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/). 

# Otimização automática de banco de dados
<a name="c_autonomics"></a>

O Amazon Redshift hospeda um conjunto de recursos automatizados, denominados coletivamente como operações autônomas, que aprimoram o desempenho, reduzem a manutenção manual e otimizam o uso de recursos. As operações autônomas utilizam machine learning e processos em segundo plano para gerenciar operações do banco de dados com eficiência, automatizando várias tarefas de manutenção de rotina para reduzir a carga de trabalho dos administradores de banco de dados.

A seguinte tabela detalha os recursos autônomos do Amazon Redshift:


| Recurso autônomo | Descrição | 
| --- | --- | 
| Classificação automática de vacuum | O Amazon Redshift reorganiza dados de tabela automaticamente com base nos padrões de consulta observados para garantir a ordem de classificação ideal. Esse recurso está habilitado por padrão para tabelas com chaves de classificação especificadas. Para obter mais informações, consulte [Classificação automática de tabela](t_Reclaiming_storage_space202.md#automatic-table-sort). | 
| Exclusão de vacuum automática | O Amazon Redshift executa operações de limpeza automaticamente para recuperar espaço das linhas excluídas e classificar dados. Para ter mais informações sobre operações automáticas de vacuum, consulte [Exclusão de vacuum automática](t_Reclaiming_storage_space202.md#automatic-table-delete). | 
| Otimização automática de tabelas | O Amazon Redshift monitora o desempenho das consultas e os metadados de tabela para determinar automaticamente as melhores chaves de classificação e distribuição para tabelas e escolhe o tipo de compactação aplicado a uma coluna de valores de dados à medida que são adicionados dados a uma tabela. Para obter mais informações, consulte [Otimização automática de tabelas](t_Creating_tables.md) e [Codificações de compactação](c_Compression_encodings.md). | 
| Análise automática | O Amazon Redshift analisa automaticamente as tabelas à medida que os dados dentro delas mudam, garantindo que o planejador de consultas tenha informações atualizadas para planos de execução ideais. Para ter mais informações sobre operações de análise automáticas, consulte [Análise automática](t_Analyzing_tables.md#t_Analyzing_tables-auto-analyze). | 
| Visões materializadas automatizadas | O Amazon Redshift cria e atualiza visões materializadas automaticamente com base nos padrões de consulta observados. Isso reduz a necessidade de os usuários criarem ou atualizarem manualmente as visões para se beneficiarem de respostas mais rápidas às consultas. Para ter informações sobre visões materializadas, consulte [Visões materializadas no Amazon Redshift](materialized-view-overview.md). | 

Esses recursos autônomos estão habilitados por padrão e são executados automaticamente em segundo plano durante períodos de baixo tráfego para otimizar o desempenho do cluster. Se desejar, consulte [Valores de parâmetros padrão](https://docs.aws.amazon.com/redshift/latest/mgmt/working-with-parameter-groups.html#default-param-group-values) no *Guia de gerenciamento do Amazon Redshift* para configurar recursos automáticos.

Para clusters ou grupos de trabalho com alto tráfego constante, recomendamos habilitar recursos extras de computação para garantir uma otimização contínua. Para obter mais informações, consulte [Alocação de recursos extras de computação para otimização automática de banco de dados](t_extra-compute-autonomics.md).

**Topics**
+ [Alocação de recursos extras de computação para otimização automática de banco de dados](t_extra-compute-autonomics.md)
+ [Faturamento por operações autônomas](t_autonomics-billing.md)
+ [Métricas de uso de operações autônomas](t_autonomics-usage-metrics.md)