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。
# SQL 參考
透過 Amazon Redshift 即可利用 SQL 有效率地查詢和分析儲存在資料倉儲中的大量資料。SQL 參考涵蓋 SQL 命令、資料類型、函數、運算子等的語法和用法，讓您能夠取得深入分析並作出資料驅動的決策。您可以查看此參考來編寫最佳化的查詢、建立和管理資料庫物件，以及執行複雜的資料轉換。下列參考提供在 Amazon Redshift 環境內使用 SQL 來滿足資料分析需求的完整詳細資訊。
**Topics**
+ [Amazon Redshift SQL](c_redshift-sql.md)
+ [使用 SQL](c_SQL_reference.md)
+ [SQL 命令](c_SQL_commands.md)
+ [SQL 函數參考](c_SQL_functions.md)
+ [保留字](r_pg_keywords.md)
# Amazon Redshift SQL
**Topics**
+ [領導節點上所支援的 SQL 函數](c_sql-functions-leader-node.md)
+ [Amazon Redshift 和 PostgreSQL](c_redshift-and-postgres-sql.md)
Amazon Redshift 是以業界標準 SQL 為基礎所建置的，並新增功能，用來管理超大資料集，和支援對這些資料的高效能分析與報告。
**注意**
單一 Amazon Redshift SQL 陳述式的大小上限為 16 MB。
# 領導節點上所支援的 SQL 函數
某些 Amazon Redshift 查詢會分配到運算節點上執行，其他的查詢則是只在領導節點上執行。
每當查詢參考使用者建立的資料表或系統資料表 (具有 STL 或 STV 字首的資料表，以及具有 SVL 或 SVV 字首的系統畫面) 時，領導節點就會將 SQL 分送到運算節點。查詢如果只參考目錄資料表 (具有 PG 字首的資料表，例如 PG\$1TABLE\$1DEF，儲存於領導節點上)，或是未參考任何資料表，就只會在領導節點上執行。
某些 Amazon Redshift SQL 函數只有在領導者節點上才支援，在運算節點上不支援。使用領導者節點函數的查詢必須完全在領導者節點上執行，而不是在運算節點上，否則會傳回錯誤。
必須只在領導節點上執行的每個函數，其文件包含備註，說明如果函數參考使用者定義的資料表或 Amazon Redshift 系統資料表，將會傳回錯誤。關於只在領導節點上執行的功能，如需功能清單，請參閱 [僅限領導節點函數](c_SQL_functions_leader_node_only.md)。
## 範例
下列範例使用 TICKIT 資料庫為例。如需範例資料庫的詳細資訊，請前往 [範本資料庫](c_sampledb.md)。
**CURRENT\$1SCHEMA**
CURRENT\$1SCHEMA 是只限領導節點的函式。在此範例中，查詢並未參考資料表，因此只會在領導節點上執行。
```
select current_schema();
current_schema
---------------
public
```
在下一個範例中，查詢參考了系統目錄資料表，因此只會在領導節點上執行。
```
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
```
在下一個範例中，查詢參考了位於運算節點上的 Amazon Redshift 系統資料表，因此會傳回錯誤。
```
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 也是一個僅限於領導節點函數。在以下範例中，因查詢未參考資料表，所以只會在領導節點上執行。
```
SELECT SUBSTR('amazon', 5);
+--------+
| substr |
+--------+
| on |
+--------+
```
在下列範例中，查詢會參照位於運算節點上的資料表。這會導致錯誤。
```
SELECT SUBSTR(catdesc, 1) FROM category LIMIT 1;
ERROR: SUBSTR() function is not supported (Hint: use SUBSTRING instead)
```
若要成功執行先前的查詢，請使用 [SUBSTRING](https://docs.aws.amazon.com/redshift/latest/dg/r_SUBSTRING.html)。
```
SELECT SUBSTRING(catdesc, 1) FROM category LIMIT 1;
+---------------------------------+
| substring |
+---------------------------------+
| National Basketball Association |
+---------------------------------+
```
**FACTORIAL()**
FACTORIAL() 是僅限於領導節點函數。在以下範例中，因查詢未參考資料表，所以只會在領導節點上執行。
```
SELECT FACTORIAL(5);
factorial
-------------
120
```
在下列範例中，查詢會參照位於運算節點上的資料表。使用查詢編輯器 v2 執行時，這會導致錯誤。
```
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 和 PostgreSQL
**Topics**
+ [Amazon Redshift 和 PostgreSQL JDBC 和 ODBC](c_redshift-postgres-jdbc.md)
+ [以不同方式建置的功能](c_redshift-sql-implementated-differently.md)
+ [不支援的 PostgreSQL 功能](c_unsupported-postgresql-features.md)
+ [不支援的 PostgreSQL 資料類型](c_unsupported-postgresql-datatypes.md)
+ [不支援的 PostgreSQL 函數](c_unsupported-postgresql-functions.md)
Amazon Redshift 是以 PostgreSQL 為基礎。在設計和開發您的資料倉儲應用程式時，您必須知道 Amazon Redshift 與 PostgreSQL 之間有多項重要的差異。
Amazon Redshift 是專門針對線上分析處理 (OLAP) 和商業智慧 (BI) 應用所設計的，這些應用需要對龐大的資料集進行複雜的查詢。由於 Amazon Redshift 是用來滿足極為不同的需求，因此所使用的專業資料儲存體架構和查詢執行引擎，和 PostgreSQL 實作完全不同。例如，線上交易處理 (OLTP) 應用程式通常將資料儲存在列中，而 Amazon Redshift 則把資料儲存在欄中，並使用專門的資料壓縮編碼來實現最佳記憶體使用和磁碟 I/O。為了提高效能，一些適合較小規模 OLTP 處理的 PostgreSQL 功能 (例如次要索引和高效的單列資料操作操作) 已被省略。
如需 Amazon Redshift 資料倉儲系統架構的詳細說明，請參閱[Amazon Redshift 架構](c_redshift_system_overview.md)。
PostgreSQL 9.x 包含了一些 Amazon Redshift 未支援的功能。此外，Amazon Redshift SQL 和 PostgreSQL 之間有幾項重要的差異，是您必須知道的。本節重點介紹了 Amazon Redshift 和 PostgreSQL 之間的差異，並提供開發資料倉儲的指導方針，以充分善用 Amazon Redshift SQL 實作。
# Amazon Redshift 和 PostgreSQL JDBC 和 ODBC
由於 Amazon Redshift 是以 PostgreSQL 為基礎，因此我們先前建議使用 JDBC4 Postgresql 驅動程式版本 8.4.703 和 psqlODBC 版本 9.x 驅動程式。如果您目前正在使用這些驅動程式，我們建議今後移至新的 Amazon Redshift 專屬驅動程式。如需驅動程式和設定連線的相關資訊，請參閱《Amazon Redshift 管理指南》**中的[適用於 Amazon Redshift 的 JDBC 和 ODBC 驅動程式](https://docs.aws.amazon.com/redshift/latest/mgmt/configuring-connections.html#connecting-drivers)。
使用 JDBC 擷取龐大的資料集時，為避免發生用戶端記憶體不足的錯誤，您可以藉由設定 JDBC 擷取大小的參數，來讓用戶端透過批次方式擷取資料。如需詳細資訊，請參閱[設定 JDBC 擷取大小參數](set-the-JDBC-fetch-size-parameter.md)。
Amazon Redshift 無法辨識 JDBC maxRows 參數。請改為指定 [LIMIT](r_ORDER_BY_clause.md#order-by-clause-limit) 子句來限制結果集。您也可以使用 [OFFSET](r_ORDER_BY_clause.md#order-by-clause-offset) 子句，來跳到結果集中的指定起點。
# 以不同方式建置的功能
許多的 Amazon Redshift SQL 語言元素具有不同的效能特性，而且所使用的語法和語意，也和同等 PostgreSQL 實作非常不同。
**重要**
請勿假設 Amazon Redshift 和 PostgreSQL 共通的元素具有相同的語意。請務必參考《Amazon Redshift 開發人員指南》**的 [SQL 命令](c_SQL_commands.md)，以了解細微的差異。
一個特別的例子是 [VACUUM](r_VACUUM_command.md) 命令，這是用來清理和重整資料表。VACUUM 具有不同的功能，而且使用與 PostgreSQL 版本不同的一組參數。如需在 Amazon Redshift 中使用 VACUUM 的詳細資訊，請參閱[清空資料表](t_Reclaiming_storage_space202.md)。
資料庫管理的功能和工具也經常有所不同。例如，Amazon Redshift 會維持一組系統資料表和檢視，這些項目提供關於系統運作狀況的資訊。如需詳細資訊，請參閱[SYS 監控檢視](serverless_views-monitoring.md)。
下列清單包含了一些 SQL 功能的範例，這些功能在 Amazon Redshift 中以不同的方式建置。
+ [CREATE TABLE](r_CREATE_TABLE_NEW.md)
Amazon Redshift 不支援資料表空間、資料表分割、繼承和某些限制。CREATE TABLE 的 Amazon Redshift 實作可讓您定義資料表的排序與分佈演算法，以實現最佳化的平行處理。
Amazon Redshift Spectrum 支援使用 [CREATE EXTERNAL TABLE](r_CREATE_EXTERNAL_TABLE.md) 命令來分割資料表。
+ [ALTER TABLE](r_ALTER_TABLE.md)
僅支援 ALTER COLUMN 動作的子集。
ADD COLUMN 支援在每個 ALTER TABLE 陳述式中只新增一欄。
+ [COPY](r_COPY.md)
Amazon Redshift COPY 是高度專門的命令，可用來從 Amazon S3 儲存貯體和 Amazon DynamoDB 資料表載入資料，以便於自動壓縮作業的進行。如需詳細資訊，請參閱 [在 Amazon Redshift 中載入資料](t_Loading_data.md) 區段和 COPY 指令參考。
+ [VACUUM](r_VACUUM_command.md)
VACUUM 所使用的參數完全不同。例如，PostgreSQL 中的預設 VACUUM 操作，只會回收空間，以供重複使用；但是，Amazon Redshift 中預設的 VACUUM 操作為 VACUUM FULL，這項操作會回收磁碟空間，並將所有列重新排序。
+ 在比較字串值時，會忽略 VARCHAR 值中多餘的空格。如需詳細資訊，請參閱[多餘空格的意義](r_Character_types.md#r_Character_types-significance-of-trailing-blanks)。
# 不支援的 PostgreSQL 功能
在 Amazon Redshift 中不支援下列的 PostgreSQL 功能。
**重要**
請勿假設 Amazon Redshift 和 PostgreSQL 共通的元素具有相同的語意。請務必參考《Amazon Redshift 開發人員指南》**的 [SQL 命令](c_SQL_commands.md)，以了解細微的差異。
+ 不支援查詢工具 *psql*。支援 [Amazon Redshift RSQL](https://docs.aws.amazon.com/redshift/latest/mgmt/rsql-query-tool.html) 用戶端。
+ 資料表分割 (範圍與列表分割)
+ 資料表空間
+ Constraints
+ 唯一
+ 外部索引鍵
+ 主索引鍵
+ 檢查限制
+ 排除限制
允許唯一、主索引鍵和外部索引鍵的限制，但這些只是參考資訊。系統不會強制執行這些限制，不過查詢規劃器會使用這些限制。
+ 繼承
+ PostgreSQL 系統欄
Amazon Redshift SQL 不會隱含地定義系統欄。但是，下列 PostgreSQL 系統欄的名稱不能做為使用者定義欄的名稱使用：`oid`、`tableoid`、`xmin`、`cmin`、`xmax`、`cmax` 和 `ctid`。如需詳細資訊，請參閱 [https://www.postgresql.org/docs/8.0/static/ddl-system-columns.html](https://www.postgresql.org/docs/8.0/static/ddl-system-columns.html)。
+ 索引
+ Window 函式中的 NULLS 子句
+ 定序
Amazon Redshift 不支援地區特定或使用者定義的定序句。請參閱 [定序序列](c_collation_sequences.md)。
+ 值表達式
+ 註標表達式
+ 陣列建構子
+ 列建構子
+ 觸發
+ 外部資料管理 (SQL/MED)
+ 資料表函式
+ 做為常數表使用的 VALUES 清單
+ 序列
+ 全文檢索搜尋
+ RULE 和 TRIGGER 許可。
當您執行 GRANT ALL 或 REVOKE ALL 時，Amazon Redshift 會授予或撤銷這些許可，但 RULE 和 TRIGGER 許可是否存在，並不會對承授者的存取許可造成任何影響。
# 不支援的 PostgreSQL 資料類型
一般而言，如果查詢嘗試使用不支援的資料類型 (包括明確或隱含轉換)，將會傳回錯誤。不過，使用不支援資料類型的某些查詢，將可在領導節點上執行，但無法在運算節點上執行。請參閱 [領導節點上所支援的 SQL 函數](c_sql-functions-leader-node.md)。
如需支援的資料類型清單，請參閱 [資料類型](c_Supported_data_types.md)。
在 Amazon Redshift 中不支援下列的 PostgreSQL 資料類型。
+ 陣列
+ BIT、BIT VARYING
+ BYTEA
+ 複合類型
+ 列舉類型
+ 幾何類型 (Amazon Redshift 的幾何類型實作與 PostgreSQL 不同)
+ HSTORE
+ JSON
+ 網路位址類型
+ 數值類型
+ SERIAL、BIGSERIAL、SMALLSERIAL
+ MONEY
+ 物件識別碼類型
+ 虛擬類型
+ 範圍類型
+ 特殊字元類型
+ "char" - 單位元組的內部類型 (其中名為 char 的資料類型會用引號括住)。
+ name - 物件名稱的內部類型。
如需這些類型的相關資訊，請參閱 PostgreSQL 文件中的 [Special Character Types](https://www.postgresql.org/docs/8.0/datatype-character.html)。
+ 文字搜尋類型
+ TXID\$1SNAPSHOT
+ UUID
+ XML
# 不支援的 PostgreSQL 函數
許多未排除的函式具有不同的語意或用法。例如，某些支援的函式只會在領導節點上執行。此外，某些不支援的函式在領導節點上執行時，不會傳回錯誤。這些函數在某些情況中不會傳回錯誤的事實，不應視為 Amazon Redshift 支援這些函數。
**重要**
請勿假設 Amazon Redshift 和 PostgreSQL 共通的元素具有相同的語意。請務必參考《Amazon Redshift 資料庫開發人員指南》**的 [SQL 命令](c_SQL_commands.md)，以了解細微的差異。
如需詳細資訊，請參閱[領導節點上所支援的 SQL 函數](c_sql-functions-leader-node.md)。
在 Amazon Redshift 中不支援下列的 PostgreSQL 函數。
+ 存取權限查詢函式
+ 建議鎖函式
+ 彙總函數
+ 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()
+ 陣列函數和運算子
+ 備份控制函式
+ 註解資訊函式
+ 資料庫物件位置函式
+ 資料庫物件大小函式
+ 日期/時間函式與運算子
+ CLOCK\$1TIMESTAMP()
+ JUSTIFY\$1DAYS()、JUSTIFY\$1HOURS()、JUSTIFY\$1INTERVAL()
+ PG\$1SLEEP()
+ TRANSACTION\$1TIMESTAMP()
+ ENUM 支援函式
+ 幾何函式與運算子
+ 通用檔案存取函式
+ IS DISTINCT FROM
+ 網路位址函式與運算子
+ 數學函式
+ DIV()
+ SETSEED()
+ WIDTH\$1BUCKET()
+ 結果集傳回函式
+ GENERATE\$1SERIES()
+ GENERATE\$1SUBSCRIPTS()
+ 範圍函式與運算子
+ 復原控制函式
+ 復原資訊函式
+ ROLLBACK TO SAVEPOINT 函式
+ 結構描述可見性查詢函式
+ 伺服器發訊函式
+ 快照同步函式
+ 序列處理函式
+ 字串函數
+ BIT\$1LENGTH()
+ OVERLAY()
+ CONVERT()、CONVERT\$1FROM()、CONVERT\$1TO()
+ ENCODE()
+ FORMAT()
+ QUOTE\$1NULLABLE()
+ REGEXP\$1MATCHES()
+ REGEXP\$1SPLIT\$1TO\$1ARRAY()
+ REGEXP\$1SPLIT\$1TO\$1TABLE()
+ 系統目錄資訊函式
+ 系統資訊函數
+ 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()
+ 文字搜尋函式與運算子
+ 異動 ID 與快照函式
+ 觸發函數
+ XML 函式
# 使用 SQL
**Topics**
+ [SQL 參考慣例](c_SQL_reference_conventions.md)
+ [基本元素](c_Basic_elements.md)
+ [表達式](r_expressions.md)
+ [條件](r_conditions.md)
SQL 語言包含指令與函式，可用來操作資料庫與資料庫物件。此語言也會針對資料類型、表達式和常值的使用，來強制執行規則。
# SQL 參考慣例
本節針對在 SQL 參考章節中所說明的 SQL 表達式、指令與函式，說明撰寫其語法時所使用的慣例。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/c_SQL_reference_conventions.html)
# 基本元素
**Topics**
+ [名稱與識別碼](r_names.md)
+ [文字](r_Literals.md)
+ [Null](r_Nulls.md)
+ [資料類型](c_Supported_data_types.md)
+ [定序序列](c_collation_sequences.md)
本節針對資料庫物件名稱、常值、null 及資料類型，說明了使用的規則。
# 名稱與識別碼
名稱可用來識別資料庫物件，包括資料表和資料欄，以及使用者和密碼。*名稱*和*識別碼*這兩個詞可互換使用。識別碼有兩種：標準識別碼和引號 (或區隔) 識別碼。識別碼必須只能包含 UTF-8 可列印字元。標準識別碼和區隔識別碼中的 ASCII 字母，應區分大小寫，而且在資料庫中轉換為小寫。在查詢結果中，欄的名稱預設會以小寫傳回。若要以大寫傳回欄的名稱，請將 [describe\$1field\$1name\$1in\$1uppercase](r_describe_field_name_in_uppercase.md) 組態參數設定為 **true**。
## 標準識別碼
標準 SQL 識別碼需遵守一套規則，而且必須：
+ 開頭為 ASCII 單位元組字母字元、底線字元或 UTF-8 多位元組字元 (長度 2 到 4 位元組)。
+ 後續的字元可以是 ASCII 單位元組字母字元、底線字元、金額符號或 UTF-8 多位元組字元 (長度 2 到 4 位元組)。
+ 讓長度介於 1 到 127 個位元組之間，不包括區隔識別碼的引號。
+ 不包含引號和空格。
+ 不能是保留的 SQL 關鍵字。
## 區隔識別碼
區隔識別碼 (也稱為引號識別碼) 是以雙引號 (") 開頭和結尾。如果使用區隔識別碼，則每次參考該物件，都必須使用雙引號。除了雙引號本身以外，識別碼可包含任何標準 UTF-8 可列印字元。因此，您可以建立欄或資料表的名稱，其中包含無效字元，例如空格或百分比符號。
區隔識別碼中的 ASCII 字母，應區分大小寫，並且轉換為小寫。若要在字串中使用雙引號，必須在其前面加上另一個雙引號字元。
## 區分大小寫的識別碼
區分大小寫的識別碼 (也稱為混合大小寫識別碼) 可以同時包含大寫和小寫字母。若要使用區分大小寫的識別碼，您可以將組態 `enable_case_sensitive_identifier` 設定為 `true`。您可以為叢集或工作階段設定此組態。如需詳細資訊，請參閱《Amazon Redshift 管理指南》**中的[預設參數值](https://docs.aws.amazon.com/redshift/latest/mgmt/working-with-parameter-groups.html#default-param-group-values)和[enable\$1case\$1sensitive\$1identifier](r_enable_case_sensitive_identifier.md)。
## 系統欄名稱
下列 PostgreSQL 系統欄名稱不能做為使用者定義欄的欄名稱使用。如需詳細資訊，請參閱 [https://www.postgresql.org/docs/8.0/static/ddl-system-columns.html](https://www.postgresql.org/docs/8.0/static/ddl-system-columns.html)。
+ `oid`
+ `tableoid`
+ `xmin`
+ `cmin`
+ `xmax`
+ `cmax`
+ `ctid`
## 範例
下表顯示區隔識別碼的範例、產生的輸出和說明：
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_names.html)
若要建立名為 group 的資料表，而且此資料表包含名為 this "is it" 的欄：
```
create table "group" (
"This ""IS IT""" char(10));
```
下列的查詢會傳回相同的結果：
```
select "This ""IS IT"""
from "group";
this "is it"
--------------
(0 rows)
```
```
select "this ""is it"""
from "group";
this "is it"
--------------
(0 rows)
```
下列的完整 `table.column` 語法，也會傳回相同的結果：
```
select "group"."this ""is it"""
from "group";
this "is it"
--------------
(0 rows)
```
下列的 CREATE TABLE 命令會建立資料欄名稱中有一條斜線的資料表：
```
create table if not exists city_slash_id(
"city/id" integer not null,
state char(2) not null);
```
# 文字
常值或常數是固定的資料值，由一系列的字元或數值常數構成。Amazon Redshift 支援多種類型的常值，包括：
+ 整數的數值常值、小數和符點數。如需詳細資訊，請參閱[整數常值與浮點字面值](r_numeric_literals201.md)。
+ 字元常值，也稱為字串、字元字串或字元常數
+ 日期時間 (datetime) 與間隔常值，搭配 datetime 資料類型使用。如需詳細資訊，請參閱[日期、時間和時間戳記常值](r_Date_and_time_literals.md)及[間隔資料類型和常值](r_interval_data_types.md)。
# Null
如果列所在的欄遺漏、未知或不適用，則此欄為 null 值，或是包含 null。Null 可以出現在任何資料類型的欄位中，而且不受主索引鍵或 NOT NULL 限制的限制。Null 不等於 0 值，也不等於空字串。
任何包含 null 的數學表達式，所求得的結果一律為 null。給予 null 引數或運算元時，所有運算子都會傳回 null。
若要檢定 null，請使用比較條件 IS NULL 和 IS NOT NULL。由於 null 代表缺少資料，因此 null 不等於任何值，也不等於另一個 null。
# 資料類型
**Topics**
+ [多位元組字元](#c_Supported_data_types-multi-byte-characters)
+ [數值類型](r_Numeric_types201.md)
+ [字元類型](r_Character_types.md)
+ [日期時間 (Datetime) 類型](r_Datetime_types.md)
+ [布林值 (Boolean) 類型](r_Boolean_type.md)
+ [HLLSKETCH 類型](r_HLLSKTECH_type.md)
+ [SUPER 類型](r_SUPER_type.md)
+ [VARBYTE 類型](r_VARBYTE_type.md)
+ [類型相容性與轉換](#r_Type_conversion)
Amazon Redshift 所儲存或擷取的每個值，都具有資料類型，而資料類型具有一組固定的相關屬性。資料類型會在資料表建立時宣告，用來限制欄或引數可包含的一組值。
下表列出您可以在 Amazon Redshift 中使用的資料類型。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/c_Supported_data_types.html)
**注意**
如需 "char" (請注意，char 會用引號括住) 等不支援資料類型的相關資訊，請參閱[不支援的 PostgreSQL 資料類型](c_unsupported-postgresql-datatypes.md)。
## 多位元組字元
VARCHAR 資料類型支援最多 4 個位元組的 UTF-8 多位元組字元，不支援 5 個位元組或更長的字元。若要針對包含多位元組字元的 VARCHAR 資料欄，計算其大小，請將字元數乘以每個字元的位元組數。例如，如果字串包含 4 個中文字，而每個字的長度是 3 個位元組，那麼您將需要使用 VARCHAR(12) 資料欄來儲存這個字串。
VARCHAR 資料類型不支援下列無效的 UTF-8 碼位：
`0xD800 – 0xDFFF` (位元組序列：`ED A0 80` - `ED BF BF`)
CHAR 資料類型不支援多位元組字元。
# 數值類型
**Topics**
+ [整數類型](#r_Numeric_types201-integer-types)
+ [DECIMAL 或 NUMERIC 類型](#r_Numeric_types201-decimal-or-numeric-type)
+ [關於使用 128 位元 DECIMAL 或 NUMERIC 資料欄的備註](#r_Numeric_types201-notes-about-using-128-bit-decimal-or-numeric-columns)
+ [浮點類型](#r_Numeric_types201-floating-point-types)
+ [數值的計算](r_numeric_computations201.md)
+ [整數常值與浮點字面值](r_numeric_literals201.md)
+ [數值類型範例](r_Examples_with_numeric_types201.md)
數值資料類型包括整數、小數和符點數。
## 整數類型
使用 SMALLINT、INTEGER 和 BIGINT 資料類型來儲存各種範圍的整數。您不能儲存超出每種類型允許範圍的值。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_Numeric_types201.html)
## DECIMAL 或 NUMERIC 類型
使用 DECIMAL 或 NUMERIC 資料類型，以*使用者定義的精確度*來儲存數值。DECIMAL 和 NUMERIC 關鍵字可互換使用。在本文件中，*小數*是此資料類型的首選用詞。*數值*一詞通常是用來指稱整數、小數和浮點資料類型。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_Numeric_types201.html)
藉由指定 *precision* 和 *scale*，來定義資料表中的 DECIMAL 欄：
```
decimal(precision, scale)
```
*precision*
整個值中有效位數的總數：小數點兩邊的位數數量。例如，數字 `48.2891` 的精確度 (有效位數) 為 6，小數位數為 4。如果未指定，預設的精確度為 18，最高精確度為 38。
如果在輸入值中，小數點左邊的位數數目，超過資料欄的精確度減去其小數位數，就無法將此值複製 (或插入或更新) 到資料欄中。此規則適用於超出資料欄定義範圍之外的任何值。例如，`numeric(5,2)` 欄的值，其允許的範圍為 `-999.99` 到 `999.99`。
*scale*
數值小數部分中，位於小數點右邊的小數位數數目。整數的小數位數為 0。在資料欄的規格中，小數位數的值必須小於或等於精確度的值。如果未指定，預設的小數位數為 0，最大的小數位數為 37。
如果載入資料表的輸入值，其小數位數大於資料欄的小數位數，則此值會四捨五入至指定的小數位數。例如，SALES 資料表中的 PRICEPAID 資料欄為 DECIMAL(8,2) 資料欄。如果將 DECIMAL(8,4) 值插入 PRICEPAID 資料欄，會將此值四捨五入為 2 個小數位數。
```
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)
```
不過，從資料表所選取值的明確轉換結果，不會四捨五入。
**注意**
可以插入 DECIMAL(19,0) 資料欄的正數值上限為 `9223372036854775807` (263 -1)。負數值上限為 `-9223372036854775808`。例如，如果試圖插入數值 `9999999999999999999` (19 個 9)，將會造成溢位錯誤。無論小數點的位置何在，Amazon Redshift 可以表示為 DECIMAL 數值的最大字串是 `9223372036854775807`。例如，可以載入 DECIMAL(19,18) 資料欄的最大值為 `9.223372036854775807`。
這些規則是因為具有 19 個或更少有效位數有效位數的 DECIMAL 值會在內部儲存為 8 位元組整數，而具有 20 到 38 位有效位數的 DECIMAL 值則儲存為 16 位元組整數。
## 關於使用 128 位元 DECIMAL 或 NUMERIC 資料欄的備註
除非您確定應用程式需要該精確度，否則請勿任意指派最大有效位數給 DECIMAL 欄。128 位元值使用的磁碟空間是 64 位元值的兩倍，而且可能會減慢查詢執行時間。
## 浮點類型
使用 REAL 和 DOUBLE PRECISION 資料類型，以*可變精確度*來儲存數值。這些是*不精確*的類型，代表某些數值會以近似值儲存，因此在儲存和傳回特定值時，可能會造成些微的出入。如果您需要精確的儲存和計算 (例如貨幣金額)，請使用 DECIMAL 資料類型。
REAL 代表遵循二進位浮點數運算之 IEEE 標準 754 的單精確度浮點格式。它具有大約 6 位數的精確度，並且範圍約為 1E-37 到 1E\$137。您也可以將此資料類型指定為 FLOAT4。
DOUBLE PRECISION 代表遵循二進位浮點數運算之 IEEE 標準 754 的雙精確度浮點格式。它具有大約 15 位數的精確度，並且範圍約為 1E-307 到 1E\$1308。您也可以將此資料類型指定為 FLOAT 或 FLOAT8。
除了普通的數值之外，浮點類型還有幾個特殊值。在 SQL 中使用這些值時，請使用單引號：
+ `NaN` - 非數字。
+ `Infinity`— 無窮大
+ `-Infinity`— 負無窮大
例如，要在資料表 `customer_activity` 的欄 `day_charge` 中插入非數字，請執行以下 SQL：
```
insert into customer_activity(day_charge) values('NaN');
```
# 數值的計算
在本文中，*計算*是指二進位數學運算：加、減、乘和除。本節說明這些運算預期的傳回類型，以及使用 DECIMAL 資料類型時，用來決定精確度與小數位數的特定公式。
在查詢處理作業期間計算數值時，可能會遇到無法進行計算的情況，而且查詢會傳回數值溢位錯誤。您也可能會遇到計算值的小數位數改變或出乎意料的情況。針對某些運算，您可以使用明確轉換 (類型提升) 或 Amazon Redshift 設定參數，來解決這些問題。
關於使用 SQL 函式進行類似計算的結果，詳細資訊請參閱 [彙總函數](c_Aggregate_Functions.md)。
## 計算的傳回類型
根據 Amazon Redshift 中所支援的一組數值資料類型，下表顯示了加法、減法、乘法和除法運算預期的傳回類型。表格左側的第一欄代表計算中的第一個運算元，最上面的列代表第二個運算元。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_numeric_computations201.html)
## 計算出 DECIMAL 結果的精確度和小數位數
下表顯示摘要，說明在數學運算傳回 DECIMAL 結果時，用來計算結果精確度和小數位數的規則。在這個表格中，`p1` 和 `s1` 代表計算式中第一個運算元的精確度和小數位數，`p2` 和 `s2` 代表第二個運算元的精確度和小數位數。(無論這些計算如何，結果的最高精確度為 38、結果的最大小數位數為 38。)
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_numeric_computations201.html)
例如，SALES 資料表中的 PRICEPAID 和 COMMISSION 資料欄都是 DECIMAL(8,2) 資料欄。如果將 PRICEPAID 除以 COMMISSION (或反過來)，會如下套用公式：
```
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)
```
下列的計算是一般規則，適用於針對 DECIMAL 數值的運算 (使用 UNION、INTERSECT 和 EXCEPT 等集合運算子，或 COALESCE 和 DECODE 等函式)，計算出結果的精確度和小數位數：
```
Scale = max(s1,s2)
Precision = min(max(p1-s1,p2-s2)+scale,19)
```
例如，包含一個 DECIMAL(7,2) 資料欄的 DEC1 資料表，會與包含一個 DECIMAL(15,3) 資料欄的 DEC2 資料表聯結，以產生 DEC3 資料表。DEC3 的結構描述顯示，其資料欄會變成 NUMERIC(15,3) 資料欄。
```
create table dec3 as select * from dec1 union select * from dec2;
```
結果
```
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
```
在上述的範例中，會如下套用公式：
```
Precision = min(max(7-2,15-3) + max(2,3), 19)
= 12 + 3 = 15
Scale = max(2,3) = 3
Result = DECIMAL(15,3)
```
## 關於除法運算的備註
如果是除法運算，除以 0 的情況會傳回錯誤。
在計算出精確度和小數位數之後，會套用 100 個小數位數的限制。如果計算結果的小數位數大於 100，除的結果會如下設定小數位數：
+ 精確度 = ` precision - (scale - max_scale)`
+ 擴展 = ` max_scale `
如果計算出的精確度大於最高精確度 (38)，則精確度會降低為 38，而小數位數會變成下列算式的結果：`max((38 + scale - precision), min(4, 100))`
## 溢位狀況
會針對所有數值運算檢查溢位。具有 19 個 (含) 以下有效位數 (精確度) 的 DECIMAL 資料，會儲存為 64 位元整數。具有 19 個 (含) 以上有效位數 (精確度) 的 DECIMAL 資料，會儲存為 128 位元整數。所有 DECIMAL 數值的最高精確度為 38、最大小數位數為 37。當數值超出這些限值時，會出現溢位錯誤，這會同時發生於中間的和最終的結果集：
+ 當特定資料值不符合轉換函式所要求的精確度或指定的小數位數時，明確轉換作業會產生執行時期的溢位錯誤。例如，您無法從 SALES 資料表中的 PRICEPAID 資料欄 (DECIMAL(8,2) 資料欄) 轉換所有的數值，然後傳回 DECIMAL(7,3) 結果：
```
select pricepaid::decimal(7,3) from sales;
ERROR: Numeric data overflow (result precision)
```
由於 PRICEPAID 資料欄中的*某些*較大的數值無法轉換，因此發生了這項錯誤。
+ 在乘法運算所產生的結果中，其小數位數是每個運算元小數位數的總和。例如，如果兩個運算元都有 4 個小數位數，結果的小數位數是 8 個，使得小數點的左邊只有 10 個位數。因此，在將兩個都擁有大量小數位數的大數值相乘時，就會相當容易產生溢位狀況。
下列範例會導致溢位錯誤。
```
SELECT CAST(1 AS DECIMAL(38, 20)) * CAST(10 AS DECIMAL(38, 20));
ERROR: 128 bit numeric data overflow (multiplication)
```
您可以使用除法而不是乘法來解決溢位錯誤。使用以下範例除以 1 除以原始除數。
```
SELECT CAST(1 AS DECIMAL(38, 20)) / (1 / CAST(10 AS DECIMAL(38, 20)));
+----------+
| ?column? |
+----------+
| 10 |
+----------+
```
## INTEGER 和 DECIMAL 類型的數值計算
當計算式中的其中一個運算元具有 INTEGER 資料類型，而另一個運算元為 DECIMAL，INTEGER 運算元會隱含轉換為 DECIMAL：
+ INT2 (SMALLINT) 會轉換為 DECIMAL(5,0)
+ INT4 (INTEGER) 會轉換為 DECIMAL(10,0)
+ INT8 (BIGINT) 會轉換為 DECIMAL(19,0)
例如，如果將 DECIMAL(8,2) 資料欄 SALES.COMMISSION 乘以 SMALLINT 資料欄 SALES.QTYSOLD，此計算式會進行如下的轉換：
```
DECIMAL(8,2) * DECIMAL(5,0)
```
# 整數常值與浮點字面值
表示數字的常值或常數，可以是整數或浮點數。
## 整數常值
整數常值是數字 0 – 9 的序列，在數字前面可以選擇性地加上正號 (\$1) 或負號 (-)。
## 語法
```
[ + | - ] digit ...
