Amazon Redshift는 패치 198부터 새 Python UDF 생성을 더 이상 지원하지 않습니다. 기존 Python UDF는 2026년 6월 30일까지 계속 작동합니다. 자세한 내용은 [블로그 게시물](https://aws.amazon.com/blogs/big-data/amazon-redshift-python-user-defined-functions-will-reach-end-of-support-after-june-30-2026/)을 참조하세요.
# SQL 참조
Amazon Redshift를 사용하면 SQL을 활용하여 데이터 웨어하우스에 저장된 방대한 양의 데이터를 효율적으로 쿼리하고 분석할 수 있습니다. SQL 참조에서는 SQL 명령, 데이터 유형, 함수, 연산자 등의 구문 및 사용량을 다루므로 인사이트를 추출하고 데이터 기반 의사 결정을 내릴 수 있습니다. 이 참조를 통해 최적화된 쿼리를 작성하고, 데이터베이스 객체를 생성 및 관리하고, 복잡한 데이터 변환을 수행할 수 있습니다. 다음 참조에서는 Amazon Redshift 환경 내에서 SQL을 활용하여 데이터 분석 요구 사항을 충족하는 방법에 대한 포괄적인 세부 정보를 제공합니다.
**Topics**
+ [Amazon Redshift SQL](c_redshift-sql.md)
+ [SQL 사용](c_SQL_reference.md)
+ [SQL 명령](c_SQL_commands.md)
+ [SQL 함수 참조](c_SQL_functions.md)
+ [예약어](r_pg_keywords.md)
# Amazon Redshift SQL
**Topics**
+ [리더 노드에서 지원되는 SQL 함수](c_sql-functions-leader-node.md)
+ [Amazon Redshift 및 PostgreSQL](c_redshift-and-postgres-sql.md)
Amazon Redshift는 업계 표준 SQL을 중심으로 개발되었으며, 여기에 대용량 데이터 집합을 관리할 뿐만 아니라 이러한 데이터에 대한 고성능 분석 및 보고를 지원하는 기능까지 추가되었습니다.
**참고**
단일 Amazon Redshift SQL 문의 최대 크기는 16MB입니다.
# 리더 노드에서 지원되는 SQL 함수
일부 Amazon Redshift 쿼리는 분산을 통해 컴퓨팅 노드에서 실행되는 반면 리더 노드에서만 실행되는 쿼리도 있습니다.
리더 노드는 쿼리가 사용자 생성 테이블 또는 시스템 테이블(STL 또는 STV 접두사가 첨부된 테이블과 SVL 또는 SVV 접두사가 첨부된 시스템 뷰)을 참조할 때마다 SQL을 컴퓨팅 노드로 분산시킵니다. 카탈로그 테이블(PG\$1TABLE\$1DEF처럼 PG 접두사가 첨부되어 리더 노드에 저장되는 테이블)만 참조하거나 어떤 테이블도 참조하지 않는 쿼리는 리더 노드에서만 실행됩니다.
일부 Amazon Redshift SQL 함수는 리더 노드에서만 지원되고, 컴퓨팅 노드에서는 지원되지 않습니다. 따라서 리더 노드 함수를 사용하는 쿼리는 컴퓨팅 노드가 아닌 리더 노드에서만 실행해야 합니다. 그렇지 않으면 오류를 반환합니다.
리더 노드에서만 실행해야 하는 각 함수의 설명서에는 이 함수가 사용자 정의 테이블이나 Amazon Redshift 시스템 테이블을 참조할 경우 오류를 반환한다는 설명이 포함되어 있습니다. 리더 노드에서만 실행해야 하는 함수 목록은 [리더 노드 전용 함수](c_SQL_functions_leader_node_only.md) 섹션을 참조하세요.
## 예제
다음 예제에서는 샘플 TICKIT 데이터베이스를 사용합니다. 샘플 데이터베이스에 대한 자세한 내용은 [샘플 데이터베이스](c_sampledb.md) 섹션을 참조하세요.
**CURRENT\$1SCHEMA**
CURRENT\$1SCHEMA 함수는 리더 노드 전용 함수입니다. 다음 예에서는 쿼리가 테이블을 참조하지 않기 때문에 리더 노드에서만 실행됩니다.
```
select current_schema();
current_schema
---------------
public
```
다음 예에서는 쿼리가 시스템 카탈로그 테이블을 참조하기 때문에 리더 노드에서만 실행됩니다.
```
select * from pg_table_def
where schemaname = current_schema() limit 1;
schemaname | tablename | column | type | encoding | distkey | sortkey | notnull
------------+-----------+--------+----------+----------+---------+---------+---------
public | category | catid | smallint | none | t | 1 | t
```
다음 예에서는 쿼리가 컴퓨팅 노드에 저장되는 Amazon Redshift 시스템 테이블을 참조하기 때문에 오류를 반환합니다.
```
select current_schema(), userid from users;
INFO: Function "current_schema()" not supported.
ERROR: Specified types or functions (one per INFO message) not supported on Amazon Redshift tables.
```
**SUBSTR**
SUBSTR 또한 리더 노드 전용 함수입니다. 다음 예에서는 쿼리가 테이블을 참조하지 않기 때문에 리더 노드에서만 실행됩니다.
```
SELECT SUBSTR('amazon', 5);
+--------+
| substr |
+--------+
| on |
+--------+
```
다음 예에서는 쿼리가 컴퓨팅 노드에 있는 테이블을 참조합니다. 이 코드를 실행하면 오류가 발생합니다.
```
SELECT SUBSTR(catdesc, 1) FROM category LIMIT 1;
ERROR: SUBSTR() function is not supported (Hint: use SUBSTRING instead)
```
이전 쿼리를 성공적으로 실행하려면 [SUBSTRING](https://docs.aws.amazon.com/redshift/latest/dg/r_SUBSTRING.html)을 사용하세요.
```
SELECT SUBSTRING(catdesc, 1) FROM category LIMIT 1;
+---------------------------------+
| substring |
+---------------------------------+
| National Basketball Association |
+---------------------------------+
```
**FACTORIAL()**
FACTORIAL()은 리더 노드 전용 함수입니다. 다음 예에서는 쿼리가 테이블을 참조하지 않기 때문에 리더 노드에서만 실행됩니다.
```
SELECT FACTORIAL(5);
factorial
-------------
120
```
다음 예에서는 쿼리가 컴퓨팅 노드에 있는 테이블을 참조합니다. 쿼리 에디터 v2를 사용하여 실행하면 오류가 발생합니다.
```
create table t(a int);
insert into t values (5);
select factorial(a) from t;
ERROR: Specified types or functions (one per INFO message) not supported on Redshift tables.
Info: Function "factorial(bigint)" not supported.
```
# Amazon Redshift 및 PostgreSQL
**Topics**
+ [Amazon Redshift와 PostgreSQL JDBC 및 ODBC](c_redshift-postgres-jdbc.md)
+ [다르게 구현되는 기능](c_redshift-sql-implementated-differently.md)
+ [지원되지 않는 PostgreSQL 기능](c_unsupported-postgresql-features.md)
+ [지원되지 않는 PostgreSQL 데이터 유형](c_unsupported-postgresql-datatypes.md)
+ [지원되지 않는 PostgreSQL 함수](c_unsupported-postgresql-functions.md)
Amazon Redshift는 PostgreSQL을 기반으로 합니다. Amazon Redshift와 PostgreSQL은 데이터웨어 하우스 애플리케이션을 설계하고 개발할 때 숙지해야 할 몇 가지 매우 중요한 차이점이 있습니다.
Amazon Redshift는 대용량 데이터 집합을 대상으로 복잡한 쿼리가 필요한 온라인 분석 처리(OLAP) 또는 비즈니스 인텔리전스(BI) 애플리케이션 전용으로 설계되었습니다. 해결하는 요건도 매우 다양하기 때문에 Amazon Redshift의 전용 데이터 스토리지 스키마 및 쿼리 실행 엔진도 PostgreSQL 구현체와 완전히 다릅니다. 예를 들어 OLTP(온라인 트랜잭션 처리) 애플리케이션이 일반적으로 데이터를 행에 저장하는 반면 Amazon Redshift는 최적의 메모리 사용 및 디스크 I/O를 위한 특수 데이터 압축 인코딩을 사용하여 데이터를 열에 저장합니다. 보조 인덱스 및 효율적인 단일 행 데이터 조작 작업과 같이 소규모 OLTP 처리에 적합한 일부 PostgreSQL 기능은 성능 향상을 위해 생략되었습니다.
Amazon Redshift 데이터 웨어하우스 시스템 아키텍처에 대한 자세한 내용은 [Amazon Redshift 아키텍처](c_redshift_system_overview.md) 섹션을 참조하세요.
PostgreSQL 9.x에는 Amazon Redshift에서 지원되지 않는 기능이 일부 포함되어 있습니다. 그 밖에도 Amazon Redshift SQL과 PostgreSQL 사이에는 반드시 알고 있어야 할 중요한 차이점들이 있습니다. 이번 섹션에서는 Amazon Redshift와 PostgreSQL의 차이점에 대해 살펴보고, Amazon Redshift SQL 구현체를 최대한 이용하여 데이터 웨어하우스를 개발할 수 있는 지침까지 제공합니다.
# Amazon Redshift와 PostgreSQL JDBC 및 ODBC
Amazon Redshift는 PostgreSQL을 기반으로 하기 때문에 이전에는 JDBC4 Postgresql 드라이버 버전 8.4.703 및 psqlODBC 버전 9.x 드라이버 사용이 권장되었습니다. 현재 이러한 드라이버를 사용하는 경우 앞으로 새로운 Amazon Redshift 전용 드라이버로 옮기는 것이 좋습니다. 드라이버 및 연결 구성에 대한 자세한 내용은 *Amazon Redshift 관리 가이드*의 [Amazon Redshift JDBC 또는 ODBC 드라이버](https://docs.aws.amazon.com/redshift/latest/mgmt/configuring-connections.html#connecting-drivers) 섹션을 참조하세요.
JDBC를 사용하여 대용량 데이터 세트를 가져올 때 클라이언트 측 메모리 부족 오류를 방지하려면 클라이언트에서 JDBC fetch size 파라미터를 설정하여 데이터를 일괄적으로 가져올 수 있습니다. 자세한 내용은 [JDBC Fetch Size 파라미터 설정](set-the-JDBC-fetch-size-parameter.md) 섹션을 참조하세요.
Amazon Redshift는 JDBC maxRows 파라미터를 인식하지 못합니다. 따라서 결과 집합을 제한할 때는 [LIMIT](r_ORDER_BY_clause.md#order-by-clause-limit) 절을 지정하세요. 또한 [OFFSET](r_ORDER_BY_clause.md#order-by-clause-offset) 절을 사용하여 결과 집합에서 특정 시작점으로 건너뛸 수도 있습니다.
# 다르게 구현되는 기능
Amazon Redshift SQL 언어 요소는 서로 성능 특성이 다를 뿐만 아니라 상응하는 PostgreSQL 구현체와 완전히 다른 구문과 의미를 사용합니다.
**중요**
Amazon Redshift와 PostgreSQL의 공통 요소라고 해서 의미가 동일할 것이라고 미리 짐작해서는 안 됩니다. 반드시 *Amazon Redshift 개발자 안내서 * [SQL 명령](c_SQL_commands.md) 섹션을 참조하여 미묘한 차이가 무엇인지 확인하세요.
한 가지 특정한 예가 테이블을 정리하여 재구성할 때 사용되는 [VACUUM](r_VACUUM_command.md) 명령입니다. VACUUM은 PostgreSQL 버전과 다르게 동작할 뿐만 아니라 사용하는 파라미터 집합도 다릅니다. Amazon Redshift에서 VACUUM 사용에 대한 자세한 내용은 [테이블 Vacuum](t_Reclaiming_storage_space202.md) 섹션을 참조하세요.
종종 데이터베이스 관리 및 운영 기능과 도구도 다릅니다. 예를 들어 Amazon Redshift는 시스템 작동 방식에 대한 정보가 저장되어 있는 시스템 테이블 및 뷰가 많습니다. 자세한 정보는 [SYS 모니터링 뷰](serverless_views-monitoring.md)을 참조하세요.
다음은 Amazon Redshift에서 다르게 구현되는 SQL 기능 중 몇 가지 예입니다.
+ [CREATE TABLE](r_CREATE_TABLE_NEW.md)
Amazon Redshift는 테이블스페이스, 테이블 분할, 상속 및 일부 제약 조건을 지원하지 않습니다. CREATE TABLE 기능을 Amazon Redshift에서 구현하면 테이블을 정렬 및 분산 알고리즘을 정의하여 병렬 처리를 최적화할 수 있습니다.
Amazon Redshift Spectrum은 [CREATE EXTERNAL TABLE](r_CREATE_EXTERNAL_TABLE.md) 명령을 사용하여 테이블 파티셔닝을 지원합니다.
+ [ALTER TABLE](r_ALTER_TABLE.md)
ALTER COLUMN 작업의 하위 집합만 지원됩니다.
ADD COLUMN은 각 ALTER TABLE 문마다 열을 하나만 추가할 수 있도록 지원합니다.
+ [COPY](r_COPY.md)
Amazon Redshift COPY 명령은 Amazon S3 버킷 및 Amazon DynamoDB 테이블에서 데이터를 로드하여 자동 압축을 지원할 수 있도록 고도로 특화되었습니다. 자세한 내용은 [Amazon Redshift에서 데이터 로드](t_Loading_data.md) 및 COPY 명령 참조를 참조하세요.
+ [VACUUM](r_VACUUM_command.md)
VACUUM 파라미터는 완전히 다릅니다. 예를 들어 PostgreSQL에서는 기본적으로 VACUUM 작업이 스페이스를 재사용할 수 있도록 회수하는 데 그치는 반면 Amazon Redshift에서는 VACUUM FULL이 기본 VACUUM 작업으로서 디스크 스페이스를 회수한 후 모든 행을 재정렬합니다.
+ 문자열 값을 서로 비교할 때 VARCHAR 값의 후행 공백은 무시됩니다. 자세한 내용은 [후행 공백의 중요성](r_Character_types.md#r_Character_types-significance-of-trailing-blanks) 섹션을 참조하세요.
# 지원되지 않는 PostgreSQL 기능
다음 PostgreSQL 기능은 Amazon Redshift에서 지원되지 않습니다.
**중요**
Amazon Redshift와 PostgreSQL의 공통 요소라고 해서 의미가 동일할 것이라고 미리 짐작해서는 안 됩니다. 반드시 *Amazon Redshift 개발자 안내서 * [SQL 명령](c_SQL_commands.md) 섹션을 참조하여 미묘한 차이가 무엇인지 확인하세요.
+ 쿼리 도구 psql은** 지원되지 않습니다. [Amazon Redshift RSQL](https://docs.aws.amazon.com/redshift/latest/mgmt/rsql-query-tool.html) 클라이언트가 지원됩니다.
+ 테이블 분할(범위 및 목록 분할)
+ 테이블스페이스
+ 제약 조건
+ 고유
+ 외래 키
+ 프라이머리 키
+ 제약 조건 확인
+ 예외 제약 조건
고유성, 기본 키 및 외래 키 제약 조건은 허용되지만 오직 참고용입니다. 따라서 시스템에서 적용되지는 않지만 쿼리 플래너에서 사용할 수는 있습니다.
+ 상속
+ PostgreSQL 시스템 열
Amazon Redshift SQL은 시스템 열을 묵시적으로 정의하지 않습니다. 하지만 다음 PostgreSQL 시스템 열 이름은 사용자 정의 열인 `oid`, `tableoid`, `xmin`, `cmin`, `xmax`, `cmax`, `ctid`의 이름으로 사용할 수 없습니다. 자세한 내용은 [https://www.postgresql.org/docs/8.0/static/ddl-system-columns.html](https://www.postgresql.org/docs/8.0/static/ddl-system-columns.html)에서 확인할 수 있습니다.
+ 인덱스
+ 창 함수의 NULLS 절
+ 콜레이션
Amazon Redshift는 로케일 또는 사용자 정의 데이터 정렬 순서를 지원하지 않습니다. [콜레이션 시퀀스](c_collation_sequences.md)을(를) 참조하세요.
+ 값 표현식
+ 구독 표현식
+ 배열 생성자
+ 행 생성자
+ 트리거
+ 외부 데이터 관리(SQL/MED)
+ 테이블 함수
+ 상수 테이블로 사용되는 VALUES 목록
+ 시퀀스
+ 시퀀스
+ RULE 및 TRIGGER 권한
Amazon Redshift는 GRANT ALL 또는 REVOKE ALL를 실행할 때 이러한 권한을 부여하거나 취소하지만, RULE 및 TRIGGER 권한의 유무는 피부여자의 액세스 권한에 어떤 식으로든 영향을 미치지 않습니다.
# 지원되지 않는 PostgreSQL 데이터 유형
일반적으로 쿼리가 명시적 또는 묵시적 변환을 포함하여 지원되지 않는 데이터 형식을 사용하려고 하면 오류가 반환됩니다. 하지만 지원되지 않는 데이터 형식을 사용하는 쿼리 중에는 컴퓨팅 노드가 아닌 리더 노드에서 실행되는 쿼리도 있습니다. [리더 노드에서 지원되는 SQL 함수](c_sql-functions-leader-node.md)을(를) 참조하세요.
지원되는 데이터 형식의 전체 목록은 [데이터 타입](c_Supported_data_types.md) 섹션을 참조하세요.
다음 PostgreSQL 데이터 형식은 Amazon Redshift에서 지원되지 않습니다.
+ 배열
+ BIT, BIT VARYING
+ BYTEA
+ 복합 형식
+ 열거 형식
+ 기하학적 유형(기하학적 유형의 Amazon Redshift 구현은 PostgreSQL과 다름)
+ HSTORE
+ JSON
+ 네트워크 주소 형식
+ 숫자형
+ SERIAL, BIGSERIAL, SMALLSERIAL
+ MONEY
+ 객체 식별자 형식
+ 의사 형식
+ 범위 형식
+ 특수 문자 유형
+ "char" - 단일 바이트 내부 유형(여기서 char라는 데이터 형식은 인용 부호로 묶입니다).
+ 이름 - 객체 이름의 내부 형식.
이러한 유형에 대한 자세한 내용은 PostgreSQL 설명서의 [Special Character Types](https://www.postgresql.org/docs/8.0/datatype-character.html)를 참조하세요.
+ 텍스트 검색 형식
+ TXID\$1SNAPSHOT
+ UUID
+ XML
# 지원되지 않는 PostgreSQL 함수
여기에서 언급하는 함수들도 의미 또는 사용법이 서로 다릅니다. 예를 들어 지원되는 함수 중 일부는 리더 노드에서만 실행됩니다. 또한 지원되지 않는 함수라고 해도 일부는 리더 노드에서 실행할 경우 오류를 반환하지 않습니다. 이러한 함수들이 일부 경우 오류를 반환하지 않는다고 해서 Amazon Redshift에서 지원되는 함수라고 간주해서는 안 됩니다.
**중요**
Amazon Redshift와 PostgreSQL의 공통 요소라고 해서 의미가 동일할 것이라고 미리 짐작해서는 안 됩니다. 반드시 *Amazon Redshift 데이터베이스 개발자 안내서 * [SQL 명령](c_SQL_commands.md) 섹션을 참조하여 미묘한 차이가 무엇인지 확인하세요.
자세한 내용은 [리더 노드에서 지원되는 SQL 함수](c_sql-functions-leader-node.md) 섹션을 참조하세요.
다음 PostgreSQL 함수는 Amazon Redshift에서 지원되지 않습니다.
+ 액세스 권한 조회 함수
+ 권고 잠금 함수
+ 집계 함수
+ STRING\$1AGG()
+ ARRAY\$1AGG()
+ EVERY()
+ XML\$1AGG()
+ CORR()
+ COVAR\$1POP()
+ COVAR\$1SAMP()
+ REGR\$1AVGX(), REGR\$1AVGY()
+ REGR\$1COUNT()
+ REGR\$1INTERCEPT()
+ REGR\$1R2()
+ REGR\$1SLOPE()
+ REGR\$1SXX(), REGR\$1SXY(), REGR\$1SYY()
+ 배열 함수 및 연산자
+ 백업 제어 함수
+ 주석 정보 함수
+ 데이터베이스 객체 위치 함수
+ 데이터베이스 객체 크기 함수
+ 날짜/시간 함수 및 연산자
+ CLOCK\$1TIMESTAMP()
+ JUSTIFY\$1DAYS(), JUSTIFY\$1HOURS(), JUSTIFY\$1INTERVAL()
+ PG\$1SLEEP()
+ TRANSACTION\$1TIMESTAMP()
+ ENUM 지원 함수
+ 기하 함수 및 연산자
+ 제네릭 파일 액세스 함수
+ IS DISTINCT FROM
+ 네트워크 주소 함수 및 연산자
+ 수학 함수
+ DIV()
+ SETSEED()
+ WIDTH\$1BUCKET()
+ 설정 반환 함수
+ GENERATE\$1SERIES()
+ GENERATE\$1SUBSCRIPTS()
+ 범위 함수 및 연산자
+ 복구 제어 함수
+ 복구 정보 함수
+ ROLLBACK TO SAVEPOINT 함수
+ 스키마 가시성 조회 함수
+ 서버 신호 전송 함수
+ 스냅샷 동기화 함수
+ 시퀀스 조작 함수
+ 문자열 함수
+ BIT\$1LENGTH()
+ OVERLAY()
+ CONVERT(), CONVERT\$1FROM(), CONVERT\$1TO()
+ ENCODE()
+ FORMAT()
+ QUOTE\$1NULLABLE()
+ REGEXP\$1MATCHES()
+ REGEXP\$1SPLIT\$1TO\$1ARRAY()
+ REGEXP\$1SPLIT\$1TO\$1TABLE()
+ 시스템 카탈로그 정보 함수
+ 시스템 정보 함수
+ CURRENT\$1CATALOG CURRENT\$1QUERY()
+ INET\$1CLIENT\$1ADDR()
+ INET\$1CLIENT\$1PORT()
+ INET\$1SERVER\$1ADDR() INET\$1SERVER\$1PORT()
+ PG\$1CONF\$1LOAD\$1TIME()
+ PG\$1IS\$1OTHER\$1TEMP\$1SCHEMA()
+ PG\$1LISTENING\$1CHANNELS()
+ PG\$1MY\$1TEMP\$1SCHEMA()
+ PG\$1POSTMASTER\$1START\$1TIME()
+ PG\$1TRIGGER\$1DEPTH()
+ SHOW VERSION()
+ 텍스트 검색 함수 및 연산자
+ 트랜잭션 ID 및 스냅샷 함수
+ 트리거 함수
+ XML 함수
# SQL 사용
**Topics**
+ [SQL 참조 규칙](c_SQL_reference_conventions.md)
+ [기본 요소](c_Basic_elements.md)
+ [Expressions](r_expressions.md)
+ [조건](r_conditions.md)
SQL 언어는 데이터베이스 및 데이터베이스 객체 작업 시 사용하는 명령과 함수로 구성되어 있습니다. 또한 데이터 형식, 표현식 및 리터럴의 사용에 대한 규칙을 적용하기도 합니다.
# SQL 참조 규칙
이번 섹션에서는 SQL 참조 섹션에서 설명한 SQL 표현식, 명령 및 함수의 구문을 작성하는 데 사용되는 규칙에 대해 설명합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/c_SQL_reference_conventions.html)
# 기본 요소
**Topics**
+ [이름 및 식별자](r_names.md)
+ [Literal](r_Literals.md)
+ [NULL](r_Nulls.md)
+ [데이터 타입](c_Supported_data_types.md)
+ [콜레이션 시퀀스](c_collation_sequences.md)
이번 섹션에서는 데이터베이스 객체 이름, 리터럴, NULL, 데이터 형식 등의 작업 규칙에 대해서 설명합니다.
# 이름 및 식별자
이름은 사용자와 암호 외에도 테이블이나 열 같은 데이터베이스 객체를 식별하는 역할을 합니다. *이름*과 *식별자*는 서로 통용되는 용어입니다. 식별자는 표준 식별자와 인용 또는 구분 식별자, 2가지 유형이 있습니다. 또한 인쇄 가능한 UTF-8 문자로만 구성되어야 합니다. 표준 및 구분 식별자의 ASCII 문자는 대/소문자를 구분하지 않고 데이터베이스에서 모두 소문자로 변환됩니다. 쿼리 결과에서 열 이름은 기본적으로 소문자로 반환됩니다. 열 이름을 대문자로 반환하려면 [describe\$1field\$1name\$1in\$1uppercase](r_describe_field_name_in_uppercase.md) 구성 파라미터를 **true**로 설정하세요.
## 표준 식별자
표준 SQL 식별자는 규칙 집합을 준수하고, 다음과 같이 따라야 합니다.
+ ASCII 단일 바이트 알파벳 문자 또는 밑줄 문자나, 2\$14바이트 길이의 UTF-8 멀티바이트 문자로 시작합니다.
+ 후속 문자는 ASCII 단일 바이트 영숫자 문자, 밑줄 또는 달러 기호, 혹은 2\$14바이트 길이의 UTF-8 멀티바이트 문자가 될 수 있습니다.
+ 길이는 1\$1127바이트가 되어야 하며, 여기에 구분 식별자의 인용 부호는 포함되지 않습니다.
+ 인용 부호나 공백이 포함되어서는 안 됩니다.
+ 예약된 SQL 키워드가 되어서는 안 됩니다.
## 구분 식별자
구분 식별자(인용 식별자로도 불림)는 큰 따옴표(")로 시작해서 끝납니다. 구분 식별자를 사용하는 경우에는 해당하는 객체 참조마다 큰 따옴표를 사용해야 합니다. 이 식별자에는 큰따옴표 외에 인쇄 가능한 표준 UTF-8 문자라면 무엇이든 포함될 수 있습니다. 따라서 그 밖에 공백이나 퍼센트 기호 같이 잘못된 문자까지 포함한 열 또는 테이블 이름도 생성할 수 있습니다.
구분 식별자의 ASCII 문자는 대/소문자를 구분하지 않고 모두 소문자로 변환됩니다. 문자열에 큰따옴표를 사용하려면 다른 큰따옴표를 앞에 입력해야 합니다.
## 대/소문자 구분 식별자
대/소문자 구분 식별자(대/소문자 혼합 식별자라고도 함)에는 대문자와 소문자가 모두 포함될 수 있습니다. 대/소문자 구분 식별자를 사용하려면 구성 `enable_case_sensitive_identifier`를 `true`로 설정합니다. 클러스터나 세션에 대해 이 구성을 설정할 수 있습니다. 자세한 내용은 [enable\$1case\$1sensitive\$1identifier](r_enable_case_sensitive_identifier.md) 및 *Amazon Redshift 관리 가이드*의 [기본 파라미터 값](https://docs.aws.amazon.com/redshift/latest/mgmt/working-with-parameter-groups.html#default-param-group-values) 섹션을 참조하세요.
## 시스템 열 이름
다음 PostgreSQL 시스템 열 이름은 사용자 정의 열의 열 이름으로 사용할 수 없습니다. 자세한 내용은 [https://www.postgresql.org/docs/8.0/static/ddl-system-columns.html](https://www.postgresql.org/docs/8.0/static/ddl-system-columns.html)에서 확인할 수 있습니다.
+ `oid`
+ `tableoid`
+ `xmin`
+ `cmin`
+ `xmax`
+ `cmax`
+ `ctid`
## 예제
다음 표에 구분 식별자의 예, 출력 결과 및 설명이 나와 있습니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_names.html)
다음은 이 "is it"이라는 열을 포함하여 group이라는 이름의 테이블을 생성하는 예입니다.
```
create table "group" (
"This ""IS IT""" char(10));
```
다음은 동일한 결과를 반환하는 쿼리입니다.
```
select "This ""IS IT"""
from "group";
this "is it"
--------------
(0 rows)
```
```
select "this ""is it"""
from "group";
this "is it"
--------------
(0 rows)
```
다음은 동일한 결과를 반환하도록 정규화된 `table.column` 구문입니다.
```
select "group"."this ""is it"""
from "group";
this "is it"
--------------
(0 rows)
```
다음은 열 이름에 슬래시가 있는 테이블을 생성하는 CREATE TABLE 명령입니다.
```
create table if not exists city_slash_id(
"city/id" integer not null,
state char(2) not null);
```
# Literal
리터럴 또는 상수는 연속된 문자 또는 숫자 상수로 구성된 데이터 고정 값입니다. Amazon Redshift는 다음과 같은 여러 가지 형식의 리터럴을 지원합니다.
+ 숫자 리터럴(정수, 소수, 부동 소수점 수) 자세한 내용은 [정수 및 부동 소수점 리터럴](r_numeric_literals201.md) 섹션을 참조하세요.
+ 문자 리터럴(문자열, 문자 문자열 또는 문자 상수)
+ 날짜/시간 및 간격 리터럴(날짜/시간 데이터 형식과 함께 사용됨) 자세한 내용은 [날짜, 시간 및 타임스탬프 리터럴](r_Date_and_time_literals.md) 및 [간격 데이터 유형 및 리터럴](r_interval_data_types.md) 섹션을 참조하세요.
# NULL
행의 열이 누락되었거나, 알 수 없거나, 혹은 적용되지 않는 경우에는 NULL 값이거나, NULL을 포함한다고 얘기합니다. NULL은 모든 데이터 형식에서 기본 키 또는 NOT NULL 제약 조건의 제한을 받지 않는 필드에 나타날 수 있습니다. 0의 값이나 빈 문자열하고는 다릅니다.
NULL이 포함된 산술 표현식은 항상 NULL로 평가됩니다. NULL 인수 또는 피연산자가 지정되면 모든 연산자가 NULL을 반환합니다.
NULL 유무를 테스트할 때는 비교 조건인 IS NULL과 IS NOT NULL을 사용합니다. NULL은 데이터 부족을 의미하기 때문에 임의의 값이나 다른 NULL과 같을 수는 없습니다.
# 데이터 타입
**Topics**
+ [멀티바이트 문자](#c_Supported_data_types-multi-byte-characters)
+ [숫자형](r_Numeric_types201.md)
+ [문자 형식](r_Character_types.md)
+ [날짜/시간 형식](r_Datetime_types.md)
+ [부울 유형](r_Boolean_type.md)
+ [HLLSKETCH 형식](r_HLLSKTECH_type.md)
+ [SUPER 형식](r_SUPER_type.md)
+ [VARBYTE 형식](r_VARBYTE_type.md)
+ [형식 호환성 및 변환](#r_Type_conversion)
Amazon Redshift가 저장하거나 가져오는 값은 각각 고정적으로 연결된 속성 집합이 포함된 데이터 형식을 가지고 있습니다. 데이터 형식은 테이블을 생성할 때 선언됩니다. 열이나 인수에 포함될 수 있는 값도 이 데이터 형식에 따라 결정됩니다.
다음 표는 Amazon Redshift 테이블에서 사용할 수 있는 데이터 형식을 나열한 것입니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/c_Supported_data_types.html)
**참고**
“char”(char는 인용 부호로 묶임) 등 지원되지 않는 데이터 형식에 대한 자세한 내용은 [지원되지 않는 PostgreSQL 데이터 유형](c_unsupported-postgresql-datatypes.md) 섹션을 참조하세요.
## 멀티바이트 문자
VARCHAR 데이터 형식은 최대 4바이트의 UTF-8 멀티바이트 문자를 지원합니다. 5바이트 이상의 문자는 지원되지 않습니다. 멀티바이트 문자가 포함된 VARCHAR 열의 크기를 계산하려면 문자 수를 문자당 바이트 수와 곱셈합니다. 예를 들어 문자열에 한자가 4개 포함되어 있고, 각 문자의 길이가 3바이트라면 문자열을 저장하는 데 VARCHAR(12) 열이 필요합니다.
VARCHAR 데이터 유형은 다음과 같이 잘못된 UTF-8 코드포인트를 지원하지 않습니다.
`0xD800 – 0xDFFF`(바이트 시퀀스:`ED A0 80` \$1`ED BF BF`)
CHAR 데이터 유형은 멀티바이트 문자를 지원하지 않습니다.
# 숫자형
**Topics**
+ [정수 형식](#r_Numeric_types201-integer-types)
+ [DECIMAL 또는 NUMERIC 형식](#r_Numeric_types201-decimal-or-numeric-type)
+ [128비트 DECIMAL 또는 NUMERIC 열 사용에 대한 주의 사항](#r_Numeric_types201-notes-about-using-128-bit-decimal-or-numeric-columns)
+ [부동 소수점 형식](#r_Numeric_types201-floating-point-types)
+ [숫자 값 계산](r_numeric_computations201.md)
+ [정수 및 부동 소수점 리터럴](r_numeric_literals201.md)
+ [숫자 형식의 예제](r_Examples_with_numeric_types201.md)
숫자 데이터 형식으로는 정수, 소수 및 부동 소수점 수가 있습니다.
## 정수 형식
SMALLINT, INTEGER 및 BIGINT 데이터 형식을 사용하여 다양한 범위의 정수를 저장합니다. 각 형식마다 허용 범위를 벗어나는 값은 저장할 수 없습니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_Numeric_types201.html)
## DECIMAL 또는 NUMERIC 형식
소수 또는 숫자 데이터 형식을 사용하여 *사용자 정의 정밀도*가 포함된 값을 저장합니다. 여기에서 소수와 숫자 키워드는 동일한 의미로 통용됩니다. 하지만 본 문서에서는 *소수*가 이 데이터 형식에서 우선적으로 사용되는 용어입니다. 실제로 *숫자*는 일반적으로 정수, 소수 및 부동 소수점 데이터 형식을 일컬을 때 사용됩니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_Numeric_types201.html)
테이블에서 DECIMAL 열은 *precision*과 *scale*을 지정하여 다음과 같이 정의합니다.
```
decimal(precision, scale)
```
*precision*
정수에서 전체 유효 자릿수, 즉 소수점 양변의 자릿수를 말합니다. 예를 들어 숫자 `48.2891`의 정밀도는 6이고, 소수점 자릿수는 4입니다. 정밀도를 따로 지정하지 않을 경우 기본 정밀도는 18입니다. 최대 정밀도는 38입니다.
입력 값에서 소수점 왼쪽의 자릿수가 열 정밀도에서 소수점 자릿수를 뺀 값보다 큰 경우에는 값을 열에 복사하거나, 삽입하거나 혹은 업데이트할 수 없습니다. 이 규칙은 열 정의의 범위를 벗어나는 모든 값에 적용됩니다. 예를 들어 `numeric(5,2)` 열에서는 허용되는 값의 범위가 `-999.99`\$1`999.99`입니다.
*\$1/scale*
값의 소수부, 즉 소수점 오른쪽의 소수 자릿수를 말합니다. 정수는 소수 자릿수가 0입니다. 열 명세에서 소수점 자릿수 값은 정밀도 값보다 작거나 같아야 합니다. 소수점 자릿수를 따로 지정하지 않을 경우 기본 소수점 자릿수는 18입니다. 최대 소수점 자릿수는 37입니다.
테이블에 로드되는 입력 값의 소수점 자릿수가 열의 소수점 자릿수보다 큰 경우에는 값이 지정한 자릿수로 반올림됩니다. 예를 들어 SALES 테이블의 PRICEPAID 열이 DECIMAL(8,2) 열이라고 가정하겠습니다. 이때 DECIMAL(8,4) 값이 PRICEPAID 열에 삽입되면 값의 소수점 자릿수가 2로 반올림됩니다.
```
insert into sales
values (0, 8, 1, 1, 2000, 14, 5, 4323.8951, 11.00, null);
select pricepaid, salesid from sales where salesid=0;
pricepaid | salesid
-----------+---------
4323.90 | 0
(1 row)
```
하지만 테이블에서 선택한 값의 명시적인 변환 결과는 반올림되지 않습니다.
**참고**
DECIMAL(19,0) 열에 삽입할 수 있는 최대 양의 값은 `9223372036854775807`(263 -1)입니다. 음의 최댓값은 `-9223372036854775808`입니다. 예를 들어 `9999999999999999999`(9 19개) 값을 삽입하려고 하면 오버플로우 오류가 발생합니다. 소수점 위치에 상관없이 Amazon Redshift에서 DECIMAL 숫자로 표현할 수 있는 가장 큰 문자열은 `9223372036854775807`입니다. 예를 들어 DECIMAL(19,18) 열에 로드할 수 있는 가장 큰 값은 `9.223372036854775807`입니다.
유효 자릿수가 19자리 이하인 DECIMAL 값은 내부적으로 8바이트 정수로 저장되지만, 유효 자릿수가 20\$138자리인 DECIMAL 값은 16바이트 정수로 저장되기 때문에 이러한 규칙이 적용됩니다.
## 128비트 DECIMAL 또는 NUMERIC 열 사용에 대한 주의 사항
애플리케이션에 해당 전체 자릿수가 필요한지 확실하지 않은 경우 DECIMAL 열에 최대 전체 자릿수를 임의로 지정하지 않도록 합니다. 128비트 값은 64비트 값보다 두 배 많은 디스크 공간을 사용하므로 쿼리 실행 시간이 느려질 수 있습니다.
## 부동 소수점 형식
REAL 및 DOUBLE PRECISION 데이터 형식을 사용하여 *가변 정밀도*의 숫자 값을 저장합니다. 부동 소수점 형식은 *부정확합니다*. 이 말은 일부 값이 근사치로 저장되어 특정 값을 저장하거나 반환할 때 약간 불일치가 발생할 수 있다는 것을 의미합니다. 따라서 정확한 저장 및 계산이 필요하다면(금전적 액수 등) DECIMAL 데이터 형식을 사용하세요.
REAL은 이진 부동 소수점 산술에 대한 IEEE 표준 754에 따른 단정밀도 부동 소수점 형식을 나타냅니다. 정밀도는 약 6자리이며 범위는 약 1E-37\$11E\$137입니다. 이 데이터 유형을 FLOAT4로 지정할 수도 있습니다.
DOUBLE PRECISION은 이진 부동 소수점 산술에 대한 IEEE 표준 754에 따른 배정밀도 부동 소수점 형식을 나타냅니다. 정밀도는 약 15자리이며 범위는 약 1E-307\$11E\$1308입니다. 이 데이터 유형을 FLOAT 또는 FLOAT8로 지정할 수도 있습니다.
부동 소수점 유형에는 일반 숫자 값 외에도 몇 가지 특수 값이 있습니다. SQL에서 이러한 값을 사용할 때는 다음 값 주위에 작은따옴표를 사용하세요.
+ `NaN` – 숫자가 아님
+ `Infinity` - 무한대
+ `-Infinity` - 음의 무한대
예를 들어, `customer_activity` 테이블의 `day_charge` 열에 숫자가 아닌 항목을 삽입하려면 다음 SQL을 실행합니다.
```
insert into customer_activity(day_charge) values('NaN');
```
# 숫자 값 계산
여기에서 *계산*이란 더하기, 빼기, 곱하기, 나누기 등 수학적인 이진 연산을 말합니다. 이번 섹션에서는 이러한 연산에 따라 예상되는 반환 형식을 비롯해 DECIMAL 데이터 형식이 포함되어 있을 경우 정밀도와 소수점 자릿수의 계산 공식에 대해서 설명합니다.
쿼리 처리 시 숫자 값을 계산할 때는 계산이 불가능하거나 쿼리가 숫자 오버플로우 오류를 반환하는 상황이 발생할 수 있습니다. 그 밖에도 계산된 값의 소수점 자릿수가 바뀌거나 예상과 다를 수도 있습니다. 일부 연산에서는 명시적 캐스팅(형식 승격) 또는 Amazon Redshift 구성 파라미터를 사용하여 이러한 문제를 피할 수 있습니다.
SQL 함수를 사용하는 비슷한 계산 결과에 대한 자세한 내용은 [집계 함수](c_Aggregate_Functions.md) 섹션을 참조하세요.
## 계산 반환 형식
다음 표는 Amazon Redshift에서 지원되는 숫자 데이터 형식을 고려하여 더하기, 빼기, 곱하기 및 나누기 연산에 따라 예상되는 반환 형식을 나타낸 것입니다. 표 왼쪽에서 첫 번째 열은 계산에 포함되는 첫 번째 피연산자이고, 맨 위의 행은 두 번째 피연산자를 의미합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_numeric_computations201.html)
## 계산된 DECIMAL 결과의 정밀도와 소수점 자릿수
다음 표는 수학 연산이 DECIMAL 결과를 반환할 때 정밀도와 소수점 자릿수를 계산하는 규칙을 요약한 것입니다. 이 표에서 `p1`과 `s1`은 계산 시 첫 번째 피연산자의 정밀도 및 소수점 자릿수를, 그리고 `p2`와 `s2`는 두 번째 피연산자의 정밀도 및 소수점 자릿수를 의미합니다. 이 계산과 상관없이 최대 결과 정밀도는 38이고, 최대 결과 소수점 자릿수도 38입니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_numeric_computations201.html)
예를 들어 SALES 테이블의 PRICEPAID 열과 COMMISSION 열이 모두 DECIMAL(8,2) 열이라고 가정하겠습니다. 이때 PRICEPAID를 COMMISSION으로(혹은 그 반대로) 나누면 다음과 같은 공식이 적용됩니다.
```
Precision = 8-2 + 2 + max(4,2+8-2+1)
= 6 + 2 + 9 = 17
Scale = max(4,2+8-2+1) = 9
Result = DECIMAL(17,9)
```
다음 계산은 UNION, INTERSECT, EXCEPT 같은 집합 연산자나 COALESCE, DECODE 같은 함수를 사용해 DECIMAL 값에 대한 연산 결과 정밀도와 소수점 자릿수를 계산하기 위한 일반 규칙입니다.
```
Scale = max(s1,s2)
Precision = min(max(p1-s1,p2-s2)+scale,19)
```
예를 들어 DECIMAL(7,2) 열 1개가 포함된 DEC1 테이블이 DECIMAL(15,3) 열 1개가 포함된 DEC2 테이블과 조인되어 DEC3 테이블을 생성한다고 가정할 때, DEC3의 스키마를 보면 NUMERIC(15,3) 열이 되는 것을 알 수 있습니다.
```
create table dec3 as select * from dec1 union select * from dec2;
```
결과
```
select "column", type, encoding, distkey, sortkey
from pg_table_def where tablename = 'dec3';
column | type | encoding | distkey | sortkey
-------+---------------+----------+---------+---------
c1 | numeric(15,3) | none | f | 0
```
위 예에서 적용되는 공식은 다음과 같습니다.
```
Precision = min(max(7-2,15-3) + max(2,3), 19)
= 12 + 3 = 15
Scale = max(2,3) = 3
Result = DECIMAL(15,3)
```
## 나누기 연산에 대한 주의 사항
나누기 연산에서 0으로 나누는(divide-by-zero) 조건은 오류를 반환합니다.
정밀도와 소수점 자릿수를 계산한 후에는 소수점 자릿수 한계로 100이 적용됩니다. 계산된 결과 소수점 자릿수가 100보다 크면 나누기 결과가 다음과 같이 조정됩니다.
+ precision = ` precision - (scale - max_scale)`
+ Scale = ` max_scale `
계산된 정밀도가 최대 정밀도(38)보다 크면 정밀도가 38로 줄어들고, 소수점 자릿수는 다음 공식의 결과 값이 됩니다. `max((38 + scale - precision), min(4, 100))`
## 오버플로우 조건
모든 수치 계산에서는 오버플로우 여부를 확인합니다. 정밀도가 19 이하인 DECIMAL 데이터는 64비트 정수로 저장됩니다. 정밀도가 19보다 큰 DECIMAL 데이터는 128비트 정수로 저장됩니다. DECIMAL 값은 모두 최대 정밀도가 38이고, 최대 소수점 자릿수가 37입니다. 오버플로우 오류는 값이 이러한 제한을 초과할 때 발생하며, 중간 결과 집합과 최종 결과 집합 모두에 적용됩니다.
+ 특정 데이터 값이 CAST 함수에서 지정하는 정밀도 또는 소수점 자릿수와 맞지 않으면 명시적 변환을 실행해도 오버플로우 오류를 반환합니다. 예를 들어 SALES 테이블의 PRICEPAID 열(DECIMAL(8,2) 열)에 있는 값을 모두 변환할 수는 없기 때문에 다음과 같이 DECIMAL(7,3) 결과를 반환합니다.
```
select pricepaid::decimal(7,3) from sales;
ERROR: Numeric data overflow (result precision)
```
이러한 오류가 발생하는 이유는 PRICEPAID 열에서 *일부* 더 큰 값은 변환할 수 없기 때문입니다.
+ 곱하기 연산은 결과 소수점 자릿수가 각 피연산자의 소수점 자릿수 합인 결과를 산출합니다. 예를 들어 두 피연산자의 소수점 자릿수가 4라고 한다면 결과 소수점 자릿수는 8이 되고 소수점 왼쪽에는 10자리만 남게 됩니다. 따라서 둘 다 유효 소수점 자릿수를 가지고 있는 큰 수 2개를 곱할 경우에는 비교적 오버플로우 조건이 발생하기 쉽습니다.
다음 예는 오버플로 오류를 유발합니다.
```
SELECT CAST(1 AS DECIMAL(38, 20)) * CAST(10 AS DECIMAL(38, 20));
ERROR: 128 bit numeric data overflow (multiplication)
```
곱하기 대신 나누기를 사용하여 오버플로 오류를 해결할 수 있습니다. 다음 예를 사용하여 원래 제수로 나눈 1로 나눕니다.
```
SELECT CAST(1 AS DECIMAL(38, 20)) / (1 / CAST(10 AS DECIMAL(38, 20)));
+----------+
| ?column? |
+----------+
| 10 |
+----------+
```
## INTEGER 및 DECIMAL 형식을 사용한 숫자 계산
계산 시 피연산자 하나가 INTEGER 데이터 형식이고, 나머지 피연산자가 DECIMAL 데이터 형식인 경우에는 INTEGER 피연산자가 묵시적으로 DECIMAL로 변환됩니다.
+ INT2(SMALLINT)는 DECIMAL(5,0)로 변환됨
+ INT4(INTEGER)는 DECIMAL(10,0)로 변환됨
+ INT8(BIGINT)은 DECIMAL(19,0)로 변환됨
예를 들어 SALES.COMMISSION(DECIMAL(8,2) 열)과 SALES.QTYSOLD(SMALLINT 열)를 곱하면 다음과 같이 변환됩니다.
```
DECIMAL(8,2) * DECIMAL(5,0)
```
# 정수 및 부동 소수점 리터럴
숫자를 나타내는 리터럴이나 상수는 정수 또는 부동 소수점이 될 수 있습니다.
## 정수 리터럴
정수 상수는 0부터 9까지 연속된 숫자로서 옵션으로 양(\$1) 또는 음(-)의 부호가 숫자 앞에 추가됩니다.
## 구문
```
[ + | - ] digit ...
```
## 예제
유효한 정수를 예로 들면 다음과 같습니다.
```
23
-555
+17
```
## 부동 소수점 리터럴
부동 소수점 리터럴(소수, 숫자 또는 분수 리터럴)은 소수점과 옵션으로 지수 표시(e)까지 포함할 수 있는 연속된 숫자입니다.
## 구문
```
[ + | - ] digit ... [ . ] [ digit ...]
[ e | E [ + | - ] digit ... ]
```
## 인수
ee
e 또는 E는 숫자가 유효숫자 표기법으로 지정되는 것을 나타냅니다.
## 예제
유효한 부동 소수점 리터럴을 예로 들면 다음과 같습니다.
```
3.14159
-37.
2.0e19
-2E-19
```
# 숫자 형식의 예제
## CREATE TABLE 문
다음은 여러 가지 숫자 데이터 형식을 선언하는 CREATE TABLE 문입니다.
```
create table film (
film_id integer,
language_id smallint,
original_language_id smallint,
rental_duration smallint default 3,
rental_rate numeric(4,2) default 4.99,
length smallint,
replacement_cost real default 25.00);
```
## 범위를 벗어난 정수를 삽입하려고 시도
다음은 값 33000을 SMALLINT 열에 삽입하는 예입니다.
```
insert into film(language_id) values(33000);
```
SMALLINT의 범위가 -32768\$1\$132767이기 때문에 Amazon Redshift가 오류를 반환합니다.
```
An error occurred when executing the SQL command:
insert into film(language_id) values(33000)
ERROR: smallint out of range [SQL State=22003]
```
## 소수 값을 정수 열에 삽입
다음은 소수 값을 INT 열에 삽입하는 예입니다.
```
insert into film(language_id) values(1.5);
```
이 값은 정수 값 2로 반올림하여 삽입됩니다.
## 소수점 자릿수를 반올림하여 소수 값 삽입
다음은 정밀도가 열보다 높은 소수 값을 삽입하는 예입니다.
```
insert into film(rental_rate) values(35.512);
```
이 경우에는 `35.51` 값이 열에 삽입됩니다.
## 범위를 벗어나는 소수 값을 삽입하려고 시도
이 경우에는 `350.10` 값이 범위를 벗어납니다. DECIMAL 열에서 값의 자릿수는 열의 정밀도에서 소수점 자릿수를 뺀 값과 동일합니다(RENTAL\$1RATE의 경우 4 - 2). 다시 말해서 `DECIMAL(4,2)` 열의 허용 범위는 `-99.99`\$1`99.99`입니다.
```
insert into film(rental_rate) values (350.10);
ERROR: numeric field overflow
DETAIL: The absolute value is greater than or equal to 10^2 for field with precision 4, scale 2.
```
## REAL 열에 가변 정밀도 값 삽입
다음은 가변 정밀도 값을 REAL 열에 삽입하는 예입니다.
```
insert into film(replacement_cost) values(1999999.99);
insert into film(replacement_cost) values(1999.99);
select replacement_cost from film;
+------------------+
| replacement_cost |
+------------------+
| 2000000 |
| 1999.99 |
+------------------+
```
`1999999.99` 값은 `REAL`으로 변환되어 `2000000` 열의 정밀도 요건을 충족합니다. `1999.99` 값은 그대로 로드됩니다.
# 문자 형식
**Topics**
+ [스토리지 및 범위](#r_Character_types-storage-and-ranges)
+ [CHAR 또는 CHARACTER](#r_Character_types-char-or-character)
+ [VARCHAR 또는 CHARACTER VARYING](#r_Character_types-varchar-or-character-varying)
+ [NCHAR 및 NVARCHAR 형식](#r_Character_types-nchar-and-nvarchar-types)
+ [TEXT 및 BPCHAR 형식](#r_Character_types-text-and-bpchar-types)
+ [후행 공백의 중요성](#r_Character_types-significance-of-trailing-blanks)
+ [문자 형식의 예제](r_Examples_with_character_types.md)
문자 데이터 형식에는 CHAR(문자)와 VARCHAR(가변 문자)가 포함됩니다.
## 스토리지 및 범위
CHAR 및 VARCHAR 데이터 형식은 문자가 아닌 바이트로 정의됩니다. CHAR 열에는 단일 바이트 문자만 포함되기 때문에 예를 들어 CHAR(10) 열이라고 하면 최대 10바이트의 문자열이 포함될 수 있습니다. VARCHAR에는 멀티바이트 문자가 포함되어 문자당 최대 4바이트까지 가능합니다. 예를 들어 VARCHAR(12)라고 하면 단일 바이트 문자 12개, 2바이트 문자 6개, 3바이트 문자 4개, 또는 4바이트 문자 3개가 포함될 수 있습니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_Character_types.html)
**참고**
CREATE TABLE 구문은 문자 데이터 형식에 MAX 키워드를 지원합니다. 예제:
```
create table test(col1 varchar(max));
```
CHAR의 경우 MAX는 열 너비를 4096바이트로 정의합니다.
VARCHAR의 경우 MAX는 CREATE TABLE 문에서 열 너비를 65,535바이트로 정의합니다. 인 메모리 작업의 경우 VARCHAR(MAX)는 최대 16,000,000바이트를 지원합니다.
## CHAR 또는 CHARACTER
CHAR 또는 CHARACTER 열은 고정 길이 문자열을 저장하는 데 사용됩니다. 이 문자열은 공백으로 채워지므로 CHAR(10) 열은 항상 10바이트의 스토리지를 차지합니다.
```
char(10)
```
길이 명세가 없는 CHAR 열은 CHAR(1) 열이 됩니다.
## VARCHAR 또는 CHARACTER VARYING
VARCHAR 또는 CHARACTER VARYING 열은 제한이 고정되어 있는 가변 길이 문자열을 저장하는 데 사용됩니다. 이 문자열은 공백으로 채워지지 않으므로 VARCHAR(120) 열은 단일 바이트 문자 120개, 2바이트 문자 60개, 3바이트 문자 40개 또는 4바이트 문자 30개까지 구성됩니다.
```
varchar(120)
```
CREATE TABLE 문에서 길이 지정자 없이 VARCHAR 데이터 형식을 사용하는 경우 기본 길이는 256입니다.
[문자열 함수](String_functions_header.md)는 이제 최대 16,000,000바이트를 지원합니다. 예를 들어 CONCAT 함수 출력은 이전에는 65,535바이트로 제한되었지만 이제는 최대 16,000,000바이트를 지원합니다.
```
SELECT LEN(CONCAT(REPEAT('A', 5000000), REPEAT('B', 5000000))) AS total_length;
total_length
--------------
10000000
```
## NCHAR 및 NVARCHAR 형식
NCHAR 및 NVARCHAR 형식(NATIONAL CHARACTER 및 NATIONAL CHARACTER VARYING 형식으로도 불림)의 열을 생성할 수 있습니다. 이 두 형식은 각각 CHAR 및 VARCHAR 형식으로 변환된 후 지정한 바이트 수로 저장됩니다.
길이 명세가 없는 NCHAR 열은 CHAR(1) 열로 변환됩니다.
길이 명세가 없는 NVARCHAR 열은 VARCHAR(256) 열로 변환됩니다.
## TEXT 및 BPCHAR 형식
TEXT 열이 포함된 Amazon Redshift 테이블을 생성할 수는 있지만 이 열은 VARCHAR(256) 열로 변환되어 최대 256개 문자까지 가변 길이 값을 허용합니다.
BPCHAR(공백 채움 문자) 형식의 Amazon Redshift 열을 생성할 수 있으며, 이 열은 Amazon Redshift에서 고정 길이 CHAR(256) 열로 변환됩니다.
## 후행 공백의 중요성
CHAR 및 VARCHAR 데이터 형식은 모두 *n* 바이트 길이까지 문자열을 저장합니다. 더욱 긴 문자열을 이러한 형식의 열에 저장하려고 하면 오류를 반환합니다. 단, 추가 문자가 모두 공백일 경우에는 문자열이 최대 길이까지 잘립니다. 문자열이 최대 길이보다 짧을 경우 CHAR 값은 공백으로 채워지지만 VARCHAR 값은 공백 없이 문자열을 저장합니다.
CHAR 값에서 후행 공백은 언제나 의미상 유의적이지 않습니다. CHAR 값 2개를 비교할 때는 무시되고, LENGTH 계산에 포함되지 않으며, 그리고 CHAR 값을 다른 문자열 형식으로 변환할 때는 제거됩니다.
값을 서로 비교할 경우 VARCHAR 값과 CHAR 값의 후행 공백은 의미상 유의적이지 않습니다.
LENGTH 계산을 실행하면 길이에 포함된 후행 공백까지 합쳐서 VARCHAR 문자열의 길이를 반환합니다. 하지만 고정 길이 문자열에서는 후행 공백을 길이에 포함하여 계산하지 않습니다.
# 문자 형식의 예제
## CREATE TABLE 문
다음은 VARCHAR 및 CHAR 데이터 형식을 사용하는 CREATE TABLE 문입니다.
```
create table address(
address_id integer,
address1 varchar(100),
address2 varchar(50),
district varchar(20),
city_name char(20),
state char(2),
postal_code char(5)
);
```
다음 예부터는 위에서 생성한 테이블을 사용합니다.
## 가변 길이 문자열의 후행 공백
ADDRESS1이 VARCHAR 열이기 때문에 두 번째 삽입된 주소의 후행 공백은 의미상 유의적이지 않습니다. 다시 말해서 삽입된 주소 2개 모두 *일치합니다*.
```
insert into address(address1) values('9516 Magnolia Boulevard');
insert into address(address1) values('9516 Magnolia Boulevard ');
```
```
select count(*) from address
where address1='9516 Magnolia Boulevard';
count
-------
2
(1 row)
```
ADDRESS1 열이 CHAR 열이고 동일한 값이 삽입되었다면 COUNT(\$1) 쿼리는 문자열을 동일하게 인식하여 `2`를 반환할 것입니다.
## LENGTH 함수의 결과
LENGTH 함수는 VARCHAR 열의 후행 공백을 인식합니다.
```
select length(address1) from address;
length
--------
23
25
(2 rows)
```
CITY\$1NAME 열(CHAR 열)에서 `Augusta` 값은 입력 문자열의 후행 공백 유무에 상관없이 항상 7자의 문자 길이를 반환합니다.
## 열의 길이를 초과하는 값
다음과 같은 경우에는 문자열이 선언한 열의 폭에 맞춰 잘리지 않습니다.
```
insert into address(city_name) values('City of South San Francisco');
ERROR: value too long for type character(20)
```
이러한 문제는 아래와 같이 값을 열의 크기로 변환하여 해결할 수 있습니다.
```
insert into address(city_name)
values('City of South San Francisco'::char(20));
```
이 경우 문자열의 첫 20자(`City of South San Fr`)가 열에 로드됩니다.
# 날짜/시간 형식
**Topics**
+ [스토리지 및 범위](#r_Datetime_types-storage-and-ranges)
+ [DATE](#r_Datetime_types-date)
+ [TIME](#r_Datetime_types-time)
+ [TIMETZ](#r_Datetime_types-timetz)
+ [TIMESTAMP](#r_Datetime_types-timestamp)
+ [TIMESTAMPTZ](#r_Datetime_types-timestamptz)
+ [날짜/시간 형식의 예제](r_Examples_with_datetime_types.md)
+ [날짜, 시간 및 타임스탬프 리터럴](r_Date_and_time_literals.md)
+ [간격 데이터 유형 및 리터럴](r_interval_data_types.md)
날짜/시간 데이터 형식으로는 DATE, TIME, TIMETZ, TIMESTAMP 및 TIMESTAMPTZ가 있습니다.
## 스토리지 및 범위
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_Datetime_types.html)
## DATE
DATE 데이터 형식은 타임스탬프 없이 날짜만 저장하는 데 사용됩니다.
## TIME
TIME은 TIME WITHOUT TIME ZONE의 별칭입니다.
TIME 데이터 형식을 사용하여 시간을 저장합니다.
TIME 열에는 초의 소수점 이하 자릿수가 최대 6자리인 값이 저장됩니다.
기본적으로 TIME 값은 사용자 테이블과 Amazon Redshift 시스템 테이블 모두에서 협정 세계시(UTC)입니다.
## TIMETZ
TIMETZ는 TIME WITH TIME ZONE의 별칭입니다.
TIMETZ 데이터 형식을 사용하여 시간대와 함께 시간을 저장합니다.
TIMETZ 열에는 초의 소수점 이하 자릿수가 최대 6자리인 값이 저장됩니다.
기본적으로 TIMETZ 값은 사용자 테이블과 Amazon Redshift 시스템 테이블 모두에서 UTC입니다.
## TIMESTAMP
TIMESTAMP는 TIMESTAMP WITHOUT TIME ZONE의 별칭입니다.
TIMESTAMP 데이터 형식은 날짜와 시간이 모두 포함된 완전한 타임스탬프 값을 저장하는 데 사용됩니다.
TIMESTAMP 열에는 초의 소수점 이하 자릿수가 최대 6자리인 값이 저장됩니다.
TIMESTAMP 열에 날짜를 삽입하거나 일부 타임스탬프 값이 있는 날짜를 삽입하면 값이 암시적으로 전체 타임스탬프 값으로 변환됩니다. 이 전체 타임스탬프 값에는 누락된 시간, 분, 초에 대한 기본값(00)이 있습니다. 입력 문자열의 시간대 값은 무시됩니다.
기본적으로 TIMESTAMP 값은 사용자 테이블과 Amazon Redshift 시스템 테이블 모두에서 UTC입니다.
## TIMESTAMPTZ
TIMESTAMPTZ는 TIMESTAMP WITH TIME ZONE의 별칭입니다.
TIMESTAMPTZ 데이터 형식은 날짜, 시간 및 시간대가 모두 포함된 완전한 타임스탬프 값을 입력하는 데 사용됩니다. 입력 값에 시간대가 포함되어 있으면 Amazon Redshift가 해당 시간대를 사용하여 값을 UTC로 변환하여 UTC 값을 저장합니다.
지원되는 시간대 이름 목록을 보려면 다음 명령을 실행합니다.
```
select pg_timezone_names();
```
지원되는 시간대 이름 약어 목록을 보려면 다음 명령을 실행합니다.
```
select pg_timezone_abbrevs();
```
시간대에 대한 현재 정보는 [IANA Time Zone Database](https://www.iana.org/time-zones)에서도 확인할 수 있습니다.
다음 표는 각 시간대 형식의 예를 나타낸 것입니다.
| 형식 | 예제 |
| --- | --- |
| dd mon hh:mi:ss yyyy tz | 17 Dec 07:37:16 1997 PST |
| mm/dd/yyyy hh:mi:ss.ss tz | 12/17/1997 07:37:16.00 PST |
| mm/dd/yyyy hh:mi:ss.ss tz | 12/17/1997 07:37:16.00 US/Pacific |
| yyyy-mm-dd hh:mi:ss\$1/-tz | 1997-12-17 07:37:16-08 |
| dd.mm.yyyy hh:mi:ss tz | 17.12.1997 07:37:16.00 PST |
TIMESTAMPTZ 열에는 초의 소수점 이하 자릿수가 최대 6자리인 값이 저장됩니다.
TIMESTAMPTZ 열에 날짜를 삽입하거나 일부 타임스탬프가 있는 날짜를 삽입하면 값이 암시적으로 전체 타임스탬프 값으로 변환됩니다. 이 전체 타임스탬프 값에는 누락된 시간, 분, 초에 대한 기본값(00)이 있습니다.
TIMESTAMPTZ 값은 사용자 테이블에서 UTC입니다.
# 날짜/시간 형식의 예제
다음으로 Amazon Redshift에서 지원되는 날짜/시간 형식 작업 예를 찾아봅니다.
## 날짜 예제
다음은 다른 형식의 날짜를 삽입한 후 출력을 표시하는 예입니다.
```
create table datetable (start_date date, end_date date);
```
```
insert into datetable values ('2008-06-01','2008-12-31');
insert into datetable values ('Jun 1,2008','20081231');
```
```
select * from datetable order by 1;
start_date | end_date
-----------------------
2008-06-01 | 2008-12-31
2008-06-01 | 2008-12-31
```
타임스탬프 값을 DATE 열에 삽입하면 시간 구간은 무시하고 날짜만 로드됩니다.
## 시간 예제
다음은 다른 형식의 TIME 및 TIMETZ 값을 삽입한 후 출력을 표시하는 예입니다.
```
create table timetable (start_time time, end_time timetz);
```
```
insert into timetable values ('19:11:19','20:41:19 UTC');
insert into timetable values ('191119', '204119 UTC');
```
```
select * from timetable order by 1;
start_time | end_time
------------------------
19:11:19 | 20:41:19+00
19:11:19 | 20:41:19+00
```
## 타임스탬프 예제
날짜를 TIMESTAMP 또는 TIMESTAMPTZ 열에 삽입할 경우 시간이 자정으로 기본 설정됩니다. 예를 들어 `20081231` 리터럴을 삽입하면 `2008-12-31 00:00:00`으로 값이 저장됩니다.
현재 세션의 시간대를 변경하려면 [SET](r_SET.md) 명령을 사용하여 [timezone](r_timezone_config.md) 구성 파라미터를 설정하면 됩니다.
다음은 다른 형식의 타임스탬프를 삽입한 후 결과 테이블을 표시하는 예입니다.
```
create table tstamp(timeofday timestamp, timeofdaytz timestamptz);
insert into tstamp values('Jun 1,2008 09:59:59', 'Jun 1,2008 09:59:59 EST' );
insert into tstamp values('Dec 31,2008 18:20','Dec 31,2008 18:20');
insert into tstamp values('Jun 1,2008 09:59:59 EST', 'Jun 1,2008 09:59:59');
SELECT * FROM tstamp;
+---------------------+------------------------+
| timeofday | timeofdaytz |
+---------------------+------------------------+
| 2008-06-01 09:59:59 | 2008-06-01 14:59:59+00 |
| 2008-12-31 18:20:00 | 2008-12-31 18:20:00+00 |
| 2008-06-01 09:59:59 | 2008-06-01 09:59:59+00 |
+---------------------+------------------------+
```
# 날짜, 시간 및 타임스탬프 리터럴
다음은 Amazon Redshift에서 지원하는 날짜, 시간 및 타임스탬프 리터럴 작업 규칙입니다.
## 날짜
다음 입력 날짜는 모두 Amazon Redshift 테이블에 로드할 수 있는 DATE 날짜 유형에 대한 리터럴 날짜 값의 유효한 예입니다. 기본 `MDY DateStyle` 모드가 유효한 것으로 간주됩니다. 이 모드는 `1999-01-08`, `01/02/00`과 같은 문자열에서 월 값이 일 값에 선행함을 의미합니다.
**참고**
날짜 또는 타임스탬프 리터럴은 테이블에 로드할 때 인용 부호로 묶어야 합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_Date_and_time_literals.html)
## Times
다음 입력 시간은 모두 Amazon Redshift 테이블에 로드할 수 있는 TIME 및 TIMETZ 데이터 유형에 대한 리터럴 시간 값의 유효한 예입니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_Date_and_time_literals.html)
## 타임스탬프
다음 입력 타임스탬프는 모두 Amazon Redshift 테이블에 로드할 수 있는 TIMESTAMP 및 TIMESTAMPTZ 데이터 유형에 대한 리터럴 시간 값의 유효한 예입니다. 날짜 리터럴만 유효하다면 모두 아래 시간 리터럴과 함께 사용할 수 있습니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_Date_and_time_literals.html)
## 특수한 날짜/시간 값
다음 특수 값은 날짜/시간 리터럴로, 혹은 날짜 함수의 인수로 사용됩니다. 이 특수 값을 사용하려면 작은따옴표가 필요하며, 쿼리 처리 시 타임스탬프 정규 값으로 변환됩니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_Date_and_time_literals.html)
다음은 `now` 및 `today`가 DATEADD 함수와 함께 작동하는 방식을 보여주는 예입니다.
```
select dateadd(day,1,'today');
date_add
---------------------
2009-11-17 00:00:00
(1 row)
select dateadd(day,1,'now');
date_add
----------------------------
2009-11-17 10:45:32.021394
(1 row)
```
# 간격 데이터 유형 및 리터럴
간격 데이터 유형을 사용하여 기간을 `seconds`, `minutes`, `hours`, `days`, `months` 및 `years` 단위로 저장할 수 있습니다. 날짜 및 타임스탬프에 간격 추가, 간격 합산, 날짜 또는 타임스탬프에서 간격 빼기 등 날짜/시간 계산에 간격 데이터 유형 및 리터럴을 사용할 수 있습니다. 간격 리터럴은 테이블의 간격 데이터 유형 열에 대한 입력 값으로 사용할 수 있습니다.
## 간격 데이터 유형 구문
기간을 년 및 월 단위로 저장하도록 간격 데이터 유형을 지정하려면:
```
INTERVAL year_to_month_qualifier
```
기간을 일, 시간, 분, 초 단위로 저장하도록 간격 데이터 유형을 지정하려면:
```
INTERVAL day_to_second_qualifier [ (fractional_precision) ]
```
## 간격 리터럴 구문
기간을 년 및 월 단위로 정의하도록 간격 리터럴을 지정하려면:
```
INTERVAL quoted-string year_to_month_qualifier
```
기간을 일, 시간, 분, 초 단위로 정의하도록 간격 리터럴을 지정하려면:
```
INTERVAL quoted-string day_to_second_qualifier [ (fractional_precision) ]
```
## 인수
*quoted-string*
수량과 날짜/시간 단위를 입력 문자열로 지정하여 양수 또는 음수 값을 지정합니다. *quoted-string*에 숫자만 포함된 경우 Amazon Redshift는 *year\$1to\$1month\$1qualifier* 또는 *day\$1to\$1second\$1qualifier*에서 단위를 결정합니다. 예를 들어 `'23' MONTH`는 `1 year 11 months`를 나타내고, `'-2' DAY`는 `-2 days 0 hours 0 minutes 0.0 seconds`를 나타내며, `'1-2' MONTH`는 `1 year 2 months`를 나타내고, `'13 day 1 hour 1 minute 1.123 seconds' SECOND`는 `13 days 1 hour 1 minute 1.123 seconds`를 나타냅니다. 간격 출력 형식에 대한 자세한 내용은 [간격 스타일](#r_interval_data_types-interval-styles) 섹션을 참조하세요.
*year\$1to\$1month\$1qualifier*
간격 범위를 지정합니다. 한정자를 사용하고 시간 단위가 한정자보다 작은 간격을 생성하면 Amazon Redshift는 간격의 더 작은 부분을 잘라서 삭제합니다. *year\$1to\$1month\$1qualifier*의 유효한 값은 다음과 같습니다.
+ `YEAR`
+ `MONTH`
+ `YEAR TO MONTH`
*day\$1to\$1second\$1qualifier*
간격 범위를 지정합니다. 한정자를 사용하고 시간 단위가 한정자보다 작은 간격을 생성하면 Amazon Redshift는 간격의 더 작은 부분을 잘라서 삭제합니다. *day\$1to\$1second\$1qualifier*의 유효한 값은 다음과 같습니다.
+ `DAY`
+ `HOUR`
+ `MINUTE`
+ `SECOND`
+ `DAY TO HOUR`
+ `DAY TO MINUTE`
+ `DAY TO SECOND`
+ `HOUR TO MINUTE`
+ `HOUR TO SECOND`
+ `MINUTE TO SECOND`
INTERVAL 리터럴의 출력은 지정된 가장 작은 INTERVAL 구성 요소까지 잘립니다. 예를 들어 MINUTE 한정자를 사용하는 경우 Amazon Redshift는 MINUTE 미만의 시간 단위를 삭제합니다.
```
select INTERVAL '1 day 1 hour 1 minute 1.123 seconds' MINUTE
```
결과 값은 `'1 day 01:01:00'`까지 잘립니다.
*fractional\$1precision*
간격에 허용되는 소수 자릿수를 지정하는 파라미터 옵션입니다. *fractional\$1precision* 인수는 간격에 SECOND가 포함된 경우에만 지정해야 합니다. 예를 들어 `SECOND(3)`는 세 자리 소수만 허용하는 간격을 생성합니다(예: 1.234초). 최대 소수 자릿수는 6자리입니다.
세션 구성 `interval_forbid_composite_literals`는 YEAR TO MONTH 및 DAY TO SECOND 부분을 모두 사용하여 간격을 지정하는 경우 오류가 반환되는지 여부를 결정합니다. 자세한 내용은 [interval\$1forbid\$1composite\$1literals](r_interval_forbid_composite_literals.md) 섹션을 참조하세요.
## 간격 산술
간격 값을 다른 날짜/시간 값과 함께 사용하여 산술 연산을 수행할 수 있습니다. 다음 테이블에는 사용 가능한 작업과 각 작업에서 얻을 수 있는 데이터 유형이 설명되어 있습니다.
**참고**
`date` 및 `timestamp` 결과를 모두 생성할 수 있는 작업은 방정식과 관련된 최소 시간 단위를 기반으로 합니다. 예를 들어, `interval`을 `date`에 추가하는 경우 YEAR TO MONTH 간격이면 `date`이 반환되고, DAY TO SECOND 간격이면 timestamp가 반환됩니다.
첫 번째 피연산자가 `interval`인 작업은 지정된 두 번째 피연산자에 대해 다음과 같은 결과를 생성합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_interval_data_types.html)
첫 번째 피연산자가 `date`인 작업은 지정된 두 번째 피연산자에 대해 다음과 같은 결과를 생성합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_interval_data_types.html)
첫 번째 피연산자가 `timestamp`인 작업은 지정된 두 번째 피연산자에 대해 다음과 같은 결과를 생성합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_interval_data_types.html)
## 간격 스타일
SQL [SET](r_SET.md) 명령을 사용하여 간격 값의 출력 표시 형식을 변경할 수 있습니다. SQL에서 간격 데이터 유형을 사용하는 경우 텍스트로 변환하여 예상 간격 스타일(예: `YEAR TO MONTH::text`)을 확인합니다. `IntervalStyle` 값을 설정하는 데 사용할 수 있는 값은 다음과 같습니다.
+ `postgres` - PostgreSQL 스타일을 따릅니다. 이 값이 기본값입니다.
+ `postgres_verbose` - PostgreSQL 상세 정보 표시 스타일을 따릅니다.
+ `sql_standard` - SQL 표준 간격 리터럴 스타일을 따릅니다.
다음 명령은 간격 스타일을 `sql_standard`로 설정합니다.
```
SET IntervalStyle to 'sql_standard';
```
**postgres 출력 형식**
다음은 `postgres` 간격 스타일의 출력 형식입니다. 각 숫자 값은 음수일 수 있습니다.
```
' [, ...]'
```
```
select INTERVAL '1-2' YEAR TO MONTH::text
varchar
---------------
1 year 2 mons
```
```
select INTERVAL '1 2:3:4.5678' DAY TO SECOND::text
varchar
------------------
1 day 02:03:04.5678
```
**postgres\$1verbose 출력 형식**
postgres\$1verbose 구문은 postgres와 비슷하지만 postgres\$1verbose 출력에는 시간 단위도 포함됩니다.
```
'[@] [, ...] [direction]'
```
```
select INTERVAL '1-2' YEAR TO MONTH::text
varchar
-----------------
@ 1 year 2 mons
```
```
select INTERVAL '1 2:3:4.5678' DAY TO SECOND::text
varchar
---------------------------
@ 1 day 2 hours 3 mins 4.56 secs
```
**sql\$1standard 출력 형식**
간격 연도-월 값의 형식은 다음과 같습니다. 간격 앞에 음수 부호를 지정하면 간격이 음수임을 나타내며 전체 간격에 적용됩니다.
```
'[-]yy-mm'
```
간격 일-초 값의 형식은 다음과 같습니다.
```
'[-]dd hh:mm:ss.ffffff'
```
```
SELECT INTERVAL '1-2' YEAR TO MONTH::text
varchar
-------
1-2
```
```
select INTERVAL '1 2:3:4.5678' DAY TO SECOND::text
varchar
---------------
1 2:03:04.5678
```
## 간격 데이터 유형의 예
다음 예제에서는 테이블을 사용해 INTERVAL 데이터 유형을 사용하는 방법을 보여 줍니다.
```
create table sample_intervals (y2m interval month, h2m interval hour to minute);
insert into sample_intervals values (interval '20' month, interval '2 days 1:1:1.123456' day to second);
select y2m::text, h2m::text from sample_intervals;
y2m | h2m
---------------+-----------------
1 year 8 mons | 2 days 01:01:00
```
```
update sample_intervals set y2m = interval '2' year where y2m = interval '1-8' year to month;
select * from sample_intervals;
y2m | h2m
---------+-----------------
2 years | 2 days 01:01:00
```
```
delete from sample_intervals where h2m = interval '2 1:1:0' day to second;
select * from sample_intervals;
y2m | h2m
-----+-----
```
## 간격 리터럴의 예
다음 예제는 간격 스타일을 `postgres`로 설정한 상태에서 실행됩니다.
다음 예제에서는 1년의 INTERVAL 리터럴을 생성하는 방법을 보여 줍니다.
```
select INTERVAL '1' YEAR
intervaly2m
---------------
1 years 0 mons
```
한정자를 초과하는 *quoted-string*을 지정하면 간격에서 남은 시간 단위가 잘립니다. 다음 예제에서는 13개월의 간격이 1년 1개월이 되지만 나머지 1개월은 YEAR 한정자로 인해 제외됩니다.
```
select INTERVAL '13 months' YEAR
intervaly2m
---------------
1 years 0 mons
```
간격 문자열보다 낮은 한정어를 사용하는 경우 남은 단위가 포함됩니다.
```
select INTERVAL '13 months' MONTH
intervaly2m
---------------
1 years 1 mons
```
간격에 정밀도를 지정하면 소수 자릿수가 잘려 지정된 정밀도까지 줄어듭니다.
```
select INTERVAL '1.234567' SECOND (3)
intervald2s
--------------------------------
0 days 0 hours 0 mins 1.235 secs
```
정밀도를 지정하지 않는 경우 Amazon Redshift는 최대 정밀도 6을 사용합니다.
```
select INTERVAL '1.23456789' SECOND
intervald2s
-----------------------------------
0 days 0 hours 0 mins 1.234567 secs
```
다음 예제에서는 범위가 지정된 간격을 생성하는 방법을 보여 줍니다.
```
select INTERVAL '2:2' MINUTE TO SECOND
intervald2s
------------------------------
0 days 0 hours 2 mins 2.0 secs
```
한정자에 따라 지정하는 단위가 결정됩니다. 예를 들어 다음 예제가 이전 예제와 동일한 ‘2:2’ *quoted-string*을 사용하더라도 Amazon Redshift는 한정자 때문에 다른 시간 단위를 사용한다고 인식합니다.
```
select INTERVAL '2:2' HOUR TO MINUTE
intervald2s
------------------------------
0 days 2 hours 2 mins 0.0 secs
```
각 단위의 약어 및 복수형도 지원됩니다. 예를 들어 `5s`, `5 second`, `5 seconds`는 동일한 간격입니다. 지원되는 단위는 연, 월, 시간, 분, 초입니다.
```
select INTERVAL '5s' SECOND
intervald2s
------------------------------
0 days 0 hours 0 mins 5.0 secs
```
```
select INTERVAL '5 HOURS' HOUR
intervald2s
------------------------------
0 days 5 hours 0 mins 0.0 secs
```
```
select INTERVAL '5 h' HOUR
intervald2s
------------------------------
0 days 5 hours 0 mins 0.0 secs
```
# 한정자 구문이 없는 간격 리터럴의 예
**참고**
다음 예에서는 `YEAR TO MONTH` 또는 `DAY TO SECOND` 한정자 없이 간격 리터럴을 사용하는 방법을 보여줍니다. 한정자와 함께 권장 간격 리터럴을 사용하는 방법에 대한 자세한 내용은 [간격 데이터 유형 및 리터럴](r_interval_data_types.md) 섹션을 참조하세요.
간격 리티럴은 `12 hours` 또는 `6 months` 같이 일정한 기간을 구분할 때 사용됩니다. 또한 날짜/시간 표현식이 포함된 조건이나 계산에서도 간격 리터럴을 사용할 수 있습니다.
간격 리터럴은 INTERVAL 키워드와 숫자 기간, 그리고 지원되는 날짜 부분으로 표현됩니다. 예를 들면 `INTERVAL '7 days'` 또는 `INTERVAL '59 minutes'`와 같습니다. 더욱 정확한 간격을 표현하기 위해 여러 수량과 단위를 연결할 수도 있습니다(예: `INTERVAL '7 days, 3 hours, 59 minutes'`). 각 단위의 약어와 복수 표현도 지원됩니다. 예를 들어 `5 s`, `5 second` 및 `5 seconds` 모두 동일한 간격입니다.
날짜 부분을 지정하지 않을 경우 간격 값은 초를 의미합니다. 기간 값은 소수로 지정할 수도 있습니다(예: `0.5 days`).
다음은 모두 간격 값을 다르게 하여 계산하는 예들입니다.
다음은 지정된 날짜에 1초를 더합니다.
```
select caldate + interval '1 second' as dateplus from date
where caldate='12-31-2008';
dateplus
---------------------
2008-12-31 00:00:01
(1 row)
```
다음은 지정된 날짜에 1분을 더합니다.
```
select caldate + interval '1 minute' as dateplus from date
where caldate='12-31-2008';
dateplus
---------------------
2008-12-31 00:01:00
(1 row)
```
다음은 지정한 날짜에 3시간 35분을 더합니다.
```
select caldate + interval '3 hours, 35 minutes' as dateplus from date
where caldate='12-31-2008';
dateplus
---------------------
2008-12-31 03:35:00
(1 row)
```
다음은 지정된 날짜에 52주를 더합니다.
```
select caldate + interval '52 weeks' as dateplus from date
where caldate='12-31-2008';
dateplus
---------------------
2009-12-30 00:00:00
(1 row)
```
다음은 지정한 날짜에 1주, 1시간, 1분, 1초를 더합니다.
```
select caldate + interval '1w, 1h, 1m, 1s' as dateplus from date
where caldate='12-31-2008';
dateplus
---------------------
2009-01-07 01:01:01
(1 row)
```
다음은 지정한 날짜에 12시간(반일)을 더합니다.
```
select caldate + interval '0.5 days' as dateplus from date
where caldate='12-31-2008';
dateplus
---------------------
2008-12-31 12:00:00
(1 row)
```
다음은 2023년 2월 15일에서 4개월을 뺀 값이며 결과는 2022년 10월 15일입니다.
```
select date '2023-02-15' - interval '4 months';
?column?
---------------------
2022-10-15 00:00:00
```
다음은 2023년 3월 31일에서 4개월을 뺀 값이며 결과는 2022년 11월 30일입니다. 계산에서는 한 달의 일수를 고려합니다.
```
select date '2023-03-31' - interval '4 months';
?column?
---------------------
2022-11-30 00:00:00
```
# 부울 유형
부울 데이터 형식은 단일 바이트 열에 true 또는 false 값을 저장하는 데 사용됩니다. 다음 표는 부울 값에서 가능한 세 가지 상태와 이러한 상태를 나타내는 리터럴 값에 대해 설명한 것입니다. 입력 문자열에 상관없이 Boolean 열은 true일 때는 "t"를, 그리고 false일 때는 "f"를 저장 및 출력합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_Boolean_type.html)
IS 비교를 사용해 WHERE 절의 조건자로 부울 값만 확인할 수 있습니다. IS 비교는 SELECT 목록의 부울 값에는 사용할 수 없습니다.
## 예제
BOOLEAN 열을 사용하여 각 고객의 "Active/Inactive" 상태를 CUSTOMER 테이블에 저장할 수 있습니다.
```
create table customer(
custid int,
active_flag boolean default true);
```
```
insert into customer values(100, default);
```
```
select * from customer;
custid | active_flag
-------+--------------
100 | t
```
CREATE TABLE 문에서 기본값(`true` 또는 `false`)을 지정하지 않은 경우에는 기본값을 삽입하더라도 NULL 값을 삽입하는 것과 똑같습니다.
다음은 USERS 테이블에서 스포츠는 좋아하지만 영화를 좋아하지 않는 사용자를 선택하는 쿼리 예입니다.
```
select firstname, lastname, likesports, liketheatre
from users
where likesports is true and liketheatre is false
order by userid limit 10;
firstname | lastname | likesports | liketheatre
----------+------------+------------+-------------
Lars | Ratliff | t | f
Mufutau | Watkins | t | f
Scarlett | Mayer | t | f
Shafira | Glenn | t | f
Winifred | Cherry | t | f
Chase | Lamb | t | f
Liberty | Ellison | t | f
Aladdin | Haney | t | f
Tashya | Michael | t | f
Lucian | Montgomery | t | f
(10 rows)
```
다음은 USERS 테이블에서 록 음악을 좋아하는지 알 수 없는 사용자를 선택하는 예입니다.
```
select firstname, lastname, likerock
from users
where likerock is unknown
order by userid limit 10;
firstname | lastname | likerock
----------+----------+----------
Rafael | Taylor |
Vladimir | Humphrey |
Barry | Roy |
Tamekah | Juarez |
Mufutau | Watkins |
Naida | Calderon |
Anika | Huff |
Bruce | Beck |
Mallory | Farrell |
Scarlett | Mayer |
(10 rows)
```
다음 예에서는 SELECT 목록에 IS 비교를 사용했기 때문에 오류를 반환합니다.
```
select firstname, lastname, likerock is true as "check"
from users
order by userid limit 10;
[Amazon](500310) Invalid operation: Not implemented
```
다음 예는 SELECT 목록에서 IS 비교 대신에 같음 비교( = )를 사용했기 때문에 성공합니다.
```
select firstname, lastname, likerock = true as "check"
from users
order by userid limit 10;
firstname | lastname | check
----------+-----------+------
Rafael | Taylor |
Vladimir | Humphrey |
Lars | Ratliff | true
Barry | Roy |
Reagan | Hodge | true
Victor | Hernandez | true
Tamekah | Juarez |
Colton | Roy | false
Mufutau | Watkins |
Naida | Calderon |
```
# HLLSKETCH 형식
HyperLogLog 스케치에 HLLSKETCH 데이터 형식을 사용합니다. Amazon Redshift는 희소 또는 밀집 HyperLogLog 스케치 표현을 지원합니다. 스케치는 희소로 시작하여 밀집 형식이 사용되는 메모리 공간을 최소화하는 데 더 효율적일 때 밀집으로 전환됩니다.
Amazon Redshift는 다음 JSON 형식으로 스케치를 가져오거나 내보내거나 인쇄할 때 희소 HyperLogLog 스케치를 자동으로 전환합니다.
```
{"logm":15,"sparse":{"indices":[4878,9559,14523],"values":[1,2,1]}}
```
Amazon Redshift는 Base64 형식의 문자열 표현을 사용하여 밀집 HyperLogLog 스케치를 표현합니다.
Amazon Redshift는 Base64 형식의 다음 문자열 표현을 사용하여 밀집 HyperLogLog 스케치를 표현합니다.
```
"ABAABA..."
```
HLLSKETCH 객체의 최대 크기는 원시 압축에 사용 시 24,580바이트입니다.
# SUPER 형식
SUPER 데이터 형식을 사용하여 반정형 데이터나 문서를 값으로 저장합니다. Amazon Redshift는 VARCHAR를 사용하여 이러한 값을 저장할 수 있지만 SUPER 데이터 형식을 대신 사용하는 것이 좋습니다.
반정형 데이터는 SQL 데이터베이스에 사용되는 관계형 데이터 모델의 엄격한 테이블형 구조를 따르지 않습니다. 여기에는 데이터 내의 고유한 엔티티를 참조하는 태그가 포함됩니다. 여기에는 배열, 중첩 구조 및 JSON과 같은 직렬화 형식과 연결된 기타 복잡한 구조와 같은 복소수 값이 포함될 수 있습니다. SUPER 데이터 형식은 Amazon Redshift의 다른 모든 스칼라 형식을 포함하는 스키마 없는 배열 및 구조 값 집합입니다.
SUPER 데이터 형식은 개별 SUPER 객체에 대해 최대 16MB의 데이터를 지원합니다. 테이블에 이를 구현하는 예를 포함하여 SUPER 데이터 유형에 대한 자세한 내용은 [Amazon Redshift의 반정형 데이터](super-overview.md)을 참조하세요.
Amazon Redshift는 COPY 명령을 사용하여 다음과 같은 반정형 데이터 형식을 수집할 수 있도록 기본적으로 지원합니다.
+ JSON
+ ARRAY
+ TEXT
+ CSV
1MB보다 큰 SUPER 객체는 다음 파일 형식에서만 수집할 수 있습니다.
+ Parquet
+ JSON
+ TEXT
+ CSV
SUPEWER 데이터 형식은 다음과 같은 속성을 가집니다.
