自 2025 年 11 月 1 日起，Amazon Redshift 將不再支援建立新的 Python UDFs。如果您想要使用 Python UDFs，請在該日期之前建立 UDFs。現有的 Python UDFs將繼續如常運作。如需詳細資訊，請參閱部落格文章
本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
SUPER 資料類型和具體化視觀表
透過 Amazon Redshift，您可以使用具體化視觀表來增強針對 SUPER 資料類型執行之查詢的效能和彈性。SUPER 資料類型可讓您將基礎資料表中的資料欄超級集合存放在具體化檢視中，讓您直接查詢具體化檢視而不聯結基礎資料表。下列各節說明如何在 Amazon Redshift 中使用 SUPER 資料類型來建立和使用具體化視觀表。
Amazon Redshift 支援包含 SUPER 資料類型資料欄和 PartiQL 查詢的具體化視觀表。具體化視觀表可以遞增重新整理，而 Amazon Redshift 只會更新自上次重新整理操作以來基礎資料表中變更的資料。這種選擇性更新方法使重新整理程序比完全重新計算更有效率。如需具體化視觀表的相關資訊，請參閱 Amazon Redshift 中的具體化視觀表。
加速 PartiQL 查詢
您可以使用具體化視觀表來加速導覽和/或解除巢狀化 SUPER 欄中階層式資料的 PartiQL 查詢。透過建立一或多個具體化視觀表，將 SUPER 值分割成多個資料欄，並利用 Amazon Redshift 分析查詢的單欄式組織，基本上您可以擷取並標準化巢狀資料。標準化程度取決於您將 SUPER 資料轉換為傳統單欄式資料所付出的努力。
下列主題示範將複雜資料分解或分解為較小的資料欄，以及從碎片資料中建立純量資料欄以改善效能的範例。