```
## 範例
有效的整數包括下列範例：
```
23
-555
+17
```
## 浮點字面值
浮點字面值 (也稱為小數、數值或分數常值) 是數字的序列，可包含小數點，以及選擇性的包含指數標記。
## 語法
```
[ + | - ] digit ... [ . ] [ digit ...]
[ e | E [ + | - ] digit ... ]
```
## 引數
e \$1 E
e 或 E 代表該數字是以科學記號指定。
## 範例
有效的浮點字面值包括下列範例：
```
3.14159
-37.
2.0e19
-2E-19
```
# 數值類型範例
## CREATE TABLE 陳述式
下列的 CREATE TABLE 陳述式示範不同數值資料類型的宣告：
```
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);
```
## 試圖插入超出範圍的整數
下列的範例試圖將 33000 這個值插入 SMALLINT 資料欄。
```
insert into film(language_id) values(33000);
```
SMALLINT 的範圍是 -32768 到 \$132767，因此 Amazon Redshift 會傳回錯誤。
```
An error occurred when executing the SQL command:
insert into film(language_id) values(33000)
ERROR: smallint out of range [SQL State=22003]
```
## 將小數值插入整數資料欄
下列的範例將小數值插入 INT 資料欄。
```
insert into film(language_id) values(1.5);
```
會插入此數值，但四捨五入為整數值 2。
## 成功地插入小數，因為其小數位數已經過四捨五入
下列的範例所插入的小數值，具有高於資料欄的精確度。
```
insert into film(rental_rate) values(35.512);
```
在此例中，將 `35.51` 這個值插入了資料欄。
## 試圖插入超出範圍的小數值
在此例中，`350.10` 這個值超出範圍。在 DECIMAL 資料欄中，數值的位數等於該資料欄的有效位數 (精確度) 減掉其小數位數 (RENTAL\$1RATE 資料欄為 4 減掉 2)。換句話說，`DECIMAL(4,2)` 資料欄允許的範圍是 `-99.99` 到 `99.99`。
```
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.
```
## 將可變精確度的值插入 REAL 資料欄
下列的範例將可變精確度的值插入 REAL 資料欄。
```
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` 值會轉換為 `2000000`，以符合 `REAL` 欄的精確度要求。數值 `1999.99` 會依原狀載入。
# 字元類型
**Topics**
+ [儲存與範圍](#r_Character_types-storage-and-ranges)
+ [CHAR 或 CHARACTER](#r_Character_types-char-or-character)
+ [VARCHAR 或 CHARACTER VARYING](#r_Character_types-varchar-or-character-varying)
+ [NCHAR 與 NVARCHAR 類型](#r_Character_types-nchar-and-nvarchar-types)
+ [TEXT 與 BPCHAR 類型](#r_Character_types-text-and-bpchar-types)
+ [多餘空格的意義](#r_Character_types-significance-of-trailing-blanks)
+ [字元類型範例](r_Examples_with_character_types.md)
字元資料類型包括 CHAR (字元) 和 VARCHAR (可變長度字元)。
## 儲存與範圍
CHAR 和 VARCHAR 資料類型是以字元組而非字元來定義。CHAR 資料欄只能包含單位元組字元，因此 CHAR(10) 資料欄可包含最大長度為 10 位元組的字串。VARCHAR 可包含多位元組字元，每個字元最多 4 個位元組。例如，VARCHAR(12) 資料欄可包含 12 個單位元組的字元、6 個 2 位元組的字元、4 個 3 位元組的字元，或是 3 個 4 位元組的字元。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_Character_types.html)
**注意**
CREATE TABLE 語法支援字元資料類型的 MAX 關鍵字。例如：
```
create table test(col1 varchar(max));
```
對於 CHAR，MAX 將資料欄寬度定義為 4096 個位元組。
對於 VARCHAR，MAX 在 CREATE TABLE 陳述式中將資料欄寬度定義為 65，535 個位元組。對於記憶體內操作，VARCHAR(MAX) 最多支援 16，000，000 個位元組。
## CHAR 或 CHARACTER
使用 CHAR 或 CHARACTER 資料欄來儲存固定長度的字串。這些字串會用空格填充，因此 CHAR(10) 資料欄一律會佔 10 個位元組的儲存空間。
```
char(10)
```
未指定長度規格的 CHAR 資料欄，會變成 CHAR(1) 資料欄。
## VARCHAR 或 CHARACTER VARYING
使用 VARCHAR 或 CHARACTER VARYING 資料欄，來儲存具有固定限制的可變長度字串。這些字串並未使用空格填充，因此，VARCHAR(120) 資料欄最多可包含 120 個單位元組的字元、60 個 2 位元組的字元、40 個 3 位元組的字元，或是 30 個 4 位元組的字元。
```
varchar(120)
```
如果您在建立資料表陳述式中使用沒有長度說明符的 VARCHAR 資料類型，預設長度為 256。
[字串函數](String_functions_header.md) 現在支援最多 16，000，000 個位元組。例如，CONCAT 函數輸出先前限制為 65535 個位元組，但現在支援最多 16，000，000 個位元組。
```
SELECT LEN(CONCAT(REPEAT('A', 5000000), REPEAT('B', 5000000))) AS total_length;
total_length
--------------
10000000
```
## NCHAR 與 NVARCHAR 類型
您可以建立具有 NCHAR 和 NVARCHAR 類型的資料欄 (也稱為 NATIONAL CHARACTER 和 NATIONAL CHARACTER VARYING 類型)。這些類型會分別轉換為 CHAR 和 VARCHAR 類型，然後以指定的位元組數目儲存。
未指定長度規格的 NCHAR 資料欄，會轉換為 CHAR(1) 資料欄。
未指定長度規格的 NVARCHAR 資料欄，會轉換為 VARCHAR(256) 資料欄。
## TEXT 與 BPCHAR 類型
您可以建立包含 TEXT 欄的 Amazon Redshift 資料表，但是此欄會轉換為 VARCHAR(256) 欄，接受最多 256 個字元的可變長度值。
您可以建立具備 BPCHAR (空格填充字元) 類型的 Amazon Redshift 欄，Amazon Redshift 會轉換為固定長度的 CHAR(256) 欄。
## 多餘空格的意義
CHAR 和 VARCHAR 資料類型都會儲存長度最多 *n* 個位元組的字串。如果試圖將較長的字串，儲存到具有這些類型的資料欄中，將會造成錯誤 (除非多出來的字串全部都是空格 (空白)，此時字串會被截斷至最大長度)。如果字串短於最大長度，CHAR 值會以空格填充，但 VARCHAR 值則會儲存不含空格的字串。
CHAR 值中的多餘空格在語義上一律不具有意義。這些空格會在您比較兩個 CHAR 值時被忽略、不列入 LENGTH 的計算中，而且會在您將 CHAR 值轉換為另一種字串類型時移除。
在比較值時，VARCHAR 和 CHAR 值中的多餘空格，在語義上會視為不具意義。
長度的計算會傳回 VARCHAR 字元字串的長度，其中也包含多餘的空格。多餘的空格不會列入固定長度字元字串的長度計算。
# 字元類型範例
## CREATE TABLE 陳述式
下列的 CREATE TABLE 陳述式示範 VARCHAR 和 CHAR 資料類型的使用：
```
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)
);
```
下列的範例使用此資料表。
## 可變長度字元字串中的多餘空格
由於 ADDRESS1 是 VARCHAR 資料欄，因此在第二個插入的地址中，多餘的空格在語義上是無關緊要的。換句話說，下列這兩個插入的地址是*相符合*的。
```
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)
```
如果 ADDRESS1 資料欄原本是 CHAR 資料欄，而且插入了相同的值，則 COUNT(\$1) 查詢會將字元字串視為相同，並傳回 `2`。
## LENGTH 函數的結果
LENGTH 函式會辨識 VARCHAR 資料欄中的多餘空格：
```
select length(address1) from address;
length
--------
23
25
(2 rows)
```
在 CITY\$1NAME 資料欄 (CHAR 資料欄) 中的 `Augusta` 值，無論輸入字串中是否有任何多餘的空格，一律會傳回 7 個字元的長度。
## 超過資料欄長度的值
字元字串不會為了配合資料欄宣告的寬度而遭到截斷：
```
insert into address(city_name) values('City of South San Francisco');
ERROR: value too long for type character(20)
```
這個問題的解決方法，是將值轉換為符合資料欄的大小：
```
insert into address(city_name)
values('City of South San Francisco'::char(20));
```
在這個例子中，字串 (`City of South San Fr`) 的前 20 個字元會載入資料欄。
# 日期時間 (Datetime) 類型
**Topics**
+ [儲存與範圍](#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)
+ [日期時間 (Datetime) 類型範例](r_Examples_with_datetime_types.md)
+ [日期、時間和時間戳記常值](r_Date_and_time_literals.md)
+ [間隔資料類型和常值](r_interval_data_types.md)
日期時間 (Datetime) 資料類型包含 DATE、TIME、TIMETZ、TIMESTAMP 與 TIMESTAMPTZ。
## 儲存與範圍
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_Datetime_types.html)
## DATE
使用 DATE 資料類型來儲存不含時間戳記的簡單日曆日期。
## TIME
TIME 是 TIME WITHOUT TIME ZONE 的別名。
使用 TIME 資料類型來儲存一天中的時間。
TIME 欄可針對小數秒數，儲存精確度最高 6 位數的數值。
在使用者資料表和 Amazon Redshift 系統資料表中，TIME 值預設皆採用世界標準時間 (UTC)。
## TIMETZ
TIMETZ 是 TIME WITH TIME ZONE 的別名。
使用 TIMETZ 資料類型來儲存具有時區的一天中的時間。
TIMETZ 欄可針對小數秒數，儲存精確度最高 6 位數的數值。
根據預設，TIMTZ 值在使用者資料表和 Amazon Redshift 系統資料表中皆採用 UTC。
## TIMESTAMP
TIMESTAMP 是 TIMESTAMP WITHOUT TIME ZONE 的別名。
使用 TIMESTAMP 資料類型來儲存完整的時間戳記值，其中包含日期和當日的時間。
TIMESTAMP 欄可針對小數秒數，儲存精確度最高 6 位數的數值。
如果將日期插入 TIMESTAMP 欄，或具有部分時間戳記值的日期，則該值會隱含轉換為完整時間戳記值。此完整時間戳記值對於缺少的小時、分鐘和秒具有預設值 (00)。輸入字串中的時區值會遭到忽略。
根據預設，TIMESTAMP 值在使用者資料表和 Amazon Redshift 系統資料表中皆採用 UTC。
## TIMESTAMPTZ
TIMESTAMPTZ 是 TIMESTAMP WITH TIME ZONE 的別名。
使用 TIMESTAMPTZ 資料類型來輸入完整的時間戳記值，其中包含日期、當日的時間和時區。當輸入值包含時區時，Amazon Redshift 會使用時區來將該值轉換為 UTC，並儲存 UTC 值。
若要查看受支援時區名稱的清單，請執行下列命令。
```
select pg_timezone_names();
```
若要查看受支援時區縮寫的清單，請執行下列命令。
```
select pg_timezone_abbrevs();
```
在 [IANA 時區資料庫](https://www.iana.org/time-zones)中，也提供了關於時區的最新資訊。
下表提供時區格式的範例。
| 格式 | 範例 |
| --- | --- |
| 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 美國時間/太平洋時區 |
| 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 欄可針對小數秒數，儲存精確度最高 6 位數的數值。
如果將日期插入 TIMESTAMPTZ 欄，或具有部分時間戳記的日期，則該值會隱含轉換為完整時間戳記值。此完整時間戳記值對於缺少的小時、分鐘和秒具有預設值 (00)。
TIMESTAMPTZ 值在使用者資料表中採用 UTC。
# 日期時間 (Datetime) 類型範例
接下來，您可以找到使用 Amazon Redshift 支援的日期時間類型的範例。
## 日期範例
以下範例插入具有不同格式的日期並顯示輸出。
```
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
```
如果將時間戳記值插入 DATE 資料欄，會略過時間的部分，只載入日期。
## 時間範例
以下範例插入具有不同格式的 TIME 和 TIMETZ 值並顯示輸出。
```
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
```
## 時間戳記範例
如果將日期插入 TIMESTAMP 或 TIMESTAMPTZ 資料欄，則時間會預設為午夜。例如，如果插入常值 `20081231`，則儲存的值為 `2008-12-31 00:00:00`。
若要變更目前工作階段的時區，請利用 [SET](r_SET.md) 指令來設定 [timezone](r_timezone_config.md) 組態參數。
下列範例會插入具有不同格式的時間戳記，並顯示產生的資料表。
```
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 |
+---------------------+------------------------+
```
# 日期、時間和時間戳記常值
以下是 Amazon Redshift 所支援日期、時間和時間戳記常值的規則。
## 日期
下列輸入日期全都是 DATE 資料類型的有效常值日期值範例，可以載入 Amazon Redshift 資料表中。假設預設 `MDY DateStyle` 模式有效。此模式表示在字串中月份值位於日期值之前，例如 `1999-01-08` 和 `01/02/00`。
**注意**
載入資料表時，日期或時間戳記常值必須用引號括住。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_Date_and_time_literals.html)
## Times
下列輸入時間全都是 TIME 和 TIMETZ 資料類型的有效常值時間值範例，可以載入 Amazon Redshift 資料表中。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_Date_and_time_literals.html)
## 時間戳記
下列輸入時間戳記全都是 TIMESTAMP 和 TIMESTAMPTZ 資料類型的有效常值時間值範例，可以載入 Amazon Redshift 資料表中。有效的日期常值全都可以和下列的時間常值合併。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_Date_and_time_literals.html)
## 特殊的日期時間 (Datetime) 值
下列的特殊值可做為日期時間 (datetime) 常值和日期函式的引數使用。這些值需使用單引號，而且會在查詢處理作業進行期間，轉換為一般的時間戳記值。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_Date_and_time_literals.html)
下列範例顯示 `now` 和 `today` 如何與 DATEADD 函數搭配使用。
```
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)
```
# 間隔資料類型和常值
您可以使用間隔資料類型來儲存下列單位的持續時間：`seconds`、`minutes`、`hours`、`days`、`months` 和 `years`。間隔資料類型和常值可用於日期時間計算，例如，將間隔新增至日期和時間戳記、加總間隔，以及從日期或時間戳記減去間隔。間隔常值可作為資料表中間隔資料類型欄的輸入值。
## 間隔資料類型的語法
若要指定間隔資料類型，以年和月為單位儲存持續時間：
```
INTERVAL year_to_month_qualifier
```
若要指定間隔資料類型，以天、小時、分鐘和秒為單位儲存持續時間：
```
INTERVAL day_to_second_qualifier [ (fractional_precision) ]
```
## 間隔常值的語法
若要指定間隔常值，以年和月為單位定義持續時間：
```
INTERVAL quoted-string year_to_month_qualifier
```
若要指定間隔常值，以天、小時、分鐘和秒為單位定義持續時間：
```
INTERVAL quoted-string day_to_second_qualifier [ (fractional_precision) ]
```
## 引數
*quoted-string*
指定正或負數值，以將數量和日期時間單位指定為輸入字串。如果 *quoted-string* 只包含數值，則 Amazon Redshift 會從 *year\$1to\$1month\$1qualifier* 或 *day\$1to\$1second\$1qualifier* 決定單位。例如，`'23' MONTH` 代表 `1 year 11 months`、`'-2' DAY` 代表 `-2 days 0 hours 0 minutes 0.0 seconds`、`'1-2' MONTH` 代表 `1 year 2 months`，以及 `'13 day 1 hour 1 minute 1.123 seconds' SECOND` 代表 `13 days 1 hour 1 minute 1.123 seconds`。如需間隔的輸出格式的詳細資訊，請參閱 [間隔樣式](#r_interval_data_types-interval-styles)。
*year\$1to\$1month\$1qualifier*
指定間隔的範圍。如果您使用限定詞並以小於限定詞的時間單位建立間隔，Amazon Redshift 會截斷並捨棄間隔的較小部分。*year\$1to\$1month\$1qualifier* 的有效值為：
+ `YEAR`
+ `MONTH`
+ `YEAR TO MONTH`
*day\$1to\$1second\$1qualifier*
指定間隔的範圍。如果您使用限定詞並以小於限定詞的時間單位建立間隔，Amazon Redshift 會截斷並捨棄間隔的較小部分。*day\$1to\$1second\$1qualifier* 的有效值為：
+ `DAY`
+ `HOUR`
+ `MINUTE`
+ `SECOND`
+ `DAY TO HOUR`
+ `DAY TO MINUTE`
+ `DAY TO SECOND`
+ `HOUR TO MINUTE`
+ `HOUR TO SECOND`
+ `MINUTE TO SECOND`
INTERVAL 常值的輸出會截斷至指定的最小 INTERVAL 元件。例如，使用 MINUTE 限定詞時，Amazon Redshift 會捨棄小於 MINUTE 的時間單位。
```
select INTERVAL '1 day 1 hour 1 minute 1.123 seconds' MINUTE
```
得到的值會截斷至 `'1 day 01:01:00'`。
*fractional\$1precision*
這是選用參數，用於指定間隔中允許的小數位數。只有在您的間隔包含 SECOND 時，才應指定 *fractional\$1precision* 引數。例如，`SECOND(3)` 會建立只允許三位小數的間隔，例如 1.234 秒。小數最多為 6 位。
當間隔同時指定了 YEAR TO MONTH 和 DAY TO SECOND 部分時，工作階段組態 `interval_forbid_composite_literals` 會決定是否傳回錯誤。如需詳細資訊，請參閱[interval\$1forbid\$1composite\$1literals](r_interval_forbid_composite_literals.md)。
## 間隔算術
您可以使用間隔值搭配其他日期時間值來執行算術運算。下表說明可用的運算，以及每項運算產生的資料類型。
**注意**
可以同時產生 `date` 和 `timestamp` 結果的運算會根據方程式中涉及的最小時間單位來進行。例如，當您將 `interval` 新增至 `date` 時，如果是 YEAR TO MONTH 間隔，則結果為 `date`，如果是 DAY TO SECOND 間隔，則結果為時間戳記。
第一個運算元為 `interval` 的運算會針對指定的第二個運算元產生下列結果：
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_interval_data_types.html)
第一個運算元為 `date` 的運算會針對指定的第二個運算元產生下列結果：
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_interval_data_types.html)
第一個運算元為 `timestamp` 的運算會針對指定的第二個運算元產生下列結果：
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_interval_data_types.html)
## 間隔樣式
您可以使用 SQL [SET](r_SET.md) 命令來變更間隔值的輸出顯示格式。當您在 SQL 中使用間隔資料類型時，請將其轉換為文字，以查看預期的間隔樣式，例如 `YEAR TO MONTH::text`。設定 (SET) `IntervalStyle` 的可用值為：
+ `postgres` - 遵循 PostgreSQL 樣式。這是預設值。
+ `postgres_verbose` - 遵循 PostgreSQL 詳細樣式。
+ `sql_standard` - 遵循 SQL 標準間隔常值樣式。
下列命令會將間隔樣式設定為 `sql_standard`。
```
SET IntervalStyle to 'sql_standard';
```
**postgres 輸出格式**
以下是 `postgres` 間隔樣式的輸出格式。每個數值都可以是負數。
```
' [, ...]'
```
```
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 輸出格式**
postgres\$1verbose 語法類似 postgres，但 postgres\$1verbose 輸出還包含時間單位。
```
'[@] [, ...] [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 輸出格式**
間隔年到月的格式設定如下。在間隔之前指定負號表示間隔是負值，並套用至整個間隔。
```
'[-]yy-mm'
```
間隔天到秒的格式設定如下。
```
'[-]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
```
## 間隔資料類型的範例
下列範例示範如何搭配資料表使用 INTERVAL 資料類型。
```
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
-----+-----
```
## 間隔常值的範例
下列範例會在間隔樣式設定為 `postgres` 的情況下執行。
下列範例示範如何建立 1 年的 INTERVAL 常值。
```
select INTERVAL '1' YEAR
intervaly2m
---------------
1 years 0 mons
```
如果您指定的 *quoted-string* 超過限定詞，則會從間隔中截斷剩餘的時間單位。在下列範例中，13 個月的間隔會變成 1 年又 1 個月，但剩餘的 1 個月會因 YEAR 限定詞而被排除。
```
select INTERVAL '13 months' YEAR
intervaly2m
---------------
1 years 0 mons
```
如果您使用的限定詞低於間隔字串，則會將剩餘單位納入。
```
select INTERVAL '13 months' MONTH
intervaly2m
---------------
1 years 1 mons
```
在間隔中指定精確度會將小數位數截斷至指定的精確度。
```
select INTERVAL '1.234567' SECOND (3)
intervald2s
--------------------------------
0 days 0 hours 0 mins 1.235 secs
```
如果您未指定精確度，Amazon Redshift 會使用最大精確度 6。
```
select INTERVAL '1.23456789' SECOND
intervald2s
-----------------------------------
0 days 0 hours 0 mins 1.234567 secs
```
下列範例示範如何建立限定範圍的間隔。
```
select INTERVAL '2:2' MINUTE TO SECOND
intervald2s
------------------------------
0 days 0 hours 2 mins 2.0 secs
```
限定詞規定您要指定的單位。例如，即使下列範例使用與上一個範例相同的 '2:2' *quoted-string*，Amazon Redshift 仍會因為限定詞的關係，將其辨識為使用不同的時間單位。
```
select INTERVAL '2:2' HOUR TO MINUTE
intervald2s
------------------------------
0 days 2 hours 2 mins 0.0 secs
```
每個單位都支援縮寫和複數。例如，`5s`、`5 second` 和 `5 seconds` 是相等的間隔。支援的單位包括年、月、小時、分鐘和秒。
```
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
```
# 未使用限定詞語法的間隔常值範例
**注意**
下列範例示範使用未包含 `YEAR TO MONTH` 或 `DAY TO SECOND` 限定詞的間隔常值。如需使用包含限定詞的建議間隔常值的相關資訊，請參閱 [間隔資料類型和常值](r_interval_data_types.md)。
使用間隔常值來表示指定的時間期間，例如 `12 hours` 或 `6 months`。您可以在需要表示日期時間的條件和表達式中，使用這些間隔常值。
間隔常值的表示方式，是結合 INTERVAL 關鍵字、數量和支援的日期部分，例如 `INTERVAL '7 days'` 或 `INTERVAL '59 minutes'`。您可以串連幾個數量和單位，來組成更精確的間隔時間，例如：`INTERVAL '7 days, 3 hours, 59 minutes'`。也支援每種單位的縮寫和複數，例如 `5 s`、`5 second` 和 `5 seconds` 是相同的間隔時間。
如果未指定日期部分，則間隔值代表秒。您可以指定小數格式的數量值 (例如：`0.5 days`)。
下列範例顯示不同間隔值的一連串計算。
以下內容為指定日期增加 1 秒。
```
select caldate + interval '1 second' as dateplus from date
where caldate='12-31-2008';
dateplus
---------------------
2008-12-31 00:00:01
(1 row)
```
以下內容為指定日期增加 1 分鐘。
```
select caldate + interval '1 minute' as dateplus from date
where caldate='12-31-2008';
dateplus
---------------------
2008-12-31 00:01:00
(1 row)
```
以下內容為指定日期增加 3 個小時又 35 分鐘。
```
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)
```
以下內容為指定日期增加 52 週。
```
select caldate + interval '52 weeks' as dateplus from date
where caldate='12-31-2008';
dateplus
---------------------
2009-12-30 00:00:00
(1 row)
```
以下內容為指定日期增加 1 週 1 小時 1 分鐘又 1 秒。
```
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)
```
以下內容為指定指定日期增加 12 個小時 (半天)。
```
select caldate + interval '0.5 days' as dateplus from date
where caldate='12-31-2008';
dateplus
---------------------
2008-12-31 12:00:00
(1 row)
```
以下內容從 2023 年 2 月 15 日減去 4 個月，結果是 2022 年 10 月 15 日。
```
select date '2023-02-15' - interval '4 months';
?column?
---------------------
2022-10-15 00:00:00
```
以下內容從 2023 年 3 月 31 日減去 4 個月，結果是 2022 年 11 月 30 日。計算有將一個月中的天數納入考量。
```
select date '2023-03-31' - interval '4 months';
?column?
---------------------
2022-11-30 00:00:00
```
# 布林值 (Boolean) 類型
使用 BOOLEAN 資料類型，在單位元組資料欄中儲存 true 和 false 值。下表說明 Boolean 值的三種可能狀態，以及導致狀態的字面值。無論輸入的字串為何，Boolean 資料欄都會分別將「t」和「f」儲存和輸出為 true 與 false。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_Boolean_type.html)
您只可以透過 WHERE 子句中述詞的形式使用 IS 比較來檢查布林值。您無法使用 IS 比較來搭配 SELECT 清單中的布林值。
## 範例
您可以使用 BOOLEAN 資料欄，針對 CUSTOMER 資料表中的每個客戶，儲存其「作用中/非作用中」狀態。
```
create table customer(
custid int,
active_flag boolean default true);
```
```
insert into customer values(100, default);
```
```
select * from customer;
custid | active_flag
-------+--------------
100 | t
```
如果在 CREATE TABLE 陳述式中未指定預設值 (`true` 或 `false`)，則插入預設值代表插入 null。
在此範例中，查詢會從 USERS 資料表中，選取喜歡運動但不喜歡戲劇的使用者：
```
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)
```
下列範例中的查詢會從 USERS 資料表中選取不確定是否喜歡搖滾樂的使用者。
```
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)
```
下列範例會傳回錯誤，因為它在 SELECT 清單中使用 IS 比較。
```
select firstname, lastname, likerock is true as "check"
from users
order by userid limit 10;
[Amazon](500310) Invalid operation: Not implemented
```
下列範例會成功，因為它在 SELECT 清單中使用等於比較 ( = ) 而非 IS 比較。
```
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 類型
針對 HyperLogLog 草圖使用 HLLSKETCH 資料類型。Amazon Redshift 支援稀疏或密集 HyperLogLog 草圖表示法。草圖一開始是稀疏的，當密集格式更有效地減少使用的記憶體佔用時，會切換到密集。
當以下列 JSON 格式匯入、匯出或列印草圖時，Amazon Redshift 會自動轉換稀疏 HyperLogLog 草圖。
```
{"logm":15,"sparse":{"indices":[4878,9559,14523],"values":[1,2,1]}}
```
Amazon Redshift 使用 Base64 格式的字串表示法來表示密集 HyperLogLog 草圖。
Amazon Redshift 使用以下 Base64 格式的字串表示法來表示密集 HyperLogLog 草圖。
```
"ABAABA..."