+ Amazon Redshift 스칼라 값:
+ null
+ 부울
+ smallint, integer, bigint, decimal 또는 부동 소수점(예: float4 또는 float8)과 같은 숫자
+ varchar 또는 char와 같은 문자열 값
+ 복소수 값:
+ 스칼라 또는 복소수를 포함한 값의 배열
+ 속성 이름 및 값(스칼라 또는 복소수)의 맵인 구조체(튜플 또는 객체라고도 함)
두 가지 형식의 복소수 값은 규칙성에 대한 제한 없이 자체 스칼라 또는 복소수 값을 포함합니다.
SUPER 데이터 형식의 기본 압축 인코딩은 ZSTD입니다. 압축 인코딩에 대한 자세한 내용은 [압축 인코딩](c_Compression_encodings.md) 섹션을 참조하세요.
SUPER 데이터 형식은 스키마 없는 형태로 반정형 데이터의 지속성을 지원합니다. 계층적 데이터 모델은 변경될 수 있지만 이전 버전의 데이터는 동일한 SUPER 열에 공존할 수 있습니다.
Amazon Redshift는 PartiQL을 사용하여 배열 및 구조체에 대한 탐색을 활성화합니다. Amazon Redshift는 SUPER 배열을 반복하는 데도 PartiQL 구문을 사용합니다. 자세한 내용은 [PartiQL - Amazon Redshift용 SQL 호환 쿼리 언어](super-partiql.md) 섹션을 참조하세요.
Amazon Redshift는 동적 형식 지정을 사용하여 쿼리에 사용하기 전에 데이터 유형을 선언할 필요 없이 스키마 없는 SUPER 데이터를 처리합니다. 자세한 내용은 [동적 형식 지정](query-super.md#dynamic-typing-lax-processing) 섹션을 참조하세요.
SUPER 형식 열의 경로에 있는 스칼라 값에 동적 데이터 마스킹 정책을 적용할 수 있습니다. 동적 데이터 마스킹에 대한 자세한 내용은 [동적 데이터 마스킹](t_ddm.md) 섹션을 참조하세요. SUPER 데이터 유형에 동적 데이터 마스킹을 사용하는 방법에 대한 자세한 내용은 [SUPER 데이터 유형 경로와 함께 동적 데이터 마스킹 사용](t_ddm-super.md) 섹션을 참조하세요.
SUPER 데이터로 작업할 때는 `r_enable_case_sensitive_super_attribute` 구성 옵션을 true로 설정하는 것이 좋습니다. 자세한 내용은 [enable\$1case\$1sensitive\$1super\$1attribute](r_enable_case_sensitive_super_attribute.md) 섹션을 참조하세요.
# VARBYTE 형식
VARBYTE, VARBINARY 또는 BINARY VARYING 열을 사용하여 고정 제한이 있는 가변 길이 이진 값을 저장합니다.
```
varbyte [ (n) ]
```
최대 바이트 수(*n*)의 범위는 1\$116,777,216입니다. 기본값은 64,000입니다.
VARBYTE 데이터 유형을 사용할 수 있는 몇 가지 예는 다음과 같습니다.
+ VARBYTE 열의 테이블 조인.
+ VARBYTE 열을 포함하는 구체화된 보기 생성. VARBYTE 열을 포함하는 구체화된 보기의 증분 새로 고침이 지원됩니다. 그러나 VARBYTE 열의 COUNT, MIN, MAX 및 GROUP BY 이외의 집계 함수는 증분 새로 고침을 지원하지 않습니다.
모든 바이트가 인쇄 가능한 문자인지 확인하기 위해 Amazon Redshift는 16진수 형식을 사용하여 VARBYTE 값을 인쇄합니다. 예를 들어 다음 SQL은 16진수 문자열 `6162`를 이진 값으로 변환합니다. 반환된 값이 이진 값이더라도 결과는 16진수 `6162`로 출력됩니다.
```
select from_hex('6162');
from_hex
----------
6162
```
Amazon Redshift는 VARBYTE와 다음 데이터 유형 간의 캐스팅을 지원합니다.
+ CHAR
+ VARCHAR
+ SMALLINT
+ INTEGER
+ BIGINT
CHAR 및 VARCHAR로 캐스팅할 때 UTF-8 형식이 사용됩니다. UTF-8 형식에 대한 자세한 내용은 [TO\$1VARBYTE](r_TO_VARBYTE.md) 섹션을 참조하세요. SMALLINT, INTEGER 및 BIGINT에서 캐스팅할 때 원래 데이터 유형의 바이트 수가 유지됩니다. SMALLINT의 경우 2바이트, INTEGER의 경우 4바이트, BIGINT의 경우 8바이트입니다.
다음 SQL 문은 VARCHAR 문자열을 VARBYTE로 캐스팅합니다. 반환된 값이 이진 값이더라도 결과는 16진수 `616263`로 출력됩니다.
```
select 'abc'::varbyte;
varbyte
---------
616263
```
다음 SQL 문은 열의 CHAR 값을 VARBYTE로 캐스팅합니다. 이 예에서는 CHAR(10) 열(c)이 있는 테이블을 생성하고 길이가 10보다 짧은 문자 값을 삽입합니다. 결과 캐스트는 결과를 정의된 열 크기로 공백 문자(hex'20')로 채웁니다. 반환된 값이 이진 값이더라도 결과는 16진수로 출력됩니다.
```
create table t (c char(10));
insert into t values ('aa'), ('abc');
select c::varbyte from t;
c
----------------------
61612020202020202020
61626320202020202020
```
다음 SQL 문은 SMALLINT 문자열을 VARBYTE로 캐스팅합니다. 반환된 값이 이진 값이더라도 결과는 2바이트 또는 4개의 16진수 문자인 16진수 `0005`로 인쇄됩니다.
```
select 5::smallint::varbyte;
varbyte
---------
0005
```
다음 SQL 문은 INTEGER를 VARBYTE로 캐스팅합니다. 반환된 값이 이진 값이더라도 결과는 4바이트 또는 8개의 16진수 문자인 16진수 `00000005`로 인쇄됩니다.
```
select 5::int::varbyte;
varbyte
----------
00000005
```
다음 SQL 문은 BIGINT를 VARBYTE로 캐스팅합니다. 반환된 값이 이진 값이더라도 결과는 8바이트 또는 16개의 16진수 문자인 16진수 `0000000000000005`로 인쇄됩니다.
```
select 5::bigint::varbyte;
varbyte
------------------
0000000000000005
```
VARBYTE 데이터 유형을 지원하는 Amazon Redshift 특성은 다음과 같습니다.
+ [VARBYTE 연산자](r_VARBYTE_OPERATORS.md)
+ [CONCAT](r_CONCAT.md)
+ [LEN](r_LEN.md)
+ [LENGTH 함수](r_LENGTH.md)
+ [OCTET\$1LENGTH](r_OCTET_LENGTH.md)
+ [SUBSTRING 함수](r_SUBSTRING.md)
+ [FROM\$1HEX](r_FROM_HEX.md)
+ [TO\$1HEX](r_TO_HEX.md)
+ [FROM\$1VARBYTE](r_FROM_VARBYTE.md)
+ [TO\$1VARBYTE](r_TO_VARBYTE.md)
+ [GETBIT](r_GETBIT.md)
+ [VARBYTE 데이터 유형의 열 로드](copy-usage-varbyte.md)
+ [VARBYTE 데이터 유형의 열 언로드](r_UNLOAD.md#unload-usage-notes)
## Amazon Redshift와 함께 VARBYTE 데이터 유형을 사용할 때의 제한 사항
다음은 Amazon Redshift와 함께 VARBYTE 데이터 유형을 사용할 때의 제한 사항입니다.
+ Amazon Redshift Spectrum은 Parquet 및 ORC 파일에 대해서만 VARBYTE 데이터 형식을 지원합니다.
+ Amazon Redshift 쿼리 편집기와 Amazon Redshift 쿼리 편집기 v2는 아직 VARBYTE 데이터 유형을 완전히 지원하지 않습니다. 따라서 VARBYTE 표현식으로 작업할 때는 다른 SQL 클라이언트를 사용합니다.
쿼리 편집기를 사용하기 위한 해결 방법으로 데이터 길이가 16,000,000바이트 이하이고 콘텐츠가 유효한 UTF-8인 경우 VARBYTE 값을 VARCHAR로 캐스팅할 수 있습니다. 예를 들면 다음과 같습니다.
```
select to_varbyte('6162', 'hex')::varchar;
```
+ Python 또는 Lambda 사용자 정의 함수(UDF)에는 VARBYTE 데이터 유형을 사용할 수 없습니다.
+ VARBYTE 열에서 HLLSKETCH 열을 생성하거나 VARBYTE 열에서 APPROXIMATE COUNT DISTINCT를 사용할 수 없습니다.
+ 1MB보다 큰 VARBYTE 값은 다음 파일 형식에서만 수집할 수 있습니다.
+ Parquet
+ 텍스트
+ CSV(쉼표로 분리된 값)
## 형식 호환성 및 변환
이번 섹션에서는 Amazon Redshift의 형식 변환 규칙과 데이터 형식 호환성의 적용 방식에 대한 설명을 살펴볼 수 있습니다.
### 호환성
데이터 형식 일치, 즉 리터럴 값 및 상수를 데이터 형식과 일치시키는 것은 아래 작업을 포함해 다양한 데이터베이스 작업에서 발생합니다.
+ 테이블에 대한 데이터 조작 언어(DML) 작업
+ UNION, INTERSECT 및 EXCEPT 쿼리
+ CASE 표현식
+ LIKE, IN 등 조건자 평가
+ 데이터를 비교하거나 추출하는 SQL 함수에 대한 평가
+ 수학 연산자를 사용한 비교
위의 작업 결과는 형식 변환 규칙과 데이터 형식 호환성에 따라 달라집니다. *호환성*에는 특정 값과 특정 데이터 형식의 1대 1 일치가 항상 필요한 것은 아니라는 의미가 내포되어 있습니다. 일부 데이터 형식은 *호환이 가능하기* 때문에 묵시적 변환, 즉 *강제 변환*이 가능합니다(자세한 내용은 [묵시적인 변환 형식](#implicit-conversion-types) 섹션 참조). 데이터 형식이 호환되지 않을 때는 명시적인 변환 함수를 사용하여 다른 데이터 형식으로 값을 변환할 수 있는 경우도 있습니다.
### 일번적인 호환성 및 변환 규칙
호환성 및 변환 규칙은 다음과 같습니다.
+ 일반적으로 동일한 형식 카테고리에 해당하는 데이터 형식(여러 가지 숫자 데이터 형식 등)은 서로 호환이 가능하기 때문에 묵시적으로 변환할 수 있습니다.
예를 들어 묵시적인 변환을 통해 소수 값을 정수 열에 삽입할 수 있습니다. 이때 소수는 정수로 반올림됩니다. 또는 날짜에서 `2008` 같은 숫자 값을 추출하여 정수 열에 삽입하는 것도 가능합니다.
+ 숫자 데이터 형식은 범위 외 값을 삽입하려고 할 때 오버플로우 조건이 발생할 가능성이 높습니다. 예를 들어 정밀도가 5인 소수 값은 정밀도가 4로 정의된 DECIMAL 열에 맞지 않습니다. 소수에서 정수부는 절대로 잘리지 않지만 소수부는 상황에 따라 반올림 또는 내림 처리할 수 있습니다. 하지만 테이블에서 선택한 값의 명시적인 변환 결과는 반올림되지 않습니다.
+ 다른 형식의 문자열도 호환이 가능합니다. 예를 들어 단일 바이트 데이터가 포함된 VARCHAR 열과 CHAR 열 문자열은 서로 호환이 되어 묵시적으로 변환할 수 있습니다. 멀티바이트 데이터가 포함되는 VARCHAR 문자열은 호환되지 않습니다. 그 밖에 문자열이 적합한 리터럴 값인 경우에는 문자열을 날짜, 시간, 타임스탬프 또는 숫자 값으로 변환할 수도 있습니다. 이때 선행 또는 후행 공백은 무시됩니다. 반대로 날짜, 시간, 타임스탬프 및 숫자 값을 고정 길이 또는 가변 길이 문자열로 변환하는 것도 가능합니다.
**참고**
문자열을 숫자 형식으로 변환하려면 문자열에 숫자를 표현한 문자가 있어야 합니다. 예를 들어 `'1.0'`이나 `'5.9'` 같은 문자열은 소수 값으로 변환할 수 있지만 문자열 `'ABC'`는 어떤 숫자 형식으로도 변환할 수 없습니다.
+ DECIMAL 값을 문자열과 비교하면 Amazon Redshift는 문자열을 DECIMAL 값으로 변환하려고 시도합니다. 모든 다른 숫자 값을 문자열과 비교하는 경우 숫자 값이 문자열로 변환됩니다. 반대 변환(예: 문자열을 정수로 변환하거나 DECIMAL 값을 문자열로 변환)을 적용하려면 [CAST](r_CAST_function.md)와 같은 명시적 함수를 사용하세요.
+ 64비트 DECIMAL 또는 NUMERIC 값의 정밀도를 높여서 변환하려면 CAST 또는 CONVERT 같은 명시적인 변환 함수를 사용해야 합니다.
+ DATE 또는 TIMESTAMP를 TIMESTAMPTZ로 변환하거나 TIME을 TIMETZ로 변환할 때 시간대는 현재 세션 시간대로 설정됩니다. 세션 시간대는 기본적으로 UTC입니다. 세션 시간대 설정에 대한 자세한 내용은 [timezone](r_timezone_config.md) 섹션을 참조하세요.
+ 마찬가지로 TIMESTAMPTZ 역시 현재 세션 시간대에 따라 DATE, TIME 또는 TIMESTAMP로 변환됩니다. 세션 시간대는 기본적으로 UTC입니다. 변환 후에는 시간대 정보가 삭제됩니다.
+ 시간대를 지정하여 타임스탬프를 표현한 문자열은 현재 세션 시간대(기본적으로 UTC)에 따라 TIMESTAMPTZ로 변환됩니다. 마찬가지로 시간대가 지정된 시간을 표현하는 문자열은 현재 세션 시간대(기본값 UTC)를 사용하여 TIMETZ로 변환됩니다.
### 묵시적인 변환 형식
묵시적인 변환 유형은 다음과 같이 두 가지입니다.
+ 인수의 묵시적 변환(INSERT 또는 UPDATE 명령의 값 설정 등)
+ 표현식의 묵시적 변환(WHERE 절의 비교 등)
다음 표는 인수 또는 표현식에서 묵시적으로 변환할 수 있는 데이터 형식을 나열한 것입니다. 그 밖에 명시적인 변환 함수를 통한 변환도 가능합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/c_Supported_data_types.html)
**참고**
TIMESTAMPTZ, TIMESTAMP, DATE, TIME, TIMETZ 또는 문자열 사이의 묵시적인 변환은 현재 세션 시간대를 사용합니다. 현재 시간대 설정에 대한 자세한 내용은 [timezone](r_timezone_config.md) 섹션을 참조하세요.
GEOMETRY 및 GEOGRAPHY 데이터 유형은 서로를 제외하고 다른 데이터 유형으로 암시적으로 변환될 수 없습니다. 자세한 내용은 [CAST 함수](r_CAST_function.md) 섹션을 참조하세요.
VARBYTE 데이터 유형은 암시적으로 다른 데이터 유형으로 변환될 수 없습니다. 자세한 내용은 [CAST 함수](r_CAST_function.md) 섹션을 참조하세요.
### SUPER 데이터 형식에 동적 형식 지정 사용
Amazon Redshift는 동적 형식 지정을 사용하여 쿼리에 사용하기 전에 데이터 형식을 선언할 필요 없이 스키마 없는 SUPER 데이터를 처리합니다. 동적 형식 지정은 Amazon Redshift 형식으로 명시적으로 캐스팅하지 않고도 SUPER 데이터 열로 이동한 결과를 사용합니다. SUPER 데이터 형식에 동적 입력 사용에 대한 자세한 내용은 [동적 형식 지정](query-super.md#dynamic-typing-lax-processing) 섹션을 참조하세요.
몇 가지 예외를 제외하고는 SUPER 값을 다른 데이터 형식과 캐스팅할 수 있습니다. 자세한 내용은 [제한 사항](limitations-super.md) 섹션을 참조하세요.
# 콜레이션 시퀀스
Amazon Redshift는 로케일 또는 사용자 정의 데이터 정렬 순서를 지원하지 않습니다. 일반적으로 어떤 상황에서든지 데이터 값을 정렬하여 비교하는 로케일 규칙이 없으면 조건자의 결과에 영향을 미칠 수 있습니다. 예를 들어 MIN, MAX, RANK 같은 ORDER BY 표현식과 함수는 데이터의 이진 UTF8 순서에 따라 로케일 문자를 고려하지 않고 결과를 반환합니다.
# Expressions
**Topics**
+ [단순 표현식](#r_expressions-simple-expressions)
+ [복합 표현식](r_compound_expressions.md)
+ [표현식 목록](r_expression_lists.md)
+ [스칼라 하위 쿼리](r_scalar_subqueries.md)
+ [함수 표현식](r_function_expressions.md)
표현식이란 하나 이상의 값, 연산자 또는 값으로 평가되는 함수의 조합을 말합니다. 표현식의 데이터 형식은 일반적으로 구성하는 각 요소의 데이터 형식과 일치합니다.
## 단순 표현식
단순 표현식은 다음과 같습니다.
+ 상수 또는 리터럴 값
+ 열 이름 또는 열 참조
+ 스칼라 함수
+ 집계(집합) 함수
+ 창 함수
+ 스칼라 하위 쿼리
단순 표현식의 예는 다음과 같습니다.
```
5+12
dateid
sales.qtysold * 100
sqrt (4)
max (qtysold)
(select max (qtysold) from sales)
```
# 복합 표현식
복합 표현식이란 연속된 단순 표현식이 산술 연산자로 결합되어 있는 것을 말합니다. 복합 표현식에 사용되는 단순 표현식은 숫자 값을 반환해야 합니다.
## 구문
```
expression
operator
expression | (compound_expression)
```
## 인수
* expression*
값으로 평가되는 단순 표현식입니다.
* 연산자*
복합 산술 표현식은 다음 연산자의 순서에 따라 작성할 수 있습니다.
+ ( ) : 평가 순서를 제어하기 위한 괄호
+ \$1 , - : 양 및 음의 부호/연산자
+ ^ , \$1/ , \$1\$1/ : 지수, 제곱근, 세제곱근
+ \$1 , / , % : 곱하기, 나누기 및 모듈로 연산자
+ @ : 절대값
+ \$1 , - : 더하기, 빼기
+ & , \$1, \$1, \$1, <<, >> : AND, OR, NOT, 왼쪽 이동, 오른쪽 이동 비트 연산자
+ \$1\$1: 연결
*(compound\$1expression)*
복합 표현식은 괄호를 사용해 중첩될 수 있습니다.
## 예제
복합 표현식의 예는 다음과 같습니다.
```
('SMITH' || 'JONES')
sum(x) / y
sqrt(256) * avg(column)
rank() over (order by qtysold) / 100
(select (pricepaid - commission) from sales where dateid = 1882) * (qtysold)
```
일부 함수는 다른 함수 내에서 중첩될 수도 있습니다. 예를 들어 스칼라 함수는 다른 스칼라 함수 내에서 중첩이 가능합니다. 다음은 숫자 집합의 절대값 총합을 반환하는 예입니다.
```
sum(abs(qtysold))
```
창 함수는 집계 함수 또는 기타 창 함수의 인수로 사용할 수 없습니다. 다음과 같은 표현식은 오류를 반환합니다.
```
avg(rank() over (order by qtysold))
```
창 함수에 중첩된 집계 함수가 포함될 수 있습니다. 다음은 값 집합의 총합을 구한 후 순위를 정하는 표현식입니다.
```
rank() over (order by sum(qtysold))
```
# 표현식 목록
표현식 목록이란 표현식의 조합을 말하며, 멤버십 및 비교 조건(WHERE 절)과 GROUP BY 절에서 지정할 수 있습니다.
## 구문
```
expression , expression , ... | (expression, expression, ...)
```
## 인수
* expression*
값으로 평가되는 단순 표현식입니다. 표현식 목록에는 쉼표로 구분된 표현식 또는 쉼표로 구분된 표현식 집합이 1개 이상 포함됩니다. 표현식 집합이 다수일 때는 각 집합마다 표현식의 수가 동일하고, 괄호를 사용하여 집합을 구분해야 합니다. 각 집합의 표현식 수는 조건에서 연산자 앞에 있는 표현식 수와 일치해야 합니다.
## 예제
다음은 조건에서 지정하는 표현식 목록의 예입니다.
```
(1, 5, 10)
('THESE', 'ARE', 'STRINGS')
(('one', 'two', 'three'), ('blue', 'yellow', 'green'))
```
각 집합의 표현식 수는 문의 첫 번째 부분에 있는 수와 일치해야 합니다.
```
select * from venue
where (venuecity, venuestate) in (('Miami', 'FL'), ('Tampa', 'FL'))
order by venueid;
venueid | venuename | venuecity | venuestate | venueseats
---------+-------------------------+-----------+------------+------------
28 | American Airlines Arena | Miami | FL | 0
54 | St. Pete Times Forum | Tampa | FL | 0
91 | Raymond James Stadium | Tampa | FL | 65647
(3 rows)
```
# 스칼라 하위 쿼리
스칼라 하위 쿼리는 정확히 1개의 값, 즉 열 1개가 포함된 행 1개를 반환하는 정규 SELECT 쿼리이며, 괄호로 묶입니다. 쿼리를 실행하여 반환되는 값은 바깥쪽 쿼리에 사용됩니다. 하위 쿼리가 행을 0개 반환하는 경우 하위 쿼리 표현식의 값은 NULL입니다. 행을 2개 이상 반환하면 Amazon Redshift가 오류를 반환합니다. 하위 쿼리는 상위 쿼리의 변수를 참조할 수 있으며, 하위 쿼리를 한 번 호출할 때마다 상수 역할을 합니다.
스칼라 하위 쿼리는 표현식이 필요한 대부분 문에서 사용됩니다. 하지만 다음과 같은 경우에는 유효한 표현식이 아닙니다.
+ 표현식의 기본값으로 사용되는 경우
+ GROUP BY 및 HAVING 절에서 사용되는 경우
## 예제
다음은 2008년 한 해 판매 한 건당 지불된 평균 가격을 계산하는 하위 쿼리입니다. 그러면 바깥쪽 쿼리가 출력 값을 사용하여 분기별로 판매 한 건당 평균 가격과 비교합니다.
```
select qtr, avg(pricepaid) as avg_saleprice_per_qtr,
(select avg(pricepaid)
from sales join date on sales.dateid=date.dateid
where year = 2008) as avg_saleprice_yearly
from sales join date on sales.dateid=date.dateid
where year = 2008
group by qtr
order by qtr;
qtr | avg_saleprice_per_qtr | avg_saleprice_yearly
-------+-----------------------+----------------------
1 | 647.64 | 642.28
2 | 646.86 | 642.28
3 | 636.79 | 642.28
4 | 638.26 | 642.28
(4 rows)
```
# 함수 표현식
## 구문
내장 함수는 모두 표현식으로 사용할 수 있습니다. 함수 호출 구문이 함수의 이름이며, 그 뒤에 인수 목록이 괄호로 묶여서 입력됩니다.
```
function ( [expression [, expression...]] )
```
## 인수
* 함수*
내장 함수입니다. 예시 함수에 대한 자세한 내용은 [SQL 함수 참조](c_SQL_functions.md) 섹션을 참조하세요.
* expression*
함수에서 예상되는 데이터 형식 및 파라미터 수와 일치하는 표현식입니다.
## 예제
```
abs (variable)
select avg (qtysold + 3) from sales;
select dateadd (day,30,caldate) as plus30days from date;
```
# 조건
**Topics**
+ [구문](#r_conditions-synopsis)
+ [비교 조건](r_comparison_condition.md)
+ [논리 조건](r_logical_condition.md)
+ [패턴 일치 조건](pattern-matching-conditions.md)
+ [BETWEEN 범위 조건](r_range_condition.md)
+ [NULL 조건](r_null_condition.md)
+ [EXISTS 조건](r_exists_condition.md)
+ [IN 조건](r_in_condition.md)
조건이란 1개 이상의 표현식과 true, false 또는 unknown으로 평가되는 논리 연산자로 구성된 하나의 문을 말합니다. 조건은 종종 조건자로 불리기도 합니다.
**참고**
모든 문자열 비교와 LIKE 패턴 일치는 대/소문자를 구분합니다. 예를 들어 'A'와 'a'는 일치하지 않습니다. 하지만 ILIKE 조건자를 사용하면 패턴 일치에서 대/소문자를 구분하지 않을 수도 있습니다.
## 구문
```
comparison_condition
| logical_condition
| range_condition
| pattern_matching_condition
| null_condition
| EXISTS_condition
| IN_condition
```
# 비교 조건
비교 조건이란 두 값의 논리적 관계를 말합니다. 모든 비교 조건은 반환 형식이 부울인 이진 연산자입니다. Amazon Redshift는 다음 표에 설명된 비교 연산자를 지원합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_comparison_condition.html)
## 사용 노트
= ANY \$1 SOME
ANY 및 SOME 키워드는 *IN* 조건과 동의어입니다. 즉, 반환 값이 1개 이상인 하위 쿼리에서 반환되는 값 중에서 1개라도 비교 결과가 true라면 true를 반환합니다. Amazon Redshift는 ANY와 SOME일 때 =(같음) 조건만 지원합니다. 부등식 조건은 지원하지 않습니다.
ALL 조건자는 지원되지 않습니다.
<> ALL
ALL 키워드는 NOT IN([IN 조건](r_in_condition.md) 조건 참조)과 동의어이기 때문에 하위 쿼리 결과에 표현식이 포함되어 있지 않을 때 true를 반환합니다. Amazon Redshift는 ALL일 때 <> 또는 \$1=(같지 않음) 조건만 지원합니다. 기타 비교 조건은 지원하지 않습니다.
IS TRUE/FALSE/UNKNOWN
0이 아닌 값은 TRUE와, 0은 FALSE와, 그리고 NULL은 UNKNOWN과 같습니다. [부울 유형HLLSKETCH 형식](r_Boolean_type.md) 데이터 형식을 참조하세요.
## 예제
다음은 몇 가지 간단한 비교 조건 예입니다.
```
a = 5
a < b
min(x) >= 5
qtysold = any (select qtysold from sales where dateid = 1882
```
다음은 VENUE 테이블에서 좌석 수가 10000석 이상인 장소를 반환하는 쿼리입니다.
```
select venueid, venuename, venueseats from venue
where venueseats > 10000
order by venueseats desc;
venueid | venuename | venueseats
---------+--------------------------------+------------
83 | FedExField | 91704
6 | New York Giants Stadium | 80242
79 | Arrowhead Stadium | 79451
78 | INVESCO Field | 76125
69 | Dolphin Stadium | 74916
67 | Ralph Wilson Stadium | 73967
76 | Jacksonville Municipal Stadium | 73800
89 | Bank of America Stadium | 73298
72 | Cleveland Browns Stadium | 73200
86 | Lambeau Field | 72922
...
(57 rows)
```
다음은 USERS 테이블에서 록 음악을 좋아하는 사용자(USERID)를 선택하는 예입니다.
```
select userid from users where likerock = 't' order by 1 limit 5;
userid
--------
3
5
6
13
16
(5 rows)
```
다음은 USER 테이블에서 록 음악을 좋아하는지 알 수 없는 사용자(USERID)를 선택하는 예입니다.
```
select firstname, lastname, likerock
from users
where likerock is unknown
order by userid limit 10;
firstname | lastname | likerock
----------+----------+----------
Rafael | Taylor |
Vladimir | Humphrey |
Barry | Roy |
Tamekah | Juarez |
Mufutau | Watkins |
Naida | Calderon |
Anika | Huff |
Bruce | Beck |
Mallory | Farrell |
Scarlett | Mayer |
(10 rows
```
## TIME 열이 있는 예
다음 예제 테이블 TIME\$1TEST에는 3개의 값이 삽입된 TIME\$1VAL(TIME 형식) 열이 있습니다.
```
select time_val from time_test;
time_val
---------------------
20:00:00
00:00:00.5550
00:58:00
```
다음 예에서는 각 timetz\$1val에서 시간을 추출합니다.
```
select time_val from time_test where time_val < '3:00';
time_val
---------------
00:00:00.5550
00:58:00
```
다음 예에서는 2개의 시간 리터럴을 비교합니다.
```
select time '18:25:33.123456' = time '18:25:33.123456';
?column?
----------
t
```
## TIMETZ 열이 있는 예
다음 예제 테이블 TIMETZ\$1TEST에는 3개의 값이 삽입된 TIMETZ\$1VAL(TIMETZ 형식) 열이 있습니다.
```
select timetz_val from timetz_test;
timetz_val
------------------
04:00:00+00
00:00:00.5550+00
05:58:00+00
```
다음 예에서는 `3:00:00 UTC`보다 작은 TIMETZ 값만 선택합니다. 값을 UTC로 변환한 후 비교합니다.
```
select timetz_val from timetz_test where timetz_val < '3:00:00 UTC';
timetz_val
---------------
00:00:00.5550+00
```
다음 예에서는 2개의 TIMETZ 리터럴을 비교합니다. 비교를 위해 시간대는 무시됩니다.
```
select time '18:25:33.123456 PST' < time '19:25:33.123456 EST';
?column?
----------
t
```
# 논리 조건
논리 조건은 두 조건 결과를 결합하여 단일 결과를 산출합니다. 모든 논리 조건은 반환 형식이 부울인 이진 연산자입니다.
## 구문
```
expression
{ AND | OR }
expression
NOT expression
```
논리 조건은 값이 3개인 부울 논리를 사용하며, 여기에서 NULL 값은 알 수 없는 관계를 의미합니다. 다음 표는 논리 조건 결과를 설명한 것으로서 `E1`과 `E2`는 표현식을 의미합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_logical_condition.html)
NOT 연산자는 AND 이전에, 그리고 AND 연산자는 OR 이전에 평가됩니다. 하지만 괄호를 사용하면 이러한 기본 평가 순서를 재정의할 수 있습니다.
### 예제
다음은 USERS 테이블에서 Las Vegas와 스포츠를 모두 좋아하는 사용자의 USERID 및 USERNAME을 반환하는 예입니다.
```
select userid, username from users
where likevegas = 1 and likesports = 1
order by userid;
userid | username
--------+----------
1 | JSG99FHE
67 | TWU10MZT
87 | DUF19VXU
92 | HYP36WEQ
109 | FPL38HZK
120 | DMJ24GUZ
123 | QZR22XGQ
130 | ZQC82ALK
133 | LBN45WCH
144 | UCX04JKN
165 | TEY68OEB
169 | AYQ83HGO
184 | TVX65AZX
...
(2128 rows)
```
다음은 USERS 테이블에서 Las Vegas 또는 스포츠를, 혹은 둘 다 좋아하는 사용자의 USERID 및 USERNAME을 반환하는 예입니다. 이 쿼리는 이전 예의 모든 출력에 더하여 Las Vegas 또는 스포츠만 좋아하는 사용자까지 반환합니다.
```
select userid, username from users
where likevegas = 1 or likesports = 1
order by userid;
userid | username
--------+----------
1 | JSG99FHE
2 | PGL08LJI
3 | IFT66TXU
5 | AEB55QTM
6 | NDQ15VBM
9 | MSD36KVR
10 | WKW41AIW
13 | QTF33MCG
15 | OWU78MTR
16 | ZMG93CDD
22 | RHT62AGI
27 | KOY02CVE
29 | HUH27PKK
...
(18968 rows)
```
다음은 `OR` 조건에 괄호를 사용하여 New York 또는 California에서 Macbeth를 공연한 장소를 찾는 예입니다.
```
select distinct venuename, venuecity
from venue join event on venue.venueid=event.venueid
where (venuestate = 'NY' or venuestate = 'CA') and eventname='Macbeth'
order by 2,1;
venuename | venuecity
----------------------------------------+---------------
Geffen Playhouse | Los Angeles
Greek Theatre | Los Angeles
Royce Hall | Los Angeles
American Airlines Theatre | New York City
August Wilson Theatre | New York City
Belasco Theatre | New York City
Bernard B. Jacobs Theatre | New York City
...
```
위 예에서 괄호를 제거하면 쿼리의 논리 및 결과가 바뀝니다.
다음 예에서는 `NOT` 스크립트를 사용합니다:
```
select * from category
where not catid=1
order by 1;
catid | catgroup | catname | catdesc
-------+----------+-----------+--------------------------------------------
2 | Sports | NHL | National Hockey League
3 | Sports | NFL | National Football League
4 | Sports | NBA | National Basketball Association
5 | Sports | MLS | Major League Soccer
...
```
다음은 `NOT` 조건에 이어 `AND` 조건을 사용하는 예입니다.
```
select * from category
where (not catid=1) and catgroup='Sports'
order by catid;
catid | catgroup | catname | catdesc
-------+----------+---------+---------------------------------
2 | Sports | NHL | National Hockey League
3 | Sports | NFL | National Football League
4 | Sports | NBA | National Basketball Association
5 | Sports | MLS | Major League Soccer
(4 rows)
```
# 패턴 일치 조건
**Topics**
+ [LIKE](r_patternmatching_condition_like.md)
+ [SIMILAR TO](pattern-matching-conditions-similar-to.md)
+ [POSIX 연산자](pattern-matching-conditions-posix.md)
패턴 일치 연산자는 조건 표현식에서 지정한 패턴을 문자열에서 검색하여 일치하는 패턴 유무에 따라 true 또는 false를 반환합니다. Amazon Redshift는 패턴 일치에 세 가지 방법을 사용합니다.
+ LIKE 표현식
LIKE 연산자는 열 이름 같은 문자열 표현식과 `%`(퍼센트) 및 `_`(밑줄) 와일드카드 문자의 사용 패턴을 서로 비교합니다. LIKE 패턴 일치는 항상 전체 문자열을 검색합니다. LIKE는 대/소문자를 구분하여 패턴을 일치시키는 반면 ILIKE는 대/소문자를 구분하지 않고 패턴을 일치시킵니다.
+ SIMILAR TO 정규 표현식
SIMILAR TO 연산자는 문자열 표현식과 SQL 표준 정규 표현식 패턴을 일치시킵니다. 여기에는 LIKE 연산자에서 지원하는 문자 2개는 물론이고 패턴 일치 메타 문자까지 포함될 수 있습니다. SIMILAR TO는 전체 문자열을 일치시키며, 대/소문자를 구분합니다.
+ POSIX-스타일 정규 표현식
POSIX 정규 표현식은 LIKE 및 SIMILAR TO 연산자보다 더욱 강력한 패턴 일치 수단을 제공합니다. POSIX 정규 표현식 패턴은 대/소문자를 구분하여 문자열의 어느 구간이든 일치시킬 수 있습니다.
SIMILAR TO 또는 POSIX 연산자를 사용하는 정규 표현식 일치는 계산에 따른 리소스 비용이 높습니다. 따라서 특히 다수의 행을 처리할 때는 최대한 LIKE를 사용하는 것이 좋습니다. 예를 들어 다음 두 쿼리는 기능면에서 동일하지만 LIKE를 사용하는 쿼리의 실행 속도가 정규 표현식을 사용하는 쿼리보다 몇 배 더 빠릅니다.
```
select count(*) from event where eventname SIMILAR TO '%(Ring|Die)%';
select count(*) from event where eventname LIKE '%Ring%' OR eventname LIKE '%Die%';
```
# LIKE
LIKE 연산자는 열 이름 같은 문자열 표현식과 %(퍼센트) 및 \$1(밑줄) 와일드카드 문자의 사용 패턴을 서로 비교합니다. LIKE 패턴 일치는 항상 전체 문자열을 검색합니다. 문자열 내 아무 곳에서나 시퀀스를 일치시키려면 패턴이 퍼센트 기호로 시작해서 끝나야 합니다.
LIKE는 대/소문자를 구분하지만 ILIKE는 대/소문자를 구분하지 않습니다.
## 구문
```
expression [ NOT ] LIKE | ILIKE pattern [ ESCAPE 'escape_char' ]
```
## 인수
* expression*
열 이름 같이 유효한 UTF-8 문자 표현식입니다.
LIKE \$1 ILIKE
LIKE는 대/소문자를 구분하여 패턴을 일치시킵니다. ILIKE는 단일 바이트 UTF-8(ASCII) 문자일 때 대/소문자를 구분하지 않고 패턴을 일치시킵니다. 멀티바이트 문자에 대해 대/소문자를 구분하지 않는 패턴 일치를 수행하려면 LIKE 조건이 있는 *expression* 및 *pattern*에 [LOWER](r_LOWER.md) 함수를 사용합니다.
비교 조건자(예: = 및 <>)와 달리 LIKE 및 ILIKE 조건자는 후행 공백을 묵시적으로 무시하지 않습니다. 후행 공백을 무시하려면 RTRIM을 사용하거나 CHAR 열을 VARCHAR로 명시적으로 캐스트합니다.
`~~` 연산자는 LIKE와 동일하며 `~~*`는 ILIKE와 동일합니다. 또한 `!~~` 및 `!~~*` 연산자는 NOT LIKE 및 NOT ILIKE와 동일합니다.
*pattern*
일치시킬 패턴이 포함된, 유효한 UTF-8 문자 표현식입니다.
*escape\$1char*
패턴의 메타 문자를 이스케이프 처리하는 문자 표현식입니다. 기본값은 백슬래시 2개('\$1\$1')입니다.
*pattern*에 메타 문자가 포함되어 있지 않으면 패턴이 문자열 자체만 의미합니다. 이런 경우에는 LIKE가 등호 연산자와 동일한 역할을 합니다.
문자 표현식 중 하나는 CHAR 또는 VARCHAR 데이터 형식이 될 수 있습니다. 데이터 형식이 서로 다른 경우에는 Amazon Redshift가 *pattern*을 *expression*의 데이터 형식으로 변환합니다.
LIKE에서 지원되는 패턴 일치 메타 문자는 다음과 같습니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_patternmatching_condition_like.html)
## 예제
다음 표는 LIKE를 사용한 패턴 일치의 예를 나타낸 것입니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_patternmatching_condition_like.html)
다음은 이름이 "E"로 시작하는 도시를 모두 찾는 예입니다.
```
select distinct city from users
where city like 'E%' order by city;
city
---------------
East Hartford
East Lansing
East Rutherford
East St. Louis
Easthampton
Easton
Eatontown
Eau Claire
...
```
다음은 성에 "ten"이 포함된 사용자를 찾는 예입니다.
```
select distinct lastname from users
where lastname like '%ten%' order by lastname;
lastname
-------------
Christensen
Wooten
...
```
다음 예제에서는 여러 패턴을 매칭하는 방법을 보여줍니다.
```
select distinct lastname from tickit.users
where lastname like 'Chris%' or lastname like '%Wooten' order by lastname;
lastname
-------------
Christensen
Christian
Wooten
...
```
다음은 세 번째와 네 번째 문자가 "ea"인 도시를 찾는 예입니다. 이 명령에서는 ILIKE를 사용하여 대/소문자를 구분하지 않고 있습니다.
```
select distinct city from users where city ilike '__EA%' order by city;
city
-------------
Brea
Clearwater
Great Falls
Ocean City
Olean
Wheaton
(6 rows)
```
다음은 기본 이스케이프 문자열(\$1\$1)을 사용하여 'start\$1'(텍스트 `start` 뒤에 밑줄 `_`가 붙음)가 포함된 문자열을 찾는 예입니다.
```
select tablename, "column" from pg_table_def
where "column" like '%start\\_%'
limit 5;
tablename | column
-------------------+---------------
stl_s3client | start_time
stl_tr_conflict | xact_start_ts
stl_undone | undo_start_ts
stl_unload_log | start_time
stl_vacuum_detail | start_row
(5 rows)
```
다음은 '^'을 이스케이프 문자로 지정한 후 이 이스케이프 문자를 사용하여 'start\$1'(텍스트 `start` 뒤에 밑줄 `_`가 붙음)가 포함된 문자열을 찾는 예입니다.
```
select tablename, "column" from pg_table_def
where "column" like '%start^_%' escape '^'
limit 5;
tablename | column
-------------------+---------------
stl_s3client | start_time
stl_tr_conflict | xact_start_ts
stl_undone | undo_start_ts
stl_unload_log | start_time
stl_vacuum_detail | start_row
(5 rows)
```
다음 예시에서는 `~~*` 연산자를 사용하여 'Ag'로 시작하는 도시에 대해 대소문자를 구분하지 않는(ILIKE) 검색을 수행합니다.
```
select distinct city from users where city ~~* 'Ag%' order by city;
city
------------
Agat
Agawam
Agoura Hills
Aguadilla
```
# SIMILAR TO
SIMILAR TO 연산자는 열 이름 같은 문자열 표현식과 SQL 표준 정규 표현식 패턴을 일치시킵니다. SQL 정규 표현식 패턴에는 [LIKE](r_patternmatching_condition_like.md) 연산자에서 지원되는 문자 2개는 물론이고 패턴 일치 문자까지 포함될 수 있습니다.
SIMILAR TO 연산자는 패턴이 문자열 구간과 일치하는 POSIX 정규 표현식과 달리 패턴이 전체 문자열과 일치하는 경우에만 true를 반환합니다.
SIMILAR TO는 대/소문자를 구분하여 패턴을 일치시킵니다.
**참고**
SIMILAR TO를 사용하는 정규 표현식 일치는 계산에 따른 리소스 비용이 높습니다. 따라서 특히 다수의 행을 처리할 때는 최대한 LIKE를 사용하는 것이 좋습니다. 예를 들어 다음 두 쿼리는 기능면에서 동일하지만 LIKE를 사용하는 쿼리의 실행 속도가 정규 표현식을 사용하는 쿼리보다 몇 배 더 빠릅니다.
```
select count(*) from event where eventname SIMILAR TO '%(Ring|Die)%';
select count(*) from event where eventname LIKE '%Ring%' OR eventname LIKE '%Die%';
```
## 구문
```
expression [ NOT ] SIMILAR TO pattern [ ESCAPE 'escape_char' ]
```
## 인수
* expression*
열 이름 같이 유효한 UTF-8 문자 표현식입니다.
SIMILAR TO
SIMILAR TO는 대/소문자를 구분하여 *expression*의 전체 문자열과 패턴을 일치시킵니다.
*pattern*
SQL 표준 정규 표현식 패턴을 나타내는, 유효한 UTF-8 문자 표현식입니다.
*escape\$1char*
패턴의 메타 문자를 이스케이프 처리하는 문자 표현식입니다. 기본값은 백슬래시 2개('\$1\$1')입니다.
*pattern*에 메타 문자가 포함되어 있지 않으면 패턴이 문자열 자체만 의미합니다.
문자 표현식 중 하나는 CHAR 또는 VARCHAR 데이터 형식이 될 수 있습니다. 데이터 형식이 서로 다른 경우에는 Amazon Redshift가 *pattern*을 *expression*의 데이터 형식으로 변환합니다.
SIMILAR TO에서 지원되는 패턴 일치 메타 문자는 다음과 같습니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/pattern-matching-conditions-similar-to.html)
## 예제
다음 표는 SIMILAR TO를 사용한 패턴 일치의 예를 나타낸 것입니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/pattern-matching-conditions-similar-to.html)
다음은 이름에 "E" 또는 "H"가 포함되는 도시를 찾는 예입니다.
```
SELECT DISTINCT city FROM users
WHERE city SIMILAR TO '%E%|%H%' ORDER BY city LIMIT 5;
city
-----------------
Agoura Hills
Auburn Hills
Benton Harbor
Beverly Hills
Chicago Heights
```
다음은 기본 이스케이프 문자열('`\\`')을 사용하여 "`_`"이 포함된 문자열을 찾는 예입니다.
```
SELECT tablename, "column" FROM pg_table_def
WHERE "column" SIMILAR TO '%start\\_%'
ORDER BY tablename, "column" LIMIT 5;
tablename | column
--------------------------+---------------------
stcs_abort_idle | idle_start_time
stcs_abort_idle | txn_start_time
stcs_analyze_compression | start_time
stcs_auto_worker_levels | start_level
stcs_auto_worker_levels | start_wlm_occupancy
```
다음은 '`^`'을 이스케이프 문자열로 지정한 후 이 이스케이프 문자열을 사용하여 "`_`"이 포함된 문자열을 찾는 예입니다.
```
SELECT tablename, "column" FROM pg_table_def
WHERE "column" SIMILAR TO '%start^_%' ESCAPE '^'
ORDER BY tablename, "column" LIMIT 5;
tablename | column
--------------------------+---------------------
stcs_abort_idle | idle_start_time
stcs_abort_idle | txn_start_time
stcs_analyze_compression | start_time
stcs_auto_worker_levels | start_level
stcs_auto_worker_levels | start_wlm_occupancy
```
# POSIX 연산자
POSIX 정규 표현식은 일치 패턴을 지정하는 일련의 문자입니다. 문자열이 정규 표현식에 설명된 정규 집합의 멤버인 경우 해당 문자열은 정규 표현식과 일치합니다.
POSIX 정규 표현식은 [LIKE](r_patternmatching_condition_like.md) 및 [SIMILAR TO](pattern-matching-conditions-similar-to.md) 연산자보다 더욱 강력한 패턴 일치 수단을 제공합니다. POSIX 정규 표현식은 패턴은 전체 문자열과 일치하는 경우에만 true를 반환하는 SIMILAR TO 연산자와 달리 문자열 구간과 일치시킬 수 있습니다.
**참고**
POSIX 연산자를 사용하는 정규 표현식 일치는 계산에 따른 리소스 비용이 높습니다. 따라서 특히 다수의 행을 처리할 때는 최대한 LIKE를 사용하는 것이 좋습니다. 예를 들어 다음 두 쿼리는 기능면에서 동일하지만 LIKE를 사용하는 쿼리의 실행 속도가 정규 표현식을 사용하는 쿼리보다 몇 배 더 빠릅니다.
```
select count(*) from event where eventname ~ '.*(Ring|Die).*';
select count(*) from event where eventname LIKE '%Ring%' OR eventname LIKE '%Die%';
```
## 구문
```
expression [ ! ] ~ pattern
```
## 인수
* expression*
열 이름 같이 유효한 UTF-8 문자 표현식입니다.
\$1
부정 연산자입니다. 정규 표현식과 일치하지 않습니다.
\$1
대/소문자를 구분하여 *expression*의 하위 문자열과 일치시킵니다.
`~~`는 [LIKE](r_patternmatching_condition_like.md)의 동의어입니다.
*pattern*
정규 표현식 패턴을 나타내는 문자열 리터럴입니다.
*pattern*에 와일드카드 문자가 포함되어 있지 않으면 패턴이 문자열 자체만 의미합니다.
‘`. * | ? `‘ 등 메타 문자가 포함된 문자열을 찾으려면 백슬래시 2개('` \\`')를 사용하여 문자를 이스케이프 처리하세요. `SIMILAR TO`나 `LIKE`와 달리 POSIX 정규 표현식 구문은 사용자 정의 이스케이프 문자를 지원하지 않습니다.
문자 표현식 중 하나는 CHAR 또는 VARCHAR 데이터 형식이 될 수 있습니다. 데이터 형식이 서로 다른 경우에는 Amazon Redshift가 *pattern*을 *expression*의 데이터 형식으로 변환합니다.
문자 표현식 모두 CHAR 또는 VARCHAR 데이터 형식이 될 수 있습니다. 표현식의 데이터 형식이 다르면 Amazon Redshift가 *expression*의 데이터 형식으로 변환합니다.
POSIX 패턴 일치에서 지원되는 메타 문자는 다음과 같습니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/pattern-matching-conditions-posix.html)
다음은 Amazon Redshift에서 지원되는 POSIX 문자 클래스입니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/pattern-matching-conditions-posix.html)
Amazon Redshift는 정규 표현식에서 다음과 같이 Perl의 영향을 받는 연산자를 지원합니다. 이러한 연산자는 백슬래시 2개(‘`\\`’)를 사용하여 이스케이프 처리합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/pattern-matching-conditions-posix.html)
## 예제
다음 표는 POSIX 연산자를 사용한 패턴 일치의 예를 나타낸 것입니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/pattern-matching-conditions-posix.html)
다음은 이름에 `E` 또는 `H`가 포함된 도시를 찾는 예입니다.
```
SELECT DISTINCT city FROM users
WHERE city ~ '.*E.*|.*H.*' ORDER BY city LIMIT 5;
city
-----------------
Agoura Hills
Auburn Hills
Benton Harbor
Beverly Hills
Chicago Heights
```
다음 예는 이름에 `E` 또는 `H`가 포함되지 않은 도시를 찾습니다.
```
SELECT DISTINCT city FROM users WHERE city !~ '.*E.*|.*H.*' ORDER BY city LIMIT 5;
city
-----------------
Aberdeen
Abilene
Ada
Agat
Agawam
```
다음은 기본 이스케이프 문자열('`\\`')을 사용하여 "마침표"가 포함된 문자열을 찾는 예입니다.
```
SELECT venuename FROM venue
WHERE venuename ~ '.*\\..*'
ORDER BY venueid;
venuename
------------------------------
St. Pete Times Forum
Jobing.com Arena
Hubert H. Humphrey Metrodome
U.S. Cellular Field
Superpages.com Center
E.J. Nutter Center
Bernard B. Jacobs Theatre
St. James Theatre
```
# BETWEEN 범위 조건
`BETWEEN` 조건은 키워드 `BETWEEN`과 `AND`를 사용하여 값의 범위에 대한 표현식의 포함 여부를 테스트합니다.
## 구문
```
expression [ NOT ] BETWEEN expression AND expression
```
표현식은 숫자, 문자 또는 날짜/시간 데이터 형식이 될 수 있지만 서로 호환 가능해야 합니다. 범위는 모든 값을 포함합니다.
## 예제
다음은 티켓 2장, 3장 또는 4장 중에서 판매가 등록된 티켓의 거래 수를 계산하는 예입니다.
```
select count(*) from sales
where qtysold between 2 and 4;
count
--------
104021
(1 row)
```
범위 조건에는 시작 값과 종료 값이 모두 포함됩니다.
```
select min(dateid), max(dateid) from sales
where dateid between 1900 and 1910;
min | max
-----+-----
1900 | 1910
```
범위 조건에서 첫 번째 표현식은 두 번째 표현식보다 값이 작아야 하고, 두 번째 표현식은 첫 번째 표현식보다 값이 커야 합니다. 다음은 표현식의 값으로 인해 항상 0개의 행을 반환하는 예입니다.
```
select count(*) from sales
where qtysold between 4 and 2;
count
-------
0
(1 row)
```
하지만 NOT 한정자를 적용하면 논리가 반전되어 모든 행의 수를 반환합니다.
```
select count(*) from sales
where qtysold not between 4 and 2;
count
--------
172456
(1 row)
```
다음은 좌석 수가 20,000\$150,000석인 장소 목록을 반환하는 쿼리입니다.
```
select venueid, venuename, venueseats from venue
where venueseats between 20000 and 50000
order by venueseats desc;
venueid | venuename | venueseats
---------+-------------------------------+------------
116 | Busch Stadium | 49660
106 | Rangers BallPark in Arlington | 49115
96 | Oriole Park at Camden Yards | 48876
...
(22 rows)
```
다음 예에서는 날짜 값에 BETWEEN을 사용하는 방법을 보여 줍니다.
```
select salesid, qtysold, pricepaid, commission, saletime
from sales
where eventid between 1000 and 2000
and saletime between '2008-01-01' and '2008-01-03'
order by saletime asc;
salesid | qtysold | pricepaid | commission | saletime
--------+---------+-----------+------------+---------------
65082 | 4 | 472 | 70.8 | 1/1/2008 06:06
110917 | 1 | 337 | 50.55 | 1/1/2008 07:05
112103 | 1 | 241 | 36.15 | 1/2/2008 03:15
137882 | 3 | 1473 | 220.95 | 1/2/2008 05:18
40331 | 2 | 58 | 8.7 | 1/2/2008 05:57
110918 | 3 | 1011 | 151.65 | 1/2/2008 07:17
96274 | 1 | 104 | 15.6 | 1/2/2008 07:18
150499 | 3 | 135 | 20.25 | 1/2/2008 07:20
68413 | 2 | 158 | 23.7 | 1/2/2008 08:12
```
BETWEEN의 범위는 포함되지만 날짜는 기본적으로 00:00:00의 시간 값을 가집니다. 샘플 쿼리에 대해 유일하게 유효한 1월 3일 행은 판매 시간이 `1/3/2008 00:00:00`인 행입니다.
# NULL 조건
NULL 조건은 값이 누락되거나 알 수 없는 경우 NULL 여부를 테스트합니다.
## 구문
```
expression IS [ NOT ] NULL
```
## 인수
* expression*
열 같은 모든 표현식입니다.
IS NULL
표현식의 값이 NULL일 때는 true이고, 표현식에 값이 있을 때는 false입니다.
IS NOT NULL
표현식의 값이 NULL일 때는 false이고, 표현식에 값이 있을 때는 true입니다.
## 예제
다음은 SALES 테이블의 QTYSOLD 필드에 NULL이 포함된 횟수를 나타내는 예입니다.
```
select count(*) from sales
where qtysold is null;
count
-------
0
(1 row)
```
# EXISTS 조건
EXISTS 조건은 하위 쿼리에 대한 행의 존재 유무를 테스트한 후 하위 쿼리에서 행이 1개 이상 존재하면 true를 반환합니다. NOT을 지정하는 경우에는 하위 쿼리에 행이 없을 때 true를 반환합니다.
## 구문
```
[ NOT ] EXISTS (table_subquery)
```
## 인수
exists
*table\$1subquery*가 행을 1개 이상 반환하면 true입니다.
not\$1exists
*table\$1subquery*가 행을 하나도 반환하지 않으면 true입니다.
*table\$1subquery*
열이 1개 이상, 그리고 행이 1개 이상 포함된 테이블로 평가되는 하위 쿼리입니다.
## 예제
다음은 유형에 상관없이 판매가 이루어진 날짜마다 각각 한 번씩 날짜 식별자를 모두 반환하는 예입니다.
```
select dateid from date
where exists (
select 1 from sales
where date.dateid = sales.dateid
)
order by dateid;
dateid
--------
1827
1828
1829
...
```
# IN 조건
IN 조건은 값 집합 또는 하위 쿼리에서 값의 멤버십 여부를 테스트합니다.
## 구문
```
expression [ NOT ] IN (expr_list | table_subquery)
```
## 인수
* expression*
*expr\$1list* 또는 *table\$1subquery*를 대상으로 평가되는 숫자, 문자 또는 날짜/시간 표현식으로서 해당 목록이나 하위 쿼리의 데이터 형식과 호환되어야 합니다.
*expr\$1list*
쉼표로 구분된 표현식 1개 이상, 또는 쉼표로 구분된 표현식 집합 1개 이상이며 괄호로 경계를 표시합니다.
*table\$1subquery*
행이 1개 이상 포함되어 있지만 select 목록의 열은 1개로 제한된 테이블로 평가되는 하위 쿼리입니다.
IN \$1 NOT IN
IN은 표현식이 표현식 목록 또는 쿼리의 멤버일 때 true를 반환합니다. NOT IN은 표현식이 멤버가 아닐 때 true를 반환합니다. IN과 NOT IN은 *expression*이 NULL을 산출하는 경우, 혹은 *expr\$1list* 또는 *table\$1subquery* 값이 하나도 일치하지 않고 두 비교 행 중 적어도 하나가 NULL을 산출하는 경우에는 NULL과 함께 아무런 행도 반환되지 않습니다.
## 예제
다음 조건은 나열된 값일 때만 true로 평가됩니다.
```
qtysold in (2, 4, 5)
date.day in ('Mon', 'Tues')
date.month not in ('Oct', 'Nov', 'Dec')
```
## 대용량 IN 목록의 최적화
값이 10개 이상인 IN 목록은 쿼리 성능의 최적화를 위해 내부에서 스칼라 배열로 평가됩니다. 값이 10개 미만인 IN 목록은 OR 조건자의 연속으로 평가됩니다. 이러한 최적화는 SMALLINT, INTEGER, BIGINT, REAL, DOUBLE PRECISION, BOOLEAN, CHAR, VARCHAR, DATE, TIMESTAMP 및 TIMESTAMPTZ 데이터 형식에서 지원됩니다.
이러한 최적화의 효과는 다음 쿼리에서 EXPLAIN 출력을 보면 알 수 있습니다. 예:
```
explain select * from sales
QUERY PLAN
--------------------------------------------------------------------
XN Seq Scan on sales (cost=0.00..6035.96 rows=86228 width=53)
Filter: (salesid = ANY ('{1,2,3,4,5,6,7,8,9,10,11}'::integer[]))
(2 rows)
```
# SQL 명령
SQL 언어는 데이터베이스 객체 생성 및 조작, 쿼리 실행, 테이블 로드, 테이블에 있는 데이터 수정에 사용하는 명령으로 구성됩니다.
Amazon Redshift는 PostgreSQL을 기반으로 합니다. Amazon Redshift와 PostgreSQL은 데이터웨어 하우스 애플리케이션을 설계하고 개발할 때 숙지해야 할 몇 가지 중요한 차이점이 있습니다. Amazon Redshift SQL이 PostgreSQL과 어떻게 다른지 자세히 알아보려면 [Amazon Redshift 및 PostgreSQL](c_redshift-and-postgres-sql.md) 섹션을 참조하세요.
**참고**
단일 SQL 문의 최대 크기는 16MB입니다.
**Topics**
+ [ABORT](r_ABORT.md)
+ [ALTER DATABASE](r_ALTER_DATABASE.md)
+ [ALTER DATASHARE](r_ALTER_DATASHARE.md)
+ [ALTER DEFAULT PRIVILEGES](r_ALTER_DEFAULT_PRIVILEGES.md)
+ [ALTER EXTERNAL SCHEMA](r_ALTER_EXTERNAL_SCHEMA.md)
+ [ALTER EXTERNAL VIEW](r_ALTER_EXTERNAL_VIEW.md)
+ [ALTER FUNCTION](r_ALTER_FUNCTION.md)
+ [ALTER GROUP](r_ALTER_GROUP.md)
+ [ALTER IDENTITY PROVIDER](r_ALTER_IDENTITY_PROVIDER.md)
+ [마스킹 정책 변경](r_ALTER_MASKING_POLICY.md)
+ [ALTER MATERIALIZED VIEW](r_ALTER_MATERIALIZED_VIEW.md)
+ [ALTER RLS POLICY](r_ALTER_RLS_POLICY.md)
+ [역할 변경](r_ALTER_ROLE.md)
+ [ALTER PROCEDURE](r_ALTER_PROCEDURE.md)
+ [ALTER SCHEMA](r_ALTER_SCHEMA.md)
+ [ALTER SYSTEM](r_ALTER_SYSTEM.md)
+ [ALTER TABLE](r_ALTER_TABLE.md)
+ [ALTER TABLE APPEND](r_ALTER_TABLE_APPEND.md)
+ [ALTER TEMPLATE](r_ALTER_TEMPLATE.md)
+ [ALTER USER](r_ALTER_USER.md)
+ [ANALYZE](r_ANALYZE.md)
+ [ANALYZE COMPRESSION](r_ANALYZE_COMPRESSION.md)
+ [마스킹 정책 연결](r_ATTACH_MASKING_POLICY.md)
+ [ATTACH RLS POLICY](r_ATTACH_RLS_POLICY.md)
+ [BEGIN](r_BEGIN.md)
+ [CALL](r_CALL_procedure.md)
+ [CANCEL](r_CANCEL.md)
+ [CLOSE](close.md)
+ [COMMENT](r_COMMENT.md)
+ [COMMIT](r_COMMIT.md)
+ [COPY](r_COPY.md)
+ [데이터베이스 생성](r_CREATE_DATABASE.md)
+ [CREATE DATASHARE](r_CREATE_DATASHARE.md)
+ [CREATE EXTERNAL FUNCTION](r_CREATE_EXTERNAL_FUNCTION.md)
+ [CREATE EXTERNAL MODEL](r_create_external_model.md)
+ [CREATE EXTERNAL SCHEMA](r_CREATE_EXTERNAL_SCHEMA.md)
+ [CREATE EXTERNAL TABLE](r_CREATE_EXTERNAL_TABLE.md)
+ [CREATE EXTERNAL VIEW](r_CREATE_EXTERNAL_VIEW.md)
+ [CREATE FUNCTION](r_CREATE_FUNCTION.md)
+ [create group](r_CREATE_GROUP.md)
+ [CREATE IDENTITY PROVIDER](r_CREATE_IDENTITY_PROVIDER.md)
+ [CREATE LIBRARY](r_CREATE_LIBRARY.md)
+ [마스킹 정책 생성](r_CREATE_MASKING_POLICY.md)
+ [CREATE MATERIALIZED VIEW](materialized-view-create-sql-command.md)
+ [CREATE MODEL](r_CREATE_MODEL.md)
+ [CREATE PROCEDURE](r_CREATE_PROCEDURE.md)
+ [CREATE RLS POLICY](r_CREATE_RLS_POLICY.md)
+ [CREATE ROLE](r_CREATE_ROLE.md)
+ [CREATE SCHEMA](r_CREATE_SCHEMA.md)
+ [CREATE TABLE](r_CREATE_TABLE_NEW.md)
+ [CREATE TABLE AS](r_CREATE_TABLE_AS.md)
+ [CREATE TEMPLATE](r_CREATE_TEMPLATE.md)
+ [CREATE USER](r_CREATE_USER.md)
+ [CREATE VIEW](r_CREATE_VIEW.md)
+ [DEALLOCATE](r_DEALLOCATE.md)
+ [DECLARE](declare.md)
+ [DELETE](r_DELETE.md)
+ [DESC DATASHARE](r_DESC_DATASHARE.md)
+ [DESC IDENTITY PROVIDER](r_DESC_IDENTITY_PROVIDER.md)
+ [마스킹 정책 분리](r_DETACH_MASKING_POLICY.md)
+ [DETACH RLS POLICY](r_DETACH_RLS_POLICY.md)
+ [DROP DATABASE](r_DROP_DATABASE.md)
+ [DROP DATASHARE](r_DROP_DATASHARE.md)
+ [DROP EXTERNAL VIEW](r_DROP_EXTERNAL_VIEW.md)
+ [DROP FUNCTION](r_DROP_FUNCTION.md)
+ [DROP GROUP](r_DROP_GROUP.md)
+ [DROP IDENTITY PROVIDER](r_DROP_IDENTITY_PROVIDER.md)
+ [DROP LIBRARY](r_DROP_LIBRARY.md)
+ [마스킹 정책 삭제](r_DROP_MASKING_POLICY.md)
+ [DROP MODEL](r_DROP_MODEL.md)
+ [DROP MATERIALIZED VIEW](materialized-view-drop-sql-command.md)
+ [DROP PROCEDURE](r_DROP_PROCEDURE.md)
+ [DROP RLS POLICY](r_DROP_RLS_POLICY.md)
+ [DROP ROLE](r_DROP_ROLE.md)
+ [DROP SCHEMA](r_DROP_SCHEMA.md)
+ [DROP TABLE](r_DROP_TABLE.md)
+ [DROP TEMPLATE](r_DROP_TEMPLATE.md)
+ [DROP USER](r_DROP_USER.md)
+ [DROP VIEW](r_DROP_VIEW.md)
+ [END](r_END.md)
+ [EXECUTE](r_EXECUTE.md)
+ [EXPLAIN](r_EXPLAIN.md)
+ [FETCH](fetch.md)
+ [GRANT](r_GRANT.md)
+ [INSERT](r_INSERT_30.md)
+ [INSERT(외부 테이블)](r_INSERT_external_table.md)
+ [LOCK](r_LOCK.md)
+ [MERGE](r_MERGE.md)
+ [PREPARE](r_PREPARE.md)
+ [REFRESH MATERIALIZED VIEW](materialized-view-refresh-sql-command.md)
+ [reset](r_RESET.md)
+ [REVOKE](r_REVOKE.md)
+ [ROLLBACK](r_ROLLBACK.md)
+ [SELECT](r_SELECT_synopsis.md)
+ [SELECT INTO](r_SELECT_INTO.md)
+ [SET](r_SET.md)
+ [SET SESSION AUTHORIZATION](r_SET_SESSION_AUTHORIZATION.md)
+ [SET SESSION CHARACTERISTICS](r_SET_SESSION_CHARACTERISTICS.md)
+ [SHOW](r_SHOW.md)
+ [열 권한 부여 표시](r_SHOW_COLUMN_GRANTS.md)
+ [SHOW COLUMNS](r_SHOW_COLUMNS.md)
+ [제약 조건 표시](r_SHOW_CONSTRAINTS.md)
+ [SHOW EXTERNAL TABLE](r_SHOW_EXTERNAL_TABLE.md)
+ [SHOW DATABASES](r_SHOW_DATABASES.md)
+ [SHOW FUNCTIONS](r_SHOW_FUNCTIONS.md)
+ [SHOW GRANTS](r_SHOW_GRANTS.md)
+ [SHOW MODEL](r_SHOW_MODEL.md)
+ [SHOW DATASHARES](r_SHOW_DATASHARES.md)
+ [SHOW PARAMETERS](r_SHOW_PARAMETERS.md)
+ [SHOW POLICIES](r_SHOW_POLICIES.md)
+ [SHOW PROCEDURE](r_SHOW_PROCEDURE.md)
+ [SHOW PROCEDURES](r_SHOW_PROCEDURES.md)
+ [SHOW SCHEMAS](r_SHOW_SCHEMAS.md)
+ [SHOW TABLE](r_SHOW_TABLE.md)
+ [SHOW TABLES](r_SHOW_TABLES.md)
+ [SHOW TEMPLATE](r_SHOW_TEMPLATE.md)
+ [SHOW TEMPLATES](r_SHOW_TEMPLATES.md)
+ [SHOW VIEW](r_SHOW_VIEW.md)
+ [START TRANSACTION](r_START_TRANSACTION.md)
+ [TRUNCATE](r_TRUNCATE.md)
+ [UNLOAD](r_UNLOAD.md)
+ [UPDATE](r_UPDATE.md)
+ [USE](r_USE_command.md)
+ [VACUUM](r_VACUUM_command.md)
# ABORT
현재 실행 중인 트랜잭션을 중지하고 그 트랜잭션에서 이루어진 모든 업데이트를 삭제합니다. ABORT는 이미 완료된 트랜잭션에는 아무런 영향도 미치지 않습니다.
이 명령은 ROLLBACK 명령과 똑같은 기능을 수행합니다. 자세한 내용은 [ROLLBACK](r_ROLLBACK.md) 섹션을 참조하세요.
## 구문
```
ABORT [ WORK | TRANSACTION ]
```
## 파라미터
Work
선택적 키워드입니다.
TRANSACTION
선택적 키워드: WORK와 TRANSACTION은 동의어입니다.
## 예제
다음 예에서는 테이블을 생성한 다음에 데이터가 테이블에 삽입되는 트랜잭션을 시작합니다. 그런 다음 ABORT 명령으로 데이터 삽입을 롤백하여 테이블이 비어 있는 상태로 둡니다.
다음 명령을 실행하면 MOVIE\$1GROSS라는 예 테이블이 생성됩니다.
```
create table movie_gross( name varchar(30), gross bigint );
```
다음 명령 세트는 테이블에 2개의 데이터 행을 삽입하는 트랜잭션을 시작합니다.
```
begin;
insert into movie_gross values ( 'Raiders of the Lost Ark', 23400000);
insert into movie_gross values ( 'Star Wars', 10000000 );
```
다음으로, 아래 명령을 실행하면 데이터가 올바로 삽입되었음을 보여주기 위해 테이블에서 해당 데이터가 선택됩니다.
```
select * from movie_gross;
```
명령 출력에는 두 행 모두 올바로 삽입된 것으로 표시됩니다.
```
name | gross
------------------------+----------
Raiders of the Lost Ark | 23400000
Star Wars | 10000000
(2 rows)
```
이제는 다음 명령으로 트랜잭션이 시작된 지점으로 데이터 변경 내용을 롤백합니다.
```
abort;
```
테이블에서 데이터를 선택하면 빈 테이블이 표시됩니다.
```
select * from movie_gross;
name | gross
------+-------
(0 rows)
```
# ALTER DATABASE
데이터베이스의 속성을 변경합니다.
## 필수 권한
ALTER DATABASE를 사용하려면 다음 권한 중 하나가 필요합니다.
+ 수퍼유저
+ ALTER DATABASE 권한을 가진 사용자
+ 데이터베이스 소유자
## 구문
```
ALTER DATABASE database_name
{
RENAME TO new_name
| OWNER TO new_owner
| [ CONNECTION LIMIT { limit | UNLIMITED } ]
[ COLLATE { CASE_SENSITIVE | CS | CASE_INSENSITIVE | CI } ]
[ ISOLATION LEVEL { SNAPSHOT | SERIALIZABLE } ]
| INTEGRATION
{
REFRESH { { ALL | INERROR } TABLES [ IN SCHEMA schema [, ...] ] | TABLE schema.table [, ...] }
| SET
[ QUERY_ALL_STATES [=] { TRUE | FALSE } ]
[ ACCEPTINVCHARS [=] { TRUE | FALSE } ]
[ REFRESH_INTERVAL ]
[ TRUNCATECOLUMNS [=] { TRUE | FALSE } ]
[ HISTORY_MODE [=] {TRUE | FALSE} [ FOR { {ALL} TABLES [IN SCHEMA schema [, ...] ] | TABLE schema.table [, ...] } ] ]
}
}
```
## 파라미터
*database\$1name*
변경할 데이터베이스의 이름입니다. 일반적으로, 현재 연결되어 있지 않은 데이터베이스를 변경하며, 경우에 따라 후속 세션에서만 변경 사항이 적용됩니다. 현재 데이터베이스의 소유자를 변경할 수는 있지만 이름을 바꿀 수는 없습니다.
```
alter database tickit rename to newtickit;
ERROR: current database may not be renamed
```
RENAME TO
지정된 데이터베이스의 이름을 바꿉니다. 유효한 이름에 대한 자세한 내용은 [이름 및 식별자](r_names.md) 섹션을 참조하세요. dev, padb\$1harvest, template0, template1 또는 sys:internal 데이터베이스의 이름을 바꿀 수 없고, 현재 데이터베이스의 이름도 바꿀 수 없습니다. 데이터베이스 소유자 또는 [superuser](r_superusers.md#def_superusers)만이 데이터베이스 이름을 바꿀 수 있고, 수퍼유저가 아닌 소유자 역시 CREATEDB 권한을 가져야 합니다.
*new\$1name*
새 데이터베이스 이름입니다.
OWNER TO
지정된 데이터베이스의 소유자를 변경합니다. 현재 데이터베이스 또는 다른 데이터베이스의 소유자를 변경할 수 있습니다. 수퍼유저만이 소유자를 변경할 수 있습니다.
*new\$1owner*
새 데이터베이스 소유자입니다. 새 소유자는 쓰기 권한을 가진 기존 데이터베이스 사용자여야 합니다. 사용자 권한에 대한 자세한 내용은 [GRANT](r_GRANT.md) 섹션을 참조하세요.
CONNECTION LIMIT \$1 *limit* \$1 UNLIMITED \$1
사용자가 동시에 열어놓을 수 있는 데이터베이스 연결의 최대 개수입니다. 수퍼유저에 대해서는 이 제한이 적용되지 않습니다. 최대 동시 연결 수를 허용하려면 UNLIMITED 키워드를 사용하세요. 각 사용자에 대한 연결 개수 제한이 적용될 수도 있습니다. 자세한 내용은 [CREATE USER](r_CREATE_USER.md) 섹션을 참조하세요. 기본값은 UNLIMITED입니다. 현재 연결을 보려면 [STV\$1SESSIONS](r_STV_SESSIONS.md) 시스템 뷰를 쿼리하세요.
사용자 및 데이터베이스 연결 제한이 모두 적용되는 경우 사용되지 않는 연결 슬롯은 사용자가 연결 시도 시 양쪽 제한 범위 내에서 모두 사용 가능해야 합니다.
COLLATE \$1 CASE\$1SENSITIVE \$1 CS \$1 CASE\$1INSENSITIVE \$1 CI \$1
문자열 검색 또는 비교가 대/소문자를 구분하는지, 구분하지 않는지를 지정하는 절입니다.
현재 데이터베이스가 비어 있더라도 대소문자 구분을 변경할 수 있습니다.
대소문자 구분을 변경하려면 ALTER 권한이 있어야 합니다. CREATE DATABASE 권한을 가진 슈퍼 사용자 또는 데이터베이스 소유자는 데이터베이스 대소문자 구분을 변경할 수도 있습니다.
CASE\$1SENSITIVE와 CS는 서로 바꿔 사용할 수 있으며 동일한 결과를 냅니다. 마찬가지로 CASE\$1INSENSITIVE와 CI는 서로 바꿔 사용할 수 있으며 동일한 결과를 냅니다.
ISOLATION LEVEL \$1 SNAPSHOT \$1 SERIALIZABLE \$1
데이터베이스에 대해 쿼리가 실행될 때 사용되는 격리 수준을 지정하는 절입니다. 격리 수준에 대한 자세한 내용은 [Amazon Redshift의 격리 수준](c_serial_isolation.md) 섹션을 참조하세요.
+ SNAPSHOT 격리 - 업데이트 및 삭제 충돌로부터 보호하는 격리 수준을 제공합니다.
+ SERIALIZABLE 격리 - 동시 트랜잭션에 대한 완전한 직렬화 기능을 제공합니다.
데이터베이스의 격리 수준을 변경할 경우 다음 사항을 고려하세요.
+ 데이터베이스 격리 수준을 변경하려면 현재 데이터베이스에 대해 슈퍼 사용자 또는 데이터베이스 생성 권한이 있어야 합니다.
+ `dev` 데이터베이스의 격리 수준은 변경할 수 없습니다.
+ 트랜잭션 블록 내에서는 격리 수준을 변경할 수 없습니다.
+ 다른 사용자가 데이터베이스에 연결되어 있으면 격리 수준 변경 명령이 실패합니다.
+ 격리 수준 변경 명령으로 현재 세션의 격리 수준 설정을 변경할 수 있습니다.
INTEGRATION
제로 ETL 통합 데이터베이스를 변경합니다.
REFRESH \$1\$1 ALL \$1 INERROR \$1 TABLES [IN SCHEMA *schema* [, ...]] \$1 TABLE *schema.table* [, ...]\$1
Amazon Redshift가 지정된 스키마 또는 테이블에서 오류가 있는 테이블을 모두 새로 고칠지를 지정하는 절입니다. 새로 고침은 지정된 스키마 또는 테이블의 테이블이 소스 데이터베이스에서 완전히 복제되도록 트리거합니다.
자세한 내용은 *Amazon Redshift 관리 안내서*의 [제로 ETL 통합](https://docs.aws.amazon.com/redshift/latest/mgmt/zero-etl-using.html)을 참조하세요. 통합 상태에 대한 자세한 내용은 [SVV\$1INTEGRATION\$1TABLE\$1STATE](r_SVV_INTEGRATION_TABLE_STATE.md) 및 [SVV\$1INTEGRATION](r_SVV_INTEGRATION.md) 섹션을 참조하세요.
QUERY\$1ALL\$1STATES [=] \$1 TRUE \$1 FALSE \$1
QUERY\$1ALL\$1STATES 절은 모든 상태(`Synced`, `Failed`, `ResyncRequired`, `ResyncInitiated`)에서 제로 ETL 통합 테이블을 쿼리할 수 있는지 여부를 설정합니다. 기본적으로 제로 ETL 통합 테이블은 `Synced` 상태에서만 쿼리할 수 있습니다.
ACCEPTINVCHARS [=] \$1 TRUE \$1 FALSE \$1
ACCEPTINVCHARS 절은 VARCHAR 데이터 유형에 대해 유효하지 않은 문자가 감지될 때 제로 ETL 통합 테이블이 수집을 계속할지 여부를 설정합니다. 유효하지 않은 문자가 발견되면 유효하지 않은 문자가 기본 `?` 문자로 교체됩니다.
REFRESH\$1INTERVAL
REFRESH\$1INTERVAL 절은 제로 ETL 소스에서 대상 데이터베이스로 데이터를 새로고침하기 위해 대략적인 시간 간격을 초 단위로 설정합니다. 소스 유형이 Aurora MySQL, Aurora PostgreSQL 또는 RDS for MySQL인 제로 ETL 통합의 경우 `interval`을 0\$1432,000초(5일)로 설정할 수 있습니다. Amazon DynamoDB 제로 ETL 통합의 경우 `interval`을 900\$1432,000초(15분\$15일)로 설정할 수 있습니다.
제로 ETL 통합을 사용하여 데이터베이스를 생성하는 방법에 대한 자세한 내용은 **Amazon Redshift 관리 가이드의 [Amazon Redshift에서 대상 데이터베이스 생성](https://docs.aws.amazon.com/redshift/latest/mgmt/zero-etl-using.creating-db.html)을 참조하세요.
TRUNCATECOLUMNS [=] \$1 TRUE \$1 FALSE \$1
TRUNCATECOLUMNS 절은 VARCHAR 열 또는 SUPER 열 속성의 값이 제한을 초과할 때 제로 ETL 통합 테이블이 수집을 계속할지 여부를 설정합니다. `TRUE`인 경우 값이 열에 맞게 잘리고 오버플로되는 JSON 속성의 값이 SUPER 열에 맞게 잘립니다.
HISTORY\$1MODE [=] \$1TRUE \$1 FALSE\$1 [ FOR \$1 \$1ALL\$1 TABLES [IN SCHEMA schema [, ...]] \$1 TABLE schema.table [, ...]\$1 ]
Amazon Redshift가 제로 ETL 통합에 포함되는 모든 테이블 또는 지정된 스키마의 테이블에 대해 기록 모드를 설정할지 여부를 지정하는 절입니다. 이 옵션은 제로 ETL 통합을 위해 생성된 데이터베이스에만 적용됩니다.
HISTORY\$1MODE 절은 `TRUE` 또는 `FALSE`로 설정할 수 있습니다. 기본값은 `FALSE`입니다. 기록 모드를 켜거나 끄는 것은 `Synced` 상태인 테이블에만 적용됩니다. HISTORY\$1MODE에 대한 자세한 내용은 *Amazon Redshift 관리 안내서*의 [기록 모드](https://docs.aws.amazon.com/redshift/latest/mgmt/zero-etl-history-mode.html)를 참조하세요.
## 사용 노트
ALTER DATABASE 명령은 현재 세션이 아닌 후속 세션에 적용됩니다. 변경 효과를 보려면 변경된 데이터베이스에 다시 연결해야 합니다.
## 예제
다음 예에서는 TICKIT\$1SANDBOX라는 데이터베이스 이름을 TICKIT\$1TEST로 바꿉니다.
```
alter database tickit_sandbox rename to tickit_test;
```
다음 예에서는 TICKIT 데이터베이스(현재 데이터베이스)의 소유자를 DWUSER로 변경합니다.
```
alter database tickit owner to dwuser;
```
다음 예에서는 sampledb 데이터베이스의 데이터베이스 대/소문자 구분을 변경합니다.
```
ALTER DATABASE sampledb COLLATE CASE_INSENSITIVE;
```
다음 예에서는 **sampledb** 데이터베이스를 SNAPSHOT 격리 수준으로 변경합니다.
```
ALTER DATABASE sampledb ISOLATION LEVEL SNAPSHOT;
```
다음 예시는 제로 ETL 통합에서 **sample\$1integration\$1db** 데이터베이스의 테이블 **schema1.sample\$1table1** 및 **schema2.sample\$1table2**를 새로 고칩니다.
```
ALTER DATABASE sample_integration_db INTEGRATION REFRESH TABLE schema1.sample_table1, schema2.sample_table2;
```
다음 예시는 제로 ETL 통합 내에서 동기화된 테이블과 실패한 테이블을 모두 새로 고칩니다.
```
ALTER DATABASE sample_integration_db INTEGRATION REFRESH ALL tables;
```
다음 예제에서는 제로 ETL 통합의 새로고침 간격을 600초로 설정합니다.
```
ALTER DATABASE sample_integration_db INTEGRATION SET REFRESH_INTERVAL 600;
```
다음 예제는 **sample\$1schema** 스키마에서 `ErrorState`인 모든 테이블을 새로고침합니다.
```
ALTER DATABASE sample_integration_db INTEGRATION REFRESH INERROR TABLES in SCHEMA sample_schema;
```
다음 예제에서는 `myschema.table1` 테이블에 대해 기록 모드를 켭니다.
```
ALTER DATABASE sample_integration_db INTEGRATION SET HISTORY_MODE = true FOR TABLE myschema.table1
```
다음 예제에서는 `myschema`의 모든 테이블에 대해 기록 모드를 켭니다.
```
ALTER DATABASE sample_integration_db INTEGRATION SET HISTORY_MODE = true for ALL TABLES IN SCHEMA myschema
```
# ALTER DATASHARE
datashare의 정의를 변경합니다. ALTER DATASHARE를 사용하여 객체를 추가하거나 제거할 수 있습니다. 현재 데이터베이스의 데이터 공유만 변경할 수 있습니다. 연결된 데이터베이스에서 객체를 데이터 공유에 추가하거나 제거합니다. 추가하거나 제거할 datashare 객체에 대한 필수 권한이 있는 datashare 소유자는 datashare를 변경할 수 있습니다.
## 필수 권한
ALTER DATASHARE에 필요한 권한은 다음과 같습니다.
+ 슈퍼 사용자.
+ ALTER DATASHARE 권한을 가진 사용자.
+ datashare에 대한 ALTER 또는 ALL 권한을 가진 사용자.
+ datashare에 특정 객체를 추가하려면 사용자에게 객체에 대한 권한이 있어야 합니다. 이 경우 사용자는 객체 소유자이거나 객체에 대한 SELECT, USAGE 또는 ALL 권한이 있어야 합니다.
## 구문
다음 구문은 datashare에 객체를 추가하거나 제거하는 방법을 보여줍니다.
```
ALTER DATASHARE datashare_name { ADD | REMOVE } {
TABLE schema.table [, ...]
| SCHEMA schema [, ...]
| FUNCTION schema.sql_udf (argtype,...) [, ...]
| ALL TABLES IN SCHEMA schema [, ...]
| ALL FUNCTIONS IN SCHEMA schema [, ...] }
```
다음 구문은 datashare의 속성을 구성하는 방법을 보여줍니다.
```
ALTER DATASHARE datashare_name {
[ SET PUBLICACCESSIBLE [=] TRUE | FALSE ]
[ SET INCLUDENEW [=] TRUE | FALSE FOR SCHEMA schema ] }
```
## 파라미터
*datashare\$1name*
변경할 datashare의 이름입니다.
ADD \$1 REMOVE
datashare에서 객체를 추가할지 아니면 제거할지 지정하는 절입니다.
TABLE *schema*.*table* [, ...]
datashare에 추가할 지정된 스키마의 테이블 또는 뷰의 이름입니다.
SCHEMA *schema* [, ...]
datashare에 추가할 스키마의 이름입니다.
FUNCTION *schema*.*sql\$1udf* (argtype,...) [, ...]
datashare에 추가할 인수 유형이 있는 사용자 정의 SQL 함수의 이름입니다.
ALL TABLES IN SCHEMA *schema* [, ...]
지정된 스키마의 모든 테이블과 뷰를 datashare에 추가할지 여부를 지정하는 절입니다.
ALL FUNCTIONS IN SCHEMA *schema* [, ...] \$1
지정된 스키마의 모든 함수를 datashare에 추가하도록 지정하는 절입니다.
[ SET PUBLICACCESSIBLE [=] TRUE \$1 FALSE ]
공개적으로 액세스할 수 있는 클러스터와 datashare를 공유할 수 있는지 여부를 지정하는 절입니다.
[ SET INCLUDENEW [=] TRUE \$1 FALSE FOR SCHEMA *schema* ]
지정된 스키마에서 생성된 향후 테이블, 뷰 또는 SQL 사용자 정의 함수(UDF)를 datashare에 추가할지 여부를 지정하는 절입니다. 지정된 스키마의 현재 테이블, 뷰 또는 SQL UDF는 datashare에 추가되지 않습니다. 슈퍼 사용자만 각 datashare-스키마 페어에 대해 이 속성을 변경할 수 있습니다. 기본적으로 INCLUDENEW 절은 false입니다.
## ALTER DATASHARE 사용 참고 사항
+ 다음 사용자가 datashare를 변경할 수 있습니다.
+ 슈퍼 사용자
+ datashare의 소유자입니다.
+ datashare에 대한 ALTER 또는 ALL 권한을 가진 사용자
+ datashare에 특정 객체를 추가하려면 이러한 사용자에게 객체에 대한 올바른 권한이 있어야 합니다. 사용자는 객체 소유자이거나 객체에 대한 SELECT, USAGE 또는 ALL 권한이 있어야 합니다.
+ 스키마, 테이블, 일반 뷰, 후기 바인딩 뷰, 구체화된 뷰 및 SQL 사용자 정의 함수(UDF)를 공유할 수 있습니다. 스키마에 객체를 추가하기 전에 먼저 datashare에 스키마를 추가합니다.
스키마를 추가할 때 Amazon Redshift는 스키마 아래에 모든 객체를 추가하지 않습니다. 명시적으로 스키마를 추가해야 합니다.
+ 공개적으로 액세스할 수 있는 설정이 지정된 상태에서 AWS Data Exchange datashare를 생성하는 것이 좋습니다.
+ 일반적으로 ALTER DATASHARE 문을 사용하여 퍼블릭 액세스 가능성을 끄도록 AWS Data Exchange datashare를 변경하지 않는 것이 좋습니다. 그렇게 하면 클러스터에 공개적으로 액세스할 수 있는 경우 datashare에 액세스할 수 있는 AWS 계정의 액세스 권한이 상실됩니다. 이러한 유형의 변경을 수행하면 AWS Data Exchange의 데이터 제품 조건을 위반할 수 있습니다. 이 권장 사항에 대한 예외는 다음을 참조하세요.
다음 예는 설정이 해제된 상태에서 AWS Data Exchange datashare가 생성될 경우 오류를 보여줍니다.
```
ALTER DATASHARE salesshare SET PUBLICACCESSIBLE FALSE;
ERROR: Alter of ADX-managed datashare salesshare requires session variable datashare_break_glass_session_var to be set to value 'c670ba4db22f4b'
```
공개적으로 액세스 가능한 설정을 해제하도록 AWS Data Exchange datashare를 변경하려면 다음 변수를 설정하고 ALTER DATASHARE 문을 다시 실행합니다.
```
SET datashare_break_glass_session_var to 'c670ba4db22f4b';
```
```
ALTER DATASHARE salesshare SET PUBLICACCESSIBLE FALSE;
```
이 경우 Amazon Redshift는 임의의 일회성 값을 생성하여 AWS Data Exchange datashare에 대해 ALTER DATASHARE SET PUBLICACCESSIBLE FALSE를 허용하도록 세션 변수를 설정합니다.
## 예제
다음 예에서는 datashare `salesshare`에 `public` 스키마를 추가합니다.
```
ALTER DATASHARE salesshare ADD SCHEMA public;
```
다음 예에서는 datashare `salesshare`에 `public.tickit_sales_redshift` 테이블을 추가합니다.
```
ALTER DATASHARE salesshare ADD TABLE public.tickit_sales_redshift;
```
다음 예에서는 datashare `salesshare`에 모든 테이블을 추가합니다.
```
ALTER DATASHARE salesshare ADD ALL TABLES IN SCHEMA PUBLIC;
```
다음 예에서는 datashare `salesshare`에서 `public.tickit_sales_redshift` 테이블을 제거합니다.
