Amazon Redshift ne prendra plus en charge la création de nouveaux Python à UDFs partir du patch 198. UDFs Le Python existant continuera de fonctionner jusqu'au 30 juin 2026. Pour plus d’informations, consultez le [ billet de blog ](https://aws.amazon.com/blogs/big-data/amazon-redshift-python-user-defined-functions-will-reach-end-of-support-after-june-30-2026/). Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra. # STL\$1SCAN Analyse les étapes d’analyse de table pour les requêtes. Le numéro de l’étape pour les lignes de cette table est toujours 0, car une analyse est la première étape d’un segment. STL\$1SCAN est visible par tous les utilisateurs. Les super-utilisateurs peuvent voir toutes les lignes, tandis que les utilisateurs standard peuvent voir uniquement leurs propres données. Pour plus d’informations, consultez [Visibilité des données dans les tables et vues système](cm_chap_system-tables.md#c_visibility-of-data). **Note** STL\$1SCAN contient uniquement les requêtes exécutées sur les clusters alloués principaux. Elle ne contient pas de requêtes exécutées sur des clusters de mise à l’échelle de la simultanéité ou sur des espaces de noms sans serveur. Pour accéder aux plans d’explication de requêtes exécutées à la fois sur les clusters principaux, sur les clusters de mise à l’échelle de la simultanéité et sur des espaces de noms sans serveur, nous vous recommandons d’utiliser la vue de surveillance SYS [SYS\$1QUERY\$1DETAIL](SYS_QUERY_DETAIL.md). Les données de la vue de surveillance SYS sont formatées pour être plus faciles à utiliser et à comprendre. ## Colonnes de la table [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/fr_fr/redshift/latest/dg/r_STL_SCAN.html) ## Types d’analyse [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/fr_fr/redshift/latest/dg/r_STL_SCAN.html) ## Notes d’utilisation Idéalement, `rows` doit être relativement proche de `rows_pre_filter`. Une grande différence entre `rows` et `rows_pre_filter` indique que le moteur d’exécution analyse des lignes qui seront ignorées par la suite, ce qui est inefficace. La différence entre `rows_pre_filter` et `rows_pre_user_filter` est le nombre de lignes fantôme de l’analyse. Exécutez une opération VACUUM pour supprimer les lignes marquées en vue de leur suppression. La différence entre `rows` et `rows_pre_user_filter` est le nombre de lignes filtrées par la requête. Si beaucoup de lignes sont rejetées par le filtre utilisateur, vérifiez votre choix de colonne de tri ou, si la raison en est due à une grande région non triée, exécutez une opération VACUUM. ## Exemples de requêtes L’exemple suivant montre que `rows_pre_filter` est supérieur à `rows_pre_user_filter` , car la table contient des lignes supprimées sur lesquelles l’opération VACUUM n’a pas été exécutée (lignes fantôme). ``` SELECT query, slice, segment,step,rows, rows_pre_filter, rows_pre_user_filter from stl_scan where query = pg_last_query_id(); query | slice | segment | step | rows | rows_pre_filter | rows_pre_user_filter -------+--------+---------+------+-------+-----------------+---------------------- 42915 | 0 | 0 | 0 | 43159 | 86318 | 43159 42915 | 0 | 1 | 0 | 1 | 0 | 0 42915 | 1 | 0 | 0 | 43091 | 86182 | 43091 42915 | 1 | 1 | 0 | 1 | 0 | 0 42915 | 2 | 0 | 0 | 42778 | 85556 | 42778 42915 | 2 | 1 | 0 | 1 | 0 | 0 42915 | 3 | 0 | 0 | 43428 | 86856 | 43428 42915 | 3 | 1 | 0 | 1 | 0 | 0 42915 | 10000 | 2 | 0 | 4 | 0 | 0 (9 rows) ```