```
在 raw 壓縮中使用時，HLLSKETCH 物件的最大大小為 24,580 個位元組。
# SUPER 類型
使用 SUPER 資料類型將半結構化資料或文件儲存為值。雖然 Amazon Redshift 能夠使用 VARCHAR 儲存這類值，但我們建議您改用 SUPER 資料類型。
半結構化資料不符合 SQL 資料庫中使用的關聯式資料模型的剛性和表格結構。它包含參考資料中不同實體的標籤。它們可以包含複雜值，例如陣列、巢狀結構，以及與序列化格式相關聯的其他複雜結構，例如 JSON。SUPER 資料類型是一組無結構描述陣列和結構值，包含 Amazon Redshift 的所有其他純量類型。
SUPER 資料類型針對個別 SUPER 物件支援最多 16 MB 的資料。如需 SUPER 資料類型的相關資訊，包括在資料表中的實作範例，請參閱[Amazon Redshift 中的半結構化資料](super-overview.md)。
Amazon Redshift 提供內建支援，可使用 COPY 命令擷取下列半結構化資料格式：
+ JSON
+ ARRAY
+ TEXT
+ CSV
大於 1MB 的 SUPER 物件只能從下列檔案格式中擷取：
+ Parquet
+ JSON
+ TEXT
+ CSV
SUPER 資料類型具有下列屬性：
+ Amazon Redshift 純量值：
+ Null
+ 布林值
+ 數字，例如 smallint、integer、bigint、decimal 或浮點數 (例如 float4 或 float8)
+ 字串值，如 varchar 或 char
+ 複雜值：
+ 值的陣列，包括純量或複雜
+ 一種結構，也稱為元組或物件，它是屬性名稱和值 (純量或複雜) 的映射
這兩種類型的複雜值中的任何一種都包含它們自己的純量或複雜值，而沒有任何正規性限制。
SUPER 資料類型的預設壓縮編碼是 ZSTD。如需壓縮編碼的詳細資訊，請參閱 [壓縮編碼](c_Compression_encodings.md)。
SUPER 資料類型支援在無結構描述形式的半結構化資料的持久性。儘管階層式資料模型可能會發生變化，但舊版本的資料可以共存於同一 SUPER 欄中。
Amazon Redshift 使用 PartiQL 啟用陣列和結構的導覽功能。Amazon Redshift 也會使用 PartiQL 語法來迭代 SUPER 陣列。如需詳細資訊，請參閱[PartiQL - 適用於 Amazon Redshift 的 SQL 相容查詢語言](super-partiql.md)。
Amazon Redshift 會使用動態類型來處理無結構描述的 SUPER 資料，無需在查詢中使用資料類型之前先宣告資料類型。如需詳細資訊，請參閱[動態類型](query-super.md#dynamic-typing-lax-processing)。
您可以將動態資料遮罩政策套用至 SUPER 類型欄路徑上的純量值。如需動態資料遮罩的詳細資訊，請參閱 [動態資料遮罩](t_ddm.md)。如需將動態資料遮罩與 SUPER 資料類型搭配使用的詳細資訊，請參閱 [搭配 SUPER 資料類型路徑使用動態資料遮罩](t_ddm-super.md)。
建議您在使用 SUPER 資料時，將 `r_enable_case_sensitive_super_attribute` 組態選項設定為 true。如需詳細資訊，請參閱[enable\$1case\$1sensitive\$1super\$1attribute](r_enable_case_sensitive_super_attribute.md)。
# VARBYTE 類型
使用 VARBYTE、VARBINARY 或 BINARY VARYING 欄來儲存具有固定限制的可變長度二進位值。
```
varbyte [ (n) ]
```
位元組數上限 (*n*) 的範圍為 1 – 16，777，216。預設值為 64,000。
可以使用 VARBYTE 資料類型的一些範例如下：
+ 在 VARBYTE 欄上聯結資料表。
+ 建立包含 VARBYTE 欄的具體化視觀表。支援包含 VARBYTE 欄的具體化視觀表累加式重新整理。但是，VARBYTE 欄上的 COUNT、MIN 和 MAX 和 GROUP BY 以外的彙總函數不支援累加式重新整理。
為了確保所有位元組都是可列印字元，Amazon Redshift 使用十六進位格式來列印 VARBYTE 值。例如，下列 SQL 會將十六進位字串 `6162` 轉換成二進位值。即使傳回的值是二進位值，結果仍會列印為十六進位 `6162`。
```
select from_hex('6162');
from_hex
----------
6162
```
Amazon Redshift 支援在 VARBYTE 和以下資料類型之間進行轉換：
+ CHAR
+ VARCHAR
+ SMALLINT
+ INTEGER
+ BIGINT
使用 CHAR 和 VARCHAR 進行轉換時，將使用 UTF-8 格式。如需有關 UTF-8 格式的相關資訊，請參閱 [TO\$1VARBYTE](r_TO_VARBYTE.md)。從 SMALLINT、INTEGER 和 BIGINT 進行轉換時，會保留原始資料類型的位元組數目。這對於 SMALLINT 來說是兩個位元組、對於 INTEGER 來說是四個位元組、對於 BIGINT 來說是八個位元組。
下列 SQL 陳述式將 VARCHAR 字串轉換為 VARBYTE。即使傳回的值是二進位值，結果仍會列印為十六進位 `616263`。
```
select 'abc'::varbyte;
varbyte
---------
616263
```
下列 SQL 陳述式將欄中的 CHAR 值轉換為 VARBYTE。這個範例會建立一個包含 CHAR(10) 欄 (c) 的資料表，插入長度小於 10 的字元值。產生的轉換將結果以空格字元 (hex'20') 填入定義的欄大小。即使傳回的值是二進位值，結果仍會列印為十六進位。
```
create table t (c char(10));
insert into t values ('aa'), ('abc');
select c::varbyte from t;
c
----------------------
61612020202020202020
61626320202020202020
```
下列 SQL 陳述式將 SMALLINT 字串轉換為 VARBYTE。即使傳回的值是二進位值，結果仍會列印為十六進位 `0005`，即兩個位元組或四個十六進位字元。
```
select 5::smallint::varbyte;
varbyte
---------
0005
```
下列 SQL 陳述式將 INTEGER 轉換為 VARBYTE。即使傳回的值是二進位值，結果仍會列印為十六進位 `00000005`，即四個位元組或八個十六進位字元。
```
select 5::int::varbyte;
varbyte
----------
00000005
```
下列 SQL 陳述式將 BIGINT 轉換為 VARBYTE。即使傳回的值是二進位值，結果仍會列印為十六進位 `0000000000000005`，即八個位元組或 16 個十六進位字元。
```
select 5::bigint::varbyte;
varbyte
------------------
0000000000000005
```
支援 VARBYTE 資料類型的 Amazon Redshift 功能包括：
+ [VARBYTE 運算子](r_VARBYTE_OPERATORS.md)
+ [CONCAT](r_CONCAT.md)
+ [LEN](r_LEN.md)
+ [LENGTH 函數](r_LENGTH.md)
+ [OCTET\$1LENGTH](r_OCTET_LENGTH.md)
+ [SUBSTRING 函數](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)
+ [載入 VARBYTE 資料類型的欄](copy-usage-varbyte.md)
+ [卸載 VARBYTE 資料類型的欄](r_UNLOAD.md#unload-usage-notes)
## 將 VARBYTE 資料類型與 Amazon Redshift 搭配使用時的限制
以下是將 VARBYTE 資料類型與 Amazon Redshift 搭配使用時的限制：
+ Amazon Redshift Spectrum 僅支援 Parquet 和 ORC 檔案的 VARBYTE 資料類型。
+ Amazon Redshift 查詢編輯器和 Amazon Redshift 查詢編輯器 v2 尚未完全支援 VARBYTE 資料類型。因此，在使用 VARBYTE 運算式時，請使用不同的 SQL 用戶端。
做為使用查詢編輯器的解決方法，如果您的資料長度等於或低於 16，000，000 位元組，且內容是有效的 UTF-8，您可以將 VARBYTE 值轉換為 VARCHAR，例如：
```
select to_varbyte('6162', 'hex')::varchar;
```
+ 您不能將 VARBYTE 資料類別搭配 Python 或 Lambda 使用者定義函數 (UDF) 使用。
+ 您無法從 VARBYTE 欄建立 HLLSKETCH 欄，也無法在 VARBYTE 欄上使用 APPROXIMATE COUNT DISTINCT。
+ 大於 1MB 的 VARBYTE 值只能從下列檔案格式擷取：
+ Parquet
+ 文字
+ 逗號分隔值 (CSV)
## 類型相容性與轉換
接下來的內容將會說明在 Amazon Redshift 中，類型轉換規則與資料類型相容性的運作方式。
### 相容性
在資料庫各種操作的作業期間，會進行資料類型的比對，以及字面值與常數和資料類型的比對，包括下列的操作：
+ 對資料表進行的資料處理語言 (DML) 操作
+ UNION、INTERSECT 和 EXCEPT 查詢
+ CASE 表達式
+ 述詞的評估，例如 LIKE 和 IN
+ 針對進行資料比較或擷取的 SQL 函式，進行評估
+ 數學運算子的比較
這些操作的結果，取決於類型轉換規則和資料類型的相容性。*相容性*暗示並不一定需要針對某些值和某些資料類型，進行一對一的比對。由於某些資料類型是*相容*的，因此可進行隱含轉換或*強制轉換* (如需詳細資訊，請參閱 [隱含轉換類型](#implicit-conversion-types))。當資料類型不相容時，有時您可以使用明確的轉換函式，來將值從一種資料類型轉換為另一種。
### 一般相容性與轉換規則
請注意下列的相容性與轉換規則：
+ 一般而言，屬於相同類型類別的資料類型 (例如不同的數值資料類型)，彼此可以相容和隱含轉換。
例如，進行隱含轉換時，您可以將小數值插入整數資料欄。小數會經過四捨五入而變成整數。或者，您可以從日期中擷取 `2008` 等數值，然後將該數值插入整數資料欄。
+ 當您試圖插入超出範圍的值時，數值資料類型會強制讓溢位狀況發生。例如，精確度為 5 的小數值，不符合精確度定義為 4 的小數資料欄。小數的整數或完整部分一律不會遭到截斷，但是小數的小數部分可以適當地向上或向下四捨五入。不過，從資料表所選取值的明確轉換結果，不會四捨五入。
+ 不同類型的字元字串可以相容；VARCHAR 資料欄字串包含單位元組資料，CHAR 資料欄字串與其類似，可隱含轉換。包含多位元組資料的 VARCHAR 字串並不相容。此外，如果字串是適當的常值，則可以將字元字串轉換為日期、時間、時間戳記或數值；會忽略開頭或結尾的所有空格。相反地，您也可以將日期、時間、時間戳記或數值，轉換為固定長度或可變長度的字元字串。
**注意**
您想要轉換為數值類型的字元字串，必須包含表示數字的字元。例如，您可以將字串 `'1.0'` 或 `'5.9'` 轉換為小數值，但無法將字串 `'ABC'` 轉換為任何數值類型。
+ 如果您將 DECIMAL 值與字元字串進行比較，Amazon Redshift 會嘗試將字元字串轉換為 DECIMAL 值。比較所有其他數值和字元字串時，數值會轉換為字元字串。若要強制執行相反的轉換 (例如，將字元字串轉換為整數，或將 DECIMAL 值轉換為字元字串)，請使用明確函數，例如 [CAST](r_CAST_function.md)。
+ 若要將 64 位元的 DECIMAL 或 NUMERIC 值轉換為較高的精確度，您必須使用明確轉換函式，例如 CAST 或 CONVERT 函式。
+ 將 DATE 或 TIMESTAMP 轉換為 TIMESTAMPTZ，或將 TIME 轉換為 TIMETZ 時，時區會設定為目前的工作階段時區。工作階段預設的時區為 UTC。如需設定工作階段時區的相關資訊，請參閱 [timezone](r_timezone_config.md)。
+ 同樣地，TIMESTAMPTZ 轉換為 DATE、TIME 或 TIMESTAMP 時，也會使用目前工作階段的時區。工作階段預設的時區為 UTC。在轉換之後，會去掉時區的資訊。
+ 用來表示指定時區之時間戳記的字元字串，會使用目前工作階段時區 (預設為 UTC) 轉換為 TIMESTAMPTZ。同樣地，代表指定時區之時間的字元字串，也會使用目前的工作階段時區 (預設為 UTC) 轉換為 TIMETZ。
### 隱含轉換類型
隱含轉換有兩種：
+ 指派敘述中的隱含轉換，例如設定 INSERT 或 UPDATE 指令中的值。
+ 表達式中的隱含轉換，例如在 WHERE 子句中進行比較。
下表列出了可以在指派敘述或表達式中隱含轉換的資料類型。您也可以使用明確轉換函式來進行這些轉換。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/c_Supported_data_types.html)
**注意**
TIMESTAMPTZ、TIMESTAMP、DATE、TIME、TIMETZ 或字元字串之間的隱含轉換，會使用目前工作階段的時區。關於設定目前的時區，詳細資訊請參閱 [timezone](r_timezone_config.md)。
GEOMETRY 和 GEOGRAPHY 資料類型無法隱含轉換為彼此以外的任何其他資料類型。如需詳細資訊，請參閱[CAST 函數](r_CAST_function.md)。
VARBYTE 資料類型無法隱含轉換至任何其他資料類型。如需詳細資訊，請參閱[CAST 函數](r_CAST_function.md)。
### 將動態類型用於 SUPER 資料類型
Amazon Redshift 會使用動態類型來處理無結構描述的 SUPER 資料，無需在查詢中使用資料類型之前先宣告資料類型。動態類型會使用導覽至 SUPER 資料欄的結果，而不必明確地將它們轉換為 Amazon Redshift 類型。如需將動態類型用於 SUPER 資料類型的相關資訊，請參閱[動態類型](query-super.md#dynamic-typing-lax-processing)。
您可以將 SUPER 值與其他資料類型互相轉換，但有一些例外情況。如需詳細資訊，請參閱[限制](limitations-super.md)。
# 定序序列
Amazon Redshift 不支援地區特定或使用者定義的定序句。一般而言，如果缺少對資料值進行排序和比較時的地區特定規則，可能會影響到所有內容中任何述詞的結果。例如，ORDER BY 表達式和 MIN、MAX 及 RANK 等函式，會根據資料的二進位 UTF8 排序來傳回結果，並未將地區特定的字元納入考量。
# 表達式
**Topics**
+ [簡易表達式](#r_expressions-simple-expressions)
+ [複合運算式](r_compound_expressions.md)
+ [表達式清單](r_expression_lists.md)
+ [賦值子查詢](r_scalar_subqueries.md)
+ [函數表達式](r_function_expressions.md)
表達式結合了一個或多個值、運算子或求值的函式。表達式的資料類型通常是其組成項目的資料類型。
## 簡易表達式
簡易表達式包括：
+ 常數或常值
+ 資料欄名稱或資料欄參考
+ 純量函式
+ 彙總 (集) 函式
+ 視窗函式
+ 賦值子查詢
簡易表達式的範例包括：
```
5+12
dateid
sales.qtysold * 100
sqrt (4)
max (qtysold)
(select max (qtysold) from sales)
```
# 複合運算式
複合表達式是由算術運算子聯結的一連串的簡單表達式。在複合表達式中使用的簡易表達式，必須傳回數值。
## 語法
```
expression
operator
expression | (compound_expression)
```
## 引數
*表達式*
求值的簡易表達式。
*operator*
複合的算術表達式可使用下列的運算子來建構，依此優先順序使用：
+ ( )：用來控制求值順序的括號
+ \$1、-：正號和負號/運算子
+ ^、\$1/、\$1\$1/：乘冪、平方根、立方根
+ \$1、/、%：乘法、除法和模除運算子
+ @：絕對值
+ \$1、-：加和減
+ &、\$1、\$1、\$1、<<、>>：AND、OR、NOT、向左移位、向右移位的位元運算子
+ \$1\$1：串接
*(compound\$1expression)*
複合運算式可以使用括號來巢狀化。
## 範例
複合運算式的範例包括下列。
```
('SMITH' || 'JONES')
sum(x) / y
sqrt(256) * avg(column)
rank() over (order by qtysold) / 100
(select (pricepaid - commission) from sales where dateid = 1882) * (qtysold)
```
某些函式也可以嵌套於其他函式內。例如，任何純量函式都可以嵌套在另一個純量函式之內。下列的範例會傳回一組數字的絕對值總和：
```
sum(abs(qtysold))
```
視窗函式不能做為彙總函式或其他視窗函式的引數使用。下列的表達式會傳回錯誤：
```
avg(rank() over (order by qtysold))
```
視窗函式可以嵌套彙總函式。下列的表達式會求出值集合的總和，然後加以排序：
```
rank() over (order by sum(qtysold))
```
# 表達式清單
表達式清單是表達式的組合，可以出現在成員資格與比較條件 (WHERE 子句)，以及 GROUP BY 子句中。
## 語法
```
expression , expression , ... | (expression, expression, ...)
```
## 引數
*表達式*
求值的簡易表達式。表達式清單可以包含用英文逗號分隔的一個或多個表達式，或是用英文逗號分隔的一組或多組表達式。如果包含多組表達式，則每組都必須包含相同數量的表達式，並且用括號分隔。每組中的表達式數量，都必須符合條件中運算子前面的表達式數目。
## 範例
下列是條件中的表達式清單範例：
```
(1, 5, 10)
('THESE', 'ARE', 'STRINGS')
(('one', 'two', 'three'), ('blue', 'yellow', 'green'))
```
每組中的表達式數量，都必須符合陳述式前半部中的數目：
```
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)
```
# 賦值子查詢
賦值子查詢是括號中的正規 SELECT 查詢，只會傳回一個值 (一列和一個資料欄)。執行此查詢後，傳回的值會在外層的查詢中使用。如果子查詢傳回 0 列，則子查詢表達式的值為 null。如果子查詢傳回超過一列，Amazon Redshift 會傳回錯誤。子查詢可以參照父查詢傳來的變數，此變數會在子查詢的任何一次叫用期間中，做為常數使用。
您可以在叫用表達式的大多數陳述式中，使用賦值子查詢。賦值子查詢在下列的情況中並非有效的表達式：
+ 做為表達式的預設值
+ 在 GROUP BY 和 HAVING 子句中
## 範例
下列的子查詢會針對 2008 年一整年，計算出每次銷售平均支付的價格，外層的查詢接著會使用輸出中的此值，來比較每季的銷售平均價格：
```
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)
```
# 函數表達式
## 語法
任何內建的函式皆可做為表達式使用。函式呼叫的語法，是函式的名稱後面接著括號中的引數列表。
```
function ( [expression [, expression...]] )
```
## 引數
*函數*
任何內建函式。如需一些範例函數，請參閱[SQL 函數參考](c_SQL_functions.md)。
*表達式*
符合函式所預期資料類型和參數數目的任何表達式。
## 範例
```
abs (variable)
select avg (qtysold + 3) from sales;
select dateadd (day,30,caldate) as plus30days from date;
```
# 條件
**Topics**
+ [語法](#r_conditions-synopsis)
+ [比較條件](r_comparison_condition.md)
+ [邏輯條件](r_logical_condition.md)
+ [模式比對條件](pattern-matching-conditions.md)
+ [BETWEEN 範圍條件](r_range_condition.md)
+ [Null 條件](r_null_condition.md)
+ [EXISTS 條件](r_exists_condition.md)
+ [IN 條件](r_in_condition.md)
條件是一個或多個表達式和邏輯運算子 (判斷值為 true、false 或 unknown) 的陳述式。條件有時也稱為述詞。
**注意**
所有的字串比較和 LIKE 模式比對，都會區分大小寫。例如，「A」和「a」不符。不過，您可以使用 ILIKE 述詞，來進行不區分大小寫的模式比對。
## 語法
```
comparison_condition
| logical_condition
| range_condition
| pattern_matching_condition
| null_condition
| EXISTS_condition
| IN_condition
```
# 比較條件
比較條件表示兩個值之間的邏輯關係。所有比較條件都是二元運算子，具有 Boolean 傳回類型。Amazon Redshift 支援下表中描述的比較運算子：
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_comparison_condition.html)
## 使用須知
= ANY \$1 SOME
ANY 和 SOME 關鍵字等同 *IN* 條件，如果有傳回一個或多個值的子查詢，其所傳回的值至少有一個在比較時為 true，則 ANY 和 SOME 會傳回 true。Amazon Redshift 只支援 ANY 和 SOME 的 = (等於) 條件。不支援不等式條件。
不支援 ALL 述詞。
<> ALL
ALL 關鍵字等同 NOT IN (請參閱 [IN 條件](r_in_condition.md) 條件)，如果子查詢的結果中未包含運算式，將會傳回 true。Amazon Redshift 只支援 ALL 的 <> 或 \$1= (不等於) 條件。不支援其他比較條件。
IS TRUE/FALSE/UNKNOWN
非 0 的值等於 TRUE、0 等於 FALSE，而 null 等於 UNKNOWN。請參閱 [布林值 (Boolean) 類型HLLSKETCH 類型](r_Boolean_type.md) 資料類型。
## 範例
下列是比較條件的一些簡單範例：
```
a = 5
a < b
min(x) >= 5
qtysold = any (select qtysold from sales where dateid = 1882
```
下列的查詢會從 VENUE 資料表傳回擁有超過 10,000 個座位的場地：
```
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)
```
此範例會從 USERS 資料表中，選取喜歡搖滾樂的使用者 (USERID)：
```
select userid from users where likerock = 't' order by 1 limit 5;
userid
--------
3
5
6
13
16
(5 rows)
```
此範例會從 USERS 資料表中，選取不確定是否喜歡搖滾樂的使用者 (USERID)：
```
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
```
## 具有 TIME 欄的範例
下列範例資料表 TIME\$1TEST 有一個 TIME\$1VAL 欄 (類型為 TIME)，其中插入了三個值。
```
select time_val from time_test;
time_val
---------------------
20:00:00
00:00:00.5550
00:58:00
```
下列範例會擷取每個 timetz\$1val 中的小時數。
```
select time_val from time_test where time_val < '3:00';
time_val
---------------
00:00:00.5550
00:58:00
```
下列範例會比較兩個時間常值。
```
select time '18:25:33.123456' = time '18:25:33.123456';
?column?
----------
t
```
## 具有 TIMTZ 欄的範例
下列範例資料表 TIMETZ\$1TEST 有一個 TIMETZ\$1VAL 欄 (類型為 TIMETZ)，其中插入了三個值。
```
select timetz_val from timetz_test;
timetz_val
------------------
04:00:00+00
00:00:00.5550+00
05:58:00+00
```
下列範例只會選取小於 `3:00:00 UTC` 的 TIMETZ 值。將值轉換為 UTC 後進行比較。
```
select timetz_val from timetz_test where timetz_val < '3:00:00 UTC';
timetz_val
---------------
00:00:00.5550+00
```
下列範例會比較兩個 TIMETZ 常值。比較時會忽略時區。
```
select time '18:25:33.123456 PST' < time '19:25:33.123456 EST';
?column?
----------
t
```
# 邏輯條件
邏輯條件會合併兩個條件的結果，來產生單一結果。所有的邏輯條件都是二元運算子，具有 Boolean 傳回類型。
## 語法
```
expression
{ AND | OR }
expression
NOT expression
```
邏輯條件使用三種值的布林邏輯，其中 null 值代表未知的關係。下表說明邏輯條件的結果，其中 `E1` 和 `E2` 表示表達式：
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_logical_condition.html)
NOT 運算子會在 AND 之前評估，而 AND 運算子會在 OR 運算子之前評估。如果使用任何括號，就可以覆蓋這個預設的評估順序。
### 範例
下列的範例會從 USERS 資料表，針對其中同時喜歡拉斯維加斯和運動的使用者，傳回其 USERID 和 USERNAME：
```
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)
```
下一個範例會從 USERS 資料表，針對其中喜歡拉斯維加斯或運動，或是這兩者的使用者，傳回其 USERID 和 USERNAME。此查詢會傳回前一個範例的所有輸出資料，加上只喜歡拉斯維加斯或運動的使用者。
```
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)
```
下列的查詢在 `OR` 條件周圍加上括號，以找出在紐約或加州上演「馬克白」的場地：
```
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
...
```
如果移除此範例中的括號，將會改變查詢的邏輯和結果。
下列的範例使用 `NOT` 運算子：
```
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
...
```
下列範例使用 `NOT` 條件，後接 `AND` 條件：
```
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)
```
# 模式比對條件
**Topics**
+ [LIKE](r_patternmatching_condition_like.md)
+ [SIMILAR TO](pattern-matching-conditions-similar-to.md)
+ [POSIX 運算子](pattern-matching-conditions-posix.md)
模式比對運算子會依據條件表達式中所指定的模式，來搜尋字串，並根據是否找到符合的結果，傳回 true 或 false。Amazon Redshift 使用三種方法進行模式比對：
+ LIKE 表達式
LIKE 運算子會利用模式 (此模式使用萬用字元 `%` (百分比) 和 `_` (底線)) 來比較字串表達式 (例如資料欄的名稱)。LIKE 模式比對的範圍一律涵蓋整個字串。LIKE 會進行區分大小寫的比對，ILIKE 則會進行不區分大小寫的比對。
+ SIMILAR TO 規則表達式
SIMILAR TO 運算子會利用 SQL 標準規則表達式的模式，來比對字串表達式，此模式包含一組模式比對中繼字元，其中包括 LIKE 運算子所支援的兩個字元。SIMILAR TO 會比對整個字串，並進行區分大小寫的比對。
+ POSIX 樣式規則表達式
POSIX 規則表達式提供了更強大的方法，來進行 LIKE 和 SIMILAR TO 運算子以外的模式比對。POSIX 規則表達式可比對字串的任何部分，並進行區分大小寫的比對。
使用 SIMILAR TO 或 POSIX 運算子進行的規則表達式比對，其運算成本非常昂貴。我們建議盡可能使用 LIKE，尤其是在處理極為龐大的列數時。例如，下列的查詢在功能上相同，但相較於使用規則運算式的查詢，使用 LIKE 的查詢，其執行速度快上好幾倍：
```
select count(*) from event where eventname SIMILAR TO '%(Ring|Die)%';
select count(*) from event where eventname LIKE '%Ring%' OR eventname LIKE '%Die%';
```
# LIKE
LIKE 運算子會利用模式 (此模式使用萬用字元 % (百分比) 和 \$1 (底線)) 來比較字串表達式 (例如資料欄的名稱)。LIKE 模式比對的範圍一律涵蓋整個字串。若要比對字串中任意位置的序列，模式必須以百分比符號開頭和結尾。
LIKE 區分大小寫；ILIKE 不區分大小寫。
## 語法
```
expression [ NOT ] LIKE | ILIKE pattern [ ESCAPE 'escape_char' ]
```
## 引數
*表達式*
有效的 UTF-8 字元表達式，例如資料欄的名稱。
LIKE \$1 ILIKE
LIKE 會進行區分大小寫的模式比對。ILIKE 會針對單位元組 UTF-8 (ASCII) 字元，進行不區分大小寫的模式比對。若要對多位元組字元執行不區分大小寫的模式比對，請在具有 LIKE 條件的 *expression* 和 *pattern* 上使用 [LOWER](r_LOWER.md) 函數。
不同於比較述詞，例如 = 和 <>，LIKE 和 ILIKE 述詞並未隱含忽略結尾空格。若要忽略結尾空格，請 RTRIM 或將 CHAR 資料欄明確轉換為 VARCHAR。
`~~` 運算子相當於 LIKE，而 `~~*` 相當於 ILIKE。此外，`!~~` 和 `!~~*` 運算子相當於 NOT LIKE 和 NOT ILIKE。
*pattern*
有效的 UTF-8 字元表達式，包含要比對的模式。
*escape\$1char*
字元表達式，將會用來逸出模式中的中繼字元。預設值為兩個反斜線 (「\$1\$1」)。
如果 *pattern* 未包含任何中繼字元，則模式只代表字串本身，此時 LIKE 的功用如同等於運算子。
兩個字元表達式都可以是 CHAR 或 VARCHAR 資料類型。如果不同，Amazon Redshift 會將 *pattern* 轉換為 *expression* 的資料類型。
LIKE 支援下列的模式比對中繼字元：
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_patternmatching_condition_like.html)
## 範例
下表顯示範例，示範使用 LIKE 進行的模式比對：
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_patternmatching_condition_like.html)
下列範例會找出名稱以「E」開頭的所有城市：
```
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
...
```
下列範例會找出姓氏中包含「ten」的使用者：
```
select distinct lastname from users
where lastname like '%ten%' order by lastname;
lastname
-------------
Christensen
Wooten
...
```
以下範例示範如何比對多個模式。
```
select distinct lastname from tickit.users
where lastname like 'Chris%' or lastname like '%Wooten' order by lastname;
lastname
-------------
Christensen
Christian
Wooten
...
```
下列範例會找出名稱中第 3 個和第 4 個字元為「ea」的城市。此指令使用 ILIKE 來示範不區分大小寫：
```
select distinct city from users where city ilike '__EA%' order by city;
city
-------------
Brea
Clearwater
Great Falls
Ocean City
Olean
Wheaton
(6 rows)
```
下列的範例使用預設的逸出字串 (\$1\$1)，來搜尋包含「\$1」的字串 (文字 `start` 後跟底線 `_`)：
```
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)
```
下列的範例將「^」指定為逸出字元，然後使用該逸出字元來搜尋包含「\$1」的字串 (文字 `start` 後跟底線 `_`)：
```
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)
```
下列範例會使用 `~~*` 運算子執行不區分大小寫 (ILIKE)，搜尋以「Ag」開頭的城市。
```
select distinct city from users where city ~~* 'Ag%' order by city;
city
------------
Agat
Agawam
Agoura Hills
Aguadilla
```
# SIMILAR TO
SIMILAR TO 運算子會利用 SQL 標準規則表達式的模式，來比對字串表達式 (例如資料欄的名稱)。SQL 標準規則表達式的模式可包含一組模式比對中繼字元，其中包括 [LIKE](r_patternmatching_condition_like.md) 運算子所支援的兩個字元。
SIMILAR TO 運算子只會在其模式符合整個字串時傳回 true，不像 POSIX 規則表達式，其模式可以符合字串的任何部分。
SIMILAR TO 會進行區分大小寫的比對。
**注意**
使用 SIMILAR TO 進行的規則表達式比對，其運算成本非常昂貴。我們建議盡可能使用 LIKE，尤其是在處理極為龐大的列數時。例如，下列的查詢在功能上相同，但相較於使用規則運算式的查詢，使用 LIKE 的查詢，其執行速度快上好幾倍：
```
select count(*) from event where eventname SIMILAR TO '%(Ring|Die)%';
select count(*) from event where eventname LIKE '%Ring%' OR eventname LIKE '%Die%';
```
## 語法
```
expression [ NOT ] SIMILAR TO pattern [ ESCAPE 'escape_char' ]
```
## 引數
*表達式*
有效的 UTF-8 字元表達式，例如資料欄的名稱。
SIMILAR TO
SIMILAR TO 會針對 *expression* 中的整個字串，進行區分大小寫的模式比對。
*pattern*
有效的 UTF-8 字元表達式，代表 SQL 標準規則表達式的模式。
*escape\$1char*
字元表達式，將會用來逸出模式中的中繼字元。預設值為兩個反斜線 (「\$1\$1」)。
如果*模式*未包含任何中繼字元，則模式只代表字串本身。
兩個字元表達式都可以是 CHAR 或 VARCHAR 資料類型。如果不同，Amazon Redshift 會將 *pattern* 轉換為 *expression* 的資料類型。
SIMILAR TO 支援下列的模式比對中繼字元：
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/pattern-matching-conditions-similar-to.html)
## 範例
下表顯示範例，示範使用 SIMILAR TO 進行的模式比對：
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/pattern-matching-conditions-similar-to.html)
下列範例會找出名稱中包含「E」或「H」的城市：
```
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
```
下列的範例使用預設的逸出字串 (「`\\`」)，來搜尋包含「`_`」的字串：
```
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
```
下列的範例將「`^`」指定為逸出字元，然後使用該逸出字元來搜尋包含「`_`」的字串：
```
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 運算子
POSIX 規則運算式是指定比對模式的字元序列。如果字串是規則運算式所描述之規則集的成員，就會比對規則運算式。
POSIX 規則表達式提供了更強大的方法，來進行 [LIKE](r_patternmatching_condition_like.md) 和 [SIMILAR TO](pattern-matching-conditions-similar-to.md) 運算子以外的模式比對。POSIX 規則表達式的模式可以符合字串的任何部分，不像 SIMILAR TO 運算子只在其模式符合整個字串時，才會傳回 true。
**注意**
使用或 POSIX 運算子進行的規則表達式比對，其運算成本非常昂貴。我們建議盡可能使用 LIKE，尤其是在處理極為龐大的列數時。例如，下列的查詢在功能上相同，但相較於使用規則運算式的查詢，使用 LIKE 的查詢，其執行速度快上好幾倍：
```
select count(*) from event where eventname ~ '.*(Ring|Die).*';
select count(*) from event where eventname LIKE '%Ring%' OR eventname LIKE '%Die%';
```
## 語法
```
expression [ ! ] ~ pattern
```
## 引數
*表達式*
有效的 UTF-8 字元表達式，例如資料欄的名稱。
\$1
否定運算子。不符合規則運算式。
\$1
針對 *expression* 的任何子字串，進行區分大小寫的比對。
`~~` 是 [LIKE](r_patternmatching_condition_like.md) 的同義詞。
*pattern*
代表規則運算式模式的字串常值。
如果*模式*未包含萬用字元，則模式只代表字串本身。
若要搜尋包含中繼字元 (例如「`. * | ? `」等) 的字串，請使用兩個反斜線 (「` \\`」) 來逸出字元。不像 `SIMILAR TO` 和 `LIKE`，POSIX 規則表達式的語法不支援使用者定義的逸出字元。
兩個字元表達式都可以是 CHAR 或 VARCHAR 資料類型。如果不同，Amazon Redshift 會將 *pattern* 轉換為 *expression* 的資料類型。
所有的字元表達式都可以是 CHAR 或 VARCHAR 資料類型。如果運算式的資料類型不同，Amazon Redshift 會將其轉換為 *expression* 的資料類型。
POSIX 模式比對支援下列的中繼字元：
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/pattern-matching-conditions-posix.html)
Amazon Redshift 支援下列的 POSIX 字元類別。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/pattern-matching-conditions-posix.html)
Amazon Redshift 在規則運算式中支援下列受到 Perl 影響的運算子。使用兩個反斜線 (「`\\`」) 來逸出運算子。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/pattern-matching-conditions-posix.html)
## 範例
下表顯示範例，示範使用 POSIX 運算子進行的模式比對：
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/pattern-matching-conditions-posix.html)
下列範例會找出名稱中包含 `E` 或 `H` 的城市：
```
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
```
下列範例會找出名稱中不包含 `E` 或 `H` 的所有城市：
```
SELECT DISTINCT city FROM users WHERE city !~ '.*E.*|.*H.*' ORDER BY city LIMIT 5;
city
-----------------
Aberdeen
Abilene
Ada
Agat
Agawam
```
下列的範例使用逸出字串 (「`\\`」) 來搜尋包含英文句點的字串。
```
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 範圍條件
`BETWEEN` 條件會使用關鍵字 `BETWEEN` 和 `AND`，來檢定表達式是否在一系列值的範圍內。
## 語法
```
expression [ NOT ] BETWEEN expression AND expression
```
表達式可以是數值、字元或日期時間 (datetime) 資料類型，但這些類型必須相容。範圍包含端點。
## 範例
第一個範例會計算有多少交易已登錄售出 2、3 或 4 張票券：
```
select count(*) from sales
where qtysold between 2 and 4;
count
--------
104021
(1 row)
```
範圍條件包含開頭值與結尾值。
```
select min(dateid), max(dateid) from sales
where dateid between 1900 and 1910;
min | max
-----+-----
1900 | 1910
```
範圍條件中第一個表達式的值，必須小於第二個表達式的值。由於表達式的值，下列的範例一律會傳回 0 列：
```
select count(*) from sales
where qtysold between 4 and 2;
count
-------
0
(1 row)
```
不過，套用 NOT 修飾符將會反轉邏輯，產生所有列的計數：
```
select count(*) from sales
where qtysold not between 4 and 2;
count
--------
172456
(1 row)
```
下列的查詢會傳回擁有 20,000 到 50,000 個座位的場地清單：
```
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)
```
下列範例示範使用 BETWEEN 的日期值：
```
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
```
請注意，儘管 BETWEEN 的範圍包含在內，但日期預設的時間值為 00:00:00。範例查詢的唯一有效 1 月 3 日列是銷售時間為 `1/3/2008 00:00:00` 的列。
# Null 條件
null 條件會檢定 null (缺少值或是值未知)。
## 語法
```
expression IS [ NOT ] NULL
```
## 引數
*表達式*
任何表達式，例如資料欄。
IS NULL
表達式的值如果是 null 則為 true，表達式的值如果包含值，則為 false。
IS NOT NULL
表達式的值如果是 null 則為 false，表達式的值如果包含值，則為 true。
## 範例
此範例顯示 SALES 資料表的 QTYSOLD 欄位中有多少次包含 null：
```
select count(*) from sales
where qtysold is null;
count
-------
0
(1 row)
```
# EXISTS 條件
EXISTS 條件會檢定在子查詢中是否存在列，如果子查詢傳回至少一列，則傳回 true。如果指定 NOT，則此條件會在子查詢未傳回任何列時傳回 true。
## 語法
```
[ NOT ] EXISTS (table_subquery)
```
## 引數
EXISTS
當 *table\$1subquery* 傳回至少一列時，其值為 true。
NOT EXISTS
當 *table\$1subquery* 未傳回任何列時，其值為 true。
*table\$1subquery*
子查詢，會評估包含一個或多個欄和一列或多列的資料表。
## 範例
此範例會針對具有任何類型銷售的日期，傳回所有的日期識別碼，一次一個：
```
select dateid from date
where exists (
select 1 from sales
where date.dateid = sales.dateid
)
order by dateid;
dateid
--------
1827
1828
1829
...
