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](https://aws.amazon.com/blogs/big-data/amazon-redshift-python-user-defined-functions-will-reach-end-of-support-after-june-30-2026/). # Interacción con el SQL generativo de Amazon Q **nota** El soporte del SQL generativo de Amazon Q solo está disponible en las siguientes Regiones de AWS: Región Este de EE. UU. (Norte de Virginia) (us-east-1) Región EE. UU. Este (Ohio) (us-east-2) Región Oeste de EE. UU. (Oregón) (us-west-2) Región Asia-Pacífico (Mumbai) (ap-south-1) Región Asia-Pacífico (Seúl) (ap-northeast-2) Región Asia-Pacífico (Singapur) (ap-southeast-1) Región Asia-Pacífico (Sídney) (ap-southeast-2) Región Asia-Pacífico (Tokio) (ap-northeast-1) Región Canadá (Central) (ca-central-1) Región Europa (Fráncfort) (eu-central-1) Región Europa (Irlanda) (eu-west-1) Región Europa (Londres) (eu-west-2) Región Europa (París) (eu-west-3) Región América del Sur (São Paulo) (sa-east-1) Para obtener más información sobre dónde se procesan sus datos, consulte [Cross region inference in Amazon Q Developer](https://docs.aws.amazon.com/amazonq/latest/qdeveloper-ug/cross-region-inference.html) en la *Guía del usuario de Amazon Q Developer*. Puede interactuar con la funcionalidad del SQL generativo de Amazon Q en el editor de consultas v2 de Amazon Redshift. Se trata de un asistente de codificación que genera instrucciones SQL en función de sus indicaciones y del esquema de la base de datos. Este asistente de codificación está disponible mientras se crea un cuaderno en el editor de consultas v2. El SQL generado es para la base de datos a la que está conectado el bloc de notas. Cuando interactúe con el SQL generativo de Amazon Q, realice preguntas específicas, repita cuando tenga solicitudes complejas y verifique la precisión de las respuestas. Cuando envíe solicitudes de análisis en lenguaje natural, sea lo más específico posible para ayudar al asistente de codificación a entender exactamente lo que necesita. En lugar de preguntar “busca los principales eventos que han vendido más entradas”, proporciona más detalles, por ejemplo “busca nombres o ID de los tres eventos que hayan vendido más entradas en 2008”. Utilice nombres coherentes y específicos de los objetos de la base de datos cuando los conozca. Como los nombres de esquemas, tablas y columnas, tal como se han definido en la base de datos, en lugar de hacer referencia al mismo objeto de manera diferente, cosa que puede confundir al asistente. Divida las solicitudes complejas en varias instrucciones simples que sean más fáciles de interpretar para el asistente. Haga preguntas de seguimiento de forma iterativa para obtener un análisis más detallado del asistente. Por ejemplo, primero pregunte “¿qué estado tiene más eventos?”. Luego, según la respuesta, pregunte “¿cuál es el evento más popular de este estado?”. Revise la consulta SQL generada antes de ejecutarla para garantizar que sea precisa. Si la consulta SQL generada contiene errores o no coincide con su intención, proporcione instrucciones al asistente sobre cómo corregirla en lugar de reformular toda la solicitud. Por ejemplo, si a la consulta le falta una cláusula predicativa sobre el año, pregunte “Indícame eventos del año 2008”. Envíe el texto de los errores que reciba al ejecutar el SQL generado como peticiones al SQL generativo de Amazon Q. Aprende de estos errores para producir un SQL mejor. Agregue el esquema a la ruta de búsqueda de SQL para indicar que se debe usar ese esquema. Por ejemplo, agregue el esquema de tickit cuando los datos estén en el esquema de tickit y no en el esquema público. ``` set search_path to '$user', tickit; ``` ## Consideraciones a la hora de interactuar con el SQL generativo de Amazon Q Tenga en cuenta lo siguiente cuando trabaje en el panel de chat. + El administrador del editor de consultas v2 de su cuenta debe haber activado la función de chat en la página **Configuración del SQL generativo**. + Para