Amazon Redshift tidak akan lagi mendukung pembuatan UDF Python baru mulai Patch 198. UDF Python yang ada akan terus berfungsi hingga 30 Juni 2026. Untuk informasi lebih lanjut, lihat [posting blog](https://aws.amazon.com/blogs/big-data/amazon-redshift-python-user-defined-functions-will-reach-end-of-support-after-june-30-2026/).
Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Tabel sistem dan referensi tampilan
Amazon Redshift memiliki banyak tabel dan tampilan sistem yang berisi informasi tentang bagaimana sistem berfungsi. Anda dapat menanyakan tabel dan tampilan sistem ini dengan cara yang sama seperti Anda akan menanyakan tabel database lainnya. Bagian ini menunjukkan beberapa contoh query tabel sistem dan menjelaskan:
+ Bagaimana berbagai jenis tabel dan tampilan sistem dihasilkan
+ Jenis informasi apa yang dapat Anda peroleh dari tabel ini
+ Cara menggabungkan tabel sistem Amazon Redshift ke tabel katalog
+ Cara mengelola pertumbuhan file log tabel sistem
Beberapa tabel sistem hanya dapat digunakan oleh AWS staf untuk tujuan diagnostik. Bagian berikut membahas tabel sistem yang dapat ditanyakan untuk informasi yang berguna oleh administrator sistem atau pengguna database lainnya.
**catatan**
Tabel sistem tidak termasuk dalam backup cluster otomatis atau manual (snapshot). Tampilan sistem STL mempertahankan tujuh hari riwayat log. Mempertahankan log tidak memerlukan tindakan pelanggan apa pun, tetapi jika Anda ingin menyimpan data log selama lebih dari 7 hari, Anda harus menyalinnya secara berkala ke tabel lain atau membongkarnya ke Amazon S3.
**Topics**
+ [Jenis tabel dan tampilan sistem](#c_types-of-system-tables-and-views)
+ [Visibilitas data dalam tabel dan tampilan sistem](#c_visibility-of-data)
+ [Memigrasi kueri khusus yang disediakan ke kueri tampilan pemantauan SYS](#sys_view_migration-use_cases)
+ [Meningkatkan pelacakan pengenal kueri menggunakan tampilan pemantauan SYS](#sys_view_migration-query-id)
+ [Kueri tabel sistem, proses, dan id sesi](#system-table-query-process-session-ids)
+ [Tampilan metadata SVV](svv_views.md)
+ [Tampilan pemantauan SYS](serverless_views-monitoring.md)
+ [Pemetaan tampilan sistem untuk bermigrasi ke tampilan pemantauan SYS](sys_view_migration.md)
+ [Pemantauan sistem (hanya disediakan)](c_intro_system_views.md)
+ [Tabel katalog sistem](c_intro_catalog_views.md)
## Jenis tabel dan tampilan sistem
Ada beberapa jenis tabel dan tampilan sistem:
+ Tampilan SVV berisi informasi tentang objek database dengan referensi ke tabel STV sementara.
+ Tampilan SYS digunakan untuk memantau penggunaan kueri dan beban kerja untuk klaster yang disediakan dan grup kerja tanpa server.
+ Tampilan STL dihasilkan dari log yang telah disimpan ke disk untuk memberikan riwayat sistem.
+ Tabel STV adalah tabel sistem virtual yang berisi snapshot dari data sistem saat ini. Mereka didasarkan pada data dalam memori sementara dan tidak disimpan ke log berbasis disk atau tabel biasa.
+ Tampilan SVCS memberikan detail tentang kueri pada kluster penskalaan utama dan konkurensi.
+ Tampilan SVL memberikan detail tentang kueri pada cluster utama.