```
# IN 條件
IN 條件會檢定值是否隸屬於一組值或子查詢。
## 語法
```
expression [ NOT ] IN (expr_list | table_subquery)
```
## 引數
*表達式*
數值、字元或日期時間 (datetime) 表達式，會根據 *expr\$1list* 或 *table\$1subquery* 進行評估，而且必須與該清單或子查詢的資料類型相容。
*expr\$1list*
用英文逗號分隔的一個或多個表達式，或是用英文逗號分隔的一組或多組表達式 (用括號括住)。
*table\$1subquery*
子查詢，會評估包含一列或多列的資料表，但是其選擇清單中只限包含一個欄。
IN \$1 NOT IN
如果表達式是表達式清單或查詢的成員，IN 會傳回 true。如果表達式不是成員，NOT IN 會傳回 true。在下列情況中，IN 和 NOT IN 會傳回 Null，而且不會傳回任何列：如果 *expression* 產生 null；或如果沒有符合的 *expr\$1list* 或 *table\$1subquery* 值，而且這些比較列其中至少有一列產生 null。
## 範例
只有這些列出的值，才會讓下列條件傳回 true：
```
qtysold in (2, 4, 5)
date.day in ('Mon', 'Tues')
date.month not in ('Oct', 'Nov', 'Dec')
```
## 大型 IN 清單的最佳化
為了實現最佳化的查詢效能，包含超過 10 個值的 IN 清單，會在內部轉換為純量陣列。包含不到 10 個值的 IN 清單，會轉換為一系列的 OR 述詞。支援這個最佳化功能的包括 SMALLINT、INTEGER、BIGINT、REAL、DOUBLE PRECISION、BOOLEAN、CHAR、VARCHAR、DATE、TIMESTAMP 和 TIMESTAMPTZ 等資料類型。
請檢視查詢的 EXPLAIN 輸出，以查看這個最佳化機制的效果。例如：
```
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 命令
SQL 語言包含您用來建立和操作資料庫物件、執行查詢、載入資料表，以及修改資料表中資料的命令。
Amazon Redshift 以 PostgreSQL 為基礎。在設計和開發您的資料倉儲應用程式時，您必須知道 Amazon Redshift 與 PostgreSQL 之間有多項重要的差異。如需 Amazon Redshift SQL 與 PostgreSQL 之間差異的相關資訊，請參閱 [Amazon Redshift 和 PostgreSQL](c_redshift-and-postgres-sql.md)。
**注意**
單一 SQL 陳述式的大小上限為 16 MB。
**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)
+ [ALTER MASKING POLICY](r_ALTER_MASKING_POLICY.md)
+ [ALTER MATERIALIZED VIEW](r_ALTER_MATERIALIZED_VIEW.md)
+ [ALTER RLS POLICY](r_ALTER_RLS_POLICY.md)
+ [ALTER ROLE](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 範本](r_ALTER_TEMPLATE.md)
+ [ALTER USER](r_ALTER_USER.md)
+ [ANALYZE](r_ANALYZE.md)
+ [ANALYZE COMPRESSION](r_ANALYZE_COMPRESSION.md)
+ [ATTACH MASKING POLICY](r_ATTACH_MASKING_POLICY.md)
+ [ATTACH RLS POLICY](r_ATTACH_RLS_POLICY.md)
+ [BEGIN](r_BEGIN.md)
+ [CALL](r_CALL_procedure.md)
+ [取消](r_CANCEL.md)
+ [CLOSE](close.md)
+ [COMMENT](r_COMMENT.md)
+ [COMMIT](r_COMMIT.md)
+ [COPY](r_COPY.md)
+ [CREATE DATABASE](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)
+ [CREATE MASKING POLICY](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)
+ [建立 範本](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)
+ [DETACH MASKING POLICY](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)
+ [DROP MASKING POLICY](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 範本](r_DROP_TEMPLATE.md)
+ [DROP USER](r_DROP_USER.md)
+ [DROP VIEW](r_DROP_VIEW.md)
+ [結束](r_END.md)
+ [EXECUTE](r_EXECUTE.md)
+ [EXPLAIN](r_EXPLAIN.md)
+ [FETCH](fetch.md)
+ [GRANT](r_GRANT.md)
+ [INSERT](r_INSERT_30.md)
+ [INSERT (外部資料表)](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)
+ [顯示資料欄授予](r_SHOW_COLUMN_GRANTS.md)
+ [SHOW COLUMNS](r_SHOW_COLUMNS.md)
+ [顯示限制](r_SHOW_CONSTRAINTS.md)
+ [SHOW EXTERNAL TABLE](r_SHOW_EXTERNAL_TABLE.md)
+ [SHOW DATABASES](r_SHOW_DATABASES.md)
+ [顯示功能](r_SHOW_FUNCTIONS.md)
+ [SHOW GRANTS](r_SHOW_GRANTS.md)
+ [SHOW MODEL](r_SHOW_MODEL.md)
+ [SHOW DATASHARES](r_SHOW_DATASHARES.md)
+ [顯示參數](r_SHOW_PARAMETERS.md)
+ [顯示政策](r_SHOW_POLICIES.md)
+ [SHOW PROCEDURE](r_SHOW_PROCEDURE.md)
+ [顯示程序](r_SHOW_PROCEDURES.md)
+ [SHOW SCHEMAS](r_SHOW_SCHEMAS.md)
+ [SHOW TABLE](r_SHOW_TABLE.md)
+ [SHOW TABLES](r_SHOW_TABLES.md)
+ [顯示範本](r_SHOW_TEMPLATE.md)
+ [顯示範本](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
停止目前執行的交易，並捨棄該交易所做的所有更新。ABORT 不影響已完成的交易。
此命令會執行與 ROLLBACK 命令相同的功能。如需相關資訊，請參閱[ROLLBACK](r_ROLLBACK.md)。
## 語法
```
ABORT [ WORK | TRANSACTION ]
```
## Parameters
WORK
選用的關鍵字。
TRANSACTION
選用的關鍵字；WORK 和 TRANSACTION 為同義詞。
## 範例
下列範例會建立資料表，然後開始交易，將資料插入資料表中。接著 ABORT 命令就會轉返資料插入操作，而使資料表變成空白。
以下命令會建立名為 MOVIE\$1GROSS 的範例資料表：
```
create table movie_gross( name varchar(30), gross bigint );
```
下一個命令集會開始交易，將兩個資料列插入資料表中：
```
begin;
insert into movie_gross values ( 'Raiders of the Lost Ark', 23400000);
insert into movie_gross values ( 'Star Wars', 10000000 );
```
接著，以下命令會從資料表中選取資料，表示該資料已成功插入：
```
select * from movie_gross;
```
命令輸出會顯示這兩個資料列都已成功插入：
```
name | gross
------------------------+----------
Raiders of the Lost Ark | 23400000
Star Wars | 10000000
(2 rows)
```
現在這個命令會將資料變更轉返為交易開始時的狀態：
```
abort;
```
從資料表選取資料現在會顯示空白資料表：
```
select * from movie_gross;
name | gross
------+-------
(0 rows)
```
# ALTER DATABASE
變更資料庫的屬性。
## 所需權限
若要使用 ALTER DATABASE，需要下列其中一項權限。
+ 超級使用者
+ 具有 ALTER DATABASE 權限的使用者
+ 資料庫擁有者
## 語法
```
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 [, ...] } ] ]
}
}
```
## Parameters
*database\$1name*
要修改的資料庫名稱。通常您會修改目前未連接的資料庫；無論何種情況下，變更都只會在後續工作階段中生效。您可以變更目前資料庫的擁有者，但無法將它重新命名：
```
alter database tickit rename to newtickit;
ERROR: current database may not be renamed
```
RENAME TO
重新命名指定的資料庫。如需有效名稱的相關資訊，請參閱 [名稱與識別碼](r_names.md)。您無法重新命名 dev、padb\$1harvest、template0 或 template1 或 sys:internal 資料庫，也無法重新命名目前的資料庫。只有資料庫擁有者或 [superuser](r_superusers.md#def_superusers) 能夠重新命名資料庫；非超級使用者的擁有者必須同時具備 CREATEDB 權限。
*new\$1name*
新的資料庫名稱。
OWNER TO
變更所指定資料庫的擁有者。您可以變更目前資料庫或其他資料庫的擁有者。但只有超級使用者可以變更擁有者。
*new\$1owner*
新的資料庫擁有者。新的擁有者必須是具備寫入權限的現有資料庫使用者。如需使用者權限的相關資訊，請參閱 [GRANT](r_GRANT.md)。
CONNECTION LIMIT \$1 *limit* \$1 UNLIMITED \$1
允許使用者同時開啟的資料庫連線數目上限。超級使用者不受此限制規範。使用 UNLIMITED 關鍵字可允許同時連線的最大數目。另外也可能限制每位使用者的連線數目。如需詳細資訊，請參閱[CREATE USER](r_CREATE_USER.md)。預設值為 UNLIMITED。若要檢視目前連線數目，請查詢 [STV\$1SESSIONS](r_STV_SESSIONS.md) 系統畫面。
如果同時套用使用者和資料庫連線數目限制，則必須在使用者嘗試連線時，在不超過這兩項限制的情況下提供一個未使用的連線位置。
COLLATE \$1 CASE\$1SENSITIVE \$1 CS \$1 CASE\$1INSENSITIVE \$1 CI \$1
指定字串搜尋或比較是否區分大小寫的子句。
您可以變更目前資料庫的區分大小寫設定，即使資料庫是空的。
您必須擁有目前資料庫的 ALTER 許可，才能變更區分大小寫的設定。具有 CREATE DATABASE 許可的超級使用者或資料庫擁有者也可以變更資料庫的區分大小寫設定。
CASE\$1SENSITIVE 和 CS 可互換，並產生相同的結果。同樣地，CASE\$1INSENSITIVE 和 CI 可互換，並產生相同的結果。
ISOLATION LEVEL \$1 SNAPSHOT \$1 SERIALIZABLE \$1
指定對資料庫執行查詢時所用隔離層級的子句。如需隔離層級的詳細資訊，請參閱 [Amazon Redshift 中的隔離層級](c_serial_isolation.md)。
+ SNAPSHOT 隔離 — 提供隔離層級，防止更新和刪除衝突。
+ SERIALIZABLE 隔離 — 為並行交易提供完整的序列化。
修改資料庫的隔離層級時，請考慮下列項目：
+ 您必須擁有目前資料庫的超級使用者或 CREATE DATABASE 權限，才能變更資料庫隔離層級。
+ 您無法變更 `dev` 資料庫的隔離層級。
+ 您無法變更交易區塊中的隔離等級。
+ 如果其他使用者連線到資料庫，修改隔離層級命令就會失敗。
+ 修改隔離層級命令可以修改目前工作階段的隔離層級設定。
INTEGRATION
修改零 ETL 整合資料庫。
REFRESH \$1\$1 ALL \$1 INERROR \$1 TABLES [IN SCHEMA *schema* [, ...]] \$1 TABLE *schema.table* [, ...]\$1
指定 Amazon Redshift 是否會重新整理指定結構描述或資料表中的所有資料表或發生錯誤之資料表的子句。重新整理會觸發指定結構描述或資料表中的資料表，從來源資料庫完全複製。
如需詳細資訊，請參閱《Amazon Redshift 管理指南》**中的[零 ETL 整合](https://docs.aws.amazon.com/redshift/latest/mgmt/zero-etl-using.html)。如需整合狀態的詳細資訊，請參閱 [SVV\$1INTEGRATION\$1TABLE\$1STATE](r_SVV_INTEGRATION_TABLE_STATE.md) 和 [SVV\$1INTEGRATION](r_SVV_INTEGRATION.md)。
QUERY\$1ALL\$1STATES [=] \$1 TRUE \$1 FALSE \$1
QUERY\$1ALL\$1STATES 子句會設定零 ETL 整合資料表是否在所有狀態 (`Synced`、`Failed`、`ResyncRequired` 和 `ResyncInitiated`) 下均可供查詢。根據預設，零 ETL 整合資料表只有在 `Synced` 狀態下可供查詢。
ACCEPTINVCHARS [=] \$1 TRUE \$1 FALSE \$1
ACCEPTINVCHARS 子句會設定零 ETL 整合資料表是否在偵測到 VARCHAR 資料類型的無效字元時，仍繼續擷取。遇到無效字元時，無效字元會取代為預設的 `?` 字元。
REFRESH\$1INTERVAL
REFRESH\$1INTERVAL 子句會設定將資料從零 ETL 來源重新整理至目標資料庫的大約時間間隔 (以秒為單位)。針對來源類型為 Aurora MySQL、Aurora PostgreSQL 或 RDS for MySQL 的零 ETL 整合，`interval` 可以設定為 0-432,000 秒 (5 天)。針對 Amazon DynamoDB 零 ETL 整合，`interval` 可以設定為 900-432,000 秒 (15 分鐘至 5 天)。
如需使用零 ETL 整合建立資料庫的詳細資訊，請參閱《Amazon Redshift 管理指南》**中的[在 Amazon Redshift 中建立目的地資料庫](https://docs.aws.amazon.com/redshift/latest/mgmt/zero-etl-using.creating-db.html)。
TRUNCATECOLUMNS [=] \$1 TRUE \$1 FALSE \$1
TRUNCATECOLUMNS 子句會設定，當 VARCHAR 欄或 SUPER 欄屬性的值超出限制時，零 ETL 整合資料表是否繼續擷取。當 `TRUE` 時，值會截斷至符合欄長度，而溢出 JSON 屬性的值則會截斷至符合 SUPER 欄長度。
HISTORY\$1MODE [=] \$1TRUE \$1 FALSE\$1 [ FOR \$1 \$1ALL\$1 TABLES [IN SCHEMA schema [, ...]] \$1 TABLE schema.table [, ...]\$1 ]
此子句指定 Amazon Redshift 要針對所有資料表，還是參與零 ETL 整合的結構描述中的資料表設定歷史記錄模式。此選項僅適用於針對零 ETL 整合建立的資料庫。
HISTORY\$1MODE 子句可以設定為 `TRUE` 或 `FALSE`。預設值為 `FALSE`。只有處於 `Synced` 狀態的資料表才能將歷史記錄模式切換為開啟和關閉。如需有關 HISTORY\$1MODE 的資訊，請參閱《Amazon Redshift 管理指南》**中的[歷史記錄模式](https://docs.aws.amazon.com/redshift/latest/mgmt/zero-etl-history-mode.html)。
## 使用須知
ALTER DATABASE 命令會套用至後續工作階段，而非目前工作階段。您必須重新連線到修改過的資料庫，才會看見變更的效果。
## 範例
以下範例會將名為 TICKIT\$1SANDBOX 的資料庫重新命名為 TICKIT\$1TEST：
```
alter database tickit_sandbox rename to tickit_test;
```
下列範例會將 TICKIT 資料庫 (目前資料庫) 的擁有者變更為 DWUSER：
```
alter database tickit owner to dwuser;
```
下列範例會變更 sampledb 資料庫的資料庫大小寫設定：
```
ALTER DATABASE sampledb COLLATE CASE_INSENSITIVE;
```
下列範例會修改名稱為 **sampledb** 且具有 SNAPSHOT 隔離層級的資料庫。
```
ALTER DATABASE sampledb ISOLATION LEVEL SNAPSHOT;
```
下列範例會重新整理零 ETL 整合之 **sample\$1integration\$1db** 中的資料表 **schema1.sample\$1table1** 和 **schema2.sample\$1table2** 資料庫。
```
ALTER DATABASE sample_integration_db INTEGRATION REFRESH TABLE schema1.sample_table1, schema2.sample_table2;
```
下列範例會重新整理零 ETL 整合中所有已同步處理和失敗的資料表。
```
ALTER DATABASE sample_integration_db INTEGRATION REFRESH ALL tables;
```
下列範例會將零 ETL 整合的重新整理間隔設定為 600 秒。
```
ALTER DATABASE sample_integration_db INTEGRATION SET REFRESH_INTERVAL 600;
```
下列範例會重新整理結構描述 **sample\$1schema** 中處於 `ErrorState` 的所有資料表。
```
ALTER DATABASE sample_integration_db INTEGRATION REFRESH INERROR TABLES in SCHEMA sample_schema;
```
下列範例會開啟資料表 `myschema.table1` 的歷史記錄模式。
```
ALTER DATABASE sample_integration_db INTEGRATION SET HISTORY_MODE = true FOR TABLE myschema.table1
```
下列範例會開啟 `myschema` 中所有資料表的歷史記錄模式。
```
ALTER DATABASE sample_integration_db INTEGRATION SET HISTORY_MODE = true for ALL TABLES IN SCHEMA myschema
```
# ALTER DATASHARE
變更資料共用的定義。您可以使用 ALTER DATASHARE 來新增物件或移除物件。您只能變更目前資料庫中的資料共用。在資料共用中新增或移除相關聯資料庫中的物件。在要新增或移除的資料共用物件上有所需許可的資料共用擁有者可以修改資料共用。
## 所需權限
以下是 ALTER DATASHARE 所需的權限：
+ 超級使用者。
+ 具有 ALTER DATASHARE 權限的使用者。
+ 在資料共用上具有 ALTER 或 ALL 權限的使用者。
+ 若要將特定物件新增至資料共用，使用者必須要有物件的權限。在這種情況下，使用者必須是物件的擁有者，或具有物件的 SELECT、USAGE 或 ALL 權限。
## 語法
下列語法說明如何在資料共用中新增或移除物件。
```
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 [, ...] }
```
下列語法說明如何設定資料共用的屬性。
```
ALTER DATASHARE datashare_name {
[ SET PUBLICACCESSIBLE [=] TRUE | FALSE ]
[ SET INCLUDENEW [=] TRUE | FALSE FOR SCHEMA schema ] }
```
## Parameters
*datashare\$1name*
要修改的資料共用名稱。
ADD \$1 REMOVE
指定是否要在資料共用中新增或移除物件的子句。
TABLE *schema*.*table* [, ...]
指定結構描述中要新增至資料共用的資料表或檢視名稱。
SCHEMA *schema* [, ...]
要新增至資料共用的結構描述名稱。
FUNCTION *schema*.*sql\$1udf* (argtype,...) [, ...]
要新增至資料共用且具有引數類型的使用者定義 SQL 函數名稱。
ALL TABLES IN SCHEMA *schema* [, ...]
指定是否將指定結構描述中的所有資料表和檢視新增至資料共用的子句。
ALL FUNCTIONS IN SCHEMA *schema* [, ...] \$1
指定將指定結構描述中所有函數新增至資料共用的子句。
[ SET PUBLICACCESSIBLE [=] TRUE \$1 FALSE ]
該子句會指定資料共用是否可以共用至可公開存取的叢集。
[ SET INCLUDENEW [=] TRUE \$1 FALSE FOR SCHEMA *schema* ]
該子句會指定是否要將指定結構描述中建立的任何未來資料表、檢視或 SQL 使用者定義函數 (UDF) 新增至資料共用。目前指定結構描述中的資料表、檢視或 SQL UDF 不會新增至資料共用。只有超級用戶可以為每個「資料共用-結構描述」配對修改此屬性。INCLUDENEW 子句會預設為 false。
## ALTER DATASHARE 使用須知
+ 下列使用者可以修改資料共用：
+ 超級使用者
+ 資料共用的擁有者
+ 在資料共用上具有 ALTER 或 ALL 權限的使用者。
+ 若要將特定物件新增至資料共用，使用者必須要有物件的正確權限。使用者必須是物件的擁有者，或具有物件的 SELECT、USAGE 或 ALL 權限。
+ 您可以共用結構描述、資料表、一般檢視、近期繫結檢視、具體化視觀表，以及 SQL 使用者定義函數 (UDF)。在結構描述中新增物件之前，請先將結構描述新增至資料共用。
當您新增結構描述時，Amazon Redshift 不會在其下方新增所有物件。您必須明確地新增這些物件。
+ 我們建議您在開啟公開存取設定的情況下建立 AWS Data Exchange 資料共用。
+ 一般而言，建議您不要修改 AWS Data Exchange 資料共用，以使用 ALTER DATASHARE 陳述式關閉公有可存取性。如果您這樣做，可存取資料共用的 AWS 帳戶 會在其叢集可公開存取時失去存取權。執行此類修改可能會違反 AWS Data Exchange中的資料產品條款。有關此建議的例外情況，請參閱以下內容。
下列範例顯示在關閉 設定的情況下建立 AWS Data Exchange 資料共用時發生錯誤。
```
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'
```
若要允許變更 AWS Data Exchange 資料共用以關閉可公開存取的設定，請設定下列變數，然後再次執行 ALTER DATASHARE 陳述式。
```
SET datashare_break_glass_session_var to 'c670ba4db22f4b';
```
```
ALTER DATASHARE salesshare SET PUBLICACCESSIBLE FALSE;
```
在這種情況下，Amazon Redshift 會產生隨機的一次性值來設定工作階段變數，以允許對 AWS Data Exchange 資料共用執行 ALTER DATASHARE SET PUBLICACCESSIBLE FALSE。
## 範例
下列範例會將 `public` 結構描述新增至資料共用 `salesshare`。
```
ALTER DATASHARE salesshare ADD SCHEMA public;
```
下列範例會將 `public.tickit_sales_redshift` 資料表新增至 `salesshare` 資料共用。
```
ALTER DATASHARE salesshare ADD TABLE public.tickit_sales_redshift;
```
下列範例會將所有資料表新增至 `salesshare` 資料共用。
```
ALTER DATASHARE salesshare ADD ALL TABLES IN SCHEMA PUBLIC;
```
下列範例會將 `public.tickit_sales_redshift` 資料表從 `salesshare` 資料共用中移除。
```
ALTER DATASHARE salesshare REMOVE TABLE public.tickit_sales_redshift;
```
# ALTER DEFAULT PRIVILEGES
定義指定的使用者日後所建立的物件要套用的存取許可預設設定。根據預設，使用者只能變更自己擁有的預設存取許可。只有超級使用者能夠指定其他使用者的預設許可。
您可將預設權限套用至角色、使用者或使用者群組。您可為目前資料庫中建立的所有物件，或只為指定的結構描述中建立的物件設定全域的預設許可。
預設許可只會套用至新物件。執行 ALTER DEFAULT PRIVILEGES 並不會變更現有物件的許可。若要授予資料庫或結構描述內任何使用者建立的所有目前和未來物件的許可，請參閱[限定範圍許可](https://docs.aws.amazon.com/redshift/latest/dg/t_scoped-permissions.html)。
若要檢視有關資料庫使用者預設權限的資訊，請查詢 [PG\$1DEFAULT\$1ACL](r_PG_DEFAULT_ACL.md) 系統目錄資料表。
如需權限的相關資訊，請參閱 [GRANT](r_GRANT.md)。
## 所需權限
以下是 ALTER DEFAULT PRIVILEGES 所需的權限：
+ 超級使用者
+ 具有 ALTER DEFAULT PRIVILEGES 權限的使用者
+ 變更自身預設存取權限的使用者
+ 為其有權存取的結構描述設定權限的使用者
## 語法
```
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 ]
```
## Parameters
FOR USER *target\$1user*
選用。為其定義預設權限的使用者名稱。只有超級使用者能夠指定其他使用者的預設權限。預設值是目前使用者。
IN SCHEMA *schema\$1name*
選用。如果出現 IN SCHEMA 子句，指定的預設權限就會套用至所指定 *schema\$1name* 中建立的新物件。在此情況下，做為 ALTER DEFAULT PRIVILEGES 目標的使用者或使用者群組必須具備所指定結構描述的 CREATE 權限。結構描述專屬的預設權限會新增至現有的全域預設權限。根據預設，預設權限會全域套用至整個資料庫。
GRANT
對於指定使用者所建立的所有新資料表和檢視、函數或預存程序，要授予指定使用者或群組的權限集。您可以使用 GRANT 子句設定與使用 [GRANT](r_GRANT.md) 命令時相同的權限和選項。
WITH GRANT OPTION
指出接收權限的使用者可以接著將相同的權限授予他人的子句。您無法將 WITH GRANT OPTION 授予群組或 PUBLIC。
TO *user\$1name* \$1 ROLE *role\$1name* \$1 GROUP *group\$1name*
使用者、角色或使用者群組的名稱，將對其套用指定的預設權限。
REVOKE
對於指定使用者所建立的所有新資料表、函數或預存程序，要撤銷指定使用者或群組的權限集。您可以使用 REVOKE 子句設定與使用 [REVOKE](r_REVOKE.md) 命令時相同的權限和選項。
GRANT OPTION FOR
這個子句只會撤銷對其他使用者授予指定權限的選項，而不會撤銷權限本身。您無法撤銷群組或 PUBLIC 的 GRANT OPTION。
FROM *user\$1name* \$1 ROLE *role\$1name* \$1 GROUP *group\$1name*
使用者、角色或使用者群組的名稱，預設將撤銷其指定權限。
RESTRICT
RESTRICT 選項只會撤銷使用者直接授予的權限。這是預設值。
## 範例
假設您想要允許使用者群組 `report_readers` 中的任何使用者檢視使用者 `report_admin` 建立的所有資料表和檢視。在此情況下，請以超級使用者身分執行下列命令。
```
alter default privileges for user report_admin grant select on tables to group report_readers;
```
在下列範例中，第一個命令會授予您建立的所有新資料表的 SELECT 權限。每當您建立新的檢視時，都必須明確授予檢視權限，或再次重新執行 `alter default privileges` 命令。
```
alter default privileges grant select on tables to public;
```
下列範例會對 `sales_admin` 使用者群組授予您在 `sales` 結構描述中建立的所有新資料表和檢視的 INSERT 權限。
```
alter default privileges in schema sales grant insert on tables to group sales_admin;
```
以下範例會反轉前述範例中的 ALTER DEFAULT PRIVILEGES 命令。
```
alter default privileges in schema sales revoke insert on tables from group sales_admin;
```
根據預設，PUBLIC 使用者群組具有所有新的使用者定義功能的執行許可。若要撤銷新功能的 `public` 執行許可，然後僅將執行許可授予 `dev_test` 使用者群組，請執行下列命令。
```
alter default privileges revoke execute on functions from public;
alter default privileges grant execute on functions to group dev_test;
```
# ALTER EXTERNAL SCHEMA
更改目前資料庫中的現有外部結構描述。只有結構描述擁有者、超級使用者或對結構描述具有 ALTER 權限的使用者，才能進行更改。只能更改從 DATA CATALOG、KAFKA 或 MSK 建立的外部結構描述。
此結構描述的擁有者是 CREATE EXTERNAL SCHEMA 命令的發行者。若要轉移外部結構描述的所有權，請使用 ALTER SCHEMA 來變更擁有者。若要將結構描述的存取權授予其他使用者或使用者群組，請使用 GRANT 命令。
您無法使用 GRANT 或 REVOKE 命令處理外部資料表的許可。這時請改為在外部結構描述授予和撤銷許可。
如需詳細資訊，請參閱下列內容：
+ [ALTER SCHEMA](r_ALTER_SCHEMA.md)
+ [GRANT](r_GRANT.md)
+ [REVOKE](r_REVOKE.md)
+ [CREATE EXTERNAL SCHEMA](r_CREATE_EXTERNAL_SCHEMA.md)
+ [針對現有外部結構描述啟用 mTLS 身分驗證](materialized-view-streaming-ingestion-mtls.md#materialized-view-streaming-ingestion-mtls-alter)
若要檢視外部結構描述的詳細資訊，請查詢 SVV\$1EXTERNAL\$1SCHEMAS 系統檢視。如需詳細資訊，請參閱[SVV\$1EXTERNAL\$1SCHEMAS](r_SVV_EXTERNAL_SCHEMAS.md)。
## 語法
```
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' ]
```
如果您有用於串流擷取的現有外部結構描述，而且想要實作雙向 TLS 進行身分驗證，您可以執行下列命令，以指定 mTLS 身分驗證和 ACM 中的 ACM 憑證 ARN。
```
ALTER EXTERNAL SCHEMA schema_name
AUTHENTICATION mtls
AUTHENTICATION_ARN 'arn:aws:acm:us-east-1:444455556666:certificate/certificate_ID';
```
或者，您可以修改 mTLS 身分驗證，並參考 Secrets Manager 中的機密 ARN。
```
ALTER EXTERNAL SCHEMA schema_name
AUTHENTICATION mtls
SECRET_ARN 'arn:aws:secretsmanager:us-east-1:012345678910:secret:myMTLSSecret';
```
下列範例示範如何修改 ALTER EXTERNAL SCHEMA 的 URI：
```
ALTER EXTERNAL SCHEMA schema_name
URI 'lkc-ghidef-67890.centralus.azure.glb.confluent.cloud:9092';
```
下列範例示範如何修改 ALTER EXTERNAL SCHEMA 的 IAM 角色：
```
ALTER EXTERNAL SCHEMA schema_name
IAM_ROLE 'arn:aws:iam::012345678901:role/testrole';
```
## Parameters
IAM\$1ROLE【 預設 \$1 'SESSION' \$1 'arn：aws：iam：：：role/' 】
使用 `default` 關鍵字讓 Amazon Redshift 使用預設的 IAM 角色。
如果您使用聯合身分連線到 Amazon Redshift 叢集，並從使用此命令建立的外部結構描述存取資料表，請使用 `'SESSION'`。
如需詳細資訊，請參閱 [CREATE EXTERNAL SCHEMA](https://docs.aws.amazon.com/redshift/latest/dg/r_CREATE_EXTERNAL_SCHEMA.html)。
AUTHENTICATION
為串流擷取定義的驗證類型。具有身分驗證類型的串流擷取能夠與 Apache Kafka、Confluent Cloud 和 Amazon Managed Streaming for Apache Kafka 搭配運作。如需詳細資訊，請參閱 [CREATE EXTERNAL SCHEMA](https://docs.aws.amazon.com/redshift/latest/dg/r_CREATE_EXTERNAL_SCHEMA.html)。
AUTHENTICATION\$1ARN
Amazon Redshift 使用 Apache Kafka、Confluent Cloud 或 Amazon Managed Streaming for Apache Kafka (Amazon MSK) 進行 mtls 身分驗證的 AWS Certificate Manager 憑證 ARN。當您選擇發出憑證時，ACM 主控台中就會提供 ARN。
SECRET\$1ARN
使用 建立之支援秘密的 Amazon Resource Name (ARN) AWS Secrets Manager。如需如何建立和擷取機密的 ARN 的相關資訊，請參閱《AWS Secrets Manager 使用者指南》**中的[使用 AWS Secrets Manager管理機密](https://docs.aws.amazon.com/secretsmanager/latest/userguide/manage_create-basic-secret.html)，以及[在 Amazon Redshift 中擷取機密的 Amazon Resource Name (ARN)](https://docs.aws.amazon.com/redshift/latest/mgmt/redshift-secrets-manager-integration-retrieving-secret.html)。
URI
Apache Kafka、Confluent Cloud 或 Amazon Managed Streaming for Apache Kafka (Amazon MSK) 叢集的啟動程序 URL。端點必須可從 Amazon Redshift 叢集連接 (可路由)。如需詳細資訊，請參閱 [CREATE EXTERNAL SCHEMA](https://docs.aws.amazon.com/redshift/latest/dg/r_CREATE_EXTERNAL_SCHEMA.html)。
# ALTER EXTERNAL VIEW
使用 ALTER EXTERNAL VIEW 命令更新外部檢視。視您使用的參數而定，也可以參考此檢視的其他 SQL 引擎 (例如 Amazon Athena 和 Amazon EMR Spark) 可能會受到影響。如需有關 Data Catalog 檢視的詳細資訊，請參閱 [AWS Glue Data Catalog 檢視](https://docs.aws.amazon.com/redshift/latest/dg/data-catalog-views-overview.html)。
## 語法
```
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 }
```
## Parameters
*schema\$1name.view\$1name*
連接到 AWS Glue 資料庫的結構描述，後面接著檢視的名稱。
catalog\$1name.schema\$1name.view\$1name \$1 awsdatacatalog.dbname.view\$1name \$1 external\$1schema\$1name.view\$1name
變更視觀表時要使用的結構描述標記法。您可以指定 使用您建立的 AWS Glue Data Catalog Glue 資料庫，或您建立的外部結構描述。如需詳細資訊，請參閱[CREATE DATABASE](https://docs.aws.amazon.com/redshift/latest/dg/r_CREATE_DATABASE.html) 和 [CREATE EXTERNAL SCHEMA](https://docs.aws.amazon.com/redshift/latest/dg/r_CREATE_EXTERNAL_SCHEMA.html)。
FORCE
即使資料表中參考的物件與其他 SQL 引擎不一致， 是否 AWS Lake Formation 應該更新檢視的定義。如果 Lake Formation 更新檢視，則對於其他 SQL 引擎來說，該檢視會被視為過時，直到這些引擎也更新為止。
*AS query\$1definition*
Amazon Redshift 執行以變更檢視的 SQL 查詢的定義。
REMOVE DEFINITION
是否捨棄並重新建立檢視。必須捨棄檢視並重新建立，才能將其標記為 `PROTECTED`。
## 範例
下列範例會變更名為 sample\$1schema.glue\$1data\$1catalog\$1view 的 Data Catalog 視觀表。
```
ALTER EXTERNAL VIEW sample_schema.glue_data_catalog_view
FORCE
REMOVE DEFINITION
```
# ALTER FUNCTION
重新命名函式或變更擁有者。函式名稱和資料類型都是必要的。只有擁有者或超級使用者才能重新命名函式。只有超級使用者才能變更函式的擁有者。
## 語法
```
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 }
```
## Parameters
*function\$1name*
要更改的函式名稱。在目前的搜尋路徑中指定函式的名稱，或使用格式 `schema_name.function_name` 來使用專屬結構描述。
*py\$1arg\$1name py\$1arg\$1data\$1type \$1 sql\$1arg\$1data\$1type*
選用。Python 使用者定義函式的輸入引數名稱和資料類型清單，或 SQL 使用者定義函式的輸入引數資料類型清單。
*new\$1name*
使用者定義函式的新名稱。
*new\$1owner* \$1 CURRENT\$1USER \$1 SESSION\$1USER
使用者定義函式的新擁有者。
## 範例
下列範例會將函式的名稱從 `first_quarter_revenue` 變更為 `quarterly_revenue`。
```
ALTER FUNCTION first_quarter_revenue(bigint, numeric, int)
RENAME TO quarterly_revenue;
```
下列範例會將 `quarterly_revenue` 函式的擁有者變更為 `etl_user`。
```
ALTER FUNCTION quarterly_revenue(bigint, numeric) OWNER TO etl_user;
```
# ALTER GROUP
變更使用者群組。使用此命令可將使用者新增至群組、從群組中刪除使用者，或重新命名群組。
## 語法
```
ALTER GROUP group_name
{
ADD USER username [, ... ] |
DROP USER username [, ... ] |
RENAME TO new_name
}
```
## Parameters
*group\$1name*
要修改的使用者群組名稱。
ADD
將使用者新增至使用者群組。
DROP
從使用者群組中移除使用者。
*username*
要新增至群組或從群組中刪除的使用者名稱。
RENAME TO
重新命名使用者群組。開頭為兩個底線的群組名稱保留供 Amazon Redshift 內部使用。如需有效名稱的相關資訊，請參閱 [名稱與識別碼](r_names.md)。
*new\$1name*
使用者群組的新名稱。
## 範例
以下範例會將名為 DWUSER 的使用者新增至 ADMIN\$1GROUP 群組。
```
ALTER GROUP admin_group
ADD USER dwuser;
```
以下範例會將群組 ADMIN\$1GROUP 重新命名為 ADMINISTRATORS。
```
ALTER GROUP admin_group
RENAME TO administrators;
```
以下範例會將兩個使用者新增至 ADMIN\$1GROUP 群組。
```
ALTER GROUP admin_group
ADD USER u1, u2;
```
以下範例會將兩個使用者從 ADMIN\$1GROUP 群組中捨棄。
```
ALTER GROUP admin_group
DROP USER u1, u2;
```
