从补丁 198 开始，Amazon Redshift 将不再支持创建新的 Python UDF。现有的 Python UDF 将继续正常运行至 2026 年 6 月 30 日。有关更多信息，请参阅[博客文章](https://aws.amazon.com/blogs/big-data/amazon-redshift-python-user-defined-functions-will-reach-end-of-support-after-june-30-2026/)。

# 使用实体化视图将半结构化数据分解成 SUPER 列
<a name="r_shred_super"></a>

通过 Amazon Redshift，可以使用实体化视图将数据分解为 SUPER 列，从而提高查询性能。分解指的是将半结构化 JSON 或 XML 等复杂数据类型分解成更小、更扁平的列的过程。SUPER 列是一种专门的列式存储形式，专为快速扫描已分解数据而优化。

以下各节将介绍在 Amazon Redshift 中使用实体化视图将数据分解成 SUPER 列的步骤和注意事项。

以下示例显示了一个实体化视图定义，用于将嵌套数据分解，其结果列仍为 SUPER 数据类型。

```
SELECT c.c_name, o.o_orderstatus
FROM customer_orders_lineitem c, c.c_orders o;
```

以下示例显示了一个实体化视图定义，用于通过分解的数据来创建传统的 Amazon Redshift 标量列。

```
SELECT c.c_name, c.c_orders[0].o_totalprice
FROM customer_orders_lineitem c;
```

您可以创建单个实体化视图 super\$1mv 来加速这两个查询。

要应答第一个查询，必须具体化属性 o\$1orderstatus。您可以省略属性 c\$1name，因为它不涉及嵌套导航或取消嵌套。您还必须在实体化视图中包括 customer\$1orders\$1lineitem 的属性 c\$1custkey，以便能够将基表与实体化视图联接起来。

要应答第二个查询，您还必须具体化属性 o\$1totalprice 和数组 index o\$1idx of c\$1orders。因此，您可以访问 c\$1orders 的索引 0。

```
CREATE MATERIALIZED VIEW super_mv distkey(c_custkey) sortkey(c_custkey) AS (
  SELECT c_custkey, o.o_orderstatus, o.o_totalprice, o_idx
  FROM customer_orders_lineitem c, c.c_orders o AT o_idx
);
```

实体化视图 super\$1mv are SUPER 的属性 o\$1orderstatus 和 o\$1totalprice。

对基表 customer\$1orders\$1lineitem 进行更改时，将以增量方式刷新实体化视图 super\$1mv。

```
REFRESH MATERIALIZED VIEW super_mv;
INFO: Materialized view super_mv was incrementally updated successfully.
```

若要将第一个 PartiQL 查询重写为常规 SQL 查询，请如下所示将 customer\$1orders\$1lineitem 与 super\$1mv as 联接。

```
SELECT c.c_name, v.o_orderstatus
FROM customer_orders_lineitem c 
JOIN super_mv v ON c.c_custkey = v.c_custkey;
```

同样，您可以重写第二个 PartiQL 查询。以下示例对 o\$1idx = 0 使用筛选条件。

```
SELECT c.c_name, v.o_totalprice
FROM customer_orders_lineitem c 
JOIN super_mv v ON c.c_custkey = v.c_custkey
WHERE v.o_idx = 0;
```

在 CREATE MATERIALIZED VIEW 命令中，将 c\$1custkey 指定为分配键，并为排序键指定 super\$1mv。Amazon Redshift 会执行高效的合并联接，假设 c\$1custkey 也是 customer\$1orders\$1lineitem 的分配键和排序键。如果不是这种情况，您可以指定 c\$1custkey 作为 customer\$1orders\$1lineitem 的排序键和分配键，如下所示。

```
ALTER TABLE customer_orders_lineitem
ALTER DISTKEY c_custkey, ALTER SORTKEY (c_custkey);
```

使用 EXPLAIN 语句验证 Amazon Redshift 是否对重写的查询执行合并联接。

```
EXPLAIN
      SELECT c.c_name, v.o_orderstatus
      FROM customer_orders_lineitem c JOIN super_mv v ON c.c_custkey = v.c_custkey;
      
      QUERY PLAN                                              
      ------------------------------------------------------------------------------------------------------
      XN Merge Join DS_DIST_NONE  (cost=0.00..34701.82 rows=1470776 width=27)
      Merge Cond: ("outer".c_custkey = "inner".c_custkey)
      ->  XN Seq Scan on mv_tbl__super_mv__0 derived_table2  (cost=0.00..14999.86 rows=1499986 width=13)
      ->  XN Seq Scan on customer_orders_lineitem c  (cost=0.00..999.96 rows=99996 width=30)
      (4 rows)
```