在构建任何软件应用程序时，选择正确的数据库至关重要。所有数据库在性能方面都有不同的优势和劣势，因此，针对您的特定用例和数据模型，决定哪个数据库具有最多的优势和最少的缺点是一个重要的决定。下面您将找到 Azure Data Explorer 和 AWS Redshift 的关键概念、架构、功能、用例和定价模型的概述，以便您可以快速了解它们之间的比较。
本文的主要目的是比较 Azure Data Explorer 和 AWS Redshift 在涉及 时序数据 的工作负载中的性能，而不是所有可能的用例。时序数据通常在数据库性能方面提出独特的挑战。这是由于正在写入的大量数据以及访问该数据的查询模式。本文并非旨在说明哪个数据库更好；它只是提供了每个数据库的概述，以便您可以做出明智的决定。
Azure Data Explorer 与 AWS Redshift 细分
 |
 |
|
| 数据库模型 | 列式数据库 |
数据仓库 |
| 架构 | ADX 可以作为托管服务部署在 Azure 云中，并且易于与其他 Azure 服务和工具集成，以实现无缝数据处理和分析。 |
AWS Redshift 利用列式存储格式进行快速查询，并支持标准 SQL。Redshift 使用分布式、共享无架构，其中数据在多个计算节点之间进行分区。每个节点进一步划分为切片，每个切片并行处理数据子集。Redshift 可以部署在单节点或多节点集群中，后者为大型数据集提供更好的性能。 |
| 许可证 | 闭源 |
闭源 |
| 用例 | 日志和遥测数据分析、实时分析、安全和合规性分析、物联网数据处理 |
业务分析、大规模数据处理、实时仪表板、数据集成、机器学习 |
| 可扩展性 | 高度可扩展，支持水平扩展、分片和分区 |
支持独立扩展存储和计算，并支持根据需要添加或删除节点 |
正在寻找最有效率的入门方式？
无论您是在寻找成本节约、更低的管理开销还是开源解决方案，InfluxDB 都能提供帮助。
Azure Data Explorer 概述
Azure Data Explorer 是一个基于云的、完全托管的大数据分析平台，作为 Microsoft Azure 平台的一部分提供。它由 Microsoft 于 2018 年宣布，并作为 PaaS 产品提供。Azure Data Explorer 为摄取和查询遥测数据、日志和时序数据提供高性能功能。
AWS Redshift 概述
Amazon Redshift 是云中完全托管的 PB 级数据仓库服务。它于 2012 年作为 AWS 产品套件的一部分推出。Redshift 专为分析工作负载而设计，并与各种数据加载和 ETL 工具以及商业智能和报告工具集成。它使用列式存储来优化存储成本并提高查询性能。
Azure Data Explorer 用于时序数据
Azure Data Explorer 非常适合处理时序数据。其高性能功能和摄取大量数据的能力使其适用于近乎实时地分析和查询时序数据。凭借其高级查询运算符，例如计算列、在行上搜索和过滤、按聚合分组和连接，Azure Data Explorer 能够有效地分析时序数据。其可扩展的架构和分布式特性确保它可以有效地处理时序数据的速度和容量要求。
AWS Redshift 用于时序数据
AWS Redshift 可以用于时序数据工作负载，尽管 Redshift 针对更通用的数据仓库用例进行了优化。用户可以利用基于日期和时间的函数来聚合、过滤和转换时序数据。Redshift 还提供“时序表”，允许根据固定的保留期将数据存储在表中。
Azure Data Explorer 关键概念
- 关系数据模型：Azure Data Explorer 是一个基于关系数据库管理系统的分布式数据库。它支持数据库、表、函数和列等实体。与传统的 RDBMS 不同，Azure Data Explorer 不强制执行诸如键唯一性、主键或外键之类的约束。相反，必要的关联关系在查询时建立。
- Kusto 查询语言 (KQL)：Azure Data Explorer 使用 KQL，这是一种功能强大且富有表现力的查询语言，使用户能够轻松地探索和分析其数据。
- 区段 (Extents)：在 Azure Data Explorer 中，数据被组织成称为区段的单元，这些单元是不可变的、压缩的记录集，可以高效地存储和查询。
AWS Redshift 关键概念
- 集群：Redshift 集群是一组节点，由一个领导节点和一个或多个计算节点组成。领导节点管理与客户端应用程序的通信，并协调计算节点之间的查询执行。
- 计算节点：这些节点存储数据并并行执行查询。集群中计算节点的数量会影响其存储容量和查询性能。
- 列式存储：Redshift 使用列式存储格式，该格式将数据存储在列而不是行中。这种格式提高了查询性能并减少了存储空间需求。
- 节点切片：计算节点被划分为切片。每个切片都分配了节点内存和磁盘空间的相等部分，在其中处理加载数据的一部分。
Azure Data Explorer 架构