# ALTER IDENTITY PROVIDER
修改身分提供者以指派新參數和值。當您執行此命令時，所有先前設定的參數值都會先刪除，然後再指派新值。只有超級使用者可以修改身分提供者。
## 語法
```
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]
```
## Parameters
*identity\$1provider\$1name*
新身分提供者的名稱。如需有效名稱的相關資訊，請參閱 [名稱與識別碼](r_names.md)。
*parameter\$1string*
包含正確格式化 JSON 物件的字串，其中包含特定身分提供者所需的參數和值。
*命名空間*
組織命名空間。
*iam\$1role*
提供 IAM Identity Center 連線許可的 IAM 角色。此參數僅在身分提供者類型為 AWSIDC 時適用。
*auto\$1create\$1roles*
啟用或停用自動建立角色功能。如果值為 TRUE，Amazon Redshift 會啟用自動建立角色功能。如果值為 FALSE，Amazon Redshift 會停用自動建立角色功能。如果未指定此參數的值，Amazon Redshift 會使用下列邏輯來判斷值：
+ 如有 `AUTO_CREATE_ROLES` 但未指定值，則值會設定為 TRUE。
+ 如未提供 `AUTO_CREATE_ROLES` 且身分提供者為 AWSIDC，則值會設定為 FALSE。
+ 如未提供 `AUTO_CREATE_ROLES` 且身分提供者為 Azure，則值會設定為 TRUE。
若要包含群組，請指定 `INCLUDE`。預設值為空白，表示 `AUTO_CREATE_ROLES` 開啟時，包含所有群組。
若要排除群組，請指定 `EXCLUDE`。預設值為空白，表示 `AUTO_CREATE_ROLES` 開啟時，不要排除任何群組。
*filter\$1pattern*
有效的 UTF-8 字元表達式，包含要比對群組名稱的模式。LIKE 選項會執行區分大小寫的比對，以支援下列模式比對中繼字元：
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_ALTER_IDENTITY_PROVIDER.html)
如果 *filter\$1pattern* 未包含任何中繼字元，則模式只代表字串本身，此時 LIKE 的功用如同等於運算子。
*filter\$1pattern* 支援下列字元：
+ 大寫和小寫英文字母字元 (A-Z 和 a-z)
+ 數字 (0-9)
+ 下列特殊字元：
```
_ % ^ * + ? { } , $
```
*DISABLE 或 ENABLE*
開啟或關閉身分提供者 預設為 ENABLE。
## 範例
下列範例會修改名為 *oauth\$1standard* 的身分提供者。特別是在 Microsoft Azure AD 為身分提供者時適用。
```
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"]
}'
```
下列範例示範如何設定 identity-provider 命名空間。這會套用至 Microsoft Azure AD (若其遵循如先前範例的陳述式)，或套用至另一個身分提供者。在您將現有 Amazon Redshift 佈建叢集或 Amazon Redshift Serverless 工作群組連線至 IAM Identity Center 的情況下，若您透過受管應用程式設定連線，則也適用此設定。
```
ALTER IDENTITY PROVIDER "my-redshift-idc-application"
NAMESPACE 'MYCO';
```
下列範例會設定 IAM 角色，並且適用設定 Redshift 與 IAM Identity Center 整合的使用案例。
```
ALTER IDENTITY PROVIDER "my-redshift-idc-application"
IAM_ROLE 'arn:aws:iam::123456789012:role/myadministratorrole';
```
如需設定從 Redshift 到 IAM Identity Center 的連線詳細資訊，請參閱[將 Redshift 與 IAM Identity Center 連線，為使用者提供單一登入體驗](https://docs.aws.amazon.com/redshift/latest/mgmt/redshift-iam-access-control-idp-connect.html)。
**停用身分提供者**
下列範例陳述式說明如何停用身分提供者。停用時，身分提供者的聯合身分使用者必須先再次將其啟用，才能登入叢集。
```
ALTER IDENTITY PROVIDER "redshift-idc-app" DISABLE;
```
# ALTER MASKING POLICY
修改現有的動態資料遮罩政策。如需動態資料遮罩的相關資訊，請參閱 [動態資料遮罩](t_ddm.md)。
超級使用者和具有 sys:secadmin 角色的使用者或角色可以修改遮罩政策。
## 語法
```
ALTER MASKING POLICY
{ policy_name | database_name.policy_name }
USING (masking_expression);
```
## Parameters
*policy\$1name*
遮罩政策的名稱。這必須是資料庫中已存在的遮罩政策名稱。
database\$1name
政策建立來源的資料庫名稱。資料庫可以是連線的資料庫或支援 Amazon Redshift 聯合許可的資料庫。
*masking\$1expression*
用來轉換目標資料欄的 SQL 運算式。其可以使用資料操作函數 (例如字符串操作函數) 編寫，或與使用 SQL、Python 或 AWS Lambda編寫的使用者定義函數一起編寫。
運算式必須與原始運算式的輸入資料欄和資料類型相符。例如，如果原始遮罩政策的輸入資料欄是 `sample_1 FLOAT` 和 `sample_2 VARCHAR(10)`，您將無法修改遮罩政策以取得第三個資料欄，或讓政策採用 FLOAT 和 BOOLEAN。如果您使用常數做為遮罩運算式，則必須將其明確轉換為符合輸入類型的類型。
對於在遮罩運算式中使用的任何使用者定義函數，您都必須擁有 USAGE 權限。
如需在 Amazon Redshift 聯合許可目錄上使用 ALTER MASKING POLICY，請參閱[使用 Amazon Redshift 聯合許可管理存取控制](https://docs.aws.amazon.com/redshift/latest/dg/federated-permissions-managing-access.html)。
# ALTER MATERIALIZED VIEW
變更具體化視觀表的屬性。
## 語法
```
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]
};
```
## Parameters
*mv\$1name*
具體化視觀表的名稱。
AUTO REFRESH \$1 YES \$1 NO \$1
開啟或關閉具體化視觀表自動重新整理的子句。如需具體化視觀表自動重新整理的相關資訊，請參閱 [重新整理具體化視觀表](materialized-view-refresh.md)。
ALTER DISTSTYLE ALL
將關係的現有分佈樣式變更為 `ALL` 的子句。考慮下列各項：
+ 無法同時在相同關係上執行 ALTER DISTSTYLE、ALTER SORTKEY 和 VACUUM。
+ 如果 VACUUM 目前執行中，然後執行 ALTER DISTSTYLE ALL 會傳回錯誤。
+ 如果 ALTER DISTSTYLE ALL 執行中，則不會在關係上啟動背景清空。
+ 包含交錯排序索引鍵的關係和暫存資料表不支援 ALTER DISTSTYLE ALL 命令。
+ 如果分佈樣式先前已定義為 AUTO，則該關係不再是自動資料表最佳化的候選項目。
如需 DISTSTYLE ALL 的詳細資訊，請前往 [CREATE MATERIALIZED VIEW](materialized-view-create-sql-command.md)。
ALTER DISTSTYLE EVEN
將關係的現有分佈樣式變更為 `EVEN` 的子句。考慮下列各項：
+ 無法同時在相同關係上執行 ALTER DISTSYTLE、ALTER SORTKEY 和 VACUUM。
+ 如果 VACUUM 目前執行中，然後執行 ALTER DISTSTYLE EVEN 會傳回錯誤。
+ 如果 ALTER DISTSTYLE EVEN 執行中，則不會在關係上啟動背景清空。
+ 包含交錯排序索引鍵的關係和暫存資料表不支援 ALTER DISTSTYLE EVEN 命令。
+ 如果分佈樣式先前已定義為 AUTO，則該關係不再是自動資料表最佳化的候選項目。
如需 DISTSTYLE EVEN 的詳細資訊，請前往 [CREATE MATERIALIZED VIEW](materialized-view-create-sql-command.md)。
ALTER DISTKEY *column\$1name* 或 ALTER DISTSTYLE KEY DISTKEY *column\$1name*
此子句會變更作為關係的分佈索引鍵使用的欄。考慮下列各項：
+ VACUUM 和 ALTER DISTKEY 無法在相同關係上並行執行。
+ 如果 VACUUM 已在執行，則 ALTER DISTKEY 會傳回錯誤。
+ 如果 ALTER DISTKEY 執行中，則不會在關係上啟動背景清空。
+ 如果 ALTER DISTKEY 執行中，則前景清空會傳回錯誤。
+ 您一次僅可以在一個關係上執行一個 ALTER DISTKEY 命令。
+ 包含交錯排序索引鍵的關係不支援 ALTER DISTKEY 命令。
+ 如果分佈樣式先前已定義為 AUTO，則該關係不再是自動資料表最佳化的候選項目。
指定 DISTSTYLE KEY 時，資料是依 DISTKEY 資料欄中的值分佈。如需 DISTSTYLE 的詳細資訊，請前往 [CREATE MATERIALIZED VIEW](materialized-view-create-sql-command.md)。
ALTER DISTSTYLE AUTO
將關係的現有分佈樣式變更為 AUTO 的子句。
將分佈樣式變更為 AUTO 時，關係的分佈樣式會設定如下：
+ 將具有 DISTSTYLE ALL 的小型關係轉換為 AUTO(ALL)。
+ 將具有 DISTSTYLE EVEN 的小型關係轉換為 AUTO(ALL)。
+ 將具有 DISTSTYLE KEY 的小型關係轉換為 AUTO(ALL)。
+ 將具有 DISTSTYLE ALL 的大型關係轉換為 AUTO(EVEN)。
+ 將具有 DISTSTYLE EVEN 的大型關係轉換為 AUTO(EVEN)。
+ 將具有 DISTSTYLE KEY 的大型關係轉換為 AUTO(KEY) 並保留 DISTKEY。在這種情況下，Amazon Redshift 不會對關係進行任何變更。
如果 Amazon Redshift 判斷新的分佈樣式或索引鍵可以改善查詢效能，那麼 Amazon Redshift 可能會在未來變更關係的分佈樣式或索引鍵。例如，Amazon Redshift 可能會將 DISTSTYLE 為 AUTO(KEY) 的關係轉換為 AUTO(EVEN)，反之亦然。如需修改分佈索引鍵時行為 (包括資料重新分佈和鎖定) 的相關資訊，請前往 [Amazon Redshift Advisor 建議](https://docs.aws.amazon.com/redshift/latest/dg/advisor-recommendations.html#alter-diststyle-distkey-recommendation)。
如需 DISTSTYLE AUTO 的詳細資訊，請前往 [CREATE MATERIALIZED VIEW](materialized-view-create-sql-command.md)。
若要檢視關係的分佈樣式，請查詢 SVV\$1TABLE\$1INFO 系統目錄檢視。如需詳細資訊，請前往 [SVV\$1TABLE\$1INFO](r_SVV_TABLE_INFO.md)。若要檢視關係的 Amazon Redshift Advisor 建議，請查詢 SVV\$1ALTER\$1TABLE\$1RECOMMENDATIONS 系統目錄檢視。如需詳細資訊，請前往 [SVV\$1ALTER\$1TABLE\$1RECOMMENDATIONS](r_SVV_ALTER_TABLE_RECOMMENDATIONS.md)。若要檢視 Amazon Redshift 所採取的動作，請查詢 SVL\$1AUTO\$1WORKER\$1ACTION 系統目錄檢視。如需詳細資訊，請前往 [SVL\$1AUTO\$1WORKER\$1ACTION](r_SVL_AUTO_WORKER_ACTION.md)。
ALTER [COMPOUND] SORTKEY ( *column\$1name* [,...] )
此子句可變更或新增用於關係的排序索引鍵。暫存資料表不支援 ALTER SORTKEY。
當您變更排序索引鍵時，新排序索引鍵或原始排序索引鍵中欄的壓縮編碼可能會變更。如果沒有明確定義關係的編碼，則 Amazon Redshift 會自動指定壓縮編碼，如下所示：
+ 定義為排序索引鍵的資料欄會有指派的 RAW 壓縮。
+ 定義為 BOOLEAN、REAL 或 DOUBLE PRECISION 資料類型的資料欄會有指派的 RAW 壓縮。
+ 定義為 SMALLINT、INTEGER、BIGINT、DECIMAL、DATE、TIME、TIMETZ、TIMESTAMP 或 TIMESTAMPTZ 的資料欄會有指派的 AZ64 壓縮。
+ 定義為 CHAR 或 VARCHAR 的資料欄會有指派的 LZO 壓縮。
考慮下列各項：
+ 您最多可為每個關係的排序索引鍵定義 400 個欄。
+ 您可以將交錯排序索引鍵修改為複合排序索引鍵或無排序索引鍵。但是，您無法將複合排序索引鍵修改為交錯排序索引鍵。
+ 如果排序索引鍵先前已定義為 AUTO，則該關係不再是自動資料表最佳化的候選項目。
+ Amazon Redshift 建議對定義為排序索引鍵的資料欄使用 RAW 編碼 (不壓縮)。當您變更資料欄以選擇其做為排序索引鍵時，資料欄的壓縮會變更為 RAW 壓縮 (不壓縮)。這可能會增加關係所需的儲存空間。關係大小的增加幅度取決於特定的關係定義和關係內容。如需壓縮的詳細資訊，請前往 [壓縮編碼](c_Compression_encodings.md)。
當資料載入關係之後，資料就會依據排序索引鍵的排序載入。當您修改排序索引鍵時，Amazon Redshift 會重新排列資料。如需 SORTKEY 的詳細資訊，請前往 [CREATE MATERIALIZED VIEW](materialized-view-create-sql-command.md)。
ALTER SORTKEY AUTO
將目標關係的排序索引鍵變更或新增至 AUTO 的子句。暫存資料表不支援 SORTKEY AUTO。
當您將排序索引鍵修改為 AUTO 時，Amazon Redshift 會保留關係的現有排序索引鍵。
如果 Amazon Redshift 判斷新的排序索引鍵可以改善查詢效能，那麼 Amazon Redshift 可能會在未來變更關係的排序索引鍵。
如需 SORTKEY AUTO 的詳細資訊，請前往 [CREATE MATERIALIZED VIEW](materialized-view-create-sql-command.md)。
若要檢視關係的排序索引鍵，請查詢 SVV\$1TABLE\$1INFO 系統目錄檢視。如需詳細資訊，請前往 [SVV\$1TABLE\$1INFO](r_SVV_TABLE_INFO.md)。若要檢視關係的 Amazon Redshift Advisor 建議，請查詢 SVV\$1ALTER\$1TABLE\$1RECOMMENDATIONS 系統目錄檢視。如需詳細資訊，請前往 [SVV\$1ALTER\$1TABLE\$1RECOMMENDATIONS](r_SVV_ALTER_TABLE_RECOMMENDATIONS.md)。若要檢視 Amazon Redshift 所採取的動作，請查詢 SVL\$1AUTO\$1WORKER\$1ACTION 系統目錄檢視。如需詳細資訊，請前往 [SVL\$1AUTO\$1WORKER\$1ACTION](r_SVL_AUTO_WORKER_ACTION.md)。
ALTER SORTKEY NONE
移除目標關係的排序索引鍵的子句。
如果排序索引鍵先前已定義為 AUTO，則該關係不再是自動資料表最佳化的候選項目。
ROW LEVEL SECURITY \$1 ON \$1 OFF \$1 [ CONJUNCTION TYPE \$1 AND \$1 OR \$1 ] [ FOR DATASHARES ]
開啟或關閉關係的資料列層級安全性的子句。
開啟關係的資料列層級安全性時，您只能讀取資料列層級安全政策允許您存取的資料列。如果沒有任何政策授予您關係存取權，您就無法看到關聯中的任何資料列。只有超級使用者和具有 `sys:secadmin` 角色的使用者或角色可以設定 ROW LEVEL SECURITY 子句。如需詳細資訊，請參閱[資料列層級安全性](t_rls.md)。
+ [ CONJUNCTION TYPE \$1 AND \$1 OR \$1 ]
一個子句，讓您為關係選擇資料列層級安全政策的結合類型。將多個資料列層級安全政策附加至關係時，您可以將政策與 AND 或 OR 子句結合使用。根據預設，Amazon Redshift 將 RLS 政策與 AND 子句結合在一起。具有 `sys:secadmin` 角色的超級使用者、使用者或角色可以使用此子句來定義關係之資料列層級安全政策的組合類型。如需詳細資訊，請參閱[每個使用者結合多個政策](t_rls_combine_policies.md)。
+ FOR DATASHARES
該子句會決定是否可透過資料共用存取受 RLS 保護的關係。預設的情況是無法透過資料共用存取受 RLS 保護的關係。搭配此子句執行的 ALTER MATERIALIZED VIEW ROW LEVEL SECURITY 命令只會影響關係的資料共用存取屬性。ROW LEVEL SECURITY 屬性並未變更。
如果您讓受 RLS 保護的關係可以透過資料庫存取，則該關係在取用者端資料庫中不會有資料列層級的安全性。關係會在生產者端保留其 RLS 屬性。
## 範例
下列範例可讓 `tickets_mv` 具體化視觀表自動重新整理。
```
ALTER MATERIALIZED VIEW tickets_mv AUTO REFRESH YES
```
# ALTER MATERIALIZED VIEW 的 DISTSTYLE 和 SORTKEY 範例
本主題中的範例說明如何使用 ALTER MATERIALIZED VIEW 執行 DISTSTYLE 和 SORTKEY 變更。
下列範例查詢顯示如何使用範例基礎資料表更改 DISTSTYLE KEY DISTKEY 欄：
```
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;
```
將具體化視觀表更改為 DISTSTYLE ALL：
```
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;
```
下列命令顯示使用範例基礎資料表的 ALTER MATERIALIZED VIEW SORTKEY 範例：
```
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
修改資料表上現有的資料列層級安全性政策。
超級使用者和具有 `sys:secadmin` 角色的使用者或角色可以修改政策。
## 語法
```
ALTER RLS POLICY
{ policy_name | database_name.policy_name }
USING ( using_predicate_exp );
```
## Parameters
*policy\$1name*
政策的名稱。
database\$1name
政策建立來源的資料庫名稱。資料庫可以是連線的資料庫或支援 Amazon Redshift 聯合許可的資料庫。
USING (* using\$1predicate\$1exp *)
指定套用至查詢中 WHERE 子句的篩選條件。Amazon Redshift 會在查詢層級使用者述詞之前套用政策述詞。例如，**current\$1user = ‘joe’ and price > 10** 會限制 Joe 只能查看價格大於 \$110 的記錄。
在用來以 policy\$1name 名稱建立政策的 CREATE RLS POLICY 陳述式中，運算式可以存取其中 WITH 子句中宣告的變數。
如需在 Amazon Redshift 聯合許可目錄上使用 ALTER RLS POLICY，請參閱[使用 Amazon Redshift 聯合許可管理存取控制](https://docs.aws.amazon.com/redshift/latest/dg/federated-permissions-managing-access.html)。
## 範例
下列範例會修改 RLS 政策。
```
-- 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');
```
# ALTER ROLE
重新命名角色或變更擁有者。如需 Amazon Redshift 系統定義角色的清單，請參閱 [Amazon Redshift 系統定義角色](r_roles-default.md)。
## 所需的許可
以下是 ALTER ROLE 所需的權限：
+ 超級使用者
+ 具有 ALTER ROLE 許可的使用者
## 語法
```
ALTER ROLE role [ WITH ]
{ { RENAME TO role } | { OWNER TO user_name } }[, ...]
[ EXTERNALID TO external_id ]
```
## Parameters
*角色*
要修改的角色名稱。
RENAME TO
角色的新名稱。
OWNER TO *user\$1name*
角色的新擁有者。
EXTERNALID TO *external\$1id*
角色的新外部 ID，與身分提供者相關聯。如需詳細資訊，請參閱 [Amazon Redshift 的原生身分提供者 (IdP) 聯合合](https://docs.aws.amazon.com/redshift/latest/mgmt/redshift-iam-access-control-native-idp.html)。
## 範例
下列範例會將角色的名稱從 `sample_role1` 變更為 `sample_role2`。
```
ALTER ROLE sample_role1 RENAME TO sample_role2;
```
下列範例會變更角色的擁有者。
```
ALTER ROLE sample_role1 WITH OWNER TO user1
```
ALTER ROLE 的語法類似於下面的 ALTER PROCEDURE。
```
ALTER PROCEDURE first_quarter_revenue(bigint, numeric) RENAME TO quarterly_revenue;
```
下列範例會將程序的擁有者變更為 `etl_user`。
```
ALTER PROCEDURE quarterly_revenue(bigint, numeric) OWNER TO etl_user;
```
下列範例會使用與身分提供者相關聯的新外部 ID 來更新角色 `sample_role1`。
```
ALTER ROLE sample_role1 EXTERNALID TO "XYZ456";
```
# ALTER PROCEDURE
重新命名程序或變更擁有者。程序名稱和資料類型 (或簽章) 都是必要的。只有擁有者或超級使用者才能重新命名程序。只有超級使用者才能變更程序的擁有者。
## 語法
```
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 }
```
## Parameters
*sp\$1name*
要修改的程序的名稱。在目前的搜尋路徑中僅指定程序的名稱，或使用格式 `schema_name.sp_procedure_name` 來使用專屬結構描述。
*[argname] [argmode] argtype*
引數名稱、引數模式和資料類型的清單。只有用於識別預存程序的輸入資料類型是必要的。或者，您可以提供用於建立程序的完整簽章，包括輸入和輸出參數及其模式。
*new\$1name*
預存程序的新名稱。
*new\$1owner* \$1 CURRENT\$1USER \$1 SESSION\$1USER
預存程序的新擁有者。
## 範例
下列範例會將程序的名稱從 `first_quarter_revenue` 變更為 `quarterly_revenue`。
```
ALTER PROCEDURE first_quarter_revenue(volume INOUT bigint, at_price IN numeric,
result OUT int) RENAME TO quarterly_revenue;
```
此範例相當於下列命令。
```
ALTER PROCEDURE first_quarter_revenue(bigint, numeric) RENAME TO quarterly_revenue;
```
下列範例會將程序的擁有者變更為 `etl_user`。
```
ALTER PROCEDURE quarterly_revenue(bigint, numeric) OWNER TO etl_user;
```
# ALTER SCHEMA
變更現有結構描述的定義。使用此命令可重新命名結構描述或變更結構描述的擁有者。例如，重新命名現有的結構描述，以便在您打算建立該結構描述的新版本時，保留該結構描述的備份複本。如需結構描述的相關資訊，請參閱 [CREATE SCHEMA](r_CREATE_SCHEMA.md)。
若要檢視設定的結構描述配額，請參閱 [SVV\$1SCHEMA\$1QUOTA\$1STATE](r_SVV_SCHEMA_QUOTA_STATE.md)。
若要檢視超出結構描述配額的記錄，請參閱 [STL\$1SCHEMA\$1QUOTA\$1VIOLATIONS](r_STL_SCHEMA_QUOTA_VIOLATIONS.md)。
## 所需權限
以下是 ALTER SCHEMA 所需的權限：
+ 超級使用者
+ 具有 ALTER SCHEMA 權限的使用者
+ 結構描述擁有者
當您變更結構描述名稱時，請務必更新使用舊名稱的物件 (例如預存程序或具體化視觀表)，才能使用新名稱。
## 語法
```
ALTER SCHEMA schema_name
{
RENAME TO new_name |
OWNER TO new_owner |
QUOTA { quota [MB | GB | TB] | UNLIMITED }
}
```
## Parameters
*schema\$1name*
要修改的資料庫結構描述名稱。
RENAME TO
重新命名結構描述的子句。
*new\$1name*
結構描述的新名稱。如需有效名稱的相關資訊，請參閱 [名稱與識別碼](r_names.md)。
OWNER TO
變更結構描述擁有者的子句。
*new\$1owner*
結構描述的新擁有者。
QUOTA
所指定之結構描述可以使用的磁碟空間數上限。此空間是所指定之結構描述下所有資料表的集體大小。Amazon Redshift 會將選取的值轉換為 MB。GB 是您未指定值時的預設測量單位。
如需設定結構描述配額的相關資訊，請參閱 [CREATE SCHEMA](r_CREATE_SCHEMA.md)。
## 範例
下列範例會將 SALES 結構描述重新命名為 US\$1SALES。
```
alter schema sales
rename to us_sales;
```
下列範例會將 US\$1SALES 結構描述的擁有權提供給使用者 DWUSER。
```
alter schema us_sales
owner to dwuser;
```
下列範例會將配額變更為 300 GB，並移除配額。
```
alter schema us_sales QUOTA 300 GB;
alter schema us_sales QUOTA UNLIMITED;
```
# ALTER SYSTEM
變更 Amazon Redshift 叢集或 Redshift Serverless 工作群組的系統層級組態選項。
## 所需權限
下列其中一種使用者類型可以執行 ALTER SYSTEM 命令：
+ 超級使用者
+ 管理員使用者
## 語法
```
ALTER SYSTEM SET system-level-configuration = {true| t | on | false | f | off}
```
## Parameters
*system-level-configuration*
系統層級組態 有效值：`data_catalog_auto_mount` 和 `metadata_security`。
\$1true\$1 t \$1 on \$1 false \$1 f \$1 off\$1
用於啟用或停用系統層級組態的值。`true`、`t` 或 `on` 表示要啟用組態。`false`、`f` 或 `off` 表示要停用組態。
## 使用須知
對於佈建的叢集，`data_catalog_auto_mount` 的變更會在下次重新啟動叢集時生效。如需詳細資訊，請參閱《Amazon Redshift 管理指南》**中的[重新啟動叢集](https://docs.aws.amazon.com/redshift/latest/mgmt/managing-clusters-console.html#reboot-cluster)。
對於無伺服器工作群組，`data_catalog_auto_mount` 的變更不會立即生效。
## 範例
下列範例會開啟自動掛載 AWS Glue Data Catalog。
```
ALTER SYSTEM SET data_catalog_auto_mount = true;
```
下列範例會開啟中繼資料安全性。
```
ALTER SYSTEM SET metadata_security = true;
```
### 設定預設身分命名空間
此範例為使用身分提供者時專用。您可以將 Redshift 與 IAM Identity Center 和身分提供者整合，以集中管理 Redshift 和其他 AWS 服務的身分。
下列範例示範如何設定系統的預設身分命名空間。如此一來，後續您就能更輕鬆地執行 GRANT 和 CREATE 陳述式，因為您不需要包含命名空間作為每個身分的字首。
```
ALTER SYSTEM SET default_identity_namespace = 'MYCO';
```
執行命令之後，您可以執行如下所示的陳述式：
```
GRANT SELECT ON TABLE mytable TO alice;
GRANT UPDATE ON TABLE mytable TO salesrole;
CREATE USER bob password 'md50c983d1a624280812631c5389e60d48c';
```
設定預設身分命名空間的效果在於，每個身分都不需要用其作為字首。在此範例中，`alice` 會取代為 `MYCO:alice`。任何包含的身分都會發生此情況。如需搭配 Redshift 使用 IAM Identity Center 的詳細資訊，請參閱[將 Redshift 與 IAM Identity Center 連線，為使用者提供單一登入體驗](https://docs.aws.amazon.com/redshift/latest/mgmt/redshift-iam-access-control-idp-connect.html)。
如需與使用 IAM Identity Center 的 Redshift 組態相關設定的詳細資訊，請參閱 [SET](r_SET.md) 和 [ALTER IDENTITY PROVIDER](r_ALTER_IDENTITY_PROVIDER.md)。
# ALTER TABLE
此命令會變更 Amazon Redshift 資料表或 Amazon Redshift Spectrum 外部資料表的定義。此命令會更新 [CREATE TABLE](r_CREATE_TABLE_NEW.md) 或 [CREATE EXTERNAL TABLE](r_CREATE_EXTERNAL_TABLE.md) 設定的值和屬性。您可以在檢視上使用 ALTER TABLE 以提供資料列層級安全 (RLS)。
您不能在交易區塊 (BEGIN ... END) 內的外部資料表上執行 ALTER TABLE。如需交易的相關資訊，請參閱 [Amazon Redshift 中的隔離層級](c_serial_isolation.md)。
ALTER TABLE 會鎖定用於讀取和寫入操作的資料表，直到封閉 ALTER TABLE 操作的交易完成為止，除非在文件中明確說明您可以在修改資料表時，查詢資料或對資料表執行其他操作。
## 所需權限
修改資料表的使用者需要適當的權限，才能成功執行命令。根據 ALTER TABLE 命令的不同，使用者可能需要下列其中一項權限。
+ 超級使用者
+ 具有 ALTER TABLE 權限的使用者
+ 具有結構描述的 USAGE 權限的資料表擁有者
## 語法
```
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 [, ...] )
```
若要減少執行 ALTER TABLE 命令的時間，你可以結合 ALTER TABLE 命令的部分子句。
Amazon Redshift 支援 ALTER TABLE 子句的以下組合：
```
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);
```
## Parameters
*table\$1name*
要修改的資料表名稱。僅指定資料表的名稱，或使用格式 *schema\$1name.table\$1name* 來使用專屬結構描述。外部資料表必須以外部結構描述名稱限定。如果您要使用 ALTER TABLE 陳述式重新命名檢視或變更其擁有者，則也可以指定檢視名稱。資料表名稱的長度上限為 127 個位元組；超過此長度的名稱會截斷至 127 個位元組。您可以使用 UTF-8 多位元組字元，最長可達 4 個位元組。如需有效名稱的相關資訊，請參閱 [名稱與識別碼](r_names.md)。
ADD *table\$1constraint*
新增指定限制條件至資料表的子句。如需有效 *table\$1constraint* 值得說明，請參閱 [CREATE TABLE](r_CREATE_TABLE_NEW.md)。
您無法將主索引鍵限制條件新增至可為 null 的資料欄。如果資料欄原本是以 NOT NULL 限制條件建立，則您可以新增主索引鍵限制條件。
DROP CONSTRAINT *constraint\$1name*
從資料表中刪除具名限制條件的子句。若要刪除限制條件，請指定限制條件名稱，而非限制條件類型。若要檢視資料表限制條件名稱，請執行下列查詢。
```
select constraint_name, constraint_type
from information_schema.table_constraints;
```
RESTRICT
僅移除指定限制條件的子句。RESTRICT 是 DROP CONSTRAINT 的選項。RESTRICT 不能搭配 CASCADE 使用。
CASCADE
此子句會移除指定限制條件及相依於該限制條件的任何項目。CASCADE 是 DROP CONSTRAINT 的選項。CASCADE 不能搭配 RESTRICT 使用。
OWNER TO *new\$1owner*
此子句會將資料表 (或檢視) 的擁有者變更為 *new\$1owner* 值。
RENAME TO *new\$1name*
此子句會將資料表 (或檢視) 重新命名為 *new\$1name* 中指定的值。資料表名稱長度上限為 127 個位元組；超過此長度的名稱會截斷至 127 個位元組。
您無法將永久資料表重新命名為開頭為 '\$1' 的名稱。開頭為 '\$1' 的資料表名稱代表暫時資料表。
您無法重新命名外部資料表。
ALTER COLUMN *column\$1name* TYPE *updated\$1varchar\$1data\$1type\$1size*
子句，會變更定義為 VARCHAR 資料類型的資料欄大小。此子句僅支援修改 VARCHAR 資料類型的大小。考量下列限制：
+ 您無法修改具有以下壓縮編碼的欄位：BYTEDICT、RUNLENGTH、TEXT255 或 TEXT32K。
+ 您無法將大小降低至小於現有資料的大小上限。
+ 您無法修改含預設值的資料欄。
+ 您無法修改具有 UNIQUE、PRIMARY KEY 或 FOREIGN KEY 的資料欄。
+ 您無法在交易區塊 (BEGIN ... END) 內改變資料欄。如需交易的相關資訊，請參閱 [Amazon Redshift 中的隔離層級](c_serial_isolation.md)。
ALTER COLUMN *column\$1name* ENCODE *new\$1encode\$1type*
變更資料欄壓縮編碼的子句。如果您指定資料欄的壓縮編碼，資料表就不會再設定為 ENCODE AUTO。如需壓縮編碼的詳細資訊，請參閱 [欄壓縮以縮減儲存資料的大小](t_Compressing_data_on_disk.md)。
當您變更資料欄的壓縮編碼時，資料表仍可供查詢。
考量下列限制：
+ 您無法將資料欄的編碼修改為目前資料行定義的編碼。
+ 您無法在具有交錯排序索引鍵的資料表中修改資料行的編碼。
ALTER COLUMN *column\$1name* ENCODE *encode\$1type*, ALTER COLUMN *column\$1name* ENCODE *encode\$1type*, .....;
該子句可變更單一命令中多個資料欄的壓縮編碼。如需壓縮編碼的詳細資訊，請參閱 [欄壓縮以縮減儲存資料的大小](t_Compressing_data_on_disk.md)。
當您變更資料欄的壓縮編碼時，資料表仍可供查詢。
考量下列限制：
+ 您無法在單一命令中多次將資料欄變更為相同或不同的編碼類型。
+ 您無法將資料欄的編碼修改為目前資料行定義的編碼。
+ 您無法在具有交錯排序索引鍵的資料表中修改資料行的編碼。
ALTER DISTSTYLE ALL
將資料表的現有分佈樣式變更為 `ALL` 的子句。考慮下列各項：
+ 無法同時在相同資料表上執行 ALTER DISTSTYLE、ALTER SORTKEY 和 VACUUM。
+ 如果 VACUUM 目前執行中，然後執行 ALTER DISTSTYLE ALL 會傳回錯誤。
+ 如果 ALTER DISTSTYLE ALL 執行中，則不會在資料表上啟動背景清空。
+ 包含交錯排序索引鍵的資料表和暫存資料表不支援 ALTER DISTSTYLE ALL 命令。
+ 如果分佈樣式先前已定義為 AUTO，則該資料表不再是自動資料表最佳化的候選項目。
如需 DISTSTYLE ALL 的相關資訊，請參閱 [CREATE TABLE](r_CREATE_TABLE_NEW.md)。
ALTER DISTSTYLE EVEN
將資料表的現有分佈樣式變更為 `EVEN` 的子句。考慮下列各項：
+ 無法同時在相同資料表上執行 ALTER DISTSYTLE、ALTER SORTKEY 和 VACUUM。
+ 如果 VACUUM 目前執行中，然後執行 ALTER DISTSTYLE EVEN 會傳回錯誤。
+ 如果 ALTER DISTSTYLE EVEN 執行中，則不會在資料表上啟動背景清空。
+ 包含交錯排序索引鍵的資料表和暫存資料表不支援 ALTER DISTSTYLE EVEN 命令。
+ 如果分佈樣式先前已定義為 AUTO，則該資料表不再是自動資料表最佳化的候選項目。
如需 DISTSTYLE EVEN 的相關資訊，請參閱 [CREATE TABLE](r_CREATE_TABLE_NEW.md)。
ALTER DISTKEY *column\$1name* 或 ALTER DISTSTYLE KEY DISTKEY *column\$1name*
會變更用作資料表的分佈索引鍵的資料欄的子句。考慮下列各項：
+ VACUUM 和 ALTER DISTKEY 無法並行在相同資料表上執行。
+ 如果 VACUUM 已在執行，則 ALTER DISTKEY 會傳回錯誤。
+ 如果 ALTER DISTKEY 執行中，則不會在資料表上啟動背景清空。
+ 如果 ALTER DISTKEY 執行中，則前景清空會傳回錯誤。
+ 您一次僅可以在一個資料表上執行一個 ALTER DISTKEY 命令。
+ 包含交錯排序索引鍵的資料表不支援 ALTER DISTKEY 命令。
+ 如果分佈樣式先前已定義為 AUTO，則該資料表不再是自動資料表最佳化的候選項目。
指定 DISTSTYLE KEY 時，資料是依 DISTKEY 資料欄中的值分佈。如需 DISTSTYLE 的相關資訊，請參閱 [CREATE TABLE](r_CREATE_TABLE_NEW.md)。
ALTER DISTSTYLE AUTO
將資料表的現有分佈樣式變更為 AUTO 的子句。
將分佈樣式變更為 AUTO 時，資料表的分佈樣式會設定為下列內容：
+ 將具有 DISTSTYLE ALL 的小型資料表轉換為 AUTO(ALL)。
+ 將具有 DISTSTYLE EVEN 的小型資料表轉換為 AUTO(ALL)。
+ 將具有 DISTSTYLE KEY 的小型資料表轉換為 AUTO(ALL)。
+ 將具有 DISTSTYLE ALL 的大型資料表轉換為 AUTO(EVEN)。
+ 將具有 DISTSTYLE EVEN 的大型資料表轉換為 AUTO(EVEN)。
+ 將具有 DISTSTYLE KEY 的大型資料表轉換為 AUTO(KEY) 並保留 DISTKEY 。在這種情況下，Amazon Redshift 不會對資料表進行任何變更。
如果 Amazon Redshift 判斷新的分佈樣式或索引鍵可以改善查詢效能，那麼 Amazon Redshift 可能會在未來變更資料表的分佈樣式或索引鍵。例如，Amazon Redshift 可能會將 DISTSTYLE 為 AUTO(KEY) 的資料表轉換為 AUTO(EVEN)，反之亦然。如需修改分佈索引鍵時行為 (包括資料重新分佈和鎖定) 的相關資訊，請參閱 [Amazon Redshift Advisor 建議](https://docs.aws.amazon.com/redshift/latest/dg/advisor-recommendations.html#alter-diststyle-distkey-recommendation)。
如需 DISTSTYLE AUTO 的相關資訊，請參閱 [CREATE TABLE](r_CREATE_TABLE_NEW.md)。
若要檢視資料表的分佈樣式，請查詢 SVV\$1TABLE\$1INFO 系統目錄檢視。如需詳細資訊，請參閱[SVV\$1TABLE\$1INFO](r_SVV_TABLE_INFO.md)。若要檢視資料表的 Amazon Redshift Advisor 建議，請查詢 SVV\$1ALTER\$1TABLE\$1RECOMMENDATIONS 系統目錄檢視。如需詳細資訊，請參閱[SVV\$1ALTER\$1TABLE\$1RECOMMENDATIONS](r_SVV_ALTER_TABLE_RECOMMENDATIONS.md)。若要檢視 Amazon Redshift 所採取的動作，請查詢 SVL\$1AUTO\$1WORKER\$1ACTION 系統目錄檢視。如需詳細資訊，請參閱[SVL\$1AUTO\$1WORKER\$1ACTION](r_SVL_AUTO_WORKER_ACTION.md)。
ALTER [COMPOUND] SORTKEY ( *column\$1name* [,...] )
此子句可變更或新增用於資料表的排序索引鍵。暫存資料表不支援 ALTER SORTKEY。
當您變更排序索引鍵時，新排序索引鍵或原始排序索引鍵中欄的壓縮編碼可能會變更。如果沒有明確定義資料表的編碼，則 Amazon Redshift 會自動指定壓縮編碼，如下所示：
+ 定義為排序索引鍵的資料欄會有指派的 RAW 壓縮。
+ 定義為 BOOLEAN、REAL 或 DOUBLE PRECISION 資料類型的資料欄會有指派的 RAW 壓縮。
+ 定義為 SMALLINT、INTEGER、BIGINT、DECIMAL、DATE、TIME、TIMETZ、TIMESTAMP 或 TIMESTAMPTZ 的資料欄會有指派的 AZ64 壓縮。
+ 定義為 CHAR 或 VARCHAR 的資料欄會有指派的 LZO 壓縮。
考慮下列各項：
+ 每個資料表的排序索引鍵最多可定義 400 個資料欄。
+ 您可以將交錯排序索引鍵修改為複合排序索引鍵或無排序索引鍵。但是，您無法將複合排序索引鍵修改為交錯排序索引鍵。
