Amazon Redshift 將不再支援從修補程式 198 開始建立新的 Python UDFs。現有 Python UDF 將繼續正常運作至 2026 年 6 月 30 日。如需詳細資訊，請參閱[部落格文章](https://aws.amazon.com/blogs/big-data/amazon-redshift-python-user-defined-functions-will-reach-end-of-support-after-june-30-2026/)。

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 使用時間序列資料表
<a name="c_best-practices-time-series-tables"></a>

如果您的資料有固定的保留期間，您可以將資料整理為時間序列資料表的順序。在這樣的順序中，每個資料表都是相同的，但包含不同時間範圍的資料。

只要在相應的資料表上執行 DROP TABLE 命令，即可輕鬆移除舊資料。此方法比執行大規模 DELETE 程序更快速，而且後續無需執行 VACUUM 程序以回收空間。若要隱藏資料儲存於不同資料表的事實，您可以建立一個 UNION ALL 檢視。當您刪除舊資料時，強化您的 UNION ALL 檢視即可移除已刪除的資料表。同樣的，當您將新的期間載入至新資料表時，請將新資料表新增至該檢視。若要傳送訊號至最佳化器以跳過掃描與查詢篩選條件不匹配的資料表，您的檢視定義將會篩選對應至每個資料表的日期範圍。

避免在 UNION ALL 檢視中有過多的資料表。每個額外的資料表都會增加一些查詢的處理時間。資料表不需要使用相同的時間範圍。例如，您可能有不同期間的資料表，例如每日、每月及每年。

如果您使用時間序列資料表，並以時間戳記欄位做為排序索引鍵，將可有效地按照排序索引鍵的順序載入資料。如此便不必清除以重新排序資料。如需詳細資訊，請參閱[以排序索引鍵順序載入資料](vacuum-managing-vacuum-times.md#vacuum-load-in-sort-key-order)。