Azure Data Explorer 构建在云原生、分布式架构之上，该架构支持 NoSQL 和类 SQL 查询功能。它是一个基于列式存储的数据库，利用压缩的、不可变的数据区段来实现高效的存储和检索。Azure Data Explorer 架构的核心组件包括控制平面、数据管理和查询处理。控制平面负责管理资源和元数据，而数据管理组件处理数据摄取和组织。查询处理负责执行查询并将结果返回给用户。
AWS Redshift 架构
Redshift 的架构基于分布式和共享无架构。一个集群由一个领导节点和一个或多个计算节点组成。领导节点负责协调查询执行，而计算节点存储数据并并行执行查询。数据以列式格式存储，这提高了查询性能并减少了存储空间需求。Redshift 使用大规模并行处理 (MPP) 来跨多个节点分发和执行查询，使其能够水平扩展并为大规模数据仓库工作负载提供高性能。
免费时序数据库指南
获取对备选方案和选择数据库的关键要求的全面回顾。
Azure Data Explorer 功能
高性能数据摄取
Azure Data Explorer 可以每秒每个节点 200 MB 的速率摄取数据，提供快速高效的数据摄取功能。
数据可视化
Azure Data Explorer 与流行的数据可视化工具（如 Power BI、Grafana 和 Jupyter Notebooks）无缝集成，使用户可以轻松地可视化和分析其数据。
高级分析
Kusto 查询语言 (KQL) 支持高级分析功能，例如时序分析、模式识别和异常检测，使用户能够从其数据中获得更深入的见解。
灵活的模式
与传统的 relational 数据库不同，Azure Data Explorer 不强制执行诸如键唯一性、主键或外键之类的约束。这种灵活性允许动态模式更改以及处理半结构化和非结构化数据的能力。
AWS Redshift 功能
可扩展性
Redshift 允许您通过添加或删除计算节点来向上或向下扩展集群，使您能够根据需要调整存储容量和查询性能。
性能
Redshift 的列式存储格式和 MPP 架构使其能够为大规模数据仓库工作负载提供高性能的查询执行。
安全性
Redshift 提供一系列安全功能，包括静态和传输中加密、使用 Amazon Virtual Private Cloud (VPC) 的网络隔离，以及与 AWS Identity and Access Management (IAM) 集成以进行访问控制。
Azure Data Explorer 用例
日志分析
Azure Data Explorer 通常用于日志分析，在日志分析中，它可以摄取、存储和分析由应用程序、服务器和基础设施生成的大量日志数据。组织可以使用 Azure Data Explorer 来监控应用程序性能、排除问题、检测异常并深入了解用户行为。近乎实时地分析日志数据的能力使组织能够主动解决问题并提高运营效率。
遥测分析
Azure Data Explorer 非常适合遥测分析，在遥测分析中，它可以处理和分析由 IoT 设备、传感器和应用程序生成的数据。组织可以使用 Azure Data Explorer 来监控设备健康状况、优化资源利用率以及检测遥测数据中的异常。该平台的可扩展性和高性能功能使其非常适合处理 IoT 设备生成的大量数据。
时序分析
Azure Data Explorer 用于时序分析，在时序分析中，它可以摄取和分析随时间收集的时间戳数据点。此用例适用于各种行业，包括金融、医疗保健、制造业和能源。组织可以使用 Azure Data Explorer 来分析趋势、检测模式并根据历史时序数据预测未来事件。该平台的高级查询运算符和实时分析功能使组织能够从时序数据中获得有价值的见解。
AWS Redshift 用例
数据仓库
Redshift 专为大规模数据仓库工作负载而设计，为存储和分析结构化数据提供可扩展且高性能的解决方案。
商业智能和报告
Redshift 与各种 BI 和报告工具集成，使组织能够从其数据中获得见解并做出数据驱动的决策。
ETL 和数据集成
Redshift 支持数据加载和提取、转换和加载 (ETL) 流程，允许您集成来自各种来源的数据并为分析做好准备。
Azure Data Explorer 定价模型
Azure Data Explorer 的定价模型基于按需付费方式，客户根据其服务使用情况付费。定价取决于多种因素，例如摄取的数据量、存储的数据量以及执行的查询数量。此外，客户可以在提供不同性能和功能级别的不同定价层之间进行选择。Azure Data Explorer 还提供预留容量的选项，允许客户以折扣价预留固定期限的资源。
AWS Redshift 定价模型
Amazon Redshift 提供两种定价模型：按需实例和预留实例。使用按需定价，您可以按小时为使用的容量付费，而无需长期承诺。预留实例提供选择预留一年或三年期限容量的选项，与按需定价相比，小时费率更低。除了这些定价模型外，您还可以选择不同的节点类型，这些节点类型提供不同数量的存储、内存和计算资源。
免费开始使用 InfluxDB
InfluxDB Cloud 是开始存储和分析时序数据的最快方式。