Tabel dan tampilan sistem tidak menggunakan model konsistensi yang sama seperti tabel biasa. Penting untuk mengetahui masalah ini saat menanyakannya, terutama untuk tabel STV dan tampilan SVV. Misalnya, diberikan tabel biasa t1 dengan kolom c1, Anda akan mengharapkan bahwa kueri berikut tidak mengembalikan baris:
```
select * from t1
where c1 > (select max(c1) from t1)
```
Namun, kueri berikut terhadap tabel sistem mungkin mengembalikan baris:
```
select * from stv_exec_state
where currenttime > (select max(currenttime) from stv_exec_state)
```
Alasan kueri ini mungkin mengembalikan baris adalah karena waktu saat ini bersifat sementara dan dua referensi dalam kueri mungkin tidak mengembalikan nilai yang sama saat dievaluasi.
Di sisi lain, kueri berikut mungkin tidak mengembalikan baris:
```
select * from stv_exec_state
where currenttime = (select max(currenttime) from stv_exec_state)
```
## Visibilitas data dalam tabel dan tampilan sistem
**catatan**
Amazon Redshift secara otomatis menutupi kolom tabel sistem tertentu saat mencatat informasi tentang kueri yang dibuat ke tampilan Katalog Data untuk mencegah pemaparan metadata sensitif. Untuk informasi selengkapnya, lihat [Logging aman](https://docs.aws.amazon.com/redshift/latest/mgmt/db-auditing-secure-logging.html) di *Panduan Manajemen Amazon Redshift*.
Ada dua kelas visibilitas untuk data dalam tabel dan tampilan sistem: terlihat oleh pengguna dan terlihat oleh pengguna super.
Hanya pengguna dengan hak superuser yang dapat melihat data dalam tabel yang berada dalam kategori superuser-visible. Pengguna biasa dapat melihat data dalam tabel yang terlihat pengguna. Untuk memberikan akses pengguna reguler ke tabel yang terlihat oleh pengguna super, berikan hak istimewa SELECT pada tabel itu kepada pengguna biasa. Untuk informasi selengkapnya, lihat [HIBAH](r_GRANT.md).
Secara default, di sebagian besar tabel yang terlihat pengguna, baris yang dihasilkan oleh pengguna lain tidak terlihat oleh pengguna biasa. Jika pengguna biasa diberikan [SYSLOG ACCESS UNRESTRICTED](r_ALTER_USER.md#alter-user-syslog-access), pengguna tersebut dapat melihat semua baris dalam tabel yang terlihat pengguna, termasuk baris yang dihasilkan oleh pengguna lain. Untuk informasi selengkapnya, lihat [ALTER USER](r_ALTER_USER.md) atau [BUAT PENGGUNA](r_CREATE_USER.md). Semua baris di SVV\_TRANSACTIONS dapat dilihat oleh semua pengguna. Untuk informasi selengkapnya tentang visibilitas data, lihat artikel basis AWS re:Post pengetahuan [Bagaimana cara mengizinkan izin pengguna reguler database Amazon Redshift untuk melihat data dalam tabel sistem dari pengguna lain untuk klaster saya](https://repost.aws/knowledge-center/amazon-redshift-system-tables)? .
Untuk tampilan metadata, Amazon Redshift tidak mengizinkan visibilitas ke pengguna yang diberikan SYSLOG ACCESS UNRESTRICTED.
**catatan**
Memberikan pengguna akses tak terbatas ke tabel sistem memberikan visibilitas pengguna ke data yang dihasilkan oleh pengguna lain. Misalnya, STL\_QUERY dan STL\_QUERY\_TEXT berisi teks lengkap pernyataan INSERT, UPDATE, dan DELETE, yang mungkin berisi data sensitif buatan pengguna.
Superuser dapat melihat semua baris di semua tabel. Untuk memberikan akses pengguna reguler ke tabel superuser-visible, [HIBAH](r_GRANT.md) PILIH hak istimewa pada tabel itu kepada pengguna biasa.
