分析对于获得清晰的业务洞察力起着关键作用，如果您要分析的数据非常庞大，那么就需要考虑许多参数，即：成本、领域的专业知识、维护、定期升级、并发用户问题等。
Redshift 是 Amazon 提供的完全托管数据仓库解决方案。它是一种高效的数据管理解决方案，但如果需要更多磁盘容量，我们需要通过添加更多节点来增加集群的大小。由于具有水平可扩展性，我们最终可以处理巨大的 Redshift 集群。还有一种更简单的方法。
什么是 Amazon Athena？
Amazon Athena 是一种交互式查询服务，可以使用标准 SQL 轻松地直接从 S3 分析数据。
- 无服务器——这意味着没有基础设施、没有实例、没有管理、不需要更新。我们使用端点或直接通过 AWS 控制台与 Athena 通信。
- 零启动时间——这意味着我们一登录，就可以提交查询、分析结果或创建表。
- 所有幕后发生的升级都是透明的；我们可以在不发生任何停机的情况下获得升级带来的好处。
可以直接从 S3 查询数据；我们不需要在任何外部数据仓库中加载数据。我们可以直接从数据所在位置查询数据。 它支持来自 S3 的各种原始格式的 新加坡电话号码库 数据，可以是文本 CSV、JSON、网络日志、AWS 服务日志。例如，如果我们有一个可以使用正则表达式解析的文本文件，那么我们也可以将正则表达式定义为创建表查询的一部分。
由于数据直接从 S3 流式传输，因此我们还可以利用 S3 的耐用性和可用性。
经济高效 —— 我们仅需为相当便宜的 S3 付费，对外则按查询付费。
每次查询成本——S3 每 TB 扫描 5 美元。
失败的查询和 DDL 查询是免费的。如果我们 如何为节日季创建有效的数字营销活动 在运行时取消查询，则费用将按扫描的数据量计算。同时，有许多优化技术可以降低这种成本，例如在创建表时对数据进行分区，以便表上的查询仅扫描 S3 的一部分。
另外，我们可以选择使用列式存储数据。如果数据存储正确，我们需要扫描的数据就会减少。因此成本会降低。
Presto（任何事物上的 SQL）
Athena 使用 Presto 作为托管服务。Presto 是一种内存分布式 SQL 引擎，由 Facebook 开发。它从任何地方读取数据，并在数据所在位置进行 2017 年国际理论物理中心会议 实际处理；因此可以连接到各种连接器，包括 HDFS、S3、MongoDB、MySQL、Postgres、Redshift、SQL Server。它能够在单个集群上处理数百个并发查询。这意味着我们不必维护复杂的集群。
Presto 将数据与处理分离；Presto 中不存储任何数据，因此它从其他地方读取数据。例如 S3。由于 S3 存储非常便宜，因此将其用作 Datalake 的存储非常有意义。因此，数据驻留在 S3 中，我们在其上创建元数据，该元数据存储在 AWS Glue Catalog Metastore 中，所有处理都在内存中，结果直接流式传输到控制台（也可以自定义到输出存储桶），我们也可以直接从控制台下载 CSV 格式的数据。
在内部，它会自动并行化查询，因此与 Hive 相比，Hive 在 Hadoop 中出色地使用了 Java MapAndReduce，并行执行七个 Hive 命令需要几个小时，而 Presto 的表现却非常出色。这是 Facebook 创建并改用 Presto 的原因之一，Presto 进一步增强了 Amazon Athena [阅读更多来源链接]