```
ALTER DATASHARE salesshare REMOVE TABLE public.tickit_sales_redshift;
```
# ALTER DEFAULT PRIVILEGES
앞으로 지정된 사용자가 생성하는 객체에 적용될 기본 액세스 권한 세트를 정의합니다. 기본적으로 사용자는 자신의 기본 액세스 권한만 변경할 수 있습니다. 수퍼유저만이 다른 사용자의 기본 권한을 지정할 수 있습니다.
역할, 사용자 또는 사용자 그룹에 기본 권한을 적용할 수 있습니다. 현재 데이터베이스에서 생성되는 모든 객체나 지정된 스키마에서만 생성되는 객체에 대해 기본 권한을 전역적으로 설정할 수 있습니다.
기본 권한은 새 객체에만 적용됩니다. ALTER DEFAULT PRIVILEGES를 실행하면 기존 객체에 대한 권한은 변경되지 않습니다. 데이터베이스 또는 스키마 내에서 사용자가 생성하는 모든 현재 및 미래 객체에 대한 권한을 부여하려면 [범위 지정 권한](https://docs.aws.amazon.com/redshift/latest/dg/t_scoped-permissions.html)을 참조하세요.
데이터베이스 사용자의 기본 권한에 대한 정보를 보려면 [PG\$1DEFAULT\$1ACL](r_PG_DEFAULT_ACL.md) 시스템 카탈로그 테이블을 쿼리하세요.
권한에 대한 자세한 내용은 [GRANT](r_GRANT.md) 섹션을 참조하세요.
## 필수 권한
다음은 ALTER DEFAULT PRIVILEGES에 필요한 권한입니다.
+ 수퍼유저
+ ALTER DEFAULT PRIVILEGES 권한을 가진 사용자
+ 자신의 기본 액세스 권한을 변경하는 사용자
+ 액세스할 수 있는 스키마에 대한 권한을 설정하는 사용자
## 구문
```
ALTER DEFAULT PRIVILEGES
[ FOR USER target_user [, ...] ]
[ IN SCHEMA schema_name [, ...] ]
grant_or_revoke_clause
where grant_or_revoke_clause is one of:
GRANT { { SELECT | INSERT | UPDATE | DELETE | DROP | REFERENCES | TRUNCATE } [,...] | ALL [ PRIVILEGES ] }
ON TABLES
TO { user_name [ WITH GRANT OPTION ] | ROLE role_name | GROUP group_name | PUBLIC } [, ...]
GRANT { EXECUTE | ALL [ PRIVILEGES ] }
ON FUNCTIONS
TO { user_name [ WITH GRANT OPTION ] | ROLE role_name | GROUP group_name | PUBLIC } [, ...]
GRANT { EXECUTE | ALL [ PRIVILEGES ] }
ON PROCEDURES
TO { user_name [ WITH GRANT OPTION ] | ROLE role_name | GROUP group_name | PUBLIC } [, ...]
REVOKE [ GRANT OPTION FOR ] { { SELECT | INSERT | UPDATE | DELETE | REFERENCES | TRUNCATE } [,...] | ALL [ PRIVILEGES ] }
ON TABLES
FROM user_name [, ...] [ RESTRICT ]
REVOKE { { SELECT | INSERT | UPDATE | DELETE | REFERENCES | TRUNCATE } [,...] | ALL [ PRIVILEGES ] }
ON TABLES
FROM { ROLE role_name | GROUP group_name | PUBLIC } [, ...] [ RESTRICT ]
REVOKE [ GRANT OPTION FOR ] { EXECUTE | ALL [ PRIVILEGES ] }
ON FUNCTIONS
FROM user_name [, ...] [ RESTRICT ]
REVOKE { EXECUTE | ALL [ PRIVILEGES ] }
ON FUNCTIONS
FROM { ROLE role_name | GROUP group_name | PUBLIC } [, ...] [ RESTRICT ]
REVOKE [ GRANT OPTION FOR ] { EXECUTE | ALL [ PRIVILEGES ] }
ON PROCEDURES
FROM user_name [, ...] [ RESTRICT ]
REVOKE { EXECUTE | ALL [ PRIVILEGES ] }
ON PROCEDURES
FROM { ROLE role_name | GROUP group_name | PUBLIC } [, ...] [ RESTRICT ]
```
## 파라미터
FOR USER *target\$1user*
선택 사항입니다. 기본 권한이 정의되는 사용자의 이름입니다. 수퍼유저만이 다른 사용자의 기본 권한을 지정할 수 있습니다. 기본값은 현재 사용자입니다.
IN SCHEMA *schema\$1name*
선택 사항입니다. IN SCHEMA 절이 나타나면 지정된 *schema\$1name*에 생성되는 새 객체에 지정된 기본 권한이 적용됩니다. 이 경우, ALTER DEFAULT PRIVILEGES의 대상인 사용자 또는 사용자 그룹은 지정된 스키마에 대해 CREATE 권한을 가져야 합니다. 스키마에 특정한 기본 권한이 기존 전역 기본 권한에 추가됩니다. 기본적으로 전체 데이터베이스에 기본 권한이 전역적으로 적용됩니다.
GRANT
지정된 사용자가 생성하는 모든 새로운 테이블, 뷰, 함수 또는 저장 프로시저에 대해 지정된 사용자나 그룹에게 부여하는 권한 세트입니다. [GRANT](r_GRANT.md) 명령과 함께 사용할 수 있는 GRANT 절을 이용해 동일한 권한과 옵션을 설정할 수 있습니다.
WITH GRANT OPTION
권한을 받은 사용자가 이번에는 똑같은 권한을 다른 사용자에게 허용할 수 있음을 나타내는 절입니다. 그룹 또는 PUBLIC에는 WITH GRANT OPTION을 허용할 수 없습니다.
TO *user\$1name* \$1 ROLE *role\$1name* \$1 GROUP *group\$1name*
지정된 기본 권한이 적용될 사용자, 역할 또는 사용자 그룹의 이름입니다.
REVOKE
지정된 사용자가 생성하는 모든 새로운 테이블, 함수 또는 저장 프로시저에 대해 지정된 사용자나 그룹에서 취소하는 권한 세트입니다. [REVOKE](r_REVOKE.md) 명령과 함께 사용할 수 있는 REVOKE 절을 이용해 동일한 권한과 옵션을 설정할 수 있습니다.
GRANT OPTION FOR
다른 사용자에게 지정된 권한을 허용하는 옵션만 취소하고 권한 자체를 취소하지는 않는 절입니다. 그룹 또는 PUBLIC에서 GRANT OPTION을 취소할 수 없습니다.
FROM *user\$1name* \$1 ROLE *role\$1name* \$1 GROUP *group\$1name*
지정된 권한이 기본적으로 취소되는 사용자, 역할 또는 사용자 그룹의 이름입니다.
RESTRICT
RESTRICT 옵션은 사용자가 직접 허용한 권한만 취소합니다. 이 값이 기본값입니다.
## 예제
사용자 그룹 `report_readers`의 사용자가 사용자 `report_admin`에 의해 생성된 모든 테이블과 뷰를 볼 수 있도록 허용하려는 경우를 생각해 봅시다. 이 경우에는 슈퍼 사용자 권한으로 다음 명령을 실행합니다.
```
alter default privileges for user report_admin grant select on tables to group report_readers;
```
다음 예에서 첫 번째 명령은 사용자가 생성하는 모든 새 테이블에 SELECT 권한을 부여합니다. 새 보기를 생성할 때마다 보기에 권한을 명시적으로 부여하거나 `alter default privileges` 명령을 다시 실행해야 합니다.
```
alter default privileges grant select on tables to public;
```
다음 예에서는 사용자 자신이 `sales_admin` 스키마에서 생성하는 모든 새로운 테이블과 뷰에 대해 `sales` 사용자 그룹에 INSERT 권한을 허용합니다.
```
alter default privileges in schema sales grant insert on tables to group sales_admin;
```
다음 예에서는 이전 예의 ALTER DEFAULT PRIVILEGES 명령을 반전합니다.
```
alter default privileges in schema sales revoke insert on tables from group sales_admin;
```
기본적으로, PUBLIC 사용자 그룹은 모든 새로운 사용자 정의 함수에 대한 실행 권한이 있습니다. 새 함수에 대한 `public` 실행 권한을 취소한 다음 `dev_test` 사용자 그룹에만 실행 권한을 허용하려면 다음 명령을 실행합니다.
```
alter default privileges revoke execute on functions from public;
alter default privileges grant execute on functions to group dev_test;
```
# ALTER EXTERNAL SCHEMA
현재 데이터베이스에서 기존 외부 스키마를 변경합니다. 스키마 소유자, 수퍼유저 또는 스키마에 대한 ALTER 권한이 있는 사용자만 스키마를 변경할 수 있습니다. DATA CATALOG, KAFKA 또는 MSK에서 생성된 외부 스키마만 변경할 수 있습니다.
이 스키마의 소유자는 CREATE EXTERNAL SCHEMA 명령의 발행자입니다. 외부 스키마의 소유권을 이전하려면 ALTER SCHEMA를 사용해 소유자를 변경합니다. 다른 사용자 또는 사용자 그룹에 스키마에 대한 액세스를 허용하려면 GRANT 명령을 사용합니다.
외부 테이블에서 권한에 대한 GRANT 또는 REVOKE 명령을 사용할 수 없습니다. 대신에, 외부 스키마에 대한 권한을 허용하거나 취소합니다.
자세한 내용은 다음을 참조하세요.
+ [ALTER SCHEMA](r_ALTER_SCHEMA.md)
+ [GRANT](r_GRANT.md)
+ [REVOKE](r_REVOKE.md)
+ [CREATE EXTERNAL SCHEMA](r_CREATE_EXTERNAL_SCHEMA.md)
+ [기존 외부 스키마에 대한 mTLS 인증 사용](materialized-view-streaming-ingestion-mtls.md#materialized-view-streaming-ingestion-mtls-alter)
외부 스키마에 대한 세부 정보를 보려면 SVV\$1EXTERNAL\$1SCHEMAS 시스템 뷰를 쿼리하세요. 자세한 내용은 [SVV\$1EXTERNAL\$1SCHEMAS](r_SVV_EXTERNAL_SCHEMAS.md) 섹션을 참조하세요.
## 구문
```
ALTER EXTERNAL SCHEMA schema_name
[ IAM_ROLE [ default | 'SESSION' | 'arn:aws:iam:::role/' ] ]
[ AUTHENTICATION [ none | iam | mtls] ]
[ AUTHENTICATION_ARN 'acm-certificate-arn' | SECRET_ARN 'asm-secret-arn' ]
[ URI 'Kafka bootstrap URL' ]
```
스트리밍 수집 시 사용하는 기존 외부 스키마가 있고 인증을 위해 상호 TLS를 구현하려는 경우 ACM에서 mTLS 인증 및 ACM 인증서 ARN을 지정하는 다음과 같은 명령을 실행할 수 있습니다.
```
ALTER EXTERNAL SCHEMA schema_name
AUTHENTICATION mtls
AUTHENTICATION_ARN 'arn:aws:acm:us-east-1:444455556666:certificate/certificate_ID';
```
또는 Secrets Manager의 시크릿 ARN을 참조하여 mTLS 인증을 수정할 수 있습니다.
```
ALTER EXTERNAL SCHEMA schema_name
AUTHENTICATION mtls
SECRET_ARN 'arn:aws:secretsmanager:us-east-1:012345678910:secret:myMTLSSecret';
```
다음 예제에서는 ALTER EXTERNAL SCHEMA의 URI를 수정하는 방법을 보여줍니다.
```
ALTER EXTERNAL SCHEMA schema_name
URI 'lkc-ghidef-67890.centralus.azure.glb.confluent.cloud:9092';
```
다음 예제에서는 ALTER EXTERNAL SCHEMA의 IAM 역할을 수정하는 방법을 보여줍니다.
```
ALTER EXTERNAL SCHEMA schema_name
IAM_ROLE 'arn:aws:iam::012345678901:role/testrole';
```
## 파라미터
IAM\$1ROLE[ default \$1 'SESSION' \$1 'arn:aws:iam:::role/' ]
`default` 키워드를 사용하여 Amazon Redshift가 기본값으로 설정된 IAM 역할을 사용하도록 합니다.
페더레이션형 ID를 사용하여 Amazon Redshift 클러스터에 연결하고 이 명령을 사용하여 생성된 외부 스키마에서 테이블에 액세스하는 경우에 `'SESSION'`을 사용합니다.
자세한 내용은 [CREATE EXTERNAL SCHEMA](https://docs.aws.amazon.com/redshift/latest/dg/r_CREATE_EXTERNAL_SCHEMA.html)를 참조하세요.
인증
스트리밍 수집에 대해 정의된 인증 유형입니다. 인증 유형이 있는 스트리밍 수집은 Apache Kafka, Confluent Cloud, Amazon Managed Streaming for Apache Kafka와 함께 작동합니다. 자세한 내용은 [CREATE EXTERNAL SCHEMA](https://docs.aws.amazon.com/redshift/latest/dg/r_CREATE_EXTERNAL_SCHEMA.html)를 참조하세요.
AUTHENTICATION\$1ARN
Amazon Redshift가 Apache Kafka, Confluent Cloud 또는 Amazon Managed Streaming for Apache Kafka(Amazon MSK)를 사용한 mtls 인증에 사용하는 AWS Certificate Manager 인증서의 ARN입니다. ARN은 발급된 인증서를 선택하면 ACM 콘솔에서 사용할 수 있습니다.
SECRET\$1ARN
AWS Secrets Manager를 사용하여 생성한 지원되는 시크릿의 Amazon 리소스 이름(ARN)입니다. 시크릿의 ARN을 생성하고 검색하는 방법에 대한 자세한 내용은 *AWS Secrets Manager 사용 설명서*의 [AWS Secrets Manager를 사용하여 시크릿 관리](https://docs.aws.amazon.com/secretsmanager/latest/userguide/manage_create-basic-secret.html) 및 [Amazon Redshift에서 시크릿의 Amazon 리소스 이름(ARN) 검색](https://docs.aws.amazon.com/redshift/latest/mgmt/redshift-secrets-manager-integration-retrieving-secret.html)을 참조하세요.
URI
Apache Kafka, Confluent Cloud 또는 Amazon Managed Streaming for Apache Kafka(Amazon MSK) 클러스터의 부트스트랩 URL입니다. 엔드포인트는 Amazon Redshift 클러스터에서 연결(라우팅)할 수 있어야 합니다. 자세한 내용은 [CREATE EXTERNAL SCHEMA](https://docs.aws.amazon.com/redshift/latest/dg/r_CREATE_EXTERNAL_SCHEMA.html)를 참조하세요.
# ALTER EXTERNAL VIEW
ALTER EXTERNAL VIEW 명령을 사용하여 외부 뷰를 업데이트하세요. 사용하는 파라미터에 따라 이 뷰를 참조할 수 있는 Amazon Athena 및 Amazon EMR Spark와 같은 다른 SQL 엔진도 영향을 받을 수 있습니다. Data Catalog 뷰에 대한 자세한 내용은 [AWS Glue Data Catalog 뷰](https://docs.aws.amazon.com/redshift/latest/dg/data-catalog-views-overview.html)를 참조하세요.
## 구문
```
ALTER EXTERNAL VIEW schema_name.view_name
{catalog_name.schema_name.view_name | awsdatacatalog.dbname.view_name | external_schema_name.view_name}
[FORCE] { AS (query_definition) | REMOVE DEFINITION }
```
## 파라미터
*schema\$1name.view\$1name*
AWS Glue 데이터베이스에 연결된 스키마이며, 뷰 이름이 뒤따릅니다.
catalog\$1name.schema\$1name.view\$1name \$1 awsdatacatalog.dbname.view\$1name \$1 external\$1schema\$1name.view\$1name
뷰를 변경할 때 사용하는 스키마의 표기법입니다. 직접 만든 Glue 데이터베이스인 AWS Glue Data Catalog 또는 직접 만든 외부 스키마를 사용하도록 지정할 수 있습니다. 자세한 내용은 [CREATE DATABASE](https://docs.aws.amazon.com/redshift/latest/dg/r_CREATE_DATABASE.html) 및 [CREATE EXTERNAL SCHEMA](https://docs.aws.amazon.com/redshift/latest/dg/r_CREATE_EXTERNAL_SCHEMA.html)를 참조하세요.
FORCE
테이블에서 참조된 객체가 다른 SQL 엔진과 일치하지 않는 경우에도 AWS Lake Formation이 뷰의 정의를 업데이트해야 하는지를 나타냅니다. Lake Formation이 뷰를 업데이트하면 다른 SQL 엔진도 업데이트하기 전까지는 다른 SQL 엔진에 대해서도 해당 뷰가 유효하지 않은 것으로 간주됩니다.
*AS query\$1definition*
뷰를 변경하기 위해 Amazon Redshift가 실행하는 SQL 쿼리의 정의입니다.
REMOVE DEFINITION
뷰를 삭제하고 다시 만들지를 나타냅니다. 뷰를 `PROTECTED`로 표시하려면 삭제한 후 다시 만들어야 합니다.
## 예제
다음 예시에서는 sample\$1schema.glue\$1data\$1catalog\$1view라는 데이터 카탈로그 뷰를 변경합니다.
```
ALTER EXTERNAL VIEW sample_schema.glue_data_catalog_view
FORCE
REMOVE DEFINITION
```
# ALTER FUNCTION
함수의 이름을 바꾸거나 소유자를 변경합니다. 함수 이름과 데이터 형식은 모두 필수입니다. 소유자 또는 수퍼유저만 함수 이름을 바꿀 수 있습니다. 수퍼유저만 함수의 소유자를 변경할 수 있습니다.
## 구문
```
ALTER FUNCTION function_name ( { [ py_arg_name py_arg_data_type | sql_arg_data_type } [ , ... ] ] )
RENAME TO new_name
```
```
ALTER FUNCTION function_name ( { [ py_arg_name py_arg_data_type | sql_arg_data_type } [ , ... ] ] )
OWNER TO { new_owner | CURRENT_USER | SESSION_USER }
```
## 파라미터
*function\$1name*
대체할 함수의 이름입니다. 특정 스키마를 사용하려면 현재 검색 경로에 함수의 이름만 지정하거나, `schema_name.function_name` 형식을 사용합니다.
*py\$1arg\$1name py\$1arg\$1data\$1type \$1 sql\$1arg\$1data\$1type*
선택 사항입니다. Python 사용자 정의 함수의 입력 인수 이름 및 데이터 유형 목록 또는 SQL 사용자 정의 함수의 입력 인수 데이터 유형 목록입니다.
*new\$1name*
사용자 정의 함수의 새 이름입니다.
*new\$1owner* \$1 CURRENT\$1USER \$1 SESSION\$1USER
사용자 정의 함수의 새 소유자입니다.
## 예제
다음 예에서는 함수의 이름을 `first_quarter_revenue`에서 `quarterly_revenue`로 변경합니다.
```
ALTER FUNCTION first_quarter_revenue(bigint, numeric, int)
RENAME TO quarterly_revenue;
```
다음 예에서는 `quarterly_revenue` 함수의 소유자를 `etl_user`로 바꿉니다.
```
ALTER FUNCTION quarterly_revenue(bigint, numeric) OWNER TO etl_user;
```
# ALTER GROUP
사용자 그룹을 변경합니다. 이 명령을 사용하여 그룹에 사용자를 추가하거나, 그룹에서 사용자를 삭제하거나, 그룹의 이름을 바꿀 수 있습니다.
## 구문
```
ALTER GROUP group_name
{
ADD USER username [, ... ] |
DROP USER username [, ... ] |
RENAME TO new_name
}
```
## 파라미터
*group\$1name*
수정할 사용자 그룹의 이름입니다.
ADD
사용자 그룹에 사용자를 추가합니다.
DROP
사용자 그룹에서 사용자를 제거합니다.
* 사용자 이름*
그룹에 추가하거나 그룹에서 삭제할 사용자의 이름입니다.
RENAME TO
사용자 그룹의 이름을 바꿉니다. 2개의 밑줄로 시작하는 그룹 이름은 Amazon Redshift 내부 용도로 예약되어 있습니다. 유효한 이름에 대한 자세한 내용은 [이름 및 식별자](r_names.md) 섹션을 참조하세요.
*new\$1name*
사용자 그룹의 새 이름입니다.
## 예제
다음 예에서는 DWUSER로 명명된 사용자를 ADMIN\$1GROUP 그룹에 추가합니다.
```
ALTER GROUP admin_group
ADD USER dwuser;
```
다음 예에서는 그룹 ADMIN\$1GROUP의 이름을 ADMINISTRATORS로 바꿉니다.
```
ALTER GROUP admin_group
RENAME TO administrators;
```
다음 예에서는 ADMIN\$1GROUP 그룹에 두 명의 사용자를 추가합니다.
```
ALTER GROUP admin_group
ADD USER u1, u2;
```
다음 예에서는 ADMIN\$1GROUP 그룹에서 두 명의 사용자를 삭제합니다.
```
ALTER GROUP admin_group
DROP USER u1, u2;
```
# ALTER IDENTITY PROVIDER
자격 증명 공급자를 변경하여 새 파라미터 및 값을 할당합니다. 이 명령을 실행하면 새 값이 할당되기 전에 이전에 설정한 모든 파라미터 값이 삭제됩니다. 슈퍼 사용자만 자격 증명 공급자를 변경할 수 있습니다.
## 구문
```
ALTER IDENTITY PROVIDER identity_provider_name
[PARAMETERS parameter_string]
[NAMESPACE namespace]
[IAM_ROLE iam_role]
[AUTO_CREATE_ROLES
[ TRUE [ { INCLUDE | EXCLUDE } GROUPS LIKE filter_pattern] |
FALSE
]
[DISABLE | ENABLE]
```
## 파라미터
*identity\$1provider\$1name*
새 자격 증명 공급자 이름입니다. 유효한 이름에 대한 자세한 내용은 [이름 및 식별자](r_names.md) 섹션을 참조하세요.
*parameter\$1string*
특정 자격 증명 공급자에 필요한 파라미터와 값이 포함된 올바른 형식의 JSON 객체를 포함하는 문자열입니다.
* 네임스페이스*
조직 네임스페이스입니다.
*iam\$1role*
IAM Identity Center에 대한 연결 권한을 제공하는 IAM 역할입니다. 이 파라미터는 ID 제공업체 유형이 AWSIDC인 경우에만 적용됩니다.
*auto\$1create\$1roles*
역할 자동 생성 기능을 활성화하거나 비활성화합니다. 값이 TRUE이면 Amazon Redshift가 역할 자동 생성 기능을 활성화합니다. 값이 FALSE이면 Amazon Redshift가 역할 자동 생성 기능을 비활성화합니다. 이 파라미터의 값을 지정하지 않으면 Amazon Redshift가 다음 로직을 사용하여 값을 결정합니다.
+ `AUTO_CREATE_ROLES`를 제공했지만 값을 지정하지 않은 경우 값이 TRUE로 설정됩니다.
+ `AUTO_CREATE_ROLES`를 제공하지 않고 ID 제공업체가 AWSIDC인 경우 값이 FALSE로 설정됩니다.
+ `AUTO_CREATE_ROLES`를 제공하지 않고 ID 제공업체가 Azure인 경우 값이 TRUE로 설정됩니다.
그룹을 포함하려면 `INCLUDE`를 지정합니다. 기본값은 비어 있습니다. 즉, `AUTO_CREATE_ROLES`가 켜져 있는 경우 모든 그룹이 포함됩니다.
그룹을 제외하려면 `EXCLUDE`를 지정합니다. 기본값은 비어 있습니다. 즉, `AUTO_CREATE_ROLES`가 켜져 있는 경우 그룹을 제외하지 않습니다.
*filter\$1pattern*
그룹 이름과 일치하는 패턴이 있는 유효한 UTF-8 문자 표현식입니다. LIKE' 옵션은 다음과 같은 패턴 일치 메타문자를 지원하는 대/소문자 구분 일치를 수행합니다:
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_ALTER_IDENTITY_PROVIDER.html)
**filter\$1pattern에 메타 문자가 포함되어 있지 않으면 패턴이 문자열 자체만 의미합니다. 이런 경우에는 LIKE가 등호 연산자와 동일한 역할을 합니다.
*filter\$1pattern*은 다음 문자를 지원합니다.
+ 대문자 및 소문자 알파벳 문자(A\$1Z 및 a\$1z)
+ 숫자(0\$19)
+ 다음 특수 문자:
```
_ % ^ * + ? { } , $
```
*DISABLE 또는 ENABLE*
ID 제공업체를 켜거나 끕니다. 기본값은 ENABLE입니다.
## 예제
다음 예에서는 *oauth\$1standard*라는 자격 증명 공급자를 변경합니다. 이는 특히 Microsoft Azure AD가 ID 제공업체인 경우에 적용됩니다.
```
ALTER IDENTITY PROVIDER oauth_standard
PARAMETERS '{"issuer":"https://sts.windows.net/2sdfdsf-d475-420d-b5ac-667adad7c702/",
"client_id":"87f4aa26-78b7-410e-bf29-57b39929ef9a",
"client_secret":"BUAH~ewrqewrqwerUUY^%tHe1oNZShoiU7",
"audience":["https://analysis.windows.net/powerbi/connector/AmazonRedshift"]
}'
```
다음 샘플은 ID 제공업체 네임스페이스를 설정하는 방법을 보여줍니다. 이는 Microsoft Azure AD(이전 샘플과 같은 명령문을 따르는 경우) 또는 다른 ID 제공업체에 적용될 수 있습니다. 또한 관리형 애플리케이션을 통해 연결을 설정한 경우 기존 Amazon Redshift 프로비저닝된 클러스터 또는 Amazon Redshift Serverless 작업 그룹을 IAM Identity Center에 연결하는 경우에도 적용할 수 있습니다.
```
ALTER IDENTITY PROVIDER "my-redshift-idc-application"
NAMESPACE 'MYCO';
```
다음 샘플은 IAM 역할을 설정하며 IAM Identity Center와의 Redshift 통합을 구성하는 사용 사례에서 작동합니다.
```
ALTER IDENTITY PROVIDER "my-redshift-idc-application"
IAM_ROLE 'arn:aws:iam::123456789012:role/myadministratorrole';
```
Redshift에서 IAM Identity Center에 대한 연결을 설정하는 방법에 대한 자세한 내용은 [Redshift를 IAM Identity Center와 연결하여 사용자에게 Single Sign-On 경험을 제공합니다](https://docs.aws.amazon.com/redshift/latest/mgmt/redshift-iam-access-control-idp-connect.html)를 참조하세요.
**ID 제공업체 비활성화**
다음 샘플은 ID 제공업체를 비활성화하는 방법을 보여줍니다. 비활성화되면 ID 제공업체의 페더레이션 사용자는 클러스터가 다시 활성화될 때까지 클러스터에 로그인할 수 없습니다.
```
ALTER IDENTITY PROVIDER "redshift-idc-app" DISABLE;
```
# 마스킹 정책 변경
기존 동적 데이터 마스킹 정책을 변경합니다. 동적 데이터 마스킹에 대한 자세한 내용은 [동적 데이터 마스킹](t_ddm.md)(동적 데이터 마스킹(미리 보기)을 참조하세요.
sys:secadmin 역할이 부여된 수퍼유저와 사용자 또는 역할은 마스킹 정책을 변경할 수 있습니다.
## 구문
```
ALTER MASKING POLICY
{ policy_name | database_name.policy_name }
USING (masking_expression);
```
## 파라미터
*policy\$1name*
마스킹 정책의 이름입니다. 이는 데이터베이스에 이미 있는 마스킹 정책의 이름이어야 합니다.
database\$1name
정책이 생성되는 데이터베이스의 이름입니다. 데이터베이스는 연결된 데이터베이스이거나 Amazon Redshift 페더레이션 권한을 지원하는 데이터베이스일 수 있습니다.
*masking\$1expression*
대상 열을 변환하는 데 사용되는 SQL 표현식입니다. 문자열 조작 함수와 같은 데이터 조작 함수를 사용하거나 SQL, Python 또는 AWS Lambda로 작성된 사용자 정의 함수와 함께 작성할 수 있습니다.
표현식은 원래 표현식의 입력 열 및 데이터 유형과 일치해야 합니다. 예를 들어 원래 마스킹 정책의 입력 열이 `sample_1 FLOAT` 및 `sample_2 VARCHAR(10)`인 경우 세 번째 열을 사용하거나 정책이 FLOAT 및 BOOLEAN을 사용하도록 마스킹 정책을 변경할 수 없습니다. 상수를 마스킹 표현식으로 사용하는 경우 입력 유형과 일치하는 유형으로 상수를 명시적으로 변환해야 합니다.
마스킹 표현식에서 사용하는 모든 사용자 정의 함수에 대한 USAGE 권한이 있어야 합니다.
Amazon Redshift 페더레이션 권한 카탈로그에서 ALTER MASKING POLICY를 사용하려면 [Amazon Redshift 페더레이션 권한을 사용하여 액세스 제어 관리](https://docs.aws.amazon.com/redshift/latest/dg/federated-permissions-managing-access.html)를 참조하세요.
# ALTER MATERIALIZED VIEW
구체화된 뷰의 속성을 변경합니다.
## 구문
```
ALTER MATERIALIZED VIEW mv_name
{
AUTO REFRESH { YES | NO }
| ALTER DISTKEY column_name
| ALTER DISTSTYLE ALL
| ALTER DISTSTYLE EVEN
| ALTER DISTSTYLE KEY DISTKEY column_name
| ALTER DISTSTYLE AUTO
| ALTER [COMPOUND] SORTKEY ( column_name [,...] )
| ALTER SORTKEY AUTO
| ALTER SORTKEY NONE
| ROW LEVEL SECURITY { ON | OFF } [ CONJUNCTION TYPE { AND | OR } ] [FOR DATASHARES]
};
```
## 파라미터
*mv\$1name*
변경할 구체화된 뷰의 이름입니다.
AUTO REFRESH \$1 YES \$1 NO \$1
구체화된 뷰의 자동 새로 고침을 켜거나 끄는 절입니다. 구체화된 뷰의 자동 새로 고침에 대한 자세한 내용은 [구체화된 뷰 새로 고침](materialized-view-refresh.md) 섹션을 참조하세요.
ALTER DISTSTYLE ALL
관계의 기존 분산 스타일을 `ALL`로 변경하는 절입니다. 다음을 고려하세요.
+ ALTER DISTSTYLE, ALTER SORTKEY, VACUUM은 동일한 관계에서 동시에 실행할 수 없습니다.
+ VACUUM이 현재 실행 중인 경우 ALTER DISTSTYLE ALL을 실행하면 오류가 반환됩니다.
+ ALTER DISTSTYLE ALL이 실행 중인 경우 백그라운드 VACCUM이 관계에서 시작되지 않습니다.
+ 인터리브 정렬 키 및 임시 테이블이 있는 관계에는 ALTER DISTYLE ALL 명령이 지원되지 않습니다.
+ 배포 스타일이 이전에 AUTO로 정의된 경우 관계는 더 이상 자동 테이블 최적화의 후보가 아닙니다.
DISTSTYLE ALL에 대한 자세한 내용은 [CREATE MATERIALIZED VIEW](materialized-view-create-sql-command.md) 섹션으로 이동하세요.
ALTER DISTSTYLE EVEN
관계의 기존 분산 스타일을 `EVEN`으로 변경하는 절입니다. 다음을 고려하세요.
+ ALTER DISTSYTLE, ALTER SORTKEY, VACUUM은 동일한 관계에서 동시에 실행할 수 없습니다.
+ VACUUM이 현재 실행 중인 경우 ALTER DISTSTYLE EVEN을 실행하면 오류가 반환됩니다.
+ ALTER DISTSTYLE EVEN이 실행 중인 경우 백그라운드 VACCUM이 관계에서 시작되지 않습니다.
+ 인터리브 정렬 키 및 임시 테이블이 있는 관계에는 ALTER DISTYLE EVEN 명령이 지원되지 않습니다.
+ 배포 스타일이 이전에 AUTO로 정의된 경우 관계는 더 이상 자동 테이블 최적화의 후보가 아닙니다.
DISTSTYLE EVEN에 대한 자세한 내용은 [CREATE MATERIALIZED VIEW](materialized-view-create-sql-command.md) 섹션으로 이동하세요.
ALTER DISTKEY *column\$1name* 또는 ALTER DISTSTYLE KEY DISTKEY *column\$1name*
관계의 배포 키로 사용되는 열을 변경하는 절입니다. 다음을 고려하세요.
+ VACUUM 및 ALTER DISTKEY는 동일한 관계에서 동시에 실행할 수 없습니다.
+ VACUUM이 이미 실행 중인 경우 ALTER DISTKEY가 오류를 반환합니다.
+ ALTER DISTKEY가 실행 중인 경우 백그라운드 VACCUM이 관계에서 시작되지 않습니다.
+ ALTER DISTKEY가 실행 중인 경우 포그라운드 VACCUM이 오류를 반환합니다.
+ 관계에서 한 번에 하나의 ALTER DISTKEY 명령만 실행할 수 있습니다.
+ 인터리브 정렬 키가 있는 관계에는 ALTER DISTKEY 명령이 지원되지 않습니다.
+ 배포 스타일이 이전에 AUTO로 정의된 경우 관계는 더 이상 자동 테이블 최적화의 후보가 아닙니다.
DISTSTYLE KEY를 지정할 때 데이터는 DISTKEY 열에 있는 값을 기준으로 배포됩니다. DISTSTYLE에 대한 자세한 내용은 [CREATE MATERIALIZED VIEW](materialized-view-create-sql-command.md) 섹션으로 이동하세요.
ALTER DISTSTYLE AUTO
관계의 기존 분산 스타일을 AUTO로 변경하는 절입니다.
배포 스타일을 AUTO로 변경하면 관계의 배포 스타일이 다음과 같이 설정됩니다.
+ DISTSTYLE ALL이 있는 작은 관계는 AUTO(ALL)로 변환됩니다.
+ DISTSTYLE EVEN이 있는 작은 관계는 AUTO(ALL)로 변환됩니다.
+ DISTSTYLE KEY가 있는 작은 관계는 AUTO(ALL)로 변환됩니다.
+ DISTSTYLE ALL이 있는 큰 관계는 AUTO(EVEN)로 변환됩니다.
+ DISTSTYLE EVEN이 있는 큰 관계는 AUTO(EVEN)로 변환됩니다.
+ DISTSTYLE KEY가 있는 큰 관계는 AUTO(KEY)로 변환되고 DISTKEY는 보존됩니다. 이 경우 Amazon Redshift는 관계를 변경하지 않습니다.
새로운 배포 스타일 또는 키가 쿼리 성능을 향상시킬 것이라고 판단되면 Amazon Redshift는 향후 관계의 배포 스타일이나 키를 변경할 수 있습니다. 예를 들어 Amazon Redshift는 DISTSTYLE이 AUTO(KEY)인 관계를 AUTO(EVEN)로 또는 그 반대로 변환할 수 있습니다. 데이터 재배포 및 잠금을 포함하여 배포 키가 변경될 때의 동작에 대한 자세한 내용은 [Amazon Redshift Advisor 권장 사항](https://docs.aws.amazon.com/redshift/latest/dg/advisor-recommendations.html#alter-diststyle-distkey-recommendation)으로 이동하세요.
DISTSTYLE AUTO에 대한 자세한 내용은 [CREATE MATERIALIZED VIEW](materialized-view-create-sql-command.md) 섹션으로 이동하세요.
관계의 배포 스타일을 보려면 SVV\$1TABLE\$1INFO 시스템 카탈로그 뷰를 쿼리합니다. 자세한 내용은 [SVV\$1TABLE\$1INFO](r_SVV_TABLE_INFO.md) 섹션을 참조하세요. 관계에 대한 Amazon Redshift Advisor 권장 사항을 보려면 SVV\$1ALTER\$1TABLE\$1RECOMMENDATIONS 시스템 카탈로그 뷰를 쿼리합니다. 자세한 내용은 [SVV\$1ALTER\$1TABLE\$1RECOMMENDATIONS](r_SVV_ALTER_TABLE_RECOMMENDATIONS.md) 섹션을 참조하세요. Amazon Redshift에서 수행한 작업을 보려면 SVL\$1AUTO\$1WORKER\$1ACTION 시스템 카탈로그 뷰를 쿼리합니다. 자세한 내용은 [SVL\$1AUTO\$1WORKER\$1ACTION](r_SVL_AUTO_WORKER_ACTION.md) 섹션을 참조하세요.
ALTER [COMPOUND] SORTKEY ( *column\$1name* [,...] )
관계에 사용되는 정렬 키를 변경하거나 추가하는 절입니다. 임시 테이블에는 ALTER SORTKEY가 지원되지 않습니다.
정렬 키를 변경하면 새 정렬 키 또는 원래 정렬 키에 있는 열의 압축 인코딩이 변경될 수 있습니다. 관계에 대해 명시적으로 정의된 인코딩이 없는 경우 Amazon Redshift는 다음과 같이 압축 인코딩을 자동으로 할당합니다.
+ 정렬 키로 정의된 열은 RAW 압축이 할당됩니다.
+ BOOLEAN, REAL 또는 DOUBLE PRECISION 데이터 형식으로 정의된 열은 RAW 압축이 할당됩니다.
+ SMALLINT, INTEGER, BIGINT, DECIMAL, DATE, TIME, TIMETZ, TIMESTAMP 또는 TIMESTAMPTZ로 정의된 열에는 AZ64 압축이 할당됩니다.
+ CHAR 또는 VARCHAR로 정의된 열에는 LZO 압축이 할당됩니다.
다음을 고려하세요.
+ 관계당 정렬 키에 최대 400개의 열을 정의할 수 있습니다.
+ 인터리브 정렬 키를 복합 정렬 키 또는 정렬 키 없음으로 변경할 수 있습니다. 그러나 복합 정렬 키를 인터리브 정렬 키로 변경할 수는 없습니다.
+ 정렬 키가 이전에 AUTO로 정의된 경우 관계는 더 이상 자동 테이블 최적화의 후보가 아닙니다.
+ Amazon Redshift는 정렬 키로 정의된 열에 대해 RAW 인코딩(압축 없음)을 사용하는 것이 좋습니다. 열을 변경하여 정렬 키로 선택하면 열의 압축이 RAW 압축(압축 없음)으로 변경됩니다. 이렇게 하면 관계에 필요한 스토리지 양이 늘어날 수 있습니다. 관계 크기 증가량은 특정 관계 정의와 관계 내용에 따라 다릅니다. 압축에 대한 자세한 내용은 [압축 인코딩](c_Compression_encodings.md) 섹션으로 이동하세요.
데이터가 관계에 로드되면 데이터는 정렬 키의 순서로 로드됩니다. 정렬 키를 변경하면 Amazon Redshift는 데이터를 재정렬합니다. SORTKEY에 대한 자세한 내용은 [CREATE MATERIALIZED VIEW](materialized-view-create-sql-command.md) 섹션으로 이동하세요.
ALTER SORTKEY AUTO
대상 관계의 정렬 키를 AUTO로 변경하거나 추가하는 절입니다. 임시 테이블에는 ALTER SORTKEY AUTO가 지원되지 않습니다.
정렬 키를 AUTO로 변경하면 Amazon Redshift는 관계의 기존 정렬 키를 보존합니다.
새로운 정렬 키가 쿼리 성능을 향상시킬 것이라고 판단되면 Amazon Redshift는 향후 관계의 정렬 키를 변경할 수 있습니다.
SORTKEY AUTO에 대한 자세한 내용은 [CREATE MATERIALIZED VIEW](materialized-view-create-sql-command.md) 섹션으로 이동하세요.
관계의 정렬 키를 보려면 SVV\$1TABLE\$1INFO 시스템 카탈로그 뷰를 쿼리합니다. 자세한 내용은 [SVV\$1TABLE\$1INFO](r_SVV_TABLE_INFO.md) 섹션을 참조하세요. 관계에 대한 Amazon Redshift Advisor 권장 사항을 보려면 SVV\$1ALTER\$1TABLE\$1RECOMMENDATIONS 시스템 카탈로그 뷰를 쿼리합니다. 자세한 내용은 [SVV\$1ALTER\$1TABLE\$1RECOMMENDATIONS](r_SVV_ALTER_TABLE_RECOMMENDATIONS.md) 섹션을 참조하세요. Amazon Redshift에서 수행한 작업을 보려면 SVL\$1AUTO\$1WORKER\$1ACTION 시스템 카탈로그 뷰를 쿼리합니다. 자세한 내용은 [SVL\$1AUTO\$1WORKER\$1ACTION](r_SVL_AUTO_WORKER_ACTION.md) 섹션을 참조하세요.
ALTER SORTKEY NONE
대상 관계의 정렬 키를 제거하는 절입니다.
정렬 키가 이전에 AUTO로 정의된 경우 관계는 더 이상 자동 테이블 최적화의 후보가 아닙니다.
ROW LEVEL SECURITY \$1 ON \$1 OFF \$1 [ CONJUNCTION TYPE \$1 AND \$1 OR \$1 ] [ FOR DATASHARES ]
관계에 대한 행 수준 보안을 켜거나 끄는 절입니다.
관계에 대해 행 수준 보안이 켜 있으면 행 수준 보안 정책에서 액세스를 허용하는 행만 읽을 수 있습니다. 관계에 대한 액세스 권한을 부여하는 정책이 없으면 관계에서 행을 볼 수 없습니다. 수퍼유저 및 `sys:secadmin` 역할을 가진 사용자 또는 역할만 ROW LEVEL SECURITY 절을 설정할 수 있습니다. 자세한 내용은 [행 수준 보안](t_rls.md) 섹션을 참조하세요.
+ [ CONJUNCTION TYPE \$1 AND \$1 OR \$1 ]
관계에 대해 행 수준 보안 정책의 접속사 유형을 선택할 수 있도록 하는 절입니다. 여러 행 수준 보안 정책이 관계에 연결된 경우 정책을 AND 또는 OR 절과 결합할 수 있습니다. 기본적으로 Amazon Redshift는 RLS 정책을 AND 절과 결합합니다. `sys:secadmin` 역할이 있는 슈퍼 사용자, 사용자 또는 역할은 이 절을 사용하여 관계에 대한 행 수준 보안 정책의 접속사 유형을 정의할 수 있습니다. 자세한 내용은 [사용자별로 여러 정책 결합](t_rls_combine_policies.md) 섹션을 참조하세요.
+ FOR DATASHARES
RLS로 보호되는 관계에 데이터 공유를 통해 액세스할 수 있는지를 결정하는 절입니다. 기본적으로 RLS로 보호되는 관계는 데이터 공유를 통해 액세스할 수 없습니다. ALTER MATERIALIZED VIEW ROW LEVEL SECURITY 명령을 이 절과 함께 실행하면 관계의 데이터 공유 접근성 속성에만 영향을 줍니다. ROW LEVEL SECURITY 속성은 변경되지 않습니다.
RLS로 보호되는 관계에 데이터 공유를 통해 액세스할 수 있도록 설정하면 소비자 측 데이터 공유 데이터베이스에서 해당 관계에 행 수준 보안이 적용되지 않습니다. 이 관계는 생산자 측에서 해당 RLS 속성을 유지합니다.
## 예제
다음 예에서는 `tickets_mv` 구체화된 뷰를 자동으로 새로 고칠 수 있게 합니다.
```
ALTER MATERIALIZED VIEW tickets_mv AUTO REFRESH YES
```
# ALTER MATERIALIZED VIEW에 대한 DISTSTYLE 및 SORTKEY 예시
이 주제의 예제는 ALTER MATERIALIZED VIEW를 사용하여 DISTSTYLE 및 SORTKEY 변경을 수행하는 방법을 보여줍니다.
다음 예제 쿼리는 샘플 기본 테이블을 사용하여 DISTSTYLE KEY DISTKEY 열을 변경하는 방법을 보여줍니다.
```
CREATE TABLE base_inventory(
inv_date_sk int4 NOT NULL,
inv_item_sk int4 NOT NULL,
inv_warehouse_sk int4 NOT NULL,
inv_quantity_on_hand int4
);
INSERT INTO base_inventory VALUES(1,1,1,1);
CREATE materialized VIEW inventory diststyle even AS SELECT * FROM base_inventory;
SELECT "table", diststyle FROM svv_table_info WHERE "table" = 'inventory';
ALTER materialized VIEW inventory ALTER diststyle KEY distkey inv_warehouse_sk;
SELECT "table", diststyle FROM svv_table_info WHERE "table" = 'inventory';
ALTER materialized VIEW inventory ALTER distkey inv_item_sk;
SELECT "table", diststyle FROM svv_table_info WHERE "table" = 'inventory';
DROP TABLE base_inventory CASCADE;
```
구체화된 뷰를 DISTSTYLE ALL로 변경:
```
CREATE TABLE base_inventory(
inv_date_sk int4 NOT NULL,
inv_item_sk int4 NOT NULL,
inv_warehouse_sk int4 NOT NULL,
inv_quantity_on_hand int4
);
INSERT INTO base_inventory VALUES(1,1,1,1);
CREATE materialized VIEW inventory diststyle even AS SELECT * FROM base_inventory;
SELECT "table", diststyle FROM svv_table_info WHERE "table" = 'inventory';
ALTER MATERIALIZED VIEW inventory ALTER diststyle ALL;
SELECT "table", diststyle FROM svv_table_info WHERE "table" = 'inventory';
DROP TABLE base_inventory CASCADE;
```
다음 명령은 샘플 기본 테이블을 사용한 ALTER MARTIALIZED VIEW SORTKEY 예시를 보여줍니다.
```
CREATE TABLE base_inventory (c0 int, c1 int);
INSERT INTO base_inventory VALUES(1,1);
CREATE materialized VIEW inventory interleaved sortkey(c0, c1) AS SELECT * FROM base_inventory;
SELECT "table", sortkey1 FROM svv_table_info WHERE "table" = 'inventory';
ALTER materialized VIEW inventory ALTER sortkey(c0, c1);
SELECT "table", diststyle, sortkey_num FROM svv_table_info WHERE "table" = 'inventory';
ALTER materialized VIEW inventory ALTER sortkey NONE;
SELECT "table", diststyle, sortkey_num FROM svv_table_info WHERE "table" = 'inventory';
ALTER materialized VIEW inventory ALTER sortkey(c0);
SELECT "table", diststyle, sortkey_num FROM svv_table_info WHERE "table" = 'inventory';
DROP TABLE base_inventory CASCADE;
```
# ALTER RLS POLICY
테이블의 기존 행 수준 보안 정책을 변경합니다.
슈퍼유저와 `sys:secadmin` 역할이 부여된 사용자 또는 역할은 정책을 변경할 수 있습니다.
## 구문
```
ALTER RLS POLICY
{ policy_name | database_name.policy_name }
USING ( using_predicate_exp );
```
## 파라미터
*policy\$1name*
정책의 이름입니다.
database\$1name
정책이 생성되는 데이터베이스의 이름입니다. 데이터베이스는 연결된 데이터베이스이거나 Amazon Redshift 페더레이션 권한을 지원하는 데이터베이스일 수 있습니다.
USING (* using\$1predicate\$1exp *)
쿼리의 WHERE 절에 적용되는 필터를 지정합니다. Amazon Redshift는 쿼리 수준 사용자 조건자를 지정하기 전에 정책 조건자를 적용합니다. 예를 들어 **current\$1user = ‘joe’ and price > 10**은 가격이 10 USD보다 큰 레코드만 Joe에게 표시하도록 제한합니다.
표현식에서는 이름이 policy\$1name인 정책을 생성하는 데 사용된 CREATE RLS POLICY 명령문의 WITH 절에 선언된 변수에 액세스할 수 있습니다.
Amazon Redshift 페더레이션 권한 카탈로그에서 ALTER RLS POLICY를 사용하려면 [Amazon Redshift 페더레이션 권한을 사용하여 액세스 제어 관리](https://docs.aws.amazon.com/redshift/latest/dg/federated-permissions-managing-access.html)를 참조하세요.
## 예제
다음 예에서는 RLS 정책을 변경합니다.
```
-- First create an RLS policy that limits access to rows where catgroup is 'concerts'.
CREATE RLS POLICY policy_concerts
WITH (catgroup VARCHAR(10))
USING (catgroup = 'concerts');
-- Then, alter the RLS policy to only show rows where catgroup is 'piano concerts'.
ALTER RLS POLICY policy_concerts
USING (catgroup = 'piano concerts');
```
# 역할 변경
역할의 이름을 바꾸거나 소유자를 변경합니다. Amazon Redshift 시스템 정의 역할 목록은 [Amazon Redshift 시스템 정의 역할](r_roles-default.md) 섹션을 참조하세요.
## 필수 권한
ALTER ROLE에 필요한 권한은 다음과 같습니다.
+ 수퍼유저
+ ALTER USER 권한이 있는 사용자
## 구문
```
ALTER ROLE role [ WITH ]
{ { RENAME TO role } | { OWNER TO user_name } }[, ...]
[ EXTERNALID TO external_id ]
```
## 파라미터
*역할*
변경할 역할의 이름.
RENAME TO
역할의 새 이름.
*user\$1name* 소유자
역할의 새 소유자.
EXTERNALID TO *external\$1id*
자격 증명 공급자와 연결된 역할의 새 외부 ID입니다. 자세한 내용은 [Native identity provider (IdP) federation for Amazon Redshift](https://docs.aws.amazon.com/redshift/latest/mgmt/redshift-iam-access-control-native-idp.html)(Amazon Redshift용 네이티브 자격 증명 공급자(IdP) 페더레이션)를 참조하세요.
## 예제
다음 예에서는 역할의 이름을 `sample_role1`에서 `sample_role2`로 변경합니다.
```
ALTER ROLE sample_role1 RENAME TO sample_role2;
```
다음 예에서는 역할의 소유자를 바꿉니다.
```
ALTER ROLE sample_role1 WITH OWNER TO user1
```
ALTER ROLE의 구문은 다음과 같이 ALTER PROCEDURE와 유사합니다.
```
ALTER PROCEDURE first_quarter_revenue(bigint, numeric) RENAME TO quarterly_revenue;
```
다음 예에서는 프로시저의 소유자를 `etl_user`로 변경합니다.
```
ALTER PROCEDURE quarterly_revenue(bigint, numeric) OWNER TO etl_user;
```
다음 예에서는 자격 증명 공급자와 연결된 새 외부 ID로 역할 `sample_role1`을 업데이트합니다.
```
ALTER ROLE sample_role1 EXTERNALID TO "XYZ456";
```
# ALTER PROCEDURE
프로시저의 이름을 바꾸거나 소유자를 변경합니다. 프로시저 이름과 데이터 형식 또는 서명은 모두 필수입니다. 소유자 또는 수퍼유저만 프로시저의 이름을 바꿀 수 있습니다. 수퍼유저만 프로시저의 소유자를 변경할 수 있습니다.
## 구문
```
ALTER PROCEDURE sp_name [ ( [ [ argname ] [ argmode ] argtype [, ...] ] ) ]
RENAME TO new_name
```
```
ALTER PROCEDURE sp_name [ ( [ [ argname ] [ argmode ] argtype [, ...] ] ) ]
OWNER TO { new_owner | CURRENT_USER | SESSION_USER }
```
## 파라미터
*sp\$1name*
변경할 프로시저의 이름입니다. 특정 스키마를 사용하려면 현재 검색 경로에 프로시저의 이름만 지정하거나, `schema_name.sp_procedure_name` 형식을 사용하세요.
*[argname] [argmode] argtype*
인수 이름, 인수 모드 및 데이터 형식의 목록입니다. 입력 데이터 형식만 필수입니다. 입력 데이터 형식은 저장 프로시저를 식별하는 데 사용됩니다. 모드와 함께 입력 및 출력 파라미터를 포함하여 프로시저를 생성하는 데 사용된 전체 서명을 제공할 수도 있습니다.
*new\$1name*
저장 프로시저의 새 이름입니다.
*new\$1owner* \$1 CURRENT\$1USER \$1 SESSION\$1USER
저장 프로시저의 새 소유자입니다.
## 예제
다음 예제에서는 프로시저의 이름을 `first_quarter_revenue`에서 `quarterly_revenue`로 변경합니다.
```
ALTER PROCEDURE first_quarter_revenue(volume INOUT bigint, at_price IN numeric,
result OUT int) RENAME TO quarterly_revenue;
```
이 예는 다음과 동일합니다.
```
ALTER PROCEDURE first_quarter_revenue(bigint, numeric) RENAME TO quarterly_revenue;
```
다음 예에서는 프로시저의 소유자를 `etl_user`로 변경합니다.
```
ALTER PROCEDURE quarterly_revenue(bigint, numeric) OWNER TO etl_user;
```
# ALTER SCHEMA
기존 스키마의 정의를 변경합니다. 스키마의 소유자를 변경하거나 스키마의 이름을 바꾸려면 이 명령을 사용하세요. 예를 들어, 기존 스키마의 새 버전을 만들 계획인 경우 그 스키마의 백업 복사본을 보존하기 위해 스키마의 이름을 바꿉니다. 스키마에 대한 자세한 내용은 [CREATE SCHEMA](r_CREATE_SCHEMA.md) 섹션을 참조하세요.
구성된 스키마 할당량을 보려면 [SVV\$1SCHEMA\$1QUOTA\$1STATE](r_SVV_SCHEMA_QUOTA_STATE.md) 섹션을 참조하세요.
스키마 할당량이 초과된 레코드를 보려면 [STL\$1SCHEMA\$1QUOTA\$1VIOLATIONS](r_STL_SCHEMA_QUOTA_VIOLATIONS.md) 섹션을 참조하세요.
## 필수 권한
ALTER SCHEMA에 필요한 권한은 다음과 같습니다.
+ 수퍼유저
+ ALTER SCHEMA 권한이 있는 사용자
+ 스키마 소유자
스키마 이름을 변경할 때는 저장 프로시저나 구체화된 뷰와 같이 이전 이름을 사용하는 객체를 새 이름을 사용하도록 업데이트해야 한다는 점에 유의하세요.
## 구문
```
ALTER SCHEMA schema_name
{
RENAME TO new_name |
OWNER TO new_owner |
QUOTA { quota [MB | GB | TB] | UNLIMITED }
}
```
## 파라미터
*schema\$1name*
변경할 데이터베이스 스키마의 이름입니다.
RENAME TO
스키마의 이름을 바꾸는 절입니다.
*new\$1name*
스키마의 새 이름입니다. 유효한 이름에 대한 자세한 내용은 [이름 및 식별자](r_names.md) 섹션을 참조하세요.
OWNER TO
스키마의 소유자를 변경하는 절입니다.
*new\$1owner*
스키마의 새 소유자입니다.
QUOTA
지정된 스키마에서 사용할 수 있는 최대 디스크 공간 양입니다. 이 공간은 지정된 스키마 아래에 있는 모든 테이블의 총체적 크기입니다. Amazon Redshift는 선택한 값을 메가바이트로 변환합니다. 값을 지정하지 않으면 기가바이트가 기본 측정 단위입니다.
스키마 할당량 구성에 대한 자세한 내용은 [CREATE SCHEMA](r_CREATE_SCHEMA.md) 섹션을 참조하세요.
## 예제
다음 예에서는 SALES 스키마의 이름을 US\$1SALES로 바꿉니다.
```
alter schema sales
rename to us_sales;
```
다음 예에서는 US\$1SALES 스키마의 소유권을 사용자 DWUSER에게 제공합니다.
```
alter schema us_sales
owner to dwuser;
```
다음 예에서는 할당량을 300GB로 변경하고 할당량을 제거합니다.
```
alter schema us_sales QUOTA 300 GB;
alter schema us_sales QUOTA UNLIMITED;
```
# ALTER SYSTEM
Amazon Redshift 클러스터 또는 Redshift Serverless 작업 그룹에 대한 시스템 수준 구성 옵션을 변경합니다.
## 필수 권한
다음 사용자 유형 중 하나가 ALTER SYSTEM 명령을 실행할 수 있습니다.
+ 수퍼유저
+ 관리자
## 구문
```
ALTER SYSTEM SET system-level-configuration = {true| t | on | false | f | off}
```
## 파라미터
*시스템 수준 구성*
시스템 수준 구성입니다. 유효한 값: `data_catalog_auto_mount` 및 `metadata_security`.
\$1true\$1 t \$1 on \$1 false \$1 f \$1 off\$1
시스템 수준 구성을 활성화 또는 비활성화할 값입니다. `true`,`t` 또는`on`은 구성을 활성화함을 나타냅니다. `false`,`f` 또는`off`는 구성을 비활성화함을 나타냅니다.
## 사용 노트
프로비저닝된 클러스터의 경우 `data_catalog_auto_mount`의 변경 사항은 클러스터를 다음에 재부팅할 때 적용됩니다. 자세한 내용은 **Amazon Redshift 관리 안내서의 [클러스터 재부팅](https://docs.aws.amazon.com/redshift/latest/mgmt/managing-clusters-console.html#reboot-cluster) 섹션을 참조하세요.
서버가 없는 작업 그룹의 경우 `data_catalog_auto_mount` 변경 사항이 즉시 적용되지 않습니다.
## 예제
다음 예제에서는 AWS Glue Data Catalog 자동 마운트를 활성화합니다.
```
ALTER SYSTEM SET data_catalog_auto_mount = true;
```
다음 예시에서는 메타데이터 보안을 활성화합니다.
```
ALTER SYSTEM SET metadata_security = true;
```
### 기본 ID 네임스페이스 설정
이 예는 ID 제공업체 작업과 관련된 것입니다. Redshift를 IAM Identity Center 및 ID 제공업체와 통합하여 Redshift 및 기타 AWS 서비스에 대한 ID 관리를 중앙 집중화할 수 있습니다.
다음 샘플은 시스템의 기본 ID 네임스페이스를 설정하는 방법을 보여줍니다. 이렇게 하면 각 ID의 접두사로 네임스페이스를 포함할 필요가 없기 때문에 이후에 GRANT 및 CREATE 문을 더 간단하게 실행할 수 있습니다.
```
ALTER SYSTEM SET default_identity_namespace = 'MYCO';
```
이 명령을 실행한 후 다음과 같은 명령문을 실행할 수 있습니다.
```
GRANT SELECT ON TABLE mytable TO alice;
GRANT UPDATE ON TABLE mytable TO salesrole;
CREATE USER bob password 'md50c983d1a624280812631c5389e60d48c';
```
기본 ID 네임스페이스를 설정하면 각 ID에 접두사로 네임스페이스가 필요 없게 되는 효과가 있습니다. 이 예제에서는 `alice`가 `MYCO:alice`로 대체됩니다. 이는 ID가 포함된 모든 경우에 발생합니다. Redshift에서 ID 제공업체를 사용하는 방법에 대한 자세한 내용은 [Redshift를 IAM Identity Center와 연결하여 사용자에게 Single Sign-On 경험을 제공합니다](https://docs.aws.amazon.com/redshift/latest/mgmt/redshift-iam-access-control-idp-connect.html)를 참조하세요.
IAM Identity Center를 사용한 Redshift 구성과 관련된 설정에 대한 자세한 내용은 [SET](r_SET.md) 및 [ALTER IDENTITY PROVIDER](r_ALTER_IDENTITY_PROVIDER.md) 섹션을 참조하세요.
# ALTER TABLE
이 명령은 Amazon Redshift 테이블 또는 Amazon Redshift Spectrum 외부 테이블의 정의를 변경합니다. 이 명령은 [CREATE TABLE](r_CREATE_TABLE_NEW.md) 또는 [CREATE EXTERNAL TABLE](r_CREATE_EXTERNAL_TABLE.md)에서 설정한 값과 속성을 업데이트합니다. 행 수준 보안(RLS)을 위해 뷰에서 ALTER TABLE을 사용할 수 있습니다.
트랜잭션 블록(BEGIN ... END) 내의 외부 테이블에서 ALTER TABLE을 실행할 수 없습니다. 버전 관리에 대한 자세한 내용은 [Amazon Redshift의 격리 수준](c_serial_isolation.md) 섹션을 참조하세요.
ALTER TABLE은 ALTER TABLE 작업 관련한 트랜잭션이 완료될 때까지 테이블 읽기 및 쓰기 을 잠금 설정합니다. 다만 변경하는 동안 테이블에서 데이터를 쿼리하거나 다른 작업을 수행할 수 있다고 설명서에 나와 있는 경우는 예외입니다.
## 필수 권한
명령이 성공하려면 테이블을 변경하는 사용자에게 적절한 권한이 있어야 합니다. ALTER TABLE 명령에 따라 다음 권한 중 하나가 필요합니다.
+ 수퍼유저
+ ALTER TABLE 권한이 있는 사용자
+ 스키마에 대한 USAGE 권한이 있는 테이블 소유자
## 구문
```
ALTER TABLE table_name
{
ADD table_constraint
| DROP CONSTRAINT constraint_name [ RESTRICT | CASCADE ]
| OWNER TO new_owner
| RENAME TO new_name
| RENAME COLUMN column_name TO new_name
| ALTER COLUMN column_name TYPE updated_varchar_data_type_size
| ALTER COLUMN column_name ENCODE new_encode_type
| ALTER COLUMN column_name ENCODE encode_type,
| ALTER COLUMN column_name ENCODE encode_type, .....;
| ALTER DISTKEY column_name
| ALTER DISTSTYLE ALL
| ALTER DISTSTYLE EVEN
| ALTER DISTSTYLE KEY DISTKEY column_name
| ALTER DISTSTYLE AUTO
| ALTER [COMPOUND] SORTKEY ( column_name [,...] )
| ALTER SORTKEY AUTO
| ALTER SORTKEY NONE
| ALTER ENCODE AUTO
| ADD [ COLUMN ] column_name column_type
[ DEFAULT default_expr ]
[ ENCODE encoding ]
[ NOT NULL | NULL ]
[ COLLATE { CASE_SENSITIVE | CS | CASE_INSENSITIVE | CI } ] |
| DROP [ COLUMN ] column_name [ RESTRICT | CASCADE ]
| ROW LEVEL SECURITY { ON | OFF } [ CONJUNCTION TYPE { AND | OR } ] [ FOR DATASHARES ]
| MASKING { ON | OFF } FOR DATASHARES }
where table_constraint is:
[ CONSTRAINT constraint_name ]
{ UNIQUE ( column_name [, ... ] )
| PRIMARY KEY ( column_name [, ... ] )
| FOREIGN KEY (column_name [, ... ] )
REFERENCES reftable [ ( refcolumn ) ]}
The following options apply only to external tables:
SET LOCATION { 's3://bucket/folder/' | 's3://bucket/manifest_file' }
| SET FILE FORMAT format |
| SET TABLE PROPERTIES ('property_name'='property_value')
| PARTITION ( partition_column=partition_value [, ...] )
SET LOCATION { 's3://bucket/folder' |'s3://bucket/manifest_file' }
| ADD [IF NOT EXISTS]
PARTITION ( partition_column=partition_value [, ...] ) LOCATION { 's3://bucket/folder' |'s3://bucket/manifest_file' }
[, ... ]
| DROP PARTITION ( partition_column=partition_value [, ...] )
```
ALTER TABLE 명령을 실행하는 시간을 줄이려면 ALTER TABLE 명령의 일부 절을 결합할 수 있습니다.
Amazon Redshift는 ALTER TABLE 절의 다음 조합을 지원합니다.
```
ALTER TABLE tablename ALTER SORTKEY (column_list), ALTER DISTKEY column_Id;
ALTER TABLE tablename ALTER DISTKEY column_Id, ALTER SORTKEY (column_list);
ALTER TABLE tablename ALTER SORTKEY (column_list), ALTER DISTSTYLE ALL;
ALTER TABLE tablename ALTER DISTSTYLE ALL, ALTER SORTKEY (column_list);
```
## 파라미터
*table\$1name*
수정할 테이블 이름. 특정 스키마를 사용하려면 테이블의 이름만 지정하거나 *schema\$1name.table\$1name* 형식을 사용하세요. 외부 테이블은 외부 스키마 이름으로 정규화해야 합니다. ALTER TABLE 문을 사용하여 뷰의 이름을 바꾸거나 그 소유자를 변경하려는 경우 뷰 이름을 지정할 수도 있습니다. 테이블 이름의 최대 길이는 127바이트이며, 이보다 긴 이름은 127바이트까지 표시되고 나머지는 잘립니다. 최대 4바이트까지 UTF-8 멀티바이트 문자를 사용할 수 있습니다. 유효한 이름에 대한 자세한 내용은 [이름 및 식별자](r_names.md) 섹션을 참조하세요.
ADD *table\$1constraint*
테이블에 지정된 제약 조건을 추가하는 절입니다. 유효한 *table\$1constraint* 값에 대한 설명은 [CREATE TABLE](r_CREATE_TABLE_NEW.md) 섹션을 참조하세요.
Null 허용 열에 기본 키 제약 조건을 추가할 수 없습니다. 이 열이 원래 NOT NULL 제약 조건으로 생성된 경우에는 기본 키 제약 조건을 추가할 수 있습니다.
DROP CONSTRAINT *constraint\$1name*
테이블에서 명명된 제약 조건을 삭제하는 절입니다. 제약 조건을 삭제하려면 제약 조건 유형이 아니라 제약 조건 이름을 지정하세요. 테이블 제약 조건 이름을 보려면 다음 쿼리를 실행합니다.
```
select constraint_name, constraint_type
from information_schema.table_constraints;
```
RESTRICT
지정된 제약 조건만 제거하는 절입니다. RESTRICT는 DROP CONSTRAINT에 대한 옵션입니다. RESTRICT는 CASCADE와 함께 사용할 수 없습니다.
CASCADE
지정된 제약 조건과 그 제약 조건에 종속된 모든 것을 제거하는 절입니다. CASCADE는 DROP CONSTRAINT에 대한 옵션입니다. CASCADE는 RESTRICT와 함께 사용할 수 없습니다.
OWNER TO *new\$1owner*
테이블(또는 뷰)의 소유자를 *new\$1owner* 값으로 변경하는 절입니다.
RENAME TO *new\$1name*
테이블(또는 뷰)의 이름을 *new\$1name*에 지정된 값으로 바꾸는 절입니다. 최대 테이블 이름 길이는 127바이트이며, 이보다 긴 이름은 127바이트까지 표시되고 나머지는 잘립니다.
영구 테이블 이름을 '\$1'로 시작하는 이름으로 바꿀 수 없습니다. '\$1'로 시작하는 테이블 이름은 임시 테이블을 나타냅니다.
외부 테이블의 이름을 변경할 수 없습니다.
ALTER COLUMN *column\$1name* TYPE *updated\$1varchar\$1data\$1type\$1size*
VARCHAR 데이터 형식으로 정의된 열 크기를 변경하는 절입니다. 이 절은 VARCHAR 데이터 유형의 크기 변경만 지원합니다. 다음 제한을 고려하세요.
+ 압축 인코딩 BYTEDICT, RUNLENGTH, TEXT255 또는 TEXT32K를 사용하는 열은 변경할 수 없습니다.
+ 기존 데이터의 최대 크기보다 작게 크기를 줄일 수 없습니다.
+ 기본값이 있는 열은 변경할 수 없습니다.
+ UNIQUE, PRIMARY KEY 또는 FOREIGN KEY가 있는 열은 변경할 수 없습니다.
+ 트랜잭션 블록(BEGIN ... END) 내에서 열을 변경할 수 없습니다. 버전 관리에 대한 자세한 내용은 [Amazon Redshift의 격리 수준](c_serial_isolation.md) 섹션을 참조하세요.
ALTER COLUMN *column\$1name* ENCODE *new\$1encode\$1type*
열의 압축 인코딩을 변경하는 절입니다. 열에 압축 인코딩을 지정하면 테이블이 더 이상 ENCODE AUTO로 설정되지 않습니다. 압축 인코딩에 대한 자세한 내용은 [열 압축으로 저장된 데이터 크기 축소](t_Compressing_data_on_disk.md) 섹션을 참조하세요.
열에 압축 인코딩을 변경하면 테이블을 쿼리할 수 있습니다.
다음 제한을 고려하세요.
+ 열에 대해 현재 정의된 것과 동일한 인코딩으로 열을 변경할 수 없습니다.
+ 인터리브 정렬 키가 있는 테이블의 열에 대한 인코딩을 변경할 수 없습니다.
ALTER COLUMN *column\$1name* ENCODE *encode\$1type*, ALTER COLUMN *column\$1name* ENCODE *encode\$1type*, .....;
단일 명령에서 여러 열의 압축 인코딩을 변경하는 절입니다. 압축 인코딩에 대한 자세한 내용은 [열 압축으로 저장된 데이터 크기 축소](t_Compressing_data_on_disk.md) 섹션을 참조하세요.
열에 압축 인코딩을 변경하면 테이블을 쿼리할 수 있습니다.
다음 제한을 고려하세요.
+ 단일 명령에서 열을 동일하거나 다른 인코딩 형식으로 여러 번 변경할 수 없습니다.
+ 열에 대해 현재 정의된 것과 동일한 인코딩으로 열을 변경할 수 없습니다.
+ 인터리브 정렬 키가 있는 테이블의 열에 대한 인코딩을 변경할 수 없습니다.
ALTER DISTSTYLE ALL
테이블의 기존 분산 스타일을 `ALL`으로 변경하는 절입니다. 다음을 고려하세요.
+ ALTER DISTSTYLE, ALTER SORTKEY, VACUUM은 동일한 테이블에서 동시에 실행할 수 없습니다.
+ VACUUM이 현재 실행 중인 경우 ALTER DISTSTYLE ALL을 실행하면 오류가 반환됩니다.
+ ALTER DISTSTYLE ALL이 실행 중인 경우 백그라운드 VACCUM이 테이블에서 시작되지 않습니다.
+ 인터리브 정렬 키 및 임시 테이블이 있는 테이블에는 ALTER DISTYLE ALL 명령이 지원되지 않습니다.
+ 배포 스타일이 이전에 AUTO로 정의된 경우 테이블은 더 이상 자동 테이블 최적화의 후보가 아닙니다.
DISTSTYLE ALL에 대한 자세한 내용은 [CREATE TABLE](r_CREATE_TABLE_NEW.md) 섹션을 참조하세요.
ALTER DISTSTYLE EVEN
테이블의 기존 분산 스타일을 `EVEN`으로 변경하는 절입니다. 다음을 고려하세요.
+ ALTER DISTSYTLE, ALTER SORTKEY, VACUUM은 동일한 테이블에서 동시에 실행할 수 없습니다.
+ VACUUM이 현재 실행 중인 경우 ALTER DISTSTYLE EVEN을 실행하면 오류가 반환됩니다.
+ ALTER DISTSTYLE EVEN이 실행 중인 경우 백그라운드 VACCUM이 테이블에서 시작되지 않습니다.
+ 인터리브 정렬 키 및 임시 테이블이 있는 테이블에는 ALTER DISTYLE EVEN 명령이 지원되지 않습니다.
+ 배포 스타일이 이전에 AUTO로 정의된 경우 테이블은 더 이상 자동 테이블 최적화의 후보가 아닙니다.
DISTSTYLE EVEN에 대한 자세한 내용은 [CREATE TABLE](r_CREATE_TABLE_NEW.md) 섹션을 참조하세요.
ALTER DISTKEY *column\$1name* 또는 ALTER DISTSTYLE KEY DISTKEY *column\$1name*
테이블의 배포 키로 사용되는 열을 변경하는 절입니다. 다음을 고려하세요.
+ VACUUM 및 ALTER DISTKEY는 동일한 테이블 상에서 동시에 실행할 수 없습니다.
+ VACUUM이 이미 실행 중인 경우 ALTER DISTKEY가 오류를 반환합니다.
+ ALTER DISTKEY가 실행 중인 경우 백그라운드 VACCUM이 테이블에서 시작되지 않습니다.
+ ALTER DISTKEY가 실행 중인 경우 포그라운드 VACCUM이 오류를 반환합니다.
+ 테이블에서 한 번에 하나의 ALTER DISTKEY 명령만 실행할 수 있습니다.
+ 인터리브 정렬 키가 있는 테이블에는 ALTER DISTKEY 명령이 지원되지 않습니다.
+ 배포 스타일이 이전에 AUTO로 정의된 경우 테이블은 더 이상 자동 테이블 최적화의 후보가 아닙니다.
DISTSTYLE KEY를 지정할 때 데이터는 DISTKEY 열에 있는 값을 기준으로 배포됩니다. DISTSTYLE에 대한 자세한 내용은 [CREATE TABLE](r_CREATE_TABLE_NEW.md) 섹션을 참조하세요.
ALTER DISTSTYLE AUTO
테이블의 기존 배포 스타일을 AUTO로 변경하는 절입니다.
배포 스타일을 AUTO로 변경하면 테이블의 배포 스타일이 다음과 같이 설정됩니다.
+ DISTSTYLE ALL이 있는 작은 테이블은 AUTO(ALL)로 변환됩니다.
+ DISTSTYLE EVEN이 있는 작은 테이블은 AUTO(ALL)로 변환됩니다.
+ DISTSTYLE KEY가 있는 작은 테이블은 AUTO(ALL)로 변환됩니다.
+ DISTSTYLE ALL이 있는 큰 테이블은 AUTO(EVEN)로 변환됩니다.
+ DISTSTYLE EVEN이 있는 큰 테이블은 AUTO(EVEN)로 변환됩니다.
+ DISTSTYLE KEY가 있는 큰 테이블은 AUTO(KEY)로 변환되고 DISTKEY는 보존됩니다. 이 경우 Amazon Redshift는 테이블을 변경하지 않습니다.
새로운 배포 스타일 또는 키가 쿼리 성능을 향상시킬 것이라고 판단되면 Amazon Redshift는 향후 테이블의 배포 스타일이나 키를 변경할 수 있습니다. 예를 들어 Amazon Redshift는 DISTSTYLE이 AUTO(KEY)인 테이블을 AUTO(EVEN)로 또는 그 반대로 변환할 수 있습니다. 데이터 재배포 및 잠금을 포함하여 배포 키가 변경될 때의 동작에 대한 자세한 내용은 [Amazon Redshift Advisor 권장 사항](https://docs.aws.amazon.com/redshift/latest/dg/advisor-recommendations.html#alter-diststyle-distkey-recommendation)을 참조하세요.
DISTSTYLE AUTO에 대한 자세한 내용은 [CREATE TABLE](r_CREATE_TABLE_NEW.md) 섹션을 참조하세요.
테이블의 배포 스타일을 보려면 SVV\$1TABLE\$1INFO 시스템 카탈로그 뷰를 쿼리합니다. 자세한 내용은 [SVV\$1TABLE\$1INFO](r_SVV_TABLE_INFO.md) 섹션을 참조하세요. 테이블에 대한 Amazon Redshift Advisor 권장 사항을 보려면 SVV\$1ALTER\$1TABLE\$1RECOMMENDATIONS 시스템 카탈로그 뷰를 쿼리합니다. 자세한 내용은 [SVV\$1ALTER\$1TABLE\$1RECOMMENDATIONS](r_SVV_ALTER_TABLE_RECOMMENDATIONS.md) 섹션을 참조하세요. Amazon Redshift에서 수행한 작업을 보려면 SVL\$1AUTO\$1WORKER\$1ACTION 시스템 카탈로그 뷰를 쿼리합니다. 자세한 내용은 [SVL\$1AUTO\$1WORKER\$1ACTION](r_SVL_AUTO_WORKER_ACTION.md) 섹션을 참조하세요.
ALTER [COMPOUND] SORTKEY ( *column\$1name* [,...] )
테이블에 사용되는 정렬 키를 변경하거나 추가하는 절입니다. 임시 테이블에는 ALTER SORTKEY가 지원되지 않습니다.
정렬 키를 변경하면 새 정렬 키 또는 원래 정렬 키에 있는 열의 압축 인코딩이 변경될 수 있습니다. 테이블에 대해 명시적으로 정의된 인코딩이 없는 경우 Amazon Redshift는 다음과 같이 압축 인코딩을 자동으로 할당합니다.
+ 정렬 키로 정의된 열은 RAW 압축이 할당됩니다.
+ BOOLEAN, REAL 또는 DOUBLE PRECISION 데이터 형식으로 정의된 열은 RAW 압축이 할당됩니다.
+ SMALLINT, INTEGER, BIGINT, DECIMAL, DATE, TIME, TIMETZ, TIMESTAMP 또는 TIMESTAMPTZ로 정의된 열에는 AZ64 압축이 할당됩니다.
+ CHAR 또는 VARCHAR로 정의된 열에는 LZO 압축이 할당됩니다.
다음을 고려하세요.
+ 테이블당 정렬 키에 최대 400개의 열을 정의할 수 있습니다.
+ 인터리브 정렬 키를 복합 정렬 키 또는 정렬 키 없음으로 변경할 수 있습니다. 그러나 복합 정렬 키를 인터리브 정렬 키로 변경할 수는 없습니다.
+ 정렬 키가 이전에 AUTO로 정의된 경우 테이블은 더 이상 자동 테이블 최적화의 후보가 아닙니다.
+ Amazon Redshift는 정렬 키로 정의된 열에 대해 RAW 인코딩(압축 없음)을 사용하는 것이 좋습니다. 열을 변경하여 정렬 키로 선택하면 열의 압축이 RAW 압축(압축 없음)으로 변경됩니다. 이렇게 하면 테이블에 필요한 스토리지 양이 늘어날 수 있습니다. 테이블 크기 증가량은 특정 테이블 정의와 테이블 내용에 따라 다릅니다. 압축에 대한 자세한 내용은 [압축 인코딩](c_Compression_encodings.md) 섹션을 참조하세요.
데이터가 테이블에 로드되면 데이터는 정렬 키의 순서로 로드됩니다. 정렬 키를 변경하면 Amazon Redshift는 데이터를 재정렬합니다. SORTKEY에 대한 자세한 내용은 [CREATE TABLE](r_CREATE_TABLE_NEW.md) 섹션을 참조하세요.
ALTER SORTKEY AUTO
대상 테이블의 정렬 키를 AUTO로 변경하거나 추가하는 절입니다. 임시 테이블에는 ALTER SORTKEY AUTO가 지원되지 않습니다.
정렬 키를 AUTO로 변경하면 Amazon Redshift는 테이블의 기존 정렬 키를 보존합니다.
새로운 정렬 키가 쿼리 성능을 향상시킬 것이라고 판단되면 Amazon Redshift는 향후 테이블의 정렬 키를 변경할 수 있습니다.
SORTKEY AUTO에 대한 자세한 내용은 [CREATE TABLE](r_CREATE_TABLE_NEW.md) 섹션을 참조하세요.
테이블의 정렬 키를 보려면 SVV\$1TABLE\$1INFO 시스템 카탈로그 뷰를 쿼리합니다. 자세한 내용은 [SVV\$1TABLE\$1INFO](r_SVV_TABLE_INFO.md) 섹션을 참조하세요. 테이블에 대한 Amazon Redshift Advisor 권장 사항을 보려면 SVV\$1ALTER\$1TABLE\$1RECOMMENDATIONS 시스템 카탈로그 뷰를 쿼리합니다. 자세한 내용은 [SVV\$1ALTER\$1TABLE\$1RECOMMENDATIONS](r_SVV_ALTER_TABLE_RECOMMENDATIONS.md) 섹션을 참조하세요. Amazon Redshift에서 수행한 작업을 보려면 SVL\$1AUTO\$1WORKER\$1ACTION 시스템 카탈로그 뷰를 쿼리합니다. 자세한 내용은 [SVL\$1AUTO\$1WORKER\$1ACTION](r_SVL_AUTO_WORKER_ACTION.md) 섹션을 참조하세요.
ALTER SORTKEY NONE
대상 테이블의 정렬 키를 제거하는 절입니다.
정렬 키가 이전에 AUTO로 정의된 경우 테이블은 더 이상 자동 테이블 최적화의 후보가 아닙니다.
ALTER ENCODE AUTO
대상 테이블 열의 인코딩 형식을 AUTO로 변경하는 절입니다. 인코딩을 AUTO로 변경하면 Amazon Redshift는 테이블에 있는 열의 기존 인코딩 형식이 보존됩니다. 그런 다음 새 인코딩 형식이 쿼리 성능을 향상시킬 수 있다고 판단되면 Amazon Redshift가 테이블 열의 인코딩 형식을 변경할 수 있습니다.
인코딩을 지정하기 위해 하나 이상의 열을 변경하는 경우 Amazon Redshift는 더 이상 테이블의 모든 열에 대한 인코딩을 자동으로 조정하지 않습니다. 열은 현재 인코딩 설정을 유지합니다.
다음 작업은 테이블의 ENCODE AUTO 설정에 영향을 주지 않습니다.
+ 테이블 이름 바꾸기.
+ 테이블에 대한 DISTSTYLE 또는 SORTKEY 설정 변경.
+ ENCODE 설정으로 열 추가 또는 삭제.
+ COPY 명령의 COMPUPDATE 옵션 사용. 자세한 내용은 [데이터 로드 작업](copy-parameters-data-load.md) 섹션을 참조하세요.
테이블의 인코딩을 보려면 SVV\$1TABLE\$1INFO 시스템 카탈로그 뷰를 쿼리합니다. 자세한 내용은 [SVV\$1TABLE\$1INFO](r_SVV_TABLE_INFO.md) 섹션을 참조하세요.
RENAME COLUMN *column\$1name* TO *new\$1name*
열의 이름을 *new\$1name*에 지정된 값으로 바꾸는 절입니다. 최대 열 이름 길이는 127바이트이며, 이보다 긴 이름은 127바이트까지 표시되고 나머지는 잘립니다. 유효한 이름에 대한 자세한 내용은 [이름 및 식별자](r_names.md) 섹션을 참조하세요.
ADD [ COLUMN ] *column\$1name*
테이블에 지정된 이름과 함께 열을 추가하는 절입니다. 각각의 ALTER TABLE 문에 한 개의 열만 추가할 수 있습니다.
테이블의 배포 키(DISTKEY) 또는 정렬 키(SORTKEY)인 열은 추가할 수 없습니다.
ALTER TABLE ADD COLUMN 명령을 사용하여 다음 테이블 및 열 속성을 수정할 수 없습니다.
+ UNIQUE
+ PRIMARY KEY
+ REFERENCES(외래 키)
+ IDENTITY 또는 GENERATED BY DEFAULT AS IDENTITY
최대 열 이름 길이는 127바이트이며, 이보다 긴 이름은 127바이트까지 표시되고 나머지는 잘립니다. 단일 테이블에서 정의할 수 있는 최대 열 수는 1,600개입니다.
외부 테이블에 열을 추가할 때는 다음과 같은 제한 사항이 적용됩니다.
+ 열 제약 조건 DEFAULT, ENCODE, NOT NULL, NULL이 있는 외부 테이블에 열을 추가할 수 없습니다.
+ AVRO 파일 형식으로 정의된 외부 테이블에 열을 추가할 수 없습니다.
+ 가상 열이 활성화되어 있으면 외부 테이블 하나에서 정의할 수 있는 최대 열 개수는 1,598개입니다. 가상 열이 활성화되어 있지 않으면 테이블 하나에서 정의할 수 있는 최대 열 개수는 1,600개입니다.
자세한 내용은 [CREATE EXTERNAL TABLE](r_CREATE_EXTERNAL_TABLE.md) 섹션을 참조하세요.
*column\$1type*
추가되는 열의 데이터 형식입니다. CHAR 및 VARCHAR 열의 경우 최대 길이를 선언하는 대신 MAX 키워드를 사용할 수 있습니다. MAX는 최대 길이를 CHAR의 경우 4,096바이트, VARCHAR의 경우 65,535바이트로 설정합니다. GEOMETRY 객체의 최대 크기는 1,048,447바이트입니다.
Amazon Redshift에서 지원하는 데이터 형식에 대한 자세한 내용은 [데이터 타입](c_Supported_data_types.md) 섹션을 참조하세요.
DEFAULT *default\$1expr*
열의 기본 데이터 값을 할당하는 절입니다. *default\$1expr*의 데이터 형식은 열의 데이터 형식과 일치해야 합니다. DEFAULT 값은 변수가 없는 표현식이어야 합니다. 하위 쿼리, 현재 테이블에 있는 다른 열과의 상호 참조, 사용자 정의 함수는 허용되지 않습니다.
*default\$1expr*은 열의 값을 지정하지 않는 INSERT 작업에 사용됩니다. 기본값이 지정되지 않은 경우 열의 기본값은 Null입니다.
COPY 작업에서 DEFAULT 값과 NOT NULL 제약 조건을 가진 열에 null 필드가 나타나는 경우 COPY 명령은 *default\$1expr*의 값을 삽입합니다.
외부 테이블에는 DEFAULT가 지원되지 않습니다.
ENCODE *encoding*
열에 대한 압축 인코딩입니다. 기본적으로 Amazon Redshift는 테이블의 열에 대해 압축 인코딩을 지정하지 않거나 테이블에 대해 ENCODE AUTO 옵션을 지정하는 경우 테이블의 모든 열에 대한 압축 인코딩을 자동으로 관리합니다.
테이블의 열에 대해 압축 인코딩을 지정하거나 테이블에 대해 ENCODE AUTO 옵션을 지정하지 않으면 Amazon Redshift는 다음과 같이 압축 인코딩을 지정하지 않은 열에 압축 인코딩을 자동으로 할당합니다.
+ 임시 테이블의 모든 열은 기본적으로 RAW 압축으로 할당됩니다.
+ 정렬 키로 정의된 열은 RAW 압축이 할당됩니다.
+ BOOLEAN, REAL, DOUBLE PRECISION, GEOMETRY 또는 GEOGRAPHY 데이터 유형으로 정의된 열은 RAW 압축이 할당됩니다.
+ SMALLINT, INTEGER, BIGINT, DECIMAL, DATE, TIME, TIMETZ, TIMESTAMP 또는 TIMESTAMPTZ로 정의된 열에는 AZ64 압축이 할당됩니다.
+ CHAR, VARCHAR 또는 VARBYTE로 정의된 열에는 LZO 압축이 할당됩니다.
열을 압축하지 않으려면 RAW 인코딩을 명시적으로 지정하세요.
다음 모듈을 지원합니다.[compression encodings](c_Compression_encodings.md#compression-encoding-list)
+ AZ64
+ BYTEDICT
+ 델타
+ 델타
+ LZO
+ LZO
+ LZO
+ LZO
+ RAW(압축 없음)
+ RUNLENGTH
+ TEXT255
+ TEXT32K
+ ZSTD
외부 테이블에는 ENCODE가 지원되지 않습니다.
NOT NULL \$1 NULL
NOT NULL은 열이 null 값을 포함하도록 허용되지 않도록 지정합니다. 기본값인 NULL은 열이 null 값을 허용하도록 지정합니다.
외부 테이블에는 NOT NULL 및 NULL가 지원되지 않습니다.
COLLATE \$1 CASE\$1SENSITIVE \$1 CS \$1 CASE\$1INSENSITIVE \$1 CI \$1
열의 문자열 검색 또는 비교가 대소문자를 구분하는지, 구분하지 않는지를 지정하는 절입니다. 기본값은 데이터베이스의 현재 대/소문자 구분 구성과 동일합니다.
데이터베이스 데이터 정렬 정보를 찾으려면 다음 명령을 사용합니다.
```
SELECT db_collation();
db_collation
----------------
case_sensitive
(1 row)
```
CASE\$1SENSITIVE와 CS는 서로 바꿔 사용할 수 있으며 동일한 결과를 냅니다. 마찬가지로 CASE\$1INSENSITIVE와 CI는 서로 바꿔 사용할 수 있으며 동일한 결과를 냅니다.
DROP [ COLUMN ] *column\$1name*
테이블에서 삭제할 열의 이름입니다.
테이블의 마지막 열은 삭제할 수 없습니다. 테이블에는 열이 하나 이상 있어야 합니다.
