回答这个问题之前，要考虑清楚：为什么数据要在各种存储之间迁移？
第一个原因，换组件。比如以前用一个数据库，现在想换一个数据库用用。
另一个原因我更喜欢：因为要拿数据去实现价值啊！
数据存进来仅仅是第一步。数据的价值在于分析，提取有效的内容，生成报告啦、图标啦，等等。
在《数据库，何时用Redshift，何时用Aurora？Fast local read是什么？》这篇中，我们提及了为什么要用Redshift，因为Redshift是列数据库，擅长分析。
当然擅长分析的（不一定是数据库）还有EMR，大数据平台嘛。
题目中提到的场景，只能作为简单的数据迁移来说。从RDS到Redshift，最直接的方法需要你把RDS的数据全部导出来存到S3上，然后跑到Redshift cluster所在的Region里导入进Redshift中，即可。
可见，就是一个数据库导出到S3，然后再导入的过程。
AWS有个组件叫Data Pipeline，可以持久地将数据从一个数据源，导入另一个数据源中。
当然，它不单支持AWS内部的数据移动，还包括On-Prem的数据到AWS。
有个词叫ETL，E=Extract，T=Transform，L=Load。
这三个单词描述了在源数据中提取，转移到新模型，然后实现价值的过程。
这个对应了我之前说的第二个原因，要拿数据实现价值。
AWS有个组件叫Glue，干的就是ETL的事情。
看个图：
可以看到，源是多种数据源，然后经过Glue（这名字起的真好，粘不粘不），将结果输出到分析型数据存储中，然后用Quicksignt这样的工具生成报表。
整个过程中，可以用CloudWatch监控，生成log或者notification等等。
不知你有没有和我类似的感觉：AWS Data Pipeline和AWS Glue貌似在干相似的事情。
我查了一些文档，但理解得还不是很深刻。
在我理解里，Data Pipeline更偏向于数据迁移，而Glue才是ETL。
再一个，Glue是serverless的。他有三个主要模块：Data Catalog, ETL Engine and Scheduler。
其他的，建议自己看看这篇文章：《AWS Data Pipeline vs AWS Glue: Choosing the Best ETL Tool for AWS》
