O Amazon Redshift não permitirá mais a criação de UDFs do Python a partir do Patch 198. As UDFs do Python existentes continuarão a funcionar normalmente até 30 de junho de 2026. Para ter mais informações, consulte a [publicação de blog ](https://aws.amazon.com/blogs/big-data/amazon-redshift-python-user-defined-functions-will-reach-end-of-support-after-june-30-2026/).
# STL\_ALERT\_EVENT\_LOG
Registra um alerta quando o otimizador de consultas identifica as condições que podem indicar problemas de performance. Use a visualização STL\_ALERT\_EVENT\_LOG para identificar oportunidades para melhorar a performance da consulta.
Uma consulta consiste em vários segmentos e cada segmento consiste em uma ou mais etapas. Para obter mais informações, consulte [Processamento de consulta](c-query-processing.md).
STL\_ALERT\_EVENT\_LOG é visível para todos os usuários. Os superusuários podem ver todas as linhas; usuários regulares podem ver somente seus próprios dados. Para obter mais informações, consulte [Visibilidade de dados em tabelas e visualizações de sistema](cm_chap_system-tables.md#c_visibility-of-data).
**nota**
STL\_ALERT\_EVENT\_LOG contém apenas as consultas executadas nos principais clusters provisionados. Ele não contém consultas executadas em clusters de escalabilidade simultânea ou em namespaces sem servidor. Para acessar os planos de explicação das consultas executadas em clusters principais, clusters de escalabilidade simultânea e namespaces sem servidor, recomendamos usar a visualização de monitoramento SYS [SYS\_QUERY\_DETAIL](SYS_QUERY_DETAIL.md). Os dados na exibição de monitoramento SYS são formatados para serem mais fáceis de usar e compreender.
## Colunas da tabela
| Nome da coluna | Tipo de dados | Descrição |
| --- | --- | --- |
| userid | integer | O ID do usuário que gerou a entrada. |
| consultar | integer | ID da consulta. A coluna de consulta pode ser usada para unir outras tabelas e exibições do sistema. |
| slice | integer | O número que identifica a fatia em que a consulta estava sendo executada. |
| segment | integer | O número que identifica o segmento da consulta. |
| etapa | integer | Etapa da consulta que foi executada. |
| pid | integer | O ID do processo associado à instrução e à fatia. A mesma consulta poderá ter vários PIDs, se for executada em várias fatias. |
| xid | bigint | O ID da transação associada à instrução. |
| event | character(1024) | A descrição do evento de alerta. |
| solução | character(1024) | A solução recomendada. |
| event\_time | timestamp | O horário (em UTC) de início da consulta. O tempo total inclui consultas e execução, com seis dígitos de precisão para segundos fracionários. Por exemplo: 2009-06-12 11:29:19.131358. |
## Observações de uso
Você pode usar o STL\_ALERT\_EVENT\_LOG para identificar problemas potenciais nas consultas, depois siga as práticas recomendadas em [Ajustar o desempenho da consulta](c-optimizing-query-performance.md) para otimizar o design do banco de dados e reescrever as consultas. A tabela STL\_ALERT\_EVENT\_LOG registra os seguintes alertas:
+ **Ausência de estatísticas**
Não há estatísticas. Execute o ANALYZE depois de carregar dados ou de atualizações significativas e use o STATUPDATE com as operações COPY. Para obter mais informações, consulte [Práticas recomendadas do Amazon Redshift para criar consultas](c_designing-queries-best-practices.md).
+ **Loop aninhado **
Um loop aninhado é geralmente um produto cartesiano. Avalie sua consulta para assegurar que todas as tabelas que participam das operações estão sendo unidas de forma eficiente.
+ **Filtro muito seletivo**
A taxa de linhas retornadas em relação às linhas pesquisadas na varredura é menor do que 0.05. Linhas verificadas refere-se ao valor de `rows_pre_user_filter` e linhas retornadas refere-se ao valor das linhas na visualização do sistema [STL\_SCAN](r_STL_SCAN.md). Indica que a consulta está fazendo a varredura em um número excepcionalmente grande de linhas para determinar o conjunto de resultados. Isso pode ser causado pela falta ou por erros de chaves de classificação. Para obter mais informações, consulte [Chaves de classificação](t_Sorting_data.md).
+ **Excesso de linhas fantasma **
Uma varredura ignorou um número relativamente grande de linhas que estão marcadas como excluídas, mas não como limpadas, ou de linhas que foram inseridas, mas não confirmadas. Para obter mais informações, consulte [Vacuum de tabelas](t_Reclaiming_storage_space202.md).
+ **Grande distribuição **
Mais de 1.000.000 de linhas foram redistribuídas para uma junção hash ou agregação. Para obter mais informações, consulte [Distribuição de dados para otimização de consultas](t_Distributing_data.md).
+ **Grande transmissão **
Mais de 1.000.000 de linhas foram transmitidas para uma junção hash. Para obter mais informações, consulte [Distribuição de dados para otimização de consultas](t_Distributing_data.md).
+ **Execução em série **
Um estilo de redistribuição DS\_DIST\_ALL\_INNER foi indicado no plano de consulta, o que força uma execução em série, pois toda a tabela interna foi redistribuída para um único nó. Para obter mais informações, consulte [Distribuição de dados para otimização de consultas](t_Distributing_data.md).
## Consultas de exemplo
As consultas a seguir mostram eventos de alerta para quatro consultas.
```
SELECT query, substring(event,0,25) as event,
substring(solution,0,25) as solution,
trim(event_time) as event_time from stl_alert_event_log order by query;
query | event | solution | event_time
-------+-------------------------------+------------------------------+---------------------
6567 | Missing query planner statist | Run the ANALYZE command | 2014-01-03 18:20:58
7450 | Scanned a large number of del | Run the VACUUM command to rec| 2014-01-03 21:19:31
8406 | Nested Loop Join in the query | Review the join predicates to| 2014-01-04 00:34:22
29512 | Very selective query filter:r | Review the choice of sort key| 2014-01-06 22:00:00
(4 rows)
```