### Memfilter kueri yang dihasilkan sistem
Tabel dan tampilan sistem terkait kueri, seperti SVL\_QUERY\_SUMMARY, SVL\_QLOG, dan lainnya, biasanya berisi sejumlah besar pernyataan yang dibuat secara otomatis yang digunakan Amazon Redshift untuk memantau status database. Kueri yang dihasilkan sistem ini dapat dilihat oleh pengguna super, tetapi jarang berguna. Untuk memfilternya saat memilih dari tabel sistem atau tampilan sistem yang menggunakan `userid` kolom, tambahkan kondisi `userid > 1` ke klausa WHERE. Contoh:
```
select * from svl_query_summary where userid > 1
```
## Memigrasi kueri khusus yang disediakan ke kueri tampilan pemantauan SYS
### Bermigrasi dari cluster yang disediakan ke Amazon Redshift Tanpa Server
Jika Anda memigrasikan klaster yang disediakan ke Amazon Redshift Tanpa Server, Anda mungkin memiliki kueri menggunakan tampilan sistem berikut, yang hanya menyimpan data dari kluster yang disediakan.
+ Semua tampilan STL
+ Semua tampilan STV
+ Semua tampilan SVCS
+ Semua tampilan SVL
+ Beberapa tampilan SVV
+ *Untuk daftar lengkap tampilan SVV yang tidak didukung di Amazon Redshift Serverless, lihat daftar di bagian bawah [Memantau kueri dan beban kerja dengan Amazon Redshift Serverless di Panduan Manajemen Pergeseran Merah Amazon](https://docs.aws.amazon.com/redshift/latest/mgmt/serverless-monitoring.html).*
Untuk tetap menggunakan kueri Anda, reparasi untuk menggunakan kolom yang ditentukan dalam tampilan pemantauan SYS yang sesuai dengan kolom dalam tampilan khusus yang disediakan. Untuk melihat hubungan pemetaan antara tampilan khusus yang disediakan dan tampilan pemantauan SYS, buka [Pemetaan tampilan sistem untuk bermigrasi ke tampilan pemantauan SYS](sys_view_migration.md)
### Memperbarui kueri sambil tetap berada di klaster yang disediakan
Jika Anda tidak bermigrasi ke Amazon Redshift Tanpa Server, Anda mungkin masih ingin memperbarui kueri yang ada. Tampilan pemantauan SYS dirancang untuk kemudahan penggunaan dan mengurangi kompleksitas, menyediakan rangkaian metrik lengkap untuk pemantauan dan pemecahan masalah yang efektif. Menggunakan tampilan SYS seperti [SYS\_QUERY\_HISTORY](SYS_QUERY_HISTORY.md) dan [SYS\_QUERY\_DETAIL](SYS_QUERY_DETAIL.md) yang mengkonsolidasikan informasi dari beberapa tampilan khusus yang disediakan, Anda dapat merampingkan kueri Anda.
## Meningkatkan pelacakan pengenal kueri menggunakan tampilan pemantauan SYS
SYS memantau tampilan seperti seperti [SYS\_QUERY\_HISTORY](SYS_QUERY_HISTORY.md) dan [SYS\_QUERY\_DETAIL](SYS_QUERY_DETAIL.md) berisi kolom query\_id, yang menyimpan pengenal untuk kueri pengguna. Demikian pula, tampilan hanya disediakan seperti [KUERI STL\_](r_STL_QUERY.md) dan [SVL\_QLOG](r_SVL_QLOG.md) berisi kolom kueri, yang juga menyimpan pengidentifikasi kueri. Namun, pengidentifikasi kueri yang direkam dalam tampilan sistem SYS berbeda dari yang direkam dalam tampilan khusus yang disediakan.
Perbedaan antara nilai kolom query\_id tampilan SYS dan nilai kolom kueri tampilan khusus yang disediakan adalah sebagai berikut:
+ Dalam tampilan SYS, kolom query\_id mencatat kueri yang dikirimkan pengguna dalam bentuk aslinya. Pengoptimal Amazon Redshift mungkin memecahnya menjadi kueri turunan untuk meningkatkan kinerja, tetapi satu kueri yang Anda jalankan masih hanya akan memiliki satu baris. [SYS\_QUERY\_HISTORY](SYS_QUERY_HISTORY.md) Jika Anda ingin melihat kueri anak individu, Anda dapat menemukannya di[SYS\_QUERY\_DETAIL](SYS_QUERY_DETAIL.md).
