Amazon Redshift 將不再支援從修補程式 198 開始建立新的 Python UDFs。現有 Python UDF 將繼續正常運作至 2026 年 6 月 30 日。如需詳細資訊，請參閱[部落格文章](https://aws.amazon.com/blogs/big-data/amazon-redshift-python-user-defined-functions-will-reach-end-of-support-after-june-30-2026/)。 本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。 # 自動資料庫最佳化 Amazon Redshift 託管一組自動化功能，統稱為自主運算，可增強效能、減少手動維護，並最佳化資源用量。自動化利用機器學習和背景程序有效率地管理資料庫操作，將許多例行維護任務自動化，以減少資料庫管理員工作負載。 下表詳細說明 Amazon Redshift 的自律功能： | Autonomics 功能 | Description | | --- | --- | | 自動清空排序 | Amazon Redshift 會根據觀察到的查詢模式自動重新組織資料表資料，以確保最佳排序順序。對於具有指定排序索引鍵的資料表，此功能預設為啟用。如需詳細資訊，請參閱[自動資料表排序](t_Reclaiming_storage_space202.md#automatic-table-sort)。 | | 自動清空刪除 | Amazon Redshift 會自動執行清空操作，從已刪除的資料列回收空間並排序資料。如需自動清空刪除操作的詳細資訊，請參閱 [自動清空刪除](t_Reclaiming_storage_space202.md#automatic-table-delete)。 | | 自動資料表最佳化 | Amazon Redshift 會監控查詢效能和資料表中繼資料，以自動判斷資料表的最佳排序和分佈索引鍵，並在資料列新增至資料表時，選擇套用至資料值欄的壓縮類型。如需詳細資訊，請參閱[自動資料表最佳化](t_Creating_tables.md)及[壓縮編碼](c_Compression_encodings.md)。 | | 自動分析 | Amazon Redshift 會在資料表中的資料變更時自動分析資料表，確保查詢規劃器具有最佳執行計畫up-to-date。如需自動分析操作的詳細資訊，請參閱 [自動分析](t_Analyzing_tables.md#t_Analyzing_tables-auto-analyze)。 | | 自動具體化視觀表 | Amazon Redshift 會根據觀察到的查詢模式自動建立和重新整理具體化視觀表。這可降低使用者手動建立或重新整理檢視的需求，以受益於更快的查詢回應。如需具體化視觀表的詳細資訊，請參閱 [Amazon Redshift 中的具體化視觀表](materialized-view-overview.md)。 | 這些自律功能預設為啟用，並在低流量期間自動在背景執行，以最佳化叢集的效能。您可以參考 *Amazon Redshift 管理指南*中的[預設參數值](https://docs.aws.amazon.com/redshift/latest/mgmt/working-with-parameter-groups.html#default-param-group-values)來設定自動功能。 對於持續高流量的叢集或工作群組，我們建議啟用額外的運算資源，以確保持續最佳化。如需詳細資訊，請參閱[配置額外的運算資源以進行自動資料庫最佳化](t_extra-compute-autonomics.md)。 **Topics** + [配置額外的運算資源以進行自動資料庫最佳化](t_extra-compute-autonomics.md) + [自主操作的帳單](t_autonomics-billing.md) + [自主操作的用量指標](t_autonomics-usage-metrics.md)