Amazon Redshift 自 2025 年 11 月 1 日起不再支援建立新的 Python UDF。如果您想要使用 Python UDF，請在該日期之前建立 UDF。現有 Python UDF 將繼續正常運作。如需詳細資訊，請參閱部落格文章。

SUPER 資料類型和具體化視觀表

透過 Amazon Redshift，您可以使用具體化視觀表來增強針對 SUPER 資料類型執行之查詢的效能和彈性。SUPER 資料類型可讓您將基礎資料表中欄的超集儲存在具體化視觀表中，如此就能直接查詢具體化視觀表，而不需要聯結基礎資料表。下列各節說明如何在 Amazon Redshift 中建立和使用 SUPER 資料類型的具體化視觀表。

Amazon Redshift 支援內有 SUPER 資料類型欄和 PartiQL 查詢的具體化視觀表。具體化視觀表可以進行累加式重新整理，而 Amazon Redshift 只會更新基礎資料表中自上次重新整理操作後有所變更的資料。這種選擇性更新方法讓重新整理程序比完整重新計算更有效率。如需具體化視觀表的相關資訊，請參閱 Amazon Redshift 中的具體化視觀表。

加速 PartiQL 查詢

您可以使用具體化視觀表來加速導覽和/或解除巢狀化 SUPER 欄中階層式資料的 PartiQL 查詢。藉由建立一或多個具體化視觀表將 SUPER 值分解成多個欄，並利用 Amazon Redshift 分析查詢的單欄式組織，您基本上就可以擷取和標準化巢狀資料。標準化程度取決於您將 SUPER 資料轉換為傳統單欄式資料所付出的努力。

下列主題示範將複雜資料細分或分解成較小的欄，以及從分解後的資料建立純量欄以改善效能的範例。