테이블의 배포 키(DISTKEY) 또는 정렬 키(SORTKEY)인 열은 삭제할 수 없습니다. 열에 뷰, 기본 키, 외래 키 또는 UNIQUE 제한과 같이 종속적 객체가 있는 경우 DROP COLUMN의 기본 동작은 RESTRICT입니다.
외부 테이블에서 열을 삭제할 경우 다음과 같은 제한 사항이 적용됩니다.
+ 외부 테이블에서 파티션 열로 사용되는 열은 삭제할 수 없습니다.
+ AVRO 파일 형식으로 정의된 외부 테이블에서는 열을 삭제할 수 없습니다.
+ 외부 테이블에서는 RESTRICT 및 CASCADE를 무시합니다.
+ 정책을 삭제하거나 분리하지 않으면 정책 정의 내에서 참조되는 정책 테이블의 열을 삭제할 수 없습니다. 이는 CASCADE 옵션이 지정된 경우에도 적용됩니다. 정책 테이블의 다른 열은 삭제할 수 있습니다.
자세한 내용은 [CREATE EXTERNAL TABLE](r_CREATE_EXTERNAL_TABLE.md) 섹션을 참조하세요.
RESTRICT
DROP COLUMN과 함께 사용하는 경우 RESTRICT는 다음과 같은 경우 삭제하려는 열이 삭제되지 않음을 나타냅니다.
+ 정의된 보기가 삭제할 열을 참조하는 경우
+ 외래 키가 삭제할 열을 참조하는 경우
+ 삭제할 열이 멀티파트 키에 포함된 경우
RESTRICT는 CASCADE와 함께 사용할 수 없습니다.
외부 테이블에서는 RESTRICT 및 CASCADE를 무시합니다.
CASCADE
DROP COLUMN과 함께 사용될 때, 지정된 열과 그 열에 종속된 모든 것을 제거합니다. CASCADE는 RESTRICT와 함께 사용할 수 없습니다.
외부 테이블에서는 RESTRICT 및 CASCADE를 무시합니다.
다음 옵션은 외부 테이블에만 적용됩니다.
SET LOCATION \$1 's3://*bucket/folder*/' \$1 's3://*bucket/manifest\$1file*' \$1
데이터 파일이 포함된 Amazon S3 폴더 또는 Amazon S3 객체 경로 목록이 포함된 매니페스트 파일의 경로. 버킷은 Amazon Redshift 클러스터와 동일한 AWS 리전에 있어야 합니다. 지원되는 AWS 리전 목록은 [Amazon Redshift Spectrum 제한 사항](c-spectrum-considerations.md) 섹션을 참조하세요. 매니페스트 파일 사용에 대한 자세한 내용은 CREATE EXTERNAL TABLE [파라미터](r_CREATE_EXTERNAL_TABLE.md#r_CREATE_EXTERNAL_TABLE-parameters) 참조의 LOCATION을 참조하세요.
SET FILE FORMAT *format*
외부 데이터 파일의 파일 형식입니다.
유효한 형식은 다음과 같습니다.
+ AVRO
+ PARQUET
+ RCFILE
+ SEQUENCEFILE
+ TEXTFILE
SET TABLE PROPERTIES ( '*property\$1name*'='*property\$1value*')
외부 테이블에 대한 테이블 속성의 테이블 정의를 설정하는 절입니다.
테이블 속성은 대/소문자를 구분합니다.
'numRows'='*row\$1count*'
테이블 정의를 위해 numRows 값을 설정하는 속성입니다. 외부 테이블의 통계를 명시적으로 업데이트하려면 테이블의 크기를 나타내도록 numRows 속성을 설정합니다. Amazon Redshift는 쿼리 옵티마이저가 쿼리 계획을 생성하는 데 사용하는 테이블 통계를 생성하기 위해 외부 테이블을 분석하지 않습니다. 테이블 통계가 외부 테이블에 대해 설정되지 않은 경우 Amazon Redshift는 쿼리 실행 계획을 실행합니다. 이 계획은 외부 테이블이 더 큰 테이블이고 로컬 테이블이 더 작은 테이블이라는 가정에 기초하여 생성됩니다.
'skip.header.line.count'='*line\$1count*'
각 원본 파일의 시작 부분에서 건너 뛸 행 개수를 설정하는 속성입니다.
PARTITION ( *partition\$1column*=*partition\$1value* [, ...] SET LOCATION \$1 's3://*bucket*/*folder*' \$1 's3://*bucket*/*manifest\$1file*' \$1
하나 이상의 파티션 열의 위치를 새로 설정하는 절입니다.
ADD [ IF NOT EXISTS ] PARTITION ( *partition\$1column*=*partition\$1value* [, ...] ) LOCATION \$1 's3://*bucket*/*folder*' \$1 's3://*bucket*/*manifest\$1file*' \$1 [, ... ]
파티션을 하나 이상 추가하는 절입니다. 단일 ALTER TABLE … ADD 문을 사용하여 여러 PARTITION 절을 지정할 수 있습니다.
AWS Glue 카탈로그를 사용하는 경우 단일 ALTER TABLE 문을 사용하여 파티션을 최대 100개까지 추가할 수 있습니다.
IF NOT EXISTS 절은 지정한 파티션이 이미 있으면 명령이 아무 것도 변경하지 않아야 함을 나타냅니다. 또한 명령 실행 시 오류 메시지와 함께 종료되지 않고 파티션이 존재한다는 메시지를 반환해야 함을 나타냅니다. 이 절은 스크립트 작성 시 유용하므로, ALTER TABLE이 이미 존재하는 파티션의 추가를 시도하는 경우 스크립트가 실패하지 않습니다.
DROP PARTITION (*partition\$1column*=*partition\$1value* [, ...] )
지정된 파티션을 삭제하는 절입니다. 파티션을 삭제하는 외부 테이블 메타데이터만 변경됩니다. Amazon S3의 데이터는 영향을 받지 않습니다.
ROW LEVEL SECURITY \$1 ON \$1 OFF \$1 [ CONJUNCTION TYPE \$1 AND \$1 OR \$1 ] [ FOR DATASHARES ]
관계에 대한 행 수준 보안을 켜거나 끄는 절입니다.
관계에 대해 행 수준 보안이 켜 있으면 행 수준 보안 정책에서 액세스를 허용하는 행만 읽을 수 있습니다. 관계에 대한 액세스 권한을 부여하는 정책이 없으면 관계에서 행을 볼 수 없습니다. 수퍼유저 및 `sys:secadmin` 역할을 가진 사용자 또는 역할만 ROW LEVEL SECURITY 절을 설정할 수 있습니다. 자세한 내용은 [행 수준 보안](t_rls.md) 섹션을 참조하세요. 이 문은 연결된 데이터베이스 또는 Amazon Redshift 페더레이션 권한이 있는 데이터베이스에서 지원됩니다. FOR DATASHARES 절은 Amazon Redshift 페더레이션 권한이 있는 데이터베이스에서는 지원되지 않습니다.
+ [ CONJUNCTION TYPE \$1 AND \$1 OR \$1 ]
관계에 대해 행 수준 보안 정책의 접속사 유형을 선택할 수 있도록 하는 절입니다. 여러 행 수준 보안 정책이 관계에 연결된 경우 정책을 AND 또는 OR 절과 결합할 수 있습니다. 기본적으로 Amazon Redshift는 RLS 정책을 AND 절과 결합합니다. `sys:secadmin` 역할이 있는 슈퍼 사용자, 사용자 또는 역할은 이 절을 사용하여 관계에 대한 행 수준 보안 정책의 접속사 유형을 정의할 수 있습니다. 자세한 내용은 [사용자별로 여러 정책 결합](t_rls_combine_policies.md) 섹션을 참조하세요.
+ FOR DATASHARES
RLS로 보호되는 관계에 데이터 공유를 통해 액세스할 수 있는지를 결정하는 절입니다. 기본적으로 RLS로 보호되는 관계는 데이터 공유를 통해 액세스할 수 없습니다. ALTER TABLE ROW LEVEL SECURITY 명령을 이 절과 함께 실행하면 관계의 데이터 공유 접근성 속성에만 영향을 줍니다. ROW LEVEL SECURITY 속성은 변경되지 않습니다.
RLS로 보호되는 관계에 데이터 공유를 통해 액세스할 수 있도록 설정하면 소비자 측 데이터 공유 데이터베이스에서 해당 관계에 행 수준 보안이 적용되지 않습니다. 이 관계는 생산자 측에서 해당 RLS 속성을 유지합니다.
MASKING \$1 ON \$1 OFF \$1 FOR DATASHARES
DDM으로 보호되는 관계를 데이터 공유를 통해 액세스할 수 있는지를 결정하는 절입니다. 기본적으로 DDM으로 보호되는 관계는 데이터 공유를 통해 액세스할 수 없습니다. DDM으로 보호되는 관계를 데이터 공유를 통해 액세스할 수 있도록 설정하면 소비자측 데이터 공유 데이터베이스에서 마스킹 보호가 적용되지 않습니다. 이 관계는 생산자측에서 해당 마스킹 속성을 유지합니다. 수퍼유저 및 `sys:secadmin` 역할을 가진 사용자 또는 역할만 MASKING FOR DATASHARES 절을 설정할 수 있습니다. 자세한 내용은 [동적 데이터 마스킹](t_ddm.md) 섹션을 참조하세요.
## 예제
ALTER TABLE 명령을 사용하는 방법을 보여주는 예제는 다음을 참조하세요.
+ [ALTER TABLE 예](r_ALTER_TABLE_examples_basic.md)
+ [ALTER EXTERNAL TABLE 예](r_ALTER_TABLE_external-table.md)
+ [ALTER TABLE ADD 및 DROP COLUMN 예](r_ALTER_TABLE_COL_ex-add-drop.md)
# ALTER TABLE 예
다음은 ALTER TABLE 명령의 기본적인 사용법을 보여주는 예입니다.
## 테이블 또는 뷰의 이름 바꾸기
다음 명령을 실행하면 USERS 테이블의 이름이 USERS\$1BKUP로 바뀝니다.
```
alter table users
rename to users_bkup;
```
이 형식의 명령을 사용하여 뷰의 이름을 바꿀 수도 있습니다.
## 테이블 또는 뷰의 소유자 변경
다음 명령을 실행하면 VENUE 테이블 소유자가 사용자 DWUSER로 변경됩니다.
```
alter table venue
owner to dwuser;
```
다음 명령을 실행하면 뷰가 생성된 다음, 소유자가 변경됩니다.
```
create view vdate as select * from date;
alter table vdate owner to vuser;
```
## 열 이름 바꾸기
다음 명령을 실행하면 VENUE 테이블에 있는 VENUESEATS 열의 이름이 VENUESIZE로 바뀝니다.
```
alter table venue
rename column venueseats to venuesize;
```
## 테이블 제약 조건 삭제
기본 키, 외래 키 또는 고유한 제약 조건과 같은 테이블 제약 조건을 삭제하려면, 먼저 제약 조건의 내부 이름을 찾습니다. 그런 다음 ALTER TABLE 명령에서 제약 이름을 지정합니다. 다음 예제에서는 CATEGORY 테이블에 대한 제약 조건을 찾은 다음, 이름이 `category_pkey`인 기본 키를 삭제합니다.
```
select constraint_name, constraint_type
from information_schema.table_constraints
where constraint_schema ='public'
and table_name = 'category';
constraint_name | constraint_type
----------------+----------------
category_pkey | PRIMARY KEY
alter table category
drop constraint category_pkey;
```
## VARCHAR 열 변경
스토리지를 절약하려면 처음에 현재 데이터 요구 사항에 필요한 최소 크기인 VARCHAR 열로 테이블을 정의하면 됩니다. 나중에 더 긴 문자열을 수용해야 하는 경우 테이블을 변경하여 열 크기를 늘릴 수 있습니다.
다음 예에서는 EVENTNAME 열 크기를 VARCHAR(300)로 변경합니다.
```
alter table event alter column eventname type varchar(300);
```
## VARBYTE 열 변경
스토리지를 절약하려면 처음에 현재 데이터 요구 사항에 필요한 최소 크기인 VARBYTE 열로 테이블을 정의하면 됩니다. 나중에 더 긴 문자열을 수용해야 하는 경우 테이블을 변경하여 열 크기를 늘릴 수 있습니다.
다음 예에서는 EVENTNAME 열 크기를 VARBYTE(300)로 변경합니다.
```
alter table event alter column eventname type varbyte(300);
```
## 열에 대한 압축 인코딩 변경
열의 압축 인코딩을 변경할 수 있습니다. 아래에서 이 접근 방식을 보여주는 일련의 예를 찾아볼 수 있습니다. 이러한 예에 대한 테이블 정의는 다음과 같습니다.
```
create table t1(c0 int encode lzo, c1 bigint encode zstd, c2 varchar(16) encode lzo, c3 varchar(32) encode zstd);
```
다음 문은 열 c0에 대한 압축 인코딩을 LZO 인코딩에서 AZ64 인코딩으로 변경합니다.
```
alter table t1 alter column c0 encode az64;
```
다음 문은 열 c1에 대한 압축 인코딩을 Zstandard 인코딩에서 AZ64 인코딩으로 변경합니다.
```
alter table t1 alter column c1 encode az64;
```
다음 문은 열 c2에 대한 압축 인코딩을 LZO 인코딩에서 Byte-dictionary 인코딩으로 변경합니다.
```
alter table t1 alter column c2 encode bytedict;
```
다음 문은 열 c3에 대한 압축 인코딩을 Zstandard 인코딩에서 Runlength 인코딩으로 변경합니다.
```
alter table t1 alter column c3 encode runlength;
```
## DISTSTYLE KEY DISTKEY 열 변경
다음 예에서는 테이블의 DISTSTYLE 및 DISTKEY를 변경하는 방법을 보여 줍니다.
EVEN 배포 스타일의 테이블을 생성합니다. SVV\$1TABLE\$1INFO 보기는 DISTSTYLE이 EVEN임을 보여 줍니다.
```
create table inventory(
inv_date_sk int4 not null ,
inv_item_sk int4 not null ,
inv_warehouse_sk int4 not null ,
inv_quantity_on_hand int4
) diststyle even;
Insert into inventory values(1,1,1,1);
select "table", "diststyle" from svv_table_info;
table | diststyle
-----------+----------------
inventory | EVEN
```
DISTKEY 테이블을 `inv_warehouse_sk`로 변경합니다. SVV\$1TABLE\$1INFO 보기는 `inv_warehouse_sk` 열을 결과 배포 키로 보여 줍니다.
```
alter table inventory alter diststyle key distkey inv_warehouse_sk;
select "table", "diststyle" from svv_table_info;
table | diststyle
-----------+-----------------------
inventory | KEY(inv_warehouse_sk)
```
DISTKEY 테이블을 `inv_item_sk`로 변경합니다. SVV\$1TABLE\$1INFO 보기는 `inv_item_sk` 열을 결과 배포 키로 보여 줍니다.
```
alter table inventory alter distkey inv_item_sk;
select "table", "diststyle" from svv_table_info;
table | diststyle
-----------+-----------------------
inventory | KEY(inv_item_sk)
```
## 테이블을 DISTSTYLE ALL로 변경
다음 예에서는 테이블을 DISTSTYLE ALL로 변경하는 방법을 보여 줍니다.
EVEN 배포 스타일의 테이블을 생성합니다. SVV\$1TABLE\$1INFO 보기는 DISTSTYLE이 EVEN임을 보여 줍니다.
```
create table inventory(
inv_date_sk int4 not null ,
inv_item_sk int4 not null ,
inv_warehouse_sk int4 not null ,
inv_quantity_on_hand int4
) diststyle even;
Insert into inventory values(1,1,1,1);
select "table", "diststyle" from svv_table_info;
table | diststyle
-----------+----------------
inventory | EVEN
```
DISTSTYLE 테이블을 ALL로 변경합니다. SVV\$1TABLE\$1INFO 보기에는 변경된 DISTSYTLE이 표시됩니다.
```
alter table inventory alter diststyle all;
select "table", "diststyle" from svv_table_info;
table | diststyle
-----------+----------------
inventory | ALL
```
## 테이블 SORTKEY 변경
복합 정렬 키가 있거나 정렬 키가 없도록 테이블을 변경할 수 있습니다.
다음 테이블 정의에서 테이블 `t1`은 인터리브 정렬 키로 정의됩니다.
```
create table t1 (c0 int, c1 int) interleaved sortkey(c0, c1);
```
다음 명령은 테이블을 인터리브 정렬 키에서 복합 정렬 키로 변경합니다.
```
alter table t1 alter sortkey(c0, c1);
```
다음 명령은 인터리브 정렬 키를 제거하도록 테이블을 변경합니다.
```
alter table t1 alter sortkey none;
```
다음 테이블 정의에서 테이블 `t1`은 정렬 키로 열 `c0`을 사용하여 정의됩니다.
```
create table t1 (c0 int, c1 int) sortkey(c0);
```
다음 명령은 테이블 `t1`을 복합 정렬 키로 변경합니다.
```
alter table t1 alter sortkey(c0, c1);
```
## 테이블을 ENCODE AUTO로 변경
다음 예에서는 테이블을 ENCODE AUTO로 변경하는 방법을 보여줍니다.
이 예에 대한 테이블 정의는 다음과 같습니다. 열 `c0`은 인코딩 형식 AZ64로 정의되고 열 `c1`은 인코딩 형식 LZO로 정의됩니다.
```
create table t1(c0 int encode AZ64, c1 varchar encode LZO);
```
이 테이블의 경우 다음 문은 인코딩을 AUTO로 변경합니다.
```
alter table t1 alter encode auto;
```
다음 예에서는 ENCODE AUTO 설정을 제거하기 위해 테이블을 변경하는 방법을 보여줍니다.
이 예에 대한 테이블 정의는 다음과 같습니다. 테이블 열은 인코딩 없이 정의됩니다. 이 경우 인코딩은 ENCODE AUTO로 기본 설정됩니다.
```
create table t2(c0 int, c1 varchar);
```
이 테이블의 경우 다음 문은 c0 열의 인코딩을 LZO로 변경합니다. 테이블 인코딩이 더 이상 ENCODE AUTO로 설정되지 않습니다.
```
alter table t2 alter column c0 encode lzo;;
```
## 행 수준 보안 통제 변경
다음 명령은 테이블에 대해 RLS를 해제합니다.
```
ALTER TABLE tickit_category_redshift ROW LEVEL SECURITY OFF;
```
다음 명령은 테이블에 대해 RLS를 설정합니다.
```
ALTER TABLE tickit_category_redshift ROW LEVEL SECURITY ON;
```
다음 명령은 테이블에 대해 RLS를 활성화하고 데이터 공유를 통해 액세스할 수 있도록 합니다.
```
ALTER TABLE tickit_category_redshift ROW LEVEL SECURITY ON;
ALTER TABLE tickit_category_redshift ROW LEVEL SECURITY FOR DATASHARES OFF;
```
다음 명령은 테이블에 대해 RLS를 활성화하고 데이터 공유를 통해 액세스할 수 없도록 합니다.
```
ALTER TABLE tickit_category_redshift ROW LEVEL SECURITY ON;
ALTER TABLE tickit_category_redshift ROW LEVEL SECURITY FOR DATASHARES ON;
```
다음 명령은 테이블에 대해 RLS를 활성화하고 RLS 접속사 유형을 OR로 설정합니다.
```
ALTER TABLE tickit_category_redshift ROW LEVEL SECURITY ON CONJUNCTION TYPE OR;
```
다음 명령은 테이블에 대해 RLS를 활성화하고 RLS 접속사 유형을 AND로 설정합니다.
```
ALTER TABLE tickit_category_redshift ROW LEVEL SECURITY ON CONJUNCTION TYPE AND;
```
# ALTER EXTERNAL TABLE 예
다음 예시에서는 미국 동부(버지니아 북부) 리전(`us-east-1`) AWS 리전에 있는 Amazon S3 버킷과 [예제](r_CREATE_EXTERNAL_TABLE_examples.md)에서 CREATE TABLE에 대해 생성한 예시 테이블을 사용합니다. 이 외부 테이블 포함 파티션을 사용하는 방법에 대한 자세한 내용은 [Redshift Spectrum 외부 테이블 파티셔닝](c-spectrum-external-tables.md#c-spectrum-external-tables-partitioning) 섹션을 참조하세요.
다음 예에서는 SPECTRUM.SALES 외부 테이블의 numRows 테이블 속성을 170,000개 행으로 설정합니다.
```
alter table spectrum.sales
set table properties ('numRows'='170000');
```
다음 예에서는 SPECTRUM.SALES 외부 테이블의 위치를 변경합니다.
```
alter table spectrum.sales
set location 's3://redshift-downloads/tickit/spectrum/sales/';
```
다음 예에서는 SPECTRUM.SALES 외부 테이블의 형식을 Parquet로 변경합니다.
```
alter table spectrum.sales
set file format parquet;
```
다음 예에서는 테이블 SPECTRUM.SALES\$1PART에 대한 파티션을 한 개 추가합니다.
```
alter table spectrum.sales_part
add if not exists partition(saledate='2008-01-01')
location 's3://redshift-downloads/tickit/spectrum/sales_partition/saledate=2008-01/';
```
다음 예에서는 테이블 SPECTRUM.SALES\$1PART에 대한 파티션을 세 개 추가합니다.
```
alter table spectrum.sales_part add if not exists
partition(saledate='2008-01-01')
location 's3://redshift-downloads/tickit/spectrum/sales_partition/saledate=2008-01/'
partition(saledate='2008-02-01')
location 's3://redshift-downloads/tickit/spectrum/sales_partition/saledate=2008-02/'
partition(saledate='2008-03-01')
location 's3://redshift-downloads/tickit/spectrum/sales_partition/saledate=2008-03/';
```
다음 예에서는 `saledate='2008-01-01''`를 포함한 파티션을 삭제하도록 SPECTRUM.SALES\$1PART를 변경합니다.
```
alter table spectrum.sales_part
drop partition(saledate='2008-01-01');
```
다음 예에서는 `saledate='2008-01-01'`을 포함한 파티션에 대한 Amazon S3 경로를 새로 설정합니다.
```
alter table spectrum.sales_part
partition(saledate='2008-01-01')
set location 's3://redshift-downloads/tickit/spectrum/sales_partition/saledate=2008-01-01/';
```
다음 예에서는 `sales_date`의 이름을 `transaction_date`로 바꿉니다.
```
alter table spectrum.sales rename column sales_date to transaction_date;
```
다음 예에서는 열 매핑을 ORC(Optimized Row Columnar) 형식을 사용하는 외부 테이블의 위치 매핑으로 설정합니다.
```
alter table spectrum.orc_example
set table properties('orc.schema.resolution'='position');
```
다음 예에서는 열 매핑을 ORC 형식을 사용하는 외부 테이블의 이름 매핑으로 설정합니다.
```
alter table spectrum.orc_example
set table properties('orc.schema.resolution'='name');
```
# ALTER TABLE ADD 및 DROP COLUMN 예
다음 예에서는 ALTER TABLE을 사용하여 기본 테이블 열을 추가한 다음에 삭제하는 방법과 종속 객체가 있는 열을 삭제하는 방법을 보여줍니다.
## 기본 열을 ADD한 다음 DROP
다음 예에서는 독립형 FEEDBACK\$1SCORE 열을 USERS 테이블에 추가합니다. 이 열에는 간단하게 정수만 포함되어 있는데, 이 열의 기본값은 NULL(피드백 점수 없음)입니다.
먼저, PG\$1TABLE\$1DEF 카탈로그 테이블을 쿼리하여 USERS 테이블의 스키마를 봅니다.
```
column | type | encoding | distkey | sortkey
--------------+------------------------+----------+---------+--------
userid | integer | delta | true | 1
username | character(8) | lzo | false | 0
firstname | character varying(30) | text32k | false | 0
lastname | character varying(30) | text32k | false | 0
city | character varying(30) | text32k | false | 0
state | character(2) | bytedict | false | 0
email | character varying(100) | lzo | false | 0
phone | character(14) | lzo | false | 0
likesports | boolean | none | false | 0
liketheatre | boolean | none | false | 0
likeconcerts | boolean | none | false | 0
likejazz | boolean | none | false | 0
likeclassical | boolean | none | false | 0
likeopera | boolean | none | false | 0
likerock | boolean | none | false | 0
likevegas | boolean | none | false | 0
likebroadway | boolean | none | false | 0
likemusicals | boolean | none | false | 0
```
이제 feedback\$1score 열을 추가합니다.
```
alter table users
add column feedback_score int
default NULL;
```
USERS에서 FEEDBACK\$1SCORE 열을 선택하여 열이 추가되었는지 확인합니다.
```
select feedback_score from users limit 5;
feedback_score
----------------
NULL
NULL
NULL
NULL
NULL
```
열을 삭제하여 원래 DDL을 복구합니다.
```
alter table users drop column feedback_score;
```
## 종속 객체가 있는 열 삭제
다음 예에서는 종속 객체가 있는 열을 삭제합니다. 결과적으로, 종속 객체도 삭제됩니다.
시작하려면 FEEDBACK\$1SCORE 열을 USERS 테이블에 다시 추가합니다.
```
alter table users
add column feedback_score int
default NULL;
```
다음으로, USERS\$1VIEW라는 USERS 테이블에서 뷰를 생성합니다.
```
create view users_view as select * from users;
```
이제, FEEDBACK\$1SCORE 열을 USERS 테이블에서 삭제해 봅니다. 다음 DROP 문에서는 기본 동작(RESTRICT)을 사용합니다.
```
alter table users drop column feedback_score;
```
다른 객체가 이 열에 종속되어 있으므로 Amazon Redshift가 이 열을 삭제할 수 없다는 오류 메시지를 표시합니다.
이번에는 모든 종속 객체를 삭제하도록 CASCADE를 지정하여 FEEDBACK\$1SCORE 열을 다시 삭제해 봅니다.
```
alter table users
drop column feedback_score cascade;
```
# ALTER TABLE APPEND
기존 원본 테이블에서 데이터를 이동시켜 대상 테이블에 행을 추가합니다. 원본 테이블의 데이터가 대상 테이블에서 일치하는 열로 이동됩니다. 열 순서는 중요하지 않습니다. 대상 테이블에 데이터가 성공적으로 추가되면 원본 테이블은 비게 됩니다. ALTER TABLE APPEND는 일반적으로 데이터가 복제되지 않고 이동되므로 유사한 [CREATE TABLE AS](r_CREATE_TABLE_AS.md) 또는 [INSERT](r_INSERT_30.md) INTO 작업보다 훨씬 빠릅니다.
**참고**
ALTER TABLE APPEND는 원본 테이블과 대상 테이블 간에 데이터 블록을 이동합니다. 성능 개선을 위해 ALTER TABLE APPEND는 추가 작업을 수행할 때 스토리지를 압축하지 않습니다. 따라서 스토리지 사용량이 일시적으로 증가합니다. 스페이스를 회수하려면 [VACUUM](r_VACUUM_command.md) 작업을 실행합니다.
이름이 같은 열은 열 속성도 같아야 합니다. 원본 테이블 또는 대상 테이블에 다른 테이블에는 없는 열이 포함되어 있는 경우, IGNOREEXTRA 또는 FILLTARGET 파라미터를 사용하여 추가 열을 관리하는 방법을 지정하세요.
자격 증명 열을 추가할 수 없습니다. 두 테이블 모두 자격 증명 열을 포함한 경우 이 명령은 실패합니다. 한 테이블에만 자격 증명 열이 있는 경우 FILLTARGET 또는 IGNOREEXTRA 파라미터를 포함하세요. 자세한 내용은 [ALTER TABLE APPEND 사용 시 주의 사항](#r_ALTER_TABLE_APPEND_usage) 섹션을 참조하세요.
GENERATED BY DEFAULT AS IDENTITY 열을 추가할 수 있습니다. GENERATED BY DEFAULT AS IDENTITY로 정의된 열을 직접 입력하는 값으로 업데이트할 수 있습니다. 자세한 내용은 [ALTER TABLE APPEND 사용 시 주의 사항](#r_ALTER_TABLE_APPEND_usage) 섹션을 참조하세요.
대상 테이블은 영구 테이블이어야 합니다. 그러나 소스는 영구 테이블이거나 스트리밍 수집을 위해 구성된 구체화된 뷰일 수 있습니다. 두 객체 모두 동일한 배포 스타일과 배포 키(정의된 경우)를 사용해야 합니다. 객체가 정렬되어 있는 경우 두 객체 모두 동일한 정렬 스타일을 사용하고 정렬 키와 동일한 열을 정의해야 합니다.
ALTER TABLE APPEND 명령은 작업 완료 즉시 자동으로 커밋합니다. 롤백할 수 없습니다. 트랜잭션 블록(BEGIN ... END) 내에서 ALTER TABLE APPEND를 실행할 수 없습니다. 버전 관리에 대한 자세한 내용은 [Amazon Redshift의 격리 수준](c_serial_isolation.md) 섹션을 참조하세요.
## 필수 권한
ALTER TABLE APPEND 명령에 따라 다음 권한 중 하나가 필요합니다.
+ 수퍼유저
+ ALTER TABLE 시스템 권한이 있는 사용자
+ 원본 테이블에 대한 DELETE 및 SELECT 권한과 대상 테이블에 대한 INSERT 권한을 가진 사용자
## 구문
```
ALTER TABLE target_table_name APPEND FROM [ source_table_name | source_materialized_view_name ]
[ IGNOREEXTRA | FILLTARGET ]
```
구체화된 뷰에서 추가하는 것은 구체화된 뷰가 [구체화된 뷰로 스트리밍 모으기](materialized-view-streaming-ingestion.md)에 대해 구성된 경우에만 작동합니다.
## 파라미터
*target\$1table\$1name*
행이 추가된 테이블의 이름입니다. 특정 스키마를 사용하려면 테이블의 이름만 지정하거나 *schema\$1name.table\$1name* 형식을 사용하세요. 대상 테이블은 기존의 영구 테이블이어야 합니다.
FROM *source\$1table\$1name*
추가될 행을 제공하는 테이블의 이름입니다. 특정 스키마를 사용하려면 테이블의 이름만 지정하거나 *schema\$1name.table\$1name* 형식을 사용하세요. 원본 테이블은 기존의 영구 테이블이어야 합니다.
FROM *source\$1materialized\$1view\$1name*
추가될 행을 제공하는 구체화된 뷰의 이름입니다. 구체화된 뷰에서 추가하는 것은 구체화된 뷰가 [구체화된 뷰로 스트리밍 모으기](materialized-view-streaming-ingestion.md)에 대해 구성된 경우에만 작동합니다. 소스 구체화된 뷰가 이미 있어야 합니다.
IGNOREEXTRA
원본 테이블이 대상 테이블에 없는 열을 포함하는 경우 추가 열에 있는 데이터를 삭제해야 함을 지정하는 키워드입니다. FILLTARGET과 함께 IGNOREEXTRA를 사용할 수 없습니다.
FILLTARGET
대상 테이블이 원본 테이블에 없는 열을 포함하는 경우 해당 열을 [DEFAULT](r_CREATE_TABLE_NEW.md#create-table-default) 열 값으로 채워야 함을 지정하는 키워드입니다(하나가 정의되어 있거나 NULL인 경우). FILLTARGET과 함께 IGNOREEXTRA를 사용할 수 없습니다.
## ALTER TABLE APPEND 사용 시 주의 사항
+ ALTER TABLE APPEND는 원본 테이블에서 대상 테이블로 동일한 열만 이동합니다. 열 순서는 중요하지 않습니다.
+ 원본 테이블 또는 대상 테이블에 추가 열이 포함되어 있는 경우 다음 규칙에 따라 FILLTARGET 또는 IGNOREEXTRA를 사용합니다.
+ 대상 테이블에 없는 열이 원본 테이블에 있는 경우 IGNOREEXTRA를 포함합니다. 이 명령은 원본 테이블에 있는 여분의 열은 무시합니다.
+ 원본 테이블에 없는 열이 대상 테이블에 있는 경우 FILLTARGET을 포함합니다. 이 명령을 실행하면 대상 테이블의 추가 열에 기본 열 값이나 IDENTITY 값이 채워집니다(하나가 정의되어 있거나 NULL인 경우).
+ 원본 테이블과 대상 테이블에 모두 추가 열이 있는 경우에는 명령이 실패합니다. FILLTARGET과 IGNOREEXTRA를 모두 사용할 수는 없습니다.
+ 두 테이블에 모두 이름은 같지만 속성이 다른 열이 있는 경우 명령은 실패합니다. 이름이 같은 열들은 다음의 공통된 속성을 가져야 합니다.
+ 데이터 유형
+ 열 크기
+ 압축 인코딩
+ Null이 아님
+ 정렬 스타일
+ 정렬 키 열
+ 분산 스타일
+ 분산 키 열
+ 자격 증명 열을 추가할 수 없습니다. 원본 테이블과 대상 테이블에 모두 자격 증명 열이 있는 경우에는 명령이 실패합니다. 원본 테이블에만 자격 증명 열이 있는 경우 자격 증명 열이 무시되도록 IGNOREEXTRA 파라미터를 포함하세요. 대상 테이블에만 자격 증명 열이 있는 경우 테이블에 대해 정의된 IDENTITY 절에 따라 자격 증명 열이 채워지도록 FILLTARGET 파라미터를 포함하세요. 자세한 내용은 [DEFAULT](r_CREATE_TABLE_NEW.md#create-table-default) 섹션을 참조하세요.
+ ALTER TABLE APPEND 문으로 기본 자격 증명 열을 추가할 수 있습니다. 자세한 내용은 [CREATE TABLE](r_CREATE_TABLE_NEW.md) 섹션을 참조하세요.
+ ALTER TABLE APPEND 작업은 다음 중 하나에 연결된 Amazon Redshift 스트리밍 구체화된 뷰에서 실행될 때 배타적 잠금을 유지합니다.
+ Amazon Kinesis 데이터 스트림
+ Amazon Managed Streaming for Apache Kafka 주제
+ Confluent Cloud Kafka 주제와 같은 지원되는 외부 스트림
자세한 내용은 [구체화된 뷰로 스트리밍 모으기](materialized-view-streaming-ingestion.md) 섹션을 참조하세요.
## ALTER TABLE APPEND 예
회사에서 현재의 판매 거래를 파악하기 위해 SALES\$1MONTHLY라는 테이블을 관리하고 있다고 해봅시다. 매달 거래 테이블에서 SALES 테이블로 데이터를 이동하려고 합니다.
이럴 때 다음과 같이 INSERT INTO 및 TRUNCATE 명령을 사용하여 이 작업을 완수할 수 있습니다.
```
insert into sales (select * from sales_monthly);
truncate sales_monthly;
```
하지만 ALTER TABLE APPEND 명령을 사용하면 같은 작업을 훨씬 더 효율적으로 수행할 수 있습니다.
먼저 [PG\$1TABLE\$1DEF](r_PG_TABLE_DEF.md) 시스템 카탈로그 테이블을 쿼리하여 두 테이블에 모두 같은 열 속성을 가진 같은 열이 있는지 확인합니다.
```
select trim(tablename) as table, "column", trim(type) as type,
encoding, distkey, sortkey, "notnull"
from pg_table_def where tablename like 'sales%';
table | column | type | encoding | distkey | sortkey | notnull
-----------+------------+-----------------------------+----------+---------+---------+--------
sales | salesid | integer | lzo | false | 0 | true
sales | listid | integer | none | true | 1 | true
sales | sellerid | integer | none | false | 2 | true
sales | buyerid | integer | lzo | false | 0 | true
sales | eventid | integer | mostly16 | false | 0 | true
sales | dateid | smallint | lzo | false | 0 | true
sales | qtysold | smallint | mostly8 | false | 0 | true
sales | pricepaid | numeric(8,2) | delta32k | false | 0 | false
sales | commission | numeric(8,2) | delta32k | false | 0 | false
sales | saletime | timestamp without time zone | lzo | false | 0 | false
salesmonth | salesid | integer | lzo | false | 0 | true
salesmonth | listid | integer | none | true | 1 | true
salesmonth | sellerid | integer | none | false | 2 | true
salesmonth | buyerid | integer | lzo | false | 0 | true
salesmonth | eventid | integer | mostly16 | false | 0 | true
salesmonth | dateid | smallint | lzo | false | 0 | true
salesmonth | qtysold | smallint | mostly8 | false | 0 | true
salesmonth | pricepaid | numeric(8,2) | delta32k | false | 0 | false
salesmonth | commission | numeric(8,2) | delta32k | false | 0 | false
salesmonth | saletime | timestamp without time zone | lzo | false | 0 | false
```
다음으로, 각 테이블의 크기를 살펴봅니다.
```
select count(*) from sales_monthly;
count
-------
2000
(1 row)
select count(*) from sales;
count
-------
412,214
(1 row)
```
이제는 다음 ALTER TABLE APPEND 명령을 실행합니다.
```
alter table sales append from sales_monthly;
```
각 테이블의 크기를 다시 살펴봅니다. 지금 SALES\$1MONTHLY 테이블의 행 개수는 0개인데 반해, SALES 테이블의 행 개수는 2,000개로 늘었습니다.
```
select count(*) from sales_monthly;
count
-------
0
(1 row)
select count(*) from sales;
count
-------
414214
(1 row)
```
원본 테이블의 열 개수가 대상 테이블의 열 개수보다 많은 경우 IGNOREEXTRA 파라미터를 지정합니다. 다음 예에서는 IGNOREEXTRA 파라미터를 사용하여 SALES 테이블에 추가할 때 SALES\$1LISTING 테이블에 있는 추가 열을 무시합니다.
```
alter table sales append from sales_listing ignoreextra;
```
대상 테이블의 열 개수가 원본 테이블의 열 개수보다 많은 경우 FILLTARGET 파라미터를 지정합니다. 다음 예에서는 FILLTARGET 파라미터를 사용하여 SALES\$1MONTH 테이블에는 없는 열을 SALES\$1REPORT 테이블에 채웁니다.
```
alter table sales_report append from sales_month filltarget;
```
다음 예는 구체화된 뷰를 소스로 사용하여 ALTER TABLE APPEND를 사용하는 방법을 보여줍니다.
```
ALTER TABLE target_tbl APPEND FROM my_streaming_materialized_view;
```
이 예의 테이블 및 구체화된 뷰 이름은 샘플입니다. 구체화된 뷰에서 추가하는 것은 구체화된 뷰가 [구체화된 뷰로 스트리밍 모으기](materialized-view-streaming-ingestion.md)에 대해 구성된 경우에만 작동합니다. 소스 구체화된 뷰의 모든 레코드를 구체화된 뷰와 동일한 스키마를 가진 대상 테이블로 이동하고 구체화된 뷰는 그대로 둡니다. 이는 데이터 소스가 테이블인 경우와 동일한 동작입니다.
# ALTER TEMPLATE
기존 템플릿의 정의를 변경합니다. 이 명령을 사용하여 템플릿의 이름을 바꾸거나, 템플릿 소유자를 변경하거나, 템플릿 정의에서 파라미터를 추가 또는 제거하거나, 파라미터 값을 설정합니다.
## 필수 권한
템플릿을 변경하려면 다음 중 하나가 있어야 합니다.
+ 수퍼유저 권한
+ 템플릿이 포함된 스키마에 대한 ALTER TEMPLATE 권한 및 USAGE 권한
## 구문
```
ALTER TEMPLATE [database_name.][schema_name.]template_name
{
RENAME TO new_name
| OWNER TO new_owner
| ADD parameter [AS] [value]
| DROP parameter
| SET parameter TO value1 [, parameter2 TO value2 , ...]
};
```
## 파라미터
*database\$1name*
(선택 사항) 템플릿이 생성되는 데이터베이스의 이름입니다. 지정하지 않으면 현재 데이터베이스가 사용됩니다.
*schema\$1name*
(선택 사항) 템플릿이 생성되는 스키마의 이름입니다. 지정하지 않으면 현재 검색 경로에서 템플릿이 검색됩니다.
*template\$1name*
변경할 템플릿의 이름.
RENAME TO
템플릿의 이름을 바꾸는 절입니다.
*new\$1name*
템플릿의 새로운 이름입니다. 유효한 이름에 대한 자세한 내용은 [이름 및 식별자](r_names.md) 섹션을 참조하세요.
OWNER TO
템플릿의 소유자를 변경하는 절입니다.
*new\$1owner*
템플릿의 새 소유자입니다.
ADD *파라미터* [AS] [*값*]
템플릿에 새 파라미터를 추가합니다.
+ 키워드 전용 파라미터(예: CSV 또는 GZIP)의 경우 파라미터 이름만 지정합니다.
+ 값이 필요한 파라미터의 경우 파라미터 이름을 지정한 다음 값을 지정합니다. 선택적으로 파라미터와 값 사이에 AS를 포함할 수 있습니다.
DROP *파라미터*
템플릿에서 지정된 파라미터를 제거합니다. 단일 DROP 명령을 사용하여 여러 파라미터를 삭제할 수 없습니다.
SET *파라미터* TO *값1* [, *파라미터2* TO *값2* , ...]
기존 템플릿 파라미터의 값을 업데이트합니다. 이미 값이 있는 파라미터에만 사용합니다. 단일 명령으로 여러 파라미터를 업데이트할 수 있습니다.
## 예제
다음 예시에서는 test\$1template 템플릿의 이름을 demo\$1template로 바꿉니다.
```
ALTER TEMPLATE test_template
RENAME TO demo_template;
```
다음 예에서는 demo\$1template 스키마의 소유권을 사용자 bob에게 제공합니다.
```
ALTER TEMPLATE demo_template
OWNER TO bob;
```
다음 예제에서는 템플릿 demo\$1template에 파라미터 `CSV`를 추가합니다.
```
ALTER TEMPLATE demo_template
ADD CSV;
```
다음 예제에서는 템플릿 demo\$1template에 파라미터 `TIMEFORMAT 'auto'`를 추가합니다.
```
ALTER TEMPLATE demo_template
ADD TIMEFORMAT 'auto';
```
다음 예시에서는 템플릿 demo\$1template에서 파라미터 `ENCRYPTED`를 삭제합니다.
```
ALTER TEMPLATE demo_template
DROP ENCRYPTED;
```
다음 예제에서는 `DELIMITER` 파라미터를 `'|'` 기호로 설정하고 `TIMEFORMAT` 파라미터를 `'epochsecs'`로 설정합니다.
```
ALTER TEMPLATE demo_template
SET DELIMITER TO '|', TIMEFORMAT TO 'epochsecs';
```
# ALTER USER
데이터베이스 사용자를 변경합니다.
## 필수 권한
ALTER USER에 필요한 권한은 다음과 같습니다.
+ 수퍼유저
+ ALTER USER 권한이 있는 사용자
+ 자신의 암호를 변경하려는 현재 사용자
## 구문
```
ALTER USER username [ WITH ] option [, ... ]
where option is
CREATEDB | NOCREATEDB
| CREATEUSER | NOCREATEUSER
| SYSLOG ACCESS { RESTRICTED | UNRESTRICTED }
| PASSWORD { 'password' | 'md5hash' | 'sha256hash' | DISABLE }
[ VALID UNTIL 'expiration_date' ]
| RENAME TO new_name |
| CONNECTION LIMIT { limit | UNLIMITED }
| SESSION TIMEOUT limit | RESET SESSION TIMEOUT
| SET parameter { TO | = } { value | DEFAULT }
| RESET parameter
| EXTERNALID external_id
```
## 파라미터
* 사용자 이름*
사용자의 이름입니다.
WITH
선택적 키워드입니다.
CREATEDB \$1 NOCREATEDB
CREATEDB 옵션을 사용하여 새 데이터베이스를 만들 수 있습니다. NOCREATEDB가 기본값입니다.
CREATEUSER \$1 NOCREATEUSER
CREATEUSER 옵션으로 CREATE USER를 포함한 모든 데이터베이스 권한을 가진 수퍼유저를 생성합니다. 기본값은 NOCREATEUSER입니다. 자세한 내용은 [슈퍼 사용자](r_superusers.md) 섹션을 참조하세요.
SYSLOG ACCESS \$1 RESTRICTED \$1 UNRESTRICTED \$1
Amazon Redshift 시스템 테이블 및 뷰에 대한 사용자의 액세스 수준을 지정합니다.
SYSLOG ACCESS RESTRICTED 권한이 있는 일반 사용자는 사용자 가시성 시스템 테이블 및 뷰에서 해당 사용자가 생성한 행만 볼 수 있습니다. 기본값은 RESTRICTED입니다.
SYSLOG ACCESS UNRESTRICTED 권한이 있는 일반 사용자는 사용자 가시성 시스템 테이블 및 뷰에서 다른 사용자가 생성한 행을 포함한 모든 행을 볼 수 있습니다. UNRESTRICTED는 수퍼유저 가시성 테이블에 대한 일반 사용자 액세스를 부여하지 않습니다. 수퍼유저만 수퍼유저 가시성 테이블을 볼 수 있습니다.
사용자에게 시스템 테이블에 대한 무제한 액세스를 제공하면 다른 사용자가 생성한 데이터에 대한 가시성이 사용자에게 제공됩니다. 예를 들어, STL\$1QUERY 및 STL\$1QUERYTEXT에는 INSERT, UPDATE 및 DELETE 문의 전체 텍스트가 포함되며, 여기에는 사용자가 생성한 민감한 데이터가 포함될 수 있습니다.
SVV\$1TRANSACTIONS의 모든 행은 모든 사용자에게 표시됩니다.
자세한 내용은 [시스템 테이블 및 뷰에 있는 데이터의 가시성](cm_chap_system-tables.md#c_visibility-of-data) 섹션을 참조하세요.
PASSWORD \$1 '*password*' \$1 '*md5hash*' \$1 '*sha256hash*' \$1 DISABLE \$1
사용자의 암호를 설정합니다.
기본적으로, 암호가 비활성화 상태가 아닌 이상 사용자는 암호를 변경할 수 있습니다. 사용자의 암호를 비활성화하려면 DISABLE을 지정하세요. 사용자 암호를 비활성화하면 시스템에서 해당 암호가 삭제되고 사용자는 임시 AWS Identity and Access Management(IAM) 사용자 자격 증명만 이용해 로그인할 수 있습니다. 자세한 내용은 [IAM 인증을 이용한 데이터베이스 사용자 자격 증명 생성](https://docs.aws.amazon.com/redshift/latest/mgmt/generating-user-credentials.html)을 참조하세요. 수퍼유저만이 암호를 활성화 또는 비활성화할 수 있습니다. 수퍼유저의 암호를 비활성화할 수는 없습니다. 암호를 활성화하려면 ALTER USER를 실행하고 암호를 지정하세요.
PASSWORD 파라미터 사용에 대한 자세한 내용은 [CREATE USER](r_CREATE_USER.md) 섹션을 참조하세요.
VALID UNTIL '*expiration\$1date*'
암호에 만료 날짜가 있음을 지정합니다. 만료 날짜가 없도록 하려면 값 `'infinity'`를 사용하세요. 이 파라미터에 유효한 데이터 형식은 타임스탬프입니다.
슈퍼유저만 이 파라미터를 사용할 수 있습니다.
RENAME TO
사용자 이름을 새로 지정합니다.
*new\$1name*
사용자의 새 이름입니다. 유효한 이름에 대한 자세한 내용은 [이름 및 식별자](r_names.md) 섹션을 참조하세요.
사용자의 이름을 재설정할 때는 사용자의 암호도 변경해야 합니다. 재설정 암호는 이전 암호와 다르지 않아도 됩니다. 사용자 이름은 암호를 암호화하는 과정의 일부로 사용되므로, 사용자 이름을 바꾸면 해당 암호가 삭제됩니다. 사용자가 암호를 재설정해야 로그인할 수 있습니다. 예:
```
alter user newuser password 'EXAMPLENewPassword11';
```
CONNECTION LIMIT \$1 *limit* \$1 UNLIMITED \$1
사용자가 동시에 열어놓을 수 있는 데이터베이스 연결의 최대 개수입니다. 슈퍼 사용자에 대해서는 이 제한이 적용되지 않습니다. 최대 동시 연결 수를 허용하려면 UNLIMITED 키워드를 사용하세요. 각 데이터베이스에 대한 연결 개수 제한이 적용될 수도 있습니다. 자세한 내용은 [데이터베이스 생성](r_CREATE_DATABASE.md) 섹션을 참조하세요. 기본값은 UNLIMITED입니다. 현재 연결을 보려면 [STV\$1SESSIONS](r_STV_SESSIONS.md) 시스템 뷰를 쿼리하세요.
사용자 및 데이터베이스 연결 제한이 모두 적용되는 경우 사용되지 않는 연결 슬롯은 사용자가 연결 시도 시 양쪽 제한 범위 내에서 모두 사용 가능해야 합니다.
SESSION TIMEOUT *limit* \$1 RESET SESSION TIMEOUT
세션이 비활성 또는 유휴 상태로 유지되는 최대 시간(초)입니다. 범위는 60초(1분)\$11,728,000초(20일)입니다. 사용자에 대해 세션 시간 제한이 설정되지 않은 경우 클러스터 설정이 적용됩니다. 자세한 내용은 *Amazon Redshift 관리 가이드*의 [Amazon Redshift의 할당량 및 제한](https://docs.aws.amazon.com/redshift/latest/mgmt/amazon-redshift-limits.html) 섹션을 참조하세요.
세션 시간 제한을 설정하면 새 세션에만 적용됩니다.
시작 시간, 사용자 이름 및 세션 시간 제한을 포함하여 활성 사용자 세션에 대한 정보를 보려면 [STV\$1SESSIONS](r_STV_SESSIONS.md) 시스템 뷰를 쿼리합니다. 사용자 세션 기록에 대한 정보를 보려면 [STL\$1SESSIONS](r_STL_SESSIONS.md) 뷰를 쿼리합니다. 세션 시간 제한 값을 포함하여 데이터베이스 사용자에 대한 정보를 검색하려면 [SVL\$1USER\$1INFO](r_SVL_USER_INFO.md) 뷰를 쿼리합니다.
SET
지정된 사용자가 실행하는 모든 세션에 대한 새로운 기본값으로 구성 파라미터를 설정합니다.
reset
지정된 사용자에 대한 원래 기본값으로 구성 파라미터를 재설정합니다.
*파라미터*
설정할 파라미터의 이름.
* 값*
파라미터의 새 값입니다.
DEFAULT
지정된 사용자가 실행하는 모든 세션에 대한 기본값으로 구성 파라미터를 설정합니다.
EXTERNALID *external\$1id*
자격 증명 공급자와 연결된 사용자의 식별자입니다. 사용자는 암호를 비활성화해야 합니다. 자세한 내용은 [Amazon Redshift용 네이티브 자격 증명 공급자(IdP) 페더레이션](https://docs.aws.amazon.com/redshift/latest/mgmt/redshift-iam-access-control-native-idp.html)을 참조하세요.
## 사용 노트
+ **rdsdb 변경 시도** - 이름이 `rdsdb`인 사용자를 변경할 수 없습니다.
+ **알 수 없는 암호 생성** - AWS Identity and Access Management(IAM) 인증을 이용해 데이터베이스 사용자 보안 인증 정보를 만들 때는 임시 보안 인증 정보만을 이용해 로그인할 수 있는 수퍼유저를 만드는 것이 좋습니다. 수퍼유저의 암호를 비활성화할 수는 없지만 임의로 생성되는 MD5 해시 문자열을 이용해 알 수 없는 암호를 만들 수는 있습니다.
```
alter user iam_superuser password 'md51234567890123456780123456789012';
```
+ **search\$1path 설정** - ALTER USER 명령으로 [search\$1path](r_search_path.md) 파라미터를 설정하면 수정된 사항은 지정된 사용자가 다음에 로그인할 때 적용됩니다. 현재 사용자와 세션에 대해 search\$1path 값을 변경하려면 SET 명령을 사용합니다.
+ **시간대 설정** - ALTER USER 명령으로 SET TIMEZONE을 사용하면 수정된 사항은 지정된 사용자가 다음에 로그인할 때 적용됩니다.
+ **동적 데이터 마스킹 및 행 수준 보안 정책 작업** - 프로비저닝된 클러스터 또는 서버리스 네임스페이스에 동적 데이터 마스킹 또는 행 수준 보안 정책이 있는 경우, 일반 사용자에게는 다음 명령이 차단됩니다.
```
ALTER SET enable_case_sensitive_super_attribute/enable_case_sensitive_identifier/downcase_delimited_identifier
```
슈퍼유저와 ALTER USER 권한이 있는 사용자만 이러한 구성 옵션을 설정할 수 있습니다. 행 수준 보안에 대한 자세한 내용은 [행 수준 보안](t_rls.md) 섹션을 참조하세요. 동적 데이터 마스킹에 대한 자세한 내용은 [동적 데이터 마스킹](t_ddm.md) 섹션을 참조하세요.
## 예제
다음 예에서는 데이터베이스 생성 권한을 사용자 ADMIN에게 부여합니다.
```
alter user admin createdb;
```
다음 예에서는 사용자 ADMIN의 암호를 `adminPass9`로 설정하고 암호에 대한 만료 날짜와 시간을 설정합니다.
```
alter user admin password 'adminPass9'
valid until '2017-12-31 23:59';
```
다음 예에서는 사용자 ADMIN의 이름을 SYSADMIN으로 바꿉니다.
```
alter user admin rename to sysadmin;
```
다음 예에서는 사용자에 대한 유휴 세션 시간 제한을 300초로 업데이트합니다.
```
ALTER USER dbuser SESSION TIMEOUT 300;
```
사용자의 유휴 세션 시간 제한을 재설정합니다. 재설정하면 클러스터 설정이 적용됩니다. 이 명령을 실행하려면 데이터베이스 슈퍼 사용자여야 합니다. 자세한 내용은 *Amazon Redshift 관리 가이드*의 [Amazon Redshift의 할당량 및 제한](https://docs.aws.amazon.com/redshift/latest/mgmt/amazon-redshift-limits.html) 섹션을 참조하세요.
```
ALTER USER dbuser RESET SESSION TIMEOUT;
```
다음 예에서는 이름이 `bob`인 사용자의 외부 ID를 업데이트합니다. 네임스페이스는 `myco_aad`입니다. 네임스페이스가 등록된 자격 증명 공급자와 연결되지 않은 경우 오류가 발생합니다.
```
ALTER USER myco_aad:bob EXTERNALID "ABC123" PASSWORD DISABLE;
```
다음 예는 특정 데이터베이스 사용자가 실행하는 모든 세션의 시간대를 설정합니다. 현재 세션이 아닌 이후 모든 세션의 시간대가 변경됩니다.
```
ALTER USER odie SET TIMEZONE TO 'Europe/Zurich';
```
다음 예시에서는 사용자 `bob`이 열 수 있는 최대 데이터베이스 연결 수를 설정합니다.
```
ALTER USER bob CONNECTION LIMIT 10;
```
# ANALYZE
쿼리 플래너가 사용할 테이블 통계를 업데이트합니다.
## 필수 권한
ANALYZE에 필요한 권한은 다음과 같습니다.
+ 수퍼유저
+ ANALYZE 권한이 있는 사용자
+ 관계 소유자
+ 테이블이 공유되는 데이터베이스 소유자
## 구문
```
ANALYZE [ VERBOSE ]
[ [ table_name [ ( column_name [, ...] ) ] ]
[ PREDICATE COLUMNS | ALL COLUMNS ]
```
## 파라미터
상세 표시
ANALYZE 작업의 진행률 정보 메시지를 반환하는 절입니다. 이 옵션은 테이블을 지정하지 않을 때 유용합니다.
*table\$1name*
임시 테이블을 포함한 특정 테이블을 분석할 수 있습니다. 테이블은 테이블의 스키마 이름으로 정규화할 수 있습니다. 선택적으로 단일 테이블을 분석하도록 table\$1name을 지정할 수 있습니다. 단일 ANALYZE *table\$1name* 문으로 *table\$1name*을 여러 개 지정할 수 없습니다. *table\$1name* 값을 지정하지 않으면 시스템 카탈로그의 영구 테이블을 포함하여 현재 연결된 데이터베이스의 모든 테이블이 분석됩니다. Amazon Redshift는 마지막 ANALYZE 이후 변경된 행의 비율이 분석 임계값보다 낮은 경우 테이블 분석을 건너뜁니다. 자세한 내용은 [분석 임계값](#r_ANALYZE-threshold) 섹션을 참조하세요.
Amazon Redshift 시스템 테이블(STL 및 STV 테이블)을 분석할 필요는 없습니다.
*column\$1name*
*table\$1name*을 지정하는 경우 테이블에 있는 하나 이상의 열을 지정할 수도 있습니다(괄호 안의 열로 구분된 목록으로). 열 목록을 지정하면 나열된 열만 분석됩니다.
PREDICATE COLUMNS \$1 ALL COLUMNS
ANALYZE에 조건자 열만 포함시킬지 나타내는 절입니다. 이전 쿼리에서 조건자로 사용되었거나 조건자로 사용될 수 있는 열만 분석하려면 PREDICATE COLUMNS를 지정합니다. 모든 열을 분석하려면 ALL COLUMNS를 지정합니다. 기본값은 ALL COLUMNS입니다.
열이 조건자 열 집합에 포함되기 위해서는 다음 중 한 가지만 만족하면 됩니다.
+ 열이 쿼리에서 filter, join condition 또는 group by 절의 일부로 사용되었습니다.
+ 분산 키인 열
+ 정렬 키에 포함되는 열
예를 들어 테이블에 대한 쿼리를 아직 실행하지 않아서 조건자 열로 표시되는 열이 하나도 없는 경우에는 PREDICATE COLUMNS로 지정하더라도 모든 열이 분석됩니다. 이 경우 Amazon Redshift는 '*table-name*'에 대한 조건자 열을 찾을 수 없음과 같은 메시지로 응답할 수 있습니다. 모든 열을 분석하고 있습니다. 조건자 열에 대한 자세한 내용은 [테이블 분석](t_Analyzing_tables.md) 섹션을 참조하세요.
## 사용 노트
Amazon Redshift는 다음 명령으로 생성하는 테이블에서 ANALYZE를 자동으로 실행합니다.
+ CREATE TABLE AS
+ CREATE TEMP TABLE AS
+ SELECT INTO
외부 테이블은 분석할 수 없습니다.
이 테이블들이 처음 생성될 때는 테이블에서 ANALYZE 명령을 실행할 필요가 없습니다. 테이블을 수정하는 경우, 다른 테이블과 같은 방법으로 분석해야 합니다.
### 분석 임계값
처리 시간을 단축하고 전체 시스템 성능을 개선하기 위해 Amazon Redshift는 마지막 ANALYZE 명령 실행 이후로 변경된 행의 비율이 [analyze\$1threshold\$1percent](r_analyze_threshold_percent.md) 파라미터에 의해 지정된 분석 임계값보다 낮은 경우 테이블 ANALYZE를 건너뜁니다. 기본적으로 `analyze_threshold_percent`는 10입니다. 현재 세션에 대한 `analyze_threshold_percent`를 변경하려면 [SET](r_SET.md) 명령을 실행합니다. 다음 예에서는 `analyze_threshold_percent`를 20퍼센트로 변경합니다.
```
set analyze_threshold_percent to 20;
```
소수의 행만 변경되었을 때 테이블을 분석하려면 `analyze_threshold_percent`를 임의의 작은 수로 설정하세요. 예를 들어 `analyze_threshold_percent`를 0.01로 설정하면 10,000개 이상의 행이 변경된 경우 100,000,000개의 행이 있는 테이블을 건너뛰지 않습니다.
```
set analyze_threshold_percent to 0.01;
```
테이블이 분석 임계값을 충족하지 못해 ANALYZE가 테이블을 건너뛰는 경우 Amazon Redshift는 다음 메시지를 반환합니다.
```
ANALYZE SKIP
```
변경된 행이 없더라도 모든 테이블을 분석하려면 `analyze_threshold_percent`를 0으로 설정하세요.
ANALYZE 작업의 결과를 보려면 [STL\$1ANALYZE](r_STL_ANALYZE.md) 시스템 테이블을 쿼리하세요.
테이블 분석에 대한 자세한 내용은 [테이블 분석](t_Analyzing_tables.md) 섹션을 참조하세요.
## 예제
TICKIT 데이터베이스에 있는 모든 테이블을 분석하고 진행률 정보를 반환합니다.
```
analyze verbose;
```
LISTING 테이블만 분석합니다.
```
analyze listing;
```
VENUE 테이블에서 VENUEID 및 VENUENAME 열을 분석합니다.
```
analyze venue(venueid, venuename);
```
VENUE 테이블에서 조건자 열만 분석합니다.
```
analyze venue predicate columns;
```
# ANALYZE COMPRESSION
분석 대상 테이블에 대해 제안되는 압축 인코딩으로 압축 분석을 수행하고 보고서를 생성합니다. 각각의 열에 대해, 보고서에는 원시 인코딩에 비해 디스크 공간의 잠재적 감소 추정치가 포함됩니다.
## 구문
```
ANALYZE COMPRESSION
[ [ table_name ]
[ ( column_name [, ...] ) ] ]
[COMPROWS numrows]
```
## 파라미터
*table\$1name*
임시 테이블을 포함한 특정 테이블에 대한 압축을 분석할 수 있습니다. 테이블은 테이블의 스키마 이름으로 정규화할 수 있습니다. 선택적으로 단일 테이블을 분석하도록 *table\$1name*을 지정할 수 있습니다. *table\$1name*을 지정하지 않으면 현재 연결된 데이터베이스에 있는 모든 테이블이 분석됩니다. 단일 ANALYZE COMPRESSION 문으로 *table\$1name*을 두 개 이상 지정할 수 없습니다.
*column\$1name*
*table\$1name*을 지정하는 경우 테이블에 있는 하나 이상의 열을 지정할 수도 있습니다(괄호 안의 열로 구분된 목록으로).
COMPROWS
압축 분석을 위한 샘플 크기로 사용할 행의 개수입니다. 분석은 각 데이터 조각의 행에서 실행됩니다. 예를 들어, COMPROWS 1000000(1,000,000)을 지정하고 시스템에 총 4개의 조각이 있는 경우 조각당 250,000개의 행만 읽히고 분석됩니다. COMPROWS가 지정되지 않은 경우 샘플 크기는 기본적으로 조각당 100,000개입니다. 기본값인 조각당 100,000개의 행보다 낮은 COMPROWS 값은 자동으로 기본값으로 업그레이드됩니다. 하지만 테이블에 있는 데이터의 양이 유의미한 샘플을 생성하기에 부족한 경우 압축 분석에서는 권장 사항을 제시하지 않습니다. COMPROWS 숫자가 테이블의 행 개수보다 큰 값이면 ANALYZE COMPRESSION 명령이 계속 진행하고 사용 가능한 모든 행에 대한 압축 분석을 실행합니다. 테이블이 지정되지 않은 경우 COMPROWS를 사용하면 오류가 발생합니다.
*numrows*
압축 분석을 위한 샘플 크기로 사용할 행의 개수입니다. *numrows*의 허용 범위는 1000과 1000000000(1,000,000,000) 사이의 수입니다.
## 사용 노트
ANALYZE COMPRESSION은 배타적인 테이블 잠금을 획득하여 테이블에 대한 동시 읽기 및 쓰기를 방지합니다. 테이블이 유휴 상태일 때만 ANALYZE COMPRESSION을 실행하세요.
테이블 내용의 샘플을 바탕으로 열 인코딩 체계에 대한 권장 사항을 받으려면 ANALYZE COMPRESSION을 실행하세요. ANALYZE COMPRESSION은 자문 도구로서 테이블의 열 인코딩을 수정하지 않습니다. 테이블을 다시 생성하거나 같은 스키마를 가진 새 테이블을 생성하여 제안되는 인코딩을 적용할 수 있습니다. 적절한 인코딩 체계를 사용하여 압축되지 않은 테이블을 다시 생성하면 디스크 상의 공간을 크게 줄일 수 있습니다. 이 방법을 사용하면 디스크 공간을 절약하고 I/O 바인딩 워크로드의 쿼리 성능을 향상시킬 수 있습니다.
ANALYZE COMPRESSION은 실제 분석 단계를 건너뛰고, SORTKEY로 지정된 모든 열에서 원래 인코딩 형식을 직접 반환합니다. SORTKEY 열이 다른 열보다 훨씬 많이 압축되면 범위 제한 스캔이 제대로 수행되지 않을 수 있기 때문입니다.
## 예제
다음 예는 LISTING 테이블 내 열에 대해서만 인코딩 및 추정 백분율 감소를 보여 줍니다.
```
analyze compression listing;
Table | Column | Encoding | Est_reduction_pct
---------+----------------+----------+-------------------
listing | listid | az64 | 40.96
listing | sellerid | az64 | 46.92
listing | eventid | az64 | 53.37
listing | dateid | raw | 0.00
listing | numtickets | az64 | 65.66
listing | priceperticket | az64 | 72.94
listing | totalprice | az64 | 68.05
listing | listtime | az64 | 49.74
```
다음 예는 SALES 테이블에서 QTYSOLD, COMMISSION 및 SALETIME 열을 분석합니다.
```
analyze compression sales(qtysold, commission, saletime);
Table | Column | Encoding | Est_reduction_pct
-------+------------+----------+-------------------
sales | salesid | N/A | 0.00
sales | listid | N/A | 0.00
sales | sellerid | N/A | 0.00
sales | buyerid | N/A | 0.00
sales | eventid | N/A | 0.00
sales | dateid | N/A | 0.00
sales | qtysold | az64 | 83.06
sales | pricepaid | N/A | 0.00
sales | commission | az64 | 71.85
sales | saletime | az64 | 49.63
```
# 마스킹 정책 연결
기존 동적 데이터 마스킹 정책을 열에 연결합니다. 동적 데이터 마스킹에 대한 자세한 내용은 [동적 데이터 마스킹](t_ddm.md)(동적 데이터 마스킹(미리 보기)을 참조하세요.
sys:secadmin 역할이 부여된 수퍼유저와 사용자 또는 역할은 마스킹 정책을 연결할 수 있습니다.
## 구문
```
ATTACH MASKING POLICY
{
policy_name ON relation_name
| database_name.policy_name ON database_name.schema_name.relation_name
}
( { output_column_names | output_path } )
[ USING ( { input_column_names | input_path } ) ]
TO { user_name | ROLE role_name | PUBLIC }
[ PRIORITY priority ];
```
## 파라미터
*policy\$1name*
연결할 마스킹 정책 이름입니다.
database\$1name
정책 및 관계가 생성되는 데이터베이스의 이름입니다. 정책과 관계는 동일한 데이터베이스에 있어야 합니다. 데이터베이스는 연결된 데이터베이스이거나 Amazon Redshift 페더레이션 권한을 지원하는 데이터베이스일 수 있습니다.
schema\$1name
관계가 속하는 스키마의 이름입니다.
*relation\$1name*
마스킹 정책을 연결할 관계의 이름입니다.
*output\$1column\$1names*
마스킹 정책이 적용될 열의 이름입니다.
*output\$1paths*
열 이름을 포함하여 마스킹 정책이 적용될 SUPER 객체의 전체 경로입니다. 예를 들어 이름이 `person`인 SUPER 유형 열이 있는 관계의 경우 **output\$1path는 `person.name.first_name`일 것입니다.
*input\$1column\$1names*
마스킹 정책에서 입력으로 사용할 열의 이름입니다. 이 파라미터는 선택 사항입니다. 지정하지 않으면 마스킹 정책은 **output\$1column\$1names를 입력으로 사용합니다.
*input\$1paths*
마스킹 정책에서 입력으로 사용할 SUPER 객체의 전체 경로입니다. 이 파라미터는 선택 사항입니다. 지정하지 않으면 마스킹 정책은 **output\$1path를 입력으로 사용합니다.
*user\$1name*
마스킹 정책이 연결될 사용자의 이름입니다. 사용자와 열 또는 역할과 열의 동일한 조합에 두 개의 정책을 연결할 수 없습니다. 정책을 사용자에게 연결하고 다른 정책을 사용자의 역할에 연결할 수 있습니다. 이 경우 우선 순위가 높은 정책이 적용됩니다.
단일 ATTACH MASKING POLICY 명령에서 user\$1name, role\$1name 및 PUBLIC 중 하나만 설정할 수 있습니다.
*role\$1name*
마스킹 정책이 연결될 역할의 이름입니다. 동일한 열/역할 쌍에 두 개의 정책을 연결할 수 없습니다. 정책을 사용자에게 연결하고 다른 정책을 사용자의 역할에 연결할 수 있습니다. 이 경우 우선 순위가 높은 정책이 적용됩니다.
단일 ATTACH MASKING POLICY 명령에서 user\$1name, role\$1name 및 PUBLIC 중 하나만 설정할 수 있습니다.
*PUBLIC*
테이블에 액세스하는 모든 사용자에게 마스킹 정책을 연결합니다. 특정 열/사용자 또는 열/역할 쌍에 연결된 다른 마스킹 정책을 적용하려면 PUBLIC 정책보다 높은 우선 순위를 부여해야 합니다.
단일 ATTACH MASKING POLICY 명령에서 user\$1name, role\$1name 및 PUBLIC 중 하나만 설정할 수 있습니다.
*priority*
마스킹 정책의 우선 순위입니다. 주어진 사용자의 쿼리에 여러 마스킹 정책이 적용되는 경우 우선 순위가 가장 높은 정책이 적용됩니다.
우선순위가 동일한 열에 서로 다른 두 개의 정책을 연결할 수 없습니다. 두 개의 정책이 서로 다른 사용자 또는 역할에 연결되어 있더라도 마찬가지입니다. 정책이 연결되는 사용자 또는 역할이 매번 다르면 동일한 테이블, 출력 열, 입력 열 및 우선순위 파라미터 세트에 동일한 정책을 여러 번 연결할 수 있습니다.
역할이 다르더라도 해당 열에 연결된 다른 정책과 우선 순위가 같은 열에는 정책을 적용할 수 없습니다. 이 필드는 선택 사항입니다. 우선 순위를 지정하지 않을 경우 마스킹 정책의 기본값은 0입니다.
Amazon Redshift 페더레이션 권한 카탈로그에서 ATTACH MASKING POLICY를 사용하려면 [Amazon Redshift 페더레이션 권한을 사용하여 액세스 제어 관리](https://docs.aws.amazon.com/redshift/latest/dg/federated-permissions-managing-access.html)를 참조하세요.
# ATTACH RLS POLICY
테이블에 대한 행 수준 보안 정책을 하나 이상의 사용자 또는 역할에 연결합니다.
`sys:secadmin` 역할이 부여된 수퍼유저와 사용자 또는 역할은 정책을 연결할 수 있습니다.
## 구문
```
ATTACH RLS POLICY
{
policy_name ON [TABLE] table_name [, ...]
| database_name.policy_name ON [TABLE] database_name.schema_name.table_name [, ...]
}
TO { user_name | ROLE role_name | PUBLIC } [, ...]
```
## 파라미터
*policy\$1name*
정책의 이름입니다.
database\$1name
정책 및 관계가 생성되는 데이터베이스의 이름입니다. 정책과 관계는 동일한 데이터베이스에 있어야 합니다. 데이터베이스는 연결된 데이터베이스이거나 Amazon Redshift 페더레이션 권한을 지원하는 데이터베이스일 수 있습니다.
schema\$1name
관계가 속하는 스키마의 이름입니다.
table\$1name
행 수준 보안 정책이 연결된 관계입니다.
TO \$1 *user\$1name* \$1 ROLE *role\$1name* \$1 PUBLIC\$1 [, ...]
정책이 하나 이상의 지정된 사용자 또는 역할에 연결되는지 여부를 지정합니다.
Amazon Redshift 페더레이션 권한 카탈로그에서 ATTACH RLS POLICY를 사용하려면 [Amazon Redshift 페더레이션 권한을 사용하여 액세스 제어 관리](https://docs.aws.amazon.com/redshift/latest/dg/federated-permissions-managing-access.html)를 참조하세요.
## 사용 노트
ATTACH RLS POLICY 문과 관련한 작업을 수행할 때는 다음을 준수하세요.
+ 연결되는 테이블에는 정책 생성 문의 WITH 절에 나열된 모든 열이 있어야 합니다.
+ Amazon Redshift RLS는 RLS 정책을 다음 객체에 연결하는 것을 지원합니다.
+ 테이블
+ 보기
+ Late Binding 보기
+ 구체화된 뷰
+ Amazon Redshift RLS는 RLS 정책을 다음 객체에 연결하는 것을 지원하지 않습니다.
+ 카탈로그 테이블
+ 교차 데이터베이스 관계
+ 외부 테이블
+ 임시 테이블
+ 정책 조회 테이블
+ 구체화된 뷰 기본 테이블
+ 슈퍼 사용자 또는 `sys:secadmin` 권한이 있는 사용자에게 연결된 RLS 정책은 무시됩니다.
## 예제
다음 예제에서는 RLS 정책을 지정된 테이블 및 역할 조합에 연결합니다. RLS 정책은 역할이 `analyst` 또는 `dbadmin`인 사용자가 tickit\$1category\$1redshift 테이블에 액세스할 때 적용됩니다.
```
ATTACH RLS POLICY policy_concerts ON tickit_category_redshift TO ROLE analyst, ROLE dbadmin;
```
# BEGIN
트랜잭션을 시작합니다. START TRANSACTION과 동의어입니다.
트랜잭션은 하나의 명령으로 구성되든 여러 명령으로 구성되든, 단 하나의 논리적 작업 단위입니다. 일반적으로 한 트랜잭션에 있는 모든 명령은 `transaction_snapshot_begin` 시스템 구성 파라미터에 대해 설정된 값으로 시작 시간이 결정되는 데이터베이스의 스냅샷에서 실행됩니다.
기본적으로 개별 Amazon Redshift 작업(쿼리, DDL 문, 로드)은 데이터베이스에 자동으로 커밋됩니다. 이후의 작업이 완료될 때까지 작업에 대한 커밋을 일시 중단하려는 경우 BEGIN 문으로 트랜잭션을 열고 필요한 명령을 실행한 다음, [COMMIT](r_COMMIT.md) 또는 [END](r_END.md) 문으로 트랜잭션을 닫아야 합니다. 필요한 경우 [ROLLBACK](r_ROLLBACK.md) 문을 사용하여 진행 중인 트랜잭션을 중지할 수 있습니다. 이 동작에 대한 예외가 [TRUNCATE](r_TRUNCATE.md) 명령으로, 명령이 실행되는 트랜잭션을 커밋하고 롤백은 불가능합니다.
## 구문
```
BEGIN [ WORK | TRANSACTION ] [ ISOLATION LEVEL option ] [ READ WRITE | READ ONLY ]
START TRANSACTION [ ISOLATION LEVEL option ] [ READ WRITE | READ ONLY ]
Where option is
SERIALIZABLE
| READ UNCOMMITTED
| READ COMMITTED
| REPEATABLE READ
Note: READ UNCOMMITTED, READ COMMITTED, and REPEATABLE READ have no
operational impact and map to SERIALIZABLE in Amazon Redshift. You can see database isolation levels on your cluster
by querying the stv_db_isolation_level table.
```
## 파라미터
Work
선택적 키워드입니다.
TRANSACTION
선택적 키워드: WORK와 TRANSACTION은 동의어입니다.
ISOLATION LEVEL SERIALIZABLE
직렬화 가능 격리가 기본적으로 지원되므로, 트랜잭션의 동작은 이 구문이 명령문에 포함되어 있는지에 상관없이 동일합니다. 자세한 내용은 [동시 쓰기 작업 관리](c_Concurrent_writes.md) 섹션을 참조하세요. 다른 격리 수준은 지원되지 않습니다.
SQL 표준에서는 *더티 읽기*(트랜잭션이 동시 커밋되지 않은 트랜잭션에 의해 쓰인 데이터를 읽는 경우), *반복 불가능한 읽기*(트랜잭션이 이전에 읽은 데이터를 다시 읽었는데 처음 읽은 이후에 커밋된 다른 트랜잭션에 의해 해당 데이터가 변경되었음을 발견하는 경우), *가상 읽기*(트랜잭션이 쿼리를 다시 실행하고, 검색 조건을 만족하는 행 집합을 반환한 다음, 최근에 커밋된 다른 트랜잭션 때문에 행 집합이 변경된 것을 발견하는 경우)를 방지하기 위해 네 가지 트랜잭션 격리 수준을 정의합니다.
+ 커밋되지 않은 데이터 읽기: 더티 읽기, 반복 불가능한 읽기 및 가상 읽기가 가능합니다.
+ 커밋된 데이터 읽기: 반복 불가능한 읽기 및 가상 읽기가 가능합니다.
+ 반복 가능한 읽기: 가상 읽기가 가능합니다.
+ 직렬화 가능: 더티 읽기, 반복 불가능한 읽기 및 가상 읽기를 방지합니다.
4가지 트랜잭션 격리 수준 중 어떤 수준이든 사용할 수 있지만 Amazon Redshift는 모든 격리 수준을 직렬화 가능한 수준으로 처리합니다.
READ WRITE
트랜잭션 읽기 및 쓰기 권한을 제공합니다.
READ ONLY
트랜잭션 읽기 전용 권한을 제공합니다.
## 예제
다음 예에서는 직렬화 가능 트랜잭션 블록을 시작합니다.
```
begin;
```
다음 예에서는 직렬화 가능 격리 수준과 읽기 및 쓰기 권한으로 트랜잭션 블록을 시작합니다.
```
begin read write;
```
# CALL
저장 프로시저를 실행합니다. CALL 명령에는 프로시저 이름과 입력 인수 값이 포함되어야 합니다. CALL 문을 사용하여 저장 프로시저를 호출해야 합니다.
**참고**
CALL은 정규 쿼리의 일부일 수 없습니다.
## 구문
```
CALL sp_name ( [ argument ] [, ...] )
```
## 파라미터
*sp\$1name*
실행할 프로시저의 이름입니다.
*인수*
입력 인수의 값입니다. 이 파라미터도 함수 이름일 수 있습니다(예: `pg_last_query_id()`). 쿼리를 CALL 인수로 사용할 수 없습니다.
## 사용 노트
Amazon Redshift 저장 프로시저는 다음 설명에 따라 중첩 및 재귀 호출을 지원합니다. 또한 다음 설명에 따라 드라이버 지원이 최신인지 확인합니다.
**Topics**
+ [중첩 호출](#r_CALL_procedure-nested-calls)
+ [드라이버 지원](#r_CALL_procedure-driver-support)
### 중첩 호출
Amazon Redshift 저장 프로시저는 중첩 및 재귀 호출을 지원합니다. 허용되는 중첩 수준의 최대 수는 16개입니다. 중첩 호출은 비즈니스 로직을 더 작은 프로시저로 캡슐화할 수 있습니다. 그러면 이를 여러 호출자가 공유할 수 있습니다.
출력 파라미터가 있는 중첩 프로시저를 호출하면 내부 프로시저가 INOUT 인수를 정의해야 합니다. 이 경우 내부 프로시저는 상수가 아닌 변수로 전달됩니다. OUT 인수는 허용되지 않습니다. 내부 호출의 출력을 보관하는 데 변수가 필요하기 때문에 이 동작이 발생합니다.
내부 프로시저와 외부 프로시저 간의 관계는 `from_sp_call`의 [SVL\$1STORED\$1PROC\$1CALL](r_SVL_STORED_PROC_CALL.md) 열에 기록됩니다.
다음 예에서는 INOUT 인수를 통해 변수를 중첩 프로시저 호출로 전달하는 것을 보여 줍니다.
```
CREATE OR REPLACE PROCEDURE inner_proc(INOUT a int, b int, INOUT c int) LANGUAGE plpgsql
AS $$
BEGIN
a := b * a;
c := b * c;
END;
$$;
CREATE OR REPLACE PROCEDURE outer_proc(multiplier int) LANGUAGE plpgsql
AS $$
DECLARE
x int := 3;
y int := 4;
BEGIN
DROP TABLE IF EXISTS test_tbl;
CREATE TEMP TABLE test_tbl(a int, b varchar(256));
CALL inner_proc(x, multiplier, y);
insert into test_tbl values (x, y::varchar);
END;
$$;
CALL outer_proc(5);
SELECT * from test_tbl;
a | b
----+----
15 | 20
(1 row)
```
### 드라이버 지원
Java Database Connectivity(JDBC) 및 Open Database Connectivity(ODBC) 드라이버를 Amazon Redshift 저장 프로시저를 지원하는 최신 버전으로 업그레이드하는 것이 좋습니다.
클라이언트 도구가 CALL 문을 통해 서버로 전달하는 드라이버 API 작업을 사용하는 경우 기존 드라이버를 사용할 수 있습니다. 출력 파라미터(있는 경우)는 한 행의 결과 세트로 반환됩니다.
Amazon Redshift JDBC 및 ODBC 드라이버의 최신 버전은 저장 프로시저 검색에 대해 메타데이터 지원을 제공합니다. 또한 사용자 지정 Java 애플리케이션에 대한 `CallableStatement` 지원도 제공합니다. 드라이버에 대한 자세한 내용은 *Amazon Redshift 관리 가이드*의 [SQL 클라이언트 도구를 사용하여 Amazon Redshift 클러스터에 연결](https://docs.aws.amazon.com/redshift/latest/mgmt/connecting-to-cluster.html) 섹션을 참조하세요.
다음 예제에서는 저장 프로시저 호출에 JDBC 드라이버의 여러 API 작업을 사용하는 방법을 보여 줍니다.
```
void statement_example(Connection conn) throws SQLException {
statement.execute("CALL sp_statement_example(1)");
}
void prepared_statement_example(Connection conn) throws SQLException {
String sql = "CALL sp_prepared_statement_example(42, 84)";
PreparedStatement pstmt = conn.prepareStatement(sql);
pstmt.execute();
}
void callable_statement_example(Connection conn) throws SQLException {
CallableStatement cstmt = conn.prepareCall("CALL sp_create_out_in(?,?)");
cstmt.registerOutParameter(1, java.sql.Types.INTEGER);
cstmt.setInt(2, 42);
cstmt.executeQuery();
Integer out_value = cstmt.getInt(1);
}
```
## 예제
다음 예제에서는 프로시저 이름 `test_spl`을 호출합니다.
```
call test_sp1(3,'book');
INFO: Table "tmp_tbl" does not exist and will be skipped
INFO: min_val = 3, f2 = book
```
다음 예제에서는 프로시저 이름 `test_spl2`을 호출합니다.
```
call test_sp2(2,'2019');
f2 | column2
---------------------+---------
2019+2019+2019+2019 | 2
(1 row)
```
# CANCEL
현재 실행 중인 데이터베이스 쿼리를 취소합니다.
CANCEL 명령은 실행 중인 쿼리의 프로세스 ID 또는 세션 ID가 필요하고 쿼리가 취소되었는지 검증하기 위한 확인 메시지를 표시합니다.
## 필수 권한
CANCEL에 필요한 권한은 다음과 같습니다.
+ 자신의 쿼리를 취소하는 슈퍼 사용자
+ 사용자의 쿼리를 취소하는 슈퍼 사용자
+ 사용자의 쿼리를 취소하는 CANCEL 권한이 있는 사용자
+ 자신의 쿼리를 취소하는 사용자
## 구문
```
CANCEL process_id [ 'message' ]
```
## 파라미터
*process\$1id*
Amazon Redshift 클러스터에서 실행 중인 쿼리를 취소하려면 취소하려는 쿼리에 해당하는 [STV\$1RECENTS](r_STV_RECENTS.md)에서 `pid`(프로세스 ID)를 사용합니다.
Amazon Redshift Serverless 작업 그룹에서 실행 중인 쿼리를 취소하려면 취소하려는 쿼리에 해당하는 [SYS\$1QUERY\$1HISTORY](SYS_QUERY_HISTORY.md)에서 `session_id`(프로세스 ID)를 사용합니다.
'*message*'
쿼리 취소 완료 시 표시되는 선택적 확인 메시지입니다. 메시지를 지정하지 않을 경우 Amazon Redshift는 기본 메시지를 확인으로 표시합니다. 이 메시지는 작은따옴표로 묶어야 합니다.
## 사용 노트
*쿼리 ID*를 지정해서는 쿼리를 취소할 수 없습니다. 반드시 쿼리의 *프로세스 ID*(PID) 또는 *세션 ID*를 지정해야 합니다. 사용자가 현재 실행하고 있는 쿼리만 취소할 수 있습니다. 수퍼유저는 모든 쿼리를 취소할 수 있습니다.
여러 세션의 쿼리가 동일한 테이블에 대한 잠금을 보유하는 경우 [PG\$1TERMINATE\$1BACKEND](PG_TERMINATE_BACKEND.md) 함수를 사용하여 세션 중 하나를 종료할 수 있습니다. 그러면 종료된 세션에서 실행 중이던 트랜잭션이 모든 잠금을 강제로 해제하여 트랜잭션을 롤백시킵니다. 현재 보유한 잠금을 보려면 [STV\$1LOCKS](r_STV_LOCKS.md) 시스템 테이블을 쿼리합니다.
Amazon Redshift는 특정한 내부 이벤트 이후에 활성 세션을 다시 시작하고 새 PID를 할당할 수도 있습니다. PID가 변경된 경우 다음 오류 메시지가 나타날 수 있습니다.
```
Session does not exist. The session PID might have changed. Check the stl_restarted_sessions system table for details.
```
새 PID를 찾으려면 [STL\$1RESTARTED\$1SESSIONS](r_STL_RESTARTED_SESSIONS.md) 시스템 테이블을 쿼리하고 `oldpid` 열에서 필터링하세요.
```
select oldpid, newpid from stl_restarted_sessions where oldpid = 1234;
```
## 예제
Amazon Redshift 클러스터에서 현재 실행 중인 쿼리를 취소하려면 먼저 취소하려는 쿼리에 대한 프로세스 ID를 검색합니다. 현재 실행 중인 모든 쿼리의 프로세스 ID를 확인하려면 다음 명령을 입력하세요.
```
select pid, starttime, duration,
trim(user_name) as user,
trim (query) as querytxt
from stv_recents
where status = 'Running';
pid | starttime | duration | user | querytxt
-----+----------------------------+----------+----------+-----------------
802 | 2008-10-14 09:19:03.550885 | 132 | dwuser | select
venuename from venue where venuestate='FL', where venuecity not in
('Miami' , 'Orlando');
834 | 2008-10-14 08:33:49.473585 | 1250414 | dwuser | select *
from listing;
964 | 2008-10-14 08:30:43.290527 | 326179 | dwuser | select
sellerid from sales where qtysold in (8, 10);
```
쿼리 텍스트를 확인하여 어떤 프로세스 ID(PID)가 취소하려는 쿼리에 해당하는지 확인합니다.
다음 명령을 입력해 PID 802를 사용하여 해당 쿼리를 취소합니다.
```
cancel 802;
```
쿼리가 실행 중이던 세션에서 다음 메시지를 표시합니다.
```
ERROR: Query (168) cancelled on user's request
```
여기에서 `168`은 쿼리 ID입니다(쿼리 취소에 사용되는 프로세스 ID가 아님).
또는 기본 메시지 대신 표시할 사용자 지정 확인 메시지를 지정할 수 있습니다. 사용자 지정 메시지를 지정하려면 CANCEL 명령의 끝에 메시지를 작은따옴표로 묶습니다.
```
cancel 802 'Long-running query';
```
쿼리가 실행 중이던 세션에서 다음 메시지를 표시합니다.
```
ERROR: Long-running query
```
# CLOSE
(선택 사항) 열려 있는 커서와 연결되어 사용 가능한 모든 리소스를 닫습니다. [COMMIT](r_COMMIT.md), [END](r_END.md) 및 [ROLLBACK](r_ROLLBACK.md)은 커서를 자동으로 닫으므로, CLOSE 명령을 사용하여 커서를 명시적으로 닫을 필요가 없습니다.
