雪花 vs. Redshift：如何选择合适的数据仓库

数据仓库是集中的信息存储库，帮助企业进行分析并影响其决策，使其更加明智。

它们在简化交易系统到关系数据库和其他来源的常见脉冲数据流方面尤其有帮助。然而，它们并不适合应对当今爆炸性的数据增长和用户不断变化的需求。

云数据仓库是一种游戏改变者。随着技术的发展，云数据仓库通过无缝存储来自不同业务应用程序（如数据库、企业资源计划软件（erp）和营销应用程序）的数据，从而提升企业的商业智能架构。

选择适合您业务的云数据仓库可能会让人感到不知所措，因为在开始之后可能不能再转向其他选项。但是，在深入对比之前，让我们先评估一下云数据仓库的需求。

为什么使用云数据仓库？

在今天的商业时代，您不能局限在物理数据中心中。您需要获得先进的业务分析，以改善运营、获得竞争优势并提升客户体验。

云数据仓库帮助您收集大量数据，并在一个平衡的平台上安全存储这些数据。那么，使用云数据仓库有哪些好处呢？请继续阅读。

自有解决方案在硬件采购方面昂贵，升级需要花费大量时间，还需要进行持续的维护和输出管理。

云仓库更加便宜，因为您只需支付所需的计算能力和存储空间（无需服务器室、网络和其他硬件）。在评估速度和性能时，云解决方案更快，因为它们使用多个服务器和负载均衡器。您还可以将云数据仓库与多个数据源无缝集成，增加项目的创造力。

云数据仓库提供对您的业务数据的深入可见性，而不会损失计算能力。这使您能够以战略性的方式进行增值、明智的业务决策。

与传统解决方案不同，您不再需要雇佣数据库安全团队，云解决方案采用多因素身份验证（mfa）来安全处理数据。大多数云数据解决方案都具有虚拟私有网络（vpn），以防止数据泄露。

“按需付费”的运行模式使得数据存储更加广泛。过去，您需要提前估计三年内的计算能力和存储需求，这可能需要多次修订，并且会给企业带来巨大的成本。

此外，自有解决方案在处理灾难时昂贵。例如，公司需要备份数据中心以防发生问题。如今，大多数云数据仓库解决方案都具有异步数据复制和版本控制系统，提高了可靠性。如果您担心弹性，云解决方案会根据所需资源配对基础设施需求。

这种级联能够处理现代业务中对讽刺性变化的需求。例如，在假期期间，您可以提供更多的分析用户。假期结束后，您可以取消临时雇员。这只是冰山一角；还有更多收益。

雪花：概述

雪花是一款领先的基于云的分析数据仓库，构建为软件即服务（saas）平台。在主要的云供应商如亚马逊网络服务（aws），google云平台（gcp）和microsoft azure上运行，雪花独立扩展存储和计算能力。

与其他构建在现有数据库上的平台不同，雪花使用具有云设计架构的sql数据库引擎。它的强大之处在于处理即时数据处理的情况。例如，您的公司可以进行实时投票或新的营销活动。它以加载、分析和生成大数据量报告而闻名。

雪花的核心是三层。它包括数据库存储、查询处理和云服务。数据库管理文件的大小、结构和绑定的元数据。雪花使用虚拟仓库来处理查询，每个仓库都充当独立的仓库，不共享计算资源。雪花在云服务下绑定了许多组件，包括身份验证/访问控制、基础设施管理和查询解析。

还阅读：减少成本的最佳saas管理平台

亚马逊redshift：概述

redshift是一个基于亚马逊的云数据仓库，用于大数据集、分析和数据库迁移。将其与商业智能（bi）工具集成，可以利用数据并收集有关您的业务和客户的有价值洞见。无论数据集大小如何，redshift都可以在基于sql或bi工具的查询上快速执行。

这是通过将节点分区为切片，然后为切片分配一部分内存以优化查询性能来实现的。此外，redshift具有内部网络组件和高带宽连接，促进节点之间的高速连接。

优化使您能够查询拥有千亿字节的数据而不会给存储和服务器管理带来负担。在易于设置、强大的定制选项和维护之间取得平衡，redshift呈现出强大的云解决方案。您还可以将其与第三方数据集成和数据挖掘工具融合。

雪花 vs. redshift

尽管雪花和redshift都提供类似的优势，如可扩展性、灵活性和处理大量数据，但每个解决方案都有独特的标识符。这两个解决方案都易于设置和启动。在对比这两个解决方案时，您需要关注的主要领域是：

