‏Amazon Redshift RG: نسل جدید با پردازنده Graviton

آمازون از نسل تازه‌ای از نمونه‌های سرویس انبار داده ابری‌اش رونمایی کرد: Amazon Redshift RG. این نمونه‌ها روی پردازنده‌های AWS Graviton اجرا می‌شن و نسبت به نسل قبلی (RA3) هم عملکرد بهتری دارن، هم قیمت پایین‌تری. هدف اصلی هم اینه که کارهای تحلیل داده — چه توسط انسان، چه توسط ایجنت‌های هوش مصنوعی — سریع‌تر و مقرون‌به‌صرفه‌تر انجام بشه.

از نظر عددی، نمونه‌های RG می‌تونن کوئری‌های انبار داده رو تا ۲.۲ برابر سریع‌تر از RA3 اجرا کنن، در حالی که هزینه‌ی هر vCPU ۳۰٪ کمتر شده. برای کوئری روی data lake هم اوضاع جالبه: تا ۲.۴ برابر سریع‌تر برای فرمت Apache Iceberg و تا ۱.۵ برابر سریع‌تر برای Apache Parquet. در جدول مقایسه، rg.4xlarge نسبت به ra3.4xlarge تعداد vCPU را از ۱۲ به ۱۶ و حافظه را از ۹۶ به ۱۲۸ گیگابایت رسونده.

یکی از مهم‌ترین تغییرات این نسل، موتور یکپارچه‌ی data lake هست. تا پیش از این، برای کوئری‌زدن روی داده‌های ذخیره‌شده در Amazon S3، باید از سرویس جداگانه‌ای به اسم Redshift Spectrum استفاده می‌کردید که به ازای هر ترابایت اسکن ۵ دلار هزینه داشت. حالا در RG، این موتور مستقیماً روی نودهای کلاستر اجرا می‌شه؛ یعنی Spectrum دیگه لازم نیست و اون هزینه‌ی اضافه هم حذف می‌شه.

مهاجرت از RA3 به RG دو مسیر داره: Elastic Resize که مهاجرت درجا با ۱۰ تا ۱۵ دقیقه downtime هست، و Snapshot and Restore که برای وقتی مناسبه که بخواید همزمان تغییرات پیکربندی هم بدید. نکته‌ی مثبت اینه که جداول خارجی، اسکیماها، و کوئری‌های Spectrum قبلی بدون هیچ تغییری کار می‌کنن.

نمونه‌های RG از هم‌اکنون در بیشتر مناطق AWS در آمریکا، اروپا، آسیا-اقیانوسیه، کانادا و آمریکای جنوبی در دسترسن. می‌تونید از On-Demand با صورت‌حساب ساعتی یا Reserved Instances برای صرفه‌جویی بیشتر استفاده کنید.

نکات کلیدی:

• نمونه‌های RG روی پردازنده AWS Graviton اجرا می‌شن و تا ۲.۲ برابر از RA3 سریع‌تر هستن
• هزینه‌ی هر vCPU نسبت به RA3 حدود ۳۰٪ کاهش داشته
• موتور data lake یکپارچه شده و نیازی به Redshift Spectrum و هزینه‌ی ۵ دلار/ترابایت نیست
• کوئری‌های Iceberg تا ۲.۴ برابر و Parquet تا ۱.۵ برابر سریع‌تر شدن
• مهاجرت از RA3 بدون نیاز به بازنویسی کد یا تعریف مجدد جداول امکان‌پذیره