+ 如果排序索引鍵先前已定義為 AUTO，則該資料表不再是自動資料表最佳化的候選項目。
+ Amazon Redshift 建議對定義為排序索引鍵的資料欄使用 RAW 編碼 (不壓縮)。當您變更資料欄以選擇其做為排序索引鍵時，資料欄的壓縮會變更為 RAW 壓縮 (不壓縮)。這可能會增加資料表所需的儲存空間。資料表大小的增加幅度取決於特定的資料表定義和資料表內容。如需壓縮的相關資訊，請參閱 [壓縮編碼](c_Compression_encodings.md)。
當資料載入資料表之後，資料就會依據排序索引鍵的排序載入。當您修改排序索引鍵時，Amazon Redshift 會重新排列資料。如需 SORTKEY 的相關資訊，請參閱[CREATE TABLE](r_CREATE_TABLE_NEW.md)。
ALTER SORTKEY AUTO
將目標資料表的排序索引鍵變更或新增為 AUTO 的子句。暫存資料表不支援 SORTKEY AUTO。
當您將排序索引鍵修改為 AUTO 時，Amazon Redshift 會保留資料表的現有排序索引鍵。
如果 Amazon Redshift 判斷新的排序索引鍵可以改善查詢效能，那麼 Amazon Redshift 可能會在未來變更資料表的排序索引鍵。
如需 SORTKEY AUTO 的相關資訊，請參閱 [CREATE TABLE](r_CREATE_TABLE_NEW.md)。
若要檢視資料表的排序索引鍵，請查詢 SVV\$1TABLE\$1INFO 系統目錄檢視。如需詳細資訊，請參閱[SVV\$1TABLE\$1INFO](r_SVV_TABLE_INFO.md)。若要檢視資料表的 Amazon Redshift Advisor 建議，請查詢 SVV\$1ALTER\$1TABLE\$1RECOMMENDATIONS 系統目錄檢視。如需詳細資訊，請參閱[SVV\$1ALTER\$1TABLE\$1RECOMMENDATIONS](r_SVV_ALTER_TABLE_RECOMMENDATIONS.md)。若要檢視 Amazon Redshift 所採取的動作，請查詢 SVL\$1AUTO\$1WORKER\$1ACTION 系統目錄檢視。如需詳細資訊，請參閱[SVL\$1AUTO\$1WORKER\$1ACTION](r_SVL_AUTO_WORKER_ACTION.md)。
ALTER SORTKEY NONE
移除目標資料表的排序索引鍵的子句。
如果排序索引鍵先前已定義為 AUTO，則該資料表不再是自動資料表最佳化的候選項目。
ALTER ENCODE AUTO
將目標資料表資料欄的編碼類型變更為 AUTO 的子句。當您將編碼修改為 AUTO 時，Amazon Redshift 會保留資料表中資料欄的現有編碼類型。然後，如果 Amazon Redshift 判斷新的編碼類型可以改善查詢效能，Amazon Redshift 就可以變更資料表資料欄的編碼類型。
如果您修改一個或多個欄以指定編碼，則 Amazon Redshift 不會再自動調整資料表中所有資料欄的編碼。這些資料欄會保留目前的編碼設定。
下列動作不會影響資料表的 ENCODE AUTO 設定：
+ 重新命名資料表。
+ 修改資料表的 DISTSTYLE 或 SORTKEY 設定。
+ 使用 ENCODE 設定新增或捨棄資料列。
+ 使用 COPY 命令的 COMPUPDATE 選項。如需詳細資訊，請參閱[資料載入操作](copy-parameters-data-load.md)。
若要檢視資料表的編碼，請查詢 SVV\$1TABLE\$1INFO 系統目錄檢視。如需詳細資訊，請參閱[SVV\$1TABLE\$1INFO](r_SVV_TABLE_INFO.md)。
RENAME COLUMN *column\$1name* TO *new\$1name*
此子句會將資料欄重新命名為 *new\$1name* 中指定的值。資料欄名稱長度上限為 127 個位元組；超過此長度的名稱會截斷至 127 個位元組。如需有效名稱的相關資訊，請參閱 [名稱與識別碼](r_names.md)。
ADD [ COLUMN ] *column\$1name*
將指定名稱的資料欄新增至資料表的子句。您只能在每個 ALTER TABLE 陳述式中新增一個資料欄。
您無法新增本身為資料表的分佈索引鍵 (DISTKEY) 或排序索引鍵 (SORTKEY) 的資料欄。
您無法使用 ALTER TABLE ADD COLUMN 命令修改以下資料表和資料欄屬性：
+ UNIQUE
+ PRIMARY KEY
+ REFERENCES (外部索引鍵)
+ IDENTITY 或 GENERATED BY DEFAULT AS IDENTITY
資料欄名稱長度上限為 127 個位元組；超過此長度的名稱會截斷至 127 個位元組。單一資料表中可定義的資料欄數目上限為 1,600 個。
以下限制適用於新增資料欄至外部資料表時：
+ 您無法將資料欄新增至具有資料欄限制條件 DEFAULT、ENCODE、NOT NULL 或 NULL 的外部資料表。
+ 您無法將資料欄新增至使用 AVRO 檔案格式定義的外部資料表。
+ 若啟用虛擬資料欄，則單一外部資料表中可定義的資料欄數目上限為 1,598 個。若未啟用虛擬資料欄，則單一資料表中可定義的資料欄數目上限為 1,600 個。
如需詳細資訊，請參閱[CREATE EXTERNAL TABLE](r_CREATE_EXTERNAL_TABLE.md)。
*column\$1type*
要新增之資料欄的資料類型。若是 CHAR 和 VARCHAR 資料欄，您可以改用 MAX 關鍵字，而不宣告長度上限。MAX 會將 CHAR 的長度上限設定為 4,096 個位元組，或將 VARCHAR 的長度上限設定為 65,535 個位元組。GEOMETRY 物件的大小上限是 1,048,447 位元組。
如需有關 Amazon Redshift 支援資料類型的資訊，請參閱 [資料類型](c_Supported_data_types.md)。
DEFAULT *default\$1expr*
此子句會指派資料欄的預設資料值。*default\$1expr* 的資料類型必須符合資料欄的資料類型。DEFAULT 值必須是無變數的表達式。不允許子查詢、目前資料表中其他資料欄的交叉參考，以及使用者定義的功能。
*default\$1expr* 是在未指定資料欄值的任何 INSERT 操作中使用。若未指定預設值，則資料欄的預設值為 null。
若 COPY 操作在資料欄上遇到有 DEFAULT 值和 NOT NULL 限制條件的 null 欄位，則 COPY 命令會插入 *default\$1expr* 的值。
外部資料表不支援 DEFAULT。
ENCODE *encoding*
資料欄的壓縮編碼。根據預設，如果您未為資料表中的任何資料欄指定壓縮編碼，或者您指定資料表的 ENCODE AUTO 選項，Amazon Redshift 會自動管理資料表中所有資料欄的壓縮編碼。
如果您為資料表中的任何資料欄指定壓縮編碼，或者未為資料表指定 ENCODE AUTO 選項，Amazon Redshift 會自動將壓縮編碼指派給您未指定壓縮編碼的資料欄，如下所示：
+ 暫時資料表中的所有資料欄預設都會有指派的 RAW 壓縮。
+ 定義為排序索引鍵的資料欄會有指派的 RAW 壓縮。
+ 定義為 BOOLEAN、REAL、DOUBLE PRECISION、GEOMETRY 或 GEOGRAPHY 資料類型的資料行會有指派的 RAW 壓縮。
+ 定義為 SMALLINT、INTEGER、BIGINT、DECIMAL、DATE、TIME、TIMETZ、TIMESTAMP 或 TIMESTAMPTZ 的資料欄會有指派的 AZ64 壓縮。
+ 定義為 CHAR、VARCHAR 或 VARBYTE 的資料欄會有指派的 LZO 壓縮。
若您不想要壓縮資料欄，請明確指定 RAW 編碼。
支援以下 [compression encodings](c_Compression_encodings.md#compression-encoding-list)：
+ AZ64
+ BYTEDICT
+ DELTA
+ DELTA32K
+ LZO
+ MOSTLY8
+ MOSTLY16
+ MOSTLY32
+ RAW (無壓縮)
+ RUNLENGTH
+ TEXT255
+ TEXT32K
+ ZSTD
外部資料表不支援 ENCODE。
NOT NULL \$1 NULL
NOT NULL 會指定不允許資料欄包含 null 值。NULL 是預設值，指出資料欄可接受 null 值。
外部資料表不支援 NOT NULL 和 NULL。
COLLATE \$1 CASE\$1SENSITIVE \$1 CS \$1 CASE\$1INSENSITIVE \$1 CI \$1
指定資料欄上的字串搜尋或比較是區分大小寫或不區分大小寫的子句。預設值與資料庫目前的區分大小寫設定相同。
若要尋找資料庫定序資訊，請使用下列命令：
```
SELECT db_collation();
db_collation
----------------
case_sensitive
(1 row)
```
CASE\$1SENSITIVE 和 CS 可互換，並產生相同的結果。同樣地，CASE\$1INSENSITIVE 和 CI 可互換，並產生相同的結果。
DROP [ COLUMN ] *column\$1name*
要從資料表中刪除的資料欄名稱。
您無法刪除資料表中的最後一個資料欄。資料表至少必須有一個資料欄。
您無法刪除本身為資料表的分佈索引鍵 (DISTKEY) 或排序索引鍵 (SORTKEY) 的資料欄。若資料欄有任何相依物件，像是檢視、主索引鍵、外部索引鍵或 UNIQUE 限制條件，則 DROP COLUMN 的預設行為是 RESTRICT。
以下限制適用於從外部資料表刪除資料欄時：
+ 若資料欄做為分割區使用，則無法從外部資料表刪除該資料欄。
+ 您無法從使用 AVRO 檔案格式定義的外部資料表中刪除資料欄。
+ 外部資料表的 RESTRICT 和 CASCADE 會遭到忽略。
+ 除非您將政策捨棄或中斷連結，否則您無法捨棄政策定義中參照的政策資料表資料欄。這也適用於指定 CASCADE 選項時。您可以捨棄政策資料表中的其他資料欄。
如需詳細資訊，請參閱[CREATE EXTERNAL TABLE](r_CREATE_EXTERNAL_TABLE.md)。
RESTRICT
搭配 DROP COLUMN 使用時，RESTRICT 表示要捨棄的資料欄未捨棄，在以下這些情況中：
+ 如果定義的檢視參考要捨棄的資料欄
+ 如果外部索引鍵參考資料欄
+ 如果資料欄為分段索引鍵的一部分
RESTRICT 不能搭配 CASCADE 使用。
外部資料表的 RESTRICT 和 CASCADE 會遭到忽略。
CASCADE
搭配 DROP COLUMN 使用時，會移除指定的資料欄及相依於該資料欄的任何項目。CASCADE 不能搭配 RESTRICT 使用。
外部資料表的 RESTRICT 和 CASCADE 會遭到忽略。
以下選項只適用於外部資料表。
SET LOCATION \$1 's3://*bucket/folder*/' \$1 's3://*bucket/manifest\$1file*' \$1
包含資料檔案的 Amazon S3 資料夾路徑，或包含 Amazon S3 物件路徑清單的資訊清單檔案。儲存貯體必須位於 Amazon Redshift 叢集所在的同一 AWS 區域。如需支援的 AWS 區域清單，請參閱 [Amazon Redshift Spectrum 限制](c-spectrum-considerations.md)。如需使用資訊清單檔案的相關資訊，請參閱 CREATE EXTERNAL TABLE [Parameters](r_CREATE_EXTERNAL_TABLE.md#r_CREATE_EXTERNAL_TABLE-parameters) 參考中的 LOCATION。
SET FILE FORMAT *format*
外部資料檔案的檔案格式。
有效格式如下：
+ AVRO
+ PARQUET
+ RCFILE
+ SEQUENCEFILE
+ TEXTFILE
SET TABLE PROPERTIES ( '*property\$1name*'='*property\$1value*')
此子句會設定外部資料表的資料表屬性的資料表定義。
資料表屬性區分大小寫。
'numRows'='*row\$1count*'
此屬性會設定資料表定義的 numRows 值。若要明確更新外部資料表的統計資料，請設定 numRows 屬性以指出資料表的大小。Amazon Redshift 不會分析外部資料表來產生查詢最佳化工具用來產生查詢計劃的資料表統計資料。如果未設定外部資料表的資料表統計資料，則 Amazon Redshift 會產生查詢執行計畫。此計畫是根據外部資料表為較大資料表，而本機資料表為較小資料表的假設。
'skip.header.line.count'='*line\$1count*'
此屬性會設定每個來源檔案開頭要略過的資料列數。
PARTITION ( *partition\$1column*=*partition\$1value* [, ...] SET LOCATION \$1 's3://*bucket*/*folder*' \$1 's3://*bucket*/*manifest\$1file*' \$1
此子句會設定一個或多個分割區資料欄的新位置。
ADD [ IF NOT EXISTS ] PARTITION ( *partition\$1column*=*partition\$1value* [, ...] ) LOCATION \$1 's3://*bucket*/*folder*' \$1 's3://*bucket*/*manifest\$1file*' \$1 [, ... ]
新增一或多個分割區的子句。您可以使用單一 ALTER TABLE … ADD 陳述式來指定多個 PARTITION 子句。
如果您使用 AWS Glue 目錄，您可以使用單一 ALTER TABLE 陳述式新增最多 100 個分割區。
IF NOT EXISTS 子句指出，若指定的分割區已存在，則命令不應進行任何變更。也指出命令應該傳回分割區已存在的訊息，而不是在發生錯誤的情況下終止。此子句在編寫指令碼時很實用，如此指令碼就不會因為 ALTER TABLE 嘗試新增已存在的分割區而失敗。
DROP PARTITION (*partition\$1column*=*partition\$1value* [, ...] )
刪除指定分割區的子句。刪除分割區只會修改外部資料表中繼資料。Amazon S3 上的資料不受影響。
ROW LEVEL SECURITY \$1 ON \$1 OFF \$1 [ CONJUNCTION TYPE \$1 AND \$1 OR \$1 ] [ FOR DATASHARES ]
開啟或關閉關係的資料列層級安全性的子句。
開啟關係的資料列層級安全性時，您只能讀取資料列層級安全政策允許您存取的資料列。如果沒有任何政策授予您關係存取權，您就無法看到關聯中的任何資料列。只有超級使用者和具有 `sys:secadmin` 角色的使用者或角色可以設定 ROW LEVEL SECURITY 子句。如需詳細資訊，請參閱[資料列層級安全性](t_rls.md)。連線的資料庫或具有 amazon redshift 聯合許可的資料庫支援此陳述式。FOR DATASHARES 子句不支援具有 Amazon Redshift 聯合許可的資料庫。
+ [ CONJUNCTION TYPE \$1 AND \$1 OR \$1 ]
一個子句，讓您為關係選擇資料列層級安全政策的結合類型。將多個資料列層級安全政策附加至關係時，您可以將政策與 AND 或 OR 子句結合使用。根據預設，Amazon Redshift 將 RLS 政策與 AND 子句結合在一起。具有 `sys:secadmin` 角色的超級使用者、使用者或角色可以使用此子句來定義關係之資料列層級安全政策的組合類型。如需詳細資訊，請參閱[每個使用者結合多個政策](t_rls_combine_policies.md)。
+ FOR DATASHARES
該子句會決定是否可透過資料共用存取受 RLS 保護的關係。預設的情況是無法透過資料共用存取受 RLS 保護的關係。搭配此子句執行的 ALTER TABLE ROW LEVEL SECURITY 命令只會影響關係的資料共用存取屬性。ROW LEVEL SECURITY 屬性並未變更。
如果您讓受 RLS 保護的關係可以透過資料庫存取，則該關係在取用者端資料庫中不會有資料列層級的安全性。關係會在生產者端保留其 RLS 屬性。
MASKING \$1 ON \$1 OFF \$1 FOR DATASHARES
該子句會決定是否可透過資料共用存取受 DDM 保護的關係。根據預設，無法透過資料共用存取受 DDM 保護的關係。如果您開放透過資料共用存取受 DDM 保護的關係，則該關係在取用者端資料共用的資料庫中不會受到遮罩保護。關係會保留其在生產者端的遮罩屬性。只有超級使用者和具有 `sys:secadmin` 角色的使用者或角色可以設定 MASKING FOR DATASHARES 子句。如需詳細資訊，請參閱[動態資料遮罩](t_ddm.md)。
## 範例
如需示範如何使用 ALTER TABLE 命令的範例，請參閱下列內容。
+ [ALTER TABLE 範例](r_ALTER_TABLE_examples_basic.md)
+ [ALTER EXTERNAL TABLE 範例](r_ALTER_TABLE_external-table.md)
+ [ALTER TABLE ADD 和 DROP COLUMN 範例](r_ALTER_TABLE_COL_ex-add-drop.md)
# ALTER TABLE 範例
以下範例示範 ALTER TABLE 命令的基本用法。
## 重新命名資料表或檢視
以下命令會將 USERS 資料表重新命名為 USERS\$1BKUP：
```
alter table users
rename to users_bkup;
```
您也可以使用此類型的命令來重新命名檢視。
## 變更資料表或檢視的擁有者
以下命令會將 VENUE 資料表擁有者變更為使用者 DWUSER：
```
alter table venue
owner to dwuser;
```
以下命令會建立檢視，然後變更其擁有者：
```
create view vdate as select * from date;
alter table vdate owner to vuser;
```
## 重新命名欄位
以下命令會將 VENUE 資料表中的 VENUESEATS 資料欄重新命名為 VENUESIZE：
```
alter table venue
rename column venueseats to venuesize;
```
## 丟棄資料表限制條件
若要捨棄資料表限制條件，像是主索引鍵、外部索引鍵或唯一限制條件，請先找到限制條件的內部名稱。然後在 ALTER TABLE 命令中指定限制條件名稱。以下範例會尋找 CATEGORY 資料表的限制條件，然後刪除名稱為 `category_pkey` 的主索引鍵。
```
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;
```
## 變更 VARCHAR 資料欄
若要節省儲存體，您可以定義一個資料表，其中的 VARCHAR 資料欄一開始具有您目前資料需求所需的最低大小。之後若要容納較長的字串，則可以變更資料表以增加資料欄的大小。
以下範例會將 EVENTNAME 資料欄的大小增加為 VARCHAR (300)。
```
alter table event alter column eventname type varchar(300);
```
## 更改 VARBYTE 欄
若要節省儲存體，您可以定義一個資料表，其中的 VARBYTE 欄一開始具有您目前資料需求所需的最低大小。之後若要容納較長的字串，則可以變更資料表以增加資料欄的大小。
以下範例會將 EVENTNAME 欄的大小增加為 VARBYTE(300)。
```
alter table event alter column eventname type varbyte(300);
```
## 修改資料欄的壓縮編碼。
您可以修改資料欄的壓縮編碼。您可以在下方找到一組示範此方法的範例。這些範例的資料表定義如下。
```
create table t1(c0 int encode lzo, c1 bigint encode zstd, c2 varchar(16) encode lzo, c3 varchar(32) encode zstd);
```
下列陳述式會將資料欄 c0 的壓縮編碼從 LZO 編碼修改為 AZ64 編碼。
```
alter table t1 alter column c0 encode az64;
```
下列陳述式會將資料欄 c1 的壓縮編碼從 Zstandard 編碼修改為 AZ64 編碼。
```
alter table t1 alter column c1 encode az64;
```
下列陳述式會將資料欄 c2 的壓縮編碼從 LZO 編碼修改為 Byte-Dictionary 編碼。
```
alter table t1 alter column c2 encode bytedict;
```
下列陳述式會將資料欄 c3 的壓縮編碼從 Zstandard 編碼修改為 Runlength 編碼。
```
alter table t1 alter column c3 encode runlength;
```
## 修改 DISTSTYLE KEY DISTKEY 欄位
下列範例示範如何變更資料表的 DISTSTYLE 和 DISTKEY。
建立採用 EVEN 分佈樣式的資料表。SVV\$1TABLE\$1INFO 檢視顯示 DISTSTYLE 為 EVEN。
```
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
```
將資料表 DISTKEY 改為 `inv_warehouse_sk`。SVV\$1TABLE\$1INFO 檢視將 `inv_warehouse_sk` 資料欄顯示為產生的分佈金鑰。
```
alter table inventory alter diststyle key distkey inv_warehouse_sk;
select "table", "diststyle" from svv_table_info;
table | diststyle
-----------+-----------------------
inventory | KEY(inv_warehouse_sk)
```
將資料表 DISTKEY 改為 `inv_item_sk`。SVV\$1TABLE\$1INFO 檢視將 `inv_item_sk` 資料欄顯示為產生的分佈金鑰。
```
alter table inventory alter distkey inv_item_sk;
select "table", "diststyle" from svv_table_info;
table | diststyle
-----------+-----------------------
inventory | KEY(inv_item_sk)
```
## 將資料表改為 DISTSTYLE ALL
下列範例示範如何將資料表變更為 DISTSTYLE ALL。
建立採用 EVEN 分佈樣式的資料表。SVV\$1TABLE\$1INFO 檢視顯示 DISTSTYLE 為 EVEN。
```
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
```
將資料表 DISTSTYLE 改為 ALL。SVV\$1TABLE\$1INFO 檢視會顯示已變更的 DISTSYTLE。
```
alter table inventory alter diststyle all;
select "table", "diststyle" from svv_table_info;
table | diststyle
-----------+----------------
inventory | ALL
```
## 修改資料表 SORTKEY
您可以修改資料表以具有複合排序索引鍵或沒有排序鍵。
在下列資料表定義中，資料表 `t1` 是以交錯排序索引鍵來定義。
```
create table t1 (c0 int, c1 int) interleaved sortkey(c0, c1);
```
下列命令會將資料表從交錯排序索引鍵修改為複合排序索引鍵。
```
alter table t1 alter sortkey(c0, c1);
```
下列命令會修改資料表以移除交錯排序索引鍵。
```
alter table t1 alter sortkey none;
```
在下列資料表定義中，資料表 `t1` 是以 `c0` 作為交錯排序索引鍵來定義。
```
create table t1 (c0 int, c1 int) sortkey(c0);
```
下列命令會將資料表 `t1` 修改為複合排序索引鍵。
```
alter table t1 alter sortkey(c0, c1);
```
## 將資料表修改為 ENCODE AUTO
下列範例顯示如何將資料表修改為 ENCODE AUTO。
此範例的資料表定義如下。資料欄 `c0` 是以編碼類型 AZ64 定義，而資料欄 `c1` 是以編碼類型 LZO 定義。
```
create table t1(c0 int encode AZ64, c1 varchar encode LZO);
```
對於此資料表，下列陳述式會將編碼變更為 AUTO。
```
alter table t1 alter encode auto;
```
下列範例會顯示如何將資料表修改為移除 ENCODE AUTO 設定。
此範例的資料表定義如下。資料表資料欄不需編碼即可定義。在這種情況下，編碼會預設為 ENCODE AUTO。
```
create table t2(c0 int, c1 varchar);
```
對於此資料表，下列陳述式會將資料欄 c0 的編碼變更為 LZO。資料表編碼不再設定為 ENCODE AUTO。
```
alter table t2 alter column c0 encode lzo;;
```
## 修改資料列層級安全性控制
下列命令會關閉資料表的 RLS：
```
ALTER TABLE tickit_category_redshift ROW LEVEL SECURITY OFF;
```
下列命令會開啟資料表的 RLS：
```
ALTER TABLE tickit_category_redshift ROW LEVEL SECURITY ON;
```
下列命令會開啟資料表的 RLS，並使其可透過資料共用存取：
```
ALTER TABLE tickit_category_redshift ROW LEVEL SECURITY ON;
ALTER TABLE tickit_category_redshift ROW LEVEL SECURITY FOR DATASHARES OFF;
```
下列命令會開啟資料表的 RLS，並使其不可透過資料共用存取：
```
ALTER TABLE tickit_category_redshift ROW LEVEL SECURITY ON;
ALTER TABLE tickit_category_redshift ROW LEVEL SECURITY FOR DATASHARES ON;
```
下列命令會開啟 RLS，並將資料表的 RLS 結合類型設定為 OR：
```
ALTER TABLE tickit_category_redshift ROW LEVEL SECURITY ON CONJUNCTION TYPE OR;
```
下列命令會開啟 RLS，並將資料表的 RLS 結合類型設定為 AND：
```
ALTER TABLE tickit_category_redshift ROW LEVEL SECURITY ON CONJUNCTION TYPE AND;
```
# ALTER EXTERNAL TABLE 範例
下列範例使用位於美國東部 （維吉尼亞北部） 區域 (`us-east-1`) 的 Amazon S3 儲存貯體， AWS 區域 以及在 中[範例](r_CREATE_EXTERNAL_TABLE_examples.md)為 CREATE TABLE 建立的範例資料表。如需如何搭配外部資料表使用分割區的詳細資訊，請參閱 [分割 Redshift Spectrum 外部資料表](c-spectrum-external-tables.md#c-spectrum-external-tables-partitioning)。
以下範例會將 SPECTRUM.SALES 外部資料表的 numRows 資料表屬性設定為 170,000 個資料列。
```
alter table spectrum.sales
set table properties ('numRows'='170000');
```
以下範例會變更 SPECTRUM.SALES 外部資料表的位置。
```
alter table spectrum.sales
set location 's3://redshift-downloads/tickit/spectrum/sales/';
```
以下範例會將 SPECTRUM.SALES 外部資料表的格式變更為 Parquet。
```
alter table spectrum.sales
set file format parquet;
```
以下範例會為 SPECTRUM.SALES\$1PART 資料表新增一個分割區。
```
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/';
```
以下範例會為 SPECTRUM.SALES\$1PART 資料表新增三個分割區。
```
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/';
```
以下範例會修改 SPECTRUM.SALES\$1PART 以刪除具有 `saledate='2008-01-01''` 的分割區。
```
alter table spectrum.sales_part
drop partition(saledate='2008-01-01');
```
以下範例會為具有 `saledate='2008-01-01'` 的分割區設定新的 Amazon S3 路徑。
```
alter table spectrum.sales_part
partition(saledate='2008-01-01')
set location 's3://redshift-downloads/tickit/spectrum/sales_partition/saledate=2008-01-01/';
```
下列範例會將 `sales_date` 的名稱變更為 `transaction_date`。
```
alter table spectrum.sales rename column sales_date to transaction_date;
```
下列範例會針對使用最佳化資料列單欄式 (ORC) 格式的外部資料表，將資料欄映射設定為位置映射。
```
alter table spectrum.orc_example
set table properties('orc.schema.resolution'='position');
```
下列範例會針對使用 ORC 格式的外部資料表，將資料欄映射設定為名稱映射。
```
alter table spectrum.orc_example
set table properties('orc.schema.resolution'='name');
```
# ALTER TABLE ADD 和 DROP COLUMN 範例
以下範例示範如何使用 ALTER TABLE 先新增再刪除基本資料表資料欄，以及如何刪除具有相依物件的資料欄。
## 先 ADD 再 DROP 基本欄位
下列範例會將獨立的 FEEDBACK\$1SCORE 資料欄新增至 USERS 資料表。此資料欄僅包含整數，且此資料欄的預設值為 NULL (無意見回饋分數)。
首先，查詢 PG\$1TABLE\$1DEF 目錄資料表以檢視 USERS 資料表的結構描述：
```
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
```
現在新增 feedback\$1score 資料欄：
```
alter table users
add column feedback_score int
default NULL;
```
從 USERS 選取 FEEDBACK\$1SCORE 資料欄，確認其已新增：
```
select feedback_score from users limit 5;
feedback_score
----------------
NULL
NULL
NULL
NULL
NULL
```
刪除資料欄以恢復原始 DDL：
```
alter table users drop column feedback_score;
```
## 捨棄具有相依物件的欄位
下列範例會捨棄具有相依物件的資料欄。結果會將相依物件一併刪除。
首先再次將 FEEDBACK\$1SCORE 資料欄新增至 USERS 資料表：
```
alter table users
add column feedback_score int
default NULL;
```
接著從 USERS 資料表建立名為 USERS\$1VIEW 的檢視：
```
create view users_view as select * from users;
```
現在嘗試從 USERS 資料表刪除 FEEDBACK\$1SCORE 資料欄。此 DROP 陳述式會使用預設行為 (RESTRICT)：
```
alter table users drop column feedback_score;
```
Amazon Redshift 會顯示錯誤訊息，指出無法捨棄資料欄，因為有其他物件與其相依。
再次嘗試刪除 FEEDBACK\$1SCORE 資料欄，這次指定 CASCADE 以刪除所有相依物件：
```
alter table users
drop column feedback_score cascade;
```
# ALTER TABLE APPEND
會從現有來源資料表移出資料，將資料列附加到目標資料表。來源資料表中的資料會移至目標資料表中相符的資料欄。資料欄的順序並不重要。資料成功附加至目標資料表後，來源資料表就會是空的。因為是移動而不是複製資料，ALTER TABLE APPEND 通常比類似的 [CREATE TABLE AS](r_CREATE_TABLE_AS.md) 或 [INSERT](r_INSERT_30.md) INTO 操作更快。
**注意**
ALTER TABLE APPEND 會在來源資料表和目標資料表之間移動資料區塊。為了提升效能，ALTER TABLE APPEND 不會在附加操作的過程中精簡儲存空間。因此，儲存空間的使用量會暫時增加。若要回收空間，請執行 [VACUUM](r_VACUUM_command.md) 操作。
同名的資料欄也必須有一模一樣的資料欄屬性。若來源資料表或目標資料表包含對方所沒有的資料欄，請使用 IGNOREEXTRA 或 FILLTARGET 參數指定管理額外資料欄的方式。
您無法附加身分資料欄。若兩個資料表都包含身分資料欄，命令就會失敗。若只有一個資料表擁有身分資料欄，請包含 FILLTARGET 或 IGNOREEXTRA 參數。如需詳細資訊，請參閱[ALTER TABLE APPEND 使用須知](#r_ALTER_TABLE_APPEND_usage)。
您可以附加 GENERATED BY DEFAULT AS IDENTITY 欄。您可以利用您提供的值，更新定義為 GENERATED BY DEFAULT AS IDENTITY 的資料欄。如需詳細資訊，請參閱[ALTER TABLE APPEND 使用須知](#r_ALTER_TABLE_APPEND_usage)。
目標資料表必須是永久資料表。不過，來源可以是永久資料表，也可以是為串流擷取設定的具體化視觀表。兩個物件必須使用相同的分佈樣式和分佈索引鍵 (如有定義的話)。若物件經過排序，則兩個物件必須使用相同的排序樣式，並且定義相同的資料欄做為排序索引鍵。
ALTER TABLE APPEND 命令會在操作完成時立即自動遞交。此命令無法轉返。您無法在交易區塊 (BEGIN ... END) 內執行 ALTER TABLE APPEND。如需交易的相關資訊，請參閱 [Amazon Redshift 中的隔離層級](c_serial_isolation.md)。
## 所需權限
根據 ALTER TABLE APPEND 命令的不同，使用者可能需要下列其中一項權限：
+ 超級使用者
+ 具 ALTER TABLE 系統權限的使用者
+ 在來源資料表上具有 DELETE 和 SELECT 權限，以及在目標資料表上具有 INSERT 權限的使用者
## 語法
```
ALTER TABLE target_table_name APPEND FROM [ source_table_name | source_materialized_view_name ]
[ IGNOREEXTRA | FILLTARGET ]
```
從具體化視觀表附加只有在為 [將擷取串流至具體化視觀表](materialized-view-streaming-ingestion.md) 設定具體化視觀表的情況下才有作用。
## Parameters
*target\$1table\$1name*
要附加資料列的資料表名稱。僅指定資料表的名稱，或使用格式 *schema\$1name.table\$1name* 來使用專屬結構描述。目標資料表必須是現有的永久資料表。
FROM *source\$1table\$1name*
提供要附加之資料列的資料表名稱。僅指定資料表的名稱，或使用格式 *schema\$1name.table\$1name* 來使用專屬結構描述。來源資料表必須是現有的永久資料表。
FROM *source\$1materialized\$1view\$1name*
提供要附加之資料列的具體化視觀表名稱。從具體化視觀表附加只有在為 [將擷取串流至具體化視觀表](materialized-view-streaming-ingestion.md) 設定具體化視觀表的情況下才有作用。來源具體化視觀表必須已存在。
IGNOREEXTRA
此關鍵字會指定，若來源資料表包含了目標資料表中沒有的資料欄，則應捨棄額外資料欄中的資料。您無法搭配 FILLTARGET 使用 IGNOREEXTRA。
FILLTARGET
此關鍵字會指定，若目標資料表包含了來源資料表中沒有的資料欄，則應在這些資料欄中填入 [DEFAULT](r_CREATE_TABLE_NEW.md#create-table-default) 資料欄值 (如有定義的話) 或 NULL。您無法搭配 FILLTARGET 使用 IGNOREEXTRA。
## ALTER TABLE APPEND 使用須知
+ ALTER TABLE APPEND 只會移動來源資料表與目標資料表中完全相同的資料欄。資料欄的順序並不重要。
+ 若來源資料表或目標資料表包含額外的資料欄，請根據下列規則使用 FILLTARGET 或 IGNOREEXTRA：
+ 如果來源資料表包含了目標資料表中沒有的資料欄，則要包括 IGNOREEXTRA。此命令會略過來源資料表中額外的資料欄。
+ 如果目標資料表包含了來源資料表中沒有的資料欄，則要包括 FILLTARGET。此命令會以預設資料欄值或 IDENTITY 值 (如有定義的話) 或 NULL 填入目標資料表中額外的資料欄。
+ 如果來源資料表和目標資料表都包含額外的資料欄，則命令會失敗。您無法同時使用 FILLTARGET 和 IGNOREEXTRA。
+ 如果兩個資料表中包含的資料欄名稱相同但屬性不同，則命令會失敗。名稱類似的資料欄必須都有下列屬性：
+ 資料類型
+ 資料欄大小
+ 壓縮編碼
+ 非 null
+ 排序樣式
+ 排序索引鍵資料欄
+ 分佈樣式
+ 分佈索引鍵資料欄
+ 您無法附加身分資料欄。如果來源資料表和目標資料表都有身分資料欄，則命令會失敗。若只有來源資料表擁有身分資料欄，請包含 IGNOREEXTRA 參數以便略過身分資料欄。若只有目標資料表擁有身分資料欄，請包含 FILLTARGET 參數，以便根據為資料表定義的 IDENTITY 子句填入身分資料欄。如需詳細資訊，請參閱[DEFAULT](r_CREATE_TABLE_NEW.md#create-table-default)。
+ 您可以利用 ALTER TABLE APPEND 陳述式來附加預設身分資料欄。如需詳細資訊，請參閱[CREATE TABLE](r_CREATE_TABLE_NEW.md)。
+ ALTER TABLE APPEND 操作在連線至下列任一項的 Amazon Redshift 串流具體化視觀表上執行時，會保留獨佔鎖定：
+ Amazon Kinesis Data Stream
+ Amazon Managed Streaming for Apache Kafka 主題
+ 支援的外部串流，例如 Confluent Cloud Kafka 主題
如需詳細資訊，請參閱[將擷取串流至具體化視觀表](materialized-view-streaming-ingestion.md)。
## ALTER TABLE APPEND 範例
假設您的組織有資料表 SALES\$1MONTHLY，用來擷取目前的銷售交易。您想要每個月將交易資料表中的資料移至 SALES 資料表。
您可以使用以下 INSERT INTO 和 TRUNCATE 命令完成這項任務。
```
insert into sales (select * from sales_monthly);
truncate sales_monthly;
```
不過，使用 ALTER TABLE APPEND 命令能夠更有效率地執行相同的操作。
首先，查詢 [PG\$1TABLE\$1DEF](r_PG_TABLE_DEF.md) 系統目錄資料表以確認兩個資料表擁有相同的資料欄，且資料欄的屬性相同。
```
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
```
接著查看各資料表的大小。
```
select count(*) from sales_monthly;
count
-------
2000
(1 row)
select count(*) from sales;
count
-------
412,214
(1 row)
```
現在執行以下 ALTER TABLE APPEND 命令。
```
alter table sales append from sales_monthly;
```
再次查看各資料表的大小。SALES\$1MONTHLY 資料表現在擁有 0 個資料列，而 SALES 資料表增加了 2000 個資料列。
```
select count(*) from sales_monthly;
count
-------
0
(1 row)
select count(*) from sales;
count
-------
414214
(1 row)
```
如果來源資料表的資料欄比目標資料表多，請指定 IGNOREEXTRA 參數。以下範例使用 IGNOREEXTRA 參數在附加至 SALES 資料表時，略過 SALES\$1LISTING 資料表中額外的資料欄。
```
alter table sales append from sales_listing ignoreextra;
```
如果目標資料表的資料欄比來源資料表多，請指定 FILLTARGET 參數。以下範例使用 FILLTARGET 參數來填入 SALES\$1REPORT 資料表中 SALES\$1MONTH 資料表沒有的資料欄。
```
alter table sales_report append from sales_month filltarget;
```
下列範例顯示如何以具體化視觀表作為來源來使用 ALTER TABLE APPEND 的範例。
```
ALTER TABLE target_tbl APPEND FROM my_streaming_materialized_view;
```
此範例中的資料表和具體化視觀表名稱為範例。從具體化視觀表附加只有在為 [將擷取串流至具體化視觀表](materialized-view-streaming-ingestion.md) 設定具體化視觀表的情況下才有作用。這會將來源具體化視觀表中的所有記錄移至與具體化視觀表具有相同結構描述的目標資料表，並使具體化視觀表保持不變。這與資料來源為資料表時的行為相同。
# ALTER 範本
變更現有範本的定義。使用此命令重新命名範本、變更範本的擁有者、從範本定義新增或移除參數，或設定參數值。
## 所需權限
若要更改範本，您必須具有下列其中一項：
+ 超級使用者權限
+ 包含範本之結構描述的 ALTER TEMPLATE 權限和 USAGE 權限
## 語法
```
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 , ...]
