携	S3・Glue・QuickSightなど他のAWSサービスと連携しやすい構成になっています。

 

主な用途

• 売上・アクセスログなどの大量データの集計・分析
• BIツール（QuickSight・Tableauなど）のデータソース
• 複数システムのデータを統合したデータウェアハウスの構築
• 機械学習のためのデータ準備・加工

Redshiftのアーキテクチャ

リーダーが指示して、コンピュートが、スライス単位で並列処理します。

ノード数・スライス数が多いほど、並列度が上がり処理が速くなります。

 

リーダーノード（Leader Node）

クライアントとの窓口 ＋ クエリの司令塔

• クライアントからのSQL接続を受け付ける唯一のノード
• SQLを解析して実行計画を作成する
• 処理をコンピュートノードに分散して指示する
• 各コンピュートノードの結果を集約して、クライアントに返す
• データ自体は保持しない（データはコンピュートノードにある）

ポイント

• ユーザーが意識するのは基本的にリーダーノードのみ
• 接続先エンドポイントはリーダーノードのアドレス
• リーダーノードのみで完結するクエリもある（システムテーブルの参照など）

 

コンピュートノード（Compute Node）

実際にデータを保存・処理する、作業サーバ

• データを分散して保存する
• リーダーノードの指示に従い、並列でデータを処理する
• ノード間で中間結果をやり取りすることもある
• ノード数を増やすほど処理能力・ストレージ容量が向上する

 

ノードタイプ

タイプ	特徴	向いている用途
RA3	ストレージをS3に分離・スケール柔軟	現在の主流・推奨
DC2	高速SSD搭載・コンピュート重視	高速処理が必要な場合

 

スライス（Slice）

CPU単位の作業者

• 1つのコンピュートノードの中をさらに分割した処理単位
• 各スライスは独立してデータを保持・処理する
• スライス数はノードタイプによって決まる（例：2スライス、4スライスなど）
• データはスライス単位で分散して格納される

 

スライス数の例

ノードタイプ	スライス数/ノード
ra3.xlplus	2
ra3.4xlarge	4
ra3.16xlarge	16

 

データの分散（分散キー）

データはスライス単位で分散して格納されます。この分散方法を分散スタイルと呼びます。

関連の記事

AWS Redshiftを作成・削除・実行結果を確認する