+ Dalam tampilan khusus yang disediakan, kolom kueri merekam kueri pada tingkat kueri anak. Jika pengoptimal Amazon Redshift menulis ulang kueri asli Anda menjadi beberapa kueri turunan, akan ada beberapa baris [KUERI STL\_](r_STL_QUERY.md) dengan nilai pengenal kueri yang berbeda untuk satu kueri yang Anda jalankan.
Saat Anda memigrasikan kueri pemantauan dan diagnostik dari tampilan khusus yang disediakan ke tampilan SYS, pertimbangkan perbedaan ini dan edit kueri Anda sesuai dengan itu. Untuk informasi selengkapnya tentang cara Amazon Redshift memproses kueri, lihat. [Perencanaan kueri dan alur kerja eksekusi](c-query-planning.md)
### Contoh
Untuk contoh cara Amazon Redshift merekam kueri secara berbeda dalam tampilan pemantauan khusus yang disediakan dan SYS, lihat contoh kueri berikut. Ini adalah kueri yang ditulis karena Anda akan menjalankannya di Amazon Redshift.
```
SELECT
s_name
, COUNT(*) AS numwait
FROM
supplier,
lineitem l1,
orders,
nation
WHERE s_suppkey = l1.l_suppkey
AND o_orderkey = l1.l_orderkey
AND o_orderstatus = 'F'
AND l1.l_receiptdate > l1.l_commitdate
AND EXISTS (SELECT
*
FROM
lineitem l2
WHERE l2.l_orderkey = l1.l_orderkey
AND l2.l_suppkey <> l1.l_suppkey )
AND NOT EXISTS (SELECT
*
FROM
lineitem l3
WHERE l3.l_orderkey = l1.l_orderkey
AND l3.l_suppkey <> l1.l_suppkey
AND l3.l_receiptdate > l3.l_commitdate )
AND s_nationkey = n_nationkey
AND n_name = 'UNITED STATES'
GROUP BY
s_name
ORDER BY
numwait DESC
, s_name LIMIT 100;
```
Di bawah tenda, pengoptimal kueri Amazon Redshift menulis ulang kueri yang dikirimkan pengguna di atas menjadi 5 kueri turunan.
Query anak pertama membuat tabel sementara untuk mewujudkan subquery.
```
CREATE TEMP TABLE volt_tt_606590308b512(l_orderkey
, l_suppkey
, s_name ) AS SELECT
l1.l_orderkey
, l1.l_suppkey
, public.supplier.s_name
FROM
public.lineitem AS l1,
public.nation,
public.orders,
public.supplier
WHERE l1.l_commitdate < l1.l_receiptdate
AND l1.l_orderkey = public.orders.o_orderkey
AND l1.l_suppkey = public.supplier.s_suppkey
AND public.nation.n_name = 'UNITED STATES'::CHAR(8)
AND public.nation.n_nationkey = public.supplier.s_nationkey
AND public.orders.o_orderstatus = 'F'::CHAR(1);
```
Kueri anak kedua mengumpulkan statistik dari tabel sementara.
```
padb_fetch_sample: select count(*) from volt_tt_606590308b512;
```
Kueri anak ketiga membuat tabel sementara lain untuk mewujudkan subquery lain, mereferensikan tabel sementara yang dibuat di atas.
```
CREATE TEMP TABLE volt_tt_606590308c2ef(l_orderkey
, l_suppkey) AS (SELECT
volt_tt_606590308b512.l_orderkey
, volt_tt_606590308b512.l_suppkey
FROM
public.lineitem AS l2,
volt_tt_606590308b512
WHERE l2.l_suppkey <> volt_tt_606590308b512.l_suppkey
AND l2.l_orderkey = volt_tt_606590308b512.l_orderkey)
EXCEPT distinct (SELECT volt_tt_606590308b512.l_orderkey, volt_tt_606590308b512.l_suppkey
FROM public.lineitem AS l3, volt_tt_606590308b512
WHERE l3.l_commitdate < l3.l_receiptdate
AND l3.l_suppkey <> volt_tt_606590308b512.l_suppkey
AND l3.l_orderkey = volt_tt_606590308b512.l_orderkey);
```
Kueri anak keempat kembali mengumpulkan statistik tabel sementara.
