恩，这个问题，其实要Database的种类讲起。
首先大家知道的DB，一般是MySQL、PostgreSQL、SQL Server等。
这类的数据库成为“关系型数据库”，也就是OLTP。它每一行是一条记录。具体的意思大家自己查查吧。
关系型数据库的优点是可以非常快地找到“这个人”的“所有信息”，因为就一行。
但要是想开始查，有“多少人”，“怎么样”的时候，就会很慢。
一般这个时候，大家会用一个东西，叫index。将记录里的一项，做索引，加速查询。
其实你没意识到，当你加了一个索引的时候，其实你存的数据，是一列。
于是列数据库就不难理解了。这样的数据库是按列存储所有数据。那么此时，”查询某一类“这样的需求就变得很快了。
Clickhouse就是这样的一个数据库，它做count()操作的速度大约是MySQL的几千倍。
也因此，列数据库特别适合做”分析“。
接着讲故事。随着网络的发展，移动应用和社交平台的推广，我们发现，所有的东西都被打上了”标签“。
要想知道你这个人，看你身上的”标签“即可。
一张图片，有”标签“，一次比赛成绩，还是”标签“。
于是key-value型数据库油然而生。
这类数据库特别简单，就是key-value对儿。给我个key，我返回给你value。
快得起飞，但存储的信息，必然没有行数据库和列数据库靠谱。
Redis就是一个key-value型数据库。因为它用内存，而不是用硬盘（硬盘只作为恢复时用），所以我一直把它当成Cache用。
OK，回到最开始的问题：什么时候用Redshift，什么时候用Aurora？
AWS RDS （包括Aurora）- 行数据库
AWS Redshift – 列数据库
AWS DynamoDB – Key-value型数据库
自己有答案了吧？
普通存储，或者存储完整信息，用RDS。
希望数据是用来做分析的，用Redshift。
数据仅仅是用来快速检索，并且更多地适用于移动应用的，用DynamoDB。
所以如果你发现有个需求是把RDS的数据灌入Redshift，那一定是准备调用个Lambda什么的来分析了。
最后多说一点Aurora。
Aurora是AWS自己做的（或者说自己封装的），用来替代MySQL和PostgreSQL的。
MySQL和PostgreSQL是开源的嘛……所以AWS自己封了Aurora。
就像Redis是开源的，然后AWS自己封了个ElasticCache……
用Aurora的好处是自己扩展以及自己备份。当然官网宣称的是他们更快（5倍于MySQL，3倍于PostgreSQL）。
但是我真的对Aurora自动备份特别满意。
尤其是备份，它自动将数据写到6个Volume里，然后存在S3上。
还有一个功能叫Fast local read，其实就相当于在Aurora本地加了Cache。
Aurora还支持serverless，相当于按需使用了。
我对Aurora不满的一点是时至今日（2020年12月），它还只停留在5.7……
