Amazon Redshift は、2025 年 11 月 1 日以降、新しい Python UDF の作成をサポートしなくなります。Python UDF を使用する場合は、その日付より前に UDF を作成してください。既存の Python UDF は引き続き通常どおり機能します。詳細については、ブログ記事を参照してください。

SUPER データ型とマテリアライズドビュー

Amazon Redshift では、マテリアライズドビューを使用して、SUPER データ型に対して実行されるクエリのパフォーマンスと柔軟性を強化できます。SUPER データ型を使用すると、ベーステーブルからの列のスーパーセットをマテリアライズドビューに保存し、ベーステーブルを結合せずにマテリアライズドビューを直接クエリできます。以下のセクションでは、Amazon Redshift で SUPER データ型を使ってマテリアライズドビューを作成し、使用する方法を説明します。

Amazon Redshift は、SUPER データ型列を組み込んだマテリアライズドビューと PartiQL をサポートしています。マテリアライズドビューは段階的に更新できますが、Amazon Redshift は前回の更新オペレーション以降にベーステーブルで変更されたデータのみを更新します。この選択的更新アプローチにより、完全な再計算よりも更新プロセスがより効率的になります。マテリアライズドビューの詳細については、「Amazon Redshift でのマテリアライズドビュー」を参照してください。

PartiQL クエリの高速化

マテリアライズドビューを使用して、SUPER 列内の階層データをナビゲートするか、またはネストを解除する PartiQL クエリを高速化できます。1 つ以上のマテリアライズドビューを作成して、SUPER 値を複数の列にシュレッダー処理し、Amazon Redshift 分析クエリの列構造を利用することで、ネストされたデータを本質的に抽出して正規化できます。正規化のレベルは、SUPER データを従来の列指向データに変換するためにどれだけの労力を費やしたかによって異なります。

以下のトピックでは、複雑なデータを小さな列に分割またはシュレッダー処理する例と、パフォーマンスを向上させるためにシュレッダー処理されたデータからスカラー列を作成する例を示します。