Jämförelse av Snowflake- och S3-data Lager Snowflake Computing har en tjänst som heter Snowflake Elastic Data som organisationer använder för att lagra och analysera data genom molnbaserad mjukvara och hårdvara varifrån data lagras i Amazon S3. Även om båda är kraftfulla med exklusiva funktioner, finns det vissa punkter där de två skiljer sig åt.
Ekosystem
I Amazonas ekosystem integrerar Redshift med en rad AWS-tjänster som Kinesis Data Firehose, SageMaker, EMR, Glue, DynamoDB, Athena, Database Migration Service (DMS), Schema Conversion Tools (SCT) och CloudWatch.
Snowflake har inte motsvarande integrationer och användare tycker det är svårt att använda verktyg som Kinesis, Glue och Athena. Snowflake erbjuder dock sin egen uppsättning integrationspunkter som IBM Cognos, Informatica, Power BI, Qlik, Apache Spark, Tableau och andra.
Det kan tyckas här som att S3 har en kant men även Snowflake har nästan dragit upp längs med också.
Datasäkerhet
Snowflake S3 erbjuder en ökad säkerhetsnivå som utesluter alla sårbarheter och tillgång till känslig information.
Amazon S3 har strikt åtkomsthantering, klustersäkerhetsgrupper, Virtual Private Cloud (VPC), klusterkryptering och laddningsdatakryptering.
Snowflake tillhandahåller också branschledande säkerhetsfunktioner som åtkomst till nätverkswebbplatser, konto-/användarautentisering, objektsäkerhet, datasäkerhet och säkerhetsvalideringar.
Det är svårt att säga vilken plattform som har fler felsäkra attribut. Båda är i paritet i detta avseende.
PrissättningSnowflake och S3 har olika prismodeller.
Redshift-avgifter per timme per nod som täcker både datoranvändning och datalagring. Priset kan komma fram till storleken på klustret och antalet arbetade timmar per månad.
Snowflake fakturerar i timmes granularitet för varje virtuellt datalager som till stor del beror på användningsmönster.
För prissättning på begäran är dock Redshift 1,9 gånger billigare än Snowflake på en 1-års reserverad instans (RI).
Innan du väljer rätt plattform överväg alla dessa aspekter och ta tillräcklig tid för att utföra omfattande forskning.
