Amazon Redshift Spectrumは、S3上に保存されている、膨大なデータ群に対して、Redshiftと同様の分析を実行することができます。
これにより、これまでRedshiftでは連携が難しかった既存のAWSサービスとの連携ができるようになりました。
Amazon EMRやAmazon AthenaはS3との連携に対応していましたが、Spectrumの登場でRedshiftでもS3に蓄積したデータを処理することができます。
勿論、これまで連携をしていたBIツール（Tableauなど）の利用も既存のRedshift同様に可能となっております。
Redshiftは利用できるディスク容量はインスタンスごとに上限があります。ディスクが不足した場合は、容量を増やすためにインスタンスを追加する必要がります。Redshift Spectrumは、データはS3に置くことができるため、Redshiftのように空きディスク容量を気にせずに利用できます。さらにRedshift Spectrumは、Redshift本体とは別の独立したプロセスでの処理となるためRedshift自体に負荷を掛けることなくデータを分析することができます。
【利用可能なデータフォーマット】
Redshift Spectrumで利用可能なデータフォーマットは、以下になっています。
・CSV/TSV
・Parquet（Dremel の Columnar Storage clone の列指向フォーマットです）
・SequenceFile（バイナリ形式のKey-Valueレコードを保存するためのフォーマット）
・RCFile（Record Columnar File の略で，Hive から利用できるストレージフォーマットです）
【料金】
Redshift Spectrumの料金については以下のようになります。
Redshift Spectrumの課金は、スキャンされたバイト数に応じてされます。バイト数は、メガバイト単位で切り上げられます。つまり10MB未満のバイト数は10MBとして計算されます。
■クエリあたりの料金
スキャンされたデータ 1 TB あたり 5 USD。
■料金の例
合計サイズが 8TB の、非圧縮テキストファイルとしてS3に保存されたデータをスキャンした場合
料金は 40USD となります。(スキャンされた8 TBの料金は、4*5USD/TB=20USD)
いかがだったでしょうか。これまでDWHの常識を覆し、新たな常識を築いてきたRedshiftの新たな機能Redshift Spectrumの紹介でした。残念ながら2017年7月時点では東京リージョンには対応していませんが、この機能の登場によりRedshiftのニーズがさらに増えそうな気がしました。
今回はここまでになります。
最後まで、ご覧いただきありがとうございました。
次回もお楽しみに。
