Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Ikhtisar berbagi data di Amazon Redshift
Dengan berbagi data, Anda dapat berbagi data langsung dengan aman dan mudah di seluruh klaster Amazon Redshift.
Untuk informasi tentang cara memulai bekerja dengan berbagi data dan mengelola datashares menggunakan AWS Management Console, lihat Mengelola tugas berbagi data.
Kasus penggunaan berbagi data untuk Amazon Redshift
Berbagi data Amazon Redshift sangat berguna untuk kasus penggunaan ini:
-
Mendukung berbagai jenis beban kerja penting bisnis — Gunakan klaster ekstrak, transformasi, dan beban (ETL) pusat yang berbagi data dengan beberapa intelijen bisnis (BI) atau klaster analitik. Pendekatan ini menyediakan isolasi beban kerja baca dan tolak bayar untuk beban kerja individu. Anda dapat mengukur dan menskalakan komputasi beban kerja individual Anda sesuai dengan persyaratan harga dan kinerja khusus beban kerja.
-
Mengaktifkan kolaborasi lintas kelompok — Memungkinkan kolaborasi tanpa batas antar tim dan grup bisnis untuk analisis yang lebih luas, ilmu data, dan analisis dampak lintas produk.
-
Menyampaikan data sebagai layanan — Bagikan data sebagai layanan di seluruh organisasi Anda.
-
Berbagi data antar lingkungan — Berbagi data di antara lingkungan pengembangan, pengujian, dan produksi. Anda dapat meningkatkan kelincahan tim dengan berbagi data pada berbagai tingkat perincian.
-
Melisensikan akses ke data di Amazon Redshift - Daftar kumpulan data Amazon Redshift di AWS Data Exchange katalog yang dapat ditemukan, berlangganan, dan kueri pelanggan dalam hitungan menit.
Kasus penggunaan akses tulis berbagi data (pratinjau)
Datasharing untuk menulis memiliki beberapa kasus penggunaan penting:
-
Memperbarui data sumber bisnis pada produsen — Anda dapat berbagi data sebagai layanan di seluruh organisasi Anda, tetapi kemudian konsumen juga dapat melakukan tindakan pada data sumber. Misalnya, mereka dapat mengkomunikasikan kembali up-to-date nilai atau mengakui penerimaan data. Ini hanya beberapa kasus penggunaan bisnis yang mungkin.
Menyisipkan catatan tambahan pada produsen — Konsumen dapat menambahkan catatan ke data sumber asli. Ini dapat ditandai sebagai dari konsumen, jika diperlukan.
Untuk informasi khusus mengenai cara melakukan operasi penulisan pada datashare, lihat Berbagi akses tulis ke data (Pratinjau).
Berbagi data pada tingkat yang berbeda di Amazon Redshift
Dengan Amazon Redshift, Anda dapat berbagi data di berbagai tingkatan. Level ini mencakup database, skema, tabel, tampilan (termasuk tampilan reguler, pengikatan akhir, dan terwujud), dan fungsi yang ditentukan pengguna (). SQL UDFs Anda dapat membuat beberapa datashares untuk database tertentu. Sebuah datashare dapat berisi objek dari beberapa skema dalam database tempat berbagi dibuat.
Dengan memiliki fleksibilitas ini dalam berbagi data, Anda mendapatkan kontrol akses yang halus. Anda dapat menyesuaikan kontrol ini untuk berbagai pengguna dan bisnis yang memerlukan akses ke data Amazon Redshift.
Mengelola konsistensi data di Amazon Redshift
Amazon Redshift memberikan konsistensi transaksional pada semua kelompok produsen dan konsumen serta pembagian up-to-date serta pandangan data yang konsisten dengan semua konsumen.
Anda dapat terus memperbarui data pada cluster produsen. Semua kueri pada cluster konsumen dalam transaksi membaca status yang sama dari data bersama. Amazon Redshift tidak mempertimbangkan data yang diubah oleh transaksi lain pada cluster produsen yang dilakukan setelah awal transaksi di cluster konsumen. Setelah perubahan data dilakukan pada cluster produsen, transaksi baru di cluster konsumen dapat segera meminta data yang diperbarui.
Konsistensi yang kuat menghilangkan risiko laporan bisnis dengan kesetiaan rendah yang mungkin berisi hasil yang tidak valid selama berbagi data. Faktor ini sangat penting untuk analisis keuangan atau di mana hasilnya dapat digunakan untuk menyiapkan kumpulan data yang digunakan untuk melatih model pembelajaran mesin.