• 数据库功能
• 集成和性能
• 安全性

让我们详细讨论每个参数。

#1. 主要功能

以下是主要功能的详细介绍。

雪花

snowflake具有多个特点，使其成为理想的数据仓库。它具有安全存储和数据保护措施。它支持sql运行事务、用户定义函数、脚本和地理空间数据支持。

snowflake的界面和工具非常丰富，包括visual studio code扩展、snowsight和snowsql，可用于高效的数据查询和管理。为了与其他应用程序和扩展性进行工作，snowflake支持java、python和scala的api。

它还可以与restful api和各种客户端连接器/驱动程序很好地配合使用。通过其数据导入和导出功能，您可以使用各种格式的大容量数据，并进行兼容存储的持续加载。此外，它还具有复制和故障转移工具，以确保在灾难恢复情况下的业务连续性。

redshift

redshift的主要特点包括联合查询、aws data exchange集成、用于sagemaker模型创建的机器学习、与spark的集成、与aurora的实时分析集成、流数据集成以及易于与数据湖集成。

redshift与多个aws工具无缝集成。redshift具有灵活的定价选项。在安全环境中，多个安全组件使其更为强大。

它用户友好，并允许自动化表设计和多种数据查询工具。该平台支持细粒度访问控制，并符合既定的安全标准。

#2. 集成和性能

根据您使用的云服务，需要进行自然选择，因为集成和性能会影响您的整体运营。

如果您的企业已经使用了aws服务，那么其他解决方案如aws cloudwatch、aws dynamodb和aws athena将与redshift无缝集成。如果您的数据存储在amazon产品上，您可以利用大规模并行处理和更快的数据加载速度。

然而，在处理排序和分发键时需要谨慎；它们定义了系统如何存储和处理数据。如果规划不当，会导致性能问题。

这里存在一个陡峭的学习曲线。请注意，一旦设置了键，您就无法修改它们，因此在实施之前需要充分理解。维护可能会很复杂。在处理实时应用程序时，您还需要添加缓存层以获得最佳性能。

snowflake没有提供这些集成功能，可能会对迭代造成挑战。然而，snowflake还有其他选择，如apache spark、tableau、qlik和ibm cognos。您可以利用snowflake构建一个全面而高效的数据系统。

将snowflake与其他功能集成的一些关键方面包括etl（extract transform load tools）- 将数据转换为所需格式；可视化工具 – 用于分析和决策；数据集成平台 – 允许共享数据；数据目录 – 让您了解和协作数据资产。

#3. 安全性

截至目前，数据是任何项目中宝贵的资产之一，因此需要进行保护。在使用数据仓库时，随着使用新的数据源，会出现新的漏洞。这两个解决方案都提供了多种组件来保护数据。

snowflake

snowflake的安全文档详细介绍了多个功能，包括联合身份验证、密钥对身份验证/轮换、多因素身份验证、网络策略、内部阶段的私有端点、私有服务、访问控制、端到端加密和加密密钥管理。

用户身份验证和访问通过联邦环境中的外部实体来分割。在这种情况下，snowflake是服务提供商，并且使用身份提供商（如microsoft身份提供商）处理身份验证。

关于密钥对身份验证，您生成公钥和私钥来形成指纹验证基础。然后，可以按照自定义的时间表替换密钥（基于轮换）。转到多因素身份验证，snowflake在ios、windows和android操作系统上提供了duo security服务。

但是，您必须参加mfa计划才能使用它。如果您正在使用snowflake和第三方服务，可以使用oauth生成访问和可选的刷新令牌以进行安全集成。支持的外部授权服务器、自定义客户端和合作伙伴包括okta、microsoft azure ad、microsoft power bi、sigma和ping identity pingfederate等外部oauth自定义客户端。

快进到网络策略; snowflake根据用户的ip地址限制对您的帐户的访问，您可以声明允许和阻止列表中的ip。在处理aws、google和azure虚拟私有云时，设置旨在提供安全连接，确保数据加载和卸载不在公共网络上进行。在管理用户和组时，您可以使用scim，一种使用restful api在云产品中管理用户身份的开放规范。

通过访问控制，您可以使用框架来执行离散访问控制（dac），其中对象有控制对对象的访问权限的所有者，或基于角色的访问控制（rbac），其中访问权限与角色关联，并授予用户。

