Amazon Redshift は、パッチ 198 以降、新しい Python UDF の作成をサポートしなくなります。既存の Python UDF は、2026 年 6 月 30 日まで引き続き機能します。詳細については、[ブログ記事](https://aws.amazon.com/blogs/big-data/amazon-redshift-python-user-defined-functions-will-reach-end-of-support-after-june-30-2026/)を参照してください。

# 時系列テーブルの使用
<a name="c_best-practices-time-series-tables"></a>

データの保存期間が固定されている場合、時系列テーブルの順序でデータを整理することができます。このような順序では、各テーブルは同一であっても、さまざまな時間範囲のデータが含まれます。

該当するテーブルで DROP TABLE コマンドを実行することで、古いデータを簡単に削除できます。この手法は、大規模な DELETE プロセスを実行するよりもはるかに高速で、スペースを回復するためにそれ以降の VACUUM プロセスを実行する手間が省けます。データが異なるテーブルに保存されているというファクトを非表示にするために、UNION ALL ビューを作成できます。古いデータを削除するとき、UNION ALL ビューを微調整し、ドロップしたテーブルを削除します。同様に、新しい期間を新しいテーブルにロードするとき、新しいテーブルをこのビューに追加します。クエリフィルタと一致しないテーブルでスキャンをスキップするようオプティマイザにシグナルを送信するには、ビュー定義で各テーブルに対応する日付範囲をフィルタします。

UNION ALL ビューでのテーブルが多くなりすぎないようにします。テーブルを追加するたびに、クエリにわずかな処理時間が追加されます。テーブルは、同じタイムフレームを使用する必要はありません。例えば、日次、月次、年次など、さまざまな期間のテーブルがあるとします。

ソートキーのタイムスタンプ列のある時系列テーブルを使用する場合、ソートキー順序でデータを効果的にロードします。それにより、バキュームでデータを再ソートする必要がなくなります。詳細については、「[ソートキー順序でデータをロードする](vacuum-managing-vacuum-times.md#vacuum-load-in-sort-key-order)」を参照してください。