AWS为Redshift引入Iceberg物化视图支持，有望降低分析成本

AWS已为其托管云数据仓库服务Amazon Redshift新增对Iceberg物化视图的支持，旨在帮助企业降低分析成本。

物化视图是预先计算并存储的查询结果，Redshift等数据仓库可以用它来避免在重复执行相同分析工作负载时反复运行计算密集型的查询，从而减少计算消耗与成本。

AWS在一篇博文中写道，Redshift新增对Iceberg物化视图（即存储在Iceberg表中的查询结果）的支持，意味着数据分散在多个数据仓库以及Spark、Athena等分析引擎中的企业，可以在这些环境中复用来自Redshift的同一份预计算结果，而不必复制数据或构建单独的管道。AWS补充说，该支持还允许Redshift使用其他分析引擎生成的Iceberg物化视图，从而为企业带来更强的跨数据平台互操作性。

减少集成复杂度

Pareekh Consulting首席分析师Pareekh Jain表示，这种互操作性应当能减轻数据工程团队的集成负担与复杂度，因为他们不必再"浪费时间"复制数据和构建ETL管道。

据IT咨询公司Kanerika首席分析官Amit Chandak说，管道重复的减少还可以提升整个企业数据团队的效率与生产力。

"企业团队经常为仪表盘和数据科学工作负载分别计算相同的业务指标，每一份副本都需要自己的管道。有了对Iceberg物化视图的支持，重复管道的需求就消失了，关于哪个版本的指标才是正确的困惑也一并消失，"Chandak说。

这种困惑的减少，还可能帮助企业扩展智能体（agentic）应用。Chandak说，借助Iceberg物化视图，企业如今可以把高频使用的查询结果（例如业务指标）存储在开放表中，降低智能体处理同一指标不同版本的风险，并提升其回答的一致性。他补充说，随着企业在各职能和用例中部署越来越多智能体，这种一致性可以帮助它们更有信心地扩展智能体应用。

降低分析相关的计算成本

不过，据Jain说，对CIO而言，互操作性更大的好处在于分析相关计算成本的降低。

"这在多引擎环境和智能体AI中尤其有用。如果Redshift、Spark、Athena和AI应用目前都在各自分别执行相同的计算，企业就是在为这些计算重复付费。Iceberg物化视图让Redshift只计算一次，并允许多个系统复用结果，"Jain说。

Nord-IQ Research首席分析师Manoj Chandra Jha说，同样的节省甚至可以延伸到智能体应用或工作负载。Jha说，可互操作的物化视图可以帮助企业避免为不同的智能体应用反复计算相同的指标，从而降低因智能体在推理任务过程中反复调用相同的底层数据查询而产生的计算成本。

架构灵活性的提升

据Chandak说，新增的支持还为CIO释放了架构上的灵活性。

Chandak说，此前，优化工作在很大程度上与执行优化的那个数据引擎绑定，限制了它在异构数据环境中的使用。他补充说，相比之下，Iceberg物化视图将允许CIO在不同的分析引擎之间复用性能优化，使企业在工作负载演进时更容易增加、切换或组合数据平台。他进一步表示，这还应降低企业对任何单一分析引擎的依赖。