Amazon Redshift는 2025년 11월 1일부터 새 Python UDF 생성을 더 이상 지원하지 않습니다. Python UDF를 사용하려면 이 날짜 이전에 UDF를 생성하세요. 기존 Python UDF는 정상적으로 계속 작동합니다. 자세한 내용은 블로그 게시물
SUPER 데이터 형식과 구체화된 뷰
Amazon Redshift에서는 구체화된 뷰를 사용하여 SUPER 데이터 형식에 대해 실행되는 쿼리의 성능과 유연성을 향상시킬 수 있습니다. SUPER 데이터 유형으로 기본 테이블의 열 슈퍼 세트를 구체화된 뷰에 저장할 수 있으므로 기본 테이블을 조인하지 않고도 구체화된 뷰를 직접 쿼리하는 것이 가능합니다. 다음 섹션에서는 Amazon Redshift에서 SUPER 데이터 유형을 사용하여 구체화된 뷰를 생성하고 사용하는 방법을 보여 줍니다.
Amazon Redshift는 SUPER 데이터 형식 열과 PartiQL 쿼리를 통합하는 구체화된 뷰를 지원합니다. 구체화된 뷰는 증분적으로 새로 고칠 수 있지만 Amazon Redshift는 마지막 새로 고침 작업 이후 기본 테이블에서 변경된 데이터만 업데이트합니다. 이러한 선택적 업데이트 방식은 전체 재계산에 비해 새로 고침 프로세스의 효율성을 높여줍니다. 구체화된 뷰에 대한 자세한 내용은 Amazon Redshift의 구체화된 뷰 섹션을 참조하세요.
PartiQL 쿼리 가속화
구체화된 뷰를 사용하여 SUPER 열에서 계층적 데이터를 탐색 및/또는 중첩 해제하는 PartiQL 쿼리를 가속화할 수 있습니다. 하나 이상의 구체화된 뷰를 생성하여 SUPER 값을 여러 열로 나누고 Amazon Redshift 분석 쿼리의 열 형식 구조를 활용함으로써 중첩 데이터를 추출하고 정규화할 수 있습니다. 정규화 수준은 SUPER 데이터를 기존의 열 형식 데이터로 변환하는 데 얼마나 많은 노력을 기울이는지에 따라 다릅니다.
다음 항목에서는 복잡한 데이터를 더 작은 열로 구분 또는 분할하고 분할된 데이터로 스칼라 열을 생성하여 성능을 개선하는 예를 보여줍니다.
