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。

Amazon Redshift Serverless 的運算容量

Amazon Redshift Serverless 運算容量會自動擴展和縮減，以符合您的工作負載需求。運算容量是指分配給 Amazon Redshift Serverless 工作負載的處理能力和記憶體。常見的使用案例包括處理高峰流量期間、執行複雜的分析，或有效率地處理大量資料。下列術語提供 Amazon Redshift 如何管理運算容量的詳細資訊。

RPU

Amazon Redshift Serverless 會以 Redshift 處理單元 (RPU) 為單位來測量資料倉儲的容量。RPU 是用來處理工作負載的資源。一個 RPU 可提供 16 GB 的記憶體。

基本容量

此設定會指定 Amazon Redshift 用來為查詢提供服務的基本資料倉儲容量。基本容量會以 RPU 為單位來指定。您能以 Redshift 處理單元 (RPU) 為單位來設定基本容量。設定較高的基本容量可改善查詢效能，對於需要大量資源的資料處理任務來說更是如此。Amazon Redshift Serverless 的預設基本容量為 128 個 RPU。您可以將基本容量設定從 4 個 RPU 調整為 512 個 RPU。您可以將此值設定為 4 個 RPU，或以 8 為單位設定為等於或大於 8 個 RPU (8、16、24...512)。您可以使用 AWS 主控台、UpdateWorkgroup API 操作或 AWS CLI 中的 update-workgroup 操作來設定此值。

最小基本容量為 4 個 RPU 時，您可以根據資料倉儲需求和效能需求，彈性地執行較簡單到較複雜的工作負載。4 個基本 RPU 容量的目標是包含的資料少於 32TB 的倉儲，而 8、16 和 24 個 RPU 基本 RPU 容量的目標是需要的資料少於 128TB 的工作負載。如果您的資料需求大於 128 TB，則至少須使用 32 個基本 RPU。此外，如果工作負載的資料表有大量的欄且並行數量較高，建議您使用 32 個以上的基本 RPU。

可用的基本 RPU 上限為 1024 個，此值會將最高層級的運算資源新增至您的工作負載。這樣就可提供更大的彈性來支援高度複雜的工作負載，並加速載入和查詢資料。

如果您管理更大且更複雜的工作負載，請考慮增加 Redshift Serverless 資料倉儲的大小。倉儲越大，能夠存取的運算資源越多，如此就能更有效率地處理查詢。

以下是設定較高基本容量較為有利的一些範例：

如需 Amazon Redshift Serverless 配額和限制的詳細資訊，請前往 Amazon Redshift Serverless 物件的配額。

Amazon Redshift Serverless 容量的考量和限制

以下是 Amazon Redshift Serverless 容量的考量和限制。如需一般 Redshift Serverless 考量事項，請參閱 使用 Amazon Redshift Serverless 時的考量。

具有 4 個 Redshift 處理單元 (RPU) 容量的 Redshift Serverless

具有 4 個基本 RPU 容量的 Redshift Serverless 適合較小或需求較低的工作負載。此起點提供既靈活又符合成本效益的解決方案。此入門層級組態支援最多擁有下列資源數的資料倉儲：

如果您的需求超過上述限制，則必須手動增加基本容量，而不是依賴自動擴展。一旦您將資料倉儲擴展到超過 4 個 RPU，您的資料倉儲將繼續使用更多 RPU，而 Amazon Redshift 不會將您的資料倉儲縮減至 4 個 RPU。

您可以在下列 AWS 區域 中建立使用 4 個 RPU 的資料倉儲：

AI 驅動的擴展和最佳化 (預覽版)

