Eseguire un proof of concept (POC) per Amazon Redshift - Amazon Redshift
Fase 1: definire l’ambito del POCFase 2: avviare Amazon RedshiftFase 3: caricare i datiFase 4: analizzare i datiFase 5: ottimizzare

Amazon Redshift non supporterà più la creazione di nuove UDF Python a partire dal 1º novembre 2025. Se desideri utilizzare le UDF Python, creale prima di tale data. Le UDF Python esistenti continueranno a funzionare normalmente. Per ulteriori informazioni, consulta il post del blog.

Eseguire un proof of concept (POC) per Amazon Redshift

Amazon Redshift, un data warehouse su cloud ampiamente utilizzato, offre un servizio basato sul cloud completamente gestito che si integra con il data lake, i flussi in tempo reale, i flussi di lavoro di machine learning (ML), i flussi di lavoro transazionali di Amazon Simple Storage Service di un’organizzazione e molto altro. Nelle sezioni seguenti viene illustrato il processo di esecuzione di un proof of concept (POC) in Amazon Redshift. Le informazioni riportate qui consentono di fissare gli obiettivi per il POC e sfruttano gli strumenti in grado di automatizzare il provisioning e la configurazione dei servizi per il POC.

Nota

Per una copia di queste informazioni in formato PDF, scegli il link Esegui il tuo POC su Redshift nella pagina Risorse di Amazon Redshift.

L’esecuzione di un POC di Amazon Redshift prevede un processo di test, verifica e adozione di funzionalità come funzioni di sicurezza eccellenti, dimensionamento elastico, integrazione e importazione semplificate, oltre a opzioni flessibili di architettura dei dati decentralizzata.

Mostra una descrizione delle fasi del flusso del proof of concept.

Per eseguire un POC, segui la procedura descritta.

Fase 1: definire l’ambito del POC

Mostra che la fase relativa alla definizione dell’ambito è quella corrente nel flusso del proof of concept.

Quando esegui un POC, puoi scegliere di utilizzare i dati dell’organizzazione oppure i set di dati di benchmarking. Nel primo caso, esegui query personalizzate sui dati dell’organizzazione. Nel secondo caso, insieme al benchmark vengono fornite query di esempio. Se non sei ancora pronto a eseguire un POC con i dati dell’organizzazione, consulta Utilizzare i set di dati di esempio per ulteriori dettagli.

In generale consigliamo di utilizzare due settimane di dati per un POC Amazon Redshift.

Inizia eseguendo le operazioni seguenti:

  1. Identifica i requisiti aziendali e funzionali, quindi procedi a ritroso. Alcuni esempi comuni sono: prestazioni più rapide, costi inferiori, test di nuovi carichi di lavoro o nuove funzionalità, confronto tra Amazon Redshift e un altro data warehouse.

  2. Fissa degli obiettivi specifici che diventino i criteri di successo per il POC. Ad esempio, a partire dalle prestazioni più veloci, crea un elenco dei primi cinque processi che desideri accelerare e includi i tempi di esecuzione correnti insieme al tempo di esecuzione richiesto. Tra questi possono figurare i report, le query, i processi ETL, l’importazione dei dati o qualsiasi altro problema corrente.

  3. Identifica l’ambito e gli artefatti specifici necessari per eseguire i test. Di quali set di dati devi eseguire la migrazione o l’importazione continua in Amazon Redshift? Quali query e processi servono per eseguire i test ed effettuare le valutazioni in base ai criteri di successo? Ci sono due modi per effettuare questa operazione:

    Utilizzare i dati dell’organizzazione

    • Per testare i dati dell’organizzazione, crea l’elenco minimo valido degli artefatti di dati che è necessario per eseguire i test a fronte dei criteri di successo stabiliti. Ad esempio, se il data warehouse corrente ha 200 tabelle, ma i report che desideri testare ne richiedono solo 20, il POC può essere eseguito più velocemente utilizzando solo il sottoinsieme di tabelle più piccolo.

    Utilizzo del set di dati di esempio

    • Se non disponi di set di dati dell’organizzazione, puoi comunque condurre un POC in Amazon Redshift utilizzando i set di dati di benchmarking standard del settore come TPC-DS o TPC-H ed eseguire query di benchmarking di esempio per sfruttare la potenza di Amazon Redshift. Puoi accedere a questi set di dati dall’interno del data warehouse Amazon Redshift dopo che l’hai creato. Per istruzioni dettagliate su come accedere a questi set di dati e queste query di esempio, consulta Fase 2: avviare Amazon Redshift.