자세한 내용은 [DECLARE](declare.md), [FETCH](fetch.md) 섹션을 참조하세요.
## 구문
```
CLOSE cursor
```
## 파라미터
*cursor*
닫을 커서의 이름입니다.
## CLOSE 예
다음과 같은 명령은 커서를 닫고 커밋을 수행하여 트랜잭션을 종료합니다.
```
close movie_cursor;
commit;
```
# COMMENT
데이터베이스 객체에 대한 설명을 생성하거나 변경합니다.
## 구문
```
COMMENT ON
{
TABLE object_name |
COLUMN object_name.column_name |
CONSTRAINT constraint_name ON table_name |
DATABASE object_name |
VIEW object_name
}
IS 'text' | NULL
```
## 파라미터
*객체 이름*
설명 대상이 되는 데이터베이스 객체의 이름입니다. 다음 객체에 설명을 추가할 수 있습니다.
+ TABLE
+ COLUMN(*column\$1name*도 취함).
+ CONSTRAINT(*constraint\$1name* 및 *table\$1name*도 취함).
+ 데이터베이스
+ VIEW
+ SCHEMA
IS '*text*' \$1 NULL
지정된 객체에 대해 추가하거나 바꿀 설명 텍스트입니다. *text* 문자열은 TEXT 데이터 형식입니다. 설명은 작은따옴표로 묶으세요. 설명 텍스트를 제거하려면 값을 NULL로 설정합니다.
*column\$1name*
설명 대상이 되는 열의 이름입니다. COLUMN의 파라미터입니다. `object_name`에 지정된 테이블을 따릅니다.
*constraint\$1name*
설명 대상이 되는 제약 조건의 이름입니다. CONSTRAINT의 파라미터입니다.
*table\$1name*
제약 조건을 포함한 테이블의 이름입니다. CONSTRAINT의 파라미터입니다.
## 사용 노트
슈퍼유저 또는 데이터베이스 객체의 소유자만 설명을 추가하거나 업데이트할 수 있습니다.
데이터베이스에 대한 설명은 현재 데이터베이스에만 적용될 수 있습니다. 다른 데이터베이스에 대해 설명하려는 경우 경고 메시지가 표시됩니다. 존재하지 않는 데이터베이스에 대한 설명을 하려고 할 때도 같은 경고가 표시됩니다.
외부 테이블, 외부 열 및 후기 바인딩 뷰의 열에 대한 댓글은 지원되지 않습니다.
## 예제
다음 예에서는 SALES 테이블에 새 열을 추가합니다.
```
COMMENT ON TABLE sales IS 'This table stores tickets sales data';
```
다음 예에서는 SALES 테이블에 설명을 표시합니다.
```
select obj_description('public.sales'::regclass);
obj_description
-------------------------------------
This table stores tickets sales data
```
다음 예에서는 SALES 테이블에서 설명을 제거합니다.
```
COMMENT ON TABLE sales IS NULL;
```
다음 예에서는 SALES 테이블의 EVENTID 열에 설명을 추가합니다.
```
COMMENT ON COLUMN sales.eventid IS 'Foreign-key reference to the EVENT table.';
```
다음 예에서는 SALES 테이블의 EVENTID 열(열 번호 5)에 설명을 표시합니다.
```
select col_description( 'public.sales'::regclass, 5::integer );
col_description
-----------------------------------------
Foreign-key reference to the EVENT table.
```
다음 예에서는 설명문을 EVENT 테이블에 추가합니다.
```
comment on table event is 'Contains listings of individual events.';
```
설명을 보려면 PG\$1DESCRIPTION 시스템 테이블을 쿼리합니다. 다음 예에서는 EVENT 테이블에 대한 설명을 반환합니다.
```
select * from pg_catalog.pg_description
where objoid =
(select oid from pg_class where relname = 'event'
and relnamespace =
(select oid from pg_catalog.pg_namespace where nspname = 'public') );
objoid | classoid | objsubid | description
-------+----------+----------+----------------------------------------
116658 | 1259 | 0 | Contains listings of individual events.
```
# COMMIT
데이터베이스에 현재 트랜잭션을 커밋합니다. 이 명령을 실행하면 트랜잭션에서의 데이터베이스 업데이트가 영구적인 것이 됩니다.
## 구문
```
COMMIT [ WORK | TRANSACTION ]
```
## 파라미터
Work
선택적 키워드입니다. 이 키워드는 저장 프로시저 내에서 지원되지 않습니다.
TRANSACTION
선택적 키워드입니다. WORK와 TRANSACTION은 동의어입니다. 둘 다 저장 프로시저 내에서 지원되지 않습니다.
저장 프로시저 내의 COMMIT 사용에 대한 자세한 내용은 [트랜잭션 관리](stored-procedure-transaction-management.md)를 참조하세요.
## 예제
다음 각 예에서는 데이터베이스에 현재 트랜잭션을 커밋합니다.
```
commit;
```
```
commit work;
```
```
commit transaction;
```
# COPY
| |
| --- |
| 2025년 4월 30일부터 신규 고객에게 COPY 및 UNLOAD 명령에 대한 클라이언트 측 암호화가 더 이상 제공되지 않습니다. 2025년 4월 30일 이전 12개월 동안 COPY 및 UNLOAD 명령에 클라이언트 측 암호화를 사용한 경우, 2026년 4월 30일까지 COPY 또는 UNLOAD 명령에 클라이언트 측 암호화를 계속 사용할 수 있습니다. 2026년 4월 30일 이후에는 COPY 및 UNLOAD에 클라이언트 측 암호화를 사용할 수 없습니다. 가능한 한 빨리 COPY 및 UNLOAD에 서버 측 암호화를 사용하도록 전환하는 것이 좋습니다. 이미 COPY 및 UNLOAD에 서버 측 암호화를 사용하고 있는 경우 변경 사항이 없으며 쿼리를 변경하지 않고도 계속 사용할 수 있습니다. COPY 및 UNLOAD 암호화에 대한 자세한 내용은 아래 ENCRYPTED 파라미터를 참조하세요. |
데이터 파일 또는 Amazon DynamoDB 테이블의 데이터를 테이블에 로드합니다. 이 파일은 Amazon Simple Storage Service(Amazon S3) 버킷과 Amazon EMR 클러스터 또는 SSH(Secure Shell) 연결을 사용하여 액세스하는 원격 호스트에서 찾을 수 있습니다.
**참고**
Amazon Redshift Spectrum 외부 테이블은 읽기 전용입니다. 외부 테이블로 복사할 수 없습니다.
COPY 명령은 입력 데이터를 테이블에 추가 행으로 추가합니다.
어떤 원본이든지 상관없이 단일 입력 행의 최대 크기는 4MB입니다.
**Topics**
+ [필수 권한](#r_COPY-permissions)
+ [COPY 구문](#r_COPY-syntax)
+ [필수 파라미터](#r_COPY-syntax-required-parameters)
+ [선택적 파라미터](#r_COPY-syntax-overview-optional-parameters)
+ [COPY 명령에 대한 사용 참고 사항 및 추가 리소스](#r_COPY-using-the-copy-command)
+ [COPY 명령 예시](#r_COPY-using-the-copy-command-examples)
+ [COPY JOB](r_COPY-JOB.md)
+ [템플릿으로 복사](r_COPY-WITH-TEMPLATE.md)
+ [COPY 파라미터 참조](r_COPY-parameters.md)
+ [사용 노트](r_COPY_usage_notes.md)
+ [COPY 예](r_COPY_command_examples.md)
## 필수 권한
COPY 명령을 사용하려면 Amazon Redshift 테이블에 대한 [INSERT](r_GRANT.md#grant-insert) 권한이 필요합니다.
## COPY 구문
```
COPY table-name
[ column-list ]
FROM data_source
authorization
[ [ FORMAT ] [ AS ] data_format ]
[ parameter [ argument ] [, ... ] ]
```
COPY 작업은 테이블 이름과 데이터 원본, 그리고 데이터에 대한 액세스 권한 등 최소 3개 파라미터만 있으면 실행할 수 있습니다.
Amazon Redshift는 COPY 명령의 기능을 연장하여 다수의 데이터 원본에서 몇 가지 데이터 형식으로 데이터를 로드하거나, 데이터 로드를 위한 액세스 권한을 제어하거나, 데이터 변환 및 로드 작업을 관리하는 데도 사용 가능합니다.
이번 섹션에서는 필요한 COPY 명령 파라미터를 제시하면서 함수에 따라 옵션 파라미터를 분류합니다. 각 파라미터와 함께 다양한 옵션 조합의 사용 방법에 대해서도 설명합니다. 알파벳 순서로 정렬된 파라미터 목록을 사용해 파라미터 설명으로 직접 이동할 수 있습니다.
## 필수 파라미터
COPY 명령에는 세 가지 파라미터가 필요합니다.
+ [Table Name](#r_COPY-syntax-overview-table-name)
+ [Data Source](#r_COPY-syntax-overview-data-source)
+ [Authorization](#r_COPY-syntax-overview-credentials)
COPY 명령을 가장 단순하게 사용하면 다음 형식과 같습니다.
```
COPY table-name
FROM data-source
authorization;
```
다음은 CATDEMO라는 이름의 테이블을 생성한 다음 `category_pipe.txt`라는 이름의 Amazon S3 데이터 파일에서 샘플 데이터를 테이블에 로드하는 예입니다.
```
create table catdemo(catid smallint, catgroup varchar(10), catname varchar(10), catdesc varchar(50));
```
다음 예에서 COPY 명령의 데이터 원본은 이름이 `redshift-downloads`인 Amazon S3 버킷의 `tickit` 폴더에 저장된 `category_pipe.txt`라는 데이터 파일입니다. COPY 명령은 AWS Identity and Access Management(IAM) 역할을 통해 Amazon S3 버킷에 액세스할 수 있는 권한이 부여됩니다. 클러스터에 연결되어 있는 기존 IAM 역할에 Amazon S3에 액세스할 수 있는 권한이 부여되어 있으면 다음 COPY 명령에서 해당 역할의 Amazon 리소스 이름(ARN)으로 치환한 후 명령을 실행할 수 있습니다.
```
copy catdemo
from 's3://redshift-downloads/tickit/category_pipe.txt'
iam_role 'arn:aws:iam:::role/'
region 'us-east-1';
```
다른 AWS 리전에서 데이터를 로드하기 위한 지침을 포함하여 COPY 명령으로 샘플 데이터를 로드하는 방법에 대한 전체 지침은 Amazon Redshift 시작 안내서의 [Amazon S3에서 샘플 데이터 로드](https://docs.aws.amazon.com/redshift/latest/gsg/rs-gsg-create-sample-db.html)를 참조하세요.
*table-name*
COPY 명령을 실행할 대상 테이블의 이름입니다. 이 테이블은 사전에 데이터베이스에 존재해야 하며, 임시 테이블일 수도 있고, 영구 테이블일 수도 있습니다. COPY 명령은 새로운 입력 데이터를 테이블의 기존 행에 추가합니다.
FROM *data-source*
대상 테이블에 로드할 원본 테이블의 위치입니다. 일부 데이터 소스로 매니페스트 파일을 지정할 수 있습니다.
가장 공통적으로 사용되는 데이터 리포지토리는 Amazon S3 버킷입니다. 또한 클러스터가 Amazon EMR 클러스터와 Amazon EC2 인스턴스, 또는 SSH 연결을 사용하여 액세스할 수 있는 원격 호스트에 위치한 데이터 파일에서 데이터를 로드하거나, 혹은 DynamoDB 테이블에서 직접 데이터를 로드할 수도 있습니다.
+ [Amazon S3에서 COPY](copy-parameters-data-source-s3.md)
+ [Amazon EMR에서 COPY](copy-parameters-data-source-emr.md)
+ [원격 호스트(SSH)에서 COPY 지원](copy-parameters-data-source-ssh.md)
+ [Amazon DynamoDB에서 COPY](copy-parameters-data-source-dynamodb.md)
승인
클러스터가 다른 AWS 리소스에 액세스하기 위한 인증 및 권한 부여에 사용할 방법을 나타내는 절입니다. COPY 명령을 실행하려면 Amazon S3, Amazon EMR, Amazon DynamoDB, Amazon EC2의 데이터를 포함해 다른 AWS 리소스의 데이터에도 액세스할 수 있도록 권한 부여가 필요합니다. 이러한 권한은 클러스터에 연결되어 있는 IAM 역할을 참조하거나, 혹은 IAM 사용자의 액세스 키 ID와 보안 액세스 키를 입력하면 부여할 수 있습니다.
+ [권한 부여 파라미터](copy-parameters-authorization.md)
+ [역할 기반 액세스 제어](copy-usage_notes-access-permissions.md#copy-usage_notes-access-role-based)
+ [키 기반 액세스 제어](copy-usage_notes-access-permissions.md#copy-usage_notes-access-key-based)
## 선택적 파라미터
또는 COPY에서 필드 데이터를 대상 테이블의 열에 매핑하는 방식을 지정하고, COPY 명령에서 원본 데이터를 제대로 읽고 구문 분석하도록 원본 데이터 속성을 정의하고, 로드 프로세스 중 COPY 명령으로 수행하는 작업을 관리할 수 있습니다.
+ [열 매핑 옵션](copy-parameters-column-mapping.md)
+ [데이터 형식 파라미터](#r_COPY-syntax-overview-data-format)
+ [데이터 변환 파라미터](#r_COPY-syntax-overview-data-conversion)
+ [데이터 로드 작업](#r_COPY-syntax-overview-data-load)
### 열 매핑
기본적으로 COPY 명령은 데이터 파일의 필드 순서와 동일하게 필드 값을 대상 테이블의 열에 삽입합니다. 기본 열 순서가 유효하지 않은 경우에는 열 목록을 지정하거나 JSONPath 표현식을 사용하여 원본 데이터 필드를 대상 열로 매핑할 수 있습니다.
+ [Column List](copy-parameters-column-mapping.md#copy-column-list)
+ [JSONPaths File](copy-parameters-column-mapping.md#copy-column-mapping-jsonpaths)
### 데이터 형식 파라미터
데이터는 텍스트 파일에서 고정 폭, 문자 구분, 쉼표 구분 값(CSV) 또는 JSON 형식으로, 혹은 Avro 파일에서 로드할 수 있습니다.
COPY 명령에서는 기본적으로 원본 데이터가 문자로 구분된 UTF-8 텍스트 파일 형식입니다. 기본 구분자는 파이프 문자(\$1)입니다. 원본 데이터가 다른 형식인 경우에는 다른 파라미터를 사용하여 데이터 형식을 지정합니다.
+ [FORMAT](copy-parameters-data-format.md#copy-format)
+ [CSV](copy-parameters-data-format.md#copy-csv)
+ [DELIMITER](copy-parameters-data-format.md#copy-delimiter)
+ [FIXEDWIDTH](copy-parameters-data-format.md#copy-fixedwidth)
+ [SHAPEFILE](copy-parameters-data-format.md#copy-shapefile)
+ [AVRO](copy-parameters-data-format.md#copy-avro)
+ [JSON format for COPY](copy-parameters-data-format.md#copy-json)
+ [ENCRYPTED](copy-parameters-data-source-s3.md#copy-encrypted)
+ [BZIP2](copy-parameters-file-compression.md#copy-bzip2)
+ [GZIP](copy-parameters-file-compression.md#copy-gzip)
+ [LZOP](copy-parameters-file-compression.md#copy-lzop)
+ [PARQUET](copy-parameters-data-format.md#copy-parquet)
+ [ORC](copy-parameters-data-format.md#copy-orc)
+ [ZSTD](copy-parameters-file-compression.md#copy-zstd)
### 데이터 변환 파라미터
COPY 명령은 테이블에 데이터를 로드할 때 원본 데이터의 문자열을 묵시적으로 대상 열의 데이터 형식으로 변환합니다. 기본 동작과 다른 변환을 지정해야 하거나, 혹은 기본 변환이 오류를 일으킬 때는 다음 파라미터를 지정하여 데이터 변환을 관리할 수 있습니다.
+ [ACCEPTANYDATE](copy-parameters-data-conversion.md#copy-acceptanydate)
+ [ACCEPTINVCHARS](copy-parameters-data-conversion.md#copy-acceptinvchars)
+ [BLANKSASNULL](copy-parameters-data-conversion.md#copy-blanksasnull)
+ [DATEFORMAT](copy-parameters-data-conversion.md#copy-dateformat)
+ [EMPTYASNULL](copy-parameters-data-conversion.md#copy-emptyasnull)
+ [ENCODING](copy-parameters-data-conversion.md#copy-encoding)
+ [ESCAPE](copy-parameters-data-conversion.md#copy-escape)
+ [EXPLICIT_IDS](copy-parameters-data-conversion.md#copy-explicit-ids)
+ [FILLRECORD](copy-parameters-data-conversion.md#copy-fillrecord)
+ [IGNOREBLANKLINES](copy-parameters-data-conversion.md#copy-ignoreblanklines)
+ [IGNOREHEADER](copy-parameters-data-conversion.md#copy-ignoreheader)
+ [NULL AS](copy-parameters-data-conversion.md#copy-null-as)
+ [REMOVEQUOTES](copy-parameters-data-conversion.md#copy-removequotes)
+ [ROUNDEC](copy-parameters-data-conversion.md#copy-roundec)
+ [TIMEFORMAT](copy-parameters-data-conversion.md#copy-timeformat)
+ [TRIMBLANKS](copy-parameters-data-conversion.md#copy-trimblanks)
+ [TRUNCATECOLUMNS](copy-parameters-data-conversion.md#copy-truncatecolumns)
### 데이터 로드 작업
문제 해결을 위해, 혹은 로드 시간을 줄일 목적으로 다음 파라미터를 지정하여 로드 작업의 기본 동작을 관리합니다.
+ [COMPROWS](copy-parameters-data-load.md#copy-comprows)
+ [COMPUPDATE](copy-parameters-data-load.md#copy-compupdate)
+ [IGNOREALLERRORS](copy-parameters-data-load.md#copy-ignoreallerrors)
+ [MAXERROR](copy-parameters-data-load.md#copy-maxerror)
+ [NOLOAD](copy-parameters-data-load.md#copy-noload)
+ [STATUPDATE](copy-parameters-data-load.md#copy-statupdate)
## COPY 명령에 대한 사용 참고 사항 및 추가 리소스
COPY 명령의 사용 방법에 대한 자세한 내용은 아래 주제를 참조하세요.
+ [사용 노트](r_COPY_usage_notes.md)
+ [튜토리얼: Amazon S3에서 데이터 로드](tutorial-loading-data.md)
+ [데이터 로드에 대한 Amazon Redshift 모범 사례](c_loading-data-best-practices.md)
+ [COPY 명령으로 테이블 로드](t_Loading_tables_with_the_COPY_command.md)
+ [Amazon S3에서 데이터 로드](t_Loading-data-from-S3.md)
+ [Amazon EMR에서 데이터 로드](loading-data-from-emr.md)
+ [원격 호스트에서 데이터 로드](loading-data-from-remote-hosts.md)
+ [Amazon DynamoDB 테이블에서 데이터 로드](t_Loading-data-from-dynamodb.md)
+ [데이터 로드 문제 해결](t_Troubleshooting_load_errors.md)
## COPY 명령 예시
다양한 소스에서 다양한 형식으로 다양한 COPY 옵션을 사용하여 COPY를 실행하는 방법을 보여주는 추가 예시는 [COPY 예](r_COPY_command_examples.md) 섹션을 참조하세요.
# COPY JOB
이 명령 사용에 대한 자세한 내용은 [Amazon S3 버킷에서 자동으로 파일을 복사하기 위해 S3 이벤트 통합 만들기](loading-data-copy-job.md) 섹션을 참조하세요.
데이터를 테이블로 로드하는 COPY 명령을 관리합니다. COPY JOB 명령은 COPY 명령의 확장이며 Amazon S3 버킷에서 데이터 로드를 자동화합니다. COPY 작업을 생성하면 Amazon Redshift는 지정된 경로에 새 Amazon S3 파일이 생성되는 시기를 감지한 다음 사용자 개입 없이 자동으로 로드합니다. 원래 COPY 명령에 사용된 것과 동일한 파라미터가 데이터를 로드할 때 사용됩니다. Amazon Redshift는 파일 이름을 기반으로 로드된 파일을 추적하여 한 번만 로드되었는지 확인합니다.
**참고**
사용법, 파라미 및 권한을 비롯한 COPY 명령에 대한 자세한 내용은 [COPY](r_COPY.md) 섹션을 참조하세요.
## 필수 권한
COPY JOB 명령을 사용하려면 COPY를 사용하는 데 필요한 모든 권한 외에도 다음 권한 중 하나가 있어야 합니다.
+ 수퍼유저
+ 다음 모두:
+ COPY 대상 데이터베이스의 COPY JOBS에 대한 관련 CREATE, ALTER 또는 DROP 범위 지정 권한.
+ COPY 대상 스키마에 대한 USAGE 권한 또는 COPY 대상 데이터베이스의 스키마에 대한 USAGE 범위 지정 권한.
+ COPY 대상 테이블에 대한 INSERT 권한 또는 COPY 대상 스키마 또는 데이터베이스의 테이블에 대한 INSERT 범위 지정 권한.
COPY 명령으로 지정된 IAM 역할에는 로드할 데이터에 액세스할 수 있는 권한이 있어야 합니다. 자세한 내용은 [COPY, UNLOAD 및 CREATE LIBRARY 작업을 위한 IAM 권한](copy-usage_notes-access-permissions.md#copy-usage_notes-iam-permissions) 섹션을 참조하세요.
## 구문
COPY 작업을 생성합니다. COPY 명령의 파라미터는 COPY 작업과 함께 저장됩니다.
트랜잭션 블록의 범위 내에서 COPY JOB CREATE를 실행할 수 없습니다.
```
COPY copy-command JOB CREATE job-name
[AUTO ON | OFF]
```
COPY 작업의 구성을 변경합니다.
```
COPY JOB ALTER job-name
[AUTO ON | OFF]
```
COPY 작업을 실행합니다. 저장된 COPY 명령 파라미터가 사용됩니다.
```
COPY JOB RUN job-name
```
모든 COPY 작업을 나열합니다.
```
COPY JOB LIST
```
COPY 작업의 세부 정보를 표시합니다.
```
COPY JOB SHOW job-name
```
COPY 작업을 삭제합니다.
트랜잭션 블록 범위 내에서 COPY JOB DROP을 실행할 수 없습니다.
```
COPY JOB DROP job-name
```
## 파라미터
*copy-command*
Amazon S3에서 Amazon Redshift로 데이터를 로드하는 COPY 명령입니다. 이 절에는 데이터를 로드할 때 사용되는 Amazon S3 버킷, 대상 테이블, IAM 역할 및 기타 파라미터를 정의하는 COPY 파라미터가 포함되어 있습니다. Amazon S3 데이터 로드에 대한 모든 COPY 명령 파라미터는 다음을 제외하고 지원됩니다.
+ COPY JOB은 COPY 명령이 가리키는 폴더에 있는 기존 파일을 수집하지 않습니다. COPY JOB 생성 타임스탬프 이후에 생성된 파일만 수집합니다.
+ MAXERROR 또는 IGNOREALLERRORS 옵션과 함께 COPY 명령을 지정할 수 없습니다.
+ 매니페스트 파일을 지정할 수 없습니다. COPY JOB에는 새로 생성된 파일을 모니터링하기 위해 지정된 Amazon S3 위치가 필요합니다.
+ 액세스 및 비밀 키와 같은 인증 유형으로 COPY 명령을 지정할 수 없습니다. 권한 부여에 `IAM_ROLE` 파라미터를 사용하는 COPY 명령만 지원됩니다. 자세한 내용은 [권한 부여 파라미터](copy-parameters-authorization.md) 섹션을 참조하세요.
+ COPY JOB은 클러스터와 연결된 기본 IAM 역할을 지원하지 않습니다. COPY 명령에서 `IAM_ROLE`을 지정해야 합니다.
자세한 내용은 [Amazon S3에서 COPY](copy-parameters-data-source-s3.md) 섹션을 참조하세요.
*job-name*
COPY 작업을 참조하는 데 사용되는 작업의 이름입니다. *job-name*에는 하이픈(‐)을 사용할 수 없습니다.
[AUTO ON \$1 OFF]
Amazon S3 데이터가 Amazon Redshift 테이블에 자동으로 로드되는지 여부를 나타내는 절입니다.
+ `ON`일 때 Amazon Redshift는 새로 생성된 파일의 소스 Amazon S3 경로를 모니터링하고, 파일이 발견되면 작업 정의의 COPY 파라미터와 함께 COPY 명령이 실행됩니다. 이 값이 기본값입니다.
+ `OFF`일 때 Amazon Redshift는 COPY JOB을 자동으로 실행하지 않습니다.
## 사용 노트
COPY 명령의 옵션은 런타임까지 유효성이 검사되지 않습니다. 예를 들어 잘못된 `IAM_ROLE` 또는 Amazon S3 데이터 소스로 인해 COPY JOB이 시작될 때 런타임 오류가 발생합니다.
클러스터가 일시 중지된 경우 COPY JOBS는 실행되지 않습니다.
로드된 COPY 명령 파일을 쿼리하고 오류를 로드하려면 [STL\$1LOAD\$1COMMITS](r_STL_LOAD_COMMITS.md), [STL\$1LOAD\$1ERRORS](r_STL_LOAD_ERRORS.md), [STL\$1LOADERROR\$1DETAIL](r_STL_LOADERROR_DETAIL.md) 섹션을 참조하세요. 자세한 내용은 [데이터가 올바로 로드되었는지 확인](verifying-that-data-loaded-correctly.md) 섹션을 참조하세요.
COPY JOBS는 읽기 전용 모드에서 작동하므로 제로 ETL 데이터베이스에서는 지원되지 않습니다.
## 예제
다음 예에서는 Amazon S3 버킷에서 데이터를 로드하기 위해 COPY 작업을 생성하는 방법을 보여줍니다.
```
COPY public.target_table
FROM 's3://amzn-s3-demo-bucket/staging-folder'
IAM_ROLE 'arn:aws:iam::123456789012:role/MyLoadRoleName'
JOB CREATE my_copy_job_name
AUTO ON;
```
# 템플릿으로 복사
Redshift 템플릿을 COPY 명령과 함께 사용하여 명령 구문을 단순화하고 데이터 로드 작업 전반에서 일관성을 보장할 수 있습니다. 동일한 형식 지정 파라미터를 반복적으로 지정하는 대신 템플릿에서 한 번 정의하고 COPY 명령에서 템플릿을 참조합니다. 템플릿을 사용하는 경우 COPY 명령은 템플릿의 파라미터를 명령에 직접 지정된 모든 파라미터와 결합합니다. 템플릿과 명령 모두에 동일한 파라미터가 나타나면 명령 파라미터가 우선합니다. 자세한 내용은 [CREATE TEMPLATE](r_CREATE_TEMPLATE.md) 섹션을 참조하세요.
COPY 명령의 템플릿은 다음을 사용하여 생성할 수 있습니다.
+ [데이터 형식 파라미터](copy-parameters-data-format.md)
+ [파일 압축 파라미터](copy-parameters-file-compression.md)
+ [데이터 변환 파라미터](copy-parameters-data-conversion.md)
+ [데이터 로드 작업](copy-parameters-data-load.md)
지원되는 파라미터의 전체 목록은 [COPY](r_COPY.md) 명령을 참조하세요.
## 필수 권한
COPY 명령에서 템플릿을 사용하려면 다음이 필요합니다.
+ COPY 명령을 실행하는 데 필요한 모든 권한([필수 권한](r_COPY.md#r_COPY-permissions) 참조)
+ 다음 템플릿 권한 중 하나입니다.
+ 수퍼유저 권한
+ 템플릿에 대한 USAGE 권한 및 템플릿이 포함된 스키마에 대한 USAGE 권한
## 구문
```
COPY target_table FROM 's3://...'
authorization
[ option, ...]
USING TEMPLATE [database_name.][schema_name.]template_name;
```
## 파라미터
*database\$1name*
(선택 사항) 템플릿이 있는 데이터베이스의 이름입니다. 지정하지 않으면 현재 데이터베이스가 사용됩니다.
*schema\$1name*
(선택 사항) 템플릿이 있는 스키마의 이름입니다. 지정하지 않으면 현재 검색 경로에서 템플릿이 검색됩니다.
*template\$1name*
COPY에서 사용할 템플릿 이름입니다.
## 사용 노트
+ COPY 명령에서 명령별 파라미터(소스, 대상, 권한 부여)를 계속 지정해야 합니다.
+ 템플릿에는 COPY 명령에 대한 매니페스트 파일 사양이 포함될 수 없습니다.
## 예제
다음 예제에서는 템플릿을 생성하고 COPY 명령에서 사용하는 방법을 보여 줍니다.
```
CREATE TEMPLATE public.test_template FOR COPY AS
CSV DELIMITER '|' IGNOREHEADER 1 MAXERROR 100;
COPY public.target_table
FROM 's3://amzn-s3-demo-bucket/staging-folder'
IAM_ROLE 'arn:aws:iam::123456789012:role/MyLoadRoleName'
USING TEMPLATE public.test_template;
```
템플릿과 명령 모두에 파라미터가 있는 경우 명령 파라미터가 우선합니다. 이 예제에서는 `public.test_template` 템플릿에 `DELIMITER '|'` 기호가 포함되어 있지만 COPY 명령이 `DELIMITER ','` 기호를 지정하는 경우 명령의 쉼표 구분 기호(`,`)가 템플릿의 파이프 구분 기호(`|`) 대신 사용됩니다.
```
COPY public.target_table
FROM 's3://amzn-s3-demo-bucket/staging-folder'
IAM_ROLE 'arn:aws:iam::123456789012:role/MyLoadRoleName'
DELIMITER ','
USING TEMPLATE public.test_template;
```
# COPY 파라미터 참조
COPY에는 다양한 상황에서 사용할 수 있는 많은 파라미터가 있습니다. 그러나 각 상황에서 모든 파라미터가 지원되는 것은 아닙니다. 예를 들어 ORC 또는 PARQUET 파일에서 로드하는 경우 지원되는 파라미터 수가 제한되어 있습니다. 자세한 내용은 [열 기반 데이터 형식에서 COPY 명령](copy-usage_notes-copy-from-columnar.md) 섹션을 참조하세요.
**Topics**
+ [데이터 소스](copy-parameters-data-source.md)
+ [권한 부여 파라미터](copy-parameters-authorization.md)
+ [열 매핑 옵션](copy-parameters-column-mapping.md)
+ [데이터 형식 파라미터](copy-parameters-data-format.md)
+ [파일 압축 파라미터](copy-parameters-file-compression.md)
+ [데이터 변환 파라미터](copy-parameters-data-conversion.md)
+ [데이터 로드 작업](copy-parameters-data-load.md)
+ [알파벳 순서의 파라미터 목록](r_COPY-alphabetical-parm-list.md)
# 데이터 소스
클러스터가 Amazon S3 버킷과 Amazon EMR 클러스터 또는 SSH 연결을 사용하여 액세스할 수 있는 원격 호스트에 위치한 텍스트 파일에서 데이터를 로드할 수 있습니다. 또한 DynamoDB 테이블에서도 데이터를 직접 로드할 수 있습니다.
어떤 원본이든지 상관없이 단일 입력 행의 최대 크기는 4MB입니다.
테이블에서 Amazon S3의 파일로 데이터를 내보내려면 [UNLOAD](r_UNLOAD.md) 명령을 사용합니다.
**Topics**
+ [Amazon S3에서 COPY](copy-parameters-data-source-s3.md)
+ [Amazon EMR에서 COPY](copy-parameters-data-source-emr.md)
+ [원격 호스트(SSH)에서 COPY 지원](copy-parameters-data-source-ssh.md)
+ [Amazon DynamoDB에서 COPY](copy-parameters-data-source-dynamodb.md)
# Amazon S3에서 COPY
1개 이상의 S3 버킷에 위치한 파일에서 데이터를 로드하려면 FROM 절을 사용하여 COPY가 Amazon S3의 파일을 찾는 방법을 지정합니다. 데이터 파일의 객체 경로를 FROM 절의 일부로 제공하거나 Amazon S3 객체 경로 목록이 포함된 매니페스트 파일의 위치를 제공할 수 있습니다. Amazon S3에서 COPY는 HTTPS 연결을 사용합니다. S3 IP 범위가 허용 목록에 추가되었는지 확인합니다. 필요한 S3 IP 범위에 대한 자세한 내용은 [네트워크 격리](https://docs.aws.amazon.com//redshift/latest/mgmt/security-network-isolation.html#network-isolation)를 참조하세요.
**중요**
데이터 파일이 위치한 Amazon S3 버킷이 클러스터와 동일한 AWS 리전에 속하지 않을 때는 [REGION](#copy-region) 파라미터를 사용하여 데이터가 위치한 리전을 지정해야 합니다.
**Topics**
+ [구문](#copy-parameters-data-source-s3-syntax)
+ [예제](#copy-parameters-data-source-s3-examples)
+ [선택적 파라미터](#copy-parameters-data-source-s3-optional-parms)
+ [지원되지 않는 파라미터](#copy-parameters-data-source-s3-unsupported-parms)
## 구문
```
FROM { 's3://objectpath' | 's3://manifest_file' }
authorization
| MANIFEST
| ENCRYPTED
| REGION [AS] 'aws-region'
| optional-parameters
```
## 예제
다음은 객체 경로를 사용하여 Amazon S3에서 데이터를 로드하는 예입니다.
```
copy customer
from 's3://amzn-s3-demo-bucket/customer'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole';
```
다음은 매니페스트 파일을 사용하여 Amazon S3에서 데이터를 로드하는 예입니다.
```
copy customer
from 's3://amzn-s3-demo-bucket/cust.manifest'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
manifest;
```
### 파라미터
FROM
로드할 데이터 원본입니다. Amazon S3 파일의 인코딩에 대한 자세한 내용은 [데이터 변환 파라미터](copy-parameters-data-conversion.md) 섹션을 참조하세요.
's3://*copy\$1from\$1s3\$1objectpath*'
데이터가 포함된 Amazon S3 객체의 경로를 지정합니다(예: `'s3://amzn-s3-demo-bucket/custdata.txt'`). *s3://copy\$1from\$1s3\$1objectpath* 파라미터는 단일 파일, 또는 동일한 키 접두사를 갖는 객체 및 폴더 집합을 참조할 수 있습니다. 예를 들어 `custdata.txt`는 `custdata.txt`,`custdata.txt.1`, `custdata.txt.2`, `custdata.txt.bak` 등 다수의 물리적 파일을 참조하는 키 접두사입니다. 키 접두사는 다수의 폴더도 참조할 수 있습니다. 예를 들어 `'s3://amzn-s3-demo-bucket/custfolder'`는 `custfolder`, `custfolder_1`, `custfolder_2` 폴더 등을 참조합니다. 키 접두사가 다수의 폴더를 참조하는 경우 해당 폴더의 모든 파일이 로드됩니다. 키 접두사가 폴더는 물론 파일과도 일치하는 경우(예: `custfolder.log`) COPY가 파일도 로드하려고 합니다. 이처럼 키 접두사로 인해 COPY 명령이 불필요한 파일까지 로드하려고 할 때는 매니페스트 파일을 사용하세요. 자세한 내용은 다음 자료를 참조하세요.[copy_from_s3_manifest_file](#copy-manifest-file)
데이터 파일이 위치한 S3 버킷이 클러스터와 동일한 AWS 리전에 속하지 않을 때는 [REGION](#copy-region) 파라미터를 사용하여 데이터가 위치한 리전을 지정해야 합니다.
자세한 내용은 [Amazon S3에서 데이터 로드](t_Loading-data-from-S3.md) 섹션을 참조하세요.
's3://*copy\$1from\$1s3\$1manifest\$1file*'
로드할 데이터 파일을 나열하는 매니페스트 파일에 Amazon S3 객체 키를 지정합니다. *'s3://*copy\$1from\$1s3\$1manifest\$1file'** 인수는 단일 파일을 명시적으로 참조해야 합니다(예: `'s3://amzn-s3-demo-bucket/manifest.txt'`). 키 접두사를 참조할 수는 없습니다.
매니페스트란 Amazon S3에서 로드할 개별 파일의 URL을 JSON 형식으로 나열한 텍스트 파일을 말합니다. URL에는 파일의 버킷 이름과 전체 객체 경로가 포함됩니다. 매니페스트에서 지정되는 파일이 서로 다른 버킷에 있을 수 있지만 모든 버킷은 Amazon Redshift 클러스터와 동일한 AWS 리전에 속해야 합니다. 파일이 두 번 나열되면 마찬가지로 두 번 로드됩니다. 다음은 3개의 파일을 로드하는 매니페스트의 JSON 형식을 나타낸 예입니다.
```
{
"entries": [
{"url":"s3://amzn-s3-demo-bucket1/custdata.1","mandatory":true},
{"url":"s3://amzn-s3-demo-bucket1/custdata.2","mandatory":true},
{"url":"s3://amzn-s3-demo-bucket2/custdata.1","mandatory":false}
]
}
```
큰따옴표가 필요하며, 기울어진 따옴표나 "스마트" 따옴표가 아닌 단순한 따옴표(0x22)여야 합니다. 매니페스트의 각 항목은 옵션으로 `mandatory` 플래그를 추가할 수 있습니다. `mandatory`가 `true`로 설정된 경우 해당 항목에서 파일을 찾지 못하면 COPY 명령이 종료되고, 그렇지 않으면 COPY 명령이 계속 됩니다. `mandatory`의 기본값은 `false`입니다.
ORC 또는 Parquet 형식의 데이터 파일에서 불러올 경우 다음 예에 나와 있는 것처럼 `meta` 필드가 필요합니다.
```
{
"entries":[
{
"url":"s3://amzn-s3-demo-bucket1/orc/2013-10-04-custdata",
"mandatory":true,
"meta":{
"content_length":99
}
},
{
"url":"s3://amzn-s3-demo-bucket2/orc/2013-10-05-custdata",
"mandatory":true,
"meta":{
"content_length":99
}
}
]
}
```
매니페스트 파일에서도 ENCRYPTED, GZIP, LZOP, BZIP2 또는 ZSTD 옵션이 지정되지만 암호화하거나 압축해서는 안 됩니다. 지정된 매니페스트 파일을 찾지 못하거나, 혹은 매니페스트 파일의 형식이 잘못되면 COPY 명령이 오류를 반환합니다.
매니페스트 파일을 사용할 때는 COPY 명령에서 MANIFEST 파라미터를 지정해야 합니다. MANIFEST 파라미터를 지정하지 않으면 COPY가 FROM에서 지정한 파일이 데이터 파일인 것으로 간주합니다.
자세한 내용은 [Amazon S3에서 데이터 로드](t_Loading-data-from-S3.md) 섹션을 참조하세요.
*권한 부여*
COPY 명령을 실행하려면 Amazon S3, Amazon EMR, Amazon DynamoDB, Amazon EC2의 데이터를 포함해 다른 AWS 리소스의 데이터에도 액세스할 수 있도록 권한 부여가 필요합니다. 권한은 클러스터에 연결되는 AWS Identity and Access Management(IAM) 역할을 참조하거나(역할 기반 액세스 제어) 사용자의 액세스 자격 증명을 입력하면(키 기반 액세스 제어) 부여할 수 있습니다. 보안과 유연성을 높이려면 IAM 역할 기반 액세스 제어를 권장합니다. 자세한 내용은 [권한 부여 파라미터](copy-parameters-authorization.md) 섹션을 참조하세요.
MANIFEST
Amazon S3에서 로드할 데이터 파일을 식별할 때 매니페스트를 사용하도록 지정합니다. MANIFEST 파라미터를 사용하는 경우에는 COPY 명령이 *'s3://copy\$1from\$1s3\$1manifest\$1file'*에서 참조하는 매니페스트 파일에 나열된 파일에서 데이터를 로드합니다. 매니페스트 파일을 찾지 못하거나, 혹은 잘못된 형식일 때는 COPY가 중단됩니다. 자세한 내용은 [매니페스트를 사용하여 데이터 파일 지정](loading-data-files-using-manifest.md) 섹션을 참조하세요.
Encrypted
고객 관리형 키를 사용하는 클라이언트 측 암호화로 Amazon S3의 입력 파일을 암호화하도록 지정하는 절입니다. 자세한 내용은 [Amazon S3에서 암호화된 데이터 파일 로드](c_loading-encrypted-files.md) 섹션을 참조하세요. 입력 파일이 Amazon S3 서버 측 암호화(SSE-KMS 또는 SSE-S3)로 암호화되어 있는 경우에는 ENCRYPTED를 지정하지 마세요. COPY가 자동으로 서버 측 암호화 파일을 읽습니다.
ENCRYPTED 파라미터를 지정하는 경우에는 [MASTER_SYMMETRIC_KEY](#copy-master-symmetric-key) 파라미터도 지정하거나, 혹은 **master\$1symmetric\$1key** 값을 [CREDENTIALS 파라미터 사용](copy-parameters-authorization.md#copy-credentials) 문자열에 추가해야 합니다.
암호화된 파일이 압축 형식일 때는 GZIP, LZOP, BZIP2 또는 ZSTD 파라미터를 추가하세요.
ENCRYPTED 옵션을 지정하더라도 매니페스트 파일과 JSONPaths 파일을 암호화해서는 안 됩니다.
MASTER\$1SYMMETRIC\$1KEY '*root\$1key*'
Amazon S3에서 데이터 파일을 암호화할 때 사용되는 루트 대칭 키입니다. MASTER\$1SYMMETRIC\$1KEY를 지정하면 [ENCRYPTED](#copy-encrypted) 파라미터도 지정해야 합니다. MASTER\$1SYMMETRIC\$1KEY를 CREDENTIALS 파라미터와 함께 사용할 수는 없습니다. 자세한 내용은 [Amazon S3에서 암호화된 데이터 파일 로드](c_loading-encrypted-files.md) 섹션을 참조하세요.
암호화된 파일이 압축 형식일 때는 GZIP, LZOP, BZIP2 또는 ZSTD 파라미터를 추가하세요.
REGION [AS] '*aws-region*'
원본 데이터가 위치한 AWS 리전을 지정합니다. 데이터가 위치한 AWS 리소스가 Amazon Redshift 클러스터와 동일한 리전에 속하지 않을 때는 Amazon S3 버킷 또는 DynamoDB 테이블에서 COPY를 실행하려면 REGION이 필요합니다.
*aws\$1region*의 값은 [Amazon Redshift 리전 및 엔드포인트](https://docs.aws.amazon.com/general/latest/gr/rande.html#redshift_region) 표에 나와 있는 리전과 일치해야 합니다.
REGION 파라미터를 지정하면 매니페스트 파일 또는 여러 Amazon S3 버킷을 포함한 모든 리소스가 지정한 리전에 위치해야 합니다.
리전 간 데이터를 전송하면 데이터가 있는 Amazon S3 버킷 또는 DynamoDB 테이블을 대상으로 추가 요금이 발생합니다. 요금에 대한 자세한 내용은 [Amazon S3 요금](https://aws.amazon.com/s3/pricing/) 페이지의 **Amazon S3에서 다른 AWS 리전으로 데이터 전송** 및 [Amazon DynamoDB 요금](https://aws.amazon.com/dynamodb/pricing/) 페이지의 **데이터 전송(발신)** 섹션을 참조하세요.
기본적으로 COPY의 경우 데이터가 Amazon Redshift 클러스터와 동일한 리전에 위치한다고 가정합니다.
## 선택적 파라미터
Amazon S3에서 COPY를 지원할 때는 다음 파라미터를 옵션으로 지정할 수 있습니다.
+ [열 매핑 옵션](copy-parameters-column-mapping.md)
+ [데이터 형식 파라미터](copy-parameters-data-format.md#copy-data-format-parameters)
+ [데이터 변환 파라미터](copy-parameters-data-conversion.md)
+ [데이터 로드 작업](copy-parameters-data-load.md)
## 지원되지 않는 파라미터
Amazon S3에서 COPY를 지원할 때는 다음 파라미터를 사용할 수 없습니다.
+ SSH
+ READRATIO
# Amazon EMR에서 COPY
COPY 명령을 사용하면 클러스터의 Hadoop 분산 파일 시스템(HDFS)에 고정 폭 파일, 문자로 구분된 파일, CSV 파일, JSON 파일 또는 Avro 파일 형식으로 텍스트 파일을 쓰도록 구성된 Amazon EMR 클러스터에서 병렬로 데이터를 로드할 수 있습니다.
**Topics**
+ [구문](#copy-parameters-data-source-emr-syntax)
+ [예제](#copy-parameters-data-source-emr-example)
+ [파라미터](#copy-parameters-data-source-emr-parameters)
+ [지원되는 파라미터](#copy-parameters-data-source-emr-optional-parms)
+ [지원되지 않는 파라미터](#copy-parameters-data-source-emr-unsupported-parms)
## 구문
```
FROM 'emr://emr_cluster_id/hdfs_filepath'
authorization
[ optional_parameters ]
```
## 예제
다음은 Amazon EMR 클러스터에서 데이터를 로드하는 예입니다.
```
copy sales
from 'emr://j-SAMPLE2B500FC/myoutput/part-*'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole';
```
## 파라미터
FROM
로드할 데이터 원본입니다.
'emr://*emr\$1cluster\$1id*/*hdfs\$1file\$1path*'
COPY 명령에서 데이터 파일을 참조하는 Amazon EMR 클러스터 및 HDFS 파일 경로의 고유 식별자입니다. HDFS 데이터 파일 이름에는 와일드카드 문자인 별표(\$1)와 물음표(?)가 포함되어서는 안 됩니다.
Amazon EMR 클러스터는 COPY 작업이 완료될 때까지 계속 실행되어야 합니다. COPY 작업을 마치기 전에 HDFS 데이터 파일이 하나라도 변경되거나 삭제되면 예상하지 못한 결과가 나오거나 COPY 작업이 중단될 수 있습니다.
와일드카드 문자인 별표(\$1)와 물음표(?)를 *hdfs\$1file\$1path* 인수에 사용하여 다수의 파일을 로드하도록 지정할 수 있습니다. 예를 들어 `'emr://j-SAMPLE2B500FC/myoutput/part*'`는 파일 `part-0000`, `part-0001` 등을 식별합니다. 와일드카드 문자가 없는 파일 경로는 문자열 리터럴로 처리됩니다. 폴더 이름만 지정하면 COPY가 폴더의 모든 파일을 로드하려고 합니다.
와일드카드 문자를 사용하거나 폴더 이름만 사용하는 경우에는 불필요한 파일이 로드되지 않는지 확인하세요. 예를 들어 일부 프로세스에서는 로그 파일이 출력 폴더로 로드되는 경우도 있습니다.
자세한 내용은 [Amazon EMR에서 데이터 로드](loading-data-from-emr.md) 섹션을 참조하세요.
*권한 부여*
COPY 명령을 실행하려면 Amazon S3, Amazon EMR, Amazon DynamoDB, Amazon EC2의 데이터를 포함해 다른 AWS 리소스의 데이터에도 액세스할 수 있도록 권한 부여가 필요합니다. 권한은 클러스터에 연결되는 AWS Identity and Access Management(IAM) 역할을 참조하거나(역할 기반 액세스 제어) 사용자의 액세스 자격 증명을 입력하면(키 기반 액세스 제어) 부여할 수 있습니다. 보안과 유연성을 높이려면 IAM 역할 기반 액세스 제어를 권장합니다. 자세한 내용은 [권한 부여 파라미터](copy-parameters-authorization.md) 섹션을 참조하세요.
## 지원되는 파라미터
Amazon EMR에서 COPY를 지원할 때는 다음 파라미터를 옵션으로 지정할 수 있습니다.
+ [열 매핑 옵션](copy-parameters-column-mapping.md)
+ [데이터 형식 파라미터](copy-parameters-data-format.md#copy-data-format-parameters)
+ [데이터 변환 파라미터](copy-parameters-data-conversion.md)
+ [데이터 로드 작업](copy-parameters-data-load.md)
## 지원되지 않는 파라미터
Amazon EMR에서 COPY를 지원할 때는 다음 파라미터를 사용할 수 없습니다.
+ Encrypted
+ MANIFEST
+ REGION
+ READRATIO
+ SSH
# 원격 호스트(SSH)에서 COPY 지원
COPY 명령을 사용하면 Amazon Elastic Compute Cloud(Amazon EC2) 인스턴스나 다른 컴퓨터 같은 하나 이상의 원격 호스트에서 병렬로 파일을 로드할 수 있습니다. COPY는 SSH(Secure Shell)을 사용하여 원격 호스트에 연결하고 원격 호스트에서 명령을 실행해 텍스트 출력을 생성합니다. 원격 호스트는 EC2 Linux 인스턴스이거나 SSH 연결을 허용하도록 구성된 다른 Unix 또는 Linux 컴퓨터일 수 있습니다. Amazon Redshift는 여러 호스트에 연결할 수 있으며 각 호스트에 대해 여러 SSH 연결을 열 수 있습니다. Amazon Redshift는 각 연결을 통해 고유한 명령을 전송하여 호스트의 표준 출력에 대한 텍스트 출력을 생성합니다. 그러면 Amazon Redshift가 텍스트 파일을 읽을 때 텍스트 출력을 읽습니다.
FROM 절은 매니페스트 파일에 Amazon S3 객체 키를 지정할 때 사용합니다. 매니페스트 파일은 COPY가 SSH 연결을 열어 원격 명령을 실행할 때 사용할 정보를 제공합니다.
**Topics**
+ [구문](#copy-parameters-data-source-ssh-syntax)
+ [예제](#copy-parameters-data-source-ssh-examples)
+ [파라미터](#copy-parameters-data-source-ssh-parameters)
+ [선택적 파라미터](#copy-parameters-data-source-ssh-optional-parms)
+ [지원되지 않는 파라미터](#copy-parameters-data-source-ssh-unsupported-parms)
**중요**
매니페스트 파일이 위치한 S3 버킷이 클러스터와 동일한 AWS 리전에 속하지 않을 때는 REGION 파라미터를 사용하여 버킷이 위치한 리전을 지정해야 합니다.
## 구문
```
FROM 's3://'ssh_manifest_file' }
authorization
SSH
| optional-parameters
```
## 예제
다음은 매니페스트 파일을 사용하여 원격 호스트에서 SSH 연결을 통해 데이터를 로드하는 예입니다.
```
copy sales
from 's3://amzn-s3-demo-bucket/ssh_manifest'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
ssh;
```
## 파라미터
FROM
로드할 데이터 원본입니다.
's3://*copy\$1from\$1ssh\$1manifest\$1file*'
COPY 명령은 SSH를 사용하여 다수의 호스트에 연결할 뿐만 아니라 각 호스트마다 SSH 연결을 생성할 수 있습니다. 이렇게 생성된 각 호스트 연결을 통해 명령을 실행하고, 명령을 통해 출력되는 데이터를 병렬 방식으로 테이블에 로드합니다. *s3://copy\$1from\$1ssh\$1manifest\$1file* 인수는 매니페스트 파일에 Amazon S3 객체 키를 지정합니다. 매니페스트 파일은 COPY가 SSH 연결을 열어 원격 명령을 실행할 때 사용할 정보를 제공합니다.
*s3://copy\$1from\$1ssh\$1manifest\$1file* 인수는 명시적으로 단일 파일을 참조해야 합니다. 이때 파일은 키 접두사가 될 수 없습니다. 다음은 그 한 예입니다.
```
's3://amzn-s3-demo-bucket/ssh_manifest.txt'
```
매니페스트 파일은 Amazon Redshift가 호스트에 연결하는 데 사용하는 JSON 형식의 텍스트 파일입니다. 매니페스트 파일은 SSH 호스트 엔드포인트를 비롯해 호스트에서 데이터를 Amazon Redshift에 반환할 때 실행하는 명령을 지정합니다. 필요한 경우, 호스트 퍼블릭 키, 로그인 사용자 이름 및 각 항목의 필수 플래그를 포함시킬 수 있습니다. 다음은 SSH 연결 2개를 생성하는 매니페스트 파일 예입니다.
```
{
"entries": [
{"endpoint":"",
"command": "",
"mandatory":true,
"publickey": "",
"username": ""},
{"endpoint":"",
"command": "",
"mandatory":true,
"publickey": "",
"username": ""}
]
}
```
매니페스트 파일에는 SSH 연결마다 `"entries"` 구문이 하나씩 포함됩니다. 단일 호스트에 다중 연결을, 혹은 다수의 호스트에 다중 연결을 생성할 수 있습니다. 표시된 대로 필드 이름과 값 모두에 큰따옴표가 필요하며, 기울어진 따옴표나 "스마트" 따옴표가 아닌 단순한 따옴표(0x22)여야 합니다. 큰따옴표가 필요하지 않은 유일한 값은 `"mandatory"` 필드의 부울 값인 `true` 또는 `false`입니다.
다음 표에서는 매니페스트 파일의 속성을 설명합니다.
엔드포인트
호스트의 URL 주소 또는 IP 주소(예: `"ec2-111-222-333.compute-1.amazonaws.com"` 또는 `"198.51.100.0"`).
명령
호스트에서 gzip, lzop, bzip2 또는 zstd 형식으로 텍스트 출력 또는 이진수 출력을 생성할 때 실행하는 명령입니다. 명령은 사용자 *"host\$1user\$1name"*이 실행 권한을 갖고 있는 어떤 명령도 될 수 있습니다. 명령은 파일 인쇄처럼 간단할 수도 있고 데이터베이스 쿼리나 스크립트 시작이 될 수도 있습니다. 출력(텍스트 파일, gzip 이진 파일, lzop 이진 파일 또는 bzip2 이진 파일)은 Amazon Redshift COPY 명령이 수집할 수 있는 형식이어야 합니다. 자세한 내용은 [입력 데이터 준비](t_preparing-input-data.md) 섹션을 참조하세요.
publickey
(옵션) 호스트의 퍼블릭 키입니다. 퍼블릭 키를 입력하면 Amazon Redshift가 호스트를 식별하는 데 이 키를 사용합니다. 퍼블릭 키를 입력하지 않으면 Amazon Redshift가 호스트를 식별하지 않습니다. 예를 들어 원격 호스트의 퍼블릭 키가 `ssh-rsa AbcCbaxxx…Example root@amazon.com`인 경우에는 publickey 필드에 `"AbcCbaxxx…Example"` 텍스트를 입력하세요.
mandatory
(옵션) 연결 시도가 실패할 경우 COPY 명령의 중단 여부를 나타내는 절입니다. 기본값은 `false`입니다. Amazon Redshift가 하나 이상 연결에 성공하지 못하면 COPY 명령이 중단됩니다.
사용자 이름
(옵션) 호스트 시스템에 로그온하고 원격 명령을 실행하기 위해 사용할 사용자 이름입니다. 사용자 로그인 이름은 권한이 부여된 호스트 키 파일에 Amazon Redshift 클러스터의 퍼블릭 키를 추가할 때 사용한 로그인 이름과 동일해야 합니다. 기본 위치는 `redshift`입니다.
매니페스트 파일 생성에 대한 자세한 내용은 [데이터 로드 프로세스](loading-data-from-remote-hosts.md#load-from-host-process) 섹션을 참조하세요.
원격 호스트에서 COPY를 지원할 때는 COPY 명령에서 SSH 파라미터를 지정해야 합니다. SSH 파라미터를 지정하지 않으면 COPY가 FROM에서 지정한 파일이 데이터 파일인 것으로 간주하여 중단되고 맙니다.
자동 압축을 사용하는 경우 COPY 명령은 데이터 읽기 작업을 2회 실행합니다. 즉, 원격 명령을 2회 실행합니다. 첫 번째 읽기 작업은 압축 분석을 위한 데이터 샘플을 제공하기 위한 것이며, 두 번째 읽기 작업에서 실제로 데이터를 로드합니다. 원격 명령 2회 실행이 문제를 일으킬 수 있는 경우에는 자동 압축을 비활성화해야 합니다. 자동 압축을 비활성화하려면 COMPUPDATE 파라미터를 OFF로 설정하여 COPY 명령을 실행합니다. 자세한 내용은 [자동 압축을 사용하여 테이블 로드](c_Loading_tables_auto_compress.md) 섹션을 참조하세요.
SSH에서 COPY를 사용하는 자세한 절차는 [원격 호스트에서 데이터 로드](loading-data-from-remote-hosts.md) 섹션을 참조하세요.
*권한 부여*
COPY 명령을 실행하려면 Amazon S3, Amazon EMR, Amazon DynamoDB, Amazon EC2의 데이터를 포함해 다른 AWS 리소스의 데이터에도 액세스할 수 있도록 권한 부여가 필요합니다. 권한은 클러스터에 연결되는 AWS Identity and Access Management(IAM) 역할을 참조하거나(역할 기반 액세스 제어) 사용자의 액세스 자격 증명을 입력하면(키 기반 액세스 제어) 부여할 수 있습니다. 보안과 유연성을 높이려면 IAM 역할 기반 액세스 제어를 권장합니다. 자세한 내용은 [권한 부여 파라미터](copy-parameters-authorization.md) 섹션을 참조하세요.
SSH
원격 호스트에서 데이터를 로드할 때 SSH 프로토콜을 사용하도록 지정하는 절입니다. SSH를 지정하는 경우에는 [s3://copy_from_ssh_manifest_file](#copy-ssh-manifest) 인수를 사용하여 매니페스트 파일도 지정해야 합니다.
SSH를 사용하여 원격 VPC에서 프라이빗 IP 주소를 사용하는 호스트에서 복사하는 경우 VPC는 향상된 VPC 라우팅을 사용하도록 설정해야 합니다. Enhanced VPC Routing에 대한 자세한 내용은 [Amazon Redshift Enhanced VPC Routing](https://docs.aws.amazon.com/redshift/latest/mgmt/enhanced-vpc-routing.html) 섹션을 참조하세요.
## 선택적 파라미터
SSH 연결을 통해 COPY를 사용할 때는 다음 파라미터를 옵션으로 지정할 수 있습니다.
+ [열 매핑 옵션](copy-parameters-column-mapping.md)
+ [데이터 형식 파라미터](copy-parameters-data-format.md#copy-data-format-parameters)
+ [데이터 변환 파라미터](copy-parameters-data-conversion.md)
+ [데이터 로드 작업](copy-parameters-data-load.md)
## 지원되지 않는 파라미터
SSH에서 COPY를 사용할 때는 다음 파라미터를 사용할 수 없습니다.
+ Encrypted
+ MANIFEST
+ READRATIO
# Amazon DynamoDB에서 COPY
기존 DynamoDB 테이블에서 데이터를 로드할 때는 FROM 절을 사용하여 DynamoDB 테이블 이름을 지정합니다.
**Topics**
+ [구문](#copy-parameters-data-source-dynamodb-syntax)
+ [예제](#copy-parameters-data-source-dynamodb-examples)
+ [선택적 파라미터](#copy-parameters-data-source-dynamodb-optional-parms)
+ [지원되지 않는 파라미터](#copy-parameters-data-source-dynamodb-unsupported-parms)
**중요**
DynamoDB 테이블이 Amazon Redshift 클러스터와 동일한 리전에 속하지 않는 경우에는 REGION 파라미터를 사용하여 데이터가 위치한 리전을 지정해야 합니다.
## 구문
```
FROM 'dynamodb://table-name'
authorization
READRATIO ratio
| REGION [AS] 'aws_region'
| optional-parameters
```
## 예제
다음은 DynamoDB 테이블에서 데이터를 로드하는 예입니다.
```
copy favoritemovies from 'dynamodb://ProductCatalog'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
readratio 50;
```
### 파라미터
FROM
로드할 데이터 원본입니다.
'dynamodb://*table-name*'
데이터가 들어 있는 DynamoDB 테이블의 이름입니다(예: `'dynamodb://ProductCatalog'`). DynamoDB 속성과 Amazon Redshift 열의 매핑 방식에 대한 자세한 내용은 [Amazon DynamoDB 테이블에서 데이터 로드](t_Loading-data-from-dynamodb.md) 섹션을 참조하세요.
DynamoDB 테이블 이름은 AWS 계정에서 고유하여 AWS 액세스 자격 증명으로 식별됩니다.
*권한 부여*
COPY 명령을 실행하려면 Amazon S3, Amazon EMR, DynamoDB, Amazon EC2의 데이터를 포함해 다른 AWS 리소스의 데이터에도 액세스할 수 있도록 권한 부여가 필요합니다. 권한은 클러스터에 연결되는 AWS Identity and Access Management(IAM) 역할을 참조하거나(역할 기반 액세스 제어) 사용자의 액세스 자격 증명을 입력하면(키 기반 액세스 제어) 부여할 수 있습니다. 보안과 유연성을 높이려면 IAM 역할 기반 액세스 제어를 권장합니다. 자세한 내용은 [권한 부여 파라미터](copy-parameters-authorization.md) 섹션을 참조하세요.
READRATIO [AS] *ratio*
DynamoDB 테이블에서 데이터 로드에 사용할 프로비저닝 처리량의 비율입니다. READRATIO는 DynamoDB에서 COPY에 필요합니다. Amazon S3에서 COPY를 지원할 때는 사용할 수 없습니다. 이 비율은 사용되지 않는 평균 프로비저닝 처리량 미만의 값으로 설정하는 것이 좋습니다. 유효한 값은 1\$1200의 정수입니다.
READRATIO를 100 이상으로 설정하면 Amazon Redshift가 DynamoDB 테이블의 프로비저닝된 처리량을 완전히 소비하여 COPY 세션 도중 동일한 테이블에 대한 동시 읽기 작업 성능을 심각하게 떨어뜨릴 수 있습니다. 쓰기 트래픽은 영향을 받지 않습니다. 100보다 높은 값일 때는 Amazon Redshift가 테이블의 프로비저닝 처리량을 충족하지 못하는 드문 경우의 문제를 해결할 수 있습니다. DynamoDB에서 Amazon Redshift로 데이터를 지속적으로 로드하는 경우에는 DynamoDB 테이블을 시계열로 구성하여 COPY 작업에서 실시간 트래픽을 분리하는 것이 좋습니다.
## 선택적 파라미터
Amazon DynamoDB에서 COPY를 지원할 때는 다음 파라미터를 옵션으로 지정할 수 있습니다.
+ [열 매핑 옵션](copy-parameters-column-mapping.md)
+ 지원되는 데이터 변환 파라미터는 다음과 같습니다.
+ [ACCEPTANYDATE](copy-parameters-data-conversion.md#copy-acceptanydate)
+ [BLANKSASNULL](copy-parameters-data-conversion.md#copy-blanksasnull)
+ [DATEFORMAT](copy-parameters-data-conversion.md#copy-dateformat)
+ [EMPTYASNULL](copy-parameters-data-conversion.md#copy-emptyasnull)
+ [ROUNDEC](copy-parameters-data-conversion.md#copy-roundec)
+ [TIMEFORMAT](copy-parameters-data-conversion.md#copy-timeformat)
+ [TRIMBLANKS](copy-parameters-data-conversion.md#copy-trimblanks)
+ [TRUNCATECOLUMNS](copy-parameters-data-conversion.md#copy-truncatecolumns)
+ [데이터 로드 작업](copy-parameters-data-load.md)
## 지원되지 않는 파라미터
DynamoDB에서 COPY를 지원할 때는 다음 파라미터를 사용할 수 없습니다.
+ 모든 데이터 형식 파라미터
+ ESCAPE
+ FILLRECORD
+ IGNOREBLANKLINES
+ IGNOREHEADER
+ NULL
+ REMOVEQUOTES
+ ACCEPTINVCHARS
+ MANIFEST
+ Encrypted
# 권한 부여 파라미터
COPY 명령을 실행하려면 Amazon S3, Amazon EMR, Amazon DynamoDB, Amazon EC2의 데이터를 포함해 다른 AWS 리소스의 데이터에도 액세스할 수 있도록 권한 부여가 필요합니다. 클러스터에 연결되어 있는 [AWS Identity and Access Management(IAM) 역할](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles.html)을 참조하여 이러한 권한을 부여할 수 있습니다(*역할 기반 액세스 제어*). Amazon S3에서 로드 데이터를 암호화할 수 있습니다.
아래 주제에서는 더욱 자세한 내용과 함께 인증 옵션의 예를 살펴보겠습니다.
+ [COPY, UNLOAD 및 CREATE LIBRARY 작업을 위한 IAM 권한](copy-usage_notes-access-permissions.md#copy-usage_notes-iam-permissions)
+ [역할 기반 액세스 제어](copy-usage_notes-access-permissions.md#copy-usage_notes-access-role-based)
+ [키 기반 액세스 제어](copy-usage_notes-access-permissions.md#copy-usage_notes-access-key-based)
COPY 명령에서는 다음 중 한 가지를 사용하여 권한을 부여합니다.
+ [IAM\$1ROLE 파라미터 사용](#copy-iam-role) 파라미터
+ [ACCESS\$1KEY\$1ID 및 SECRET\$1ACCESS\$1KEY 파라미터 사용](#copy-access-key-id) 파라미터
+ [CREDENTIALS 파라미터 사용](#copy-credentials) 절
## IAM\$1ROLE 파라미터 사용
### IAM\$1ROLE
기본 키워드를 사용하여 COPY 명령이 실행될 때 Amazon Redshift에서 기본값으로 설정되고 클러스터와 연결된 IAM 역할을 사용하도록 합니다.
클러스터가 인증 및 권한 부여에 사용하는 IAM 역할의 Amazon 리소스 이름(ARN)을 사용합니다. IAM\$1ROLE을 지정하면 ACCESS\$1KEY\$1ID 및 SECRET\$1ACCESS\$1KEY, SESSION\$1TOKEN 또는 CREDENTIALS는 사용할 수 없습니다.
다음은 IAM\$1ROLE 파라미터에 대한 구문을 나타낸 것입니다.
```
IAM_ROLE { default | 'arn:aws:iam:::role/' }
```
자세한 내용은 [역할 기반 액세스 제어](copy-usage_notes-access-permissions.md#copy-usage_notes-access-role-based) 섹션을 참조하세요.
## ACCESS\$1KEY\$1ID 및 SECRET\$1ACCESS\$1KEY 파라미터 사용
### ACCESS\$1KEY\$1ID, SECRET\$1ACCESS\$1KEY
이 권한 부여 방법은 권장되지 않습니다.
**참고**
일반 텍스트로 입력되는 액세스 자격 증명보다는 IAM\$1ROLE 파라미터를 지정하는 역할 기반 인증의 사용을 강력하게 권장합니다. 자세한 내용은 [역할 기반 액세스 제어](copy-usage_notes-access-permissions.md#copy-usage_notes-access-role-based) 섹션을 참조하세요.
### SESSION\$1TOKEN
임시 액세스 자격 증명으로 사용되는 세션 토큰입니다. SESSION\$1TOKEN을 지정할 때도 ACCESS\$1KEY\$1ID와 SECRET\$1ACCESS\$1KEY를 사용하여 임시 액세스 키 자격 증명을 입력해야 합니다. SESSION\$1TOKEN을 지정하면 IAM\$1ROLE 또는 CREDENTIALS는 사용할 수 없습니다. 자세한 내용은 IAM 사용 설명서에서 [임시 보안 자격 증명](copy-usage_notes-access-permissions.md#r_copy-temporary-security-credentials) 섹션을 참조하세요.
**참고**
임시 보안 자격 증명을 생성하는 것보다는 역할 기반 인증의 사용을 강력하게 권장합니다. IAM 역할을 사용하여 권한을 부여하면 Amazon Redshift가 각 세션마다 임시 사용자 자격 증명을 자동으로 생성합니다. 자세한 내용은 [역할 기반 액세스 제어](copy-usage_notes-access-permissions.md#copy-usage_notes-access-role-based) 섹션을 참조하세요.
다음은 ACCESS\$1KEY\$1ID 및 SECRET\$1ACCESS\$1KEY 파라미터를 사용한 SESSION\$1TOKEN 파라미터의 구문 예입니다.
```
ACCESS_KEY_ID ''
SECRET_ACCESS_KEY ''
SESSION_TOKEN '';
```
SESSION\$1TOKEN을 지정하면 CREDENTIALS 또는 IAM\$1ROLE은 사용할 수 없습니다.
## CREDENTIALS 파라미터 사용
### CREDENTIALS
클러스터가 데이터 파일 또는 매니페스트 파일이 위치한 다른 AWS 리소스에 액세스할 때 사용할 방법을 나타내는 절입니다. CREDENTIALS 파라미터는 IAM\$1ROLE 또는 ACCESS\$1KEY\$1ID 및 SECRET\$1ACCESS\$1KEY와 함께 사용할 수 없습니다.
다음은 CREDENTIALS 파라미터에 대한 구문을 보여줍니다.
```
[WITH] CREDENTIALS [AS] 'credentials-args'
```
**참고**
유연성을 높이려면 CREDENTIALS 파라미터 대신 [IAM\$1ROLE](#copy-iam-role-iam) 파라미터를 사용하는 것이 좋습니다.
옵션으로 [ENCRYPTED](copy-parameters-data-source-s3.md#copy-encrypted) 파라미터를 사용하는 경우에는 *credentials-args* 문자열 역시 암호화 키의 역할을 합니다.
*credentials-args* 문자열은 대소문자를 구분하며 공백이 포함되어서는 안됩니다.
키워드 WITH와 AS는 옵션이며 무시해도 좋습니다.
[role-based access control](copy-usage_notes-access-permissions.md#copy-usage_notes-access-role-based.phrase) 또는 [key-based access control](copy-usage_notes-access-permissions.md#copy-usage_notes-access-key-based.phrase)를 지정할 수 있습니다. 어떤 액세스 제어를 지정하든 간에 IAM 역할 또는 사용자는 지정한 AWS 리소스에 액세스할 수 있는 권한이 필요합니다. 자세한 내용은 [COPY, UNLOAD 및 CREATE LIBRARY 작업을 위한 IAM 권한](copy-usage_notes-access-permissions.md#copy-usage_notes-iam-permissions) 섹션을 참조하세요.
**참고**
AWS 자격 증명을 안전하게 지키고 민감한 데이터를 보호하려면 역할 기반 액세스 제어의 사용을 강력하게 권장합니다.
역할 기반 액세스 제어를 지정하려면 *credentials-args* 문자열을 다음과 같은 형식으로 입력합니다.
```
'aws_iam_role=arn:aws:iam:::role/'
```
임시 토큰 자격 증명을 사용하려면 임시 액세스 키 ID와 임시 보안 액세스 키, 그리고 임시 토큰을 입력해야 합니다. *credentials-args* 문자열의 형식은 다음과 같습니다.
```
CREDENTIALS
'aws_access_key_id=;aws_secret_access_key=;token='
```
임시 자격 증명과 함께 역할 기반 액세스 제어를 사용하는 COPY 명령은 다음 샘플 문과 유사합니다.
```
COPY customer FROM 's3://amzn-s3-demo-bucket/mydata'
CREDENTIALS
'aws_access_key_id=;aws_secret_access_key=;token='
```
자세한 내용은 [임시 보안 자격 증명](copy-usage_notes-access-permissions.md#r_copy-temporary-security-credentials) 섹션을 참조하세요.
[ENCRYPTED](copy-parameters-data-source-s3.md#copy-encrypted) 파라미터를 사용하는 경우 *credentials-args* 문자열의 형식은 다음과 같습니다. 여기에서 **는 파일을 암호화할 때 사용한 루트 키의 값입니다.
```
CREDENTIALS
';master_symmetric_key='
```
암호화 키와 함께 역할 기반 액세스 제어를 사용하는 COPY 명령은 다음 샘플 문과 유사합니다.
```
COPY customer FROM 's3://amzn-s3-demo-bucket/mydata'
CREDENTIALS
'aws_iam_role=arn:aws:iam:::role/;master_symmetric_key='
```
# 열 매핑 옵션
기본적으로 COPY 명령은 데이터 파일의 필드 순서와 동일하게 값을 대상 테이블의 열에 삽입합니다. 기본 열 순서가 유효하지 않은 경우에는 열 목록을 지정하거나 JSONPath 표현식을 사용하여 원본 데이터 필드를 대상 열로 매핑할 수 있습니다.
+ [Column List](#copy-column-list)
+ [JSONPaths File](#copy-column-mapping-jsonpaths)
## 열 목록
열 이름이 쉼표로 구분된 목록을 지정하여 원본 데이터 필드를 특정 대상 열로 로드할 수 있습니다. COPY 문에서는 열의 순서가 정해져 있지 않지만 Amazon S3 버킷과 같은 플랫 파일에서 로드할 때는 원본 데이터의 순서와 일치해야 합니다.
Amazon DynamoDB 테이블에서 로드할 때는 순서가 중요하지 않습니다. COPY 명령은 DynamoDB 테이블에서 가져오는 항목의 속성 이름을 Amazon Redshift 테이블의 열 이름과 일치시킵니다. 자세한 내용은 [Amazon DynamoDB 테이블에서 데이터 로드](t_Loading-data-from-dynamodb.md) 섹션을 참조하세요.
열 목록의 형식은 다음과 같습니다.
```
COPY tablename (column1 [,column2, ...])
```
대상 테이블의 열이 열 목록에서 빠져있으면 COPY가 대상 열의 [DEFAULT](r_CREATE_TABLE_NEW.md#create-table-default) 표현식을 로드합니다.
대상 열에 기본값이 없으면 COPY가 NULL을 로드하려고 합니다.
NOT NULL로 정의된 열에 COPY가 NULL을 할당하려고 하면 COPY 명령이 실패합니다.
[IDENTITY](r_CREATE_TABLE_NEW.md#identity-clause) 열이 열 목록에 포함되어 있으면 [EXPLICIT_IDS](copy-parameters-data-conversion.md#copy-explicit-ids) 역시 지정해야 합니다. 반대로 IDENTITY 열이 없으면 EXPLICIT\$1IDS를 지정할 수 없습니다. 열 목록을 지정하지 않으면 COPY 명령이 마치 열 목록이 순서에 따라 완전하게 지정되어 있는 것처럼, 그리고 EXPLICIT\$1IDS도 지정하지 않은 것처럼 IDENTITY 열을 생략하여 실행됩니다.
열이 GENERATED BY DEFAULT AS IDENTITY로 정의된 경우 복사할 수 있습니다. 값이 새로 생성되거나 입력한 값으로 업데이트됩니다. EXPLICIT\$1IDS 옵션은 필요하지 않습니다. COPY는 자격 증명 하이 워터마크를 업데이트하지 않습니다. 자세한 내용은 [GENERATED BY DEFAULT AS IDENTITY](r_CREATE_TABLE_NEW.md#identity-generated-bydefault-clause) 섹션을 참조하세요.
## JSONPaths 파일
데이터 파일에서 데이터를 JSON 또는 Avro 형식으로 로드할 때는 COPY 명령이 JSON 또는 Avro 원본 데이터의 데이터 요소를 대상 테이블 열에 자동으로 매핑합니다. 이는 Avro 스키마의 필드 이름을 대상 테이블 또는 열 목록의 열 이름과 일치시키는 방식으로 수행됩니다.
경우에 따라 열 이름과 필드 이름이 일치하지 않거나 데이터 계층의 더 깊은 수준에 매핑해야 합니다. 이러한 경우 JSONPaths 파일을 사용하여 JSON 또는 Avro 데이터 요소를 열에 명시적으로 매핑할 수 있습니다.
자세한 내용은 [JSONPaths 파일](copy-parameters-data-format.md#copy-json-jsonpaths) 섹션을 참조하세요.
# 데이터 형식 파라미터
COPY 명령에서는 기본적으로 원본 데이터가 문자로 구분된 UTF-8 텍스트 형식입니다. 기본 구분자는 파이프 문자(\$1)입니다. 원본 데이터가 다른 형식인 경우에는 다른 파라미터를 사용하여 데이터 형식을 지정합니다:
+ [FORMAT](#copy-format)
+ [CSV](#copy-csv)
+ [DELIMITER](#copy-delimiter)
+ [FIXEDWIDTH](#copy-fixedwidth)
+ [SHAPEFILE](#copy-shapefile)
+ [AVRO](#copy-avro)
+ [JSON format for COPY](#copy-json)
+ [PARQUET](#copy-parquet)
+ [ORC](#copy-orc)
COPY는 표준 데이터 형식 외에도 Amazon S3에서 COPY를 실행할 때 다음과 같은 열 기반 데이터 형식을 지원합니다.
+ [ORC](#copy-orc)
+ [PARQUET](#copy-parquet)
열 기반 형식에서의 COPY는 지원되지만 특정 제한이 따릅니다. 자세한 내용은 [열 기반 데이터 형식에서 COPY 명령](copy-usage_notes-copy-from-columnar.md) 섹션을 참조하세요.데이터 형식 파라미터
FORMAT [AS]
(선택 사항) 데이터 형식 키워드를 식별합니다. FORMAT 인수는 다음과 같습니다.
CSV [ QUOTE [AS] *'quote\$1character'* ]
입력 데이터에서 CSV 형식을 사용할 수 있습니다. 구분자와 줄 바꿈 문자, 그리고 캐리지 리턴을 자동으로 이스케이프하려면 QUOTE 파라미터에서 지정한 문자로 묶습니다. 기본 인용 부호는 큰따옴표(")입니다. 필드 안에서 인용 부호를 사용할 때는 추가 인용 부호로 이스케이프 처리해야 합니다. 예를 들어 인용 부호로 큰따옴표를 사용한다고 가정할 때 문자열 `A "quoted" word`는 입력 파일에 문자열 `"A ""quoted"" word"`로 삽입해야 합니다. CSV 파라미터를 사용할 때는 기본 구분자가 쉼표(,)입니다. DELIMITER 파라미터를 사용하여 다른 구분자를 지정할 수도 있습니다.
필드가 인용 부호로 묶이면 구분자와 인용 부호 사이의 공백은 무시됩니다. 구분자가 탭과 같은 공백 문자라면 구분자를 공백으로 처리하지 않습니다.
CSV는 FIXEDWIDTH, REMOVEQUOTES 또는 ESCAPE와 함께 사용할 수 없습니다.
QUOTE [AS] *'quote\$1character'*
선택 사항입니다. CSV 파라미터 사용 시 인용 부호로 사용할 문자를 지정합니다. 기본 문자는 큰 따옴표(")입니다. QUOTE 파라미터를 사용하여 큰따옴표 이외의 다른 인용 부호를 정의하는 경우 필드 내에서 큰따옴표를 이스케이프 처리할 필요는 없습니다. QUOTE 파라미터는 CSV 파라미터하고만 사용할 수 있습니다. AS 키워드는 옵션입니다.
DELIMITER [AS] ['*delimiter\$1char*']
파이프 문자(`|`), 쉼표(`,`), 탭(`\t`) 또는 `|~|` 기호 등의 여러 문자와 같이 입력 파일의 필드를 구분하는 데 사용되는 문자를 지정합니다. 인쇄할 수 없는 문자가 지원됩니다. 문자를 UTF-8 코드 단위로 8진수로 표시할 수도 있습니다. 8진수로는 '\$1ddd' 형식을 사용하는데, 여기서 'd'는 8진수(0\$17)를 나타냅니다. 기본 구분자는 CSV 파라미터를 사용하지 않는 한 파이프 문자(`|`)입니다. CSV 파라미터를 사용할 경우에는 쉼표(`,`)가 기본 구분자입니다. AS 키워드는 옵션입니다. DELIMITER는 FIXEDWIDTH와 함께 사용할 수 없습니다.
FIXEDWIDTH '*fixedwidth\$1spec*'
각 열이 구분자로 구분되지 않고, 폭의 길이가 고정되어 있는 파일에서 데이터를 로드합니다. *fixedwidth\$1spec*은 열의 레이블과 폭을 사용자 지정하는 문자열입니다. 열 레이블은 사용자 선택에 따라 문자열 또는 정수가 될 수 있습니다. 열 레이블은 열 이름과 관계가 없습니다. 레이블/폭 페어의 순서는 테이블 열의 순서와 정확히 일치해야 합니다. FIXEDWIDTH는 CSV 또는 DELIMITER와 함께 사용할 수 없습니다. Amazon Redshift에서는 CHAR 및 VARCHAR 열의 길이가 바이트로 표현됩니다. 따라서 로드할 파일을 준비할 때는 지정하는 열의 폭이 멀티바이트 문자의 이진 길이를 수용할 정도로 충분한지 확인해야 합니다. 자세한 내용은 [문자 형식](r_Character_types.md) 섹션을 참조하세요.
*fixedwidth\$1spec*의 형식은 다음과 같습니다.
```
'colLabel1:colWidth1,colLabel:colWidth2, ...'
```
SHAPEFILE [ SIMPLIFY [AUTO] [*'tolerance'*] ]
입력 데이터에서 SHAPEFILE 형식을 사용할 수 있습니다. 기본적으로 shapefile의 첫 번째 열은 `GEOMETRY` 또는 `IDENTITY` 열입니다. 모든 후속 열은 shapefile에 지정된 순서를 따릅니다.
FIXEDWIDTH, REMOVEQUOTES 또는 ESCAPE와 함께 SHAPEFILE을 사용할 수 없습니다.
`COPY FROM SHAPEFILE`과 함께 `GEOGRAPHY` 객체를 사용하려면 먼저 `GEOMETRY` 열로 수집한 다음 객체를 `GEOGRAPHY` 객체로 캐스팅합니다.
SIMPLIFY [*tolerance*]
(옵션) Ramer-Douglas-Peucker 알고리즘과 주어진 허용치를 사용하여 수집 프로세스 동안 모든 지오메트리를 단순화합니다.
SIMPLIFY AUTO [*tolerance*]
(옵션) 최대 지오메트리 크기보다 큰 지오메트리만 단순화합니다. 이 단순화는 Ramer-Douglas-Peucker 알고리즘과 자동으로 계산된 허용치(지정된 허용치를 초과하지 않는 경우)를 사용합니다. 이 알고리즘은 지정된 허용치 내에서 객체를 저장할 크기를 계산합니다. *허용치* 값은 옵션입니다.
shapefile 로드의 예는 [Amazon Redshift에 shapefile 로드](r_COPY_command_examples.md#copy-example-spatial-copy-shapefile) 섹션을 참조하세요.
AVRO [AS] '*avro\$1option*'
원본 데이터를 Avro 형식으로 지정합니다.
Avro 형식은 다음과 같은 서비스 및 프로토콜을 통해 COPY에 지원됩니다.
+ Amazon S3
+ Amazon EMR
+ 원격 호스트(SSH)
Avro는 DynamoDB에서 COPY에 대해 지원되지 않습니다.
Avro는 데이터 직렬화 프로토콜입니다. Avro 원본 파일에는 데이터 구조를 정의하는 스키마가 저장되어 있습니다. Avro 스키마 형식은 `record`가 되어야 합니다. COPY에서는 기본 비압축 코덱과 `deflate` 및 `snappy` 압축 코덱을 사용하여 생성된 Avro 파일이 허용됩니다. Avro에 대한 자세한 내용은 [Apache Avro](https://avro.apache.org/)에서 확인할 수 있습니다.
*avro\$1option*의 유효 값은 다음과 같습니다.
+ `'auto'`
+ `'auto ignorecase'`
+ `'s3://jsonpaths_file'`
기본값은 `'auto'`입니다.
COPY는 Avro 원본 데이터의 데이터 요소를 대상 테이블의 열에 자동으로 매핑합니다. 이는 Avro 스키마의 필드 이름을 대상 테이블의 열 이름과 일치시키는 방식으로 수행됩니다. 일치는 `'auto'`의 경우 대/소문자를 구분하고 `'auto ignorecase'`의 경우 대/소문자를 구분하지 않습니다.
Amazon Redshift 테이블의 열 이름은 항상 소문자이기 때문에 `'auto'` 옵션을 사용할 때는 일치하는 필드 이름 역시 소문자가 되어야 합니다. 필드 이름이 모두 소문자가 아닌 경우 `'auto ignorecase'` 옵션을 사용할 수 있습니다. 기본 `'auto'` 인수를 사용하면 COPY는 구조에서 첫 번째 수준의 필드 또는 *외부 필드*만 인식합니다.
열 이름을 Avro 필드 이름에 명시적으로 매핑하려면 [JSONPaths 파일](#copy-json-jsonpaths)를 사용합니다.
기본적으로 COPY는 대상 테이블의 모든 열을 Avro 필드 이름과 일치시키려고 합니다. 열의 하위 집합까지 로드하려면 옵션으로 열 목록을 지정할 수도 있습니다. 대상 테이블의 열이 열 목록에서 빠져있으면 COPY가 대상 열의 [DEFAULT](r_CREATE_TABLE_NEW.md#create-table-default) 표현식을 로드합니다. 대상 열에 기본값이 없으면 COPY가 NULL을 로드하려고 합니다. 열 목록에 임의의 열이 포함되어 있다고 할 때 COPY가 Avro 데이터에서 일치하는 필드를 찾지 못할 경우에는 COPY가 해당 열에 NULL을 로드하려고 합니다.
NOT NULL로 정의된 열에 COPY가 NULL을 할당하려고 하면 COPY 명령이 실패합니다.
**Avro 스키마**
Avro 원본 데이터 파일에는 데이터 구조를 정의하는 스키마가 저장되어 있습니다. COPY는 Avro 원본 데이터 파일에 저장된 스키마를 읽어서 데이터 요소를 대상 테이블 열에 매핑합니다. 다음은 Avro 스키마의 예입니다.
```
{
"name": "person",
"type": "record",
"fields": [
{"name": "id", "type": "int"},
{"name": "guid", "type": "string"},
{"name": "name", "type": "string"},
{"name": "address", "type": "string"}]
}
```
Avro 스키마는 JSON 형식으로 정의됩니다. 최상위 JSON 객체에는 이름, 즉 *키*가 포함된 이름-값 페어 3개인 `"name"`, `"type"` 및 `"fields"`가 있습니다.
`"fields"` 키는 데이터 구조에서 각 필드의 이름과 데이터 형식을 정의하는 객체 배열과 쌍을 이룹니다. 기본적으로 COPY는 필드 이름을 열 이름과 자동으로 일치시킵니다. 열 이름은 항상 소문자이므로 `‘auto ignorecase’` 옵션을 지정하지 않는 한 일치하는 필드 이름도 소문자여야 합니다. 열 이름과 일치하지 않는 필드 이름은 모두 무시됩니다. 순서는 중요하지 않습니다. 위의 예에서는 COPY가 열 이름 `id`, `guid`, `name` 및 `address`에 매핑하고 있습니다.
기본값인 `'auto'` 인수를 사용하면 COPY가 첫 번째 레벨의 객체만 열과 일치시킵니다. 스키마에서 더욱 깊숙한 레벨까지 매핑하려면, 혹은 필드 이름과 열 이름이 일치하지 않는 경우에는 JSONPaths 파일을 사용하여 매핑을 정의할 수 있습니다. 자세한 내용은 [JSONPaths 파일](#copy-json-jsonpaths) 섹션을 참조하세요.
키와 연결된 값이 바이트, 배열, 레코드, 맵 또는 링크 같이 복잡한 Avro 데이터 형식인 경우에는 COPY가 이 값을 문자열로 로드합니다. 여기서 문자열은 데이터의 JSON 표현입니다. 열거형(enum)인 Avro 데이터 형식은 COPY에서 문자열로 로드되며, 이때 열거되는 내용은 형식 이름입니다. 문제 해결 예는 [JSON 형식의 COPY 지원](copy-usage_notes-copy-from-json.md)을(를) 참조하세요.
스키마와 파일 메타데이터가 저장되는 Avro 파일 헤더의 최대 크기는 1MB입니다.
단일 Avro 데이터 블록의 최대 크기는 4MB입니다. 이는 최대 행 크기와는 완전히 다릅니다. 단일 Avro 데이터 블록의 최대 크기를 초과하면 이에 따른 행 크기가 최댓값인 4MB보다 작더라도 COPY 명령이 중단됩니다.