};
```
## Parameters
*database\$1name*
（選用） 建立範本的資料庫名稱。如果未指定，則會使用目前的資料庫。
*schema\$1name*
（選用） 建立範本的結構描述名稱。如果未指定，則會在目前的搜尋路徑中搜尋範本。
*template\$1name*
要變更的範本名稱。
RENAME TO
重新命名範本的 子句。
*new\$1name*
範本的新名稱。如需有效名稱的相關資訊，請參閱 [名稱與識別碼](r_names.md)。
OWNER TO
變更範本擁有者的子句。
*new\$1owner*
範本的新擁有者。
ADD *參數* 【AS】 【*值*】
將新參數新增至範本。
+ 對於僅限關鍵字的參數 （例如 CSV 或 GZIP)，請僅指定參數名稱。
+ 對於需要值的參數，請指定參數名稱，後面接著 值。您可以選擇性地在參數和值之間包含 AS。
DROP *參數*
從範本中移除指定的參數。無法使用單一 DROP 命令捨棄多個參數。
SET *參數* TO *value1* 【， *參數2* TO *value2* ， ...】
更新現有範本參數的值。僅將 用於已有值的參數。您可以在單一命令中更新多個參數。
## 範例
下列範例會將 test\$1template 範本重新命名為 demo\$1template。
```
ALTER TEMPLATE test_template
RENAME TO demo_template;
```
下列範例會將 demo\$1template 結構描述的擁有權提供給使用者 bob。
```
ALTER TEMPLATE demo_template
OWNER TO bob;
```
下列範例將參數`CSV`新增至 template demo\$1template
```
ALTER TEMPLATE demo_template
ADD CSV;
```
下列範例將參數`TIMEFORMAT 'auto'`新增至 template demo\$1template
```
ALTER TEMPLATE demo_template
ADD TIMEFORMAT 'auto';
```
下列範例`ENCRYPTED`會從範本 demo\$1template 捨棄參數
```
ALTER TEMPLATE demo_template
DROP ENCRYPTED;
```
下列範例會將 `DELIMITER` 參數設定為 ，`'|'`並將 `TIMEFORMAT` 參數設定為 `'epochsecs'`：
```
ALTER TEMPLATE demo_template
SET DELIMITER TO '|', TIMEFORMAT TO 'epochsecs';
```
# ALTER USER
變更資料庫使用者。
## 所需權限
以下是 ALTER USER 所需的權限：
+ 超級使用者
+ 具有 ALTER USER 權限的使用者
+ 想要變更自己密碼的目前使用者
## 語法
```
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
```
## Parameters
*username*
使用者的名稱。
WITH
選用的關鍵字。
CREATEDB \$1 NOCREATEDB
CREATEDB 選項可讓使用者建立新的資料庫。NOCREATEDB 是預設值。
CREATEUSER \$1 NOCREATEUSER
CREATEUSER 選項可建立具有所有資料庫權限的超級使用者，包括 CREATE USER。預設值為 NOCREATEUSER。如需詳細資訊，請參閱[超級使用者](r_superusers.md)。
SYSLOG ACCESS \$1 RESTRICTED \$1 UNRESTRICTED \$1
此子句會指定使用者對 Amazon Redshift 系統資料表和檢視的存取層級。
具有 SYSLOG ACCESS RESTRICTED 許可的一般使用者，只能看見該使用者在使用者可見的系統資料表和檢視中產生的列。預設值為 RESTRICTED。
具有 SYSLOG ACCESS UNRESTRICTED 許可的一般使用者，可以看見使用者可見的系統資料表和檢視中的所有列，包括其他使用者產生的列。UNRESTRICTED 並不會讓一般使用者存取超級使用者可查看的資料表。只有超級使用者可看見超級使用者可查看的資料表。
若使用者擁有不受限制的系統資料表存取權限，該使用者就能查看其他使用者產生的資料。例如，STL\$1QUERY 和 STL\$1QUERYTEXT 包含 INSERT、UPDATE 和 DELETE 陳述式的全文，當中可能包含使用者產生的敏感資料。
所有使用者皆可看到 SVV\$1TRANSACTIONS 中的所有資料列。
如需詳細資訊，請參閱[系統資料表和檢視中資料的可見性](cm_chap_system-tables.md#c_visibility-of-data)。
PASSWORD \$1 '*password*' \$1 '*md5hash*' \$1 '*sha256hash*' \$1 DISABLE \$1
設定使用者的密碼。
根據預設，使用者可以變更自己擁有的密碼，除非密碼遭到停用。若要停用使用者的密碼，請指定 DISABLE。停用使用者的密碼時，會從系統刪除密碼，而且使用者只能使用暫時 AWS Identity and Access Management (IAM) 使用者登入資料登入。如需詳細資訊，請參閱[使用 IAM 身分驗證產生資料庫使用者登入資料](https://docs.aws.amazon.com/redshift/latest/mgmt/generating-user-credentials.html)。只有超級使用者能夠啟用或停用密碼，您無法停用超級使用者的密碼。若要啟用密碼，請執行 ALTER USER 並指定密碼。
如需使用 PASSWORD 參數的詳細資訊，請參閱 [CREATE USER](r_CREATE_USER.md)。
VALID UNTIL '*expiration\$1date*'
指定密碼有過期日期。使用 `'infinity'` 值就不會有過期日期。此參數的有效資料類型為時間戳記。
只有超級使用者可以使用此參數。
RENAME TO
重新命名使用者。
*new\$1name*
使用者的新名稱。如需有效名稱的相關資訊，請參閱 [名稱與識別碼](r_names.md)。
重新命名使用者時，您也必須重設使用者的密碼。重設密碼不一定要與先前的密碼不同。使用者名稱會做為密碼加密的一部分使用，因此使用者重新命名時，密碼也會遭到清除。在密碼重設前，使用者將無法登入。例如：
```
alter user newuser password 'EXAMPLENewPassword11';
```
CONNECTION LIMIT \$1 *limit* \$1 UNLIMITED \$1
允許使用者同時開啟的資料庫連線數目上限。超級使用者不受此限制規範。使用 UNLIMITED 關鍵字可允許同時連線的最大數目。另外也可能限制每個資料庫的連線數目。如需詳細資訊，請參閱[CREATE DATABASE](r_CREATE_DATABASE.md)。預設值為 UNLIMITED。若要檢視目前連線數目，請查詢 [STV\$1SESSIONS](r_STV_SESSIONS.md) 系統畫面。
如果同時套用使用者和資料庫連線數目限制，則必須在使用者嘗試連線時，在不超過這兩項限制的情況下提供一個未使用的連線位置。
SESSION TIMEOUT *limit* \$1 RESET SESSION TIMEOUT
工作階段保持非作用中或閒置的時間上限 (以秒為單位)。範圍是 60 秒 (一分鐘) 到 1,728,000 秒 (20 天)。如果未為使用者設定工作階段逾時，則會套用叢集設定。如需詳細資訊，請參閱《Amazon Redshift 管理指南》**中的 [Amazon Redshift 中的配額和限制](https://docs.aws.amazon.com/redshift/latest/mgmt/amazon-redshift-limits.html)。
當您設定工作階段逾時時，只會套用至新的工作階段。
若要檢視有關作用中使用者工作階段的資訊 (包括開始時間、使用者名稱和工作階段逾時)，請查詢 [STV\$1SESSIONS](r_STV_SESSIONS.md) 系統檢視。若要檢視有關使用者工作階段歷史記錄的資訊，請查詢 [STL\$1SESSIONS](r_STL_SESSIONS.md) 檢視。若要擷取有關資料庫使用者的資訊 (包括工作階段逾時值)，請查詢 [SVL\$1USER\$1INFO](r_SVL_USER_INFO.md) 檢視。
SET
將指定使用者執行之所有工作階段的組態參數設定為新的預設值。
RESET
將指定使用者的組態參數重設為原始預設值。
*parameter*
要設定或重設的參數名稱。
*value*
參數的新值。
DEFAULT
將指定使用者執行之所有工作階段的組態參數設定為預設值。
EXTERNALID *external\$1id*
與身分提供者相關聯的使用者識別碼。使用者必須停用密碼。如需詳細資訊，請參閱 [Amazon Redshift 的原生身分提供者 (IdP) 聯合合](https://docs.aws.amazon.com/redshift/latest/mgmt/redshift-iam-access-control-native-idp.html)。
## 使用須知
+ **嘗試修改 rdsdb** - 您不能修改名為 `rdsdb` 的使用者。
+ **建立未知密碼** – 使用 AWS Identity and Access Management (IAM) 身分驗證建立資料庫使用者憑證時，您可能想要建立只能使用臨時憑證登入的超級使用者。您無法停用超級使用者的密碼，但是可以使用隨機產生的 MD5 雜湊字串建立未知的密碼。
```
alter user iam_superuser password 'md51234567890123456780123456789012';
```
+ **設定 search\$1path** – 當您使用 ALTER USER 命令設定 [search\$1path](r_search_path.md) 參數時，修改會在指定使用者下次登入時生效。若您想要變更目前使用者和工作階段的 search\$1path 值，請使用 SET 命令。
+ **設定時區** – 當您搭配 ALTER USER 命令使用 SET TIMEZONE 時，修改會在指定使用者下次登入時生效。
+ **使用動態資料遮罩和資料列層級安全性政策** — 當您佈建的叢集或無伺服器命名空間具有任何動態資料遮罩或資料列層級安全性政策時，一般使用者會無法使用下列命令：
```
ALTER SET enable_case_sensitive_super_attribute/enable_case_sensitive_identifier/downcase_delimited_identifier
```
只有超級使用者和具有 ALTER USER 權限的使用者才能設定這些組態選項。如需有關資料列層級安全性詳細資訊，請參閱 [資料列層級安全性](t_rls.md)。如需動態資料遮罩的詳細資訊，請參閱 [動態資料遮罩](t_ddm.md)。
## 範例
下列範例會將建立資料庫的權限提供給使用者 ADMIN：
```
alter user admin createdb;
```
下面範例會將使用者 ADMIN 的密碼設為 `adminPass9`，以及為密碼設定過期日期和時間：
```
alter user admin password 'adminPass9'
valid until '2017-12-31 23:59';
```
以下範例會將使用者 ADMIN 重新命名為 SYSADMIN：
```
alter user admin rename to sysadmin;
```
下列範例會將使用者的閒置工作階段逾時更新為 300 秒。
```
ALTER USER dbuser SESSION TIMEOUT 300;
```
重設使用者的閒置工作階段逾時。重設時會套用叢集設定。您必須是資料庫超級使用者才能執行此命令。如需詳細資訊，請參閱《Amazon Redshift 管理指南》**中的 [Amazon Redshift 中的配額和限制](https://docs.aws.amazon.com/redshift/latest/mgmt/amazon-redshift-limits.html)。
```
ALTER USER dbuser RESET SESSION TIMEOUT;
```
下列範例會更新名為 `bob` 之使用者的外部 ID。命名空間為 `myco_aad`。如果命名空間未與已註冊的身分提供者相關聯，則會導致錯誤。
```
ALTER USER myco_aad:bob EXTERNALID "ABC123" PASSWORD DISABLE;
```
下列範例會為特定資料庫使用者執行的所有工作階段設定時區。這會變更後續工作階段的時區，但不會變更目前工作階段的時區。
```
ALTER USER odie SET TIMEZONE TO 'Europe/Zurich';
```
下列範例會設定使用者 `bob` 允許開啟的資料庫連線數目上限。
```
ALTER USER bob CONNECTION LIMIT 10;
```
# ANALYZE
更新資料表統計資訊以供查詢規劃器使用。
## 所需權限
以下是 ANALYZE 所需的權限：
+ 超級使用者
+ 具有 ANALYZE 權限的使用者
+ 關係的擁有者
+ 共用資料表的資料庫擁有者
## 語法
```
ANALYZE [ VERBOSE ]
[ [ table_name [ ( column_name [, ...] ) ] ]
[ PREDICATE COLUMNS | ALL COLUMNS ]
```
## Parameters
詳細
此子句會傳回有關 ANALYZE 操作的進度資訊訊息。若您不指定資料表，此選項會很實用。
*table\$1name*
您可以分析特定資料表，包括臨時資料表。您可以利用結構描述名稱限定資料表。您可以選擇性的指定 table\$1name 來分析單一資料表。您無法在單一 ANALYZE *table\$1name* 陳述式中指定多個 *table\$1name*。如果您未指定 *table\$1name* 值，則目前連接的資料庫中所有資料表都會加以分析，包括系統目錄中的永久性資料表。如果自上次 ANALYZE 之後變更的資料列百分比低於分析閾值，Amazon Redshift 會略過分析資料表。如需詳細資訊，請參閱[分析閾值](#r_ANALYZE-threshold)。
您不需要分析 Amazon Redshift 系統資料表 (STL 和 STV 資料表)。
*column\$1name*
若您指定 *table\$1name*，則您也可以在資料表中指定一個或多個資料欄 (括號內以資料欄分隔的清單)。若指定了資料欄清單，則只會分析列出的資料欄。
PREDICATE COLUMNS \$1 ALL COLUMNS
這些子句會指出，ANALYZE 是否應該只包含述詞資料欄。指定 PREDICATE COLUMNS 時，只會分析已在先前查詢中做為述詞使用的資料欄，或可能做為述詞使用的候選資料欄。指定 ALL COLUMNS 則會分析所有資料欄。預設值是 ALL COLUMNS。
若下列任一條件為真，表示資料欄包含在一組述詞資料欄中：
+ 資料欄已在查詢中做為篩選的一部分、聯結條件或 group by 子句使用。
+ 資料欄是分佈索引鍵。
+ 資料欄是排序索引鍵的一部分。
如果資料表尚未經過查詢，因而未將任何資料欄標示為述詞資料欄，則即使指定了 PREDICATE COLUMNS，仍會分析所有資料欄。發生這種情況時，Amazon Redshift 可能會回應以下訊息：No predicate columns found for "*table-name*" (找不到 "table-name" 的述詞欄)。分析所有欄。如需述詞資料欄的相關資訊，請參閱 [分析資料表](t_Analyzing_tables.md)。
## 使用須知
Amazon Redshift 會在您使用下列命令建立的資料表上自動執行 ANALYZE：
+ CREATE TABLE AS
+ CREATE TEMP TABLE AS
+ SELECT INTO
您無法分析外部資料表。
您不需要在初次建立這些資料表時，對其執行 ANALYZE 命令。若您修改這些資料表，則應依照與其他資料表相同的方式進行分析。
### 分析閾值
為了減少處理時間並提高整體系統效能，如果自上次執行 ANALYZE 命令後變更的資料列百分比低於 [analyze\$1threshold\$1percent](r_analyze_threshold_percent.md) 參數指定的分析閾值，則 Amazon Redshift 會略過資料表的 ANALYZE 操作。`analyze_threshold_percent` 預設為 10。若要變更目前工作階段的 `analyze_threshold_percent`，請執行 [SET](r_SET.md) 命令。下列範例會將 `analyze_threshold_percent` 變更為 20%。
```
set analyze_threshold_percent to 20;
```
若要在只有少量資料列變更時分析資料表，請將 `analyze_threshold_percent` 設定為任何更小的數。例如，如果將`analyze_threshold_percent` 設為 0.01，則 100,000,000 資料列的資料表中變更的資料列大於 10,000 列資料時，便不會略過資料表。
```
set analyze_threshold_percent to 0.01;
```
若 ANALYZE 因為不符合分析閾值而略過資料表，Amazon Redshift 會傳回以下訊息。
```
ANALYZE SKIP
```
若要分析所有資料表，即使沒有任何資料列變更，請將 `analyze_threshold_percent` 設為 0。
若要檢視 ANALYZE 操作的結果，請查詢 [STL\$1ANALYZE](r_STL_ANALYZE.md) 系統資料表。
如需分析資料表的相關資訊，請參閱 [分析資料表](t_Analyzing_tables.md)。
## 範例
分析 TICKIT 資料庫中的所有資料表，並傳回進度資訊。
```
analyze verbose;
```
只分析 LISTING 資料表。
```
analyze listing;
```
分析 VENUE 資料表中的 VENUEID 和 VENUENAME 資料欄。
```
analyze venue(venueid, venuename);
```
只分析 VENUE 資料表中的述詞資料欄。
```
analyze venue predicate columns;
```
# ANALYZE COMPRESSION
執行壓縮分析並產生報告，當中針對分析的資料表提供建議的壓縮編碼。報告中會針對每個資料欄提供相較於 RAW 編碼，可能減少的磁碟空間估計值。
## 語法
```
ANALYZE COMPRESSION
[ [ table_name ]
[ ( column_name [, ...] ) ] ]
[COMPROWS numrows]
```
## Parameters
*table\$1name*
您可以分析特定資料表的壓縮，包括臨時資料表。您可以利用結構描述名稱限定資料表。您可以選擇性的指定 *table\$1name* 來分析單一資料表。如果您未指定 *table\$1name* 值，目前連接的資料庫中所有資料表都會加以分析。您無法在單一 ANALYZE COMPRESSION 陳述式中指定多個 *table\$1name*。
*column\$1name*
若您指定 *table\$1name*，則您也可以在資料表中指定一個或多個資料欄 (括號內以資料欄分隔的清單)。
COMPROWS
資料列數，做為壓縮分析的樣本大小。分析是以每個資料配量中的列為對象。例如，假設您指定 COMPROWS 1000000 (1,000,000)，而系統總共包含 4 個分割，則每個分割最多讀取和分析 250,000 列。如果不指定 COMPROWS，則每個分割的樣本大小預設為 100,000。如果 COMPROWS 的值小於每個分割預設的 100,000 列，則會自動提高到預設值。但是，如果資料表中的資料量不足，無法產生有意義的樣本，則壓縮分析不會產生建議。如果 COMPROWS 數字大於資料表中的資料列數，ANALYZE COMPRESSION 命令仍會繼續，並對所有可用的資料列進行壓縮分析。如果未指定資料表，則使用 COMPROWS 會導致錯誤。
*numrows*
資料列數，做為壓縮分析的樣本大小。*numrows* 可接受的範圍是介於 1000 到 1000000000 (1,000,000,000) 之間的數字。
## 使用須知
ANALYZE COMPRESSION 會取得獨佔的資料表鎖定，防止同時對資料表進行讀取和寫入操作。只有在資料表閒置時才執行 ANALYZE COMPRESSION 命令。
執行 ANALYZE COMPRESSION 可根據資料表內容的樣本，取得資料欄編碼機制的建議。ANALYZE COMPRESSION 是建議使用的工具，並且不要修改資料表的資料欄編碼。您可以透過重新建立資料表，或建立具有相同結構描述的新資料表，套用建議的編碼。利用適當的編碼機制重新建立未經壓縮的資料表，可大幅減少在磁碟上佔用的空間。此方法節省了磁碟空間，並提高 I/O 繫結工作負載的查詢效能。
ANALYZE COMPRESSION 會略過實際的分析階段，並直接在指定為 SORTKEY 的任何資料欄上傳回原始編碼類型。這樣做的原因是，當 SORTKEY 資料欄的壓縮程度比其他資料欄高出許多時，限制範圍的掃描執行效果可能較差。
## 範例
下列範例只顯示 LISTING 資料表中資料欄的編碼和估計減少的百分比：
```
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
```
以下範例會分析 SALES 資料表中的 QTYSOLD、COMMISSION 和 SALETIME 資料欄。
```
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
```
# ATTACH MASKING POLICY
將現有的動態資料遮罩政策附加至資料欄。如需動態資料遮罩的相關資訊，請參閱 [動態資料遮罩](t_ddm.md)。
超級使用者和具有 sys:secadmin 角色的使用者或角色可以附加遮罩政策。
## 語法
```
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 ];
```
## Parameters
*policy\$1name*
欲附加的遮罩政策名稱。
database\$1name
建立政策和關係的資料庫名稱。政策和關係必須位於相同的資料庫。資料庫可以是連線的資料庫或支援 Amazon Redshift 聯合許可的資料庫。
schema\$1name
關係所屬的結構描述名稱。
*relation\$1name*
欲附加遮罩政策的關係名稱。
*output\$1column\$1names*
要套用遮罩政策的資料欄名稱。
*output\$1paths*
套用遮罩政策之 SUPER 物件的完整路徑，包括資料欄名稱。例如，對於具有名為 SUPER 類型欄 `person` 的關係，*output\$1path* 可能是 `person.name.first_name`。
*input\$1column\$1names*
將作為遮罩政策輸入的資料欄名稱。此為選用參數。如果未指定，遮罩政策會使用 *output\$1column\$1names* 做為輸入。
*input\$1paths*
遮罩政策會做為輸入之 SUPER 物件的完整路徑。此為選用參數。如果未指定，遮罩政策會使用 *output\$1path* 做為輸入。
*user\$1name*
要附加遮罩政策的使用者名稱。您無法將兩個政策附加到使用者和欄或角色和欄的相同組合。您可以將一個政策附加至使用者，並將另一個政策附加至使用者的角色。在此情況下，會套用優先順序較高的政策。
您只能在單一 ATTACH MASKING POLICY 命令中設定 user\$1name、role\$1name 和 PUBLIC 中的其中一個。
*role\$1name*
要附加遮罩政策的角色名稱。您無法將兩個政策附加至相同的資料欄/角色配對。您可以將一個政策附加至使用者，並將另一個政策附加至使用者的角色。在此情況下，會套用優先順序較高的政策。
您只能在單一 ATTACH MASKING POLICY 命令中設定 user\$1name、role\$1name 和 PUBLIC 中的其中一個。
*PUBLIC*
將遮罩政策附加至存取資料表的所有使用者。您必須為附加至特定資料欄/使用者或資料欄/角色配對的其他遮罩政策提供高於 PUBLIC 政策的優先順序，才能套用這些政策。
您只能在單一 ATTACH MASKING POLICY 命令中設定 user\$1name、role\$1name 和 PUBLIC 中的其中一個。
*priority*
遮罩政策的優先順序。當多個遮罩政策套用至指定使用者的查詢時，會套用優先順序最高的政策。
您無法將兩個不同的政策附加到具有相同優先順序的同個資料欄，即使這兩個策略附加到不同的使用者或角色也是如此。只要附加政策的使用者或角色每次都不同，您就可以將相同的政策多次附加至同一組資料表、輸出資料欄、輸入資料欄和優先順序參數。
您無法對資料欄套用與附加至該資料欄的另一個政策具有相同優先順序的政策，即使用於不同角色也一樣。此欄位為選用欄位。如果未指定優先順序，遮罩政策會預設套用值為 0 的優先順序。
如需在 Amazon Redshift 聯合許可目錄上使用 ATTACH MASKING POLICY，請參閱[使用 Amazon Redshift 聯合許可管理存取控制](https://docs.aws.amazon.com/redshift/latest/dg/federated-permissions-managing-access.html)。
# ATTACH RLS POLICY
將資料表上的資料列層級安全性政策附加至一或多個使用者或角色。
超級使用者和具有 `sys:secadmin` 角色的使用者或角色可以附加政策。
## 語法
```
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 } [, ...]
```
## Parameters
*policy\$1name*
政策的名稱。
database\$1name
建立政策和關係的資料庫名稱。政策和關係必須位於相同的資料庫。資料庫可以是連線的資料庫或支援 Amazon Redshift 聯合許可的資料庫。
schema\$1name
關係所屬的結構描述名稱。
table\$1name
連接至關係之資料列層級安全政策的名稱。
TO \$1 *user\$1name* \$1 ROLE *role\$1name* \$1 PUBLIC\$1 [, ...]
指定政策是否附加至一或多個指定的使用者或角色。
如需在 Amazon Redshift 聯合許可目錄上使用 ATTACH RLS POLICY，請參閱[使用 Amazon Redshift 聯合許可管理存取控制](https://docs.aws.amazon.com/redshift/latest/dg/federated-permissions-managing-access.html)。
## 使用須知
使用 ATTACH RLS POLICY 陳述式時，請注意以下內容：
+ 要附加的資料表應該包含政策建立陳述式的 WITH 子句中列出的所有資料欄。
+ Amazon Redshift RLS 支援將 RLS 政策連接到下列物件：
+ 表格
+ 檢視
+ 近期繫結檢視
+ 具體化視觀表
+ Amazon Redshift RLS 不支援將 RLS 政策附加到下列物件：
+ 目錄表
+ 跨資料庫關係
+ 外部資料表
+ 暫時資料表
+ 政策查詢資料表
+ 具體化視觀表基礎資料表
+ 若將 RLS 政策連接至超級使用者或具有 `sys:secadmin` 許可的使用者，則會忽略政策。
## 範例
下列範例會將 RLS 政策連接至指定的資料表和角色組合。RLS 政策會在具有 `analyst` 或 `dbadmin` 角色的任何使用者存取 tickit\$1category\$1redshift 資料表時套用。
```
ATTACH RLS POLICY policy_concerts ON tickit_category_redshift TO ROLE analyst, ROLE dbadmin;
```
# BEGIN
開始交易。相當於 START TRANSACTION。
交易是單一邏輯工作單位，無論是由一個命令或多個命令所組成。一般而言，交易中的所有命令會在資料庫的快照上執行，其開始時間是由 `transaction_snapshot_begin` 系統組態參數的值組所決定。
根據預設，個別 Amazon Redshift 操作 (查詢、DDL 陳述式、負載) 會自動遞交至資料庫。如果您想要暫停遞交某項操作，直到後續工作完成為止，則需使用 BEGIN 陳述式開啟交易，然後執行所需的命令，再使用 [COMMIT](r_COMMIT.md) 或 [結束](r_END.md) 陳述式關閉交易。若有需要，您可以使用 [ROLLBACK](r_ROLLBACK.md) 陳述式停止進行中的交易。此行為的例外狀況是 [TRUNCATE](r_TRUNCATE.md) 命令，它會遞交本身執行所在的交易，而且無法轉返。
## 語法
```
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.
