Amazon Redshift vs Google BigQuery: Cómputo de $0.375/RPU-hora frente a $6.25/TiB escaneado y TCO en JSON

Amazon Redshift Serverless y Google BigQuery monetizan el análisis desde extremos opuestos del motor de ejecución. Redshift Serverless cobra exclusivamente por la capacidad de cómputo consumida a $0.375 por RPU-hora en us-east-1 ($0.36 en us-east-2 y us-west-2), facturada al segundo tras un mínimo de 60 segundos cada vez que se activa el grupo de trabajo. Tanto si un entorno de 32 RPU ($12.00/hora) procesa 100 GB como si escanea 15 TB durante esa hora activa, la factura de cómputo se mantiene en $12.00, incluyendo las consultas Spectrum sobre S3 sin recargos por terabyte.

Google BigQuery aplica por defecto el cobro bajo demanda de $6.25 por TiB escaneado (tras 1 TiB gratuito cada mes), resultando imbatible para cargas esporádicas que permanecen inactivas el 90% del día. Sin embargo, cuando la velocidad de lectura supera 1.92 TiB por hora activa ($12.00 / $6.25), un grupo de 32 RPU en Redshift Serverless resulta más económico. Dentro del propio BigQuery, el equilibrio entre el pago bajo demanda ($6.25/TiB) y las ediciones por capacidad se sitúa en 156.25 slot-horas/TiB para Standard ($0.04/slot-h) y 104.17 slot-horas/TiB para Enterprise ($0.06/slot-h); así, una base de 100 slots Enterprise ($4,380/mes) se amortiza al superar los 700.8 TiB escaneados al mes.

El procesamiento de flujos de eventos semiestructurados revela diferencias críticas de arquitectura y facturación entre ambas plataformas. El tipo de datos SUPER de Redshift almacena documentos JSON sin esquema de hasta 16 MB por fila en formato binario posprocesado y subcolumnariza dinámicamente los atributos frecuentes. Al facturar por tiempo de ejecución en RPU, los analistas pueden ejecutar consultas PartiQL complejas sobre miles de millones de filas SUPER sin penalizaciones por volumen de bytes leídos.

El tipo JSON nativo de BigQuery admite cargas mucho mayores (hasta 100 MB por fila y 500 niveles de anidamiento) y subcolumnariza automáticamente los campos al escribir para minimizar la lectura física en disco. No obstante, bajo la tarifa por demanda de BigQuery, consultar un único atributo anidado dentro de una columna JSON factura el tamaño lógico UTF-8 completo de toda esa columna JSON. Para evitar sobrecostos severos con tablas JSON masivas en BigQuery, resulta imprescindible migrar a BigQuery Editions (cobro por slot-hora) junto con el almacenamiento físico comprimido ($0.04/GiB activo, $0.02/GiB largo plazo), que reduce el volumen facturable entre un 60% y un 80%.

Cada plataforma presenta una trampa operativa particular si no se establecen límites preventivos. En Redshift Serverless, el riesgo principal reside en el mínimo facturable de 60 segundos combinado con techos de RPU elevados: si un proceso de dbt o un script de monitoreo lanza una consulta de 2 segundos cada 3 minutos, el grupo de trabajo nunca descansa o factura bloques completos de 60 segundos por activación, convirtiendo una carga ligera en una factura continua 24/7. Es fundamental definir límites diarios y semanales de consumo de RPU.

En BigQuery, el error más costoso ocurre cuando herramientas como Looker o Tableau ejecutan lecturas completas sobre tablas sin particionar a $6.25/TiB sin configurar el límite de bytes facturables (`Maximum Bytes Billed`). En cuanto al almacenamiento, Redshift RMS aplica una tarifa plana de $0.024/GB-mes sobre datos ya comprimidos en S3, mientras que BigQuery reduce automáticamente entre un 30% y un 50% el precio de cualquier partición sin cambios durante 90 días (de $0.023 a $0.016/GiB en modo lógico, o de $0.04 a $0.02/GiB en modo físico comprimido).