Amazon Redshift가 행 크기를 계산할 때는 내부적으로 파이프 문자(\$1)를 두 번 계산합니다. 따라서 입력 데이터에 파이프 문자가 다수 포함되어 있으면 데이터 블록이 4MB 미만이더라도 행 크기가 4MB를 초과할 수도 있습니다.
JSON [AS] '*json\$1option*'
원본 데이터가 JSON 형식입니다.
JSON 형식은 다음과 같은 서비스 및 프로토콜을 통해 COPY에 지원됩니다.
+ Amazon S3
+ Amazon EMR에서 COPY
+ SSH 연결을 통한 COPY
JSON은 DynamoDB를 통한 COPY에서는 지원되지 않습니다.
*json\$1option*의 유효 값은 다음과 같습니다.
+ `'auto'`
+ `'auto ignorecase'`
+ `'s3://jsonpaths_file'`
+ `'noshred'`
기본값은 `'auto'`입니다. Amazon Redshift는 JSON 문서를 로드하는 동안 JSON 구조의 속성을 여러 열로 나누지 않습니다.
기본적으로 COPY는 대상 테이블의 모든 열을 JSON 필드 이름 키와 일치시키려고 합니다. 열의 하위 집합까지 로드하려면 옵션으로 열 목록을 지정할 수도 있습니다. JSON 필드 이름 키가 모두 소문자가 아닌 경우에도 `'auto ignorecase'` 옵션이나 [JSONPaths 파일](#copy-json-jsonpaths)를 사용하여 열 이름을 명시적으로 JSON 필드 이름 키로 매핑할 수 있습니다.
대상 테이블의 열이 열 목록에서 빠져있으면 COPY가 대상 열의 [DEFAULT](r_CREATE_TABLE_NEW.md#create-table-default) 표현식을 로드합니다. 대상 열에 기본값이 없으면 COPY가 NULL을 로드하려고 합니다. 열 목록에 임의의 열이 포함되어 있다고 할 때 COPY가 JSON 데이터에서 일치하는 필드를 찾지 못할 경우에는 COPY가 해당 열에 NULL을 로드하려고 합니다.
NOT NULL로 정의된 열에 COPY가 NULL을 할당하려고 하면 COPY 명령이 실패합니다.
COPY는 JSON 원본 데이터의 데이터 요소를 대상 테이블의 열에 매핑합니다. 이는 원본 이름-값 페어의 *객체 키* 또는 이름을 대상 테이블의 열 이름과 일치시키는 방식으로 수행됩니다.
각 *json\$1option* 값에 대한 다음 세부 정보를 참조하세요.
'auto'
이 옵션을 사용하면 일치에서 대/소문자를 구분합니다. Amazon Redshift 테이블의 열 이름은 항상 소문자이기 때문에 `'auto'` 옵션을 사용할 때는 일치하는 JSON 필드 이름 역시 소문자가 되어야 합니다.
'auto ignorecase'
이 옵션을 사용하면 일치에서 대/소문자를 구분하지 않습니다. Amazon Redshift 테이블의 열 이름은 항상 소문자이기 때문에 `'auto ignorecase'` 옵션을 사용할 때는 해당 JSON 필드 이름은 소문자, 대문자 또는 대소문자 혼합일 수 있습니다.
's3://*jsonpaths\$1file*'
이 옵션을 사용하면 COPY가 여기서 지정하는 JSONPaths 파일을 사용하여 JSON 원본 데이터의 데이터 요소를 대상 테이블의 열에 매핑합니다. *`s3://jsonpaths_file`* 인수는 단일 파일을 명시적으로 참조하는 Amazon S3 객체 키여야 합니다. 예를 들면 `'s3://amzn-s3-demo-bucket/jsonpaths.txt`'입니다. 인수는 키 접두사가 될 수 없습니다. JSONPaths 파일 사용에 대한 자세한 내용은 [JSONPaths 파일](#copy-json-jsonpaths) 섹션을 참조하세요.
경우에 따라 `jsonpaths_file`로 지정된 파일은 데이터 파일에 대해 `copy_from_s3_objectpath`로 지정된 경로와 동일한 접두사를 갖습니다. 그러면 COPY는 JSONPaths 파일을 데이터 파일로 읽고 오류를 반환합니다. 예를 들어 데이터 파일이 객체 경로 `s3://amzn-s3-demo-bucket/my_data.json`을 사용하고 JSONPaths 파일이 `s3://amzn-s3-demo-bucket/my_data.jsonpaths`라고 가정합니다. 이 경우 COPY는 `my_data.jsonpaths`를 데이터 파일로 로드하려고 합니다.
'noshred'
이 옵션을 사용하면 Amazon Redshift가 JSON 문서를 로드하는 동안 JSON 구조의 속성을 여러 열로 나누지 않습니다.
## JSON 데이터 파일
JSON 데이터 파일에는 객체 또는 배열 집합이 저장됩니다. COPY는 저장되어 있는 JSON 객체 또는 배열을 각각 대상 테이블의 행 하나로 로드합니다. 행으로 로드되는 객체 또는 배열은 각각 독립된 루트 레벨 구조이어야 합니다. 즉 다른 JSON 구조의 멤버가 되어서는 안됩니다.
JSON *객체*는 중괄호(\$1 \$1)로 시작해서 끝나며 이름-값 페어 집합이 순서에 상관없이 포함되어 있습니다. 쌍을 이루는 이름과 값은 각각 콜론으로 구분되며, 페어는 서로 쉼표로 구분됩니다. 기본적으로 이름-값 페어에서 *객체 키* 또는 이름은 테이블의 해당 열 이름과 일치해야 합니다. Amazon Redshift 테이블의 열 이름은 항상 소문자이기 때문에 일치하는 JSON 필드 이름 키 역시 소문자가 되어야 합니다. 열 이름과 JSON 키가 일치하지 않을 때는 [JSONPaths 파일](#copy-json-jsonpaths)을 사용하여 명시적으로 열을 키로 매핑하세요.
JSON 객체의 순서는 중요하지 않습니다. 열 이름과 일치하지 않는 이름은 모두 무시됩니다. 다음은 간단한 JSON 객체의 구조를 나타낸 예입니다.
```
{
"column1": "value1",
"column2": value2,
"notacolumn" : "ignore this value"
}
```
JSON *배열*은 대괄호([ ])로 시작해서 끝나며 쉼표로 구분된 값 집합이 순서에 따라 포함되어 있습니다. 데이터 파일이 배열을 사용하는 경우에는 JSONPaths 파일을 지정하여 값과 열을 일치시켜야 합니다. 다음은 간단한 JSON 배열의 구조를 나타낸 예입니다.
```
["value1", value2]
```
JSON은 올바른 형식을 따라야 합니다. 예를 들어 객체나 배열은 공백을 제외하고 쉼표나 기타 다른 문자로 구분할 수 없습니다. 문자열은 큰따옴표로 묶어야 합니다. 인용 부호는 기울어진 인용 부호나 "스마트" 인용 부호가 아닌 단순 인용 부호(0x22)가 되어야 합니다.
중괄호 또는 대괄호를 포함하여 단일 JSON 객체 및 배열의 최대 크기는 4MB입니다. 이는 최대 행 크기와는 완전히 다릅니다. 단일 JSON 객체 또는 배열의 최대 크기를 초과하면 이에 따른 행 크기가 최댓값인 4MB보다 작더라도 COPY 명령이 중단됩니다.
Amazon Redshift가 행 크기를 계산할 때는 내부적으로 파이프 문자(\$1)를 두 번 계산합니다. 따라서 입력 데이터에 파이프 문자가 다수 포함되어 있으면 객체 크기가 4MB 미만이더라도 행 크기가 4MB를 초과할 수도 있습니다.
COPY는 줄 바꿈 문자로 `\n`을, 그리고 탭 문자로 `\t`를 로드합니다. 백슬래시를 로드하려면 백슬래시(`\\`)로 이스케이프하세요.
COPY는 지정한 JSON 원본에서 올바른 형식의 유효 JSON 객체 또는 배열을 검색합니다. COPY가 사용 가능한 JSON 구조를 찾기 전에 또는 유효한 JSON 객체 또는 배열 사이에서 공백이 아닌 문자를 발견하면 COPY는 각 인스턴스에 대해 오류를 반환합니다. 이러한 오류는 MAXERROR 오류로 가산되며, 오류 수가 MAXERROR와 같거나 이를 초과하면 COPY는 중단됩니다.
Amazon Redshift는 STL\$1LOAD\$1ERRORS 시스템 테이블의 행에 오류를 일일이 기록합니다. LINE\$1NUMBER 열에는 오류를 일으킨 JSON 객체의 마지막 라인이 기록됩니다.
IGNOREHEADER를 지정하면 COPY가 지정한 만큼 JSON 데이터의 라인 수를 무시합니다. JSON 데이터의 줄 바꿈 문자도 항상 IGNOREHEADER 계산에 포함됩니다.
COPY는 기본적으로 빈 문자열을 빈 필드의 형태로 로드합니다. 이때 EMPTYASNULL을 지정하면 COPY가 CHAR 및 VARCHAR 필드의 빈 문자열을 NULL로 로드합니다. INT 같이 다른 데이터 형식의 빈 문자열은 항상 NULL로 로드됩니다.
다음 옵션은 JSON에서 지원되지 않습니다.
+ CSV
+ DELIMITER
+ ESCAPE
+ FILLRECORD
+ FIXEDWIDTH
+ IGNOREBLANKLINES
+ NULL AS
+ READRATIO
+ REMOVEQUOTES
자세한 내용은 [JSON 형식의 COPY 지원](copy-usage_notes-copy-from-json.md) 섹션을 참조하세요. JSON 데이터 구조에 대한 자세한 내용은 [www.json.org](https://www.json.org/)에서 확인할 수 있습니다.
## JSONPaths 파일
JSON 형식 또는 Avro 원본 데이터에서 로드하는 경우에는 기본적으로 COPY가 원본 데이터의 첫 번째 수준 데이터 요소를 대상 테이블의 열에 매핑합니다. 이는 이름-값 페어의 각 이름 또는 객체 키를 대상 테이블의 열 이름과 일치시키는 방식으로 수행됩니다.
열 이름과 객체 키가 일치하지 않는 경우, 혹은 데이터 계층에서 더욱 깊숙한 레벨까지 매핑하려면 JSONPaths 파일을 사용하여 JSON 또는 Avro 데이터 요소를 명시적으로 열까지 매핑할 수 있습니다. JSONPaths 파일은 대상 테이블 또는 열 목록의 열 순서를 일치시켜 JSON 데이터 요소를 열로 매핑합니다.
JSONPaths 파일에는 배열이 아닌 단일 JSON 객체만 저장되어야 합니다. JSON 객체는 이름-값 페어입니다. 이름-값 페어에서 이름에 해당하는 *객체 키*는 `"jsonpaths"`가 되어야 합니다. 이름-값 페어에서 *값*은 *JSONPath 표현식*의 배열입니다. JSONPath 표현식은 각각 JSON 데이터 계층 또는 Avro 스키마의 단일 요소를 참조합니다. 이는 XPath 표현식이 XML 문서의 요소를 참조하는 방식과 비슷합니다. 자세한 내용은 [JSONPath 표현식](#copy-json-jsonpath-expressions) 섹션을 참조하세요.
JSONPaths 파일을 사용하려면 COPY 명령에 JSON 또는 AVRO 키워드를 추가합니다. 다음 형식을 사용하여 JSONPaths 파일의 S3 버킷 이름과 객체 경로를 지정합니다.
```
COPY tablename
FROM 'data_source'
CREDENTIALS 'credentials-args'
FORMAT AS { AVRO | JSON } 's3://jsonpaths_file';
```
`s3://jsonpaths_file` 값은 `'s3://amzn-s3-demo-bucket/jsonpaths.txt'`와 같은 단일 파일을 명시적으로 참조하는 Amazon S3 객체 키여야 합니다. 키 접두사일 수 없습니다.
경우에 따라 경우에 따라 Amazon S3에서 로드하는 경우 `jsonpaths_file`로 지정된 파일은 데이터 파일에 대해 `copy_from_s3_objectpath`로 지정된 경로와 동일한 접두사를 갖습니다. 그러면 COPY는 JSONPaths 파일을 데이터 파일로 읽고 오류를 반환합니다. 예를 들어 데이터 파일이 객체 경로 `s3://amzn-s3-demo-bucket/my_data.json`을 사용하고 JSONPaths 파일이 `s3://amzn-s3-demo-bucket/my_data.jsonpaths`라고 가정합니다. 이 경우 COPY는 `my_data.jsonpaths`를 데이터 파일로 로드하려고 합니다.
키 이름이 `"jsonpaths"`가 아닌 다른 문자열이라면 COPY 명령이 오류를 반환하지는 않습니다. 하지만 *jsonpaths\$1file*을 무시하고 `'auto'` 인수를 사용합니다.
다음 중 한 가지라도 발생하면 COPY 명령이 중단됩니다.
+ JSON 형식이 잘못된 경우
+ JSON 객체가 2개 이상인 경우
+ 공백을 제외한 문자가 객체 외부에 존재하는 경우
+ 배열 요소가 빈 문자열이거나, 혹은 문자열이 아닌 경우
JSONPaths 파일에는 MAXERROR가 적용되지 않습니다.
[ENCRYPTED](copy-parameters-data-source-s3.md#copy-encrypted) 옵션을 지정하더라도 JSONPaths 파일을 암호화해서는 안 됩니다.
자세한 내용은 [JSON 형식의 COPY 지원](copy-usage_notes-copy-from-json.md) 섹션을 참조하세요.
## JSONPath 표현식
JSONPaths 파일은 JSONPath 표현식을 사용하여 데이터 필드를 대상 열로 매핑합니다. 각 JSONPath 표현식은 Amazon Redshift 대상 테이블의 열 하나에 해당합니다. JSONPath 배열 요소의 순서는 대상 테이블의 열 순서와, 혹은 열 목록을 사용하는 경우 열 목록의 열 순서와 일치해야 합니다.
표시된 대로 필드 이름과 값 모두에 큰따옴표가 필요하며, 기울어진 따옴표나 "스마트" 따옴표가 아닌 단순한 따옴표(0x22)여야 합니다.
JSONPath 표현식에서 참조하는 객체 요소가 JSON 데이터에서 발견되지 않으면 COPY가 NULL 값을 로드하려고 합니다. 참조 객체의 형식이 잘못되면 COPY가 로드 오류를 반환합니다.
JSONPath 표현식에서 참조하는 배열 요소가 JSON 또는 Avro 데이터에서 발견되지 않으면 COPY가 다음 오류와 함께 중단됩니다. `Invalid JSONPath format: Not an array or index out of range.` 이때 원본 데이터에 존재하지 않는 배열 요소는 JSONPaths에서 모두 제거한 후 원본 데이터의 배열이 올바른 형식인지 확인하세요.
JSONPath 표현식은 대괄호 또는 점 표기법을 사용할 수 있지만 표기법을 혼용할 수는 없습니다. 다음은 대괄호 표기법을 사용한 JSONPath 표현식 예입니다.
```
{
"jsonpaths": [
"$['venuename']",
"$['venuecity']",
"$['venuestate']",
"$['venueseats']"
]
}
```
다음은 점 표기법을 사용한 JSONPath 표현식 예입니다.
```
{
"jsonpaths": [
"$.venuename",
"$.venuecity",
"$.venuestate",
"$.venueseats"
]
}
```
Amazon Redshift COPY 구문 컨텍스트에서 JSONPath 표현식은 JSON 또는 Avro 계층적 데이터 구조의 단일 이름 요소에 대한 명시적 경로를 지정해야 합니다. Amazon Redshift는 모호한 경로 또는 여러 이름 요소로 해석될 수 있는 와일드카드 문자 또는 필터 표현식과 같은 JSONPath 요소를 지원하지 않습니다.
자세한 내용은 [JSON 형식의 COPY 지원](copy-usage_notes-copy-from-json.md) 섹션을 참조하세요.
## Avro 데이터의 JSONPaths 사용
다음은 다중 레벨의 Avro 스키마를 나타낸 예입니다.
```
{
"name": "person",
"type": "record",
"fields": [
{"name": "id", "type": "int"},
{"name": "guid", "type": "string"},
{"name": "isActive", "type": "boolean"},
{"name": "age", "type": "int"},
{"name": "name", "type": "string"},
{"name": "address", "type": "string"},
{"name": "latitude", "type": "double"},
{"name": "longitude", "type": "double"},
{
"name": "tags",
"type": {
"type" : "array",
"name" : "inner_tags",
"items" : "string"
}
},
{
"name": "friends",
"type": {
"type" : "array",
"name" : "inner_friends",
"items" : {
"name" : "friends_record",
"type" : "record",
"fields" : [
{"name" : "id", "type" : "int"},
{"name" : "name", "type" : "string"}
]
}
}
},
{"name": "randomArrayItem", "type": "string"}
]
}
```
다음은 AvroPath 표현식을 사용하여 위의 스키마를 참조하는 JSONPaths 파일의 예입니다.
```
{
"jsonpaths": [
"$.id",
"$.guid",
"$.address",
"$.friends[0].id"
]
}
```
위의 JSONPaths 예에는 다음과 같은 요소가 포함되어 있습니다.
jsonpaths
AvroPath 표현식이 포함된 JSON 객체의 이름입니다.
[ … ]
경로 요소가 포함된 JSON 배열을 묶는 대괄호입니다.
\$1
Avro 스키마에서 `"fields"` 배열에 해당하는 루트 요소를 참조하는 달러 기호입니다.
"\$1.id",
AvroPath 표현식의 대상입니다. 위 예에서 대상은 `"fields"` 배열에서 이름으로 `"id"`가 포함된 요소입니다. 표현식은 쉼표로 구분됩니다.
"\$1.friends[0].id"
대괄호는 배열 인덱스를 나타냅니다. JSONPath 표현식은 0부터 시작되는 인덱싱을 사용하기 때문에 이 표현식에서는 `"friends"` 배열에서 이름으로 `"id"`가 포함된 첫 번째 요소를 참조합니다.
Avro 스키마 구문에서는 *안쪽 필드*를 사용하여 레코드 및 배열 데이터 형식의 구조를 정의해야 합니다. AvroPath 표현식에서는 안쪽 필드가 무시됩니다. 예를 들어 `"friends"` 필드는 `"inner_friends"`라는 이름의 배열을 정의하고, 이 배열은 `"friends_record"`라는 이름의 레코드를 정의합니다. `"id"` 필드를 참조하는 AvroPath 표현식은 추가되는 필드를 무시하고 대상 필드를 직접 참조할 수 있습니다. 다음은 `"friends"` 배열에 속한 두 필드를 참조하는 AvroPath 표현식입니다.
```
"$.friends[0].id"
"$.friends[0].name"
```
## 열 기반 데이터 형식 파라미터
COPY는 표준 데이터 형식 외에도 Amazon S3에서 COPY를 실행할 때 다음과 같은 열 기반 데이터 형식을 지원합니다. 열 기반 형식에 대한 COPY는 지원되지만 특정 제한이 따릅니다. 자세한 내용은 [열 기반 데이터 형식에서 COPY 명령](copy-usage_notes-copy-from-columnar.md) 섹션을 참조하세요.
ORC
ORC(Optimized Row Columnar) 파일 형식을 사용하는 파일에서 데이터를 불러옵니다.
PARQUET
Parquet 파일 형식을 사용하는 파일에서 데이터를 불러옵니다.
# 파일 압축 파라미터
다음 파라미터를 지정하여 압축된 데이터 파일로부터 로드할 수 있습니다.파일 압축 파라미터
bzip2
입력 파일이 bzip2 압축 형식(.bz2 파일)을 따르도록 지정하는 값입니다. COPY 작업은 데이터를 로드할 때 각 압축 파일을 읽고 데이터 압축을 풉니다.
GZIP
입력 파일이 gzip 압축 형식(.gz 파일)을 따르도록 지정하는 값입니다. COPY 작업은 데이터를 로드할 때 각 압축 파일을 읽고 데이터 압축을 풉니다.
LZOP
입력 파일이 lzop 압축 형식(.lzo 파일)을 따르도록 지정하는 값입니다. COPY 작업은 데이터를 로드할 때 각 압축 파일을 읽고 데이터 압축을 풉니다.
COPY는 lzop *--filter* 옵션을 사용한 압축 파일을 지원하지 않습니다.
ZSTD
입력 파일이 Zstandard 압축 형식(.zst 파일)을 따르도록 지정하는 값입니다. COPY 작업은 데이터를 로드할 때 각 압축 파일을 읽고 데이터 압축을 풉니다.
ZSTD는 Amazon S3에서 COPY에서만 지원됩니다.
# 데이터 변환 파라미터
COPY 명령은 테이블에 데이터를 로드할 때 원본 데이터의 문자열을 묵시적으로 대상 열의 데이터 형식으로 변환합니다. 기본 동작과 다른 변환을 지정해야 하거나, 혹은 기본 변환이 오류를 일으킬 때는 다음 파라미터를 지정하여 데이터 변환을 관리할 수 있습니다. 이러한 파라미터 구문에 대한 자세한 내용은 [COPY 구문](https://docs.aws.amazon.com/redshift/latest/dg/r_COPY.html#r_COPY-syntax)을 참조하세요.
+ [ACCEPTANYDATE](#copy-acceptanydate)
+ [ACCEPTINVCHARS](#copy-acceptinvchars)
+ [BLANKSASNULL](#copy-blanksasnull)
+ [DATEFORMAT](#copy-dateformat)
+ [EMPTYASNULL](#copy-emptyasnull)
+ [ENCODING](#copy-encoding)
+ [ESCAPE](#copy-escape)
+ [EXPLICIT_IDS](#copy-explicit-ids)
+ [FILLRECORD](#copy-fillrecord)
+ [IGNOREBLANKLINES](#copy-ignoreblanklines)
+ [IGNOREHEADER](#copy-ignoreheader)
+ [NULL AS](#copy-null-as)
+ [REMOVEQUOTES](#copy-removequotes)
+ [ROUNDEC](#copy-roundec)
+ [TIMEFORMAT](#copy-timeformat)
+ [TRIMBLANKS](#copy-trimblanks)
+ [TRUNCATECOLUMNS](#copy-truncatecolumns) 데이터 변환 파라미터
ACCEPTANYDATE
`00/00/00 00:00:00` 같이 잘못된 형식을 포함하여 모든 데이터 형식을 오류 없이 로드할 수 있도록 허용합니다. 이 파라미터는 TIMESTAMP 및 DATE 열에만 적용됩니다. ACCEPTANYDATE는 항상 DATEFORMAT 파라미터와 함께 사용합니다. 데이터의 날짜 형식이 DATEFORMAT 명세와 일치하지 않는 경우에는 Amazon Redshift가 NULL 값을 해당 필드에 삽입합니다.
ACCEPTINVCHARS [AS] ['*replacement\$1char*']
데이터에 잘못된 UTF-8 문자가 포함되어 있어도 VARCHAR 열에 데이터를 로드할 수 있습니다. ACCEPTINVCHARS를 지정하면 COPY가 잘못된 UTF-8 문자를 각각 *replacement\$1char*에서 지정하는 문자로 구성된, 동일한 길이의 문자열로 변경합니다. 예를 들어 변경 문자가 '`^`'라면 잘못된 3바이트 문자는 '`^^^`'로 변경됩니다.
변경 문자는 NULL을 제외한 모든 ASCII 문자가 될 수 있습니다. 기본 문자는 물음표(?)입니다. 잘못된 UTF-8 문자에 대한 자세한 내용은 [멀티바이트 문자 로드 오류](multi-byte-character-load-errors.md) 섹션을 참조하세요.
COPY는 잘못된 UTF-8 문자가 포함된 행의 수를 반환한 후 해당하는 행마다 [STL\$1REPLACEMENTS](r_STL_REPLACEMENTS.md) 시스템 테이블에 항목을 추가합니다. 이때 각 노드 조각에서 항목이 추가되는 행의 최대 수는 100개입니다. 이후 추가되는 잘못된 UTF-8 문자 역시 변경되지만 이러한 문자의 변경 이벤트는 기록되지 않습니다.
ACCEPTINVCHARS를 지정하지 않으면 COPY가 잘못된 UTF-8 문자를 발견할 때마다 오류를 반환합니다.
ACCEPTINVCHARS는 VARCHAR 열에서만 유효합니다.
BLANKSASNULL
공백 문자로만 구성된 빈 필드를 NULL로 로드합니다. 이 옵션은 CHAR 및 VARCHAR 열에만 적용됩니다. INT 같이 다른 데이터 형식의 빈 필드는 항상 NULL로 로드됩니다. 예를 들어 공백 문자 3개가 다른 문자 없이 연이어 포함된 문자열은 NULL로 로드됩니다. 이 옵션을 사용하지 않으면 기본 동작으로 공백 문자를 있는 그대로 로드합니다.
DATEFORMAT [AS] \$1'*dateformat\$1string*' \$1 'auto' \$1
인수를 지정하지 않을 경우 기본값은 `'YYYY-MM-DD'`입니다. 예를 들어 이를 대신할 수 있는 유효 형식은 `'MM-DD-YYYY'`입니다.
COPY 명령이 날짜 또는 시간 값의 형식을 인식하지 못하거나, 혹은 날짜 또는 시간 값이 다른 형식인 경우에는 DATEFORMAT 또는 TIMEFORMAT 파라미터에 `'auto'` 인수를 사용하세요. `'auto'` 인수는 DATEFORMAT 및 TIMEFORMAT 문자열 사용 시 지원되지 않는 몇 가지 형식을 인식합니다. `'auto'`' 키워드는 대/소문자를 구분합니다. 자세한 내용은 [DATEFORMAT 및 TIMEFORMAT 옵션의 자동 인식 사용](automatic-recognition.md) 섹션을 참조하세요.
날짜 형식에 시간 정보(시, 분, 초)가 포함될 수는 있지만 이 정보는 무시됩니다. AS 키워드는 옵션입니다. 자세한 내용은 [DATEFORMAT 및 TIMEFORMAT 문자열예제](r_DATEFORMAT_and_TIMEFORMAT_strings.md) 섹션을 참조하세요.
EMPTYASNULL
Amazon Redshift가 비어있는 CHAR 및 VARCHAR 필드를 NULL로 로드하도록 지정합니다. INT 같이 다른 데이터 형식의 빈 필드는 항상 NULL로 로드됩니다. 빈 필드는 2개의 구분자가 사이에 아무런 문자도 없이 연이어 데이터에 포함되어 있을 때 발생합니다. EMPTYASNULL과 NULL AS '' (empty string)는 동작이 동일합니다.
ENCODING [AS] *file\$1encoding*
로드 데이터의 인코딩 유형을 지정합니다. COPY 명령은 로딩 도중 데이터를 지정된 인코딩에서 UTF-8로 변환합니다.
*file\$1encoding*의 유효 값은 다음과 같습니다.
+ `UTF8`
+ `UTF16`
+ `UTF16LE`
+ `UTF16BE`
+ `ISO88591`
기본값은 `UTF8`입니다.
원본 파일 이름은 UTF-8 인코딩을 사용해야 합니다.
다음 파일은 로드 데이터로 다른 인코딩이 지정되어 있더라도 UTF-8 인코딩을 사용해야 합니다.
+ 매니페스트 파일
+ JSONPaths 파일
다음 파라미터와 함께 입력되는 인수 문자열은 UTF-8을 사용해야 합니다.
+ FIXEDWIDTH '*fixedwidth\$1spec*'
+ ACCEPTINVCHARS '*replacement\$1char*'
+ DATEFORMAT '*dateformat\$1string*'
+ TIMEFORMAT '*timeformat\$1string*'
+ NULL AS '*null\$1string*'
고정 폭 데이터 파일은 UTF-8 인코딩을 사용해야 합니다. 필드 폭은 바이트 수가 아니라 문자 수를 기준으로 하기 때문입니다.
로드 데이터는 모두 지정된 인코딩을 사용해야 합니다. COPY가 다른 인코딩을 만나면 파일을 건너뛰고 오류를 반환합니다.
`UTF16`을 지정한 경우에는 데이터에 바이트 순서 표식(BOM)이 있어야 합니다. UTF-16 데이터가 리틀 엔디안(LE)인지, 빅 엔디안(BE)인지 알고 있다면 BOM 유무에 상관없이 `UTF16LE` 또는 `UTF16BE`를 사용할 수 있습니다.
ISO-8859-1 인코딩을 사용하려면 `ISO88591`을 지정합니다. 자세한 내용은 **Wikipedia의 [ISO/IEC 8859-1](https://en.wikipedia.org/wiki/ISO/IEC_8859-1)을 참조하세요.
ESCAPE
이 파라미터를 지정하면 입력 데이터의 백슬래시 문자(`\`)가 이스케이프 문자로 처리됩니다. 그러면 백슬래시 문자 바로 뒤에 있는 문자가 일반적으로 특정 용도로 사용되는 문자라고 해도 현재 열 값의 일부로 테이블에 로드됩니다. 예를 들어 이 파라미터를 사용하여 구분자 문자, 인용 부호, 줄 바꿈 문자 또는 이스케이프 문자 자체를 이스케이프 처리할 수 있습니다. 단, 이러한 문자가 모두 열 값에서 유효해야 합니다.
ESCAPE 파라미터를 REMOVEQUOTES 파라미터와 함께 지정하면 그 외에 삭제될 수도 있는 인용 부호(`'` 또는 `"`)를 이스케이프 처리하여 유지할 수 있습니다. 기본 NULL 문자열인 `\N`은 있는 그대로 유효하지만 입력 데이터에서는 `\\N`로 이스케이프 처리할 수도 있습니다. NULL AS 파라미터를 사용해 대체 NULL 문자열을 지정하지만 않는다면 `\N`과 `\\N`은 동일한 결과를 산출합니다.
제어 문자 `0x00`(NUL)은 이스케이프 처리할 수 없기 때문에 입력 데이터에서 삭제하거나, 혹은 변환해야 합니다. 이 문자는 레코드 끝(EOR) 마커로 처리되어 나머지 레코드는 모두 잘립니다.
FIXEDWIDTH 로드 시 ESCAPE 파라미터를 사용할 수 없으며, 이스케이프 문자 자체를 지정하는 것도 안 됩니다. 이스케이프 문자는 항상 백슬래시 문자입니다. 또한 입력 데이터에는 적절한 자리에 이스케이프 문자가 포함되어야 합니다.
여기 몇 가지 입력 데이터를 비롯해 ESCAPE 파라미터를 지정했을 때 로드되는 데이터의 예가 있습니다. 행 4의 결과는 REMOVEQUOTES 파라미터 역시 지정된다는 것을 가정합니다. 입력 데이터는 다음과 같이 파이프로 구분된 필드 2개로 구성됩니다.
```
1|The quick brown fox\[newline]
jumped over the lazy dog.
2| A\\B\\C
3| A \| B \| C
4| 'A Midsummer Night\'s Dream'
```
열 2로 로드되는 데이터는 다음과 같습니다.
```
The quick brown fox
jumped over the lazy dog.
A\B\C
A|B|C
A Midsummer Night's Dream
```
로드 시 입력 데이터에 대한 이스케이프 문자의 적용 여부는 사용자에게 책임이 있습니다. 이러한 요건의 한 가지 예외라면 이전에 ESCAPE 파라미터를 사용해 언로드되었던 데이터를 다시 로드할 때입니다. 이때는 데이터에 이미 필요한 이스케이프 문자가 포함되어 있기 때문입니다.
ESCAPE 파라미터는 8진수, 16진수, Unicode 또는 기타 이스케이프 시퀀스 표기법을 해석하지 않습니다. 예를 들어 원본 데이터에 8진수 라인 피드 값(`\012`)이 포함되어 있을 때 ESCAPE 파라미터를 사용해 이 데이터를 로드하려고 하면 Amazon Redshift가 값 `012`를 테이블로 로드하는 동시에 이 값을 이스케이프 처리되는 라인 피드로 해석하지 않습니다.
Microsoft Windows 플랫폼에서 작성된 데이터의 줄 바꿈 문자를 이스케이프 처리하려면 캐리지 리턴용 하나와 라인 피드용 하나, 총 2개의 이스케이프 문자를 사용해야 할 수도 있습니다. 그 밖에 파일을 로드하기 전에 dos2unix 유틸리티 등을 사용해 캐리지 리턴을 삭제하는 방법도 있습니다.
EXPLICIT\$1IDS
원본 데이터 파일에서 명시적인 값을 사용해 자동 생성된 값을 재정의하려면 IDENTITY 열이 포함된 테이블에서 EXPLICIT\$1IDS를 사용하세요. 명령에 열 목록을 추가하는 경우에는 해당 목록에 이 파라미터를 사용할 IDENTITY 열도 포함되어야 합니다. EXPLICIT\$1IDS 값의 데이터 형식은 CREATE TABLE 정의에서 지정한 IDENTITY 형식과 일치해야 합니다.
EXPLICIT\$1IDS 옵션을 사용하여 테이블에 대해 COPY 명령을 실행할 때, Amazon Redshift는 테이블에서 IDENTITY 열의 고유성을 확인하지 않습니다.
열이 GENERATED BY DEFAULT AS IDENTITY로 정의된 경우 복사할 수 있습니다. 값이 새로 생성되거나 입력한 값으로 업데이트됩니다. EXPLICIT\$1IDS 옵션은 필요하지 않습니다. COPY는 자격 증명 하이 워터마크를 업데이트하지 않습니다.
EXPLICIT\$1ID를 사용하는 COPY 명령의 예는 [IDENTITY 열의 명시적인 값을 사용한 VENUE 로드](r_COPY_command_examples.md#r_COPY_command_examples-load-venue-with-explicit-values-for-an-identity-column)을 참조하세요.
FILLRECORD
서로 인접한 열들이 일부 레코드 끝에서 누락되었을 때도 데이터 파일의 로드를 허용합니다. 누락된 열은 NULL로 로드됩니다. 텍스트 및 CSV 형식의 경우 누락된 열이 VARCHAR 열이면 NULL 대신 길이가 0인 문자열이 로드됩니다. 텍스트 및 CSV에서 VARCHAR 열로 NULL을 로드하려면 EMPTYASNULL 키워드를 지정합니다. NULL 치환은 열 정의가 NULL을 허용할 때만 유효합니다.
예를 들어 테이블 정의에 NULL을 허용하는 CHAR 열이 4개 포함되어 있고, 레코드에 포함된 값이 `apple, orange, banana, mango`라고 가정한다면 COPY 명령은 `apple, orange` 값만 포함된 레코드를 로드하여 채울 수 있습니다. 이때 누락된 CHAR 값은 NULL 값으로 로드됩니다.
IGNOREBLANKLINES
데이터 파일에서 라인 피드만 포함된 빈 라인을 무시하고 로드하지 않습니다.
IGNOREHEADER [ AS ] *number\$1rows*
지정하는 *number\$1rows*를 파일 헤더로 처리하고 로드하지 않습니다. IGNOREHEADER는 병렬 로드에서 모든 파일의 헤더를 건너뛸 때 사용됩니다.
NULL AS '*null\$1string*'
*null\$1string*과 일치하는 필드를 NULL로 로드합니다. 여기에서 *null\$1string*은 어떤 문자열이든 가능합니다. 데이터에 NUL(UTF-8 0000) 또는 이진 0(0x000)으로도 불리는 null 종결자가 포함되어 있으면 COPY는 이를 다른 문자로 취급합니다. 예를 들어 '1' \$1\$1 NUL \$1\$1 '2'를 포함하는 레코드는 길이가 3바이트인 문자열로 복사됩니다. 필드에 NUL만 포함된 경우 NULL AS로 `'\0'` 또는 `'\000'`을 지정(예: `NULL AS '\0'` 또는 `NULL AS '\000'`)하여 null 종결자를 NULL로 바꿀 수 있습니다. 필드에 NUL로 끝나는 문자열이 있을 때 NULL AS를 지정하면 끝에서 NUL과 함께 문자열이 삽입됩니다. *null\$1string* 값에 '\$1n'(줄 바꿈)을 사용하지 않습니다. Amazon Redshift는 줄 구분 기호로 사용하기 위해 '\$1n'을 예약합니다. 기본 *null\$1string*은 `'\N`'입니다.
NULL을 NOT NULL로 정의된 열에 로드하려고 하면 COPY 명령이 실패합니다.
REMOVEQUOTES
입력 데이터의 문자열에서 묶고 있는 인용 부호를 제거합니다. 인용 부호 안의 문자는 구분자를 포함하여 모두 유지됩니다. 문자열에 선행하는 작은 또는 큰 따옴표만 있고 후행하는 인용 부호가 없는 경우에는 COPY 명령이 해당 행을 로드하지 못하고 오류를 반환합니다. 다음 표는 인용 부호로 묶인 문자열과 이 옵션으로 로드되는 값의 몇 가지 예를 보여줍니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/copy-parameters-data-conversion.html)
ROUNDEC
입력 값의 소수점 자릿수가 열 값의 소수점 자릿수보다 큰 경우 숫자 값을 반올림합니다. 기본적으로 COPY는 열 값의 소수점 자릿수에 맞출 필요가 있을 때 값을 자릅니다. 예를 들어 `20.259` 값을 DECIMAL(8,2) 열에 로드한다고 가정할 때 기본적으로 COPY가 이 값을 `20.25`로 자릅니다. 하지만 ROUNDEC를 지정하면 COPY가 값을 `20.26`으로 반올림합니다. INSERT 명령은 열 값의 소수점 자릿수와 일치시켜야 할 때마다 항상 값을 반올림합니다. 따라서 ROUNDEC 파라미터가 지정된 COPY 명령은 INSERT 명령과 똑같이 동작합니다.
TIMEFORMAT [AS] \$1'*timeformat\$1string*' \$1 'auto' \$1 'epochsecs' \$1 'epochmillisecs' \$1
시간 형식을 지정합니다. TIMEFORMAT을 지정하지 않았을 때 기본 형식은 TIMESTAMP 열의 경우 `YYYY-MM-DD HH:MI:SS`이고, 그리고 TIMESTAMPTZ 열의 경우 `YYYY-MM-DD HH:MI:SSOF`입니다. 여기에서 `OF`는 협정 세계시(UTC)의 오프셋을 말합니다. *timeformat\$1string*에는 시간대 지정자를 추가할 수 없습니다. 기본 형식과 다른 형식의 TIMESTAMPTZ 데이터를 로드하려면 'auto'를 지정해야 합니다. 자세한 내용은 [DATEFORMAT 및 TIMEFORMAT 옵션의 자동 인식 사용](automatic-recognition.md) 섹션을 참조하세요. *timeformat\$1string*에 대한 자세한 내용은 [DATEFORMAT 및 TIMEFORMAT 문자열예제](r_DATEFORMAT_and_TIMEFORMAT_strings.md) 섹션을 참조하세요.
`'auto'` 인수는 DATEFORMAT 및 TIMEFORMAT 문자열 사용 시 지원되지 않는 몇 가지 형식을 인식합니다. COPY 명령이 날짜 또는 시간 값의 형식을 인식하지 못하거나, 혹은 날짜 및 시간 값이 서로 다른 형식인 경우에는 DATEFORMAT 또는 TIMEFORMAT 파라미터에 `'auto'` 인수를 사용하세요. 자세한 내용은 [DATEFORMAT 및 TIMEFORMAT 옵션의 자동 인식 사용](automatic-recognition.md) 섹션을 참조하세요.
원본 데이터가 epoch 시간, 즉 1970년 1월 1일 00:00:00 UTC 이후의 시간(초 또는 밀리초)으로 표현되는 경우에는 `'epochsecs'` 또는 `'epochmillisecs'`를 지정합니다.
`'auto'`, `'epochsecs'` 및 `'epochmillisecs'` 키워드는 대/소문자를 구분합니다.
AS 키워드는 옵션입니다.
TRIMBLANKS
VARCHAR 문자열에서 후행 공백 문자를 제거합니다. 이 파라미터는 VARCHAR 데이터 형식의 열에만 적용됩니다.
TRUNCATECOLUMNS
열의 데이터를 열 명세에 따라 적합한 수의 문자로 자릅니다. VARCHAR 또는 CHAR 데이터 형식의 열에만 적용되며, 행의 크기는 4MB 이하입니다.
# 데이터 로드 작업
문제 해결을 위해, 혹은 로드 시간을 줄일 목적으로 다음 파라미터를 지정하여 로드 작업의 기본 동작을 관리합니다.
+ [COMPROWS](#copy-comprows)
+ [COMPUPDATE](#copy-compupdate)
+ [IGNOREALLERRORS](#copy-ignoreallerrors)
+ [MAXERROR](#copy-maxerror)
+ [NOLOAD](#copy-noload)
+ [STATUPDATE](#copy-statupdate) 파라미터
COMPROWS *numrows*
압축 분석 시 샘플 크기로 사용할 행의 수를 지정합니다. 분석은 각 데이터 조각의 행에서 실행됩니다. 예를 들어 `COMPROWS 1000000`(1,000,000)을 지정했을 때 시스템에 총 4개의 조각이 있는 경우에는 조각당 250,000개까지만 행을 읽고 분석합니다.
COMPROWS가 지정되지 않은 경우 샘플 크기는 기본적으로 조각당 100,000개입니다. 기본값인 조각당 100,000개의 행보다 낮은 COMPROWS 값은 자동으로 기본값으로 업그레이드됩니다. 하지만 로드되는 데이터의 크기가 유의적인 샘플을 산출할 정도로 충분하지 않은 경우에는 자동 압축이 일어나지 않습니다.
COMPROWS 숫자가 입력 파일의 행 개수보다 큰 값이면 COPY 명령이 가능한 모든 행에 대한 압축 분석을 계속 진행하고 실행합니다. 이 인수의 허용 범위는 1000과 2147483647(2,147,483,647) 사이의 수입니다.
COMPUPDATE [ PRESET \$1 \$1 ON \$1 TRUE \$1 \$1 \$1 OFF \$1 FALSE \$1 ]
COPY 실행 시 압축 인코딩의 자동 적용 여부를 제어합니다.
COMPUPDATE가 PRESET인 경우 열에 이미 RAW 이외의 다른 인코딩이 있어도 대상 테이블이 비어 있으면 COPY 명령이 각 열에 대한 압축 인코딩을 선택합니다. 현재 지정된 열 인코딩을 바꿀 수 있습니다. 각 열에 대한 인코딩은 열 데이터 형식을 기준으로 합니다. 데이터가 샘플링되지 않습니다. Amazon Redshift가 다음과 같이 압축 인코딩을 자동으로 할당합니다.
+ 정렬 키로 정의된 열은 RAW 압축이 할당됩니다.
+ BOOLEAN, REAL 또는 DOUBLE PRECISION 데이터 형식으로 정의된 열은 RAW 압축이 할당됩니다.
+ SMALLINT, INTEGER, BIGINT, DECIMAL, DATE, TIMESTAMP 또는 TIMESTAMPTZ로 정의된 열에는 AZ64 압축이 할당됩니다.
+ CHAR 또는 VARCHAR로 정의된 열에는 LZO 압축이 할당됩니다.
COMPUPDATE가 생략된 경우 COPY 명령은 대상 테이블이 비어 있고 임의의 열에 대한 인코딩(RAW 이외)을 지정하지 않은 경우에만 각 열에 대한 압축 인코딩을 선택합니다. 각 열에 대한 인코딩은 Amazon Redshift에 의해 결정됩니다. 데이터가 샘플링되지 않습니다.
COMPUPDATE가 ON(또는 TRUE)이거나 옵션 없이 COMPUPDATE가 지정된 경우 테이블 열에 이미 RAW 외에 다른 인코딩이 있어도 테이블이 비어 있으면 COPY 명령이 자동 압축을 적용합니다. 현재 지정된 열 인코딩을 바꿀 수 있습니다. 각 열에 대한 인코딩은 샘플 데이터 분석을 기반으로 합니다. 자세한 내용은 [자동 압축을 사용하여 테이블 로드](c_Loading_tables_auto_compress.md) 섹션을 참조하세요.
COMPUPDATE가 OFF(또는 FALSE)일 때는 자동 압축이 비활성화됩니다. 열 인코딩은 변경되지 않습니다.
압축을 분석하는 시스템 테이블에 대한 자세한 내용은 [STL\$1ANALYZE\$1COMPRESSION](r_STL_ANALYZE_COMPRESSION.md) 섹션을 참조하세요.
IGNOREALLERRORS
이 옵션을 지정하여 로드 작업 중에 발생하는 모든 오류를 무시할 수 있습니다.
MAXERROR 옵션을 지정하면 IGNOREALLERRORS 옵션을 지정할 수 없습니다. ORC 및 Parquet를 포함한 열 형식에 대해서는 IGNOREALLERRORS 옵션을 지정할 수 없습니다.
MAXERROR [AS] *error\$1count*
데이터 로드 시 *error\$1count*를 오류 수 이상으로 반환하면 로드가 중단됩니다. 반환되는 오류 수가 더 적을 때는 로드를 계속하면서 INFO 메시지를 반환하여 로드할 수 없는 행의 수를 알려줍니다. 이 파라미터는 형식 오류 또는 기타 데이터 불일치로 인해 일부 행을 테이블에 로드하지 못할 때 중단 없이 로드를 계속할 수 있도록 지정합니다.
첫 번째 오류 발생 시 바로 로드를 중단하려면 이 값을 `0` 또는 `1`로 설정하세요. AS 키워드는 옵션입니다. MAXERROR 기본 값은 `0`이며 최대 `100000`까지 설정할 수 있습니다.
Amazon Redshift의 병렬 특성 때문에 실제로 보고되는 오류 수는 지정한 MAXERROR 값보다 클 수 있습니다. Amazon Redshift 클러스터 노드에서 MAXERROR 값이 초과된 것을 감지하면 각 노드가 발생하는 모든 오류를 보고합니다.
NOLOAD
실제로 데이터를 로드하지 않고 데이터 파일의 유효성을 검사합니다. NOLOAD 파라미터를 사용하면 실제로 데이터를 로드하기 전에 데이터 파일의 로드에 따른 잠재적 오류 여부를 확인할 수 있습니다. COPY를 NOLOAD 파라미터와 함께 실행하면 파일의 구문만 분석하기 때문에 데이터 로드보다 속도가 훨씬 빠릅니다.
STATUPDATE [ \$1 ON \$1 TRUE \$1 \$1 \$1 OFF \$1 FALSE \$1 ]
COPY 명령을 성공적으로 마치면 옵티마이저 통계를 자동 계산하여 업데이트합니다. 기본적으로 처음부터 빈 테이블이라면 STATUPDATE 파라미터를 사용하지 않아도 통계가 자동 업데이트됩니다.
데이터를 비어있지 않은 테이블로 수집하면서 테이블 크기의 변동이 심할 때마다 [ANALYZE](r_ANALYZE.md) 명령을 실행하거나, 혹은 STATUPDATE ON 인수를 사용하여 통계를 업데이트하는 것이 좋습니다.
STATUPDATE ON(또는 TRUE)일 때는 테이블이 처음부터 비어있는지 상관없이 통계가 자동 업데이트됩니다. STATUPDATE를 사용할 경우 현재 사용자가 테이블 소유자이거나 수퍼유저이어야 합니다. 하지만 STATUPDATE를 지정하지 않는 경우에는 사용자에게 INSERT 권한만 있으면 됩니다.
STATUPDATE OFF(또는 FALSE)일 때는 통계가 업데이트되지 않습니다.
자세한 내용은 [테이블 분석](t_Analyzing_tables.md) 섹션을 참조하세요.
# 알파벳 순서의 파라미터 목록
다음은 COPY 명령 파라미터 각각에 대한 설명 링크가 알파벳 순으로 정렬되어 있는 목록입니다.
+ [ACCEPTANYDATE](copy-parameters-data-conversion.md#copy-acceptanydate)
+ [ACCEPTINVCHARS](copy-parameters-data-conversion.md#copy-acceptinvchars)
+ [ACCESS\$1KEY\$1ID, SECRET\$1ACCESS\$1KEY](copy-parameters-authorization.md#copy-access-key-id-access)
+ [AVRO](copy-parameters-data-format.md#copy-avro)
+ [BLANKSASNULL](copy-parameters-data-conversion.md#copy-blanksasnull)
+ [BZIP2](copy-parameters-file-compression.md#copy-bzip2)
+ [COMPROWS](copy-parameters-data-load.md#copy-comprows)
+ [COMPUPDATE](copy-parameters-data-load.md#copy-compupdate)
+ [CREDENTIALS](copy-parameters-authorization.md#copy-credentials-cred)
+ [CSV](copy-parameters-data-format.md#copy-csv)
+ [DATEFORMAT](copy-parameters-data-conversion.md#copy-dateformat)
+ [DELIMITER](copy-parameters-data-format.md#copy-delimiter)
+ [EMPTYASNULL](copy-parameters-data-conversion.md#copy-emptyasnull)
+ [ENCODING](copy-parameters-data-conversion.md#copy-encoding)
+ [ENCRYPTED](copy-parameters-data-source-s3.md#copy-encrypted)
+ [ESCAPE](copy-parameters-data-conversion.md#copy-escape)
+ [EXPLICIT_IDS](copy-parameters-data-conversion.md#copy-explicit-ids)
+ [FILLRECORD](copy-parameters-data-conversion.md#copy-fillrecord)
+ [FIXEDWIDTH](copy-parameters-data-format.md#copy-fixedwidth)
+ [FORMAT](copy-parameters-data-format.md#copy-format)
+ [FROM](copy-parameters-data-source-s3.md#copy-parameters-from)
+ [GZIP](copy-parameters-file-compression.md#copy-gzip)
+ [IAM\$1ROLE](copy-parameters-authorization.md#copy-iam-role-iam)
+ [IGNOREALLERRORS](copy-parameters-data-load.md#copy-ignoreallerrors)
+ [IGNOREBLANKLINES](copy-parameters-data-conversion.md#copy-ignoreblanklines)
+ [IGNOREHEADER](copy-parameters-data-conversion.md#copy-ignoreheader)
+ [JSON format for COPY](copy-parameters-data-format.md#copy-json)
+ [LZOP](copy-parameters-file-compression.md#copy-lzop)
+ [MANIFEST](copy-parameters-data-source-s3.md#copy-manifest)
+ [MASTER_SYMMETRIC_KEY](copy-parameters-data-source-s3.md#copy-master-symmetric-key)
+ [MAXERROR](copy-parameters-data-load.md#copy-maxerror)
+ [NOLOAD](copy-parameters-data-load.md#copy-noload)
+ [NULL AS](copy-parameters-data-conversion.md#copy-null-as)
+ [READRATIO](copy-parameters-data-source-dynamodb.md#copy-readratio)
+ [REGION](copy-parameters-data-source-s3.md#copy-region)
+ [REMOVEQUOTES](copy-parameters-data-conversion.md#copy-removequotes)
+ [ROUNDEC](copy-parameters-data-conversion.md#copy-roundec)
+ [SESSION\$1TOKEN](copy-parameters-authorization.md#copy-token)
+ [SHAPEFILE](copy-parameters-data-format.md#copy-shapefile)
+ [SSH](copy-parameters-data-source-ssh.md#copy-ssh)
+ [STATUPDATE](copy-parameters-data-load.md#copy-statupdate)
+ [TIMEFORMAT](copy-parameters-data-conversion.md#copy-timeformat)
+ [TRIMBLANKS](copy-parameters-data-conversion.md#copy-trimblanks)
+ [TRUNCATECOLUMNS](copy-parameters-data-conversion.md#copy-truncatecolumns)
+ [ZSTD](copy-parameters-file-compression.md#copy-zstd)
# 사용 노트
**Topics**
+ [다른 AWS 리소스에 대한 액세스 권한](copy-usage_notes-access-permissions.md)
+ [Amazon S3 액세스 포인트 별칭과 함께 COPY 사용](copy-usage_notes-s3-access-point-alias.md)
+ [Amazon S3에서 멀티바이트 데이터 로드](copy-usage_notes-multi-byte.md)
+ [GEOMETRY 또는 GEOGRAPHY 데이터 유형의 열 로드](copy-usage_notes-spatial-data.md)
+ [HLLSKETCH 데이터 형식 로드](copy-usage_notes-hll.md)
+ [VARBYTE 데이터 유형의 열 로드](copy-usage-varbyte.md)
+ [다수의 파일을 읽어올 때 발생하는 오류](copy-usage_notes-multiple-files.md)
+ [JSON 형식의 COPY 지원](copy-usage_notes-copy-from-json.md)
+ [열 기반 데이터 형식에서 COPY 명령](copy-usage_notes-copy-from-columnar.md)
+ [DATEFORMAT 및 TIMEFORMAT 문자열](r_DATEFORMAT_and_TIMEFORMAT_strings.md)
+ [DATEFORMAT 및 TIMEFORMAT 옵션의 자동 인식 사용](automatic-recognition.md)
# 다른 AWS 리소스에 대한 액세스 권한
Amazon S3, Amazon DynamoDB, Amazon EMR, Amazon EC2 등의 다른 AWS 리소스와 클러스터 사이에 데이터를 이동시키려면 클러스터에 리소스에 대한 액세스 권한을 비롯해 필요한 작업 권한이 있어야 합니다. 예를 들어 Amazon S3에서 데이터를 로드하려면 COPY에 버킷에 대한 LIST 액세스 권한과 버킷 객체에 대한 GET 액세스 권한이 있어야 합니다. 최소 권한에 대한 자세한 내용은 [COPY, UNLOAD 및 CREATE LIBRARY 작업을 위한 IAM 권한](#copy-usage_notes-iam-permissions) 섹션을 참조하세요.
리소스에 대한 액세스 권한을 얻기 위해서는 먼저 클러스터의 인증이 필요합니다. 인증 방법은 다음 중 한 가지를 선택할 수 있습니다.
+ [역할 기반 액세스 제어](#copy-usage_notes-access-role-based) – 역할 기반 액세스 제어에서는 사용자가 클러스터가 인증 및 권한 부여에 사용할 AWS Identity and Access Management(IAM) 역할을 지정합니다. AWS 자격 증명과 민감한 데이터를 보호하려면 역할 기반 인증의 사용을 강력하게 권장합니다.
+ [키 기반 액세스 제어](#copy-usage_notes-access-key-based) – 키 기반 액세스 제어에서는 사용자의 AWS 액세스 자격 증명(액세스 키 ID와 비밀 액세스 키)을 일반 텍스트로 입력합니다.
## 역할 기반 액세스 제어
역할 기반 액세스 제어를 통해 클러스터는 IAM 역할을 임시로 맡습니다. 그런 다음 역할에 부여되는 권한에 따라 클러스터가 필요한 AWS 리소스에 액세스할 수 있습니다.
AWS에서 자격 증명이 할 수 있는 것과 없는 것을 결정하는 권한 정책을 갖춘 AWS 자격 증명이라는 점에서 IAM *역할* 생성은 사용자에게 권한을 제공하는 것과 유사합니다. 하지만 역할은 사용자 한 명과 독자적으로 연결되는 것이 아니기 때문에 필요한 모든 객체에게 전달할 수 있습니다. 또한 역할과 연결되는 자격 증명(암호 또는 액세스 키)도 전혀 없습니다. 다만 역할이 클러스터와 연결되면 액세스 키가 동적으로 생성되어 클러스터에게 제공됩니다.
역할 기반 액세스 제어는 AWS 자격 증명을 보호하는 것은 물론이고 AWS 리소스와 민감한 사용자 데이터에 대한 액세스를 더욱 안전하게, 그리고 세분화하여 제어할 수 있다는 점에서 더욱 바람직합니다.
역할 기반 인증의 이점은 다음과 같습니다.
+ AWS 표준 IAM 도구를 사용하여 IAM 역할을 정의한 후 다수의 클러스터와 연결할 수 있습니다. 역할 액세스 정책을 수정할 경우에는 변경 사항이 역할을 사용하는 모든 클러스터에 자동 적용됩니다.
+ 특정 클러스터 및 데이터베이스 사용자에게 원하는 AWS 리소스와 작업에 대한 액세스 권한을 부여하는 IAM 정책을 세분화하여 정의할 수 있습니다.
+ 클러스터가 실행 시간에 임시 세션 자격 증명을 가져온 후 작업이 끝날 때까지 필요에 따라 자격 증명을 새롭게 변경합니다. 키 기반 임시 자격 증명을 사용하는 경우에는 작업을 마치기 전에 임시 자격 증명이 만료되면 작업이 중단됩니다.
+ 액세스 키 ID와 보안 액세스 키 ID는 저장되지도 않고 SQL 코드로 전송되지도 않습니다.
역할 기반 액세스 제어를 사용하려면 먼저 Amazon Redshift 서비스 역할 유형을 사용하여 IAM 역할을 생성한 후 클러스터에 연결해야 합니다. 이 역할에는 최소한 [COPY, UNLOAD 및 CREATE LIBRARY 작업을 위한 IAM 권한](#copy-usage_notes-iam-permissions)에 나열된 권한이 있어야 합니다. IAM 역할을 생성하여 클러스터에 연결하는 단계는 *Amazon Redshift 관리 가이드*의 [사용자를 대신하여 기타 AWS 서비스에 액세스하도록 Amazon Redshift에 권한 부여](https://docs.aws.amazon.com/redshift/latest/mgmt/authorizing-redshift-service.html) 섹션을 참조하세요.
Amazon Redshift 관리 콘솔, CLI 또는 API를 사용하여 역할을 클러스터에 추가하거나, 클러스터와 연결된 역할을 확인할 수 있습니다. 자세한 내용은 *Amazon Redshift 관리 가이드*의 [클러스터와 IAM 역할 연결](https://docs.aws.amazon.com/redshift/latest/mgmt/copy-unload-iam-role.html) 섹션을 참조하세요.
IAM 역할을 생성하면 IAM이 생성된 역할의 Amazon 리소스 이름(ARN)을 반환합니다. IAM 역할을 지정하려면 [IAM\$1ROLE 파라미터 사용](copy-parameters-authorization.md#copy-iam-role) 파라미터 또는 [CREDENTIALS 파라미터 사용](copy-parameters-authorization.md#copy-credentials) 파라미터에 이 역할 ARN을 입력해야 합니다.
예를 들어 클러스터에 다음과 같은 역할이 연결되어 있다고 가정하겠습니다.
```
"IamRoleArn": "arn:aws:iam::0123456789012:role/MyRedshiftRole"
```
다음은 위의 예에서 Amazon S3에 대한 인증 및 액세스를 위해 IAM\$1ROLE 파라미터에 ARN을 사용하는 COPY 명령 예입니다.
```
copy customer from 's3://amzn-s3-demo-bucket/mydata'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole';
```
다음은 CREDENTIALS 파라미터를 사용하여 IAM 역할을 지정하는 COPY 명령 예입니다.
```
copy customer from 's3://amzn-s3-demo-bucket/mydata'
credentials
'aws_iam_role=arn:aws:iam::0123456789012:role/MyRedshiftRole';
```
또한 슈퍼 사용자는 데이터베이스 사용자 및 그룹에 ASSUMEROLE 권한을 부여하여 COPY 작업을 위한 역할에 대한 액세스 권한을 제공할 수 있습니다. 자세한 내용은 [GRANT](r_GRANT.md) 섹션을 참조하세요.
## 키 기반 액세스 제어
키 기반 액세스 제어의 경우 데이터가 포함된 AWS 리소스에 액세스할 권한이 부여된 IAM 사용자에게 액세스 키 ID와 비밀 액세스 키를 제공합니다. [ACCESS\$1KEY\$1ID 및 SECRET\$1ACCESS\$1KEY 파라미터 사용](copy-parameters-authorization.md#copy-access-key-id) 파라미터를 함께 사용하거나 [CREDENTIALS 파라미터 사용](copy-parameters-authorization.md#copy-credentials) 파라미터를 사용할 수 있습니다.
**참고**
액세스 키 ID와 비밀 액세스 키를 일반 텍스트 형태로 입력하기보다는 IAM 역할을 인증에 사용하는 것을 강력 권장합니다. 키 기반 액세스 제어를 선택하는 경우에는 절대 AWS 계정(루트) 자격 증명을 사용하지 마세요. 항상 IAM 사용자를 먼저 생성한 후 해당 사용자의 액세스 키 ID와 비밀 액세스 키를 입력합니다. IAM 사용자를 생성하는 단계는 [AWS 계정의 IAM 사용자 생성](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_users_create.html)을 참조하세요.
ACCESS\$1KEY\$1ID와 SECRET\$1ACCESS\$1KEY를 사용하여 인증하려면 다음 예와 같이 ** 및 **에 권한이 부여된 사용자의 액세스 키 ID와 전체 보안 액세스 키를 입력합니다.
```
ACCESS_KEY_ID ''
SECRET_ACCESS_KEY '';
```
CREDENTIALS 파라미터를 사용하여 인증하려면 다음 예와 같이 ** 및 **에 권한이 부여된 사용자의 액세스 키 ID와 전체 보안 액세스 키를 입력합니다.
```
CREDENTIALS
'aws_access_key_id=;aws_secret_access_key=';
```
IAM 사용자는 최소한 [COPY, UNLOAD 및 CREATE LIBRARY 작업을 위한 IAM 권한](#copy-usage_notes-iam-permissions)에 나열된 권한이 있어야 합니다.
### 임시 보안 자격 증명
키 기반 액세스 제어를 사용하는 경우에는 임시 보안 자격 증명을 통해 데이터에 대한 사용자 액세스를 추가로 제한할 수 있습니다. 역할 기반 인증은 임시 자격 증명을 자동으로 사용합니다.
**참고**
임시 자격 증명을 생성하여 액세스 키 ID와 보안 액세스 키를 일반 텍스트 형태로 입력하기보다는 [role-based access control](#copy-usage_notes-access-role-based.phrase)를 사용하는 것이 더욱 바람직합니다. 역할 기반 액세스 제어는 자동으로 임시 자격 증명을 사용합니다.
임시 보안 자격 증명은 유효 기간이 짧고 만료 후 재사용이 불가능하기 때문에 보안을 강화하는 효과가 있습니다. 토큰으로 생성된 액세스 키 ID와 비밀 액세스 키는 토큰 없이 사용할 수 없으며, 이러한 임시 보안 자격 증명이 발급된 사용자는 자격 증명이 만료될 때까지만 리소스에 액세스할 수 있습니다.
사용자에게 리소스에 대한 임시 액세스 권한을 부여할 때는 AWS Security Token Service(AWS STS) API 작업을 호출합니다. AWS STS API 작업은 보안 토큰, 액세스 키 ID 및 보안 액세스 키로 구성된 임시 보안 자격 증명을 반환합니다. 임시 보안 자격 증명은 리소스에 대한 일시적으로 액세스가 필요한 사용자에게 발급합니다. 이러한 사용자들은 기존 IAM 사용자일 수도 있고, 혹은 AWS를 사용하지 않는 사용자일 수도 있습니다. 임시 보안 자격 증명 생성에 대한 자세한 내용은 IAM User Guide의 [Using Temporary Security Credentials](https://docs.aws.amazon.com/STS/latest/UsingSTS/Welcome.html) 섹션을 참조하세요.
[ACCESS\$1KEY\$1ID 및 SECRET\$1ACCESS\$1KEY 파라미터 사용](copy-parameters-authorization.md#copy-access-key-id) 파라미터를 [SESSION\$1TOKEN](copy-parameters-authorization.md#copy-token) 파라미터 또는 [CREDENTIALS 파라미터 사용](copy-parameters-authorization.md#copy-credentials) 파라미터와 함께 사용할 수 있습니다. 또한 토큰과 함께 제공되는 액세스 키 ID와 보안 액세스 키를 입력해야 합니다.
ACCESS\$1KEY\$1ID, SECRET\$1ACCESS\$1KEY 및 SESSION\$1TOKEN을 사용하여 인증하려면 다음 예와 같이 **, **, **에 해당하는 자격 증명을 입력합니다.
```
ACCESS_KEY_ID ''
SECRET_ACCESS_KEY ''
SESSION_TOKEN '';
```
CREDENTIALS를 사용하여 인증하려면 다음 예와 같이 자격 증명 문자열에 `session_token=`을 입력합니다.
```
CREDENTIALS
'aws_access_key_id=;aws_secret_access_key=;session_token=';
```
다음은 임시 보안 자격 증명을 사용하는 COPY 명령 예입니다.
```
copy table-name
from 's3://objectpath'
access_key_id ''
secret_access_key ''
session_token '';
```
다음은 임시 자격 증명과 파일 암호화를 사용해 LISTING 테이블에 로드하는 예입니다.
```
copy listing
from 's3://amzn-s3-demo-bucket/data/listings_pipe.txt'
access_key_id ''
secret_access_key ''
session_token ''
master_symmetric_key ''
encrypted;
```
다음은 CREDENTIALS 파라미터에서 임시 자격 증명과 파일 암호화를 사용해 LISTING 테이블에 로드하는 예입니다.
```
copy listing
from 's3://amzn-s3-demo-bucket/data/listings_pipe.txt'
credentials
'aws_access_key_id=;aws_secret_access_key=;session_token=;master_symmetric_key='
encrypted;
```
**중요**
임시 보안 자격 증명은 COPY 또는 UNLOAD 작업이 완전히 끝날 때까지 유효해야 합니다. 작업 도중 임시 보안 자격 증명이 만료되면 명령 중단과 함께 트랜잭션이 롤백됩니다. 예를 들어 임시 보안 자격 증명이 15분 후 만료되는데 필요한 COPY 작업 시간이 1시간이라면 COPY 작업이 완료 이전에 중단됩니다. 하지만 역할 기반 액세스를 사용하는 경우에는 작업을 마치기 전에 임시 보안 자격 증명이 새롭게 자동 업데이트됩니다.
## COPY, UNLOAD 및 CREATE LIBRARY 작업을 위한 IAM 권한
CREDENTIALS 파라미터에서 참조하는 IAM 역할 또는 사용자는 최소한 다음 권한을 가지고 있어야 합니다.
+ Amazon S3에서 COPY의 경우 Amazon S3 버킷에 대한 LIST 및 로드 중인 Amazon S3 객체와 매니페스트 파일(사용 중인 경우)에 대한 GET 권한.
+ JSON 형식 데이터가 있는 Amazon S3, Amazon EMR 및 원격 호스트(SSH)에서 COPY를 지원하는 경우 Amazon S3의 JSONPaths 파일(사용하는 경우)에 대한 LIST 및 GET 권한.
+ DynamoDB에서 COPY의 경우 로드 중인 DynamoDB 테이블에 대한 SCAN 및 DESCRIBE 권한.
+ Amazon EMR 클러스터에서 COPY의 경우 Amazon EMR 클러스터에 대한 `ListInstances` 작업 권한.
+ Amazon S3로 UNLOAD의 경우 데이터 파일을 언로드 중인 Amazon S3 버킷에 대한 GET, LIST 및 PUT 권한.
+ Amazon S3에서 CREATE LIBRARY의 경우 Amazon S3 버킷에 대한 LIST 및 가져오고 있는 Amazon S3 객체에 대한 GET 권한.
**참고**
COPY, UNLOAD 또는 CREATE LIBRARY 명령 실행 시 오류 메시지로 `S3ServiceException: Access Denied`가 수신되면 클러스터에 Amazon S3에 대한 액세스 권한이 없는 것입니다.
IAM 권한은 클러스터, 사용자 또는 사용자가 속한 그룹에 연결되어 있는 IAM 역할에 IAM 정책을 연결하여 관리할 수 있습니다. 예를 들어 `AmazonS3ReadOnlyAccess` 관리형 정책은 Amazon S3 리소스에 LIST 및 GET 권한을 부여합니다. IAM 정책에 대한 자세한 내용은 *IAM User Guide*의 [Managing IAM Policies](https://docs.aws.amazon.com/IAM/latest/UserGuide/access_policies_manage.html) 섹션을 참조하세요.
# Amazon S3 액세스 포인트 별칭과 함께 COPY 사용
COPY는 Amazon S3 액세스 포인트 별칭을 지원합니다. 자세한 내용은 *Amazon Simple Storage Service 사용 설명서*의 [액세스 포인트에 버킷 스타일 별칭 사용](https://docs.aws.amazon.com/AmazonS3/latest/userguide/access-points-alias.html)을 참조하세요.
# Amazon S3에서 멀티바이트 데이터 로드
데이터에 중국어나 키릴 문자 같이 ASCII가 아닌 멀티바이트 문자가 포함되어 있는 경우에는 VARCHAR 열에 데이터를 로드해야 합니다. VARCHAR 데이터 형식은 4바이트 UTF-8 문자를 지원하지만 CHAR 데이터 형식에서는 1바이트 ASCII 문자만 허용되기 때문입니다. Amazon Redshift 테이블에 5바이트 이상의 문자는 로드할 수 없습니다. 자세한 내용은 [멀티바이트 문자](c_Supported_data_types.md#c_Supported_data_types-multi-byte-characters) 섹션을 참조하세요.
# GEOMETRY 또는 GEOGRAPHY 데이터 유형의 열 로드
CSV 파일과 같이 문자로 구분된 텍스트 파일의 데이터에서 `GEOMETRY` 또는 `GEOGRAPHY` 열로 COPY가 가능합니다. 데이터는 잘 알려진 이진 형식(WKB 또는 EWKB) 또는 잘 알려진 텍스트 형식(WKT 또는 EWKT)의 16진수 형식이어야 하며 COPY 명령에 대한 단일 입력 행의 최대 크기에 맞아야 합니다. 자세한 내용은 [COPY](r_COPY.md) 섹션을 참조하세요.
shapefile에서 로드하는 방법에 대한 자세한 내용은 [Amazon Redshift에 shapefile 로드](spatial-copy-shapefile.md) 섹션을 참조하세요.
`GEOMETRY` 또는 `GEOGRAPHY` 데이터 유형에 대한 자세한 내용은 [Amazon Redshift에서 공간 데이터 쿼리](geospatial-overview.md)섹션을 참조하세요.
# HLLSKETCH 데이터 형식 로드
HLL 스케치는 Amazon Redshift에서 지원하는 희소 또는 밀집 형식으로만 복사할 수 있습니다. HyperLogLog 스케치에서 COPY 명령을 사용하려면 밀접 HyperLogLog 스케치에 Base64 형식을 사용하고 희소 HyperLogLog 스케치에 JSON 형식을 사용합니다. 자세한 내용은 [HyperLogLog 함수](hyperloglog-functions.md) 섹션을 참조하세요.
다음 예에서는 CREATE TABLE 및 COPY를 사용하여 CSV 파일의 데이터를 테이블로 가져옵니다. 먼저 이 예에서는 CREATE TABLE을 사용하여 테이블 `t1`을 생성합니다.
```
CREATE TABLE t1 (sketch hllsketch, a bigint);
```
그런 다음 COPY를 사용하여 CSV 파일의 데이터를 테이블 `t1`로 가져옵니다.
```
COPY t1 FROM s3://amzn-s3-demo-bucket/unload/' IAM_ROLE 'arn:aws:iam::0123456789012:role/MyRedshiftRole' NULL AS 'null' CSV;
```
# VARBYTE 데이터 유형의 열 로드
CSV, Parquet, ORC 형식의 파일에서 데이터를 로드할 수 있습니다. CSV의 경우 데이터는 파일에서 VARBYTE 데이터의 16진수 표현으로 로드됩니다. `FIXEDWIDTH` 옵션을 사용하여 VARBYTE 데이터를 로드할 수 없습니다. COPY의 `ADDQUOTES` 또는 `REMOVEQUOTES` 옵션은 지원되지 않습니다. VARBYTE 열은 파티션 열로 사용할 수 없습니다.
# 다수의 파일을 읽어올 때 발생하는 오류
COPY 명령은 원자성을 띤 트랜잭션으로 처리됩니다. 다시 말해서 COPY 명령이 다수의 파일에서 데이터를 읽어올 때도 전체 프로세스가 하나의 트랜잭션으로 처리됩니다. COPY가 파일을 읽어오다 오류가 발생하면 프로세스 시간 제한에 이를 때까지([statement\$1timeout](r_statement_timeout.md) 참조) 자동으로 재시도합니다. 또는 Amazon S3에서 장시간(15\$130분) 데이터를 다운로드할 수 없는 경우에도 마찬가지입니다. 따라서 각 파일마다 반드시 단 한 번 로드됩니다. COPY 명령이 실패하면 전체 트랜잭션이 취소되고 모든 변경 사항이 롤백됩니다. 로드 오류 처리에 대한 자세한 내용은 [데이터 로드 문제 해결](t_Troubleshooting_load_errors.md) 섹션을 참조하세요.
COPY 명령이 성공적으로 시작되면 클라이언트가 분리되는 등 세션이 종료되더라도 중단되지 않습니다. 하지만 COPY 명령이 세션 종료로 인해 아직 완료되지 않은 BEGIN … END 트랜잭션 블록 내에서 정체되면 COPY를 포함해 전체 트랜잭션이 롤백됩니다. 버전 관리에 대한 자세한 내용은 [BEGIN](r_BEGIN.md) 섹션을 참조하세요.
# JSON 형식의 COPY 지원
JSON 데이터 구조는 객체 또는 배열 집합으로 구성됩니다. JSON *객체*는 중괄호로 시작해서 끝나며 이름-값 페어 집합이 순서에 상관없이 포함되어 있습니다. 각 이름과 값은 각각 콜론으로 구분되며, 페어는 서로 쉼표로 구분됩니다. 이름은 큰 따옴표로 묶이는 문자열입니다. 인용 부호는 기울어진 따옴표나 "스마트" 따옴표가 아닌 단순한 따옴표(0x22)여야 합니다.
JSON *배열*은 대괄호로 시작해서 끝나며 쉼표로 구분된 값 집합이 순서에 따라 포함되어 있습니다. 값은 큰 따옴표로 묶이는 문자열, 숫자, 부울(true 또는 false), NULL, JSON 객체 또는 배열이 될 수 있습니다.
JSON 객체와 배열은 중첩이 가능하여 계층적인 데이터 구조를 이룹니다. 다음은 유효한 객체 2개가 포함된 JSON 데이터 구조의 예입니다.
```
{
"id": 1006410,
"title": "Amazon Redshift Database Developer Guide"
}
{
"id": 100540,
"name": "Amazon Simple Storage Service User Guide"
}
```
다음은 두 개의 JSON 배열과 동일한 데이터를 보여 줍니다.
```
[
1006410,
"Amazon Redshift Database Developer Guide"
]
[
100540,
"Amazon Simple Storage Service User Guide"
]
```
## JSON에 대한 COPY 옵션
JSON 형식 데이터와 함께 COPY를 사용할 경우 다음 옵션을 지정할 수 있습니다.
+ `'auto' ` - COPY가 JSON 파일에서 필드를 자동으로 로드합니다.
+ `'auto ignorecase'` - COPY가 필드 이름의 대/소문자를 무시하면서 JSON 파일에서 필드를 자동으로 로드합니다.
+ `s3://jsonpaths_file` - COPY가 JSONPaths 파일을 사용하여 JSON 원본 데이터를 구문 분석합니다. *JSONPaths 파일*은 이름 `"jsonpaths"`가 JSONPath 표현식 배열과 쌍을 이루는 단일 JSON 객체가 포함된 텍스트 파일입니다. 이때 이름이 `"jsonpaths"`가 아닌 다른 문자열이면 COPY는 JSONPaths 파일 대신 `'auto'` 인수를 사용합니다.
`'auto'`, `'auto ignorecase'` 또는 JSONPaths 파일을 사용하여 데이터를 로드하는 방식과 JSON 객체 또는 배열을 사용하여 데이터를 로드하는 방법을 나타낸 예는 [JSON에서 복사 예제](r_COPY_command_examples.md#r_COPY_command_examples-copy-from-json) 섹션을 참조하세요.
## JSONPath 옵션
Amazon Redshift COPY 구문에서 JSONPath 표현식은 대괄호 또는 점 표기법을 사용하여 JSON 계층적 데이터 구조의 단일 이름 요소에 대한 명시적 경로를 지정합니다. Amazon Redshift는 모호한 경로 또는 여러 이름 요소로 해석될 수 있는 와일드카드 문자 또는 필터 표현식과 같은 JSONPath 요소를 지원하지 않습니다. 결과적으로 Amazon Redshift는 복잡한 다단 데이터 구조의 구문을 분석할 수 없습니다.
다음은 대괄호 표기법을 사용하여 JSONPath 표현식을 작성한 JSONPaths 파일의 예입니다. 달러 기호(\$1)는 루트 레벨 구조를 나타냅니다.
```
{
"jsonpaths": [
"$['id']",
"$['store']['book']['title']",
"$['location'][0]"
]
}
```
위 예에서 `$['location'][0]`은 배열에서 첫 번째 요소를 참조합니다. JSON은 0부터 시작되는 배열 인덱싱을 사용합니다. 배열 인덱스는 0보다 크거나 같은 양의 정수가 되어야 합니다.
다음은 위의 JSONPaths 파일에 점 표기법을 사용한 예입니다.
```
{
"jsonpaths": [
"$.id",
"$.store.book.title",
"$.location[0]"
]
}
```
`jsonpaths` 배열에서 대괄호 표기법과 점 표기법을 혼용할 수는 없습니다. 다만 배열 요소를 참조할 때는 대괄호 표기법과 점 표기법 모두에서 대괄호를 사용할 수 있습니다.
점 표기법을 사용할 경우에는 JSONPath 표현식에 다음 문자가 포함되어서는 안 됩니다.
+ 작은 직선형 따옴표(')
+ 마침표 또는 점(.)
+ 배열 요소를 참조하기 위한 경우를 제외한 대괄호([ ])
JSONPath 표현식이 참조하는 이름-값 페어의 값이 객체 또는 배열이면 중괄호나 대괄호를 포함하여 전체 객체 또는 배열이 문자열로 로드됩니다. 예를 들어 JSON 데이터에 다음과 같은 객체가 포함되어 있다고 가정하겠습니다.
```
{
"id": 0,
"guid": "84512477-fa49-456b-b407-581d0d851c3c",
"isActive": true,
"tags": [
"nisi",
"culpa",
"ad",
"amet",
"voluptate",
"reprehenderit",
"veniam"
],
"friends": [
{
"id": 0,
"name": "Martha Rivera"
},
{
"id": 1,
"name": "Renaldo"
}
]
}
```
그러면 JSONPath 표현식 `$['tags']`가 다음 값을 반환합니다.
```
"["nisi","culpa","ad","amet","voluptate","reprehenderit","veniam"]"
```
그러면 JSONPath 표현식 `$['friends'][1]`가 다음 값을 반환합니다.
```
"{"id": 1,"name": "Renaldo"}"
```
`jsonpaths` 배열의 JSONPath 표현식은 각각 Amazon Redshift 대상 테이블의 열 1개에 해당합니다. 따라서 `jsonpaths` 배열 요소의 순서는 대상 테이블의 열 순서와, 혹은 열 목록을 사용하는 경우 열 목록의 열 순서와 일치해야 합니다.
`'auto'` 인수 또는 JSONPaths 파일을 사용하여 데이터를 로드하는 방법과 JSON 객체 또는 배열을 사용하여 데이터를 로드하는 방법을 보여주는 예는 [JSON에서 복사 예제](r_COPY_command_examples.md#r_COPY_command_examples-copy-from-json) 섹션을 참조하세요.
여러 JSON 파일을 복사하는 방법에 대한 자세한 내용은 [매니페스트를 사용하여 데이터 파일 지정](loading-data-files-using-manifest.md) 섹션을 참조하세요.
## JSON의 이스케이프 문자
COPY는 줄 바꿈 문자로 `\n`을, 그리고 탭 문자로 `\t`를 로드합니다. 백슬래시를 로드하려면 백슬래시(`\\`)로 이스케이프하세요.
예를 들어 `escape.json` 버킷에 저장된 `s3://amzn-s3-demo-bucket/json/`이라는 이름의 파일에 다음과 같은 JSON이 있다고 가정하겠습니다.
```
{
"backslash": "This is a backslash: \\",
"newline": "This sentence\n is on two lines.",
"tab": "This sentence \t contains a tab."
}
```
다음 명령을 실행하여 ESCAPES 테이블을 생성하고 JSON을 로드합니다.
```
create table escapes (backslash varchar(25), newline varchar(35), tab varchar(35));
copy escapes from 's3://amzn-s3-demo-bucket/json/escape.json'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
format as json 'auto';
```
ESCAPES 테이블에 대한 쿼리를 실행하여 결과를 확인합니다.
```
select * from escapes;
backslash | newline | tab
------------------------+-------------------+----------------------------------
This is a backslash: \ | This sentence | This sentence contains a tab.
: is on two lines.
(1 row)
```
## 숫자 정밀도 상실
JSON 형식의 데이터 파일에서 숫자 데이터 형식으로 정의된 열로 숫자를 로드할 경우 정밀도가 상실될 수 있습니다. 일부 부동 소수점 값이 컴퓨터 시스템에 정확하게 표시되지 않습니다. 따라서 JSON 파일에서 복사하는 데이터가 예상한 대로 반올림되지 않을 수 있습니다. 정밀도 상실을 방지하려면 다음 대안 중 하나를 사용하는 것이 좋습니다.
+ 값을 큰 따옴표로 묶어서 숫자를 문자열로 표시합니다.
+ [ROUNDEC](copy-parameters-data-conversion.md#copy-roundec)를 사용하여 숫자를 자르지 않고 반올림합니다.
+ JSON 또는 Avro 파일 대신 CSV, 문자로 구분된 형식 또는 고정 너비 텍스트 파일을 사용합니다.
# 열 기반 데이터 형식에서 COPY 명령
COPY는 Amazon S3에서 다음과 같은 열 기반 형식의 데이터를 불러올 수 있습니다.
+ ORC
+ Parquet
열 데이터 형식에서 COPY를 사용하는 예는 [COPY 예](r_COPY_command_examples.md) 섹션을 참조하세요.
COPY는 열 기반 형식 데이터를 지원하지만 다음과 같은 고려 사항이 있습니다.
+ Amazon S3 버킷이 Amazon Redshift 데이터베이스와 동일한 AWS 리전에 있어야 합니다.
+ VPC 엔드포인트를 통해 Amazon S3 데이터에 액세스하려면 *Amazon Redshift 관리 가이드*의 [Enhanced VPC Routing과 함께 Amazon Redshift Spectrum 사용](https://docs.aws.amazon.com/redshift/latest/mgmt/spectrum-enhanced-vpc.html)에 설명된 대로 IAM 정책과 IAM 역할을 사용하여 액세스를 설정합니다.
+ COPY는 압축 인코딩을 자동으로 적용하지 않습니다.
+ 다음과 같은 COPY 파라미터만 지원됩니다.
+ ORC 또는 Parquet 파일에서 복사하는 경우 [ACCEPTINVCHARS](copy-parameters-data-conversion.md#copy-acceptinvchars)
+ [FILLRECORD](copy-parameters-data-conversion.md#copy-fillrecord)
+ [FROM](copy-parameters-data-source-s3.md#copy-parameters-from) ...
+ [IAM\$1ROLE](copy-parameters-authorization.md#copy-iam-role)
+ [CREDENTIALS](copy-parameters-authorization.md#copy-credentials)
+ [STATUPDATE ](copy-parameters-data-load.md#copy-statupdate)
+ [MANIFEST](copy-parameters-data-source-s3.md#copy-manifest)
+ [EXPLICIT\$1IDS](copy-parameters-data-conversion.md#copy-explicit-ids)
+ COPY 명령을 실행하여 불러오는 중 오류가 발생하면 명령이 실패합니다. 열 기반 데이터 유형의 경우 ACCEPTANYDATE 및 MAXERROR가 지원되지 않습니다.
+ 오류 메시지는 SQL 클라이언트로 전송됩니다. 일부 오류는 STL\$1LOAD\$1ERRORS 및 STL\$1ERROR에 기록됩니다.
+ COPY 명령은 열 기반 데이터 파일의 열 순서와 동일하게 대상 테이블의 열에 값을 삽입합니다. 대상 테이블의 열 수와 데이터 파일의 열 수는 일치해야 합니다.
+ COPY 작업에 대해 지정한 파일에 다음 확장자 중 하나가 포함되어 있는 경우 파라미터를 추가하지 않고 데이터의 압축을 해제할 수 있습니다.
+ `.gz`
+ `.snappy`
+ `.bz2`
+ Parquet 및 ORC 파일 형식에서 COPY는 Redshift Spectrum과 버킷 액세스를 사용합니다. 이러한 형식에 COPY를 사용하려면 Amazon S3의 미리 서명된 URL 사용을 차단하는 IAM 정책이 없어야 합니다. Amazon Redshift에서 생성한 미리 서명된 URL은 1시간 동안 유효하므로 Amazon Redshift가 충분한 시간을 갖고 Amazon S3 버킷에서 모든 파일을 로드할 수 있습니다. 열 기반 데이터 형식에서 COPY로 스캔한 각 파일에 대해 미리 서명된 고유한 URL이 생성됩니다. `s3:signatureAge` 작업이 포함된 버킷 정책의 경우 값을 최소 3,600,000밀리초로 설정해야 합니다. 자세한 내용은 [Enhanced VPC Routing과 함께 Amazon Redshift Spectrum 사용](https://docs.aws.amazon.com/redshift/latest/mgmt/spectrum-enhanced-vpc.html) 섹션을 참조하세요.
+ REGION 파라미터는 열 데이터 형식의 COPY에서는 지원되지 않습니다. Amazon S3 버킷과 데이터베이스가 동일한 AWS 리전에 있더라도 PARQUET 기반 COPY에는 REGION 인수가 지원되지 않음 등의 오류가 발생할 수 있습니다.
+ 열 형식의 COPY는 이제 동시성 규모 조정을 지원합니다. 동시성 규모 조정을 활성화하려면 [동시성 규모 조정 대기열 구성](https://docs.aws.amazon.com/redshift/latest/dg/concurrency-scaling.html#concurrency-scaling-queues)을 참조하세요.
# DATEFORMAT 및 TIMEFORMAT 문자열
COPY 명령은 DATEFORMAT 및 TIMEFORMAT 옵션을 사용하여 소스 데이터의 날짜 및 시간 값을 구문 분석합니다. DATEFORMAT 및 TIMEFORMAT은 소스 데이터의 날짜 및 시간 값 형식과 일치해야 하는 형식이 지정된 문자열입니다. 예를 들어 날짜 값이 `Jan-01-1999`인 소스 데이터를 로드하는 COPY 명령에는 다음 DATEFORMAT 문자열이 포함되어야 합니다.
```
COPY ...
DATEFORMAT AS 'MON-DD-YYYY'
```
COPY 데이터 변환 관리에 대한 자세한 내용은 [데이터 변환 파라미터](https://docs.aws.amazon.com/redshift/latest/dg/copy-parameters-data-conversion.html)를 참조하세요.
DATEFORMAT 및 TIMEFORMAT 문자열은 날짜/시간 구분 기호(예: '`-`', '`/`' 또는 '`:`')와 다음 테이블의 날짜 부분 및 시간 부분 형식을 포함할 수 있습니다.