utilizar el SQL generativo de Amazon Q, necesita un permiso `sqlworkbench:GetQSqlRecommendations` en la política de IAM, además de los otros permisos especificados en la política administrada de AWS del editor de consultas v2. Para obtener más información sobre las políticas administradas por AWS, consulte [Acceso al editor de consultas v2](query-editor-v2-getting-started.md#query-editor-v2-configure). + Las preguntas deben escribirse en inglés. + Las preguntas deben hacer referencia a la base de datos conectada de su clúster o grupo de trabajo. Para evitar errores de estado vacío, debe haber al menos una tabla y algunos datos en la base de datos. + Las preguntas deben hacer referencia a los datos almacenados en la base de datos conectada. No puede hacer referencia a un esquema externo. Para obtener más información sobre los esquemas admitidos, consulte [Crear esquema](https://docs.aws.amazon.com/redshift/latest/dg/r_CREATE_EXTERNAL_SCHEMA.html) en la *Guía para desarrolladores de bases de datos de Amazon Redshift*. + Cualquier pregunta que dé como resultado SQL que cambie la base de datos conectada puede generar una advertencia. + La tecnología de IA generativa es nueva y puede haber errores (a veces denominados alucinaciones) en las respuestas. Pruebe y revise todo el código para detectar errores y vulnerabilidades antes de usarlo en su entorno o carga de trabajo. + Para mejorar las recomendaciones, comparta las consultas SQL ejecutadas por otros usuarios de su cuenta. El administrador de su cuenta puede ejecutar los siguientes comandos SQL para permitir el acceso al historial de consultas de la cuenta. ``` GRANT ROLE SYS:MONITOR to "IAMR:role-name"; GRANT ROLE SYS:MONITOR to "IAM:user-name"; GRANT ROLE SYS:MONITOR to "database-username"; ``` Para obtener información sobre `SYS:MONITOR`, consulte [Roles definidos por el sistema de Amazon Redshift](https://docs.aws.amazon.com/redshift/latest/dg/r_roles-default.html) en la *Guía para desarrolladores de bases de datos de Amazon Redshift*. + Sus datos están seguros y son privados. Sus datos no se comparten entre cuentas. Sus consultas, datos y esquemas de bases de datos no se utilizan para entrenar un modelo fundacional (FM) de IA generativa. Los datos introducidos se utilizan como indicaciones contextuales para que el FM responda únicamente a sus consultas. # Uso del SQL generativo Después de configurar los permisos correctos, al trabajar con un cuaderno en el editor de consultas v2, puede elegir un icono para iniciar una conversación. **Interacción con el chat del SQL generativo de Amazon Q para generar SQL** 1. En la pestaña **Editor** del editor de consultas v2, abra un cuaderno. 1. Elija el icono del SQL generativo ![\[Generative SQL panel\]](http://docs.aws.amazon.com/es_es/redshift/latest/mgmt/images/qev2-amazon-q.png) y, a continuación, siga las instrucciones para hacer sus preguntas sobre el SQL generativo del editor de consultas v2 de Amazon Redshift en el panel de chat. Se proporcionan preguntas en un campo de peticiones y el SQL generativo de Amazon Q responde con el SQL sugerido. Si surjen errores, aparecerán en el panel de chat. 1. Seleccione **Añadir al cuaderno** para añadir al cuaderno una celda de marcado con su pregunta y una celda SQL con el SQL sugerido. 1. (Opcional) Proporcione feedback sobre el SQL generado eligiendo el icono de feedback útil ![\[Helpful feedback\]](http://docs.aws.amazon.com/es_es/redshift/latest/mgmt/images/qev2-thumbs-up.png) o el icono de feedback no útil ![\[Not helpful feedback\]](http://docs.aws.amazon.com/es_es/redshift/latest/mgmt/images/qev2-thumbs-down.png). Puede clasificar el feedback no útil como `Incorrect tables/columns`, `Incorrect predicates/literals/group bys`, `Incorrect SQL structure` o `Other`. Además, puede proporcionar algún texto en formato libre con el feedback sobre la precisión del SQL. 1. (Opcional) Seleccione **Regenerar SQL** para generar otra respuesta para la misma pregunta. Puede elegir **Regenerar SQL** una vez para la pregunta actual. 