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.
# SVCS\_PLAN\_INFO
SVCS\_PLAN\_INFO 테이블은 쿼리의 EXPLAIN 출력을 행 집합으로 표시하는 데 사용됩니다. 이 테이블은 쿼리 계획을 살펴볼 수 있는 대체 방법이기도 합니다.
**참고**
접두사 SVCS를 포함하는 시스템 뷰는 동시성 확장 클러스터와 기본 클러스터 모두의 쿼리에 대한 세부 정보를 제공합니다. 이 뷰는 접두사 STL을 포함하는 테이블과 유사합니다. 단, STL 테이블은 기본 클러스터에서 실행된 쿼리에 대한 정보만 제공합니다.
SVCS\_PLAN\_INFO는 모든 사용자에게 표시됩니다. 수퍼유저는 모든 행을 볼 수 있지만 일반 사용자는 자체 데이터만 볼 수 있습니다. 자세한 내용은 [시스템 테이블 및 뷰에 있는 데이터의 가시성](cm_chap_system-tables.md#c_visibility-of-data) 섹션을 참조하세요.
## 테이블 열
| 열 이름 | 데이터 유형 | 설명 |
| --- | --- | --- |
| userid | 정수 | 항목을 생성한 사용자의 ID. |
| 쿼리 | 정수 | 쿼리 ID. 쿼리 열을 사용하여 다른 시스템 테이블 및 보기를 조인할 수 있습니다. |
| nodeid | 정수 | 계획 노드 식별자. 쿼리 실행 시 이 식별자를 통해 노드가 1개 이상의 단계로 매핑됩니다. |
| segment | 정수 | 쿼리 세그먼트를 식별할 수 있는 번호 |
| step | 정수 | 쿼리 단계를 식별할 수 있는 번호 |
| locus | 정수 | 단계가 실행되는 위치로 컴퓨터 노드이면 0이고, 리더 노드이면 1입니다. |
| plannode | 정수 | 계획 노드의 열거 값. plannode 열의 열거형 값은 다음 테이블을 참조하세요. ([SVCS\_EXPLAIN](r_SVCS_EXPLAIN.md) 테이블의 PLANNODE 열에는 계획 노드 텍스트가 포함됩니다) |
| startupcost | double precision | 이 단계의 첫 번째 행을 반환하는 상대적 예상 비용 |
| totalcost | double precision | 단계를 실행하는 상대적 예상 비용 |
| rows | bigint | 단계에서 산출될 것으로 예상되는 행의 수 |
| bytes | bigint | 단계에서 산출될 것으로 예상되는 바이트 수 |
## 샘플 쿼리
다음은 단순한 SELECT 쿼리에서 EXPLAIN 명령을 사용하여 반환되는 쿼리 계획과 SVCS\_PLAN\_INFO 테이블에 대한 쿼리를 실행하여 반환되는 쿼리 계획을 비교하는 예입니다.
```
explain select * from category;
QUERY PLAN
-------------------------------------------------------------
XN Seq Scan on category (cost=0.00..0.11 rows=11 width=49)
(1 row)
select * from category;
catid | catgroup | catname | catdesc
-------+----------+-----------+--------------------------------------------
1 | Sports | MLB | Major League Baseball
3 | Sports | NFL | National Football League
5 | Sports | MLS | Major League Soccer
...
select * from svcs_plan_info where query=256;
query | nodeid | segment | step | locus | plannode | startupcost | totalcost
| rows | bytes
-------+--------+---------+------+-------+----------+-------------+-----------+------+-------
256 | 1 | 0 | 1 | 0 | 104 | 0 | 0.11 | 11 | 539
256 | 1 | 0 | 0 | 0 | 104 | 0 | 0.11 | 11 | 539
(2 rows)
```
이번 예에서 PLANNODE 104는 CATEGORY 테이블에 대한 순차적 스캔을 의미합니다.
```
select distinct eventname from event order by 1;
eventname
------------------------------------------------------------------------
.38 Special
3 Doors Down
70s Soul Jam
A Bronx Tale
...
explain select distinct eventname from event order by 1;
QUERY PLAN
-------------------------------------------------------------------------------------
XN Merge (cost=1000000000136.38..1000000000137.82 rows=576 width=17)
Merge Key: eventname
-> XN Network (cost=1000000000136.38..1000000000137.82 rows=576
width=17)
Send to leader
-> XN Sort (cost=1000000000136.38..1000000000137.82 rows=576
width=17)
Sort Key: eventname
-> XN Unique (cost=0.00..109.98 rows=576 width=17)
-> XN Seq Scan on event (cost=0.00..87.98 rows=8798
width=17)
(8 rows)
select * from svcs_plan_info where query=240 order by nodeid desc;
query | nodeid | segment | step | locus | plannode | startupcost |
totalcost | rows | bytes
-------+--------+---------+------+-------+----------+------------------+------------------+------+--------
240 | 5 | 0 | 0 | 0 | 104 | 0 | 87.98 | 8798 | 149566
240 | 5 | 0 | 1 | 0 | 104 | 0 | 87.98 | 8798 | 149566
240 | 4 | 0 | 2 | 0 | 117 | 0 | 109.975 | 576 | 9792
240 | 4 | 0 | 3 | 0 | 117 | 0 | 109.975 | 576 | 9792
240 | 4 | 1 | 0 | 0 | 117 | 0 | 109.975 | 576 | 9792
240 | 4 | 1 | 1 | 0 | 117 | 0 | 109.975 | 576 | 9792
240 | 3 | 1 | 2 | 0 | 114 | 1000000000136.38 | 1000000000137.82 | 576 | 9792
240 | 3 | 2 | 0 | 0 | 114 | 1000000000136.38 | 1000000000137.82 | 576 | 9792
240 | 2 | 2 | 1 | 0 | 123 | 1000000000136.38 | 1000000000137.82 | 576 | 9792
240 | 1 | 3 | 0 | 0 | 122 | 1000000000136.38 | 1000000000137.82 | 576 | 9792
(10 rows)
```