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。
# 從已壓縮和未壓縮的檔案載入資料
載入壓縮的資料時，建議您將每個資料表的資料分割為多個檔案。載入未壓縮的已分隔資料後，COPY 命令會使用大量平行處理 (MPP) 和掃描範圍，從 Amazon S3 儲存貯體中的大型檔案載入資料。
## 從多個壓縮的檔案載入資料
如果您有壓縮的資料，建議您將每個資料表的資料分割為多個檔案。COPY 命令可以從多個檔案平行載入資料。您可以透過為集合指定通用字首或*字首索引鍵*，或在資訊清單檔案中明確列出檔案來載入多個檔案。
將您的資料分割為檔案，使得檔案的數量為您的叢集中配量數量的倍數。以該方式，Amazon Redshift 可以在配量間平均分割資料。每一節點的配量數目取決於叢集的節點大小。例如，每個 dc2.large 運算節點有兩個切片，而每個 dc2.8xlarge 運算節點有 16 個切片。如需每個節點大小有多少配量的相關資訊，請參閱《Amazon Redshift 管理指南》**中的[關於叢集和節點](https://docs.aws.amazon.com/redshift/latest/mgmt/working-with-clusters.html#rs-about-clusters-and-nodes)。
節點全部會參與在執行的平行查詢中，以處理盡可能平均地分佈於配量的資料。如果您的叢集包含兩個 dc2.large 節點，您可以將資料分割成四 (或四的倍數) 個檔案。Amazon Redshift 在分割工作負載時，不會考量檔案大小。因此，您需要確定壓縮後的檔案大小大致相同 (從 1 MB 到 1 GB)。
若要使用物件字首來識別載入檔案，將每個檔案以通用字首命名。例如，`venue.txt` 檔案可以分割為四個檔案，如下所示。
```
venue.txt.1
venue.txt.2
venue.txt.3
venue.txt.4
```
如果您將多個檔案放置在儲存貯體的資料夾中，並將資料夾名稱指定為該字首，則 COPY 就會載入資料夾中的所有檔案。如果您使用資訊清單檔案明確列出要載入的檔案，檔案可以位在不同的儲存貯體或資料夾中。
如需資訊清單檔案的相關資訊，請參閱[使用資訊清單指定資料檔案](r_COPY_command_examples.md#copy-command-examples-manifest)。
## 從未壓縮的已分隔檔案載入資料
當您載入未壓縮的已分隔資料時，COPY 命令會使用 Amazon Redshift 中的大量平行處理 (MPP) 架構。Amazon Redshift 會自動使用平行運作的配量，以從 Amazon S3 儲存貯體中的大型檔案中載入資料範圍。檔案必須已分隔，才能進行平行載入。例如，以縱線字元分隔。使用 COPY 命令自動進行平行資料載入也可用於 CSV 檔案。您可以藉由在資料表上設定分佈索引鍵來利用平行處理。如需分佈索引鍵的相關資訊，請參閱[分配資料以實現查詢最佳化](t_Distributing_data.md)。
若 COPY 查詢包含下列任何關鍵字，則不支援自動平行資料載入：ESCAPE、REMOVEQUOTES 和 FIXEDWIDTH。
來自檔案的資料會載入到目標資料表，每個資料列一行。資料檔案中的欄位會依次與資料表資料欄對應，由左至右。資料檔案中的欄位可以是固定寬度或以字元分隔；預設的分隔符號為管線 (\$1)。依預設，所有資料表資料欄已載入，但您可以選擇性地定義以逗點分隔的資料欄清單。如果資料表資料欄未包含在 COPY 命令指定的資料欄清單中，則會使用預設值載入。如需詳細資訊，請參閱[載入預設的欄位值](c_loading_default_values.md)。
如果資料未壓縮也未分隔時，請遵循以下一般程序從 Amazon S3 載入資料：
1. 將檔案上傳至 Amazon S3。
1. 執行 COPY 命令載入資料表。
1. 驗證資料已正確載入。
如需 COPY 命令的範例，請參閱 [COPY 範例](r_COPY_command_examples.md)。如需載入 Amazon Redshift 的資料相關資訊，請檢查 [STL\$1LOAD\$1COMMITS](r_STL_LOAD_COMMITS.md) 和 [STL\$1LOAD\$1ERRORS](r_STL_LOAD_ERRORS.md) 系統資料表。
如需有關節點及每個節點所含配量的相關資訊，請參閱《Amazon Redshift 管理指南》**中的[關於叢集和節點](https://docs.aws.amazon.com/redshift/latest/mgmt/working-with-clusters.html#rs-about-clusters-and-nodes)。