1. (Opcional) En el panel de chat del SQL generativo, seleccione el icono ![\[More\]](http://docs.aws.amazon.com/es_es/redshift/latest/mgmt/images/qev2-vmore.png) de **más** y, a continuación, elija **Actualizar base de datos** para actualizar los metadatos que describen la base de datos conectada. Estos metadatos incluyen las definiciones de los esquemas, tablas y columnas de la base de datos. # Actualización de la configuración del SQL generativo en calidad de administrador Un usuario con los permisos de IAM adecuados puede ver y cambiar los parámetros de **Configuración del SQL generativo** para otros usuarios de la misma Cuenta de AWS. Este administrador debe tener el permiso `sqlworkbench:UpdateAccountQSqlSettings` en su política de IAM, además de otros permisos especificados en la política administrada por AWS para el editor de consultas v2. Para obtener más información sobre las políticas administradas por , consulte [Permisos necesarios para usar del editor de consultas v2](redshift-iam-access-control-identity-based.md#redshift-policy-resources.required-permissions.query-editor-v2). **Para que un administrador active el chat del SQL generativo para todos los usuarios de la cuenta** 1. Elija el icono ![\[Settings\]](http://docs.aws.amazon.com/es_es/redshift/latest/mgmt/images/qev2-cog.png) de **Configuración** para ver un menú de las diferentes pantallas de configuración. 1. A continuación, elija el icono de configuración del SQL generativo ![\[Generative SQL settings\]](http://docs.aws.amazon.com/es_es/redshift/latest/mgmt/images/qev2-amazon-q.png) para mostrar la página **Configuración del SQL generativo de Q**. 1. Seleccione la **configuración de SQL generativo de Q** para activar la capacidad de SQL generativo para los usuarios de la cuenta. Tras activar el SQL generativo de Amazon Q, puede ver el número de peticiones que quedan en la asignación. El administrador del editor de consultas v2 puede permitir a los usuarios de la cuenta utilizar el nivel Amazon Q Developer Pro. Para usar el nivel Pro, configure los usuarios con el IAM Identity Center y suscriba a cada usuario al nivel Amazon Q Developer Pro. Para obtener información acerca de cómo configurar el IAM Identity Center con Amazon Redshift, consulte [Conexión de Redshift con AWS IAM Identity Center para una experiencia de inicio de sesión único](redshift-iam-access-control-idp-connect.md). Para obtener información sobre los precios de Amazon Q Developer, consulte los [precios de Amazon Q Developer](https://aws.amazon.com/q/developer/pricing/). Al utilizar el nivel gratuito de Amazon Q Developer, el número total de peticiones de todos los usuarios de una Cuenta de AWS está limitado a 1000 en un mes. Al utilizar el nivel Amazon Q Developer Pro, el número total de peticiones que cualquier usuario individual puede enviar está limitado a 1000 en un mes. Puede ver el número de peticiones disponibles en la página de **configuración**. Para obtener información sobre los precios de Amazon Q Developer, consulte los [precios de Amazon Q Developer](https://aws.amazon.com/q/developer/pricing/). ## Contexto personalizado El administrador del editor de consultas v2 puede especificar un *contexto personalizado* para adaptar el SQL generado al entorno. Un contexto personalizado proporciona información y preferencias de dominio para proporcionar un control detallado sobre la generación de SQL. Se define un contexto personalizado en un archivo JSON que puede cargar el administrador del editor de consultas v2 en el SQL generativo de Amazon Q. Las claves JSON que se utilizan para personalizar el SQL generado para un almacenamiento de datos son las siguientes. Todas las referencias de las tablas deben seguir la notación de tres partes `database.schema.table`. **Recursos** Un recurso especifica el ámbito o la parte de un activo de datos al que se aplica el contexto