**참고**
날짜 또는 시간 값의 형식을 다음 날짜 부분 및 시간 부분과 일치시킬 수 없거나 서로 다른 형식을 사용하는 날짜 및 시간 값이 있는 경우 DATEFORMAT 또는 TIMEFORMAT 파라미터와 함께 `'auto'` 인수를 사용하세요. `'auto'` 인수는 DATEFORMAT 또는 TIMEFORMAT 문자열 사용 시 지원되지 않는 몇 가지 형식을 인식합니다. 자세한 내용은 [DATEFORMAT 및 TIMEFORMAT 옵션의 자동 인식 사용](automatic-recognition.md) 섹션을 참조하세요.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_DATEFORMAT_and_TIMEFORMAT_strings.html)
기본 날짜 형식은 YYYY-MM-DD입니다. 시간대(TIMESTAMP)를 제외한 기본 타임스탬프 형식은 YYYY-MM-DD HH:MI:SS입니다. 시간대가 포함된 기본 타임스탬프(TIMESTAMPTZ) 형식은 YYYY-MM-DD HH:MI:SSOF입니다. 여기서 OF는 UTC의 오프셋입니다(예: -8:00). timeformat\$1string에 시간대 지정자(TZ, tz 또는 OF)를 포함할 수 없습니다. 초(SS) 필드는 마이크로초 수준의 세부 정보까지 소수 초를 지원합니다. 기본 형식과 다른 형식으로 TIMESTAMPTZ 데이터를 로드하려면 'auto'를 지정합니다.
다음은 소스 데이터에서 볼 수 있는 몇 가지 샘플 날짜 또는 시간과 그에 해당하는 DATEFORMAT 또는 TIMEFORMAT 문자열입니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_DATEFORMAT_and_TIMEFORMAT_strings.html)
## 예제
TIMEFORMAT 사용 예는 [타임스탬프 또는 데이트스탬프 로드](r_COPY_command_examples.md#r_COPY_command_examples-load-a-time-datestamp)을 참조하세요.
# DATEFORMAT 및 TIMEFORMAT 옵션의 자동 인식 사용
DATEFORMAT 또는 TIMEFORMAT 파라미터의 인수로 `'auto'`를 지정하면 Amazon Redshift가 원본 데이터의 날짜 형식 또는 시간 형식을 자동으로 인식하여 변환합니다. 다음은 그 한 예입니다.
```
copy favoritemovies from 'dynamodb://ProductCatalog'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
dateformat 'auto';
```
DATEFORMAT 및 TIMEFORMAT 파라미터에서 `'auto'` 인수를 사용하면 COPY가 [DATEFORMAT 및 TIMEFORMAT 문자열예제](r_DATEFORMAT_and_TIMEFORMAT_strings.md) 섹션의 표에 나열된 날짜 및 시간 형식을 인식하여 변환합니다. 또한 `'auto'` 인수는 DATEFORMAT 및 TIMEFORMAT 문자열 사용 시 아래와 같이 지원되지 않는 몇 가지 형식을 인식합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/automatic-recognition.html)
자동 인식은 epochsec 및 epochmillisec을 지원하지 않습니다.
날짜 또는 타임스탬프 값의 자동 변환 여부를 테스트하려면 CAST 함수를 사용하여 문자열을 날짜 또는 타임스탬프 값으로 변환해볼 수 있습니다. 예를 들어 다음은 타임스탬프 값 `'J2345678 04:05:06.789'`를 테스트하는 명령입니다.
```
create table formattest (test char(21));
insert into formattest values('J2345678 04:05:06.789');
select test, cast(test as timestamp) as timestamp, cast(test as date) as date from formattest;
test | timestamp | date
----------------------+---------------------+------------
J2345678 04:05:06.789 1710-02-23 04:05:06 1710-02-23
```
DATE 열의 원본 데이터에 시간 정보가 포함되면 시간 구성요소는 잘립니다. TIMESTAMP 열의 원본 데이터에서 시간 정보가 빠지면 시간 구성요소로 00:00:00이 사용됩니다.
# COPY 예
**참고**
여기에서 설명하는 예는 가독성을 위해 줄 바꿈이 포함되었습니다. 실제 *credentials-args* 문자열에서는 줄 바꿈이나 공백을 입력하지 마세요.
**Topics**
+ [DynamoDB 테이블에서 FAVORITEMOVIES 로드](#r_COPY_command_examples-load-favoritemovies-from-an-amazon-dynamodb-table)
+ [Amazon S3 버킷에서 LISTING 로드](#r_COPY_command_examples-load-listing-from-an-amazon-s3-bucket)
+ [Amazon EMR 클러스터에서 LISTING 로드](#copy-command-examples-emr)
+ [Example: COPY from Amazon S3 using a manifest](#copy-command-examples-manifest)
+ [파이프로 구분된 파일(기본 구분자)에서 LISTING 로드](#r_COPY_command_examples-load-listing-from-a-pipe-delimited-file-default-delimiter)
+ [Parquet 형식의 열 기반 데이터를 사용한 LISTING 로드](#r_COPY_command_examples-load-listing-from-parquet)
+ [ORC 형식의 열 기반 데이터를 사용한 LISTING 로드](#r_COPY_command_examples-load-listing-from-orc)
+ [옵션을 사용한 EVENT 로드](#r_COPY_command_examples-load-event-with-options)
+ [고정 폭 데이터 파일에서 VENUE 로드](#r_COPY_command_examples-load-venue-from-a-fixed-width-data-file)
+ [CSV 파일에서 CATEGORY 로드](#load-from-csv)
+ [IDENTITY 열의 명시적인 값을 사용한 VENUE 로드](#r_COPY_command_examples-load-venue-with-explicit-values-for-an-identity-column)
+ [파이프로 구분된 GZIP파일에서 TIME 로드](#r_COPY_command_examples-load-time-from-a-pipe-delimited-gzip-file)
+ [타임스탬프 또는 데이트스탬프 로드](#r_COPY_command_examples-load-a-time-datestamp)
+ [파일에서 기본값을 사용한 데이터 로드](#r_COPY_command_examples-load-data-from-a-file-with-default-values)
+ [ESCAPE 옵션을 사용한 데이터 COPY 작업](#r_COPY_command_examples-copy-data-with-the-escape-option)
+ [JSON에서 복사 예제](#r_COPY_command_examples-copy-from-json)
+ [Avro에서 복사 예제](#r_COPY_command_examples-copy-from-avro)
+ [ESCAPE 옵션과 함께 COPY에 사용할 파일 준비](#r_COPY_preparing_data)
+ [Amazon Redshift에 shapefile 로드](#copy-example-spatial-copy-shapefile)
+ [NOLOAD 옵션을 사용한 CPPY 명령](#r_COPY_command_examples-load-noload-option)
+ [멀티바이트 구분 기호와 ENCODING 옵션을 포함한 COPY 명령](#r_COPY_command_examples-load-encoding-multibyte-delimiter-option)
## DynamoDB 테이블에서 FAVORITEMOVIES 로드
AWS SDK에는 *Movies*라는 DynamoDB 테이블을 생성하는 간단한 예가 포함되어 있습니다. 이러한 예제는 [DynamoDB 시작하기](https://docs.aws.amazon.com/amazondynamodb/latest/developerguide/GettingStarted.html)를 참조하세요. 다음은 DynamoDB 테이블의 데이터를 Amazon Redshift MOVIES 테이블에 로드하는 예입니다. Amazon Redshift 테이블은 사전에 데이터베이스에 존재해야 하며,
```
copy favoritemovies from 'dynamodb://Movies'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
readratio 50;
```
## Amazon S3 버킷에서 LISTING 로드
다음 예는 Amazon S3 버킷에서 LISTING을 로드합니다. COPY 명령은 `/data/listing/` 폴더에 위치한 모든 파일을 로드합니다.
```
copy listing
from 's3://amzn-s3-demo-bucket/data/listing/'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole';
```
## Amazon EMR 클러스터에서 LISTING 로드
다음은 Amazon EMR 클러스터의 lzop 압축 파일에서 탭으로 구분된 데이터를 SALES 테이블과 함께 로드하는 예입니다. COPY는 `myoutput/` 폴더에서 `part-`로 시작하는 모든 파일을 로드합니다.
```
copy sales
from 'emr://j-SAMPLE2B500FC/myoutput/part-*'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
delimiter '\t' lzop;
```
다음은 Amazon EMR 클러스터에서 JSON 형식 데이터를 SALES 테이블과 함께 로드하는 예입니다. COPY는 `myoutput/json/` 폴더에서 모든 파일을 로드합니다.
```
copy sales
from 'emr://j-SAMPLE2B500FC/myoutput/json/'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
JSON 's3://amzn-s3-demo-bucket/jsonpaths.txt';
```
## 매니페스트를 사용하여 데이터 파일 지정
매니페스트를 사용하여 COPY 명령이 Amazon S3에서 필요한 파일을 모두, 즉 필요한 파일만 로드할 수 있습니다. 그 밖에 동일한 접두사를 공유하지 않는 다른 버킷이나 파일에서 다수의 파일을 로드해야 할 때도 매니페스트를 사용할 수 있습니다.
예를 들어 `custdata1.txt`, `custdata2.txt`, `custdata3.txt` 등 파일 3개를 로드해야 하는 경우 다음 명령을 사용하여 접두사를 지정함으로써 `amzn-s3-demo-bucket`에서 `custdata`로 시작하는 파일을 모두 로드할 수 있습니다.
```
copy category
from 's3://amzn-s3-demo-bucket/custdata'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole';
```
실수로 파일이 2개만 존재하는 경우에는 COPY가 해당 파일 2개만 로드하고 명령을 성공적으로 마치지만 결과적으로는 불완전 데이터 로드가 됩니다. 불필요하지만 동일한 접두사를 사용하는 파일(예: `custdata.backup` 파일)이 버킷에 있다면 COPY가 해당 파일까지 로드하므로 결국 원하지 않는 데이터가 로드됩니다.
필요한 파일은 모두 로드하고 원하지 않는 파일은 로드되지 않도록 하려면 매니페스트 파일을 사용합니다. 매니페스트란 COPY 명령에서 처리할 파일이 나열된 JSON 형식의 파일을 말합니다. 예를 들어 다음 매니페스트는 위의 예에서 파일 3개를 로드합니다.
```
{
"entries":[
{
"url":"s3://amzn-s3-demo-bucket/custdata.1",
"mandatory":true
},
{
"url":"s3://amzn-s3-demo-bucket/custdata.2",
"mandatory":true
},
{
"url":"s3://amzn-s3-demo-bucket/custdata.3",
"mandatory":true
}
]
}
```
옵션인 `mandatory` 플래그는 파일이 없을 때 COPY의 종료 여부를 나타냅니다. 기본값은 `false`입니다. 필수 설정에 상관없이 파일이 검색되지 않으면 COPY가 종료됩니다. 이 예에서 파일 중 하나라도 검색되지 않으면 COPY가 오류를 반환합니다. 키 접두사만 지정하여 선택될 수도 있는 불필요한 파일(`custdata.backup` 등)은 매니페스트에 없기 때문에 무시됩니다.
ORC 또는 Parquet 형식의 데이터 파일에서 불러올 경우 다음 예에 나와 있는 것처럼 `meta` 필드가 필요합니다.
```
{
"entries":[
{
"url":"s3://amzn-s3-demo-bucket1/orc/2013-10-04-custdata",
"mandatory":true,
"meta":{
"content_length":99
}
},
{
"url":"s3://amzn-s3-demo-bucket2/orc/2013-10-05-custdata",
"mandatory":true,
"meta":{
"content_length":99
}
}
]
}
```
다음 예는 `cust.manifest`라는 매니페스트를 사용합니다.
```
copy customer
from 's3://amzn-s3-demo-bucket/cust.manifest'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
format as orc
manifest;
```
매니페스트를 이용하면 다른 버킷, 다른 리전이나 접두사가 다른 파일에서 파일을 불러올 수 있습니다. 다음은 이름이 데이트스탬프로 시작하는 파일의 데이터를 로드하는 JSON 예입니다.
```
{
"entries": [
{"url":"s3://amzn-s3-demo-bucket/2013-10-04-custdata.txt","mandatory":true},
{"url":"s3://amzn-s3-demo-bucket/2013-10-05-custdata.txt","mandatory":true},
{"url":"s3://amzn-s3-demo-bucket/2013-10-06-custdata.txt","mandatory":true},
{"url":"s3://amzn-s3-demo-bucket/2013-10-07-custdata.txt","mandatory":true}
]
}
```
매니페스트는 버킷이 클러스터와 동일한 AWS 리전에 속하는 한 다른 버킷에 있는 파일을 나열할 수 있습니다.
```
{
"entries": [
{"url":"s3://amzn-s3-demo-bucket1/custdata1.txt","mandatory":false},
{"url":"s3://amzn-s3-demo-bucket2/custdata1.txt","mandatory":false},
{"url":"s3://amzn-s3-demo-bucket2/custdata2.txt","mandatory":false}
]
}
```
## 파이프로 구분된 파일(기본 구분자)에서 LISTING 로드
다음은 별도의 옵션 지정 없이 입력 파일에 기본 구분자인 파이프 문자('\$1')가 포함된, 매우 단순한 예입니다.
```
copy listing
from 's3://amzn-s3-demo-bucket/data/listings_pipe.txt'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole';
```
## Parquet 형식의 열 기반 데이터를 사용한 LISTING 로드
다음은 Amazon S3에서 parquet이라는 데이터를 로드하는 예입니다.
```
copy listing
from 's3://amzn-s3-demo-bucket/data/listings/parquet/'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
format as parquet;
```
## ORC 형식의 열 기반 데이터를 사용한 LISTING 로드
다음은 Amazon S3에서 `orc`라는 데이터를 로드하는 예입니다.
```
copy listing
from 's3://amzn-s3-demo-bucket/data/listings/orc/'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
format as orc;
```
## 옵션을 사용한 EVENT 로드
다음은 파이프로 구분된 데이터를 EVENT 테이블에 로드하면서 아래 규칙을 적용하는 예입니다.
+ 인용 부호 쌍을 사용하여 문자열을 묶는 경우 인용 부호가 삭제됩니다.
+ 빈 문자열과 공백이 포함된 문자열 모두 NULL 값으로 로드됩니다.
+ 오류가 6회 이상 반환되면 로드가 실패합니다.
+ 타임스탬프 값은 지정된 형식을 따라야 합니다. 예를 들어 유효한 타임스탬프는 `2008-09-26 05:43:12`입니다.
```
copy event
from 's3://amzn-s3-demo-bucket/data/allevents_pipe.txt'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
removequotes
emptyasnull
blanksasnull
maxerror 5
delimiter '|'
timeformat 'YYYY-MM-DD HH:MI:SS';
```
## 고정 폭 데이터 파일에서 VENUE 로드
```
copy venue
from 's3://amzn-s3-demo-bucket/data/venue_fw.txt'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
fixedwidth 'venueid:3,venuename:25,venuecity:12,venuestate:2,venueseats:6';
```
위의 예는 데이터 파일이 샘플 데이터와 동일한 형식이라는 가정을 전제로 합니다. 아래 샘플에서는 모든 열이 명세에서 기록한 것과 동일한 폭을 갖도록 공백이 자리 표시자의 역할을 합니다.
```
1 Toyota Park Bridgeview IL0
2 Columbus Crew Stadium Columbus OH0
3 RFK Stadium Washington DC0
4 CommunityAmerica BallparkKansas City KS0
5 Gillette Stadium Foxborough MA68756
```
## CSV 파일에서 CATEGORY 로드
다음과 같이 표에 기재된 값을 CATEGORY에 로드한다고 가정하겠습니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_COPY_command_examples.html)
다음 예에서는 필드 값을 쉼표로 구분하여 텍스트 파일의 내용을 보여 줍니다.
```
12,Shows,Musicals,Musical theatre
13,Shows,Plays,All "non-musical" theatre
14,Shows,Opera,All opera, light, and "rock" opera
15,Concerts,Classical,All symphony, concerto, and choir concerts
```
쉼표로 구분된 입력을 지정하는 DELIMITER 파라미터를 사용하여 파일을 로드하면 일부 입력 필드에 쉼표가 포함되어 있기 때문에 COPY 명령이 실패합니다. 이러한 문제는 CSV 파라미터를 사용하고 쉼표가 포함된 필드를 인용 부호로 묶으면 피할 수 있습니다. 인용 부호가 다른 인용 부호로 묶인 문자열 내에 들어가는 경우에는 인용 부호를 이중으로 사용하여 이스케이프 처리해야 합니다. 기본 인용 부호가 큰따옴표이므로 큰따옴표를 추가하여 큰따옴표를 각각 이스케이프 처리해야 합니다. 새 입력 파일의 모양은 다음과 같습니다.
```
12,Shows,Musicals,Musical theatre
13,Shows,Plays,"All ""non-musical"" theatre"
14,Shows,Opera,"All opera, light, and ""rock"" opera"
15,Concerts,Classical,"All symphony, concerto, and choir concerts"
```
파일 이름이 `category_csv.txt`인 경우 다음 COPY 명령을 사용하여 파일을 로드할 수 있습니다.
```
copy category
from 's3://amzn-s3-demo-bucket/data/category_csv.txt'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
csv;
```
그 밖에 입력 파일에서 큰따옴표의 이스케이프 처리를 피하려면 QUOTE AS 파라미터를 사용해 다른 인용 부호를 지정하는 방법도 있습니다. 예를 들어 다음 버전의 `category_csv.txt`는 '`%`'를 인용 부호로 사용합니다.
```
12,Shows,Musicals,Musical theatre
13,Shows,Plays,%All "non-musical" theatre%
14,Shows,Opera,%All opera, light, and "rock" opera%
15,Concerts,Classical,%All symphony, concerto, and choir concerts%
```
다음은 QUOTE AS를 사용하여 `category_csv.txt`를 로드하는 COPY 명령입니다.
```
copy category
from 's3://amzn-s3-demo-bucket/data/category_csv.txt'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
csv quote as '%';
```
## IDENTITY 열의 명시적인 값을 사용한 VENUE 로드
다음 예는 VENUE 테이블을 생성하면서 1개 이상의 열(`venueid` 열 등)을 IDENTITY 열로 지정했다는 가정을 전제로 합니다. 이 명령은 IDENTITY 열의 자동 생성 값에 대한 기본적인 IDENTITY 동작을 재정의하고 venue.txt 파일에서 명시적인 값을 로드합니다. Amazon Redshift는 EXLICIT\$1IDS 옵션을 사용할 때 테이블에 중복된 IDENTITY 값이 로드되었는지 확인하지 않습니다.
```
copy venue
from 's3://amzn-s3-demo-bucket/data/venue.txt'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
explicit_ids;
```
## 파이프로 구분된 GZIP파일에서 TIME 로드
다음은 파이프로 구분된 GZIP 파일에서 TIME 테이블을 로드하는 예입니다.
```
copy time
from 's3://amzn-s3-demo-bucket/data/timerows.gz'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
gzip
delimiter '|';
```
## 타임스탬프 또는 데이트스탬프 로드
다음은 형식이 지정된 타임스탬프로 데이터를 로드하는 예입니다.
**참고**
`HH:MI:SS` 형식의 TIMEFORMAT 역시 `SS`를 넘어 마이크로초의 정밀도까지 소수 초를 지원합니다. 이번 예에서 사용하는 `time.txt` 파일에는 `2009-01-12 14:15:57.119568` 행 하나가 포함되어 있습니다.
```
copy timestamp1
from 's3://amzn-s3-demo-bucket/data/time.txt'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
timeformat 'YYYY-MM-DD HH:MI:SS';
```
이 파일의 구조는 다음과 같습니다.
```
select * from timestamp1;
c1
----------------------------
2009-01-12 14:15:57.119568
(1 row)
```
## 파일에서 기본값을 사용한 데이터 로드
다음은 TICKIT 데이터베이스에서 변형된 VENUE 테이블을 사용하는 예입니다. 이때 VENUE\$1NEW 테이블을 아래와 같은 문으로 정의한다고 가정합니다.
```
create table venue_new(
venueid smallint not null,
venuename varchar(100) not null,
venuecity varchar(30),
venuestate char(2),
venueseats integer not null default '1000');
```
아래 예와 같이 venue\$1noseats.txt 데이터 파일에 VENUESEATS 열의 값이 포함되어 있지 않다고 가정합니다.
```
1|Toyota Park|Bridgeview|IL|
2|Columbus Crew Stadium|Columbus|OH|
3|RFK Stadium|Washington|DC|
4|CommunityAmerica Ballpark|Kansas City|KS|
5|Gillette Stadium|Foxborough|MA|
6|New York Giants Stadium|East Rutherford|NJ|
7|BMO Field|Toronto|ON|
8|The Home Depot Center|Carson|CA|
9|Dick's Sporting Goods Park|Commerce City|CO|
10|Pizza Hut Park|Frisco|TX|
```
다음은 데이터 파일에서 테이블을 성공적으로 로드한 후 누락된 열에 DEFAULT 값('1000')을 적용하는 COPY 문입니다.
```
copy venue_new(venueid, venuename, venuecity, venuestate)
from 's3://amzn-s3-demo-bucket/data/venue_noseats.txt'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
delimiter '|';
```
그 결과 로드되는 테이블은 다음과 같습니다.
```
select * from venue_new order by venueid;
venueid | venuename | venuecity | venuestate | venueseats
---------+----------------------------+-----------------+------------+------------
1 | Toyota Park | Bridgeview | IL | 1000
2 | Columbus Crew Stadium | Columbus | OH | 1000
3 | RFK Stadium | Washington | DC | 1000
4 | CommunityAmerica Ballpark | Kansas City | KS | 1000
5 | Gillette Stadium | Foxborough | MA | 1000
6 | New York Giants Stadium | East Rutherford | NJ | 1000
7 | BMO Field | Toronto | ON | 1000
8 | The Home Depot Center | Carson | CA | 1000
9 | Dick's Sporting Goods Park | Commerce City | CO | 1000
10 | Pizza Hut Park | Frisco | TX | 1000
(10 rows)
```
다음 예에서는 파일에 VENUESEATS 데이터가 포함되지 않았을 뿐만 아니라 VENUENAME 데이터도 포함되지 않았다고 가정합니다.
```
1||Bridgeview|IL|
2||Columbus|OH|
3||Washington|DC|
4||Kansas City|KS|
5||Foxborough|MA|
6||East Rutherford|NJ|
7||Toronto|ON|
8||Carson|CA|
9||Commerce City|CO|
10||Frisco|TX|
```
동일한 테이블 정의를 사용하는 경우 VENUENAME에 대한 DEFAULT 값이 지정되지 않았고 VENUENAME이 NOT NULL 열이므로 다음 COPY 문이 실패합니다.
```
copy venue(venueid, venuecity, venuestate)
from 's3://amzn-s3-demo-bucket/data/venue_pipe.txt'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
delimiter '|';
```
이제 IDENTITY 열을 사용하는 다른 형태의 VENUE 테이블이 있다고 가정합니다.
```
create table venue_identity(
venueid int identity(1,1),
venuename varchar(100) not null,
venuecity varchar(30),
venuestate char(2),
venueseats integer not null default '1000');
```
앞의 예와 마찬가지로 원본 파일에 VENUESEATS 열에 해당하는 값이 없다고 가정하면 다음 COPY 문에서 사전 정의한 IDENTITY 데이터 값을 자동 생성하지 않고 포함하는 테이블을 성공적으로 로드합니다.
```
copy venue(venueid, venuename, venuecity, venuestate)
from 's3://amzn-s3-demo-bucket/data/venue_pipe.txt'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
delimiter '|' explicit_ids;
```
다음 문은 IDENTITY 열 없이(VENUEID가 열 목록에서 누락됨) EXPLICIT\$1IDS 파라미터를 추가했기 때문에 중단됩니다.
```
copy venue(venuename, venuecity, venuestate)
from 's3://amzn-s3-demo-bucket/data/venue_pipe.txt'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
delimiter '|' explicit_ids;
```
다음 문은 EXPLICIT\$1IDS 파라미터를 추가하지 않았기 때문에 중단됩니다.
```
copy venue(venueid, venuename, venuecity, venuestate)
from 's3://amzn-s3-demo-bucket/data/venue_pipe.txt'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
delimiter '|';
```
## ESCAPE 옵션을 사용한 데이터 COPY 작업
다음은 구분자 문자(여기에서는 파이프 문자)와 일치하는 문자의 로드 방법을 나타낸 예입니다. 먼저 입력 파일에서 로드할 파이프 문자(\$1)가 모두 백슬래시 문자(\$1)를 사용해 이스케이프 처리되어 있는지 확인합니다. 그런 다음 ESCAPE 파라미터를 사용해 파일을 로드합니다.
```
$ more redshiftinfo.txt
1|public\|event\|dwuser
2|public\|sales\|dwuser
create table redshiftinfo(infoid int,tableinfo varchar(50));
copy redshiftinfo from 's3://amzn-s3-demo-bucket/data/redshiftinfo.txt'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
delimiter '|' escape;
select * from redshiftinfo order by 1;
infoid | tableinfo
-------+--------------------
1 | public|event|dwuser
2 | public|sales|dwuser
(2 rows)
```
ESCAPE 파라미터를 사용하지 않으면 이 COPY 문은 `Extra column(s) found` 오류와 함께 중단됩니다.
**중요**
COPY를 ESCAPE 파라미터와 함께 사용하여 데이터를 로드하는 경우 역수 출력 파일을 생성하도록 UNLOAD 명령과 함께 ESCAPE 파라미터도 지정해야 합니다. 마찬가지로 ESCAPE 파라미터를 사용하여 UNLOAD하는 경우 동일한 데이터를 COPY할 때 ESCAPE를 사용해야 합니다.
## JSON에서 복사 예제
다음 예에서는 다음 데이터와 함께 CATEGORY 테이블을 로드합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_COPY_command_examples.html)
**Topics**
+ ['auto' 옵션을 사용하여 JSON 데이터에서 로드](#copy-from-json-examples-using-auto)
+ ['auto ignorecase' 옵션을 사용하여 JSON 데이터에서 로드](#copy-from-json-examples-using-auto-ignorecase)
+ [JSONPaths 파일을 사용하여 JSON 데이터에서 로드](#copy-from-json-examples-using-jsonpaths)
+ [JSONPaths 파일을 사용하여 JSON 배열에서 로드](#copy-from-json-examples-using-jsonpaths-arrays)
### 'auto' 옵션을 사용하여 JSON 데이터에서 로드
JSON 데이터에서 `'auto'` 옵션을 사용해 로드하려면 JSON 데이터가 객체 집합으로 구성되어야 합니다. 키 이름이 열 이름과 일치해야 하지만 순서는 중요하지 않습니다. 다음은 `category_object_auto.json`이라는 이름의 파일 내용을 나타낸 것입니다.
```
{
"catdesc": "Major League Baseball",
"catid": 1,
"catgroup": "Sports",
"catname": "MLB"
}
{
"catgroup": "Sports",
"catid": 2,
"catname": "NHL",
"catdesc": "National Hockey League"
}
{
"catid": 3,
"catname": "NFL",
"catgroup": "Sports",
"catdesc": "National Football League"
}
{
"bogus": "Bogus Sports LLC",
"catid": 4,
"catgroup": "Sports",
"catname": "NBA",
"catdesc": "National Basketball Association"
}
{
"catid": 5,
"catgroup": "Shows",
"catname": "Musicals",
"catdesc": "All symphony, concerto, and choir concerts"
}
```
위의 예에 있는 JSON 데이터 파일에서 로드하려면 다음 COPY 명령을 실행합니다.
```
copy category
from 's3://amzn-s3-demo-bucket/category_object_auto.json'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
json 'auto';
```
### 'auto ignorecase' 옵션을 사용하여 JSON 데이터에서 로드
JSON 데이터에서 `'auto ignorecase'` 옵션을 사용해 로드하려면 JSON 데이터가 객체 집합으로 구성되어야 합니다. 키 이름의 대/소문자는 열 이름과 일치하지 않아도 되며 순서는 중요하지 않습니다. 다음은 `category_object_auto-ignorecase.json`이라는 이름의 파일 내용을 나타낸 것입니다.
```
{
"CatDesc": "Major League Baseball",
"CatID": 1,
"CatGroup": "Sports",
"CatName": "MLB"
}
{
"CatGroup": "Sports",
"CatID": 2,
"CatName": "NHL",
"CatDesc": "National Hockey League"
}
{
"CatID": 3,
"CatName": "NFL",
"CatGroup": "Sports",
"CatDesc": "National Football League"
}
{
"bogus": "Bogus Sports LLC",
"CatID": 4,
"CatGroup": "Sports",
"CatName": "NBA",
"CatDesc": "National Basketball Association"
}
{
"CatID": 5,
"CatGroup": "Shows",
"CatName": "Musicals",
"CatDesc": "All symphony, concerto, and choir concerts"
}
```
위의 예에 있는 JSON 데이터 파일에서 로드하려면 다음 COPY 명령을 실행합니다.
```
copy category
from 's3://amzn-s3-demo-bucket/category_object_auto ignorecase.json'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
json 'auto ignorecase';
```
### JSONPaths 파일을 사용하여 JSON 데이터에서 로드
JSON 데이터 객체가 열 이름과 정확히 일치하지 않으면 JSONPaths 파일을 사용하여 JSON 요소를 열로 매핑할 수 있습니다. JSON 원본 데이터에서 순서는 중요하지 않습니다. 단, JSONPaths 파일 표현식의 순서는 열 순서와 일치해야 합니다. 다음과 같이 `category_object_paths.json`이라는 이름의 데이터 파일이 있는 경우
```
{
"one": 1,
"two": "Sports",
"three": "MLB",
"four": "Major League Baseball"
}
{
"three": "NHL",
"four": "National Hockey League",
"one": 2,
"two": "Sports"
}
{
"two": "Sports",
"three": "NFL",
"one": 3,
"four": "National Football League"
}
{
"one": 4,
"two": "Sports",
"three": "NBA",
"four": "National Basketball Association"
}
{
"one": 6,
"two": "Shows",
"three": "Musicals",
"four": "All symphony, concerto, and choir concerts"
}
```
이름이 `category_jsonpath.json`인 다음 JSONPaths 파일이 원본 데이터를 테이블 열로 매핑합니다.
```
{
"jsonpaths": [
"$['one']",
"$['two']",
"$['three']",
"$['four']"
]
}
```
위의 예에 있는 JSON 데이터 파일에서 로드하려면 다음 COPY 명령을 실행합니다.
```
copy category
from 's3://amzn-s3-demo-bucket/category_object_paths.json'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
json 's3://amzn-s3-demo-bucket/category_jsonpath.json';
```
### JSONPaths 파일을 사용하여 JSON 배열에서 로드
배열 집합으로 구성된 JSON 데이터에서 로드하려면 JSONPaths 파일을 사용하여 배열 요소를 열로 매핑해야 합니다. 다음과 같이 `category_array_data.json`이라는 이름의 데이터 파일이 있는 경우
```
[1,"Sports","MLB","Major League Baseball"]
[2,"Sports","NHL","National Hockey League"]
[3,"Sports","NFL","National Football League"]
[4,"Sports","NBA","National Basketball Association"]
[5,"Concerts","Classical","All symphony, concerto, and choir concerts"]
```
이름이 `category_array_jsonpath.json`인 다음 JSONPaths 파일이 원본 데이터를 테이블 열로 매핑합니다.
```
{
"jsonpaths": [
"$[0]",
"$[1]",
"$[2]",
"$[3]"
]
}
```
위의 예에 있는 JSON 데이터 파일에서 로드하려면 다음 COPY 명령을 실행합니다.
```
copy category
from 's3://amzn-s3-demo-bucket/category_array_data.json'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
json 's3://amzn-s3-demo-bucket/category_array_jsonpath.json';
```
## Avro에서 복사 예제
다음 예에서는 다음 데이터와 함께 CATEGORY 테이블을 로드합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/redshift/latest/dg/r_COPY_command_examples.html)
**Topics**
+ ['auto' 옵션을 사용하여 Avro 데이터에서 로드](#copy-from-avro-examples-using-auto)
+ ['auto ignorecase' 옵션을 사용하여 Avro 데이터에서 로드](#copy-from-avro-examples-using-auto-ignorecase)
+ [JSONPaths 파일을 사용하여 Avro 데이터에서 로드](#copy-from-avro-examples-using-avropaths)
### 'auto' 옵션을 사용하여 Avro 데이터에서 로드
Avro 데이터에서 `'auto'` 인수를 사용하여 로드하려면 Avro 스키마의 필드 이름이 열 이름과 일치해야 합니다. `'auto'` 인수를 사용할 때 순서는 중요하지 않습니다. 다음은 이름이 `category_auto.avro`인 파일의 스키마를 나타낸 것입니다.
```
{
"name": "category",
"type": "record",
"fields": [
{"name": "catid", "type": "int"},
{"name": "catdesc", "type": "string"},
{"name": "catname", "type": "string"},
{"name": "catgroup", "type": "string"},
}
```
Avro 파일의 데이터는 이진 형식이기 때문에 사람이 읽을 수 없습니다. 다음은 `category_auto.avro` 파일의 데이터를 JSON으로 표현한 것입니다.
```
{
"catid": 1,
"catdesc": "Major League Baseball",
"catname": "MLB",
"catgroup": "Sports"
}
{
"catid": 2,
"catdesc": "National Hockey League",
"catname": "NHL",
"catgroup": "Sports"
}
{
"catid": 3,
"catdesc": "National Basketball Association",
"catname": "NBA",
"catgroup": "Sports"
}
{
"catid": 4,
"catdesc": "All symphony, concerto, and choir concerts",
"catname": "Classical",
"catgroup": "Concerts"
}
```
위의 예에 있는 Avro 데이터 파일에서 로드하려면 다음 COPY 명령을 실행합니다.
```
copy category
from 's3://amzn-s3-demo-bucket/category_auto.avro'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
format as avro 'auto';
```
### 'auto ignorecase' 옵션을 사용하여 Avro 데이터에서 로드
Avro 데이터에서 `'auto ignorecase'` 인수를 사용하여 로드하려는 경우 Avro 스키마에서 필드 이름의 대/소문자는 열 이름의 대/소문자와 일치하지 않아도 됩니다. `'auto ignorecase'` 인수를 사용할 때 순서는 중요하지 않습니다. 다음은 이름이 `category_auto-ignorecase.avro`인 파일의 스키마를 나타낸 것입니다.
```
{
"name": "category",
"type": "record",
"fields": [
{"name": "CatID", "type": "int"},
{"name": "CatDesc", "type": "string"},
{"name": "CatName", "type": "string"},
{"name": "CatGroup", "type": "string"},
}
```
Avro 파일의 데이터는 이진 형식이기 때문에 사람이 읽을 수 없습니다. 다음은 `category_auto-ignorecase.avro` 파일의 데이터를 JSON으로 표현한 것입니다.
```
{
"CatID": 1,
"CatDesc": "Major League Baseball",
"CatName": "MLB",
"CatGroup": "Sports"
}
{
"CatID": 2,
"CatDesc": "National Hockey League",
"CatName": "NHL",
"CatGroup": "Sports"
}
{
"CatID": 3,
"CatDesc": "National Basketball Association",
"CatName": "NBA",
"CatGroup": "Sports"
}
{
"CatID": 4,
"CatDesc": "All symphony, concerto, and choir concerts",
"CatName": "Classical",
"CatGroup": "Concerts"
}
```
위의 예에 있는 Avro 데이터 파일에서 로드하려면 다음 COPY 명령을 실행합니다.
```
copy category
from 's3://amzn-s3-demo-bucket/category_auto-ignorecase.avro'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
format as avro 'auto ignorecase';
```
### JSONPaths 파일을 사용하여 Avro 데이터에서 로드
Avro 스키마의 필드 이름이 열 이름과 정확히 일치하지 않으면 JSONPaths 파일을 사용하여 스키마 요소를 열로 매핑할 수 있습니다. JSONPaths 파일 표현식의 순서는 열 순서와 일치해야 합니다.
앞의 예와 동일한 데이터를 포함하지만 스키마는 다음과 같은 이름이 `category_paths.avro`인 데이터 파일이 있는 경우
```
{
"name": "category",
"type": "record",
"fields": [
{"name": "id", "type": "int"},
{"name": "desc", "type": "string"},
{"name": "name", "type": "string"},
{"name": "group", "type": "string"},
{"name": "region", "type": "string"}
]
}
```
이름이 `category_path.avropath`인 다음 JSONPaths 파일이 원본 데이터를 테이블 열로 매핑합니다.
```
{
"jsonpaths": [
"$['id']",
"$['group']",
"$['name']",
"$['desc']"
]
}
```
위의 예에 있는 Avro 데이터 파일에서 로드하려면 다음 COPY 명령을 실행합니다.
```
copy category
from 's3://amzn-s3-demo-bucket/category_object_paths.avro'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
format avro 's3://amzn-s3-demo-bucket/category_path.avropath ';
```
## ESCAPE 옵션과 함께 COPY에 사용할 파일 준비
다음 예에서는 ESCAPE 파라미터와 함께 COPY 명령을 사용하여 데이터를 Amazon Redshift 테이블에 가져오기 전에 줄 바꿈 문자를 "이스케이프" 처리하도록 데이터를 준비하는 방법을 설명합니다. 줄 바꿈 문자를 구분할 데이터를 준비하지 않으면 줄 바꿈 문자가 대개 레코드 구분자로 사용되므로 COPY 명령을 실행할 때 Amazon Redshift에서 오류를 로드합니다.
예를 들어 외부 테이블에 Amazon Redshift 테이블로 복사할 파일 또는 열이 있는 경우 파일 또는 열에 XML 형식의 내용이나 이와 비슷한 데이터가 포함되어 있으면 내용의 일부인 줄 바꿈 문자(\$1n)가 모두 백슬래시 문자(\$1)로 이스케이프 처리되어 있는지 확인해야 합니다.
줄 바꿈 문자가 포함된 파일 또는 테이블은 비교적 식별하기 용이한 패턴을 제공합니다. 줄 바꿈 문자가 항상 `>` 문자 뒤에 나오고, 그 사이에 잠재적으로 공백(`' '` 또는 탭)이 포함될 가능성이 매우 높기 때문입니다. 다음과 같이 `nlTest1.txt`라는 이름의 텍스트 파일 예를 참조하세요.
```
$ cat nlTest1.txt
|1000
|2000
```
다음 예에서는 텍스트 처리 유틸리티를 실행하여 원본 파일을 전처리한 후 필요한 자리에 이스케이프 문자를 삽입할 수 있습니다. (`|` 문자는 원래 Amazon Redshift 테이블에 복사할 때 열 데이터의 구분자로 사용하기 위한 것입니다.)
```
$ sed -e ':a;N;$!ba;s/>[[:space:]]*\n/>\\\n/g' nlTest1.txt > nlTest2.txt
```
마찬가지로 Perl을 사용하여 비슷한 작업을 실행할 수 있습니다.
```
cat nlTest1.txt | perl -p -e 's/>\s*\n/>\\\n/g' > nlTest2.txt
```
먼저 `nlTest2.txt` 파일의 데이터를 Amazon Redshift로 로드할 수 있도록에서 2열 테이블을 생성했습니다. 첫 번째 열인 c1은 `nlTest2.txt` 파일에서 XML 형식의 내용을 저장할 문자 열입니다. 두 번째 열인 c2에는 동일한 파일에서 로드되는 정수 값이 저장됩니다.
`sed` 명령을 실행한 후에는 ESCAPE 파라미터를 사용하여 `nlTest2.txt` 파일의 데이터를 Amazon Redshift 테이블로 정확하게 로드할 수 있습니다.
**참고**
COPY 명령에 ESCAPE 파라미터를 추가하면 백슬래시 문자(줄 바꿈 문자 포함)를 포함하여 다수의 특수 문자가 이스케이프 처리됩니다.
```
copy t2 from 's3://amzn-s3-demo-bucket/data/nlTest2.txt'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
escape
delimiter as '|';
select * from t2 order by 2;
c1 | c2
-------------+------
| 1000
| 2000
(2 rows)
```
유사한 방법으로 외부 데이터베이스에서 내보내는 데이터 파일도 준비할 수 있습니다. Oracle 데이터베이스를 예로 들면, 테이블에서 Amazon Redshift로 복사할 열마다 REPLACE 함수를 사용하면 됩니다.
```
SELECT c1, REPLACE(c2, \n',\\n' ) as c2 from my_table_with_xml
```
그 밖에 일반적으로 대용량 데이터를 처리하는 데이터베이스 내보내기 및 ETL(Extract, Transform, Load) 도구들도 대부분 이스케이프 및 구분자 문자를 지정하는 옵션이 있습니다.
## Amazon Redshift에 shapefile 로드
다음 예에서는 COPY를 사용하여 Esri shapefile을 로드하는 방법을 보여줍니다. shapefile 로드에 대한 자세한 내용은 [Amazon Redshift에 shapefile 로드](spatial-copy-shapefile.md) 섹션을 참조하세요.
### shapefile 로드
다음 단계에서는 COPY 명령을 사용하여 Amazon S3에서 OpenStreetMap 데이터를 수집하는 방법을 보여줍니다. 이 예에서는 [Geofabrik 다운로드 사이트](https://download.geofabrik.de/europe.html)의 Norway shapefile 아카이브가 해당 AWS 리전의 프라이빗 Amazon S3 버킷에 업로드되었다고 가정합니다. `.shp`, `.shx` 및 `.dbf` 파일은 동일한 Amazon S3 접두사와 파일 이름을 공유해야 합니다.
#### 단순화 없이 데이터 수집
다음 명령은 단순화 없이 최대 지오메트리 크기에 맞는 테이블을 생성하고 데이터를 수집합니다. 선호하는 GIS 소프트웨어에서 `gis_osm_natural_free_1.shp`를 열고 이 계층의 열을 검사합니다. 기본적으로 IDENTITY 또는 GEOMETRY 열이 첫 번째 열입니다. GEOMETRY 열이 첫 번째 열이면 다음과 같이 테이블을 생성할 수 있습니다.
```
CREATE TABLE norway_natural (
wkb_geometry GEOMETRY,
osm_id BIGINT,
code INT,
fclass VARCHAR,
name VARCHAR);
```
또는 IDENTITY 열이 첫 번째 열이면 다음과 같이 테이블을 생성할 수 있습니다.
```
CREATE TABLE norway_natural_with_id (
fid INT IDENTITY(1,1),
wkb_geometry GEOMETRY,
osm_id BIGINT,
code INT,
fclass VARCHAR,
name VARCHAR);
```
이제 COPY를 사용하여 데이터를 수집할 수 있습니다.
```
COPY norway_natural FROM 's3://bucket_name/shapefiles/norway/gis_osm_natural_free_1.shp'
FORMAT SHAPEFILE
CREDENTIALS 'aws_iam_role=arn:aws:iam::123456789012:role/MyRoleName';
INFO: Load into table 'norway_natural' completed, 83891 record(s) loaded successfully
```
또는 다음과 같이 데이터를 수집할 수 있습니다.
```
COPY norway_natural_with_id FROM 's3://bucket_name/shapefiles/norway/gis_osm_natural_free_1.shp'
FORMAT SHAPEFILE
CREDENTIALS 'aws_iam_role=arn:aws:iam::123456789012:role/MyRoleName';
INFO: Load into table 'norway_natural_with_id' completed, 83891 record(s) loaded successfully.
```
#### 단순화와 함께 데이터 수집
다음 명령은 단순화 없이 최대 지오메트리 크기에 맞지 않는 테이블을 생성하고 데이터 수집을 시도합니다. `gis_osm_water_a_free_1.shp` shapefile을 검사하고 다음과 같이 적절한 테이블을 생성합니다.
```
CREATE TABLE norway_water (
wkb_geometry GEOMETRY,
osm_id BIGINT,
code INT,
fclass VARCHAR,
name VARCHAR);
```
COPY 명령이 실행되면 오류가 발생합니다.
```
COPY norway_water FROM 's3://bucket_name/shapefiles/norway/gis_osm_water_a_free_1.shp'
FORMAT SHAPEFILE
CREDENTIALS 'aws_iam_role=arn:aws:iam::123456789012:role/MyRoleName';
ERROR: Load into table 'norway_water' failed. Check 'stl_load_errors' system table for details.
```
`STL_LOAD_ERRORS` 쿼리 결과 지오메트리가 너무 큽니다.
```
SELECT line_number, btrim(colname), btrim(err_reason) FROM stl_load_errors WHERE query = pg_last_copy_id();
line_number | btrim | btrim
-------------+--------------+-----------------------------------------------------------------------
1184705 | wkb_geometry | Geometry size: 1513736 is larger than maximum supported size: 1048447
```
이를 극복하기 위해`SIMPLIFY AUTO` 파라미터가 COPY 명령에 추가되어 지오메트리를 단순화합니다.
```
COPY norway_water FROM 's3://bucket_name/shapefiles/norway/gis_osm_water_a_free_1.shp'
FORMAT SHAPEFILE
SIMPLIFY AUTO
CREDENTIALS 'aws_iam_role=arn:aws:iam::123456789012:role/MyRoleName';
INFO: Load into table 'norway_water' completed, 1989196 record(s) loaded successfully.
```
단순화된 행과 지오메트리를 보려면 `SVL_SPATIAL_SIMPLIFY`를 쿼리합니다.
```
SELECT * FROM svl_spatial_simplify WHERE query = pg_last_copy_id();
query | line_number | maximum_tolerance | initial_size | simplified | final_size | final_tolerance
-------+-------------+-------------------+--------------+------------+------------+----------------------
20 | 1184704 | -1 | 1513736 | t | 1008808 | 1.276386653895e-05
20 | 1664115 | -1 | 1233456 | t | 1023584 | 6.11707814796635e-06
```
자동 계산된 것보다 낮은 허용치로 SIMPLIFY AUTO *max\$1tolerance*를 사용하면 수집 오류가 발생할 수 있습니다. 이 경우 MAXERROR를 사용하여 오류를 무시합니다.
```
COPY norway_water FROM 's3://bucket_name/shapefiles/norway/gis_osm_water_a_free_1.shp'
FORMAT SHAPEFILE
SIMPLIFY AUTO 1.1E-05
MAXERROR 2
CREDENTIALS 'aws_iam_role=arn:aws:iam::123456789012:role/MyRoleName';
INFO: Load into table 'norway_water' completed, 1989195 record(s) loaded successfully.
INFO: Load into table 'norway_water' completed, 1 record(s) could not be loaded. Check 'stl_load_errors' system table for details.
```
`SVL_SPATIAL_SIMPLIFY`를 다시 쿼리하여 COPY가 로드하지 않은 레코드를 식별합니다.
```
SELECT * FROM svl_spatial_simplify WHERE query = pg_last_copy_id();
query | line_number | maximum_tolerance | initial_size | simplified | final_size | final_tolerance
-------+-------------+-------------------+--------------+------------+------------+-----------------
29 | 1184704 | 1.1e-05 | 1513736 | f | 0 | 0
29 | 1664115 | 1.1e-05 | 1233456 | t | 794432 | 1.1e-05
```
이 예에서는 첫 번째 레코드가 맞지 않아 `simplified` 열이 false로 표시됩니다. 두 번째 레코드가 지정된 허용치 내에서 로드되었습니다. 그러나 최종 크기는 최대 허용치를 지정하지 않고 자동 계산된 허용치를 사용하는 것보다 큽니다.
### 압축된 shapefile에서 로드
Amazon Redshift COPY는 압축된 shapefile에서 데이터 수집을 지원합니다. 모든 shapefile 구성 요소에는 동일한 Amazon S3 접두사와 동일한 압축 접미사가 있어야 합니다. 예를 들어 이전 예의 데이터를 로드하려고 한다고 가정합니다. 이 경우 파일 `gis_osm_water_a_free_1.shp.gz`, `gis_osm_water_a_free_1.dbf.gz`, 및 `gis_osm_water_a_free_1.shx.gz`는 동일한 Amazon S3 디렉터리를 공유해야 합니다. COPY 명령에는 GZIP 옵션이 필요하고 FROM 절은 다음과 같이 올바른 압축 파일을 지정해야 합니다.
```
COPY norway_natural FROM 's3://bucket_name/shapefiles/norway/compressed/gis_osm_natural_free_1.shp.gz'
FORMAT SHAPEFILE
GZIP
CREDENTIALS 'aws_iam_role=arn:aws:iam::123456789012:role/MyRoleName';
INFO: Load into table 'norway_natural' completed, 83891 record(s) loaded successfully.
```
### 다른 열 순서로 테이블에 데이터 로드
첫 번째 열이 `GEOMETRY`가 아닌 테이블이 있는 경우 열 매핑을 사용하여 열을 대상 테이블에 매핑할 수 있습니다. 예를 들어 `osm_id`가 첫 번째 열로 지정된 테이블을 생성합니다.
```
CREATE TABLE norway_natural_order (
osm_id BIGINT,
wkb_geometry GEOMETRY,
code INT,
fclass VARCHAR,
name VARCHAR);
```
그런 다음 열 매핑을 사용하여 shapefile을 수집합니다.
```
COPY norway_natural_order(wkb_geometry, osm_id, code, fclass, name)
FROM 's3://bucket_name/shapefiles/norway/gis_osm_natural_free_1.shp'
FORMAT SHAPEFILE
CREDENTIALS 'aws_iam_role=arn:aws:iam::123456789012:role/MyRoleName';
INFO: Load into table 'norway_natural_order' completed, 83891 record(s) loaded successfully.
```
### 지오그래피 열이 있는 테이블에 데이터 로드
`GEOGRAPHY` 열이 있는 테이블이 있는 경우 먼저 열`GEOMETRY` 로 수집한 다음 객체를 `GEOGRAPHY` 객체로 캐스팅합니다. 예를 들어, shapefile을 `GEOMETRY` 열에 복사한 후 테이블을 변경하여 `GEOGRAPHY` 데이터 유형의 열을 추가합니다.
```
ALTER TABLE norway_natural ADD COLUMN wkb_geography GEOGRAPHY;
```
그런 다음 지오메트리를 지오그래피로 변환합니다.
```
UPDATE norway_natural SET wkb_geography = wkb_geometry::geography;
```
선택적으로 `GEOMETRY` 열을 삭제할 수 있습니다.
```
ALTER TABLE norway_natural DROP COLUMN wkb_geometry;
```
## NOLOAD 옵션을 사용한 CPPY 명령
실제로 데이터를 로드하기 전에 데이터 파일을 확인하려면 COPY 명령과 함께 NOLOAD 옵션을 사용합니다. Amazon Redshift Redshift는 입력 파일을 구문 분석하여 발생한 오류를 표시합니다. 다음 예제에서는 NOLOAD 옵션을 사용하며 실제로 테이블에 행이 로드되지 않습니다.
```
COPY public.zipcode1
FROM 's3://amzn-s3-demo-bucket/mydata/zipcode.csv'
DELIMITER ';'
IGNOREHEADER 1 REGION 'us-east-1'
NOLOAD
CREDENTIALS 'aws_iam_role=arn:aws:iam::123456789012:role/myRedshiftRole';
Warnings:
Load into table 'zipcode1' completed, 0 record(s) loaded successfully.
```
## 멀티바이트 구분 기호와 ENCODING 옵션을 포함한 COPY 명령
다음 예제는 멀티바이트 데이터가 포함된 Amazon S3 파일에서 LATIN1을 로드합니다. COPY 명령은 구분 기호를 8진수 형식(`\302\246\303\254`)으로 지정하여 ISO-8859-1로 인코딩된 입력 파일의 필드를 구분합니다. UTF-8에서 동일한 구분 기호를 지정하려면 `DELIMITER '¦ì'`를 지정합니다.
```
COPY latin1
FROM 's3://amzn-s3-demo-bucket/multibyte/myfile'
IAM_ROLE 'arn:aws:iam::123456789012:role/myRedshiftRole'
DELIMITER '\302\246\303\254'
ENCODING ISO88591
```
# 데이터베이스 생성
새 레벨을 생성합니다.
데이터베이스를 생성하려면 슈퍼 사용자이거나 CREATEDB 권한이 있어야 합니다. 제로 ETL 통합과 연결된 데이터베이스를 생성하려면 수퍼유저이거나 CREATEDB 권한과 CREATEDB 권한이 모두 있어야 합니다.
트랜잭션 블록(BEGIN ... END) 내에서는 CREATE DATABASE를 실행할 수 없습니다. 버전 관리에 대한 자세한 내용은 [Amazon Redshift의 격리 수준](c_serial_isolation.md) 섹션을 참조하세요.
## 구문
```
CREATE DATABASE database_name
[ { [
FROM INTEGRATION ''[ DATABASE '' ]
[ SET ]
[ ACCEPTINVCHARS [=] { TRUE | FALSE }]
[ QUERY_ALL_STATES [=] { TRUE | FALSE }]
[ REFRESH_INTERVAL ]
[ TRUNCATECOLUMNS [=] { TRUE | FALSE } ]
[ HISTORY_MODE [=] {TRUE | FALSE} ]
]
[ WITH ]
[ OWNER [=] db_owner ]
[ CONNECTION LIMIT { limit | UNLIMITED } ]
[ COLLATE { CASE_SENSITIVE | CS | CASE_INSENSITIVE | CI } ]
[ ISOLATION LEVEL { SNAPSHOT | SERIALIZABLE } ]
}
| { FROM { { ARN '' } { WITH DATA CATALOG SCHEMA '' | WITH NO DATA CATALOG SCHEMA } } }
| { IAM_ROLE {default | 'SESSION' | 'arn:aws:iam:::role/' } }
| { [ WITH PERMISSIONS ] FROM DATASHARE datashare_name OF [ ACCOUNT account_id ] NAMESPACE namespace_guid }
]
```
## 파라미터
*database\$1name*
새 데이터베이스의 이름입니다. 유효한 이름에 대한 자세한 내용은 [이름 및 식별자](r_names.md) 섹션을 참조하세요.
FROM INTEGRATION '' [ DATABASE '' ]
제로 ETL 통합 식별자를 사용하여 데이터베이스를 생성할지 여부를 지정합니다. SVV\$1INTEGRATION 시스템 뷰에서 `integration_id`를 검색할 수 있습니다. Aurora PostgreSQL 제로 ETL 통합의 경우 SVV\$1INTEGRATION에서 검색할 수도 있는 `source_database` 이름을 지정해야 합니다.
문제 해결 예는 [제로 ETL 통합 결과를 받을 데이터베이스 생성](#r_CREATE_DATABASE-integration)을(를) 참조하세요. 제로 ETL 통합을 사용하여 데이터베이스를 생성하는 방법에 대한 자세한 내용은 **Amazon Redshift 관리 가이드의 [Amazon Redshift에서 대상 데이터베이스 생성](https://docs.aws.amazon.com/redshift/latest/mgmt/zero-etl-using.creating-db.html)을 참조하세요.
SET
선택적 키워드입니다.
ACCEPTINVCHARS [=] \$1 TRUE \$1 FALSE \$1
ACCEPTINVCHARS 절은 VARCHAR 데이터 유형에 대해 유효하지 않은 문자가 감지될 때 제로 ETL 통합 테이블이 수집을 계속할지 여부를 설정합니다. 유효하지 않은 문자가 발견되면 유효하지 않은 문자가 기본 `?` 문자로 교체됩니다.
QUERY\$1ALL\$1STATES [=] \$1 TRUE \$1 FALSE \$1
QUERY\$1ALL\$1STATES 절은 모든 상태(`Synced`, `Failed`, `ResyncRequired`, `ResyncInitiated`)에서 제로 ETL 통합 테이블을 쿼리할 수 있는지 여부를 설정합니다. 기본적으로 제로 ETL 통합 테이블은 `Synced` 상태에서만 쿼리할 수 있습니다.
REFRESH\$1INTERVAL
REFRESH\$1INTERVAL 절은 제로 ETL 소스에서 대상 데이터베이스로 데이터를 새로고침하기 위해 대략적인 시간 간격을 초 단위로 설정합니다. 소스 유형이 Aurora MySQL, Aurora PostgreSQL 또는 RDS for MySQL인 제로 ETL 통합의 경우 값을 0\$1432,000초(5일)로 설정할 수 있습니다. Amazon DynamoDB 제로 ETL 통합의 경우 값을 900\$1432,000초(15분\$15일)로 설정할 수 있습니다. 소스 유형이 Aurora MySQL, Aurora PostgreSQL 또는 RDS for MySQL인 제로 ETL 통합의 경우 기본 `interval`은 0초입니다. Amazon DynamoDB 제로 ETL 통합의 경우 기본 `interval`은 900초(15분)입니다.
TRUNCATECOLUMNS [=] \$1 TRUE \$1 FALSE \$1
TRUNCATECOLUMNS 절은 VARCHAR 열 또는 SUPER 열 속성의 값이 제한을 초과할 때 제로 ETL 통합 테이블이 수집을 계속할지 여부를 설정합니다. `TRUE`인 경우 값이 열에 맞게 잘리고 오버플로되는 JSON 속성의 값이 SUPER 열에 맞게 잘립니다.
HISTORY\$1MODE [=] \$1TRUE \$1 FALSE\$1
Amazon Redshift가 지정된 데이터베이스의 모든 새 테이블에 대해 기록 모드를 설정할지 여부를 지정하는 절입니다. 이 옵션은 제로 ETL 통합을 위해 생성된 데이터베이스에만 적용됩니다.
HISTORY\$1MODE 절은 `TRUE` 또는 `FALSE`로 설정할 수 있습니다. 기본값은 `FALSE`입니다. HISTORY\$1MODE에 대한 자세한 내용은 *Amazon Redshift 관리 안내서*의 [기록 모드](https://docs.aws.amazon.com/redshift/latest/mgmt/zero-etl-history-mode.html)를 참조하세요.
WITH
선택적 키워드입니다.
OWNER [=] db\$1owner
데이터베이스 소유자의 사용자 이름을 지정합니다.
CONNECTION LIMIT \$1 *limit* \$1 UNLIMITED \$1
사용자가 동시에 열어놓을 수 있는 데이터베이스 연결의 최대 개수입니다. 슈퍼 사용자에 대해서는 이 제한이 적용되지 않습니다. 최대 동시 연결 수를 허용하려면 UNLIMITED 키워드를 사용하세요. 각 사용자에 대한 연결 개수 제한이 적용될 수도 있습니다. 자세한 내용은 [CREATE USER](r_CREATE_USER.md) 섹션을 참조하세요. 기본값은 UNLIMITED입니다. 현재 연결을 보려면 [STV\$1SESSIONS](r_STV_SESSIONS.md) 시스템 뷰를 쿼리하세요.
사용자 및 데이터베이스 연결 제한이 모두 적용되는 경우 사용되지 않는 연결 슬롯은 사용자가 연결 시도 시 양쪽 제한 범위 내에서 모두 사용 가능해야 합니다.
COLLATE \$1 CASE\$1SENSITIVE \$1 CS \$1 CASE\$1INSENSITIVE \$1 CI \$1
문자열 검색 또는 비교가 대소문자를 구분하는지, 구분하지 않는지를 지정하는 절입니다. 기본값은 대소문자를 구분합니다.
데이터 공유에서 데이터베이스를 생성할 때는 COLLATE가 지원되지 않습니다.
CASE\$1SENSITIVE와 CS는 서로 바꿔 사용할 수 있으며 동일한 결과를 냅니다. 마찬가지로 CASE\$1INSENSITIVE와 CI는 서로 바꿔 사용할 수 있으며 동일한 결과를 냅니다.
ISOLATION LEVEL \$1 SNAPSHOT \$1 SERIALIZABLE \$1
데이터베이스에 대해 쿼리가 실행될 때 사용되는 격리 수준을 지정하는 절입니다. 격리 수준에 대한 자세한 내용은 [Amazon Redshift의 격리 수준](c_serial_isolation.md) 섹션을 참조하세요.
+ SNAPSHOT 격리 - 업데이트 및 삭제 충돌로부터 보호하는 격리 수준을 제공합니다. 프로비저닝된 클러스터 또는 서버리스 네임스페이스에서 생성된 데이터베이스의 기본값입니다.
+ SERIALIZABLE 격리 - 동시 트랜잭션에 대한 완전한 직렬화 기능을 제공합니다.
FROM ARN ''
데이터베이스를 생성하는 데 사용할 AWS Glue 데이터베이스 ARN입니다.
\$1 WITH DATA CATALOG SCHEMA '' \$1 WITH NO DATA CATALOG SCHEMA \$1
이 파라미터는 CREATE DATABASE 명령에 FROM ARN 파라미터도 사용하는 경우에만 적용할 수 있습니다.
AWS Glue Data Catalog의 객체에 액세스하는 데 도움이 되는 스키마를 사용하여 데이터베이스를 생성할지 여부를 지정합니다.
IAM\$1ROLE \$1 default \$1 'SESSION' \$1 'arn:aws:iam::**:role/**' \$1
이 파라미터는 CREATE DATABASE 명령에 FROM ARN 파라미터도 사용하는 경우에만 적용할 수 있습니다.
CREATE DATABASE 명령을 실행할 때 클러스터와 연결된 IAM 역할을 지정하면 데이터베이스에서 쿼리를 실행할 때 Amazon Redshift가 해당 역할의 보안 인증을 사용합니다.
`default` 키워드를 지정한다는 것은 기본값으로 설정되어 클러스터와 연결된 IAM 역할을 사용한다는 의미입니다.
페더레이션형 ID를 사용하여 Amazon Redshift 클러스터에 연결하고 이 명령을 사용하여 생성된 외부 스키마에서 테이블에 액세스하는 경우에 `'SESSION'`을 사용합니다. 페더레이션 ID 사용의 예를 보려면 페더레이션형 ID 구성 방법이 설명된 [페더레이션형 ID를 사용하여 로컬 리소스 및 Amazon Redshift Spectrum 외부 테이블에 대한 Amazon Redshift 액세스 관리](https://docs.aws.amazon.com/redshift/latest/mgmt/authorization-fas-spectrum.html) 섹션을 참조하세요.
클러스터가 인증 및 권한 부여에 사용하는 IAM 역할의 Amazon 리소스 이름(ARN)을 사용합니다. 최소 IAM 역할은 액세스되는 Amazon S3 버킷에서 LIST 작업을 수행하고 버킷에 포함된 Amazon S3 객체에 대한 GET 작업을 수행할 수 있는 권한이 있어야 합니다. 데이터 공유를 위해 AWS Glue Data Catalog를 사용하여 데이터베이스를 생성할 때 IAM\$1ROLE을 사용하는 방법에 대해 자세히 알아보려면 [소비자로서 레이크 포메이션 관리형 데이터 공유로 작업](https://docs.aws.amazon.com/redshift/latest/dg/lake-formation-getting-started-consumer.html)을 참조하세요.
다음은 단일 ARN에 대한 IAM\$1ROLE 파라미터의 구문을 보여줍니다.
```
IAM_ROLE 'arn:aws:iam:::role/'
```
역할을 함께 묶어 클러스터가 다른 계정에 속한 다른 IAM 역할을 수임하도록 할 수 있습니다. 최대 10개의 역할을 함께 묶을 수 있습니다. 자세한 내용은 [Amazon Redshift Spectrum에서 IAM 역할 연결](c-spectrum-iam-policies.md#c-spectrum-chaining-roles) 섹션을 참조하세요.
이 IAM 역할에 다음과 유사한 IAM 권한 정책을 연결합니다.
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Sid": "AccessSecret",
"Effect": "Allow",
"Action": [
"secretsmanager:GetResourcePolicy",
"secretsmanager:GetSecretValue",
"secretsmanager:DescribeSecret",
"secretsmanager:ListSecretVersionIds"
],
"Resource": "arn:aws:secretsmanager:us-west-2:123456789012:secret:my-rds-secret-VNenFy"
},
{
"Sid": "VisualEditor1",
"Effect": "Allow",
"Action": [
"secretsmanager:GetRandomPassword",
"secretsmanager:ListSecrets"
],
"Resource": "*"
}
]
}
```
연합 쿼리에 사용할 IAM 역할을 생성하는 단계는 [연합 쿼리 사용을 위해 비밀 및 IAM 역할 생성](federated-create-secret-iam-role.md) 섹션을 참조하세요.
연결된 역할 목록에 공백을 포함하지 마세요.
다음은 세 역할을 함께 묶기 위한 구문을 나타낸 것입니다.
```
IAM_ROLE 'arn:aws:iam:::role/,arn:aws:iam:::role/,arn:aws:iam:::role/'
```
## datashare와 함께 CREATE DATABASE를 사용하기 위한 구문
다음 구문에서는 동일한 AWS 계정 내에서 데이터를 공유하기 위해 datashare에서 데이터베이스를 생성하는 데 사용되는 CREATE DATABASE 명령을 설명합니다.
```
CREATE DATABASE database_name
[ [ WITH PERMISSIONS ] FROM DATASHARE datashare_name OF [ ACCOUNT account_id ] NAMESPACE namespace_guid
```
다음 구문에서는 AWS 계정 간에 데이터를 공유하기 위해 datashare에서 데이터베이스를 생성하는 데 사용되는 CREATE DATABASE 명령을 설명합니다.
```
CREATE DATABASE database_name
[ [ WITH PERMISSIONS ] FROM DATASHARE datashare_name OF ACCOUNT account_id NAMESPACE namespace_guid
```
### datashare와 함께 CREATE DATABASE를 사용하기 위한 파라미터
FROM DATASHARE
datashare가 있는 위치를 나타내는 키워드입니다.
*datashare\$1name*
소비자 데이터베이스가 생성되는 datashare의 이름입니다.
WITH PERMISSIONS
개별 데이터베이스 객체에 액세스하려면 데이터 공유에서 만든 데이터베이스에 객체 수준 권한이 필요하다는 것을 지정합니다. 이 절을 사용하지 않으면 데이터베이스에 대한 USAGE 권한이 부여된 사용자 또는 역할은 데이터베이스의 모든 데이터베이스 객체에 대한 액세스 권한을 자동으로 갖게 됩니다.
NAMESPACE *namespace\$1guid*
datashare가 속한 생산자 네임스페이스를 지정하는 값입니다.
ACCOUNT *account\$1id*
datashare가 속한 생산자 계정을 지정하는 값입니다.
## datashare를 위한 CREATE DATABASE 사용 노트
데이터베이스 수퍼유저는 CREATE DATABASE를 사용하여 AWS 계정 내의 datashare에서 데이터베이스를 생성할 때 NAMESPACE 옵션을 지정합니다. ACCOUNT 옵션은 선택 사항입니다. CREATE DATABASE를 사용하여 AWS 여러 계정의 데이터 공유에서 데이터베이스를 생성하는 경우 프로듀서의 ACCOUNT 및 NAMESPACE 옵션을 모두 지정합니다.
소비자 클러스터에서 하나의 datashare에 대해 하나의 소비자 데이터베이스만 생성할 수 있습니다. 동일한 datashare를 참조하는 여러 소비자 데이터베이스를 만들 수 없습니다.
## AWS Glue Data Catalog의 CREATE DATABASE
AWS Glue 데이터베이스 ARN을 사용하여 데이터베이스를 생성하려면 CREATE DATABASE 명령에 ARN을 지정합니다.
```
CREATE DATABASE sampledb FROM ARN WITH NO DATA CATALOG SCHEMA;
```
선택적으로 IAM\$1ROLE 파라미터에 값을 제공할 수도 있습니다. 파라미터 및 허용되는 값에 대한 자세한 내용은 [파라미터](https://docs.aws.amazon.com/redshift/latest/dg/r_CREATE_DATABASE.html#r_CREATE_DATABASE-parameters)를 참조하세요.
다음은 IAM 역할을 사용하여 ARN에서 데이터베이스를 만드는 방법을 보여주는 예제입니다.
```
CREATE DATABASE sampledb FROM ARN WITH NO DATA CATALOG SCHEMA IAM_ROLE
```
```
CREATE DATABASE sampledb FROM ARN WITH NO DATA CATALOG SCHEMA IAM_ROLE default;
```
DATA CATALOG SCHEMA를 사용하여 데이터베이스를 생성할 수도 있습니다.
```
CREATE DATABASE sampledb FROM ARN WITH DATA CATALOG SCHEMA IAM_ROLE default;
```
## 제로 ETL 통합 결과를 받을 데이터베이스 생성
제로 ETL 통합 ID를 사용하여 데이터베이스를 생성하려면 CREATE DATABASE 명령에 `integration_id`를 지정합니다.
```
CREATE DATABASE destination_db_name FROM INTEGRATION 'integration_id';
```
예를 들어, 먼저 SVV\$1INTEGRATION에서 통합 ID를 검색합니다.
```
SELECT integration_id FROM SVV_INTEGRATION;
```
그런 다음 검색된 통합 ID 중 하나를 사용하여 제로 ETL 통합을 받는 데이터베이스를 생성합니다.
```
CREATE DATABASE sampledb FROM INTEGRATION 'a1b2c3d4-5678-90ab-cdef-EXAMPLE11111';
```
제로 ETL 통합 소스 데이터베이스가 필요한 경우 예를 들어 지정합니다.
```
CREATE DATABASE sampledb FROM INTEGRATION 'a1b2c3d4-5678-90ab-cdef-EXAMPLE11111' DATABASE sourcedb;
```
데이터베이스의 새로고침 간격을 설정할 수도 있습니다. 예를 들어 제로 ETL 통합 소스의 데이터에 대해 새로고침 간격을 7,200초로 설정하려면 다음과 같이 합니다.
```
CREATE DATABASE myacct_mysql FROM INTEGRATION 'a1b2c3d4-5678-90ab-cdef-EXAMPLE11111' SET REFRESH_INTERVAL 7200;
```
SVV\$1INTEGRATION 카탈로그 뷰에서 integration\$1id, target\$1database, source, refresh\$1interval 등의 제로 ETL 통합에 관한 정보를 쿼리합니다.
```
SELECT * FROM svv_integration;
```
다음 예제에서는 기록 모드가 켜진 상태로 통합에서 데이터베이스를 생성합니다.
```
CREATE DATABASE sample_integration_db FROM INTEGRATION 'a1b2c3d4-5678-90ab-cdef-EXAMPLE11111' SET HISTORY_MODE = true;
```
## CREATE DATABASE의 제한 사항
Amazon Redshift는 데이터베이스에 대해 다음과 같은 제한 사항을 적용합니다.
+ 클러스터당 사용자 정의 데이터베이스 최대 개수는 60개입니다.
+ 데이터베이스 이름은 최대 127바이트입니다.
+ 데이터베이스 이름은 예약어가 될 수 없습니다.
## 데이터베이스 데이터 정렬
데이터 정렬은 데이터베이스 엔진이 SQL의 문자 형식 데이터를 비교하고 정렬하는 방법을 정의하는 일련의 규칙입니다. 대/소문자를 구분하지 않는 데이터 정렬은 가장 일반적으로 사용되는 데이터 정렬입니다. Amazon Redshift는 대/소문자를 구분하지 않는 데이터 정렬을 사용하여 다른 데이터 웨어하우스 시스템에서 쉽게 마이그레이션할 수 있습니다. 대/소문자를 구분하지 않는 데이터 정렬을 기본적으로 지원하는 Amazon Redshift는 배포 키, 정렬 키 또는 범위 제한 스캔과 같은 중요한 조정 또는 최적화 방법을 계속 사용합니다.
COLLATE 절은 데이터베이스의 모든 CHAR 및 VARCHAR 열에 대한 기본 데이터 정렬을 지정합니다. CASE\$1INSENSITIVE가 지정되면 모든 CHAR 또는 VARCHAR 열은 대/소문자를 구분하지 않는 데이터 정렬을 사용합니다. 데이터 정렬에 대한 자세한 내용은 [콜레이션 시퀀스](c_collation_sequences.md) 섹션을 참조하세요.
대/소문자를 구분하지 않는 열에 삽입되거나 수집된 데이터는 원래 대/소문자를 유지합니다. 그러나 정렬 및 그룹화를 포함한 모든 비교 기반 문자열 연산은 대/소문자를 구분하지 않습니다. LIKE 조건자, 유사 및 정규식 함수와 같은 패턴 일치 연산도 대/소문자를 구분하지 않습니다.
다음 SQL 연산은 적용 가능한 데이터 정렬 의미 체계를 지원합니다.
+ 비교 연산자: =, <>, <, <=, >, >=.
+ LIKE 연산자
+ ORDER BY 절
+ GROUP BY 절
+ MIN 및 MAX 및 LISTAGG와 같은 문자열 비교를 사용하는 집계 함수
+ PARTITION BY 절 및 ORDER BY 절과 같은 윈도 함수
+ 스칼라 함수 greatest() and least(), STRPOS(), REGEXP\$1COUNT(), REGEXP\$1REPLACE(), REGEXP\$1INSTR(), REGEXP\$1SUBSTR()
+ Distinct 절
+ UNION, INTERSECT 및 EXCEPT
+ IN LIST
Amazon Redshift Spectrum 및 Aurora PostgreSQL 연합 쿼리를 포함한 외부 쿼리의 경우 VARCHAR 또는 CHAR 열의 데이터 정렬은 현재 데이터베이스 수준 데이터 정렬과 동일합니다.
다음 예에서는 Amazon Redshift Spectrum 테이블을 쿼리합니다.
```
SELECT ci_varchar FROM spectrum.test_collation
WHERE ci_varchar = 'AMAZON';
ci_varchar
----------
amazon
Amazon
AMAZON
AmaZon
(4 rows)
```
데이터베이스 데이터 정렬을 사용하여 테이블을 생성하는 방법에 대한 자세한 내용은 [CREATE TABLE](r_CREATE_TABLE_NEW.md) 섹션을 참조하세요.
COLLATE 함수에 대한 자세한 내용은 [COLLATE 함수](r_COLLATE.md) 섹션을 참조하세요.
### 데이터베이스 데이터 정렬 제한 사항
다음은 Amazon Redshift에서 데이터베이스 데이터 정렬 작업 시 제한 사항입니다.
+ PG 카탈로그 테이블과 Amazon Redshift 시스템 테이블을 포함한 모든 시스템 테이블 또는 뷰는 대/소문자를 구분합니다.
+ 소비자 데이터베이스와 생산자 데이터베이스의 데이터베이스 수준 데이터 정렬이 다른 경우 Amazon Redshift는 데이터베이스 간 쿼리와 클러스터 간 쿼리를 지원하지 않습니다.
+ Amazon Redshift는 리더 노드 전용 쿼리에서 대/소문자를 구분하지 않는 데이터 정렬을 지원하지 않습니다.
다음 예에서는 지원되지 않는 대/소문자를 구분하지 않는 쿼리와 Amazon Redshift에서 전송하는 오류를 보여줍니다.
```
SELECT collate(usename, 'case_insensitive') FROM pg_user;
ERROR: Case insensitive collation is not supported in leader node only query.
```
+ Amazon Redshift는 비교, 함수, 조인 또는 설정 연산과 같이 대/소문자를 구분하는 열과 대/소문자를 구분하지 않는 열 간의 상호 작용을 지원하지 않습니다.
다음 예에서는 대/소문자를 구분하는 열과 대/소문자를 구분하지 않는 열이 상호 작용할 때의 오류를 보여줍니다.
```
CREATE TABLE test
(ci_col varchar(10) COLLATE case_insensitive,
cs_col varchar(10) COLLATE case_sensitive,
cint int,
cbigint bigint);
```
```
SELECT ci_col = cs_col FROM test;
ERROR: Query with different collations is not supported yet.
```
```
SELECT concat(ci_col, cs_col) FROM test;
ERROR: Query with different collations is not supported yet.
```
```
SELECT ci_col FROM test UNION SELECT cs_col FROM test;
ERROR: Query with different collations is not supported yet.
```
```
SELECT * FROM test a, test b WHERE a.ci_col = b.cs_col;
ERROR: Query with different collations is not supported yet.
```
```
Select Coalesce(ci_col, cs_col) from test;
ERROR: Query with different collations is not supported yet.
```
```
Select case when cint > 0 then ci_col else cs_col end from test;
ERROR: Query with different collations is not supported yet.
```
이러한 쿼리가 작동하도록 하려면 COLLATE 함수를 사용하여 한 열의 데이터 정렬을 다른 열과 일치하도록 변환합니다. 자세한 내용은 [COLLATE 함수](r_COLLATE.md) 섹션을 참조하세요.
## 예제
**데이터베이스 생성**
다음 예에서는 TICKIT로 명명된 데이터베이스를 생성하고 사용자 DWUSER에게 소유권을 부여합니다.
```
create database tickit
with owner dwuser;
```
데이터베이스에 대한 세부 정보를 보려면 PG\$1DATABASE\$1INFO 카탈로그 테이블을 쿼리합니다.
```
select datname, datdba, datconnlimit
from pg_database_info
where datdba > 1;
datname | datdba | datconnlimit
-------------+--------+-------------
admin | 100 | UNLIMITED
reports | 100 | 100
tickit | 100 | 100
```
다음 예에서는 SNAPSHOT 격리 수준의 **sampledb** 데이터베이스를 생성합니다.
```
CREATE DATABASE sampledb ISOLATION LEVEL SNAPSHOT;
```
다음 예에서는 datashare salesshare에서 데이터베이스 sales\$1db를 생성합니다.
```
CREATE DATABASE sales_db FROM DATASHARE salesshare OF NAMESPACE '13b8833d-17c6-4f16-8fe4-1a018f5ed00d';
```
### 데이터베이스 데이터 정렬 예
**대/소문자를 구분하지 않는 데이터베이스 생성**
다음 예에서는 `sampledb` 데이터베이스를 생성하고, `T1` 테이블을 생성하고, 데이터를 `T1` 테이블에 삽입합니다.
```
create database sampledb collate case_insensitive;
```
SQL 클라이언트를 사용하여 방금 만든 새 데이터베이스에 연결합니다. Amazon Redshift 쿼리 에디터 v2를 사용하려면 **에디터**에서 `sampledb`를 선택합니다. RSQL을 사용하려면 다음과 같은 명령을 사용합니다.
```
\connect sampledb;
```
```
CREATE TABLE T1 (
col1 Varchar(20) distkey sortkey
);
```
```
INSERT INTO T1 VALUES ('bob'), ('john'), ('Mary'), ('JOHN'), ('Bob');
```
그런 다음 쿼리에서 `John`을 포함하는 결과를 찾습니다.
```
SELECT * FROM T1 WHERE col1 = 'John';
col1
------
john
JOHN
(2 row)
```
**대/소문자를 구분하지 않는 순서**
다음 예에서는 테이블 T1을 사용하여 대/소문자를 구분하지 않는 순서를 보여줍니다. *Bob*과 *bob* 또는 *John*과 *john*의 순서는 대/소문자를 구분하지 않는 열에서 동일하기 때문에 비결정적입니다.
```
SELECT * FROM T1 ORDER BY 1;
col1
------
bob
Bob
JOHN
john
Mary
(5 rows)
```
마찬가지로 다음 예에서는 GROUP BY 절을 사용하여 대/소문자를 구분하지 않는 순서를 보여줍니다. *Bob*과 *bob*은 동일하며 같은 그룹에 속합니다. 어느 것이 결과에 나타나는지는 비결정적입니다.
```
SELECT col1, count(*) FROM T1 GROUP BY 1;
col1 | count
-----+------
Mary | 1
bob | 2
JOHN | 2
(3 rows)
```
**대/소문자를 구분하지 않는 열에서 윈도 함수로 쿼리**
다음 예에서는 대/소문자를 구분하지 않는 열에서 윈도 함수를 쿼리합니다.
```
SELECT col1, rank() over (ORDER BY col1) FROM T1;
col1 | rank
-----+------
bob | 1
Bob | 1
john | 3
JOHN | 3
Mary | 5
(5 rows)
```
**DISTINCT 키워드로 쿼리**
다음 예에서는 DISTINCT 키워드로 `T1` 테이블을 쿼리합니다.
```
SELECT DISTINCT col1 FROM T1;
col1
------
bob
Mary
john
(3 rows)
```
**UNION 절로 쿼리**
다음 예에서는 테이블 `T1` 및 `T2`의 UNION 결과를 보여줍니다.
```
CREATE TABLE T2 AS SELECT * FROM T1;
```
```
SELECT col1 FROM T1 UNION SELECT col1 FROM T2;
col1
------
john
bob
Mary
(3 rows)
```
# CREATE DATASHARE
현재 데이터베이스에서 새 datashare를 생성합니다. 이 datashare의 소유자는 CREATE DATASHARE 명령의 발급자입니다.
Amazon Redshift는 각 datashare를 단일 Amazon Redshift 데이터베이스와 연결합니다. 연결된 데이터베이스의 객체만 datashare에 추가할 수 있습니다. 동일한 Amazon Redshift 데이터베이스에 여러 datashare를 생성할 수 있습니다.
datashare에 대한 자세한 내용은 [Amazon Redshift에서 데이터 공유](datashare-overview.md) 섹션을 참조하세요.
datashare에 대한 정보를 보려면 [SHOW DATASHARES](r_SHOW_DATASHARES.md)를 사용합니다.
## 필수 권한
CREATE DATASHARE에 필요한 권한은 다음과 같습니다.
+ 수퍼유저
+ CREATE DATASHARE 권한이 있는 사용자
+ 데이터베이스 소유자
## 구문
```
CREATE DATASHARE datashare_name
[[SET] PUBLICACCESSIBLE [=] TRUE | FALSE ];
```
## 파라미터
*datashare\$1name*
datashare의 이름입니다. datashare 이름은 클러스터 네임스페이스에서 고유해야 합니다.
[[SET] PUBLICACCESSIBLE]
공개적으로 액세스할 수 있는 클러스터와 datashare를 공유할 수 있는지 여부를 지정하는 절입니다.
`SET PUBLICACCESSIBLE`의 기본값은 `FALSE`입니다.
## 사용 노트
기본적으로 datashare의 소유자는 공유만 소유하고 공유 내의 객체는 소유하지 않습니다.
슈퍼 사용자와 데이터베이스 소유자만 CREATE DATASHARE를 사용하고 ALTER 권한을 다른 사용자 또는 그룹에 위임할 수 있습니다.
## 예제
다음 예에서는 datashare `salesshare`를 생성합니다.
```
CREATE DATASHARE salesshare;
```
다음 예에서는 AWS Data Exchange에서 관리하는 datashare `demoshare`를 생성합니다.
```
CREATE DATASHARE demoshare SET PUBLICACCESSIBLE TRUE, MANAGEDBY ADX;
```
# CREATE EXTERNAL FUNCTION
Amazon Redshift에 대해 AWS Lambda를 기반으로 스칼라 사용자 정의 함수(UDF)를 생성합니다. Lambda 사용자 정의 함수에 대한 자세한 내용은 [Scalar Lambda UDF](udf-creating-a-lambda-sql-udf.md) 섹션을 참조하세요.
## 필수 권한
CREATE EXTERNAL FUNCTION에 필요한 권한은 다음과 같습니다.
+ 수퍼유저
+ CREATE [ OR REPLACE ] EXTERNAL FUNCTION 권한이 있는 사용자
## 구문
```
CREATE [ OR REPLACE ] EXTERNAL FUNCTION external_fn_name ( [data_type] [, ...] )
RETURNS data_type
{ VOLATILE | STABLE }
LAMBDA 'lambda_fn_name'
IAM_ROLE { default | ‘arn:aws:iam:::role/’
RETRY_TIMEOUT milliseconds
MAX_BATCH_ROWS count
MAX_BATCH_SIZE size [ KB | MB ];
```
## 파라미터
OR REPLACE
이름 및 입력 인수 데이터 형식이 같은 함수 또는 *서명*이 같은 함수인 경우 이런 함수가 이미 하나 존재하므로 기존 함수를 대체하도록 지정하는 절입니다. 함수는 똑같은 데이터 형식 집합을 정의하는 새 함수로만 바꿀 수 있습니다. 수퍼유저만이 함수를 바꿀 수 있습니다.
기존 함수와 이름은 같지만 서명이 다른 함수를 정의하면 새 함수가 생성됩니다. 즉, 함수 이름이 오버로드됩니다. 자세한 내용은 [함수 이름 오버로드](udf-naming-udfs.md#udf-naming-overloading-function-names) 섹션을 참조하세요.
*external\$1fn\$1name*
외부 함수의 이름입니다. 스키마 이름을 지정하는 경우(예: myschema.myfunction) 함수는 지정된 스키마를 사용하여 생성됩니다. 그렇지 않으면, 함수가 현재 스키마로 생성됩니다. 유효한 이름에 대한 자세한 내용은 [이름 및 식별자](r_names.md) 섹션을 참조하세요.
모든 UDF 이름에 `f_`를 접두사로 사용하는 것이 좋습니다. Amazon Redshift는 UDF 이름용으로 `f_` 접두사를 예약합니다. `f_` 접두사를 사용하면 UDF 이름이 현재 또는 미래에 Amazon Redshift의 기본 제공 SQL 함수 이름과 충돌하지 않도록 할 수 있습니다. 자세한 내용은 [UDF 이름 충돌 방지](udf-naming-udfs.md) 섹션을 참조하세요.
*data\$1type*
입력 인수의 데이터 형식입니다. 자세한 내용은 [Scalar Python UDF](udf-creating-a-scalar-udf.md) 및 [Scalar Lambda UDF](udf-creating-a-lambda-sql-udf.md)(을)를 참조하세요.
RETURNS *data\$1type*
함수에 의해 반환되는 값의 데이터 형식입니다. RETURNS 데이터 형식은 임의의 표준 Amazon Redshift 데이터 형식일 수 있습니다. 자세한 내용은 [Scalar Python UDF](udf-creating-a-scalar-udf.md) 및 [Scalar Lambda UDF](udf-creating-a-lambda-sql-udf.md)(을)를 참조하세요.
VOLATILE \$1 STABLE
쿼리 최적화 프로그램에 함수의 휘발성에 대해 알립니다.
최상으로 최적화하기 위해 함수에 대해 유효한 가장 엄격한 휘발성 범주로 함수에 레이블을 지정합니다. 가장 덜 엄격한 범주부터 시작해서 엄격성의 순으로 휘발성 범주를 나열하면 다음과 같습니다.
+ VOLATILE
+ STABLE
VOLATILE
인수가 같을 경우, 함수는 단일 명령문의 행에 대해서도 연속적인 호출에 대해 상이한 결과를 반환할 수 있습니다. 쿼리 옵티마이저는 휘발성 함수의 동작에 대해 가정을 할 수 없습니다. 휘발성 함수를 사용하는 쿼리는 모든 입력에 대해 함수를 재평가해야 합니다.
STABLE
인수가 동일하면 함수는 단일 문 내에서 처리되는 연속적인 호출에서 동일한 결과를 반환하도록 보장됩니다. 이 함수는 서로 다른 명령문에서 호출될 경우 서로 다른 결과를 반환할 수 있습니다. 이 범주를 사용하면 옵티마이저가 단일 문 내에서 함수가 호출되는 횟수를 줄일 수 있습니다.
선택한 엄격도가 함수에 유효하지 않은 경우 옵티마이저가 이 엄격도에 따라 일부 호출을 건너뛸 수 있다는 점에 유의하세요. 이로 인해 잘못된 결과 집합이 생성될 수 있습니다.
IMMUTABLE 절은 현재 Lambda UDF에서 지원되지 않습니다.
LAMBDA *'lambda\$1fn\$1name'*
Amazon Redshift에서 호출하는 함수의 이름입니다.
AWS Lambda 함수를 생성하는 단계는 *AWS Lambda 개발자 안내서*의 [콘솔로 Lambda 함수 생성](https://docs.aws.amazon.com/lambda/latest/dg/getting-started-create-function.html) 섹션을 참조하세요.
Lambda 함수에 필요한 권한에 대한 자세한 내용은 *AWS Lambda 개발자 안내서*의 [AWS Lambda 권한](https://docs.aws.amazon.com/lambda/latest/dg/lambda-permissions.html) 섹션을 참조하세요.
IAM\$1ROLE \$1 default \$1 ‘arn:aws:iam::**:role/**’
기본 키워드를 사용하여 CREATE EXTERNAL FUNCTION 명령이 실행될 때 Amazon Redshift에서 기본값으로 설정되고 클러스터와 연결된 IAM 역할을 사용하도록 합니다.