最后，snowflake具有端到端加密功能，可限制第三方应用程序对数据（无论是静止还是传输中）的读取，以减小攻击面。

redshift

amazon redshift的数据安全与amazon redshift的安全性不同，并具有多个安全方面。它们包括登录凭据、访问管理、集群安全组、虚拟私有云（vpc）、集群加密、安全套接字层（ssl）连接、列和行级访问控制以及传输中数据的安全。

aws安全凭据验证您的身份，以确定您是否可以访问资源；它们对您的请求进行身份验证和授权。在这种情况下，根用户具有长期凭据而没有到期日期，而联合和后继产品用户具有临时附加凭据。

安全性在aws云中得到高度重视，并采用共享责任模型来实施。为了控制您的redshift资源，有几个级别。第一个是集群连接，指定与redshift连接的aws实例。

接下来，数据库访问控制用户帐户与表和视图的交互方式。您还可以获得临时数据库凭据和单一登录以验证数据库上的用户和aws外部的用户的sql客户端。您还可以使用mfa通过利用代码、触摸或点按方法和生物识别扫描来添加额外的安全级别。

amazon redshift集群组允许您定义谁可以访问您的集群。您还可以使用虚拟网络环境保护集群。使用集群加密保护表中的数据，您可以随时打开。

安全套接字层连接增强了sql客户端和集群之间的安全性。这也适用于数据传输。通过基于列的和基于行的访问控制，分别存在基于视图的访问和角色附加策略。

突出显示差异

下表总结了主要差异。

方面	亚马逊 redshift	snowflake
主要特点	联合查询 与 aws 数据交换集成 用于 sagemaker 模型创建的机器学习 与 spark 集成 与 aurora 集成进行实时分析 流数据集成 与多个 aws 工具无缝集成 灵活的定价选项 细粒度访问控制 符合安全标准	与 cloudwatch、dynamodb 和 athena 等 aws 服务集成 并行处理以加快数据加载速度（存在限制） 对排序和分布键的注意事项 复杂的维护 为了最佳性能需要缓存层
集成和性能	登录凭证 访问管理 集群安全组 虚拟私有云（vpc） 集群加密（可选） ssl 连接 列级和行级访问控制 数据在传输过程中的安全性 共享责任模型 临时数据库凭证 sql 客户端的单点登录 额外安全性的 mfa 支持 用于访问控制的集群组和虚拟网络 端到端加密（数据保护）	与 aws 服务的有限集成 与 apache spark、tableau、qlik 和 ibm cognos 的集成 etl 工具支持 数据分析的可视化工具 数据集成平台 用于数据资产协作的数据目录
安全性	与 cloudwatch、dynamodb 和 athena 等 aws 服务的集成 并行处理以加快数据加载速度（存在限制） 对排序和分布键的注意事项 复杂的维护 为了最佳性能需要缓存层	安全的登录凭证 访问管理 基于 ip 地址的访问控制的网络策略 在 aws、google 和 azure vpc 内的数据传输安全性 用户身份管理的 scim 支持 通过 dac 和 rbac 进行访问控制 端到端加密以限制第三方访问 要求 duo security 的多因素身份验证（需要注册） 第三方服务的 oauth 与各种身份提供者的集成

snowflake 和 redshift 的使用案例

当以下情况适用于您的组织时，snowflake 是一个不错的选择：

• 处理轻负载查询。
• 您的工作负载需要频繁扩展。
• 您的企业需要一个无操作负担的托管解决方案。

当以下情况适用于您时，amazon redshift 是一个不错的选择：

• 处理高负载查询。
• 您的组织正在使用 aws 服务。
• 您的工作负载操作的是结构化数据。

snowflake vs. redshift – 在两者之间进行选择

正如您所见，snowflake 和 redshift 都是不错的云数据仓库解决方案选项。如果您已经使用其他 aws 服务，redshift 将工作得很好，但在配置数据库排序和分布键时具有较陡的学习曲线。

snowflake 可能不容易与 aws 服务集成，但将提供广泛的功能，用于处理数据以获取有意义的见解。redshift 具有灵活的定价，而 snowflake 具有自动化数据恢复功能。

安全领域并不是一个决定性因素，因为级别是根据您对解决方案操作模型的熟悉程度来确定的。当配置良好时，您选择的任何一种服务都可以为您的数据操作提供强大的安全性。

您选择适合自己需求的解决方案将取决于您希望进行的集成类型和您希望使用的安全模式。如果您牢记正确的考虑因素，您将能够做出最佳选择来满足您的需求。

接下来，查看适用于您组织的最佳的数据集成工具。