personalizado. **ResourceId** Especifica un identificador único del recurso. Para un clúster de Amazon Redshift, especifique el `cluster id`. Para un grupo de trabajo de Redshift sin servidor, especifique el `workgroup name`. **ResourceType** Valor válido: `REDSHIFT_WAREHOUSE`. **TablesToInclude** Especifica un conjunto de tablas que se tienen en cuenta para la generación de SQL. Este campo es fundamental si se quiere limitar el alcance de las consultas SQL a un subconjunto definido de tablas disponibles. Puede ayudar a optimizar el proceso de generación al reducir las referencias de tablas innecesarias. Puede vincular este campo con `TablesToExclude` para tener un control más preciso sobre la generación de consultas. **TablesToExclude** Especifica el conjunto de tablas que se excluyen de la generación de SQL. Úselo cuando determinadas tablas sean irrelevantes o no deban tenerse en cuenta en el proceso de generación de consultas. **TableAnnotations** Proporciona metadatos o información complementaria sobre las tablas en uso. Estas anotaciones pueden incluir descripciones de tablas, notas de uso o cualquier atributo adicional que ayude al SQL generativo de Amazon Q a comprender mejor el contexto o la estructura de la tabla. Esto es valioso para mejorar la precisión de la generación de SQL al agregar claridad a las definiciones de las tablas. **ColumnsToInclude** Define qué columnas de las tablas especificadas se incluyen al generar consultas SQL. Este campo ayuda al SQL generativo de Amazon Q a centrarse en las columnas relevantes y mejora el rendimiento al reducir el alcance de la recuperación de datos. Garantiza que el SQL generativo de Amazon Q solo extraiga los datos necesarios para el contexto de consulta dado. **ColumnsToExclude** Especifica las columnas que se omiten en la generación de SQL. Esto se puede utilizar cuando determinadas columnas contienen datos irrelevantes o redundantes que el SQL generativo de Amazon Q no debería tener en cuenta. Al administrar la inclusión y la exclusión de columnas, puede perfeccionar los resultados y mantener el control sobre los datos recuperados. **ColumnAnnotations** De forma similar a `TableAnnotations`, este campo proporciona metadatos o anotaciones específicos a columnas individuales. Estas anotaciones pueden ofrecer información sobre las definiciones de las columnas o instrucciones especiales de manejo. Esta información es útil para guiar el proceso de generación de SQL y garantizar que las columnas se utilicen de forma adecuada en las consultas. **CuratedQueries** Un conjunto de ejemplos de preguntas y respuestas predefinidos, en los que la pregunta está escrita en lenguaje natural (NLQ) y la respuesta es la consulta SQL correspondiente. Estos ejemplos ayudan al SQL generativo de Amazon Q a comprender los tipos de consultas que se espera que genere. Sirven como puntos de referencia para mejorar la precisión y la relevancia de los resultados de SQL generativo de Amazon Q. **CustomDocuments** Datos o sugerencias adicionales proporcionados al SQL generativo de Amazon Q, como definiciones, conocimientos específicos del dominio o explicaciones. Por ejemplo, si la unidad de negocio utiliza una forma única de calcular un valor, por ejemplo, “en las ventas totales de la división de fabricación es precio \$1 ingresos”, se puede documentar aquí. Estos documentos mejoran la capacidad del SQL generativo de Amazon Q para interpretar las entradas de lenguaje natural al proporcionar un contexto adicional. **AdditionalTables** Especifica las tablas adicionales que se deben tener en cuenta para la generación de SQL, pero que no forman parte de los datos almacenados en el almacenamiento de datos. Esto permite que el SQL generativo de Amazon Q integre orígenes de datos externos en su lógica de generación de SQL, lo que amplía su capacidad para gestionar entornos de datos complejos. **AppendToPrompt** Se proporcionaron instrucciones o directrices adicionales