如果不做技术，在开源的时代，很难跟上步伐。
先不用说技术应用，能把RDS、Redshift、Aurora这些名词搞清楚就不错了！有时候，我就会想：RDS是不是Redshift的缩写呢？
很显然，我们需要一张清晰的产品图谱。
从图中可以看到，无论是数据库，还是数据分析，在AWS，我们都有很多的产品选择。
以数据库为例，有Aurora、RDS、RDS on VMware，有DynamoDB、ElastiCache和Neptune等，与数据分析相关，有Redshift、EMR、Athena、Elasticsearch Service和Kinesis Data Analytics。
不要说我，一个区区的记者，我想即使对于专业技术人员，恐怕也难面面俱到，把这些技术都搞清楚。
不就是数据库、数据分析吗？为什么要搞的这样复杂？
其实道理也很简单。
不同的应用场景，有其适合产品，张冠李戴是不行的。
以前，计算能力有限且昂贵，好钢需要刀刃上。那个时候，数据库和数据分析应用以关系型数据为主，其数据量的占比是10%～15%，但数据价值高达85%；其余85%的数据并不被存储、分析。
但是随着计算能力的提升，特别是Intel x86服务器的广泛应用，计算成本不再是稀缺的资源；与此同时，用户行为等大数据应用备受重视。在这种情况下，各种数据存储和分析工具应运而生，开源技术发展，也发挥了推波助澜的作用。
同样是数据分析，数据类型不同，使用的手段和工具也不尽相同。如数据仓库可以用Redshift，Hadoop+Spark应用可以使用EMR，交互式数据分析使用Athena，实时数据分析使用Kinesis Data Analytics，运营数据分析使用Elasticsearch Service。
数据库也是如此，有关系型数据库，如Aurora、RDS，有键值文档数据库DynamoDB，有图形数据库Neptune，以及ElastiCache等。
互联网用户如Epic Games，这是一家游戏公司，全球都非常知名的“吃鸡”游戏，就是所说《堡垒之夜》就是这家公司的杰作，非常流行的。Epic会把所有用户在线玩游戏中的数据导入到S3中，并利用各种定制化工具，分析用户在游戏中的行为。
可以说，新工具的广泛应用让互联网、网游企业占据了先发的优势，对于传统企业级客户而言，也需要以数据湖为基础，更好地分析数据。
相比于传统的数据库、数据仓库，新的开源软件以及互联网SaaS服务，在性能、成本上都占据优势。
以Redshift为例。传统数据仓库只能够处理GB级、TB级的数据，还没有达到PB级，TB级数据处理就需要大约1万～5万美元。有数据表明，传统数据仓库仅能够处理企业10%左右的数据。为获得更加深远的洞见，企业用户希望能够分析处理100%的数据。依靠传统数据仓库产品，这是不可能的事情。
Redshift的出现弥补了传统应用的不足，它能够处理PB、EB级的数据，处理性能是传统数据仓库的10倍。同样TB级数据处理，所需要的成本仅为1000美元，是传统方法的1/10。
因此，新技术的出现，为企业级用户提供了新的选择。
不同于传统交钥匙的方案，新时期，需要用户有更加广阔的视野，需要具备DIY的能力。在开源、SaaS云服务的世界中，新的技术、功能，无时不刻涌现，将这些技术不断运用到业务创新中，这个是新事情用户必须具备的能力。
“一慢、二看、三通过”已经不符合时代的步伐。
到了需要改变的时候了！加油！