Fase 2: avviare Amazon Redshift

Mostra che la fase di avvio di Amazon Redshift è la fase corrente del flusso del proof of concept.

Amazon Redshift accelera il tempo di acquisizione delle informazioni con un data warehouse cloud rapido, semplice e sicuro su larga scala. Puoi iniziare rapidamente avviando il warehouse sulla console Redshift serverless e passare dai dati alle informazioni in pochi secondi. Con Redshift serverless puoi concentrarti sul raggiungimento dei risultati aziendali senza preoccuparti della gestione del data warehouse.

Configurare Amazon Redshift serverless

La prima volta che utilizzi Redshift serverless, la console ti guida nel processo da seguire per avviare il warehouse. Potresti anche avere diritto a un credito per l’uso di Redshift serverless nell’account. Per ulteriori informazioni sulla scelta di una prova gratuita, consultare Prova gratuita di Amazon Redshift. Segui le fasi descritte in Creazione di un data warehouse con Redshift serverless nella Guida alle operazioni di base di Amazon Redshift per creare un data warehouse con Redshift serverless. Se non disponi di un set di dati da caricare, la guida contiene anche le fasi che descrivono come caricare un set di dati di esempio.

Se hai già avviato Redshift serverless nell’account, segui le fasi descritte in Creazione di un gruppo di lavoro con un namespace nella Guida alla gestione di Amazon Redshift. Una volta reso disponibile il warehouse, puoi scegliere di caricare i dati di esempio contenuti in Amazon Redshift. Per informazioni sull’utilizzo di Amazon Redshift Query Editor V2 per caricare i dati, consulta Caricamento dei dati di esempio nella Guida alla gestione di Amazon Redshift.

Se utilizzi i dati dell’organizzazione invece di caricare il set di dati di esempio, consulta Fase 3: caricare i dati.

Fase 3: caricare i dati

Mostra che la fase di caricamento è la fase corrente del flusso del proof of concept.

Dopo avere avviato Redshift serverless, la fase successiva consiste nel caricare i dati per il POC. Che tu stia caricando un semplice file CSV, importando dati semistrutturati da S3 o trasmettendo i dati direttamente in streaming, Amazon Redshift offre la flessibilità necessaria per spostare rapidamente e facilmente i dati nelle tabelle Amazon Redshift dall’origine.

Scegli uno dei metodi seguenti per caricare i dati.

Caricare un file locale

Per un’importazione e un’analisi rapide, puoi utilizzare Amazon Redshift Query Editor V2 per caricare facilmente i file di dati dal desktop locale. Ha la capacità di elaborare i file in vari formati come CSV, JSON, AVRO, PARQUET, ORC e altri. Per consentire agli utenti, in qualità di amministratore, di caricare i dati da un desktop locale utilizzando Query Editor V2, devi specificare un bucket Amazon S3 comune e l’account utente deve essere configurato con le autorizzazioni appropriate. Per indicazioni dettagliate puoi seguire la procedura di caricamento semplice e sicuro dei dati in Amazon Redshift con Query Editor V2.

Caricare un file Amazon S3

Per caricare i dati da un bucket Amazon S3 in Amazon Redshift, inizia utilizzando il comando COPY, specificando la posizione Amazon S3 di origine e la tabella Amazon Redshift di destinazione. Assicurati che i ruoli IAM e le autorizzazioni siano configurati correttamente per consentire ad Amazon Redshift di accedere al bucket Amazon S3 designato. Per indicazioni dettagliate, segui Tutorial: caricamento dei dati da Amazon S3. Puoi anche scegliere l’opzione Carica dati in Query Editor V2 per caricare direttamente i dati dal bucket S3.

Importazione continua dei dati

La copia automatica (in anteprima) è un’estensione del comando COPY e automatizza il caricamento continuo dei dati dai bucket Amazon S3. Quando crei un processo di copia, Amazon Redshift rileva quando vengono creati nuovi file Amazon S3 in un percorso specificato e li carica automaticamente senza alcun intervento. Amazon Redshift tiene traccia dei file caricati per verificare che vengano caricati una sola volta. Per istruzioni su come creare i processi di copia, consulta COPY JOB

Nota

La copia automatica è attualmente disponibile in anteprima e supportata solo nei cluster con provisioning in determinate Regioni AWS. Per creare un cluster di anteprima per la copia automatica, consulta Creare un’integrazione di eventi S3 per copiare automaticamente i file dai bucket Amazon S3.

