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。

# SUPER 資料類型和具體化視觀表
<a name="r_SUPER_MV"></a>

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](materialized-view-overview.md)。

## 加速 PartiQL 查詢
<a name="r_accelerate_mv"></a>

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。

**Topics**
+ [加速 PartiQL 查詢](#r_accelerate_mv)
+ [透過具體化視觀表將半結構化資料分解成 SUPER 欄](r_shred_super.md)
+ [從分解的資料建立 Amazon Redshift 純量欄](r_create_scalar.md)