Visualización de los datos de optimización automática - Amazon Redshift

Amazon Redshift dejará de admitir la creación de nuevas UDF de Python a partir del parche 198. Las UDF de Python existentes seguirán funcionando hasta el 30 de junio de 2026. Para obtener más información, consulte la publicación del blog.

Visualización de los datos de optimización automática

La consola de Amazon Redshift proporciona información acerca de las optimizaciones automáticas, o características automatizadas, que se ejecutan mediante recursos de computación adicionales. Puede utilizar esta información para realizar un seguimiento del uso y controlar si se han alcanzado los límites de uso. Si bien Amazon Redshift no le factura por las características automatizadas que se ejecutan en el propio clúster aprovisionado, sí le factura por las características automatizadas que se ejecutan con recursos de computación adicional. Para obtener más información, consulte Asignación de recursos de computación adicional para la optimización automática de bases de datos en la Guía para desarrolladores de bases de datos Amazon Redshift.

Para ver datos de características automatizadas de computación adicional:

  1. Inicie sesión en la Consola de administración de AWS y abra la consola de Amazon Redshift en https://console.aws.amazon.com/redshiftv2/.

  2. En el menú de navegación, elija Clusters (Clústeres) y, a continuación, elija el nombre de un clúster de la lista para abrir sus detalles.

  3. En la página de detalles del clúster, seleccione Administrar límite de uso en el menú desplegable Acciones. También puede seleccionar la pestaña Mantenimiento de un clúster y, a continuación, desplazarse hacia abajo y seleccionar Crear límites de uso.

  4. El gráfico que muestra los datos de características automatizadas de computación adicional aparece en la sección titulada Límite de uso de computación adicional para la optimización automática. El gráfico muestra la cantidad de tiempo que Amazon Redshift ejecuta características automatizadas utilizando recursos de computación adicional en un período de tiempo determinado.