Amazon Redshift 增加了包括 Amazon Q 在内的新人工智能功能，以提高效率和生产力



通过我们今天在预览版中推出的两项新功能，Amazon Redshift 为您提供人工智能（AI）服务，以提升效率和生产力。

首先，Amazon Redshift Serverless 更加智能。它可以根据查询的复杂性、频率、数据集大小等维度自动主动扩展容量，以根据具体需求优化性能。这使您可以减少调整数据仓库实例花费的时间，而将更多时间用于挖掘数据价值。

其次，Amazon Redshift 查询编辑器中的 Amazon Q 生成式 SQL 会根据自然语言提示生成 SQL 建议。这有助于您更高效地通过数据获取洞察信息。

我们先来介绍 Amazon Redshift Serverless
当您使用 Amazon Redshift Serverless 时，您现在可以选择启用 AI 驱动的扩展和优化预览版。启用后，系统会观察您的使用模式并从中学习，例如查询的并发数、其复杂性以及运行查询所需的时间。然后，它会自动优化您的无服务器端点，以实现您的性价比目标。AWS 内部测试显示，这一新功能可在无需任何人工干预的情况下，将可变工作负载的性价比提高多达十倍。

AI 驱动的扩展和优化消除了手动调整工作组大小所花费的时间和精力，并根据工作负载需求规划后台优化。它会在最有价值时持续运行自动优化以提高性能，从而避免性能下降和超时。

这项新功能超越了 Amazon Redshift Serverless 现有的自我调整功能，例如用于调整计算的机器学习（ML）增强型技术、修改数据库的物理架构、根据需要创建或删除实体化视图（我们自动管理的视图，而不是您的视图）以及清空表。这项新功能更加智能，可以决定如何调整计算、需要哪些后台优化以及何时应用这些优化，并且可以基于更多维度做出决策。如果查询需要，我们还会为实体化视图、表优化和工作负载管理编排基于 ML 的优化。

在预览版期间，您必须选择在您的工作组上启用这些 AI 驱动的扩展和优化。您可以配置系统以平衡价格或性能方面的优化。控制台中只有一个用于调整的滑块。

像往常一样，您可以通过控制台、Amazon CloudWatch 指标和系统表 SYS_SERVERLESS_USAGE 来跟踪资源使用情况和相关变化。

现在，我们来了解一下 Amazon Redshift 查询编辑器中的 Amazon Q 生成式 SQL
如果您能使用生成式人工智能来帮助分析师更快地编写有效的 SQL 查询，会怎么样？ 这是我们今天在基于 Web 的 SQL 编辑器 Amazon Redshift 查询编辑器中推出的新体验。

现在，您可以用自然语言描述要从数据中提取的信息，我们会为您生成 SQL 查询建议。在后台，Amazon Q 生成式 SQL 使用大型语言模型（LLM）和 Amazon Bedrock 来生成 SQL 查询。我们使用提示工程和检索式增强生成（RAG）等不同技术，根据您的上下文来查询模型：您连接的数据库、您正在使用的架构、您的查询历史记录以及连接到同一端点的其他用户的查询历史记录（可选）。系统还会记住之前的问题。您可以要求其优化之前生成的查询。

SQL 生成模型使用特定于数据架构的元数据来生成相关查询。例如，它使用数据库中的表名和列名以及表之间的关系。此外，您的数据库管理员可以授权模型使用您的 AWS 账户中所有用户的查询历史记录来生成更相关的 SQL 语句。我们不会与其他 AWS 账户共享您的查询历史记录，也不会使用来自您 AWS 账户的任何数据来训练我们的生成模型。我们保持满足您预期的高隐私和安全水准。

使用生成的 SQL 查询有助于您在发现新架构后开始使用。它为您处理发现列名和表之间关系的繁重工作。高级分析师还受益于用自然语言询问他们想要什么，并自动生成 SQL 语句。他们可以查看查询并直接从笔记本上运行查询。

我们来探索一下架构并提取信息
在本演示中，假设我是一家销售音乐会门票公司的数据分析师。数据库架构和数据可供您下载。我的经理要求我分析门票销售数据，以便向西雅图消费最多的客户发送附有折扣券的感谢信。

我连接到 Amazon Redshift 查询编辑器并连接分析端点。我为笔记本创建了一个新选项卡（只能在笔记本上生成 SQL）。

我没有编写 SQL 语句，而是打开聊天面板并输入“查找 2022 年西雅图购买门票最多的前五名用户。”我花时间验证生成的 SQL 语句。看起来正确无误，所以我决定运行它。我选择添加到笔记本，然后选择运行。该查询返回西雅图排名前五的买家名单。

我以前对数据架构一无所知，也从未输入过一行 SQL 来查找所需的信息。

但是生成式 SQL 并不局限于单一交互。我可以与它聊天来动态优化查询。下面是另一个示例。

我问：“哪个州的场馆最多？”生成式 SQL 提出了以下查询。满足大家的好奇心，答案是纽约，有 49 个场馆。

我改变了主意，我想知道场馆最多的前三个城市。我只是重新表述了我的问题：“场馆数量排名前三的城市呢？”

我将查询添加到笔记本中并运行它。它返回预期结果。

提示方面的最佳实践
以下是一些提示和技巧，可让您通过提示获得最佳结果。

具体 – 用自然语言提问时，请尽可能具体，以帮助系统准确理解您的需求。例如，与其写“查找门票销量最高的热门场馆”，不如提供更多详细信息，例如“查找 2022 年门票销量最高的三个场馆名称”。 使用一致的实体名称，例如场馆、门票和地点，而非以不同方式指代同一个实体，这可能会使系统迷惑。

迭代 – 将复杂的请求分解成多个简单语句，使系统更容易解读。以迭代方式提出后续问题，以便从系统中获得更详细的分析。例如，先问：“哪个州的场馆最多？” 然后，根据回答，问一个后续问题，比如“该州最受欢迎的场馆是哪一个？”

验证 – 在运行生成的 SQL 之前对其进行检查以确保准确性。如果生成的 SQL 查询有误或与您的意图不符，请向系统提供有关如何更正该查询的说明，而不是重新表述整个请求。例如，如果查询缺少按年份列出的筛选子句，请写出“提供自 2022 年起的场馆”。

可用性和定价
AI 驱动的扩展和优化已在六个 AWS 区域推出预览版：美国东部（俄亥俄州、弗吉尼亚州北部）、美国西部（俄勒冈州）、亚太地区（东京）和欧洲地区（爱尔兰、斯德哥尔摩）。不收取任何额外费用。您只需为数据仓库处于活动状态时消耗的计算容量付费。定价按每小时的 Redshift 处理单元（RPU）数计算。按每秒使用容量计费。Amazon Redshift 定价页面提供了详细信息。

适用于 Amazon Redshift 查询编辑器的 Amazon Q 生成式 SQL 现已在两个 AWS 区域推出预览版：美国东部（弗吉尼亚州北部）和美国西部（俄勒冈州）。预览版期间不收费。

以下是两个示例，说明 AI 如何通过自动调整 Amazon Redshift Serverless 端点的性价比或根据自然语言提示生成正确的 SQL 语句，来帮助优化性能和提高工作效率。

在向所有人提供这些功能之前，预览版对于我们收集反馈至关重要。立即试用这些功能，在 re: Post 论坛或者使用控制台左下角的反馈按钮将您的想法告诉我们。

– seb

*前述特定亚马逊云科技生成式人工智能相关的服务仅在亚马逊云科技海外区域可用，亚马逊云科技中国仅为帮助您了解行业前沿技术和发展海外业务选择推介该服务。