```
padb_fetch_sample: select count(*) from volt_tt_606590308c2ef
```
Kueri anak terakhir menggunakan tabel sementara yang dibuat di atas untuk menghasilkan output.
```
SELECT
volt_tt_606590308b512.s_name AS s_name
, COUNT(*) AS numwait
FROM
volt_tt_606590308b512,
volt_tt_606590308c2ef
WHERE volt_tt_606590308b512.l_orderkey = volt_tt_606590308c2ef.l_orderkey
AND volt_tt_606590308b512.l_suppkey = volt_tt_606590308c2ef.l_suppkey
GROUP BY
1
ORDER BY
2 DESC
, 1 ASC LIMIT 100;
```
Dalam tampilan sistem khusus yang disediakan STL\_QUERY, Amazon Redshift merekam lima baris pada tingkat kueri turunan, sebagai berikut:
```
SELECT userid, xid, pid, query, querytxt::varchar(100);
FROM stl_query
WHERE xid = 48237350
ORDER BY xid, starttime;
userid | xid | pid | query | querytxt
--------+----------+------------+----------+------------------------------------------------------------------------------------------------------
101 | 48237350 | 1073840810 | 12058151 | CREATE TEMP TABLE volt_tt_606590308b512(l_orderkey, l_suppkey, s_name) AS SELECT l1.l_orderkey, l1.l
101 | 48237350 | 1073840810 | 12058152 | padb_fetch_sample: select count(*) from volt_tt_606590308b512
101 | 48237350 | 1073840810 | 12058156 | CREATE TEMP TABLE volt_tt_606590308c2ef(l_orderkey, l_suppkey) AS (SELECT volt_tt_606590308b512.l_or
101 | 48237350 | 1073840810 | 12058168 | padb_fetch_sample: select count(*) from volt_tt_606590308c2ef
101 | 48237350 | 1073840810 | 12058170 | SELECT s_name , COUNT(*) AS numwait FROM supplier, lineitem l1, orders, nation WHERE s_suppkey = l1.
(5 rows)
```
Dalam tampilan pemantauan SYS SYS\_QUERY\_HISTORY, Amazon Redshift merekam kueri sebagai berikut:
```
SELECT user_id, transaction_id, session_id, query_id, query_text::varchar(100)
FROM sys_query_history
WHERE transaction_id = 48237350
ORDER BY start_time;
user_id | transaction_id | session_id | query_id | query_text
---------+----------------+------------+----------+------------------------------------------------------------------------------------------------------
101 | 48237350 | 1073840810 | 12058149 | SELECT s_name , COUNT(*) AS numwait FROM supplier, lineitem l1, orders, nation WHERE s_suppkey = l1.
