O Amazon Redshift não permitirá mais a criação de UDFs do Python a partir do Patch 198. As UDFs do Python existentes continuarão a funcionar normalmente até 30 de junho de 2026. Para ter mais informações, consulte a [publicação de blog ](https://aws.amazon.com/blogs/big-data/amazon-redshift-python-user-defined-functions-will-reach-end-of-support-after-june-30-2026/). # Fluxo de trabalho da análise de consulta Se uma consulta estiver levando mais tempo do que o esperado, use as seguintes etapas para identificar e corrigir problemas que possam estar afetando negativamente a performance da consulta. Se você não tiver certeza de quais consultas em seu sistema podem se beneficiar do ajuste de performance, comece executando uma consulta diagnóstica em [Identificar consultas que são os principais candidatos para ajuste](identify-queries-that-are-top-candidates-for-tuning.md). 1. Garanta que suas tabelas sejam projetadas de acordo com as práticas recomendadas. Para obter mais informações, consulte [Práticas recomendadas do Amazon Redshift para projetar tabelas](c_designing-tables-best-practices.md). 1. Veja se você pode excluir ou arquivar alguns dados não necessários em suas tabelas. Por exemplo, suponha que suas consultas sempre visem os últimos 6 meses de dados, mas você tenha o valor dos últimos 18 meses em suas tabelas. Nesse caso, você pode excluir ou arquivar os dados mais antigos para reduzir o número de registros que precisam ser verificados e distribuídos. 1. Execute o comando [VACUUM](r_VACUUM_command.md) nas tabelas da consulta para recuperar espaço e reclassificar as linhas. A execução de VACUUM ajuda se a região não classificada for grande e a consulta usar a chave de classificação em uma junção ou predicado. 1. Execute o comando [ANALYZE](r_ANALYZE.md) nas tabelas da consulta para garantir que as estatísticas sejam atualizadas. A execução de ANALYZE ajuda se qualquer uma das tabelas da consulta tiverem recentemente mudado muito de tamanho. Se a execução completa do comando ANALYZE levar muito tempo, execute ANALYZE em uma única coluna para reduzir o tempo de processamento. Essa abordagem ainda atualizará as estatísticas de tamanho da tabela; o tamanho da tabela é um fator significativo no planejamento da consulta. 1. Certifique-se de que sua consulta tenha sido executada uma vez para cada tipo de cliente (com base em qual tipo de protocolo de conexão o cliente usa) para que a consulta seja compilada e armazenada em cache. Essa abordagem acelera execuções subsequentes da consulta. Para obter mais informações, consulte [Fatores que afetam a performance da consulta](c-query-performance.md). 1. Verifique a tabela [STL\$1ALERT\$1EVENT\$1LOG](r_STL_ALERT_EVENT_LOG.md) para identificar e corrigir possíveis problemas com sua consulta. Para obter mais informações, consulte [Revisar alertas da consulta](c-reviewing-query-alerts.md). 1. Execute o comando [EXPLAIN](r_EXPLAIN.md) para obter o plano de consulta e usá-lo para otimizar a consulta. Para obter mais informações, consulte [Analisar o plano de consulta](c-analyzing-the-query-plan.md). 1. Use as exibições [SVL\$1QUERY\$1SUMMARY](r_SVL_QUERY_SUMMARY.md) e [SVL\$1QUERY\$1REPORT](r_SVL_QUERY_REPORT.md) para obter informações de resumo e para usá-las para otimizar a consulta. Para obter mais informações, consulte [Analisar o resumo da consulta](c-analyzing-the-query-summary.md). Às vezes, uma consulta que deveria ser executada rapidamente é forçada a esperar a conclusão de outra pesquisa de execução mais longa. Nesse caso, você pode não ter nada a melhorar na própria consulta, mas pode melhorar a performance geral do sistema ao criar e usar filas de consulta para diferentes tipos de consultas. Para obter uma ideia de tempo de espera na fila para suas consultas, consulte [Como revisar os tempos de espera na fila para consultas](review-queue-wait-times-for-queries.md). Para obter mais informações sobre a configuração de filas de consultas, consulte [Gerenciamento do workload](cm-c-implementing-workload-management.md).