Amazon Redshift unterstützt ab dem 1. November 2025 nicht mehr die Erstellung neuer Python-UDFs. Wenn Sie Python-UDFs verwenden möchten, erstellen Sie die UDFs vor diesem Datum. Bestehende Python-UDFs funktionieren weiterhin wie gewohnt. Weitere Informationen finden Sie im Blog-Posting
Überprüfen von Abfragewarnungen nach Tabelle
Die folgende Abfrage identifiziert Tabellen, für die Warnereignisse protokolliert wurden, und gibt an, welche Arten von Warnungen am häufigsten ausgelöst wurden.
Wenn in einer aufgeführten Tabelle der minutes-Wert für eine Zeile besonders hoch ist, überprüfen Sie, ob für die betreffende Tabelle routinemäßige Wartungsaufgaben durchgeführt werden können, beispielsweise durch Ausführen von ANALYZE oder VACUUM für die betreffende Tabelle.
Wenn der Wert count für eine Zeile hoch ist, gleichzeitig der Wert table aber Null, führen Sie für den zugehörigen event-Wert eine Abfrage über STL_ALERT_EVENT_LOG durch, um herauszufinden, warum die Warnung so oft ausgelöst wird.
select trim(s.perm_table_name) as table, (sum(abs(datediff(seconds, s.starttime, s.endtime)))/60)::numeric(24,0) as minutes, trim(split_part(l.event,':',1)) as event, trim(l.solution) as solution, max(l.query) as sample_query, count(*) from stl_alert_event_log as l left join stl_scan as s on s.query = l.query and s.slice = l.slice and s.segment = l.segment and s.step = l.step where l.event_time >= dateadd(day, -7, current_Date) group by 1,3,4 order by 2 desc,6 desc;