云數(shù)據(jù)倉庫(DW)使組織能夠跨云服務(wù)器存儲大量數(shù)據(jù)，并從世界任何地方訪問它們——即使資源有限。在此定義中詳細了解云倉庫的功能和頂級供應(yīng)商。

什么是云數(shù)據(jù)倉庫？

云數(shù)據(jù)倉庫是由云服務(wù)提供商管理并托管在云中的信息中央存儲庫。云數(shù)據(jù)倉庫從多個來源檢索數(shù)據(jù)并以系統(tǒng)的方式存儲。DW 主要是為商業(yè)智能 (BI)目的而構(gòu)建的，以幫助組織根據(jù)數(shù)據(jù)分析做出明智的業(yè)務(wù)決策。與傳統(tǒng)的本地數(shù)據(jù)倉庫相比，云數(shù)據(jù)倉庫提供了更大的靈活性和可靠性，因為企業(yè)可以擴展以滿足最終用戶不斷變化的需求。

云數(shù)據(jù)倉庫有什么作用？

云數(shù)據(jù)倉庫部署云的計算能力和存儲空間，以整合來自不同來源的歷史和當前企業(yè)數(shù)據(jù)。這種整合有助于企業(yè)執(zhí)行分析查詢和報告。數(shù)據(jù)可以是結(jié)構(gòu)化的、半結(jié)構(gòu)化的或非結(jié)構(gòu)化的。來源可能包括營銷或銷售平臺、CRM工具、物聯(lián)網(wǎng) (IoT)設(shè)備和銷售點 (POS)交易。

云數(shù)據(jù)倉庫的其他主要功能包括：

• 靈活的SQL查詢
• 大規(guī)模并行處理 (MPP)
• 與ETL和 ELT的數(shù)據(jù)集成
• 數(shù)據(jù)質(zhì)量和清理工具
• BI 集成
• 列式數(shù)據(jù)存儲
• 數(shù)據(jù)存儲和容量管理
• 自動數(shù)據(jù)備份和加密
• 合規(guī)工具

云數(shù)據(jù)倉庫與傳統(tǒng)數(shù)據(jù)倉庫

傳統(tǒng)或本地數(shù)據(jù)倉庫需要物理位置以及硬件、服務(wù)器機房和技術(shù)人員才能運行。隨著大多數(shù)運營和關(guān)系數(shù)據(jù)已經(jīng)遷移到云端，越來越多的最終用戶正在將他們的數(shù)據(jù)倉庫遷移到云端，以實現(xiàn)高速、低成本的數(shù)據(jù)處理和輕松的業(yè)務(wù)可擴展性。傳統(tǒng)的 DW 不夠靈活，無法擴展、處理原始數(shù)據(jù)和滿足用戶不斷變化的需求。

讓我們比較以下兩者：

使用云數(shù)據(jù)倉庫有什么好處？

云數(shù)據(jù)倉庫通過從各種來源生成有價值的分析，使組織能夠更好地了解客戶的旅程。通過結(jié)合數(shù)據(jù)倉庫的力量和云的靈活性，企業(yè)可以獲得競爭優(yōu)勢。

以下是云數(shù)據(jù)倉庫提供的一些好處的列表：

• 輕松的數(shù)據(jù)管理：組織可以將數(shù)據(jù)存儲、管理和安全的麻煩留給云提供商，從而專注于其核心業(yè)務(wù)和增長戰(zhàn)略。
• 更好的可擴展性：借助云的彈性，企業(yè)可以根據(jù)客戶波動的需求擴展或減少容量。
• 成本效益：用戶可以避免與硬件、服務(wù)器機房、人力、維護、升級、開銷和安裝相關(guān)的成本。
• 使用 ML 和 AI 更快地洞察：通過利用機器學(xué)習(xí) (ML)和人工智能 (AI)的力量，組織可以執(zhí)行預(yù)測分析以做出更明智的業(yè)務(wù)決策。
• 高速和高性能：云數(shù)據(jù)倉庫具有高處理能力和正常運行時間，可以處理各種數(shù)據(jù)流并執(zhí)行高速查詢。

頂級云數(shù)據(jù)倉庫解決方案

選擇正確的云數(shù)據(jù)倉庫取決于幾個因素，例如業(yè)務(wù)可擴展性需求、預(yù)算限制、可用集成以及速度和安全要求。讓我們看看幾個頂級解決方案的特性、優(yōu)缺點：

谷歌大查詢

Google BigQuery是一個無服務(wù)器的多云數(shù)據(jù)倉庫，可在幾秒鐘內(nèi)處理 TB 級的查詢。它還通過機器學(xué)習(xí)和商業(yè)智能等功能提供有用的分析。

BigQuery 與多種 BI 工具集成，例如 Google Data Studio、Looker、Tableau、Microsoft Power BI和Kubernetes。Google Cloud的安全最佳做法以及身份和訪問管理 (IAM)也是支持數(shù)據(jù)安全的解決方案的因素。

不利的一面是，Google BigQuery 提供有限的自定義功能，并且隨著添加更多查詢而增加成本。理解用戶界面和 SQL 語法還有一個陡峭的學(xué)習(xí)曲線。

亞馬遜紅移

Amazon Redshift由Amazon Web Service (AWS)托管，是一個完全托管的 PB 級數(shù)據(jù)倉庫，它使用 SQL 分析結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。對于已經(jīng)在使用 AWS 的企業(yè)來說，這是一個理想的解決方案，尤其是在他們需要大規(guī)模并行處理能力的情況下。任何了解PostgreSQL的人都可以輕松開始使用 Redshift。

與 BigQuery 不同，Redshift 不是無服務(wù)器、多云或 100% 托管的解決方案。此外，學(xué)習(xí)曲線陡峭，更快的查詢處理成本很高。一些用戶還面臨數(shù)據(jù)庫優(yōu)化、集成和工作負載管理 (WLM)的問題。

雪花

Snowflake與Azure、AWS 和 Google Cloud Platform (GCP)等主要公共云提供商集成。它允許計算和存儲資源的獨立擴展，因此客戶可以根據(jù)自己的需求付費。憑借其獨特的多集群架構(gòu)，Snowflake 可以同時管理來自不同虛擬倉庫的查詢，而不會影響處理速度。雪花對于大型數(shù)據(jù)集來說可能很昂貴。此外，用戶界面有時被認為很笨重，并且與第三方工具的集成可能很困難。