al SQL generativo de Amazon Q para guiar el proceso de generación de SQL. Esto puede incluir directivas específicas sobre cómo estructurar la consulta, preferencias para determinadas construcciones de SQL o cualquier otra instrucción de alto nivel que mejore la calidad del resultado del SQL generativo de Amazon Q. El siguiente ejemplo de contexto personalizado muestra el formato del archivo JSON y define lo siguiente: + Define un contexto personalizado para el almacenamiento de datos de Amazon Redshift para el clúster `mycluster`. + Define tablas y columnas específicas para incluirlas y excluirlas para ayudar a optimizar el proceso de generación de SQL. + Define las anotaciones para las tablas y columnas que se van a incluir. + Define consultas seleccionadas de ejemplo para que las utilice el SQL generativo de Amazon Q. + Define los documentos y las barreras de protección personalizados que se utilizarán al generar SQL. + Define el DDL para las tablas adicionales que se utilizarán al generar SQL. ``` { "resources": [ { "ResourceId": "mycluster", "ResourceType": "REDSHIFT_WAREHOUSE", "TablesToInclude": [ "database.schema.table1", "database.schema.table2" ], "TablesToExclude": [ "database.schema.table3", "database.schema.table4" ], "ColumnsToInclude": { "database.schema.table1": [ "col1", "col2" ], "database.schema.table2": [ "col1", "col2" ] }, "ColumnsToExclude": { "database.schema.table5": [ "col1", "col2" ], "database.schema.table6": [ "col1", "col2" ] }, "TableAnnotations": { "database.schema.table1": "table1 refers to Q3 sales", "database.schema.table2": "table2 refers to Q4 sales" }, "ColumnAnnotations": { "database.schema.table1": { "col1": "col1 refers to Q3 sale total", "col2": "col2 refers to sale location" }, "database.schema.table2": { "col1": "col2 refers to Q4 sale total", "col2": "col2 refers to sale location" } }, "CuratedQueries": [ { "Question": "what is the sales data for Q3", "Answer": "SELECT * FROM table1" }, { "Question": "what is the sales data for Q4", "Answer": "SELECT * FROM table2" } ], "CustomDocuments": [ "in manufacturing division total sales is price * revenue", "in research division total sales is price * revenue" ], "AdditionalTables": { "database.schema.table8": "create table database.schema.table8(col1 int)", "database.schema.table9": "create table database.schema.table9(col1 int)" }, "AppendToPrompt": "Apply these guardrails: Queries should never return the secretId field of a user." } ] } ``` # Tutorial: uso de la capacidad del SQL generativo de Amazon Q con los datos de TICKIT Para crear preguntas eficaces para generar SQL, debe conocer el esquema de su base de datos y sus datos. Los datos TICKIT constan de siete tablas: dos de hechos y cinco de dimensiones. Los datos de ejemplo contienen registros sobre las ventas a los asistentes a eventos de entretenimiento que tuvieron lugar en 2008. Para obtener más información sobre el esquema de datos TICKIT, consulte [Bases de datos de muestra](https://docs.aws.amazon.com/redshift/latest/dg/c_sampledb.html) en la *Guía para desarrolladores de bases de datos de Amazon Redshift*. Puede cargar los datos TICKIT en una base de datos mediante varios métodos tanto en la consola de Amazon Redshift como en el editor de consultas v2. El editor de consultas v2 proporciona un método para cargar los datos TICKIT en la base de datos `sample_data_dev`. Para obtener más información, consulte [Descarga de datos en una base de datos](query-editor-v2-loading.md). El editor de consultas v2 también proporciona preguntas de ejemplo para los datos TICKIT. El siguiente escenario describe una conversación con SQL generativo para generar SQL sobre los datos TICKIT de ejemplo. En este escenario, los datos TICKIT de ejemplo ya están creados en una base de datos `dev` de un clúster de Amazon Redshift. **nota** Este ejemplo sirve para ilustrar una conversación. Es posible que las respuestas del SQL generativo no coincidan con los resultados si se utilizan las mismas preguntas. **Ejemplo de conversación con el SQL generativo de Amazon Q** 1. En el **Editor**, conéctese a un clúster o grupo de trabajo que contenga los datos TICKIT de ejemplo. 