Amazon Redshift tidak akan lagi mendukung pembuatan Python UDFs baru mulai 1 November 2025. Jika Anda ingin menggunakan Python UDFs, buat UDFs sebelum tanggal tersebut. Python yang ada UDFs akan terus berfungsi seperti biasa. Untuk informasi lebih lanjut, lihat posting blog
Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Tipe data SUPER dan tampilan terwujud
Dengan Amazon Redshift, Anda dapat menggunakan tampilan terwujud untuk meningkatkan kinerja dan fleksibilitas kueri yang dijalankan terhadap tipe data SUPER. Tipe data SUPER memungkinkan Anda menyimpan superset kolom dari tabel dasar dalam tampilan terwujud, memungkinkan Anda menanyakan tampilan terwujud secara langsung tanpa bergabung dengan tabel dasar. Bagian berikut menunjukkan cara membuat dan menggunakan tampilan terwujud dengan tipe data SUPER di Amazon Redshift.
Amazon Redshift mendukung tampilan terwujud yang menggabungkan kolom tipe data SUPER dan kueri PartiQL. Tampilan terwujud dapat disegarkan secara bertahap, sedangkan Amazon Redshift hanya memperbarui data yang telah berubah di tabel dasar sejak operasi penyegaran terakhir. Pendekatan pembaruan selektif ini membuat proses penyegaran lebih efisien daripada perhitungan ulang penuh. Untuk informasi lebih lanjut tentang tampilan terwujud, lihatTampilan terwujud di Amazon Redshift.
Mempercepat kueri PartiQL
Anda dapat menggunakan tampilan terwujud untuk mempercepat kueri PartiQL yang menavigasi dan/atau menghapus data hierarkis di kolom SUPER. Dengan membuat satu atau beberapa tampilan terwujud untuk menghancurkan nilai SUPER menjadi beberapa kolom dan memanfaatkan organisasi kolumnar kueri analitik Amazon Redshift, pada dasarnya Anda dapat mengekstrak dan menormalkan data bersarang. Tingkat normalisasi tergantung pada seberapa banyak upaya yang Anda lakukan untuk mengubah data SUPER menjadi data kolumnar konvensional.
Topik berikut menampilkan contoh pemecahan, atau penghancuran, data kompleks menjadi kolom yang lebih kecil, serta membuat kolom skalar dari data yang diparut untuk meningkatkan kinerja.
Topik