Caricare i dati in streaming

L’importazione in streaming comporta l’importazione a bassa latenza e ad alta velocità dei dati in streaming dal flusso di dati Amazon Kinesis e da Streaming gestito da Amazon per Apache Kafka in Amazon Redshift. L’importazione in streaming di Amazon Redshift utilizza una vista materializzata, che viene aggiornata direttamente dal flusso in modo automatico. La vista materializzata viene mappata all'origine dati del flusso. Puoi eseguire il filtraggio e le aggregazioni per i dati del flusso come parte della definizione della vista materializzata. Per indicazioni dettagliate su come caricare i dati da un flusso, consulta Nozioni di base sul flusso di dati Amazon Kinesis o Nozioni di base su Streaming gestito da Amazon per Apache Kafka.

Fase 4: analizzare i dati

Mostra che la fase di analisi è la fase corrente del flusso del proof of concept.

Dopo avere creato il namespace e il gruppo di lavoro Redshift serverless e avere caricato i dati, puoi eseguire immediatamente le query aprendo Query Editor V2 dal pannello di navigazione della console Redshift serverless. Puoi usare Query Editor V2 per testare la funzionalità di query o le prestazioni delle query sui set di dati personali.

Eseguire query con Amazon Redshift Query Editor V2

Puoi accedere a Query Editor V2 dalla console Amazon Redshift. Consulta Semplificare l’analisi dei dati con Amazon Redshift Query Editor V2 per una guida completa su come configurare, connettere ed eseguire query con Query Editor V2.

In alternativa, se desideri eseguire un test di carico come parte del POC, puoi farlo seguendo la procedura descritta per installare ed eseguire Apache JMeter.

Eseguire un test di carico con Apache JMeter

Per eseguire un test di carico per simulare “N” utenti che inviano query simultaneamente ad Amazon Redshift, puoi utilizzare Apache JMeter, uno strumento open source basato su Java.

Per installare e configurare Apache JMeter per l’esecuzione con il gruppo di lavoro Redshift serverless, segui le istruzioni in Automate Amazon Redshift load testing with the AWS Analytics Automation Toolkit. Utilizza il toolkit AWS Analytics Automation (AAA), un’utilità open source per l’implementazione dinamica delle soluzioni Redshift, per avviare automaticamente queste risorse. Se hai caricato i dati dell’organizzazione in Amazon Redshift, assicurati di eseguire la fase 5 che prevede la personalizzazione delle opzioni SQL per avere la certezza di fornire le istruzioni SQL appropriate da testare a fronte delle tabelle. Testa ognuna di queste istruzioni SQL una sola volta in Query Editor V2 per assicurarti che vengano eseguite senza errori.

Dopo avere completato la personalizzazione delle istruzioni SQL e la finalizzazione del piano di test, salva ed esegui il piano di test per il gruppo di lavoro Redshift serverless. Per monitorare l’avanzamento del test, apri la console Redshift serverless, seleziona Monitoraggio di database e delle query, scegli la scheda Cronologia delle query e visualizza le informazioni sulle query.

Per le metriche delle prestazioni scegli la scheda Prestazioni del database sulla console Redshift serverless per monitorare le metriche come Connessioni di database e Utilizzo della CPU. Qui puoi visualizzare un grafico per monitorare la capacità di RPU utilizzata e osservare come Redshift serverless scala automaticamente per soddisfare le richieste simultanee del carico di lavoro mentre il test di carico è in esecuzione sul gruppo di lavoro.

Esempio di grafico che mostra la capacità di RPU media utilizzata.

Le connessioni dei database sono un’altra metrica utile da monitorare durante l’esecuzione del test di carico per determinare come il gruppo di lavoro gestisce numerose connessioni simultanee in un dato momento per soddisfare le crescenti richieste del carico di lavoro.

Grafico di esempio che mostra le connessioni dei database.

Fase 5: ottimizzare

Mostra che la fase di ottimizzazione è la fase corrente del flusso del proof of concept.

Amazon Redshift consente a decine di migliaia di utenti di elaborare exabyte di dati ogni giorno e potenziare i propri carichi di lavoro di analisi offrendo una varietà di configurazioni e funzionalità per supportare casi d’uso individuali. Quando scelgono tra queste opzioni, i clienti cercano strumenti che li aiutino a determinare la configurazione del data warehouse ottimale per supportare il carico di lavoro di Amazon Redshift.

Test Drive

Puoi utilizzare Test Drive per riprodurre automaticamente il carico di lavoro esistente per potenziali configurazioni e analizzare gli output corrispondenti per valutare la destinazione ottimale in cui migrare il carico di lavoro. Consulta Find the best Amazon Redshift configuration for your workload using Redshift Test Drive per informazioni sull’utilizzo di Test Drive per valutare configurazioni di Amazon Redshift diverse.