Arkinu
Comparador de servicios de AWS

Amazon Athena vs Amazon Redshift: diferencias y cuándo usar cada uno

Amazon Athena
Amazon Redshift

Se confunden a menudo en el examenLas preguntas suelen ofrecer uno como distractor del otro: fíjate en la frase del escenario que inclina la balanza.

Analítica

Amazon Athena

Servicio serverless de consultas interactivas que analiza con SQL estándar los datos guardados directamente en Amazon S3. Permite consultas ad hoc sin montar ni administrar infraestructura, y se paga por las consultas que se ejecutan.

Frases del examen que apuntan aquí

  • «consultar con SQL estándar datos almacenados en Amazon S3 sin cargarlos en una base de datos»

    Athena lee los archivos directamente donde están en S3: basta con definir la tabla (el esquema y la ubicación) y ya se puede consultar, sin servidores ni procesos de carga.

    Cuándo no: Si se trata de un almacén de datos con consultas de BI complejas, repetidas y con muchos usuarios a la vez, encaja mejor Amazon Redshift. Si hace falta código propio o frameworks como Spark con control del clúster, se piensa en Amazon EMR.

  • «análisis ad hoc ocasional sin infraestructura que administrar»

    Athena es serverless: no hay clúster que levantar ni apagar, y con el modelo por consulta solo se paga cuando se ejecuta una consulta.

    Cuándo no: Si las consultas son constantes y pesadas durante todo el día, un almacén de datos como Amazon Redshift (o capacidad reservada en Athena) puede salir más predecible. La palabra «serverless» sola no basta: AWS Glue o Amazon EMR Serverless también lo son, pero para procesar datos, no para consultarlos con SQL interactivo.

  • «analizar los logs que ya están guardados en un bucket de S3»

    Logs como los de AWS CloudTrail, de los balanceadores o de VPC Flow Logs suelen terminar en S3; con Athena se define un esquema sobre ellos y se consultan en el sitio, sin moverlos.

    Cuándo no: Si los logs están en Amazon CloudWatch Logs, la consulta natural es CloudWatch Logs Insights. Si se necesita búsqueda de texto y paneles casi en tiempo real sobre los logs, se piensa en Amazon OpenSearch Service.

  • «reducir la cantidad de datos que escanea cada consulta»

    Con el modelo por consulta, Athena cobra por los datos escaneados. Particionar los datos y guardarlos comprimidos en formato columnar (Parquet u ORC) hace que cada consulta lea menos, así que cuesta menos y tarda menos.

    Cuándo no: Si el escenario ya usa Redshift, la optimización va por otro lado (claves de distribución y de ordenación). Y si el problema es de costo de almacenamiento y no de consulta, la respuesta suele estar en las clases de S3 o en el lifecycle.

  • «consultar varias fuentes de datos con SQL sin moverlas a un solo lugar»

    Las consultas federadas de Athena usan conectores de fuentes de datos para leer bases de datos relacionales y no relacionales, on-premises u otras nubes, y unirlas con los datos de S3. Muchos conectores corren en AWS Lambda.

    Cuándo no: Si lo que se pide es replicar de forma continua los datos transaccionales de Aurora en un almacén para analizarlos casi en tiempo real, encaja mejor la integración zero-ETL de Aurora con Amazon Redshift.

Suele ir con

  • Amazon S3
  • AWS Glue
  • AWS Quick
Estudiar Amazon Athena →

Analítica

Amazon Redshift

Data warehouse totalmente gestionado a escala de petabytes en la nube. Permite analizar grandes conjuntos de datos con SQL y herramientas de inteligencia de negocio, con clústeres aprovisionados o con Redshift Serverless.

Frases del examen que apuntan aquí

  • «almacén de datos (data warehouse) para análisis con SQL e inteligencia de negocio»

    Amazon Redshift es el almacén de datos de AWS: un motor de procesamiento masivo en paralelo pensado para consultas analíticas complejas sobre grandes volúmenes de datos y para alimentar herramientas de BI.

    Cuándo no: Si el escenario describe transacciones de una aplicación (muchas escrituras pequeñas, OLTP), la respuesta es una base de datos como Amazon RDS o Amazon Aurora. Si son consultas ocasionales sobre archivos en S3 sin cargarlos, encaja mejor Amazon Athena.

  • «consultar desde el almacén de datos los datos del lago en S3 sin cargarlos»

    Redshift Spectrum lee los archivos en S3 donde están y permite unirlos en la misma consulta con las tablas cargadas en Redshift.

    Cuándo no: Si no hay un almacén de Redshift y solo se necesitan consultas SQL puntuales sobre S3, Athena es más simple porque no hay nada que aprovisionar.

  • «cargas analíticas variables o intermitentes sin administrar clústeres»

    Redshift Serverless arranca la capacidad cuando hay consultas, escala por sí solo y se paga por el uso, sin configurar ni dimensionar un clúster.

    Cuándo no: Si la carga es estable y predecible y se quiere control fino de la configuración, un clúster aprovisionado puede ser la mejor opción. Serverless tampoco convierte a Redshift en una base de datos transaccional.

  • «analizar casi en tiempo real los datos transaccionales de Aurora sin construir procesos ETL»

    La integración zero-ETL replica de forma administrada y casi en tiempo real los datos de Amazon Aurora en Redshift, sin pipelines que mantener.

    Cuándo no: Si solo hace falta consultar de vez en cuando la base operativa desde Redshift sin replicarla, están las consultas federadas. Si el destino es un lago en S3, el camino suele ser AWS Glue o AWS DMS.

  • «compartir datos del almacén entre equipos o clústeres sin copiarlos»

    El data sharing de Redshift da acceso a datos en vivo de un almacén a otro (de lectura y, si se concede, también de escritura), lo que aísla las cargas de trabajo sin duplicar datos.

    Cuándo no: Si los datos están en un lago de S3 catalogado en Glue, compartirlos entre cuentas con permisos finos es trabajo de AWS Lake Formation.

  • «alta disponibilidad del almacén de datos ante la caída de una zona de disponibilidad»

    Un despliegue Multi-AZ de Redshift mantiene el almacén en varias zonas detrás de un solo endpoint y se recupera en menos de un minuto, sin pérdida de datos.

    Cuándo no: La reubicación de clúster (relocation) es gratuita pero de mejor esfuerzo y más lenta; si el escenario prioriza costo sobre tiempo de recuperación, puede ser la respuesta. Para recuperarse ante la caída de una región se piensa en copias de snapshots, no en Multi-AZ.

Suele ir con

  • Amazon S3
  • AWS Quick
Estudiar Amazon Redshift →