O Amazon Redshift deixará de oferecer suporte ao uso de UDFs em Python após 30 de junho de 2026. Começaremos a aplicar essa alteração em fases. Consulte mais informações sobre os detalhes do fim da vida útil do Python e as opções de migração na publicação do blog
Carregamento de dados em blocos sequenciais
Se você precisa adicionar uma grande quantidade de dados, carregue os dados em blocos sequenciais de acordo com a ordem de classificação e elimine a necessidade de vácuo.
Por exemplo, suponha que você precise carregar uma tabela com eventos de janeiro de 2017 a dezembro de 2017. Supondo que cada mês está em um arquivo, carregue as linhas para janeiro, fevereiro e assim por diante. Sua tabela será completamente classificada quando seu carregamento for concluído e você não precisará executar um vacuum. Para obter mais informações, consulte Uso de tabelas de séries temporais.
Ao carregar conjuntos de dados muito grandes, o espaço necessário para classificar pode exceder o espaço total disponível. Ao carregar dados em blocos menores, você usará muito menos espaço intermediário de classificação durante cada carregamento. Além disso, o carregamento de blocos menores facilita a reinicialização se o comando COPY falhar e for revertido.
