Amazon Redshift unterstützt ab Patch 198 nicht mehr die Erstellung neuer Python-UDFs. Bestehende Python-UDFs werden bis zum 30. Juni 2026 weiterhin funktionieren. Weitere Informationen finden Sie im Blog-Posting
Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Zugriff auf Daten in anderen Amazon-Redshift-Datenbanken
Mithilfe von Amazon Redshift Data Sharing können Sie Live-Daten mit hoher Sicherheit und einfacher über Amazon Redshift Redshift-Cluster oder AWS Konten zu Lesezwecken austauschen. Sie profitieren von sofortigem, granularem und leistungsstarkem Zugriff auf Daten in Amazon-Redshift-Clustern, ohne diese manuell zu kopieren oder zu verschieben. Ihren Benutzer werden aktuelle und konsistente Informationen angezeigt, wenn diese in Amazon-Redshift-Clustern aktualisiert werden. Sie können Daten auf verschiedenen Ebenen freigeben, z. B. Datenbanken, Schemata, Tabellen, Ansichten (einschließlich regulärer Ansichten, Ansichten mit späterer Bindung und materialisierter Ansichten) sowie benutzerdefinierten SQL-Funktionen (UDFs).
Die Amazon-Redshift-Datenfreigabe ist besonders für folgende Anwendungsfälle nützlich:
Zentralisierung geschäftskritischer Workloads – Verwenden Sie einen zentralen Extract, Transform, Load (ETL)-Cluster, der Daten mit mehreren Business Intelligence (BI)- oder Analyse-Clustern gemeinsam verwendet. Dieser Ansatz bietet Lese-Workload-Isolation und Rückbelastung für einzelne Workloads.
Freigabe von Daten zwischen Umgebungen – Teilen Sie Daten in Entwicklungs-, Test- und Produktionsumgebungen. Sie können die Teamagilität verbessern, indem Sie Daten auf verschiedenen Granularitätsstufen teilen.
Weitere Informationen zur Datenfreigabe finden Sie unter Umgang mit Datenfreigabeaufgaben im Datenbankentwicklerhandbuch zu Amazon Redshift.