1. Cree un cuaderno vacío y elija el icono de SQL generativo ![\[Generative SQL\]](http://docs.aws.amazon.com/es_es/redshift/latest/mgmt/images/qev2-amazon-q.png) para abrir el panel de chat. 1. Introduzca la siguiente pregunta para generar SQL y comprobar el número de registros de la tabla `VENUE`: ``` How many venues are there? ``` ``` SELECT COUNT(*) AS num_venues FROM tickit.venue ``` Seleccione **Añadir al cuaderno** para añadir dos celdas al cuaderno abierto. Una celda de marcado ¿Cuántos eventos hay? y otra que contenga el SQL generado. En la celda SQL, elija **Ejecutar** para recibir el resultado: ``` count ------ 202 ``` 1. Para solicitar otra versión del SQL, elija **Regenerar SQL** y recibirá la siguiente respuesta: ``` SELECT venuestate, COUNT(*) AS num_venues FROM tickit.venue GROUP BY venuestate ``` Seleccione **Añadir al cuaderno** para añadir más celdas al cuaderno abierto. Una celda de marcado ¿Cuántos eventos hay? y otra que contenga el SQL generado. En la celda SQL, elija **Ejecutar** para recibir el resultado en forma de lista de número de evento por estado: ``` venuestate num_venues ---------------------- MA 4 OH 8 MI 5 ... ``` 1. El asistente del SQL generativo puede hacer suposiciones sobre lo que está preguntando. Aunque no haya widgets en la base de datos, puede seguir preguntando. En este caso, muestra un mensaje que indica que no ha podido generar el SQL. ``` How many widgets are there? ``` ``` I was not able to generate any SQL ``` 1. A medida que obtenga más información sobre la base de datos, podrá hacer preguntas más específicas para generar el SQL. Por ejemplo, sabe que la base de datos contiene datos de ventas de varios meses de 2008. Introduzca la siguiente pregunta para generar SQL y saber el número de ventas en noviembre de 2008: ``` How many sales were there in November 2008? ``` ``` SELECT COUNT(*) AS num_sales FROM tickit.sales s JOIN tickit.date d ON s.dateid = d.dateid WHERE d.month = 'November' AND d.year = 2008 ``` Seleccione **Añadir al cuaderno** para añadir dos celdas al cuaderno abierto. Una celda de marcado ¿Cuántas ventas hubo en noviembre de 2008? y otra que contenga el SQL generado. En la celda SQL, elija **Ejecutar** para recibir el resultado: ``` num_sales ----- 0 ``` Se da cuenta de que este no es el resultado que esperaba. 1. Observa que el predicado `date.month='November'` espera que el mes de la tabla DATE se represente con una abreviatura del nombre del mes. Cambia el predicado por `d.month='NOV'` y vuelve a ejecutar el SQL. ``` SELECT COUNT(*) FROM sales JOIN date ON sales.dateid = date.dateid WHERE date.month = 'NOV' AND date.year = 2008 ``` En la celda SQL, elija **Ejecutar** para obtener nuevos resultados. ``` count ----- 14261 ``` 1. Si hace una pregunta que intenta cambiar la base de datos conectada, aparecerá un mensaje de advertencia junto con cualquier SQL recomendado. Introduzca la siguiente pregunta para generar SQL e insertar datos en una tabla: ``` Insert 1 into the venue table. ``` ``` INSERT , UPDATE OR delete data FROM the database AS that could potentially change the data.Please provide a query that ONLY selects data ``` ``` I was not able to generate the correct SQL code. I generated SQL, but you'll have to edit it to work with your database. ``` Si selecciona **Añadir al cuaderno** para añadir dos celdas al cuaderno abierto y ejecutar el SQL, el SQL fallará. ``` ERROR: syntax error at or near "," Position: 132 [ErrorId: 1-6546764a-011df2691778846219ce6ec2] ``` Este escenario solo ilustra algunas formas básicas de interactuar con el SQL generativo de Amazon Q. Puede experimentar aún más con esta tecnología de IA generativa que le ayudará a empezar a crear SQL para realizar consultas a su base de datos.