AI 驅動的擴展和最佳化功能可在提供 Amazon Redshift Serverless 的所有 AWS 區域中使用。

Amazon Redshift Serverless 提供進階 AI 驅動的擴展和最佳化功能，以因應各種不同的工作負載需求。資料倉儲可能發生下列佈建問題：

在資料倉儲工作負載的效能和成本之間取得適當的平衡具有挑戰性，尤其是在臨機查詢和資料量不斷增加的情況下。執行包含低和高資源密集型查詢的混合工作負載時，需要智慧型擴展。AI 驅動的擴展和最佳化功能會自動擴展無伺服器運算或 RPU，以應付資料成長。此功能也有助於將查詢效能維持在目標性價比目標內。AI 驅動的擴展和最佳化會在資料量增加時動態配置運算資源，確保查詢持續符合效能目標。AI 驅動的擴展和最佳化可讓服務順利適應不斷變化的工作負載需求，而不需要手動介入或複雜的容量規劃。

Amazon Redshift Serverless 根據查詢複雜性和資料量等因素，提供更全方位且即時回應的擴展解決方案。此功能允許在最佳化工作負載性價比的同時保持彈性，以有效率地處理不同的工作負載和不斷增長的資料集。Amazon Redshift Serverless 可以自動對 Amazon Redshift Serverless 端點進行 AI 驅動的最佳化，以滿足您針對 Serverless 工作群組指定的性價比目標。如果您不知道要為工作負載設定哪些基本容量，或是工作負載的某些部分可能會受益於更多配置的資源，則此自動定價效能優化特別有用。

範例：

若您的組織通常執行的工作負載只需要 32 個 RPU，但突然導入了更複雜的查詢，您可能不知道應該要多少基本容量才算適當。設定較高的基本容量可產生更高的效能，但也會產生較高的成本，因此成本可能不符合您的預期。Amazon Redshift Serverless 使用 AI 驅動的擴展和資源最佳化功能，可自動調整 RPU 以符合您的價格效能目標，同時為您的組織最佳化成本把關。無論工作負載大小是多少，此自動最佳化都很有效用。如果您有任何數量的複雜查詢，自動最佳化可協助您達成組織的價格績效目標。

為了保持成本的可預測性，請設定允許 Amazon Redshift Serverless 配置給工作負載的最大容量限制。

若要設定價格效能目標，請使用 AWS 主控台。您必須在建立 Serverless 工作群組時，明確地啟用性價比目標。您也可以在建立 Serverless 工作群組之後修改性價比目標。當您啟用性價比目標時，其預設為平衡。

您可以使用性價比目標滑桿，在成本和效能之間設定所需的平衡。移動滑桿即可選擇下列其中一個選項：

選擇性價比目標時的考量事項

您可以使用性價比滑桿來為工作負載選擇所需的性價比目標。AI 驅動的擴展和最佳化演算法會隨著時間從您的工作負載歷史記錄學習，並改善預測和決策準確性。

範例：

此範例假設查詢花 7 分鐘時間，且費用為 7 美元。下圖顯示未擴展的查詢執行時期和成本。

某一特定查詢可能會以幾種不同的方式擴展，如下所示。根據您選擇的性價比目標，AI 驅動的擴展會預測查詢如何權衡效能和成本，並據此進行擴展。選擇不同的滑桿選項會產生下列結果：

設定性價比滑桿時，請注意下列事項：

監控資源自動擴展

您可以透過下列方式監控 AI 驅動的 RPU 擴展：

使用以下範例查詢 SYS_QUERY_HISTORY 檢視。將範例值取代為您的查詢文字。

select query_id,query_text,start_time,end_time, elapsed_time/1000000.0 duration_in_seconds
from sys_query_history
where query_text like '<query_text>'
and query_text not like '%sys_query_history%'
order by start_time desc

執行下列查詢，以查看 compute_capacity 在 start_time 到 end_time 這段期間如何擴展。將下列查詢中的 start_time 和 end_time 取代為上述查詢的輸出：

select * from sys_serverless_usage
where end_time >= 'start_time'
and end_time <= DATEADD(minute,1,'end_time')
order by end_time asc

如需使用這些功能的逐步指示，請參閱在 Amazon Redshift Serverless 中設定監控、限制和警示，以保持成本的可預測性。

使用 AI 驅動的擴展和最佳化時的考量事項

使用 AI 驅動的擴展和最佳化時，請考慮下列事項：

若要深入了解 AI 驅動最佳化和資源擴展，請觀看以下影片。