```
Di SYS\_QUERY\_DETAIL, Anda dapat menemukan detail tingkat kueri anak menggunakan nilai query\_id dari SYS\_QUERY\_HISTORY. Kolom child\_query\_sequence menunjukkan urutan kueri anak dieksekusi. Untuk informasi selengkapnya tentang kolom di SYS\_QUERY\_DETAIL, lihat. [SYS\_QUERY\_DETAIL](SYS_QUERY_DETAIL.md)
```
select user_id,
query_id,
child_query_sequence,
stream_id,
segment_id,
step_id,
start_time,
end_time,
duration,
blocks_read,
blocks_write,
local_read_io,
remote_read_io,
data_skewness,
time_skewness,
is_active,
spilled_block_local_disk,
spilled_block_remote_disk
from sys_query_detail
where query_id = 12058149
and step_id = -1
order by query_id,
child_query_sequence,
stream_id,
segment_id,
step_id;
user_id | query_id | child_query_sequence | stream_id | segment_id | step_id | start_time | end_time | duration | blocks_read | blocks_write | local_read_io | remote_read_io | data_skewness | time_skewness | is_active | spilled_block_local_disk | spilled_block_remote_disk
---------+----------+----------------------+-----------+------------+---------+----------------------------+----------------------------+----------+-------------+--------------+---------------+----------------+---------------+---------------+-----------+--------------------------+---------------------------
101 | 12058149 | 1 | 0 | 0 | -1 | 2023-09-27 15:40:38.512415 | 2023-09-27 15:40:38.533333 | 20918 | 0 | 0 | 0 | 0 | 0 | 44 | f | 0 | 0
101 | 12058149 | 1 | 1 | 1 | -1 | 2023-09-27 15:40:39.931437 | 2023-09-27 15:40:39.972826 | 41389 | 12 | 0 | 12 | 0 | 0 | 77 | f | 0 | 0
101 | 12058149 | 1 | 2 | 2 | -1 | 2023-09-27 15:40:40.584412 | 2023-09-27 15:40:40.613982 | 29570 | 32 | 0 | 32 | 0 | 0 | 25 | f | 0 | 0
101 | 12058149 | 1 | 2 | 3 | -1 | 2023-09-27 15:40:40.582038 | 2023-09-27 15:40:40.615758 | 33720 | 0 | 0 | 0 | 0 | 0 | 1 | f | 0 | 0
101 | 12058149 | 1 | 3 | 4 | -1 | 2023-09-27 15:40:46.668766 | 2023-09-27 15:40:46.705456 | 36690 | 24 | 0 | 15 | 0 | 0 | 17 | f | 0 | 0
101 | 12058149 | 1 | 4 | 5 | -1 | 2023-09-27 15:40:46.707209 | 2023-09-27 15:40:46.709176 | 1967 | 0 | 0 | 0 | 0 | 0 | 18 | f | 0 | 0
101 | 12058149 | 1 | 4 | 6 | -1 | 2023-09-27 15:40:46.70656 | 2023-09-27 15:40:46.71289 | 6330 | 0 | 0 | 0 | 0 | 0 | 0 | f | 0 | 0
101 | 12058149 | 1 | 5 | 7 | -1 | 2023-09-27 15:40:46.71405 | 2023-09-27 15:40:46.714343 | 293 | 0 | 0 | 0 | 0 | 0 | 0 | f | 0 | 0
101 | 12058149 | 2 | 0 | 0 | -1 | 2023-09-27 15:40:52.083907 | 2023-09-27 15:40:52.087854 | 3947 | 0 | 0 | 0 | 0 | 0 | 35 | f | 0 | 0
101 | 12058149 | 2 | 1 | 1 | -1 | 2023-09-27 15:40:52.089632 | 2023-09-27 15:40:52.091129 | 1497 | 0 | 0 | 0 | 0 | 0 | 11 | f | 0 | 0
101 | 12058149 | 2 | 1 | 2 | -1 | 2023-09-27 15:40:52.089008 | 2023-09-27 15:40:52.091306 | 2298 | 0 | 0 | 0 | 0 | 0 | 0 | f | 0 | 0