클러스터가 인증 및 권한 부여에 사용하는 IAM 역할의 Amazon 리소스 이름(ARN)을 사용합니다. CREATE EXTERNAL FUNCTION 명령은 이 IAM 역할을 통해 Lambda 함수를 호출할 권한이 있습니다. 클러스터에 연결된 Lambda 함수를 호출할 수 있는 권한이 있는 기존 IAM 역할이 있는 경우 역할의 ARN을 대체할 수 있습니다. 자세한 내용은 [Lambda UDF에 대한 권한 부여 파라미터 구성](udf-creating-a-lambda-sql-udf.md#udf-lambda-authorization) 섹션을 참조하세요.
다음은 IAM\$1ROLE 파라미터에 대한 구문을 나타낸 것입니다.
```
IAM_ROLE 'arn:aws:iam::aws-account-id:role/role-name'
```
RETRY\$1TIMEOUT *milliseconds*
Amazon Redshift가 재시도 백오프 지연에 사용하는 총 시간(밀리초)입니다.
실패한 쿼리에 대해 즉시 재시도하는 대신 Amazon Redshift는 백오프를 수행하고 재시도 사이에 일정 시간 동안 기다립니다. 그런 다음 Amazon Redshift는 모든 지연의 합계가 지정한 RETRY\$1TIMEOUT 값과 같거나 초과할 때까지 실패한 쿼리를 다시 실행하도록 요청을 재시도합니다. 기본값은 20,000밀리초입니다.
Lambda 함수가 호출되면 Amazon Redshift는 `TooManyRequestsException`, `EC2ThrottledException`, `ServiceException` 등의 오류를 수신하는 쿼리에 대해 재시도합니다.
RETRY\$1TIMEOUT 파라미터를 0밀리초로 설정하여 Lambda UDF에 대한 재시도를 방지할 수 있습니다.
MAX\$1BATCH\$1ROWS count**
Amazon Redshift가 단일 람다 호출에 대한 단일 배치 요청으로 보내는 최대 행 수입니다.
이 파라미터의 최소값은 1입니다. 최대값은 INT\$1MAX 또는 2,147,483,647입니다.
이 파라미터는 선택 사항입니다. 기본값은 INT\$1MAX 또는 2,147,483,647입니다.
MAX\$1BATCH\$1SIZE size**[KB\$1MB]
Amazon Redshift가 단일 람다 호출에 대한 단일 배치 요청으로 보내는 데이터 페이로드의 최대 크기입니다.
이 파라미터의 최소값은 1KB입니다. 최대값은 5MB입니다.
이 파라미터의 기본값은 5MB입니다.
KB 및 MB는 선택 사항입니다. 측정 단위를 설정하지 않으면 Amazon Redshift는 기본적으로 KB를 사용합니다.
## 사용 노트
Lambda UDF를 생성할 때 다음 사항을 고려하세요.
+ 입력 인수에 대한 Lambda 함수 호출 순서는 고정되거나 보장되지 않습니다. 클러스터 구성에 따라 쿼리를 실행하는 인스턴스마다 다를 수 있습니다.
+ 함수는 각 입력 인수에 한 번만 적용된다는 보장이 없습니다. Amazon Redshift와 AWS Lambda 간의 상호 작용으로 인해 동일한 입력으로 반복적인 호출이 발생할 수 있습니다.
## 예제
다음은 스칼라 Lambda 사용자 정의 함수(UDF)를 사용하는 예입니다.
### Node.js Lambda 함수를 사용하는 스칼라 Lambda UDF 예
다음 예에서는 2개의 정수를 입력 인수로 사용하는 `exfunc_sum`이라는 외부 함수를 생성합니다. 이 함수는 정수 출력으로 합계를 반환합니다. 호출할 Lambda 함수의 이름은 `lambda_sum`입니다. 이 Lambda 함수에 사용되는 언어는 Node.js 12.x입니다. IAM 역할을 지정해야 합니다. 이 예에서는 `'arn:aws:iam::123456789012:user/johndoe'`를 IAM 역할로 사용합니다.
```
CREATE EXTERNAL FUNCTION exfunc_sum(INT,INT)
RETURNS INT
VOLATILE
LAMBDA 'lambda_sum'
IAM_ROLE 'arn:aws:iam::123456789012:role/Redshift-Exfunc-Test';
```
Lambda 함수는 요청 페이로드를 받아 각 행을 반복합니다. 단일 행의 모든 값은 응답 배열에 저장되는 해당 행의 합계를 계산하기 위해 추가됩니다. 결과 배열의 행 수는 요청 페이로드에서 수신된 행 수와 유사합니다.
JSON 응답 페이로드는 'results' 필드에 결과 데이터가 있어야 외부 기능에서 인식됩니다. Lambda 함수로 전송된 요청의 arguments 필드에는 데이터 페이로드가 포함되어 있습니다. 배치 요청의 경우 데이터 페이로드에 여러 행이 있을 수 있습니다. 다음 Lambda 함수는 요청 데이터 페이로드의 모든 행을 반복합니다. 또한 단일 행 내의 모든 값을 개별적으로 반복합니다.
```
exports.handler = async (event) => {
// The 'arguments' field in the request sent to the Lambda function contains the data payload.
var t1 = event['arguments'];
// 'len(t1)' represents the number of rows in the request payload.
// The number of results in the response payload should be the same as the number of rows received.
const resp = new Array(t1.length);
// Iterating over all the rows in the request payload.
for (const [i, x] of t1.entries())
{
var sum = 0;
// Iterating over all the values in a single row.
for (const y of x) {
sum = sum + y;
}
resp[i] = sum;
}
// The 'results' field should contain the results of the lambda call.
const response = {
results: resp
};
return JSON.stringify(response);
};
```
다음 예에서는 리터럴 값을 사용하여 외부 함수를 호출합니다.
```
select exfunc_sum(1,2);
exfunc_sum
------------
3
(1 row)
```
다음 예에서는 정수 데이터 형식의 두 열 c1 및 c2가 있는 t\$1sum이라는 테이블을 생성하고 두 행의 데이터를 삽입합니다. 그런 다음 이 테이블의 열 이름을 전달하여 외부 함수를 호출합니다. 두 테이블 행은 단일 Lambda 호출로 요청 페이로드의 배치 요청으로 전송됩니다.
```
CREATE TABLE t_sum(c1 int, c2 int);
INSERT INTO t_sum VALUES (4,5), (6,7);
SELECT exfunc_sum(c1,c2) FROM t_sum;
exfunc_sum
---------------
9
13
(2 rows)
```
### RETRY\$1TIMEOUT 속성을 사용하는 Scalar Lambda UDF 예
다음 섹션에서 Lambda UDF에서 RETRY\$1TIMEOUT 속성을 사용하는 방법의 예를 찾아볼 수 있습니다.
AWS Lambda 함수에는 각 함수에 대해 설정할 수 있는 동시성 제한이 있습니다. 동시성 한도에 대한 자세한 내용은 *AWS Lambda 개발자 가이드*의 [Lambda 함수에 대한 동시성 관리](https://docs.aws.amazon.com/lambda/latest/dg/configuration-concurrency.html) 및 AWS 컴퓨팅 블로그의 게시물 [AWS Lambda 함수 동시성 관리](https://aws.amazon.com/blogs/compute/managing-aws-lambda-function-concurrency)를 참조하세요.
Lambda UDF에서 제공하는 요청 수가 동시성 제한을 초과하면 새 요청에서 `TooManyRequestsException` 오류를 수신합니다. ambda UDF는 Lambda 함수로 전송된 요청 간의 모든 지연 합계가 설정한 RETRY\$1TIMEOUT 값과 같거나 초과할 때까지 이 오류에 대해 재시도합니다. 기본 RETRY\$1TIMEOUT 값은 20,000밀리초입니다.
다음 예시에서는 `exfunc_sleep_3`이라는 Lambda 함수를 생성합니다. 이 함수는 요청 페이로드를 받아 각 행을 반복하고 입력을 대문자로 변환합니다. 그런 다음 3초 동안 휴면하고 결과를 반환합니다. 이 Lambda 함수에 사용되는 언어는 Python 3.8입니다.
결과 배열의 행 수는 요청 페이로드에서 수신된 행 수와 유사합니다. JSON 응답 페이로드는 `results` 필드에 결과 데이터가 있어야 외부 기능에서 인식됩니다. Lambda 함수로 전송된 요청의 `arguments` 필드에는 데이터 페이로드가 포함되어 있습니다. 배치 요청의 경우 데이터 페이로드에 여러 행이 나타날 수 있습니다.
이 함수의 동시성 제한은 RETRY\$1TIMEOUT 속성의 사용을 보여주기 위해 예약된 동시성에서 특별히 1로 설정됩니다. 속성이 1로 설정되면 Lambda 함수는 한 번에 하나의 요청만 처리할 수 있습니다.
```
import json
import time
def lambda_handler(event, context):
t1 = event['arguments']
# 'len(t1)' represents the number of rows in the request payload.
# The number of results in the response payload should be the same as the number of rows received.
resp = [None]*len(t1)
# Iterating over all rows in the request payload.
for i, x in enumerate(t1):
# Iterating over all the values in a single row.
for j, y in enumerate(x):
resp[i] = y.upper()
time.sleep(3)
ret = dict()
ret['results'] = resp
ret_json = json.dumps(ret)
return ret_json
```
다음 두 가지 추가 예에서는 RETRY\$1TIMEOUT 속성을 보여줍니다. 각 예에서 단일 Lambda UDF를 호출합니다. Lambda UDF를 호출하는 동안 각 예에서는 동일한 SQL 쿼리를 실행하여 동시에 2개의 동시 데이터베이스 세션에서 Lambda UDF를 호출합니다. Lambda UDF를 호출하는 첫 번째 쿼리가 UDF에 의해 제공되는 경우 두 번째 쿼리는 `TooManyRequestsException` 오류를 수신합니다. 이 결과는 UDF에서 예약된 동시성을 1로 특별히 설정했기 때문에 발생합니다. Lambda 함수에 대해 예약된 동시성을 설정하는 방법에 대한 자세한 내용은 [예약된 동시성 구성](https://docs.aws.amazon.com/lambda/latest/dg/configuration-concurrency.html#configuration-concurrency-reservedconfiguration-concurrency-reserved) 섹션을 참조하세요.
다음 첫 번째 예에서는 Lambda UDF의 RETRY\$1TIMEOUT 속성을 0밀리초로 설정합니다. Lambda 요청이 Lambda 함수에서 예외를 수신하면 Amazon Redshift는 재시도하지 않습니다. RETRY\$1TIMEOUT 특성이 0으로 설정되어 있기 때문에 이러한 결과가 발생합니다.
```
CREATE OR REPLACE EXTERNAL FUNCTION exfunc_upper(varchar)
RETURNS varchar
VOLATILE
LAMBDA 'exfunc_sleep_3'
IAM_ROLE 'arn:aws:iam::123456789012:role/Redshift-Exfunc-Test'
RETRY_TIMEOUT 0;
```
RETRY\$1TIMEOUT을 0으로 설정하면 별도의 데이터베이스 세션에서 다음 두 쿼리를 실행하여 다른 결과를 볼 수 있습니다.
Lambda UDF를 사용하는 첫 번째 SQL 쿼리가 성공적으로 실행됩니다.
```
select exfunc_upper('Varchar');
exfunc_upper
--------------
VARCHAR
(1 row)
```
별도의 데이터베이스 세션에서 동시에 실행되는 두 번째 쿼리는 `TooManyRequestsException` 오류를 수신합니다.
```
select exfunc_upper('Varchar');
ERROR: Rate Exceeded.; Exception: TooManyRequestsException; ShouldRetry: 1
DETAIL:
-----------------------------------------------
error: Rate Exceeded.; Exception: TooManyRequestsException; ShouldRetry: 1
code: 32103
context:query: 0
location: exfunc_client.cpp:102
process: padbmaster [pid=26384]
-----------------------------------------------
```
다음 두 번째 예에서는 Lambda UDF의 RETRY\$1TIMEOUT 속성을 3,000밀리초로 설정합니다. 두 번째 쿼리가 동시에 실행되더라도 총 지연 시간이 3,000밀리초가 될 때까지 Lambda UDF가 재시도합니다. 따라서 두 쿼리가 모두 성공적으로 실행됩니다.
```
CREATE OR REPLACE EXTERNAL FUNCTION exfunc_upper(varchar)
RETURNS varchar
VOLATILE
LAMBDA 'exfunc_sleep_3'
IAM_ROLE 'arn:aws:iam::123456789012:role/Redshift-Exfunc-Test'
RETRY_TIMEOUT 3000;
```
RETRY\$1TIMEOUT을 3,000밀리초로 설정하면 별도의 데이터베이스 세션에서 다음 두 쿼리를 실행하여 같은 결과를 볼 수 있습니다.
Lambda UDF를 실행하는 첫 번째 SQL 쿼리가 성공적으로 실행됩니다.
```
select exfunc_upper('Varchar');
exfunc_upper
--------------
VARCHAR
(1 row)
```
두 번째 쿼리가 동시에 실행되고 총 지연 시간이 3,000밀리초가 될 때까지 Lambda UDF가 재시도합니다.
```
select exfunc_upper('Varchar');
exfunc_upper
--------------
VARCHAR
(1 row)
```
### Python Lambda 함수를 사용하는 스칼라 Lambda UDF 예
다음 예에서는 `exfunc_multiplication`이라는 외부 함수를 생성하고 숫자를 곱하고 정수를 반환합니다. 이 예에서는 Lambda 응답에 성공 및 `error_msg` 필드를 통합합니다. 곱셈 결과에 정수 오버플로가 있는 경우 성공 필드가 false로 설정되고 `error_msg` 메시지가 `Integer multiplication overflow`로 설정됩니다. `exfunc_multiplication` 함수는 3개의 정수를 입력 인수로 사용하고 합계를 정수 출력으로 반환합니다.
호출되는 Lambda 함수의 이름은 `lambda_multiplication`입니다. 이 Lambda 함수에 사용되는 언어는 Python 3.8입니다. IAM 역할을 지정해야 합니다.
```
CREATE EXTERNAL FUNCTION exfunc_multiplication(int, int, int)
RETURNS INT
VOLATILE
LAMBDA 'lambda_multiplication'
IAM_ROLE 'arn:aws:iam::123456789012:role/Redshift-Exfunc-Test';
```
Lambda 함수는 요청 페이로드를 받아 각 행을 반복합니다. 단일 행의 모든 값을 곱하여 응답 목록에 저장되는 해당 행의 결과를 계산합니다. 이 예에서는 기본적으로 true로 설정된 부울 성공 값을 사용합니다. 행의 곱셈 결과에 정수 오버플로가 있으면 성공 값은 false로 설정됩니다. 그런 다음 반복 루프가 중단됩니다.
응답 페이로드를 생성하는 동안 성공 값이 false인 경우 다음 Lambda 함수는 페이로드에 `error_msg` 필드를 추가합니다. 또한 오류 메시지를 `Integer multiplication overflow`로 설정합니다. 성공 값이 true이면 결과 필드에 결과 데이터가 추가됩니다. 결과 배열(있는 경우)의 행 수는 요청 페이로드에서 수신된 행 수와 유사합니다.
Lambda 함수로 전송된 요청의 arguments 필드에는 데이터 페이로드가 포함되어 있습니다. 배치 요청의 경우 데이터 페이로드에 여러 행이 있을 수 있습니다. 다음 Lambda 함수는 요청 데이터 페이로드의 모든 행을 반복하고 단일 행 내의 모든 값을 개별적으로 반복합니다.
```
import json
def lambda_handler(event, context):
t1 = event['arguments']
# 'len(t1)' represents the number of rows in the request payload.
# The number of results in the response payload should be the same as the number of rows received.
resp = [None]*len(t1)
# By default success is set to 'True'.
success = True
# Iterating over all rows in the request payload.
for i, x in enumerate(t1):
mul = 1
# Iterating over all the values in a single row.
for j, y in enumerate(x):
mul = mul*y
# Check integer overflow.
if (mul >= 9223372036854775807 or mul <= -9223372036854775808):
success = False
break
else:
resp[i] = mul
ret = dict()
ret['success'] = success
if not success:
ret['error_msg'] = "Integer multiplication overflow"
else:
ret['results'] = resp
ret_json = json.dumps(ret)
return ret_json
```
다음 예에서는 리터럴 값을 사용하여 외부 함수를 호출합니다.
```
SELECT exfunc_multiplication(8, 9, 2);
exfunc_multiplication
---------------------------
144
(1 row)
```
다음 예에서는 3개(c1, c2, c3)의 정수 데이터 형식 열이 있는 t\$1multi라는 테이블을 생성합니다. 이 테이블의 열 이름을 전달하여 외부 함수를 호출합니다. 정수 오버플로가 오류 전파 방식을 표시하는 방식으로 데이터가 삽입됩니다.
```
CREATE TABLE t_multi (c1 int, c2 int, c3 int);
INSERT INTO t_multi VALUES (2147483647, 2147483647, 4);
SELECT exfunc_multiplication(c1, c2, c3) FROM t_multi;
DETAIL:
-----------------------------------------------
error: Integer multiplication overflow
code: 32004context:
context:
query: 38
location: exfunc_data.cpp:276
process: query2_16_38 [pid=30494]
-----------------------------------------------
```
# CREATE EXTERNAL MODEL
**Topics**
+ [CREATE EXTERNAL MODEL의 사전 조건](#r_create_external_model_prereqs)
+ [필수 권한](#r_simple_create_model-privileges)
+ [비용 관리](#r_create_model_cost)
+ [CREATE EXTERNAL MODEL 구문](#r_create_external_model_syntax)
+ [CREATE EXTERNAL MODEL 파라미터 및 설정](#r_create_external_model_parameters_settings)
+ [CREATE EXTERNAL MODEL 추론 함수 파라미터](#r_create_external_model_if_parameters)
## CREATE EXTERNAL MODEL의 사전 조건
CREATE EXTERNAL MODEL 스테이트먼트를 사용하기 전에 먼저 [Amazon Redshift 기계 학습 사용을 위한 클러스터 설정](getting-started-machine-learning.md#cluster-setup)의 사전 조건을 충족해야 합니다. 다음은 사전 조건을 개괄적으로 요약한 것입니다.
+ AWS 관리 콘솔 또는 AWS 명령줄 인터페이스(AWS CLI)를 사용하여 Amazon Redshift 클러스터를 생성합니다.
+ 클러스터를 생성하는 동안 AWS Identity and Access Management(IAM) 정책을 연결합니다.
+ Amazon Redshift와 Amazon Bedrock이 다른 서비스와 상호 작용하는 역할을 맡도록 허용하려면 IAM 역할에 적절한 신뢰 정책을 추가합니다.
+ Amazon Bedrock 콘솔에서 사용하려는 특정 LLM에 대한 액세스를 활성화합니다.
+ (선택 사항) 소량의 데이터라도 `Too many requests, please wait before trying again`과 같이 Amazon Bedrock에서 발생하는 스로틀링 예외가 있는 경우 Amazon Bedrock 계정의 **Service Quotas**에서 할당량을 확인합니다. 적용된 계정 수준 할당량이 사용 중인 모델의 **InvokeModel** 요청에 대한 AWS 기본 할당량 값과 적어도 동일한지 확인합니다.
IAM 역할, 신뢰 정책 및 기타 사전 조건에 대한 자세한 내용은 [Amazon Redshift 기계 학습 사용을 위한 클러스터 설정](getting-started-machine-learning.md#cluster-setup) 섹션을 참조하세요.
## 필수 권한
CREATE EXTERNAL MODEL에 필요한 권한은 다음과 같습니다.
+ 수퍼유저
+ CREATE MODEL 권한이 있는 사용자
+ GRANT CREATE MODEL 권한이 있는 역할
## 비용 관리
Amazon Redshift ML은 기존 클러스터 리소스를 사용하여 예측 모델을 생성하므로 추가 비용을 지불하지 않아도 됩니다. 그러나 선택한 모델에 따라 Amazon Bedrock 사용에 대해 AWS 요금이 부과됩니다. 자세한 내용은 [Amazon Redshift 기계 학습 사용 비용](https://docs.aws.amazon.com/redshift/latest/dg/cost.html)을 참조하세요.
## CREATE EXTERNAL MODEL 구문
다음은 CREATE EXTERNAL MODEL 스테이트먼트의 전체 구문입니다.
```
CREATE EXTERNAL MODEL model_name
FUNCTION function_name
IAM_ROLE {default/'arn:aws:iam:::role/'}
MODEL_TYPE BEDROCK
SETTINGS (
MODEL_ID model_id
[, PROMPT 'prompt prefix']
[, SUFFIX 'prompt suffix']
[, REQUEST_TYPE {RAW|UNIFIED}]
[, RESPONSE_TYPE {VARCHAR|SUPER}]
);
```
`CREATE EXTERNAL MODEL` 명령은 콘텐츠를 만드는 데 사용하는 추론 함수를 생성합니다.
다음은 `RAW`의 `REQUEST_TYPE`을 사용하여 `CREATE EXTERNAL MODEL`을 생성하는 추론 함수의 구문입니다.
```
SELECT inference_function_name(request_super)
[FROM table];
```
다음은 `UNIFIED`의 `REQUEST_TYPE`을 사용하여 `CREATE EXTERNAL MODEL`을 생성하는 추론 함수의 구문입니다.
```
SELECT inference_function_name(input_text, [, inference_config [, additional_model_request_fields]])
[FROM table];
```
추론 함수 사용 방법에 관한 내용은 [Amazon Redshift ML과 Amazon Bedrock의 통합용 외부 모델 사용](machine-learning-br.md#machine-learning-br-use) 섹션을 참조하시기 바랍니다.
## CREATE EXTERNAL MODEL 파라미터 및 설정
이 섹션에서는 `CREATE EXTERNAL MODEL` 명령의 파라미터와 설정에 대해 설명합니다.
**Topics**
+ [CREATE EXTERNAL MODEL 파라미터](#r_create_external_model_parameters)
+ [CREATE EXTERNAL MODEL 설정](#r_create_external_model_settings)
### CREATE EXTERNAL MODEL 파라미터
model\$1name
외부 모델의 이름입니다. 스키마의 모델 이름은 고유해야 합니다.
FUNCTION **function\$1name (data\$1type [,...] )
`CREATE EXTERNAL MODEL`에서 생성되는 추론 함수의 이름입니다. 추론 함수를 사용하여 Amazon Bedrock에 요청을 보내고 ML에서 생성된 텍스트를 검색합니다.
IAM\$1ROLE \$1 default \$1 'arn:aws:iam:::role/' \$1**
Amazon Redshift가 Amazon Bedrock에 액세스하는 데 사용하는 IAM 역할입니다. IAM 역할에 대한 상세 정보는 [Amazon Redshift ML과 Amazon Bedrock의 통합을 위한 IAM 역할 생성 또는 업데이트](machine-learning-br.md#machine-learning-br-iam) 섹션을 참조하세요.
MODEL\$1TYPE BEDROCK
모델 유형을 지정합니다. 유일한 유효 값은 `BEDROCK`입니다.
SETTINGS ( MODEL\$1ID model\$1id [,...] )
외부 모델 설정을 지정합니다. 자세한 내용은 다음 섹션을 참조하시기 바랍니다.
### CREATE EXTERNAL MODEL 설정
MODEL\$1ID model\$1id
외부 모델의 식별자입니다(예: `anthropic.claude-v2`). Amazon Bedrock 모델 ID에 관한 자세한 내용은 [Amazon Bedrock 모델 ID](https://docs.aws.amazon.com/bedrock/latest/userguide/model-ids.html)를 참조하시기 바랍니다.
PROMPT '프롬프트 접두사'
Amazon Redshift가 모든 추론 요청의 시작 부분에 추가하는 정적 프롬프트를 지정합니다. `UNIFIED`의 `REQUEST_TYPE`에서만 지원됩니다.
SUFFIX '프롬프트 접미사'
Amazon Redshift가 모든 추론 요청의 끝에 추가하는 정적 프롬프트를 지정합니다. `UNIFIED`의 `REQUEST_TYPE`에서만 지원됩니다.
REQUEST\$1TYPE \$1 RAW \$1 UNIFIED \$1
Amazon Bedrock으로 전송된 요청의 형식을 지정합니다. 유효한 값은 다음과 같습니다.
+ **RAW**: 추론 함수는 입력을 단일 슈퍼 값으로 간주하고 항상 슈퍼 값을 반환합니다. 슈퍼 값의 형식은 선택한 Amazon Bedrock 모델에 따라 다릅니다. 슈퍼는 여러 알고리즘을 결합하여 향상된 단일 예측을 생성하는 예측 모델입니다.
+ **UNIFIED**: 추론 함수는 통합 API를 사용합니다. 모든 모델은 Amazon Bedrock과 통합되고 일관된 인터페이스를 갖추고 있습니다. 이는 메시지를 지원하는 모든 모델에 적용됩니다. 이 값이 기본값입니다.
자세한 내용은 Amazon Bedrock API 설명서**에 나와 있는 [Converse API 설명서](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_Converse.html)를 참조하시기 바랍니다.
RESPONSE\$1TYPE \$1 VARCHAR \$1 SUPER \$1
응답의 형식을 지정합니다. `REQUEST_TYPE`이 `RAW`인 경우 `RESPONSE_TYPE`이 필요하며 유일한 유효한 값은 `SUPER`입니다. 다른 모든 `REQUEST TYPE` 값의 경우 기본값은 `VARCHAR`이며 `RESPONSE_TYPE`은 선택 사항입니다. 유효한 값은 다음과 같습니다.
+ **VARCHAR**: Amazon Redshift는 모델에서 생성된 텍스트 응답만 반환합니다.
+ **SUPER**: Amazon Redshift는 모델에서 생성된 전체 응답 JSON을 슈퍼로 반환합니다. 여기에는 텍스트 응답과 함께 중단 이유, 모델 입력 및 출력 토큰 사용과 같은 정보가 포함됩니다. 슈퍼는 여러 알고리즘을 결합하여 향상된 단일 예측을 생성하는 예측 모델입니다.
## CREATE EXTERNAL MODEL 추론 함수 파라미터
이 섹션에서는 `CREATE EXTERNAL MODEL` 명령으로 생성되는 추론 함수의 유효한 파라미터를 설명합니다.
### `RAW`의 `REQUEST_TYPE`에 대한 CREATE EXTERNAL MODEL 추론 함수 파라미터
`RAW`의 `REQUEST_TYPE`로 생성된 추론 함수에는 슈퍼 입력 인수가 하나 있으며 항상 슈퍼 데이터 유형을 반환합니다. 입력 슈퍼의 구문은 Amazon Bedrock에서 선택한 특정 모델의 요청 구문을 따릅니다.
### `UNIFIED`의 `REQUEST_TYPE`에 대한 CREATE EXTERNAL MODEL 추론 함수 파라미터
input\$1text
Amazon Redshift가 Amazon Bedrock에 보내는 텍스트입니다.
inference\$1config
Amazon Redshift가 Amazon Bedrock에 보내는 선택 사항 파라미터가 포함된 슈퍼 값입니다. 여기에는 다음이 포함될 수 있습니다.
+ maxTokens
+ stopSequences
+ temperature
+ topP
이러한 파라미터는 모두 선택 사항이며 대/소문자를 구분합니다. 이러한 파라미터에 관한 자세한 내용은 Amazon Bedrock API 참조**의 [InferenceConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_InferenceConfiguration.html)을 참조하시기 바랍니다.
# CREATE EXTERNAL SCHEMA
현재 데이터베이스에서 새 외부 스키마를 생성합니다. 이 외부 스키마를 사용하여 Amazon RDS for PostgreSQL 또는 Amazon Aurora PostgreSQL 호환 버전 데이터베이스에 연결할 수 있습니다. 또한 AWS Glue, Athena와 같은 외부 데이터 카탈로그의 데이터베이스 또는 Amazon EMR과 같은 Apache Hive 메타스토어의 데이터베이스를 참조하는 외부 스키마를 생성할 수 있습니다.
이 스키마의 소유자는 CREATE EXTERNAL SCHEMA 명령의 발행자입니다. 외부 스키마의 소유권을 이전하려면 [ALTER SCHEMA](r_ALTER_SCHEMA.md)를 사용해 소유자를 변경합니다. 다른 사용자 또는 사용자 그룹에 스키마에 대한 액세스를 허용하려면 [GRANT](r_GRANT.md) 명령을 사용합니다.
외부 테이블에서 권한에 대한 GRANT 또는 REVOKE 명령을 사용할 수 없습니다. 대신에, 외부 스키마에 대한 권한을 허용하거나 취소합니다.
**참고**
현재 Amazon Athena 데이터 카탈로그에 Redshift Spectrum 외부 테이블이 있다면 Athena 데이터 카탈로그를 AWS Glue Data Catalog로 마이그레이션할 수 있습니다. AWS Glue Data Catalog를 Redshift Spectrum과 함께 사용하려면 AWS Identity and Access Management(IAM) 정책을 변경해야 할 수 있습니다. 자세한 내용은 *Athena User Guide*의 [Upgrading to the AWS Glue Data Catalog](https://docs.aws.amazon.com/athena/latest/ug/glue-athena.html#glue-upgrade) 섹션을 참조하세요.
외부 스키마에 대한 세부 정보를 보려면 [SVV\$1EXTERNAL\$1SCHEMAS](r_SVV_EXTERNAL_SCHEMAS.md) 시스템 뷰를 쿼리하세요.
## 구문
다음 구문은 외부 데이터 카탈로그를 사용하여 데이터를 참조하는 데 사용되는 CREATE EXTERNAL SCHEMA 명령에 대해 설명합니다. 자세한 내용은 [Amazon Redshift Spectrum](c-using-spectrum.md) 섹션을 참조하세요.
```
CREATE EXTERNAL SCHEMA [IF NOT EXISTS] local_schema_name
FROM [ [ DATA CATALOG ] | HIVE METASTORE | POSTGRES | MYSQL | KINESIS | MSK | REDSHIFT | KAFKA ]
[ DATABASE 'database_name' ]
[ SCHEMA 'schema_name' ]
[ REGION 'aws-region' ]
[ IAM_ROLE [ default | 'SESSION' | 'arn:aws:iam:::role/' ] ]
[ AUTHENTICATION [ none | iam | mtls] ]
[ AUTHENTICATION_ARN 'acm-certificate-arn' | SECRET_ARN 'ssm-secret- arn' ]
[ URI ['hive_metastore_uri' [ PORT port_number ] | 'hostname' [ PORT port_number ] | 'Kafka bootstrap URL'] ]
[ CLUSTER_ARN 'arn:aws:kafka:::cluster/msk/' ]
[ CATALOG_ROLE [ 'SESSION' | 'catalog-role-arn-string' ] ]
[ CREATE EXTERNAL DATABASE IF NOT EXISTS ]
[ CATALOG_ID 'Amazon Web Services account ID containing Glue or Lake Formation database' ]
```
다음 구문은 RDS POSTGRES 또는 Aurora PostgreSQL에 대한 연합 쿼리로 데이터를 참조하는 데 사용되는 CREATE EXTERNAL SCHEMA 명령을 설명합니다. Kinesis Data Streams와 같은 스트리밍 소스를 참조하는 외부 스키마를 생성할 수도 있습니다. 자세한 내용은 [Amazon Redshift에서 연합 쿼리를 사용하여 데이터 쿼리](federated-overview.md) 섹션을 참조하세요.
```
CREATE EXTERNAL SCHEMA [IF NOT EXISTS] local_schema_name
FROM POSTGRES
DATABASE 'federated_database_name' [SCHEMA 'schema_name']
URI 'hostname' [ PORT port_number ]
IAM_ROLE [ default | 'arn:aws:iam:::role/' ]
SECRET_ARN 'ssm-secret-arn'
```
다음 구문은 RDS MySQL 또는 Aurora MySQL에 대한 연합 쿼리로 데이터를 참조하는 데 사용되는 CREATE EXTERNAL SCHEMA 명령을 설명합니다. 자세한 내용은 [Amazon Redshift에서 연합 쿼리를 사용하여 데이터 쿼리](federated-overview.md) 섹션을 참조하세요.
```
CREATE EXTERNAL SCHEMA [IF NOT EXISTS] local_schema_name
FROM MYSQL
DATABASE 'federated_database_name'
URI 'hostname' [ PORT port_number ]
IAM_ROLE [ default | 'arn:aws:iam:::role/' ]
SECRET_ARN 'ssm-secret-arn'
```
다음 구문은 Kinesis 스트림 데이터를 참조하는 데 사용되는 CREATE EXTERNAL SCHEMA 명령에 대해 설명합니다. 자세한 내용은 [구체화된 뷰로 스트리밍 모으기](materialized-view-streaming-ingestion.md) 섹션을 참조하세요.
```
CREATE EXTERNAL SCHEMA [IF NOT EXISTS] schema_name
FROM KINESIS
IAM_ROLE [ default | 'arn:aws:iam:::role/' ]
```
다음 구문은 Amazon Managed Streaming for Apache Kafka 또는 Confluent Cloud 클러스터와 해당 수집 대상 주제를 참조하는 데 사용되는 CREATE EXTERNAL SCHEMA 명령을 설명합니다. 연결하려면 브로커 URI을 제공하면 됩니다. 자세한 내용은 [구체화된 뷰로 스트리밍 모으기](materialized-view-streaming-ingestion.md) 섹션을 참조하세요.
```
CREATE EXTERNAL SCHEMA [IF NOT EXISTS] schema_name
FROM KAFKA
[ IAM_ROLE [ default | 'arn:aws:iam:::role/' ] ]
URI 'Kafka bootstrap URI'
AUTHENTICATION [ none | iam | mtls ]
[ AUTHENTICATION_ARN 'acm-certificate-arn' | SECRET_ARN 'ssm-secret- arn' ];
```
다음 구문은 데이터베이스 간 쿼리로 데이터를 참조하는 데 사용되는 CREATE EXTERNAL SCHEMA 명령을 설명합니다.
```
CREATE EXTERNAL SCHEMA local_schema_name
FROM REDSHIFT
DATABASE 'redshift_database_name' SCHEMA 'redshift_schema_name'
```
## 파라미터
IF NOT EXISTS
지정된 스키마가 이미 존재하는 경우 오류 메시지와 함께 종료하는 대신, 명령이 아무 것도 변경하지 않고 스키마가 존재한다는 메시지를 반환함을 나타내는 절입니다. 이 절은 스크립트 작성 시 유용하므로, CREATE EXTERNAL SCHEMA가 이미 존재하는 스키마의 생성을 시도하는 경우에는 스크립트가 실패하지 않습니다.
local\$1schema\$1name
새 외부 스키마의 이름입니다. 유효한 이름에 대한 자세한 내용은 [이름 및 식별자](r_names.md) 섹션을 참조하세요.
FROM [ DATA CATALOG ] \$1 HIVE METASTORE \$1 POSTGRES \$1 MYSQL \$1 KINESIS \$1 MSK \$1 REDSHIFT
외부 데이터베이스가 있는 위치를 나타내는 키워드입니다.
DATA CATALOG는 외부 데이터베이스가 Athena 데이터 카탈로그 또는 AWS Glue Data Catalog에 정의되어 있음을 나타냅니다.
외부 데이터베이스가 다양한 AWS 리전에서 외부 Data Catalog에 정의되어 있는 경우 REGION 파라미터가 필요합니다. DATA CATALOG는 기본값입니다.
HIVE METASTORE는 외부 데이터베이스가 Apache Hive 메타스토어에 정의되어 있음을 나타냅니다. HIVE METASTORE가 지정되는 경우 URI가 필요합니다.
POSTGRES는 외부 데이터베이스가 RDS PostgreSQL 또는 Aurora PostgreSQL에 정의되어 있음을 나타냅니다.
MYSQL은 외부 데이터베이스가 RDS MySQL 또는 Aurora MySQL에 정의되어 있음을 나타냅니다.
KINESIS는 데이터 원본이 Kinesis Data Streams의 스트림임을 나타냅니다.
MSK는 데이터 소스가 Amazon MSK 프로비저닝 또는 서버리스 클러스터임을 나타냅니다.
KAFKA는 데이터 소스가 Kafka 클러스터임을 나타냅니다. Amazon MSK와 Confluent Cloud 모두에 이 키워드를 사용할 수 있습니다.
FROM REDSHIFT
데이터베이스가 Amazon Redshift에 있음을 나타내는 키워드입니다.
DATABASE '*redshift\$1database\$1name*' SCHEMA '*redshift\$1schema\$1name*'
Amazon Redshift 데이터베이스의 이름입니다.
*redshift\$1schema\$1name*은 Amazon Redshift의 스키마를 나타냅니다. 기본 *redshift\$1schema\$1name*은 `public`입니다.
DATABASE '*federated\$1database\$1name*'
키워드는 지원되는 PostgreSQL 또는 MySQL 데이터베이스 엔진에서 외부 데이터베이스의 이름을 나타냅니다.
[SCHEMA '*schema\$1name*']
*schema\$1name*은 지원되는 PostgreSQL 데이터베이스 엔진의 스키마를 나타냅니다. 기본 *schema\$1name*은 `public`입니다.
지원되는 MySQL 데이터베이스 엔진에 대한 연합 쿼리를 설정할 때 SCHEMA를 지정할 수 없습니다.
REGION '*aws-region*'
외부 데이터베이스가 Athena 데이터 카탈로그 또는 AWS Glue Data Catalog에 정의되어 있는 경우 데이터베이스가 있는 AWS 리전입니다. 이 파라미터는 데이터베이스가 외부 Data Catalog에 정의되어 있는 경우에 필요합니다.
URI [ 'hive\$1metastore\$1uri' [ PORT port\$1number ] \$1 'hostname' [ PORT port\$1number ] \$1 'Kafka bootstrap URI' ]
지원되는 PostgreSQL 또는 MySQL 데이터베이스 엔진의 호스트 이름 URI와 port\$1number입니다. *hostname*은 복제본 세트의 헤드 노드입니다. 엔드포인트는 Amazon Redshift 클러스터에서 연결(라우팅)할 수 있어야 합니다. 기본 PostgreSQL 포트 번호는 5432입니다. 기본 MySQL 포트 번호는 3306입니다.
지원되는 PostgreSQL 또는 MySQL 데이터베이스 엔진은 Amazon Redshift 및 RDS url-rsPostgreSQL 또는 Aurora PostgreSQL을 연결하는 보안 그룹을 포함하는 Amazon Redshift 클러스터와 동일한 VPC에 있어야 합니다. 또한, Enhanced VPC Routing을 사용하여 VPC 간 사용 사례를 구성할 수 있습니다. 자세한 내용은 [Redshift 관리형 VPC 엔드포인트](https://docs.aws.amazon.com/redshift/latest/mgmt/managing-cluster-cross-vpc.html)를 참조하세요.
**메타스토어 URI 지정**
데이터베이스가 Hive 메타스토어에 있는 경우 메타스토어의 URI를 지정하고 선택적으로 포트 번호를 지정합니다. 기본 포트 번호는 9083입니다.
URI에는 프로토콜 사양("http://")이 포함되어 있지 않습니다. 유효한 URI의 예: `uri '172.10.10.10'`.
**스트리밍 수집용 브로커 URI 지정**
부트스트랩 브로커 URI를 포함하면 Amazon MSK 또는 Confluent Cloud 클러스터에 연결하고 스트리밍 데이터를 수신할 수 있습니다. 자세한 내용과 예시를 확인하려면 [Amazon Managed Streaming for Apache Kafka에서 스트리밍 수집 시작](https://docs.aws.amazon.com/redshift/latest/dg/materialized-view-streaming-ingestion-getting-started-MSK.html)을 참조하세요.
IAM\$1ROLE [ default \$1 'SESSION' \$1 'arn:aws:iam::**:role/**' ]
기본 키워드를 사용하여 CREATE EXTERNAL SCHEMA 명령이 실행될 때 Amazon Redshift에서 기본값으로 설정되고 클러스터와 연결된 IAM 역할을 사용하도록 합니다.
페더레이션형 ID를 사용하여 Amazon Redshift 클러스터에 연결하고 이 명령을 사용하여 생성된 외부 스키마에서 테이블에 액세스하는 경우에 `'SESSION'`을 사용합니다. 자세한 내용은 페더레이션형 ID 구성 방법이 설명된 [페더레이션형 ID를 사용하여 로컬 리소스 및 Amazon Redshift Spectrum 외부 테이블에 대한 Amazon Redshift 액세스 관리](https://docs.aws.amazon.com/redshift/latest/mgmt/authorization-fas-spectrum.html) 섹션을 참조하세요. ARN 대신 `'SESSION'`을 사용하는 이 구성은 `DATA CATALOG`를 사용하여 스키마를 생성한 경우에만 사용할 수 있다는 점에 유의하세요.
클러스터가 인증 및 권한 부여에 사용하는 IAM 역할의 Amazon 리소스 이름(ARN)을 사용합니다. 최소 IAM 역할은 액세스되는 Amazon S3 버킷에서 LIST 작업을 수행하고 버킷에 포함된 Amazon S3 객체에 대한 GET 작업을 수행할 수 있는 권한이 있어야 합니다.
다음은 단일 ARN에 대한 IAM\$1ROLE 파라미터의 구문을 보여줍니다.
```
IAM_ROLE 'arn:aws:iam:::role/'
```
역할을 함께 묶어 클러스터가 다른 계정에 속한 다른 IAM 역할을 수임하도록 할 수 있습니다. 최대 10개의 역할을 함께 묶을 수 있습니다. 역할 연쇄의 예는 [Amazon Redshift Spectrum에서 IAM 역할 연결](c-spectrum-iam-policies.md#c-spectrum-chaining-roles)를 참조하세요.
이 IAM 역할에 다음과 유사한 IAM 권한 정책을 연결합니다.
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Sid": "AccessSecret",
"Effect": "Allow",
"Action": [
"secretsmanager:GetResourcePolicy",
"secretsmanager:GetSecretValue",
"secretsmanager:DescribeSecret",
"secretsmanager:ListSecretVersionIds"
],
"Resource": "arn:aws:secretsmanager:us-west-2:123456789012:secret:my-rds-secret-VNenFy"
},
{
"Sid": "VisualEditor1",
"Effect": "Allow",
"Action": [
"secretsmanager:GetRandomPassword",
"secretsmanager:ListSecrets"
],
"Resource": "*"
}
]
}
```
연합 쿼리에 사용할 IAM 역할을 생성하는 단계는 [연합 쿼리 사용을 위해 비밀 및 IAM 역할 생성](federated-create-secret-iam-role.md) 섹션을 참조하세요.
연결된 역할 목록에 공백을 포함하지 마세요.
다음은 세 역할을 함께 묶기 위한 구문을 나타낸 것입니다.
```
IAM_ROLE 'arn:aws:iam:::role/,arn:aws:iam:::role/,arn:aws:iam:::role/'
```
SECRET\$1ARN '*ssm-secret-arn*'
AWS Secrets Manager를 사용하여 생성한 지원되는 PostgreSQL 또는 MySQL 데이터베이스 엔진 암호의 Amazon 리소스 이름(ARN)입니다. 시크릿의 ARN을 생성하고 검색하는 방법에 대한 자세한 내용은 *AWS Secrets Manager 사용 설명서*의 [AWS Secrets Manager를 사용하여 시크릿 관리](https://docs.aws.amazon.com/secretsmanager/latest/userguide/manage_create-basic-secret.html) 및 [Amazon Redshift에서 시크릿의 Amazon 리소스 이름(ARN) 검색](https://docs.aws.amazon.com/redshift/latest/mgmt/redshift-secrets-manager-integration-retrieving-secret.html)을 참조하세요.
CATALOG\$1ROLE [ 'SESSION' \$1 *catalog-role-arn-string*]
`'SESSION'`은 데이터 카탈로그에 대한 인증 및 권한 부여를 위해 페더레이션형 ID를 사용하여 Amazon Redshift 클러스터에 연결하는 데 사용합니다. 페더레이션형 ID 단계를 완료하는 방법에 대한 자세한 내용은 [페더레이션형 ID를 사용하여 로컬 리소스 및 Amazon Redshift Spectrum 외부 테이블에 대한 Amazon Redshift 액세스 관리](https://docs.aws.amazon.com/redshift/latest/mgmt/authorization-fas-spectrum.html)를 참조하세요. `'SESSION'` 역할은 스키마가 DATA CATALOG에서 생성된 경우에만 사용할 수 있다는 점에 유의하세요.
클러스터가 데이터 카탈로그에 대한 인증 및 권한 부여에 사용하는 IAM 역할의 Amazon 리소스 이름(ARN)을 사용합니다.
CATALOG\$1ROLE을 지정하지 않으면 Amazon Redshift는 지정된 IAM\$1ROLE을 사용합니다. 카탈로그 역할은 AWS Glue 또는 Athena에 있는 Data Catalog에 액세스할 수 있는 권한이 있어야 합니다. 자세한 내용은 [Amazon Redshift Spectrum에 대한 IAM 정책](c-spectrum-iam-policies.md) 섹션을 참조하세요.
다음은 단일 ARN에 대한 CATALOG\$1ROLE 파라미터의 구문을 보여줍니다.
```
CATALOG_ROLE 'arn:aws:iam:::role/'
```
역할을 함께 묶어 클러스터가 다른 계정에 속한 다른 IAM 역할을 수임하도록 할 수 있습니다. 최대 10개의 역할을 함께 묶을 수 있습니다. 자세한 내용은 [Amazon Redshift Spectrum에서 IAM 역할 연결](c-spectrum-iam-policies.md#c-spectrum-chaining-roles) 섹션을 참조하세요.
함께 묶은 역할 목록에 공백을 포함하면 안 됩니다.
다음은 세 역할을 함께 묶기 위한 구문을 나타낸 것입니다.
```
CATALOG_ROLE 'arn:aws:iam:::role/,arn:aws:iam:::role/,arn:aws:iam:::role/'
```
CREATE EXTERNAL DATABASE IF NOT EXISTS
지정된 외부 데이터베이스가 존재하지 않는 경우 DATABASE 인수로 지정된 이름을 가진 외부 데이터베이스를 생성하는 절입니다. 지정된 외부 데이터베이스가 존재하는 경우 이 명령을 실행해도 아무런 변화가 없습니다. 이 경우에는 명령 실행 시 오류 메시지와 함께 종료되지 않고 외부 데이터베이스가 존재한다는 메시지가 반환됩니다.
CREATE EXTERNAL DATABASE IF NOT EXISTS를 HIVE METASTORE와 함께 사용할 수 없습니다.
Data Catalog가 AWS Lake Formation에 사용되는 상태에서 CREATE EXTERNAL DATABASE IF NOT EXISTS를 사용하려면 Data Catalog에 대한 `CREATE_DATABASE` 권한이 필요합니다.
CATALOG\$1ID *'Glue 또는 Lake Formation 데이터베이스가 포함된 Amazon Web Services 계정 ID'*
데이터 카탈로그 데이터베이스가 저장되는 계정 ID입니다.
`CATALOG_ID`는 다음 중 하나를 설정하여 데이터 카탈로그에 대한 인증 및 권한 부여를 위해 페더레이션형 ID를 사용하여 Amazon Redshift 클러스터 또는 Amazon Redshift Serverless에 연결하려는 경우에만 지정할 수 있습니다.
+ `CATALOG_ROLE`\$1`'SESSION'`
+ `IAM_ROLE`을 `'SESSION'`으로, `'CATALOG_ROLE'`을 기본값으로 설정
페더레이션형 ID 단계를 완료하는 방법에 대한 자세한 내용은 [페더레이션형 ID를 사용하여 로컬 리소스 및 Amazon Redshift Spectrum 외부 테이블에 대한 Amazon Redshift 액세스 관리](https://docs.aws.amazon.com/redshift/latest/mgmt/authorization-fas-spectrum.html)를 참조하세요.
인증
스트리밍 수집에 대해 정의된 인증 유형입니다. 인증 유형이 있는 스트리밍 수집은 Amazon Managed Streaming for Apache Kafka와 함께 작동합니다. `AUTHENTICATION` 유형은 다음과 같습니다.
+ **none** - 필요한 인증이 없다고 지정합니다. 이는 Apache Kafka에서 TLS를 사용하는 MSK 또는 일반 텍스트에 대한 인증되지 않은 액세스에 해당합니다.
+ **iam** - IAM 인증을 지정합니다. 이 항목을 선택할 때는 IAM 역할에 IAM 인증 권한이 있는지 확인해야 합니다. 외부 스키마 정의에 대한 자세한 내용은 [Apache Kafka 소스에서 스트리밍 수집 시작하기](materialized-view-streaming-ingestion-getting-started-MSK.md)을 참조하세요.
+ **mtls** - 클라이언트와 서버 간의 인증을 용이하게 하여 상호 전송 계층 보안을 통해 안전한 통신을 제공하도록 지정합니다. 이 경우 클라이언트는 Redshift이고 서버는 Amazon MSK입니다. mTLS를 사용하여 스트리밍 수집 구성에 관한 자세한 내용은 [Apache Kafka 소스에서 Redshift 스트리밍 수집을 위한 mTLS 인증](materialized-view-streaming-ingestion-mtls.md) 섹션을 참조하시기 바랍니다.
AUTHENTICATION\$1ARN
Amazon Redshift가 Amazon MSK에서 mtls 인증 시 사용하는 AWS Certificate Manager 인증서의 ARN입니다. ARN은 발급된 인증서를 선택하면 ACM 콘솔에서 사용할 수 있습니다.
CLUSTER\$1ARN
스트리밍 수집의 경우, CLUSTER\$1ARN은 스트리밍 출처인 Amazon Managed Streaming for Apache Kafka 클러스터의 클러스터 식별자입니다. CLUSTER\$1ARN을 사용할 때는 `kafka:GetBootstrapBrokers` 권한이 포함된 IAM 역할 정책이 필요합니다. 이 옵션은 이전 버전과의 호환성을 위해 제공됩니다. 현재 부트스트랩 브로커 URI 옵션을 사용하여 Amazon Managed Streaming for Apache Kafka 클러스터에 연결하는 것이 좋습니다. 자세한 내용은 [스트리밍 수집](https://docs.aws.amazon.com/redshift/latest/dg/materialized-view-streaming-ingestion.html)을 참조하세요.
## 사용 노트
Athena Data Catalog 사용 시 제한 사항은 AWS 일반 참조의 [Athena 제한 사항](https://docs.aws.amazon.com/general/latest/gr/aws_service_limits.html#amazon-athena-limits)을 참조하세요.
AWS Glue Data Catalog 사용 시 제한 사항은 AWS 일반 참조의 [AWS Glue 제한 사항](https://docs.aws.amazon.com/general/latest/gr/aws_service_limits.html#limits_glue)을 참조하세요.
Hive 메타스토어에는 이러한 제한이 적용되지 않습니다.
데이터베이스당 스키마 수는 최대 9,900개입니다. 자세한 내용은 *Amazon Redshift 관리 가이드*의 [할당량 및 제한](https://docs.aws.amazon.com/redshift/latest/mgmt/amazon-redshift-limits.html) 섹션을 참조하세요.
스키마의 등록을 취소하려면 [DROP SCHEMA](r_DROP_SCHEMA.md) 명령을 사용합니다.
외부 스키마에 대한 세부 정보를 보려면 다음 시스템 보기를 쿼리합니다.
+ [SVV\$1EXTERNAL\$1SCHEMAS](r_SVV_EXTERNAL_SCHEMAS.md)
+ [SVV\$1EXTERNAL\$1TABLES](r_SVV_EXTERNAL_TABLES.md)
+ [SVV\$1EXTERNAL\$1COLUMNS](r_SVV_EXTERNAL_COLUMNS.md)
## 예제
다음 예에서는 미국 서부(오레곤)에서 `sampledb`로 명명된 데이터 카탈로그에 있는 데이터베이스를 사용하여 외부 스키마를 생성합니다. 이 예시를 Athena 또는 AWS Glue 데이터 카탈로그와 함께 사용하세요.
```
create external schema spectrum_schema
from data catalog
database 'sampledb'
region 'us-west-2'
iam_role 'arn:aws:iam::123456789012:role/MySpectrumRole';
```
다음 예에서는 외부 스키마를 생성하고 `spectrum_db`로 명명된 새로운 외부 데이터베이스를 생성합니다.
```
create external schema spectrum_schema
from data catalog
database 'spectrum_db'
iam_role 'arn:aws:iam::123456789012:role/MySpectrumRole'
create external database if not exists;
```
다음 예에서는 `hive_db`로 명명된 Hive 메타스토어 데이터베이스를 사용하여 외부 스키마를 생성합니다.
```
create external schema hive_schema
from hive metastore
database 'hive_db'
uri '172.10.10.10' port 99
iam_role 'arn:aws:iam::123456789012:role/MySpectrumRole';
```
다음 예에서는 Amazon S3 액세스에 `myS3Role` 역할을 사용하고 데이터 카탈로그 액세스에 `myAthenaRole`을 사용하기 위해 역할을 함께 묶습니다. 자세한 내용은 [Amazon Redshift Spectrum에서 IAM 역할 연결](c-spectrum-iam-policies.md#c-spectrum-chaining-roles) 섹션을 참조하세요.
```
create external schema spectrum_schema
from data catalog
database 'spectrum_db'
iam_role 'arn:aws:iam::123456789012:role/myRedshiftRole,arn:aws:iam::123456789012:role/myS3Role'
catalog_role 'arn:aws:iam::123456789012:role/myAthenaRole'
create external database if not exists;
```
다음 예에서는 외부 Aurora PostgreSQL 데이터베이스를 참조하는 외부 스키마를 생성합니다.
```
CREATE EXTERNAL SCHEMA [IF NOT EXISTS] myRedshiftSchema
FROM POSTGRES
DATABASE 'my_aurora_db' SCHEMA 'my_aurora_schema'
URI 'endpoint to aurora hostname' PORT 5432
IAM_ROLE 'arn:aws:iam::123456789012:role/MyAuroraRole'
SECRET_ARN 'arn:aws:secretsmanager:us-east-2:123456789012:secret:development/MyTestDatabase-AbCdEf'
```
다음 예에서는 소비자 클러스터에서 가져온 sales\$1db를 참조하는 외부 스키마를 생성합니다.
```
CREATE EXTERNAL SCHEMA sales_schema FROM REDSHIFT DATABASE 'sales_db' SCHEMA 'public';
```
다음 예에서는 외부 Aurora MySQL 데이터베이스를 참조하는 외부 스키마를 생성합니다.
```
CREATE EXTERNAL SCHEMA [IF NOT EXISTS] myRedshiftSchema
FROM MYSQL
DATABASE 'my_aurora_db'
URI 'endpoint to aurora hostname'
IAM_ROLE 'arn:aws:iam::123456789012:role/MyAuroraRole'
SECRET_ARN 'arn:aws:secretsmanager:us-east-2:123456789012:secret:development/MyTestDatabase-AbCdEf'
```
# CREATE EXTERNAL TABLE
지정된 스키마에서 새 외부 테이블을 생성합니다. 모든 외부 테이블은 외부 스키마에 생성해야 합니다. 외부 스키마와 외부 테이블에 대해서는 검색 경로가 지원되지 않습니다. 자세한 내용은 [CREATE EXTERNAL SCHEMA](r_CREATE_EXTERNAL_SCHEMA.md) 섹션을 참조하세요.
CREATE EXTERNAL TABLE 명령을 사용하여 생성되는 외부 테이블 외에도 Amazon Redshift는 AWS Glue 또는 AWS Lake Formation 카탈로그나 Apache Hive 메타스토어에 정의된 외부 테이블을 참조할 수 있습니다. [CREATE EXTERNAL SCHEMA](r_CREATE_EXTERNAL_SCHEMA.md) 명령을 사용하면 외부 카탈로그에 정의된 외부 데이터베이스를 등록하고 Amazon Redshift에서 외부 테이블을 사용하도록 할 수 있습니다. AWS Glue 또는 AWS Lake Formation 카탈로그 또는 Hive 메타스토어에 외부 테이블이 존재하는 경우 CREATE EXTERNAL TABLE을 사용하여 테이블을 생성하지 않아도 됩니다. 외부 테이블을 보려면 [SVV\$1EXTERNAL\$1TABLES](r_SVV_EXTERNAL_TABLES.md) 시스템 뷰를 쿼리하세요.
CREATE EXTERNAL TABLE AS 명령을 실행하여 쿼리의 열 정의를 기반으로 외부 테이블을 생성하고 해당 쿼리의 결과를 Amazon S3에 작성할 수 있습니다. 결과는 Apache Parquet 또는 구분된 텍스트 형식입니다. 외부 테이블에 파티션 키가 있는 경우 Amazon Redshift는 해당 파티션 키에 따라 새 파일을 분할하고 새 파티션을 외부 카탈로그에 자동으로 등록합니다. CREATE EXTERNAL TABLE AS에 대한 자세한 내용은 [사용 노트](r_CREATE_EXTERNAL_TABLE_usage.md) 섹션을 참조하세요.
다른 Amazon Redshift 테이블에 사용하는 것과 같은 SELECT 구문을 사용하여 외부 테이블을 쿼리할 수 있습니다. INSERT 구문을 사용하여 Amazon S3의 외부 테이블 위치에 새 파일을 작성할 수도 있습니다. 자세한 내용은 [INSERT(외부 테이블)](r_INSERT_external_table.md) 섹션을 참조하세요.
외부 테이블로 보기를 새로 만들려면 [CREATE VIEW](r_CREATE_VIEW.md) 문에 WITH NO SCHEMA BINDING 절을 포함시키세요.
트랜잭션(BEGIN … END) 내에서 CREATE EXTERNAL TABLE을 실행할 수 없습니다. 버전 관리에 대한 자세한 내용은 [Amazon Redshift의 격리 수준](c_serial_isolation.md) 섹션을 참조하세요.
## 필수 권한
외부 테이블을 생성하려면 외부 스키마의 소유자이거나 수퍼유저여야 합니다. 외부 스키마의 소유권을 이전하려면 ALTER SCHEMA를 사용해 소유자를 변경합니다. 외부 테이블에 대한 액세스는 외부 스키마에 대한 액세스에 의해 제어됩니다. 외부 테이블에 대한 권한을 [GRANT](r_GRANT.md) 또는 [REVOKE](r_REVOKE.md)할 수 없습니다. 대신에, 외부 스키마에 대한 USAGE를 허용하거나 취소합니다.
[사용 노트](r_CREATE_EXTERNAL_TABLE_usage.md)에는 외부 테이블의 특정 권한에 대한 추가 정보가 있습니다.
## 구문
```
CREATE EXTERNAL TABLE
external_schema.table_name
(column_name data_type [, …] )
[ PARTITIONED BY (col_name data_type [, … ] )]
[ { ROW FORMAT DELIMITED row_format |
ROW FORMAT SERDE 'serde_name'
[ WITH SERDEPROPERTIES ( 'property_name' = 'property_value' [, ...] ) ] } ]
STORED AS file_format
LOCATION { 's3://bucket/folder/' | 's3://bucket/manifest_file' }
[ TABLE PROPERTIES ( 'property_name'='property_value' [, ...] ) ]
```
다음은 CREATE EXTERNAL TABLE AS의 구문입니다.
```
CREATE EXTERNAL TABLE
external_schema.table_name
[ PARTITIONED BY (col_name [, … ] ) ]
[ ROW FORMAT DELIMITED row_format ]
STORED AS file_format
LOCATION { 's3://bucket/folder/' }
[ TABLE PROPERTIES ( 'property_name'='property_value' [, ...] ) ]
AS
{ select_statement }
```
## 파라미터
*external\$1schema.table\$1name*
생성한 후 외부 스키마 이름으로 정규화할 테이블의 이름입니다. 외부 테이블은 외부 스키마에 생성해야 합니다. 자세한 내용은 [CREATE EXTERNAL SCHEMA](r_CREATE_EXTERNAL_SCHEMA.md) 섹션을 참조하세요.
테이블 이름의 최대 길이는 127바이트이며, 이보다 긴 이름은 127바이트까지 표시되고 나머지는 잘립니다. 최대 4바이트까지 UTF-8 멀티바이트 문자를 사용할 수 있습니다. Amazon Redshift는 사용자 정의 임시 테이블과 쿼리 처리 또는 시스템 유지 관리 중에 Amazon Redshift에서 생성한 임시 테이블을 포함하여 클러스터당 테이블을 9,900개로 제한합니다. 선택적으로, 데이터베이스 이름으로 테이블 이름을 정규화할 수 있습니다. 다음 예에서는 데이터베이스 이름이 `spectrum_db`이고, 외부 스키마 이름은 `spectrum_schema`이며, 테이블 이름은 `test`입니다.
```
create external table spectrum_db.spectrum_schema.test (c1 int)
stored as parquet
location 's3://amzn-s3-demo-bucket/myfolder/';
```
지정된 데이터베이스 또는 스키마가 존재하지 않는 경우 테이블이 생성되지 않으며, 이 명령문은 오류를 반환합니다. 시스템 데이터베이스 `template0`, `template1`, `padb_harvest` 또는 `sys:internal`에서 테이블 또는 뷰를 생성할 수 없습니다.
테이블 이름은 지정된 스키마에 대한 고유한 이름이어야 합니다.
유효한 이름에 대한 자세한 내용은 [이름 및 식별자](r_names.md) 섹션을 참조하세요.
( *column\$1name* *data\$1type* )
생성되는 각 열의 이름과 데이터 형식입니다.
열 이름의 최대 길이는 127바이트이며, 이보다 긴 이름은 127바이트까지 표시되고 나머지는 잘립니다. 최대 4바이트까지 UTF-8 멀티바이트 문자를 사용할 수 있습니다. 열 이름 `"$path"` 또는 `"$size"`는 지정할 수 없습니다. 유효한 이름에 대한 자세한 내용은 [이름 및 식별자](r_names.md) 섹션을 참조하세요.
기본적으로 Amazon Redshift에서는 가상 열 `$path` 및 `$size`가 있는 외부 테이블을 생성합니다. `spectrum_enable_pseudo_columns` 구성 파라미터를 `false`로 설정하여 세션에 대해 가상 열 생성을 비활성화할 수 있습니다. 자세한 내용은 [가상 열](r_CREATE_EXTERNAL_TABLE_usage.md#r_CREATE_EXTERNAL_TABLE_usage-pseudocolumns) 섹션을 참조하세요.
가상 열이 활성화되어 있으면 단일 테이블에서 정의할 수 있는 최대 열 개수는 1,598개입니다. 가상 열이 활성화되어 있지 않으면 테이블 하나에서 정의할 수 있는 최대 열 개수는 1,600개입니다.
"넓은 테이블"을 생성할 경우에는 로드 및 쿼리 처리 중에 열의 목록이 중간 결과에 대한 행 너비 경계를 초과하지 않도록 주의하세요. 자세한 내용은 [사용 노트](r_CREATE_TABLE_NEW.md#r_CREATE_TABLE_usage) 섹션을 참조하세요.
CREATE EXTERNAL TABLE AS 명령의 경우 열이 쿼리에서 파생되기 때문에 열 목록이 필요하지 않습니다.
*data\$1type*
다음 모듈을 지원합니다.[데이터 타입](c_Supported_data_types.md)
+ SMALLINT (INT2)
+ INTEGER (INT, INT4)
+ BIGINT (INT8)
+ DECIMAL (NUMERIC)
+ REAL (FLOAT4)
+ DOUBLE PRECISION (FLOAT8)
+ BOOLEAN (BOOL)
+ CHAR (CHARACTER)
+ VARCHAR (CHARACTER VARYING)
+ VARBYTE(문자 가변) - Parquet 및 ORC 데이터 파일과 함께 사용할 수 있으며 비분할 테이블에만 사용할 수 있습니다.
+ DATE - 텍스트, Parquet 또는 ORC 데이터 파일과 함께 또는 파티션 열로만 사용할 수 있습니다.
+ TIMESTAMP
DATE의 경우 다음과 같은 형식을 사용할 수 있습니다. 숫자를 사용하여 표시되는 월 값의 경우 다음 형식이 지원됩니다.
+ `mm-dd-yyyy` 예: `05-01-2017`. 이 값이 기본값입니다.
+ `yyyy-mm-dd` - 여기서 연도는 2자리 이상의 숫자로 표시됩니다. 예를 들어 `2017-05-01`입니다.
세 글자 약어를 사용하여 표시되는 월 값의 경우 다음 형식이 지원됩니다.
+ `mmm-dd-yyyy` 예: `may-01-2017`. 이 값이 기본값입니다.
+ `dd-mmm-yyyy` - 여기서 연도는 2자리 이상의 숫자로 표시됩니다. 예를 들어 `01-may-2017`입니다.
+ `yyyy-mmm-dd` - 여기서 연도는 2자리 이상의 숫자로 표시됩니다. 예를 들어 `2017-may-01`입니다.
지속적으로 100보다 작은 연도 값의 경우 연도는 다음 방식으로 계산됩니다.
+ 연도가 70보다 작은 경우 연도는 연도에 2000을 더한 값으로 계산됩니다. 예를 들어 `mm-dd-yyyy` 형식의 날짜 05-01-17은 `05-01-2017`로 변환됩니다.
+ 연도가 100보다 작고 69보다 큰 경우 연도는 연도에 1900을 더한 값으로 계산됩니다. 예를 들어 `mm-dd-yyyy` 형식의 날짜 05-01-89는 `05-01-1989`로 변환됩니다.
+ 2자리로 표시되는 연도 값의 경우 앞에 0을 추가하여 연도를 4자리로 표시합니다.
타임스탬프 값 `yyyy-mm-dd HH:mm:ss.SSSSSS`에서 볼 수 있듯이, 텍스트 파일의 타임스탬프 값은 `2017-05-01 11:30:59.000000` 형식이어야 합니다.
VARCHAR 열의 길이 단위는 문자 수가 아니라 바이트로 정의됩니다. 예를 들어 VARCHAR(12) 열에는 단일 바이트 문자 12개, 2바이트 문자 6개가 포함될 수 있습니다. 외부 테이블을 쿼리하는 경우 오류를 반환하지 않고 정의된 열 크기에 맞춰 결과가 잘립니다. 자세한 내용은 [스토리지 및 범위](r_Character_types.md#r_Character_types-storage-and-ranges) 섹션을 참조하세요.
최상의 성능을 위해 데이터에 맞춰 가장 작은 열 크기를 지정하는 것이 좋습니다. 열의 값에 대한 최대 크기(바이트)를 찾으려면 [OCTET\$1LENGTH](r_OCTET_LENGTH.md) 함수를 사용하세요. 다음 예에서는 이메일 열 값의 최대 크기를 반환합니다.
```
select max(octet_length(email)) from users;
max
---
62
```
PARTITIONED BY (*col\$1name* *data\$1type* [, … ] )
하나 이상의 파티션 열로 분할된 테이블을 정의하는 절입니다. 지정된 각각의 조합에 별개의 데이터 디렉터리가 사용되어 상황에 따라 쿼리 성능을 개선할 수 있습니다. 분할된 열은 테이블 데이터 자체 내에는 존재하지 않습니다. 테이블 열과 동일한 *col\$1name*에 대한 값을 사용하는 경우 오류가 발생합니다.
분할된 테이블을 생성한 후 [ALTER TABLE](r_ALTER_TABLE.md) ... ADD PARTITION 문을 사용하여 테이블을 변경하여 새 파티션을 외부 카탈로그에 등록합니다. 파티션을 추가할 때 Amazon S3에서 파티션 데이터가 들어 있는 하위 폴더의 위치를 정의합니다.
예를 들어, 테이블 `spectrum.lineitem_part`가 `PARTITIONED BY (l_shipdate date)`로 정의되어 있는 경우 다음 ALTER TABLE 명령을 실행하여 파티션을 추가합니다.
```
ALTER TABLE spectrum.lineitem_part ADD PARTITION (l_shipdate='1992-01-29')
LOCATION 's3://spectrum-public/lineitem_partition/l_shipdate=1992-01-29';
```
CREATE EXTERNAL TABLE AS를 사용하는 경우 ALTER TABLE...ADD PARTITION을 실행할 필요가 없습니다. Amazon Redshift는 외부 카탈로그에 새 파티션을 자동으로 등록합니다. 또한 Amazon Redshift는 테이블에 정의된 파티션 키를 기반으로 Amazon S3의 파티션에 해당 데이터를 자동으로 씁니다.
파티션을 보려면 [SVV\$1EXTERNAL\$1PARTITIONS](r_SVV_EXTERNAL_PARTITIONS.md) 시스템 뷰를 쿼리하세요.
CREATE EXTERNAL TABLE AS 명령의 경우 이 열은 쿼리에서 파생되므로 파티션 열의 데이터 형식을 지정할 필요가 없습니다.
ROW FORMAT DELIMITED *rowformat*
기본 데이터의 형식을 지정하는 절입니다. *rowformat*에 가능한 값은 다음과 같습니다.
+ LINES TERMINATED BY '*delimiter*'
+ FIELDS TERMINATED BY '*delimiter*'
'*delimiter*'에 단일 ASCII 문자를 지정합니다. 8진수 문자를 사용해 인쇄되지 않는 ASCII 문자를 `'\`*`ddd`*`'` 형식으로 지정할 수 있습니다. 여기서 *`d`*는 최대 ‘\$1177’까지의 8진수(0\$17)입니다. 다음은 8진수 문자를 사용하여 BEL(bell) 문자를 지정하는 예입니다.
```
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\007'
```
ROW FORMAT이 생략된 경우 기본 형식은 '\$1A(제목 시작)'로 종료되는 구분된 필드와 '\$1n(줄 바꿈)'으로 종료되는 행입니다.
ROW FORMAT SERDE '*serde\$1name*'[WITH SERDEPROPERTIES ( '*property\$1name*' = '*property\$1value*' [, ...] ) ]
기본 데이터의 SERDE 형식을 지정하는 절입니다.
'*serde\$1name*'
SerDe의 이름입니다. 다음 형식을 지정할 수 있습니다.
+ org.apache.hadoop.hive.serde2.RegexSerDe
+ com.amazonaws.glue.serde.GrokSerDe
+ org.apache.hadoop.hive.serde2.OpenCSVSerde
이 파라미터는 OpenCSVSerde에 대해 다음 SerDe 속성을 지원합니다.
```
'wholeFile' = 'true'
```
`wholeFile` 속성을 `true`로 설정하여 OpenCSV 요청에 대해 따옴표로 묶인 문자열 내의 줄 바꿈 문자(\$1in)를 적절하게 구문 분석합니다.
+ org.openx.data.jsonserde.JsonSerDe
+ JSON SERDE는 또한 Ion 파일을 지원합니다.
+ JSON은 올바른 형식을 따라야 합니다.
+ Ion 및 JSON 타임스탬프에서는 ISO8601 형식을 사용해야 합니다.
+ 이 파라미터는 JsonSerDe에 대해 다음 SerDe 속성을 지원합니다.
```
'strip.outer.array'='true'
```
마치 배열 내에 여러 JSON 레코드가 포함되어 있는 것처럼 대괄호( [ … ] )로 둘러싸인 매우 큰 배열 하나가 포함된 Ion/JSON 파일을 처리합니다.
+ com.amazon.ionhiveserde.IonHiveSerDe
Amazon ION 형식은 데이터 유형 외에도 텍스트 및 이진 형식을 제공합니다. ION 형식의 데이터를 참조하는 외부 테이블의 경우 외부 테이블의 각 열을 ION 형식 데이터의 해당 요소에 매핑합니다. 자세한 내용은 [Amazon Ion](https://amzn.github.io/ion-docs/)을 참조하세요. 또한 입력 및 출력 형식을 지정해야 합니다.
WITH SERDEPROPERTIES ( '*property\$1name*' = '*property\$1value*' [, ...] ) ]
경우에 따라 쉼표로 구분된 속성 값 및 이름을 지정합니다.
ROW FORMAT이 생략된 경우 기본 형식은 '\$1A(제목 시작)'로 종료되는 구분된 필드와 '\$1n(줄 바꿈)'으로 종료되는 행입니다.
STORED AS *file\$1format*
데이터 파일의 파일 형식입니다.
유효한 형식은 다음과 같습니다.
+ PARQUET
+ RCFILE(LazyBinaryColumnarSerDe가 아니라 ColumnarSerDe만 사용하는 데이터의 경우)
+ SEQUENCEFILE
+ TEXTFILE(JSON 파일을 포함한 텍스트 파일의 경우)
+ ORC
+ AVRO
+ INPUTFORMAT '*input\$1format\$1classname*' OUTPUTFORMAT '*output\$1format\$1classname*'
CREATE EXTERNAL TABLE AS 명령은 두 가지 파일 형식, 즉 TEXTFILE 및 PARQUET를 지원합니다.
INPUTFORMAT과 OUTPUTFORMAT에 대해 다음 예에 나온 것처럼 클래스 이름을 지정합니다.
```
'org.apache.hadoop.mapred.TextInputFormat'
```
LOCATION \$1 's3://*bucket/folder*/' \$1 's3://*bucket/manifest\$1file*'\$1
데이터 파일이 포함된 Amazon S3 버킷 또는 폴더, 혹은 Amazon S3 객체 경로 목록이 포함된 매니페스트 파일까지의 경로. 버킷은 Amazon Redshift 클러스터와 동일한 AWS 리전에 있어야 합니다. 지원되는 AWS 리전 목록은 [Amazon Redshift Spectrum 제한 사항](c-spectrum-considerations.md) 섹션을 참조하세요.
경로가 버킷 또는 폴더를 지정하는 경우(예: `'s3://amzn-s3-demo-bucket/custdata/'`) Redshift Spectrum은 지정된 버킷 또는 폴더와 모든 하위 폴더에서 파일을 스캔합니다. Redshift Spectrum은 마침표나 밑줄로 시작되는 숨겨진 파일과 파일을 무시합니다.
경로가 매니페스트 파일을 지정하는 경우 `'s3://bucket/manifest_file'` 인수는 단일 파일을 명시적으로 참조해야 합니다(예: `'s3://amzn-s3-demo-bucket/manifest.txt'`). 키 접두사를 참조할 수는 없습니다.
매니페스트란 Amazon S3에서 로드할 개별 파일의 URL과 파일 크기(단위: 바이트)를 JSON 형식으로 나열한 텍스트 파일을 말합니다. URL에는 파일의 버킷 이름과 전체 객체 경로가 포함됩니다. 매니페스트에서 지정되는 파일이 서로 다른 버킷에 있을 수 있지만 모든 버킷은 Amazon Redshift 클러스터와 동일한 AWS 리전에 속해야 합니다. 파일이 두 번 나열되면 마찬가지로 두 번 로드됩니다. 다음은 3개의 파일을 로드하는 매니페스트의 JSON 형식을 나타낸 예입니다.
```
{
"entries": [
{"url":"s3://amzn-s3-demo-bucket1/custdata.1", "meta": { "content_length": 5956875 } },
{"url":"s3://amzn-s3-demo-bucket1/custdata.2", "meta": { "content_length": 5997091 } },
{"url":"s3://amzn-s3-demo-bucket2/custdata.1", "meta": { "content_length": 5978675 } }
]
}
```
특정 파일의 포함을 필수로 설정할 수 있습니다. 이렇게 하려면 매니페스트의 파일 수준에서 `mandatory` 옵션을 포함시킵니다. 누락된 필수 파일이 있는 외부 테이블을 쿼리하면 SELECT 문이 실패합니다. 외부 테이블 정의에 포함된 모든 파일이 있는지 확인합니다. 모든 파일이 없으면 찾을 수 없는 첫 번째 필수 파일을 표시하는 오류가 나타납니다. 다음은 `mandatory` 옵션이 `true`로 설정된 매니페스트의 JSON 형식을 나타낸 예입니다.
```
{
"entries": [
{"url":"s3://amzn-s3-demo-bucket1/custdata.1", "mandatory":true, "meta": { "content_length": 5956875 } },
{"url":"s3://amzn-s3-demo-bucket1/custdata.2", "mandatory":false, "meta": { "content_length": 5997091 } },
{"url":"s3://amzn-s3-demo-bucket2/custdata.1", "meta": { "content_length": 5978675 } }
]
}
```
UNLOAD를 사용하여 만든 파일을 참조하기 위해 MANIFEST 파라미터와 함께 [UNLOAD](r_UNLOAD.md)를 사용하여 만든 매니페스트를 사용할 수 있습니다. 이 매니페스트 파일은 [Amazon S3에서 COPY](copy-parameters-data-source-s3.md)의 매니페스트 파일과 호환되지만 사용하는 키는 다릅니다. 사용되지 않는 키는 무시됩니다.
TABLE PROPERTIES ( '*property\$1name*'='*property\$1value*' [, ...] )
테이블 속성의 테이블 정의를 설정하는 절입니다.
테이블 속성은 대/소문자를 구분합니다.
'compression\$1type'='*value*'
파일 이름에 확장자가 포함되지 않은 경우에 사용할 압축 유형을 설정하는 속성입니다. 이 속성을 설정하고 파일 확장자가 존재하는 경우 확장자를 무시하고 속성이 설정한 값을 사용합니다. 압축 유형에 유효한 값은 다음과 같습니다.
+ bzip2
+ gzip
+ 없음
+ gzip
'data\$1cleansing\$1enabled'='true / false’
이 속성은 테이블에 대해 데이터 처리가 켜져 있는지 여부를 설정합니다. 'data\$1cleansing\$1enabled'가 true로 설정되어 있으면 테이블에 대한 데이터 처리가 켜져 있는 것입니다. 'data\$1cleansing\$1enabled'가 false로 설정되어 있으면 테이블에 대한 데이터 처리가 꺼져 있는 것입니다. 이 속성으로 제어되는 테이블 수준 데이터 처리 속성 목록은 다음과 같습니다.
+ column\$1count\$1mismatch\$1handling
+ invalid\$1char\$1handling
+ numeric\$1overflow\$1handling
+ replacement\$1char
+ surplus\$1char\$1handling
예시는 [데이터 처리 예](r_CREATE_EXTERNAL_TABLE_examples.md#r_CREATE_EXTERNAL_TABLE_examples-data-handling) 섹션을 참조하세요.
'invalid\$1char\$1handling'='*value*'
쿼리 결과에 잘못된 UTF-8 문자 값이 포함된 경우 수행할 작업을 지정합니다. 다음 작업을 지정할 수 있습니다.
DISABLED
잘못된 문자 처리를 수행하지 않습니다.
FAIL
잘못된 UTF-8 값이 포함된 데이터를 반환하는 쿼리를 취소합니다.
SET\$1TO\$1NULL
잘못된 UTF-8 값을 null로 바꿉니다.
DROP\$1ROW
행의 각 값을 null로 바꿉니다.
REPLACE
잘못된 문자를 `replacement_char`을 사용하여 지정한 대체 문자열로 바꿉니다.
'replacement\$1char'='*character*’
`invalid_char_handling`을 `REPLACE`로 설정할 경우 사용할 대체 문자를 지정합니다.
'numeric\$1overflow\$1handling'='value’
ORC 데이터에 열 정의(예: SMALLINT 또는 int16)보다 큰 정수(예: BIGINT 또는 int64)가 포함된 경우 수행할 작업을 지정합니다. 다음 작업을 지정할 수 있습니다.
DISABLED
잘못된 문자 처리가 꺼져 있습니다.
FAIL
데이터에 잘못된 문자가 포함된 경우 쿼리를 취소합니다.
SET\$1TO\$1NULL
잘못된 문자를 null로 설정합니다.
DROP\$1ROW
행의 각 값을 null로 설정합니다.
'surplus\$1bytes\$1handling'='value'**
VARBYTE 데이터를 포함하는 열에 대해 정의된 데이터 형식의 길이를 초과하는 데이터 로드를 처리하는 방법을 지정합니다. 기본적으로 Redshift Spectrum에서는 열의 너비를 초과하는 데이터에 대해 값을 null로 설정합니다.
쿼리가 데이터 형식의 길이를 초과하는 데이터를 반환하는 경우 수행할 다음 작업을 지정할 수 있습니다.
SET\$1TO\$1NULL
열 너비를 초과하는 데이터를 null로 바꿉니다.
DISABLED
잉여 바이트 처리를 수행하지 않습니다.
FAIL
열 너비를 초과하는 데이터를 반환하는 쿼리를 취소합니다.
DROP\$1ROW
열 너비를 초과하는 데이터가 포함된 모든 행을 삭제합니다.
TRUNCATE
열에 정의된 최대 문자 수를 초과하는 문자를 제거합니다.
'surplus\$1char\$1handling'='*value*'
VARCHAR, CHAR 또는 문자열 데이터를 포함하는 열에 대해 정의된 데이터 형식의 길이를 초과하는 데이터 로드를 처리하는 방법을 지정합니다. 기본적으로 Redshift Spectrum에서는 열의 너비를 초과하는 데이터에 대해 값을 null로 설정합니다.
쿼리가 열 너비를 초과하는 데이터를 반환하는 경우 수행할 다음 작업을 지정할 수 있습니다.
SET\$1TO\$1NULL
열 너비를 초과하는 데이터를 null로 바꿉니다.
DISABLED
잉여 문자 처리를 수행하지 않습니다.
FAIL
열 너비를 초과하는 데이터를 반환하는 쿼리를 취소합니다.
DROP\$1ROW
행의 각 값을 null로 바꿉니다.
TRUNCATE
열에 정의된 최대 문자 수를 초과하는 문자를 제거합니다.
'column\$1count\$1mismatch\$1handling'='value’
파일에 포함된 행 값이 외부 테이블 정의에 지정된 열 수보다 적거나 많은지 식별합니다. 이 속성은 압축되지 않은 텍스트 파일 형식에만 사용할 수 있습니다. 다음 작업을 지정할 수 있습니다.
DISABLED
열 개수 불일치 처리가 꺼져 있습니다.
FAIL
열 개수 불일치가 감지되면 쿼리에 실패합니다.
SET\$1TO\$1NULL
누락된 값을 NULL로 채우고 각 행의 추가 값을 무시합니다.
DROP\$1ROW
열 수 불일치 오류가 포함된 모든 행을 스캔에서 삭제합니다.
'numRows'='*row\$1count*'
테이블 정의를 위해 numRows 값을 설정하는 속성입니다. 외부 테이블의 통계를 명시적으로 업데이트하려면 테이블의 크기를 나타내도록 numRows 속성을 설정합니다. Amazon Redshift는 쿼리 옵티마이저가 쿼리 계획을 생성하는 데 사용하는 테이블 통계를 생성하기 위해 외부 테이블을 분석하지 않습니다. 따라서 외부 테이블에 대한 테이블 통계가 준비되어 있지 않으면 Amazon Redshift가 외부 테이블이 더 큰 테이블이고 로컬 테이블이 더 작은 테이블이라는 가정에 기초하여 쿼리 실행 계획을 생성합니다.
'skip.header.line.count'='*line\$1count*'
각 원본 파일의 시작 부분에서 건너 뛸 행 개수를 설정하는 속성입니다.
'serialization.null.format'=' '
필드에 제공된 텍스트와 정확히 일치하는 항목이 있는 경우 Spectrum을 지정하는 속성은 `NULL` 값을 반환해야 합니다.
'orc.schema.resolution'='mapping\$1type'
ORC 데이터 형식을 사용하는 테이블의 열 매핑 유형을 설정하는 속성입니다. 모든 데이터 형식의 경우 이 속성은 무시됩니다.
열 매핑 유형에 유효한 값은 다음과 같습니다.
+ 이름
+ position
*orc.schema.resolution* 속성을 생략하면 열이 기본적으로 이름별로 매핑됩니다. *orc.schema.resolution*을 *'name'* 또는 *'position'* 이외 값으로 설정하면 열은 위치별로 매핑됩니다. 열 매핑에 대한 자세한 내용은 [외부 테이블 열을 ORC 열에 매핑](c-spectrum-external-tables.md#c-spectrum-column-mapping-orc) 섹션을 참조하세요.
COPY 명령은 반드시 위치를 기준으로 ORC 데이터 파일에 매핑됩니다. *orc.schema.resolution* 테이블 속성은 COPY 명령 동작에 영향을 주지 않습니다.
'write.parallel'='on / off’
CREATE EXTERNAL TABLE AS가 병렬 방식으로 데이터를 작성해야 하는지 여부를 설정하는 속성입니다. 기본적으로 CREATE EXTERNAL TABLE AS는 클러스터의 조각 수에 따라 다수의 파일에 병렬 방식으로 데이터를 작성합니다. 기본 옵션은 on입니다. 'write.parallel'이 꺼짐으로 설정되면 CREATE EXTERNAL TABLE AS는 Amazon S3의 하나 이상의 데이터 파일에 순차적으로 작성합니다. 이 테이블 속성은 동일한 외부 테이블의 모든 후속 INSERT 문에도 적용됩니다.
‘write.maxfilesize.mb’=‘size’
CREATE EXTERNAL TABLE AS에 의해 Amazon S3에 작성된 각 파일의 최대 크기(MB)를 설정하는 속성입니다. 크기는 5에서 6200 사이의 유효한 정수여야 합니다. 기본 최대 파일 크기는 6,200MB입니다. 이 테이블 속성은 동일한 외부 테이블의 모든 후속 INSERT 문에도 적용됩니다.
‘write.kms.key.id’=‘*value*’
AWS Key Management Service 키를 지정하여 Amazon S3 객체에 대해 서버 측 암호화(SSE)를 사용할 수 있습니다. 여기서 *값*은 다음 중 하나입니다.
+ `auto` - Amazon S3 버킷에 저장된 기본 AWS KMS 키를 사용합니다.
+ 데이터를 암호화하기 위해 지정하는 *kms-key*입니다.
*select\$1statement*
쿼리를 정의하여 외부 테이블에 하나 이상의 행을 삽입하는 문입니다. 쿼리가 생성하는 모든 행은 테이블 정의에 따라 텍스트 또는 Parquet 형식으로 Amazon S3에 작성됩니다.
## 예제
예제 모음은 [예제](r_CREATE_EXTERNAL_TABLE_examples.md)에서 확인할 수 있습니다.
# 사용 노트
이 주제에는 [CREATE EXTERNAL TABLE](r_CREATE_EXTERNAL_TABLE.md)에 대한 사용 참고 사항이 포함되어 있습니다. [PG\$1TABLE\$1DEF](r_PG_TABLE_DEF.md), [STV\$1TBL\$1PERM](r_STV_TBL_PERM.md), PG\$1CLASS 또는 information\$1schema와 같은 표준 Amazon Redshift 테이블에 사용하는 것과 동일한 리소스를 사용하여 Amazon Redshift Spectrum 테이블에 대한 세부 정보를 볼 수 없습니다. 비즈니스 인텔리전스 또는 분석 도구가 Redshift Spectrum 외부 테이블을 인식하지 못하는 경우 애플리케이션이 [SVV\$1EXTERNAL\$1TABLES](r_SVV_EXTERNAL_TABLES.md) 및 [SVV\$1EXTERNAL\$1COLUMNS](r_SVV_EXTERNAL_COLUMNS.md)를 쿼리하도록 구성합니다.
## CREATE EXTERNAL TABLE AS
경우에 따라 AWS Glue Data Catalog, AWS Lake Formation 외부 카탈로그 또는 Apache Hive 메타스토어에 대해 CREATE EXTERNAL TABLE AS 명령을 실행할 수 있습니다. 이러한 경우 AWS Identity and Access Management(IAM) 역할을 사용하여 외부 스키마를 생성합니다. 이 IAM 역할에는 Amazon S3에 대한 읽기 및 쓰기 권한이 모두 있어야 합니다.
Lake Formation 카탈로그를 사용하는 경우 IAM 역할에 카탈로그에서 테이블을 생성할 수 있는 권한이 있어야 합니다. 이 경우 대상 Amazon S3 경로에 대한 데이터 레이크 위치 권한도 있어야 합니다. 이 IAM 역할은 새 AWS Lake Formation 테이블의 소유자가 됩니다.
파일 이름이 고유한지 확인하기 위해 Amazon Redshift에서는 기본적으로 Amazon S3에 업로드된 각 파일의 이름에 다음 형식을 사용합니다.
`_