RDS vs DynamoDB vs Redshift
― 構造化・非構造化・分析用データベースの違いをスッキリ整理 ―
AWSにはデータを扱うサービスがたくさんありますが、「RDS」「DynamoDB」「Redshift」はとくに混乱しやすいこの3つ。どれも"データベースサービス"ですが、目的も仕組みもまったく違います。
この記事では、保存するデータの性質（構造化／非構造化／分析用）の観点から違いを解説してみます！
一言でまとめると
- RDS → 構造化されたデータを正確に管理（伝統的なSQL型）
- DynamoDB → 柔軟な形式で超スケーラブル（NoSQL型）
- Redshift → 大量データを高速に分析（データウェアハウス型）
Amazon RDS（Relational Database Service）
リレーショナルデータベース（SQL）を簡単に使えるマネージドサービス。
- 表（テーブル）と行・列で構造化されたデータを扱う
- トランザクション（整合性・整った処理）が重要な業務に最適
- MySQL / PostgreSQL / Oracle / SQL Server / Aurora などに対応
- マルチAZ構成で高可用性を実現
- バックアップやパッチ適用はAWSが自動実行
よくある使い方
- 会計・人事・顧客管理システム
- ECサイトの商品・注文・在庫管理
- 企業内の基幹データ処理
注意点
- データ量が急増するとスケールに限界がある
- 柔軟なデータ構造には不向き
例えるなら：会社の台帳(すべての項目（列）がきっちり決まっていて、整合性がめっちゃ大事)
Amazon DynamoDB
NoSQL型のフルマネージドデータベース。
- スキーマレス（列の構造を事前に決めなくてOK）
- 自動でスケール（アクセス増えても落ちない）
- 高可用性（マルチAZ複製がデフォルト）
- 低レイテンシ（1桁ミリ秒）で読み書き可能
- データは「テーブル」「項目」「属性」で構成される
よくある使い方
- Webアプリやモバイルアプリのユーザーデータ
- セッション情報やリアルタイムデータ
- ゲーム・IoT・SNSなどアクセスが多い環境
注意点
- 複雑なJOINやSQLクエリはできない
- データ分析には不向き（DynamoDB Streams経由で分析可）
例えるなら：メモアプリ(必要な項目だけ自由に書ける。スピード重視、柔軟性高め)
Amazon Redshift
データウェアハウス（DWH）型の分析特化データベース。
- ペタバイト級データを超高速で集計・分析
- カラムナ型（列指向）でデータ圧縮・クエリ最適化
- S3やRDS、DynamoDBと連携してデータを取り込み可能
- BIツール（QuickSightやTableau）と相性が良い
- SQL互換（PostgreSQLベース）
よくある使い方
- 売上データ・アクセスログの分析
- ビジネスインテリジェンス（BI）ダッシュボード
- 機械学習前のデータ集約・前処理
注意点
- トランザクション処理には不向き（集計専用）
- 少量データならRDSやAthenaのほうが効率的
例えるなら：分析専用の巨大ホワイトボード(毎日の取引データをまとめて眺めるのに最適)
イメージで理解する
- RDS → データを「正しく保存・更新」する
- DynamoDB → データを「柔軟＆スピーディに扱う」
- Redshift → データを「分析・集計する」
選び方の目安
- 整ったテーブルで正確に管理したい → RDS
- スピードとスケーラビリティを重視 → DynamoDB
- 大量データを一括分析したい → Redshift
試験（CLF）での頻出ポイント
- 「スキーマレスでスケーラブルなデータベースは？」→ DynamoDB
- 「構造化データをSQLで扱いたい」→ RDS
- 「データ分析・BI向けのデータベースは？」→ Redshift
まとめ
RDS、DynamoDB、Redshiftは、どれも"データベースサービス"ですが、目的がまったく異なります。
- RDS → トランザクション処理（保存の正確さ）
- DynamoDB → 柔軟性・リアルタイムスピード
- Redshift → ビッグデータ分析