101 | 12058149 | 3 | 0 | 0 | -1 | 2023-09-27 15:40:56.882013 | 2023-09-27 15:40:56.897282 | 15269 | 0 | 0 | 0 | 0 | 0 | 29 | f | 0 | 0
101 | 12058149 | 3 | 1 | 1 | -1 | 2023-09-27 15:40:59.718554 | 2023-09-27 15:40:59.722789 | 4235 | 0 | 0 | 0 | 0 | 0 | 13 | f | 0 | 0
101 | 12058149 | 3 | 2 | 2 | -1 | 2023-09-27 15:40:59.800382 | 2023-09-27 15:40:59.807388 | 7006 | 0 | 0 | 0 | 0 | 0 | 58 | f | 0 | 0
101 | 12058149 | 3 | 3 | 3 | -1 | 2023-09-27 15:41:06.488685 | 2023-09-27 15:41:06.493825 | 5140 | 0 | 0 | 0 | 0 | 0 | 56 | f | 0 | 0
101 | 12058149 | 3 | 3 | 4 | -1 | 2023-09-27 15:41:06.486206 | 2023-09-27 15:41:06.497756 | 11550 | 0 | 0 | 0 | 0 | 0 | 2 | f | 0 | 0
101 | 12058149 | 3 | 4 | 5 | -1 | 2023-09-27 15:41:06.499201 | 2023-09-27 15:41:06.500851 | 1650 | 0 | 0 | 0 | 0 | 0 | 15 | f | 0 | 0
101 | 12058149 | 3 | 4 | 6 | -1 | 2023-09-27 15:41:06.498609 | 2023-09-27 15:41:06.500949 | 2340 | 0 | 0 | 0 | 0 | 0 | 0 | f | 0 | 0
101 | 12058149 | 3 | 5 | 7 | -1 | 2023-09-27 15:41:06.502945 | 2023-09-27 15:41:06.503282 | 337 | 0 | 0 | 0 | 0 | 0 | 0 | f | 0 | 0
101 | 12058149 | 4 | 0 | 0 | -1 | 2023-09-27 15:41:06.62899 | 2023-09-27 15:41:06.631452 | 2462 | 0 | 0 | 0 | 0 | 0 | 22 | f | 0 | 0
101 | 12058149 | 4 | 1 | 1 | -1 | 2023-09-27 15:41:06.632313 | 2023-09-27 15:41:06.63391 | 1597 | 0 | 0 | 0 | 0 | 0 | 20 | f | 0 | 0
101 | 12058149 | 4 | 1 | 2 | -1 | 2023-09-27 15:41:06.631726 | 2023-09-27 15:41:06.633813 | 2087 | 0 | 0 | 0 | 0 | 0 | 0 | f | 0 | 0
101 | 12058149 | 5 | 0 | 0 | -1 | 2023-09-27 15:41:12.571974 | 2023-09-27 15:41:12.584234 | 12260 | 0 | 0 | 0 | 0 | 0 | 39 | f | 0 | 0
101 | 12058149 | 5 | 0 | 1 | -1 | 2023-09-27 15:41:12.569815 | 2023-09-27 15:41:12.585391 | 15576 | 0 | 0 | 0 | 0 | 0 | 4 | f | 0 | 0
101 | 12058149 | 5 | 1 | 2 | -1 | 2023-09-27 15:41:13.758513 | 2023-09-27 15:41:13.76401 | 5497 | 0 | 0 | 0 | 0 | 0 | 39 | f | 0 | 0
101 | 12058149 | 5 | 1 | 3 | -1 | 2023-09-27 15:41:13.749 | 2023-09-27 15:41:13.772987 | 23987 | 0 | 0 | 0 | 0 | 0 | 32 | f | 0 | 0
101 | 12058149 | 5 | 2 | 4 | -1 | 2023-09-27 15:41:13.799526 | 2023-09-27 15:41:13.813506 | 13980 | 0 | 0 | 0 | 0 | 0 | 62 | f | 0 | 0
101 | 12058149 | 5 | 2 | 5 | -1 | 2023-09-27 15:41:13.798823 | 2023-09-27 15:41:13.813651 | 14828 | 0 | 0 | 0 | 0 | 0 | 0 | f | 0 | 0
(28 rows)
```
## Kueri tabel sistem, proses, dan id sesi
Saat menganalisis kueri, proses, dan id sesi yang muncul di tabel sistem, perhatikan hal-hal berikut:
+ Nilai id kueri (dalam kolom seperti `query_id` dan`query`) dapat digunakan kembali dari waktu ke waktu.
+ Id proses atau nilai id sesi (dalam kolom seperti`process_id`,`pid`, dan`session_id`) dapat digunakan kembali dari waktu ke waktu.
+ Nilai id transaksi (dalam kolom seperti `transaction_id` dan`xid`) adalah unik.