```
## Parameters
WORK
選用的關鍵字。
TRANSACTION
選用的關鍵字；WORK 和 TRANSACTION 為同義詞。
ISOLATION LEVEL SERIALIZABLE
可序列化隔離是預設支援的操作，因此無論陳述式中是否包含此語法，交易的行為都一樣。如需詳細資訊，請參閱[管理並行寫入操作](c_Concurrent_writes.md)。不支援任何其他隔離層級。
SQL 標準定義了四種交易隔離層級來防止*已變更讀取* (交易讀取的資料是由未遞交的同時交易所撰寫)、*不可重複讀取* (交易重複讀取先前讀取的資料，且發現該資料已在初次讀取後，經過其他遞交的交易變更)，以及*幽靈讀取* (交易再次執行查詢、傳回一組滿足搜尋條件的資料列，然後發現該組資料列已因為其他最近遞交的交易而變更)：
+ 讀取未遞交資料：已變更讀取、不可重複讀取及幽靈讀取都有可能發生。
+ 讀取已遞交資料：不可重複讀取及幽靈讀取都有可能發生。
+ 可重複讀取：可能發生幽靈讀取。
+ 可序列化：防止已變更讀取、不可重複讀取及幽靈讀取。
雖然您可以使用四種交易隔離層級中的任一種，但是 Amazon Redshift 會以可序列化的方式處理所有隔離層級。
READ WRITE
為交易提供讀取和寫入許可。
READ ONLY
為交易提供唯讀許可。
## 範例
下列範例會啟動可序列化交易區塊：
```
begin;
```
下列範例會啟動具有可序列化隔離層級和讀取與寫入許可的交易區塊：
```
begin read write;
```
# CALL
執行預存程序。CALL 命令必須包含程序名稱和輸入引數值。您必須使用 CALL 陳述式來呼叫預存程序。
**注意**
CALL 不能是任何一般查詢的一部分。
## 語法
```
CALL sp_name ( [ argument ] [, ...] )
```
## Parameters
*sp\$1name*
要執行的程序的名稱。
*argument*
輸入引數的值。此參數也可以是函數名稱，例如 `pg_last_query_id()`。您不能將查詢當作 CALL 引數。
## 使用須知
Amazon Redshift 預存程序支援巢狀和遞迴呼叫，如下所述。此外，請確定您的驅動程序支援是最新版，亦如下所述。
**Topics**
+ [巢狀呼叫](#r_CALL_procedure-nested-calls)
+ [驅動程式支援](#r_CALL_procedure-driver-support)
### 巢狀呼叫
Amazon Redshift 預存程序支援巢狀和遞迴呼叫。允許的巢狀層級數目上限為 16。巢狀呼叫可以將商業邏輯封裝成較小的程序，供多個發起人共用。
如果您呼叫的巢狀程序有輸出參數，則內部程序必須定義 INOUT 引數。在此情況下，非常數變數會傳入內部程序中。不允許 OUT 引數。發生此行為是因為需要變數來保留內部呼叫的輸出。
內層和外層程序的關係記錄在 [SVL\$1STORED\$1PROC\$1CALL](r_SVL_STORED_PROC_CALL.md) 的 `from_sp_call` 欄。
下列範例顯示透過 INOUT 引數將變數傳給巢狀程序。
```
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)
```
### 驅動程式支援
建議您將 Java 資料庫連線 (JDBC) 和開放式資料庫連線 (ODBC) 驅動程式升級到支援 Amazon Redshift 預存程序的最新版本。
如果您的用戶端工具使用驅動程式 API 操作將 CALL 陳述式傳遞到伺服器，您或許能夠使用現有的驅動程式。傳回的輸出參數 (若有) 是一列的結果集。
最新版本的 Amazon Redshift JDBC 和 ODBC 驅動程式對於預存程序探索，支援中繼資料。對於自訂 Java 應用程式。還支援 `CallableStatement`。如需驅動程式的相關資訊，請參閱《Amazon Redshift 管理指南》**中的[使用 SQL 用戶端工具連線至 Amazon Redshift 叢集](https://docs.aws.amazon.com/redshift/latest/mgmt/connecting-to-cluster.html)。
下列範例顯示如何在預存程序呼叫中使用 JDBC 驅動程式的不同 API 操作。
```
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);
}
```
## 範例
下列範例呼叫程序名稱 `test_spl`。
```
call test_sp1(3,'book');
INFO: Table "tmp_tbl" does not exist and will be skipped
INFO: min_val = 3, f2 = book
```
下列範例呼叫程序名稱 `test_spl2`。
```
call test_sp2(2,'2019');
f2 | column2
---------------------+---------
2019+2019+2019+2019 | 2
(1 row)
```
# 取消
取消目前正在執行的資料庫查詢。
CANCEL 命令需要執行中查詢的程序 ID 或工作階段 ID，並顯示確認訊息以確認查詢已取消。
## 所需權限
以下是 CANCEL 所需的權限：
+ 超級使用者取消自己的查詢
+ 超級使用者取消使用者的查詢
+ 具有 CANCEL 權限的使用者取消使用者的查詢
+ 使用者取消自己的查詢
## 語法
```
CANCEL process_id [ 'message' ]
```
## Parameters
*process\$1id*
若要取消 Amazon Redshift 叢集中執行的查詢，請使用 [STV\$1RECENTS](r_STV_RECENTS.md) 中對應至您要取消之查詢的 `pid` (程序 ID)。
若要取消 Amazon Redshift Serverless 工作群組中執行的查詢，請使用 [SYS\$1QUERY\$1HISTORY](SYS_QUERY_HISTORY.md) 中對應至您要取消之查詢的 `session_id`。
'*message*'
選用的確認訊息，會在查詢取消完成時顯示。如果您未指定訊息，Amazon Redshift 會顯示預設訊息進行驗證。您必須將訊息用單引號括住。
## 使用須知
您無法藉由指定*查詢 ID* 的方式取消查詢；您必須指定查詢的*程序 ID* (PID) 或*工作階段 ID*。您只能取消目前由您的使用者執行的查詢。超級使用者可以取消所有查詢。
如果多個工作階段中的查詢在同一個資料表上保留鎖定，您可以使用 [PG\$1TERMINATE\$1BACKEND](PG_TERMINATE_BACKEND.md) 函數終止其中一個工作階段。這麼做可強制終止的工作階段中任何目前執行中的交易釋出所有鎖定和復原交易。若要檢視目前的鎖定情形，可查詢 [STV\$1LOCKS](r_STV_LOCKS.md) 系統資料表。
在特定內部事件後，Amazon Redshift 可能會重新啟動作用中工作階段並指派新的 PID。如果 PID 已變更，您可能會收到下列錯誤訊息。
```
Session does not exist. The session PID might have changed. Check the stl_restarted_sessions system table for details.
```
若要尋找新的 PID，請查詢 [STL\$1RESTARTED\$1SESSIONS](r_STL_RESTARTED_SESSIONS.md) 系統資料表並依 `oldpid` 資料欄篩選。
```
select oldpid, newpid from stl_restarted_sessions where oldpid = 1234;
```
## 範例
若要取消 Amazon Redshift 叢集中目前執行的查詢，請先擷取您要取消之查詢的程序 ID。若要判斷所有目前執行中查詢的處理程序 ID，請輸入下列命令：
```
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);
```
查看查詢文字，以判斷哪一個處理程序 ID (PID) 對應到您要取消的查詢。
輸入下列命令，以使用 PID 802 取消該查詢：
```
cancel 802;
```
查詢執行所在的工作階段會顯示以下訊息：
```
ERROR: Query (168) cancelled on user's request
```
其中 `168` 是查詢 ID (不是用來取消查詢的處理程序 ID)。
或者，您可以指定顯示自訂確認訊息來取代預設訊息。如要指定自訂訊息，請在 CANCEL 命令的結尾以單引號括住您的訊息：
```
cancel 802 'Long-running query';
```
查詢執行所在的工作階段會顯示以下訊息：
```
ERROR: Long-running query
```
# CLOSE
(選用) 關閉所有與開啟游標相關的可用資源。[COMMIT](r_COMMIT.md)、[結束](r_END.md) 和 [ROLLBACK](r_ROLLBACK.md) 會自動關閉游標，因此不需要使用 CLOSE 命令明確關閉游標。
如需詳細資訊，請參閱 [DECLARE](declare.md)、[FETCH](fetch.md)。
## 語法
```
CLOSE cursor
```
## Parameters
*cursor*
要關閉的游標名稱。
## CLOSE 範例
以下命令會關閉游標並執行遞交，進而結束交易：
```
close movie_cursor;
commit;
```
# COMMENT
建立或變更有關資料庫物件的註解。
## 語法
```
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
```
## Parameters
*object\$1name*
要加上註解之資料庫物件的名稱。您可以新增註解至下列物件：
+ TABLE
+ COLUMN (也會取用 *column\$1name*)。
+ CONSTRAINT (也會取用 *constraint\$1name* 和 *table\$1name*)。
+ DATABASE
+ VIEW
+ 結構描述
IS '*text*' \$1 NULL
您要對指定物件新增或取代的註解文字。*文字*字串是 TEXT 資料類型。以單引號括住註解。將值設定為 NULL 可移除註解文字。
*column\$1name*
要加上註解之資料欄的名稱。COLUMN 的參數。接在 `object_name` 中指定的資料表後面。
*constraint\$1name*
要加上註解之限制條件的名稱。CONSTRAINT 的參數。
*table\$1name*
包含限制條件的資料表名稱。CONSTRAINT 的參數。
## 使用須知
您必須是超級使用者或資料庫物件的擁有者，才能新增或更新註解。
資料庫的註解僅適用於目前資料庫。如果您嘗試對不同資料庫加上註解，則會顯示警告訊息。對不存在的資料庫加上註解時，也會顯示同樣的警告。
不支援對外部資料表、外部欄和近期繫結檢視欄的註解。
## 範例
下列範例會將註解新增至 SALES 資料表。
```
COMMENT ON TABLE sales IS 'This table stores tickets sales data';
```
下列範例會在 SALES 資料表上顯示註解。
```
select obj_description('public.sales'::regclass);
obj_description
-------------------------------------
This table stores tickets sales data
```
下列範例會從 SALES 資料表中移除註解。
```
COMMENT ON TABLE sales IS NULL;
```
下列範例會將註解新增至 SALES 資料表的 EVENTID 資料欄。
```
COMMENT ON COLUMN sales.eventid IS 'Foreign-key reference to the EVENT table.';
```
下列範例會在 SALES 資料表的 EVENTID 資料欄 (資料欄編號 5) 上顯示註解。
```
select col_description( 'public.sales'::regclass, 5::integer );
col_description
-----------------------------------------
Foreign-key reference to the EVENT table.
```
下列範例會將描述性註解新增至 EVENT 資料表。
```
comment on table event is 'Contains listings of individual events.';
```
若要檢視註解，請查詢 PG\$1DESCRIPTION 系統目錄。以下範例會傳回 EVENT 資料表的描述。
```
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
將目前交易遞交至資料庫。此命令會使交易的資料庫更新變成永久有效。
## 語法
```
COMMIT [ WORK | TRANSACTION ]
```
## Parameters
WORK
選用的關鍵字。預存程序內不支援使用此關鍵字。
TRANSACTION
選用的關鍵字。WORK 和 TRANSACTION 為同義詞，預存程序內不支援使用這兩個關鍵字。
如需在預存程序內使用 COMMIT 的相關資訊，請參閱[管理交易](stored-procedure-transaction-management.md)。
## 範例
以下每個範例都會將目前交易遞交至資料庫：
```
commit;
```
```
commit work;
```
```
commit transaction;
```
# COPY
| |
| --- |
| 自 2025 年 4 月 30 日起，COPY 和 UNLOAD 命令的用戶端加密將不再開放給新客戶使用。如果您在 2025 年 4 月 30 日之前的 12 個月內使用用戶端加密搭配 COPY 和 UNLOAD 命令，您可以繼續使用用戶端加密搭配 COPY 或 UNLOAD 命令，直到 2026 年 4 月 30 日為止。2026 年 4 月 30 日之後，您將無法再針對 COPY 和 UNLOAD 使用用戶端加密。我們建議您盡快針對 COPY 和 UNLOAD 改用伺服器端加密。如果您已針對 COPY 和 UNLOAD 使用伺服器端加密，則不會有任何變更，而且您可以繼續使用，不需更改查詢。如需 COPY 和 UNLOAD 加密的詳細資訊，請參閱下方的 ENCRYPTED 參數。 |
從資料檔案或 Amazon DynamoDB 資料表，將資料載入資料表。檔案可能位於 Amazon Simple Storage Service (Amazon S3) 儲存貯體、Amazon EMR 叢集，或使用 Secure Shell (SSH) 連線來存取的遠端主機。
**注意**
Amazon Redshift Spectrum 外部資料表是唯讀的。您無法 COPY 到外部資料表。
COPY 命令會將新的輸入資料附加到資料表中任何現有的列。
任何來源的單一輸入資料列最大為 4 MB。
**Topics**
+ [所需的許可](#r_COPY-permissions)
+ [COPY 語法](#r_COPY-syntax)
+ [必要參數](#r_COPY-syntax-required-parameters)
+ [選用的參數](#r_COPY-syntax-overview-optional-parameters)
+ [COPY 命令的使用注意事項和其他資源](#r_COPY-using-the-copy-command)
+ [COPY 命令範例](#r_COPY-using-the-copy-command-examples)
+ [COPY JOB](r_COPY-JOB.md)
+ [COPY 搭配 範本](r_COPY-WITH-TEMPLATE.md)
+ [COPY 參數參考](r_COPY-parameters.md)
+ [使用須知](r_COPY_usage_notes.md)
+ [COPY 範例](r_COPY_command_examples.md)
## 所需的許可
若要使用 COPY 命令，您必須擁有 Amazon Redshift 資料表的 [INSERT](r_GRANT.md#grant-insert) 權限。
## COPY 語法
```
COPY table-name
[ column-list ]
FROM data_source
authorization
[ [ FORMAT ] [ AS ] data_format ]
[ parameter [ argument ] [, ... ] ]
```
您可以只使用三個參數來執行 COPY 操作：資料表名稱、資料來源、存取資料的授權。
Amazon Redshift 延伸 COPY 命令的功能，可讓您從多個資料來源載入多種資料格式的資料、控制資料載入的存取權限、管理資料轉換，以及管理載入操作。
以下各節介紹必要的 COPY 命令參數，並依功能將選用參數分組。其中也會描述每個參數，並解釋如何搭配運用各種選項。您可以利用依字母順序排列的參數清單，直接跳到參數描述。
## 必要參數
COPY 命令需要三個元素：
+ [Table Name](#r_COPY-syntax-overview-table-name)
+ [Data Source](#r_COPY-syntax-overview-data-source)
+ [Authorization](#r_COPY-syntax-overview-credentials)
最簡單的 COPY 命令採用下列格式。
```
COPY table-name
FROM data-source
authorization;
```
下列範例會建立名為 CATDEMO 的資料表，然後從 Amazon S3 中一個名為 `category_pipe.txt` 的資料檔案，將範例資料載入此資料表。
```
create table catdemo(catid smallint, catgroup varchar(10), catname varchar(10), catdesc varchar(50));
```
在下列範例中，COPY 命令的資料來源是位於名為 `category_pipe.txt` 之 Amazon S3 儲存貯體的 `tickit` 資料夾中，一個名為 `redshift-downloads` 的資料檔案。COPY 命令已獲授權，可透過 AWS Identity and Access Management (IAM) 角色存取 Amazon S3 儲存貯體。如果叢集現有的 IAM 角色已附加 Amazon S3 的存取權，您可以在下列 COPY 命令中換成此角色的 Amazon Resource Name (ARN)，再執行命令。
```
copy catdemo
from 's3://redshift-downloads/tickit/category_pipe.txt'
iam_role 'arn:aws:iam:::role/'
region 'us-east-1';
```
如需如何使用 COPY 命令載入範例資料的完整指示，包括從其他 AWS 區域載入資料的指示，請參閱《[Amazon Redshift 入門指南》中的從 Amazon S3 載入範例資料](https://docs.aws.amazon.com/redshift/latest/gsg/rs-gsg-create-sample-db.html)。
*table-name*
COPY 命令的目標資料表名稱。此資料表必須已存在於資料庫中。此資料表可以是暫時性或持久性。COPY 命令會將新的輸入資料附加到資料表中任何現有的資料列。
FROM *data-source*
在目標資料表中載入之來源資料的位置。資訊清單檔案可與一些資料來源一起指定。
最常用的資料儲存庫是 Amazon S3 儲存貯體。您也可以從位於 Amazon EMR 叢集、Amazon EC2 執行個體或遠端主機 (叢集可利用 SSH 連線來存取) 的資料檔案載入，或直接從 DynamoDB 資料表載入。
+ [從 Amazon S3 進行 COPY](copy-parameters-data-source-s3.md)
+ [從 Amazon EMR 進行 COPY](copy-parameters-data-source-emr.md)
+ [從遠端主機 COPY (SSH)](copy-parameters-data-source-ssh.md)
+ [從 Amazon DynamoDB 進行 COPY](copy-parameters-data-source-dynamodb.md)
Authorization
子句，指出叢集用於身分驗證和授權存取其他 AWS 資源的方法。COPY 命令需要授權才能存取其他 AWS 資源中的資料，包括 Amazon S3、Amazon EMR、Amazon DynamoDB 和 Amazon EC2。您可以參考叢集附加的 IAM 角色，或將存取金鑰 ID 和私密存取金鑰提供給 IAM 使用者，以提供該授權。
+ [授權參數](copy-parameters-authorization.md)
+ [角色類型存取控制](copy-usage_notes-access-permissions.md#copy-usage_notes-access-role-based)
+ [金鑰型存取控制](copy-usage_notes-access-permissions.md#copy-usage_notes-access-key-based)
## 選用的參數
您可以選擇指定 COPY 如何將欄位資料映射至目標資料表中的欄、定義來源資料屬性讓 COPY 命令正確讀取和剖析來源資料，以及管理 COPY 命令在載入過程中執行哪些操作。
+ [欄映射選項](copy-parameters-column-mapping.md)
+ [資料格式參數](#r_COPY-syntax-overview-data-format)
+ [資料轉換參數](#r_COPY-syntax-overview-data-conversion)
+ [資料載入操作](#r_COPY-syntax-overview-data-load)
### 欄映射
根據預設，COPY 會依欄位在資料檔案中出現的同樣順序，將欄位值插入目標資料表的欄。如果預設欄順序不適用，您可以指定欄清單或使用 JSONPath 表達式，將來源資料欄位映射至目標欄。
+ [Column List](copy-parameters-column-mapping.md#copy-column-list)
+ [JSONPaths File](copy-parameters-column-mapping.md#copy-column-mapping-jsonpaths)
### 資料格式參數
您可以從固定寬度、字元分隔、逗號分隔值 (CSV) 或 JSON 格式的文字檔案，或從 Avro 檔案載入資料。
根據預設，COPY 命令預期來源資料是位於字元分隔的 UTF-8 文字檔案中。預設分隔符號是縱線字元 ( \$1 )。如果來源資料是其他格式，請使用下列參數來指定資料格式。
+ [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)
### 資料轉換參數
COPY 載入資料表時會嘗試隱含地將來源資料中的字串轉換為目標欄的資料類型。如果您需要指定不同於預設行為的轉換，或預設轉換造成錯誤，您可以指定下列參數來管理資料轉換。
+ [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)
### 資料載入操作
指定下列參數來管理載入操作的預設行為，以進行故障排除或縮短載入時間。
+ [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 命令的使用注意事項和其他資源
如需如何使用 COPY 命令的相關資訊，請參閱下列主題：
+ [使用須知](r_COPY_usage_notes.md)
+ [教學課程：從 Amazon S3 載入資料](tutorial-loading-data.md)
+ [載入資料的 Amazon Redshift 最佳實務](c_loading-data-best-practices.md)
+ [使用 COPY 命令載入資料表](t_Loading_tables_with_the_COPY_command.md)
+ [從 Amazon S3 載入資料](t_Loading-data-from-S3.md)
+ [從 Amazon EMR 載入資料](loading-data-from-emr.md)
+ [從遠端主機載入資料](loading-data-from-remote-hosts.md)
+ [從 Amazon DynamoDB 資料表載入資料](t_Loading-data-from-dynamodb.md)
+ [針對資料載入進行故障診斷](t_Troubleshooting_load_errors.md)
## COPY 命令範例
如需顯示如何從不同來源、不同格式和不同 COPY 選項進行 COPY 的更多範例，請參閱[COPY 範例](r_COPY_command_examples.md)。
# COPY JOB
如需使用此命令的相關資訊，請參閱 [建立 S3 事件整合，以自動從 Amazon S3 儲存貯體複製檔案](loading-data-copy-job.md)。
管理將資料載入資料表的 COPY 命令。COPY JOB 命令是 COPY 命令的擴充功能，可自動從 Amazon S3 儲存貯體載入資料。當您建立 COPY 任務時，Amazon Redshift 會偵測何時在指定路徑中建立新的 Amazon S3 檔案，然後自動載入這些檔案，而無需您介入。載入資料時，會使用原始 COPY 命令中使用的相同參數。Amazon Redshift 會追蹤載入的檔案 (根據檔案名稱)，以確認檔案只載入一次。
**注意**
如需 COPY 命令的相關資訊，包括用法、參數和許可，請參閱[COPY](r_COPY.md)。
## 所需的許可
若要使用 COPY JOB 命令，除了使用 COPY 的所有必要許可之外，您還必須擁有下列其中一項許可：
+ 超級使用者
+ 下列全部：
+ 您要執行 COPY 之資料庫中 COPY JOBS 的相關 CREATE、ALTER 或 DROP 限定範圍許可。
+ 您要執行 COPY 之結構描述的 USAGE 許可，或您要執行 COPY 之資料庫中結構描述的 USAGE 限定範圍許可。
+ 您要執行 COPY 之資料表的 INSERT 許可，或您要執行 COPY 之結構描述或資料庫中資料表的 INSERT 限定範圍許可。
使用 COPY 命令指定的 IAM 角色必須具有存取要載入之資料的許可。如需詳細資訊，請參閱[COPY、UNLOAD 和 CREATE LIBRARY 的 IAM 許可](copy-usage_notes-access-permissions.md#copy-usage_notes-iam-permissions)。
## 語法
建立複製任務。COPY 命令的參數會與複製任務一起儲存。
您無法在交易區塊的範圍內執行 COPY JOB CREATE。
```
COPY copy-command JOB CREATE job-name
[AUTO ON | OFF]
```
變更複製任務的組態。
```
COPY JOB ALTER job-name
[AUTO ON | OFF]
```
執行複製任務。會使用儲存的 COPY 命令參數。
```
COPY JOB RUN job-name
```
列出所有複製任務。
```
COPY JOB LIST
```
顯示複製任務的詳細資訊。
```
COPY JOB SHOW job-name
```
刪除複製任務。
您無法在交易區塊的範圍內執行 COPY JOB DROP。
```
COPY JOB DROP job-name
```
## Parameters
*copy-command*
將資料從 Amazon S3 載入到 Amazon Redshift 的 COPY 命令。該子句包含 COPY 參數，用於定義 Amazon S3 儲存貯體、目標資料表、IAM 角色和載入資料時使用的其他參數。支援 Amazon S3 資料載入的所有 COPY 命令參數，但以下參數除外：
+ COPY JOB 不會將預先存在的資料夾內擷取 COPY 命令所指向的檔案。只有在 COPY JOB 建立時間戳記之後建立的檔案才會被擷取。
+ 您無法使用 MAXERROR 或 IGNOREALLERRORS 選項來指定 COPY 命令。
+ 您不能指定資訊清單檔案。COPY JOB 需要指定的 Amazon S3 位置來監控新建立的檔案。
+ 您不能指定具有存取金鑰和私密金鑰等授權類型的 COPY 命令。僅支援使用 `IAM_ROLE` 參數進行授權的 COPY 命令。如需詳細資訊，請參閱[授權參數](copy-parameters-authorization.md)。
+ COPY JOB 不支援與叢集相關聯的預設 IAM 角色。您必須在 COPY 命令中指定 `IAM_ROLE`。
如需詳細資訊，請參閱[從 Amazon S3 進行 COPY](copy-parameters-data-source-s3.md)。
*job-name*
用來參考 COPY 任務之任務的名稱。*job-name* 不可包含連字號 (-)。
[AUTO ON \$1 OFF]
指出是否將 Amazon S3 資料自動載入 Amazon Redshift 資料表的子句。
+ `ON` 時，Amazon Redshift 會監控新建立檔案的來源 Amazon S3 路徑，如果找到，則會使用任務定義中的 COPY 參數執行 COPY 命令。這是預設值。
+ `OFF` 時，Amazon Redshift 不會自動執行 COPY JOB。
## 使用須知
COPY 命令的選項直到執行時間才驗證。例如，COPY JOB 開始時，無效的 `IAM_ROLE` 或 Amazon S3 資料來源會導致執行期錯誤。
如果叢集已暫停，則不會執行 COPY JOBS。
若要查詢載入的 COPY 命令檔案和載入錯誤，請參閱 [STL\$1LOAD\$1COMMITS](r_STL_LOAD_COMMITS.md)、[STL\$1LOAD\$1ERRORS](r_STL_LOAD_ERRORS.md)、[STL\$1LOADERROR\$1DETAIL](r_STL_LOADERROR_DETAIL.md)。如需詳細資訊，請參閱[驗證資料已正確載入](verifying-that-data-loaded-correctly.md)。
零 ETL 資料庫不支援 COPY JOBS，因為它們以唯讀模式運作。
## 範例
下列範例示範建立 COPY JOB，以從 Amazon S3 儲存貯體載入資料。
```
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;
```
# COPY 搭配 範本
您可以使用 Redshift 範本搭配 COPY 命令來簡化命令語法，並確保資料載入操作之間的一致性。您不需要重複指定相同的格式參數，而是在範本中定義一次參數，並在 COPY 命令中參考範本。當您使用範本時，COPY 命令會將範本中的參數與直接在命令中指定的任何參數結合。如果相同的參數同時出現在範本和命令中，則命令參數優先。如需詳細資訊，請參閱[建立 範本](r_CREATE_TEMPLATE.md)。
COPY 命令的範本可以使用下列項目建立：
+ [資料格式參數](copy-parameters-data-format.md)
+ [檔案壓縮參數](copy-parameters-file-compression.md)
+ [資料轉換參數](copy-parameters-data-conversion.md)
+ [資料載入操作](copy-parameters-data-load.md)
如需支援參數的完整清單，請參閱 [COPY](r_COPY.md)命令。
## 所需的許可
若要在 COPY 命令中使用範本，您必須具有：
+ 執行 COPY 命令所需的所有必要許可 （請參閱 [所需的許可](r_COPY.md#r_COPY-permissions) )
+ 下列其中一個範本許可：
+ 超級使用者權限
+ 範本上的 USAGE 權限和包含範本之結構描述上的 USAGE 權限
## 語法
```
COPY target_table FROM 's3://...'
authorization
[ option, ...]
USING TEMPLATE [database_name.][schema_name.]template_name;
```
## Parameters
*database\$1name*
（選用） 範本存在的資料庫名稱。如果未指定，則會使用目前的資料庫。
*schema\$1name*
（選用） 範本所在的結構描述名稱。如果未指定，則會在目前的搜尋路徑中搜尋範本。
*template\$1name*
要在 COPY 中使用的範本名稱。
## 使用須知
+ 命令特定的參數 （來源、目的地、授權） 仍必須在 COPY 命令中指定。
+ 範本不能包含 COPY 命令的資訊清單檔案規格。
## 範例
下列範例示範如何建立範本，並在 COPY 命令中使用範本：
```
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;
```
當範本和命令中都存在參數時，命令參數優先。在此範例中，如果範本`public.test_template`包含 ，`DELIMITER '|'`但 COPY 命令指定 `DELIMITER ','`，則會使用命令中的逗號分隔符號 (`,`)，而不是範本中的管道分隔符號 (`|`)。
```
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 參數參考
COPY 具有許多參數，可以在許多情況下使用。但是，並非每種情況都支援所有參數。例如，若要從 ORC 或 PARQUET 檔案載入，支援的參數數目有限。如需詳細資訊，請參閱[從單欄資料格式 COPY](copy-usage_notes-copy-from-columnar.md)。
**Topics**
+ [資料來源](copy-parameters-data-source.md)
+ [授權參數](copy-parameters-authorization.md)
+ [欄映射選項](copy-parameters-column-mapping.md)
+ [資料格式參數](copy-parameters-data-format.md)
+ [檔案壓縮參數](copy-parameters-file-compression.md)
+ [資料轉換參數](copy-parameters-data-conversion.md)
+ [資料載入操作](copy-parameters-data-load.md)
+ [依字母排序的參數清單](r_COPY-alphabetical-parm-list.md)
# 資料來源
您可以從位於 Amazon S3 儲存貯體、Amazon EMR 叢集或遠端主機 (叢集可利用 SSH 連線來存取) 的文字檔案來載入資料。您也可以直接從 DynamoDB 資料表載入資料。
任何來源的單一輸入資料列最大為 4 MB。
若要將資料表中的資料匯出至 Amazon S3 中的一組檔案，請使用 [UNLOAD](r_UNLOAD.md) 命令。
**Topics**
+ [從 Amazon S3 進行 COPY](copy-parameters-data-source-s3.md)
+ [從 Amazon EMR 進行 COPY](copy-parameters-data-source-emr.md)
+ [從遠端主機 COPY (SSH)](copy-parameters-data-source-ssh.md)
+ [從 Amazon DynamoDB 進行 COPY](copy-parameters-data-source-dynamodb.md)
# 從 Amazon S3 進行 COPY
若要從位於一或多個 S3 儲存貯體的檔案載入資料，請使用 FROM 子句來指出 COPY 如何尋找 Amazon S3 中的檔案。您可以在 FROM 子句中提供資料檔案的物件路徑，或提供資訊清單檔案 (包含 Amazon S3 物件路徑清單) 的位置。來自 Amazon S3 的 COPY 會使用 HTTPS 連線。確定 S3 IP 範圍已新增至您的允許清單。若要進一步了解所需的 S3 IP 範圍，請參閱[網路隔離](https://docs.aws.amazon.com//redshift/latest/mgmt/security-network-isolation.html#network-isolation)。
**重要**
如果存放資料檔案的 Amazon S3 儲存貯體不在與叢集相同的 AWS 區域中，您必須使用 [REGION](#copy-region) 參數來指定資料所在的區域。
**Topics**
+ [語法](#copy-parameters-data-source-s3-syntax)
+ [範例](#copy-parameters-data-source-s3-examples)
+ [選用的參數](#copy-parameters-data-source-s3-optional-parms)
+ [不支援的參數](#copy-parameters-data-source-s3-unsupported-parms)
## 語法
```
FROM { 's3://objectpath' | 's3://manifest_file' }
authorization
| MANIFEST
| ENCRYPTED
| REGION [AS] 'aws-region'
| optional-parameters
```
## 範例
下列範例使用物件路徑以從 Amazon S3 載入資料。
```
copy customer
from 's3://amzn-s3-demo-bucket/customer'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole';
```
下列範例使用資訊清單檔案以從 Amazon S3 載入資料。
```
copy customer
from 's3://amzn-s3-demo-bucket/cust.manifest'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
manifest;
```
### Parameters
FROM
載入的資料來源。如需 Amazon S3 檔案編碼的相關資訊，請參閱[資料轉換參數](copy-parameters-data-conversion.md)。
's3://*copy\$1from\$1s3\$1objectpath*'
指定含有資料之 Amazon S3 物件的路徑 Amazon S3 - 例如 `'s3://amzn-s3-demo-bucket/custdata.txt'`。*s3://copy\$1from\$1s3\$1objectpath* 參數可以參考單一檔案，或一組有相同金鑰前綴的物件或資料夾。例如，`custdata.txt` 這個名稱是參考一些實體檔案的金鑰前綴：`custdata.txt`、`custdata.txt.1`、`custdata.txt.2`、`custdata.txt.bak` 等。金鑰前綴也可以參考一些資料夾。例如，`'s3://amzn-s3-demo-bucket/custfolder'` 參考資料夾 `custfolder`、`custfolder_1`、`custfolder_2` 等。如果金鑰前綴參考多個資料夾，則會載入這些資料夾中的所有檔案。如果金鑰前綴符合檔案又符合資料夾，例如 `custfolder.log`，COPY 也會嘗試載入此檔案。如果金鑰前綴可能導致 COPY 嘗試載入不需要的檔案，請使用資訊清單檔案。如需詳細資訊，請參閱下列 [copy_from_s3_manifest_file](#copy-manifest-file)。
如果存放資料檔案的 S3 儲存貯體不是位於與叢集相同的 AWS 區域，您必須使用 [REGION](#copy-region) 參數來指定資料所在的區域。
如需詳細資訊，請參閱[從 Amazon S3 載入資料](t_Loading-data-from-S3.md)。
's3://*copy\$1from\$1s3\$1manifest\$1file*'
指定資訊清單檔案 (列出要載入的資料檔案) 的 Amazon S3 物件金鑰。*'s3://*copy\$1from\$1s3\$1manifest\$1file'** 引數必須明確參考單一檔案 - 例如 `'s3://amzn-s3-demo-bucket/manifest.txt'`。無法參考金鑰前綴。
清單檔案是 JSON 格式的文字檔案，其中列出要從 Amazon S3 載入之每個檔案的 URL。URL 包含檔案的儲存貯體名稱和完整物件路徑。資訊清單中指定的檔案可以位於不同的儲存貯體，但所有儲存貯體都必須位於與 Amazon Redshift 叢集相同的 AWS 區域。如果某個檔案列出兩次，則該檔案會載入兩次。下列範例顯示資訊清單的 JSON，此資訊清單會載入三個檔案。
```
{
"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}
]
}
```
雙引號字元是必要的，且必須是簡單引號 (0x22)，而不是斜向或「智慧型」引號。資訊清單中的每個項目可以選擇性包含 `mandatory` 旗標。如果 `mandatory` 設為 `true`，COPY 找不到該項目的檔案時會終止；否則，COPY 會繼續。`mandatory` 的預設值為 `false`。
載入格式為 ORC 或 Parquet 的資料檔案時，需要 `meta` 欄位，如下列範例所示。
```
{
"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
}
}
]
}
```
即使指定 ENCRYPTED、GZIP、LZOP、BZIP2 或 ZSTD 選項，也不可對資訊清單檔案進行加密或壓縮。如果找不到指定的資訊清單檔案，或資訊清單檔案的格式不正確，COPY 會傳回錯誤。
如果使用資訊清單檔案，則必須使用 COPY 命令指定 MANIFEST 參數。如果未指定 MANIFEST 參數，COPY 會假設 FROM 指定的檔案是資料檔案。
如需詳細資訊，請參閱[從 Amazon S3 載入資料](t_Loading-data-from-S3.md)。
*authorization*
COPY 命令需要取得授權來存取另一個 AWS 資源中 (包括在 Amazon S3、Amazon EMR、Amazon DynamoDB 和 Amazon EC2 中) 的資料。您可以參考連接至叢集的 AWS Identity and Access Management (IAM) 角色 （以角色為基礎的存取控制），或提供使用者的存取憑證 （以金鑰為基礎的存取控制），以提供該授權。為了提高安全性和彈性，建議使用 IAM 角色型存取控制。如需詳細資訊，請參閱[授權參數](copy-parameters-authorization.md)。
MANIFEST
指定使用清單檔案來指出要從 Amazon S3 載入的資料檔案。如果使用 MANIFEST 參數，COPY 會從 *'s3://copy\$1from\$1s3\$1manifest\$1file'* 參考的資訊清單中所列的檔案載入資料。如果找不到資訊清單檔案，或此檔案的格式不正確，COPY 會失敗。如需詳細資訊，請參閱[使用資訊清單指定資料檔案](loading-data-files-using-manifest.md)。
ENCRYPTED
此子句指定 Amazon S3 上的輸入檔案是以用戶端加密搭配客戶管理金鑰來加密。如需詳細資訊，請參閱[從 Amazon S3 載入加密的資料檔案](c_loading-encrypted-files.md)。如果輸入檔案是以 Amazon S3 伺服器端加密 (SSE-KMS 或 SSE-S3) 所加密，請勿指定 ENCRYPTED。COPY 會自動讀取伺服器端加密檔案。
如果指定 ENCRYPTED 參數，則還必須指定 [MASTER_SYMMETRIC_KEY](#copy-master-symmetric-key) 參數，或在 [使用 CREDENTIALS 參數](copy-parameters-authorization.md#copy-credentials) 字串中包含 **master\$1symmetric\$1key** 值。
如果加密檔案是壓縮格式，請增加 GZIP、LZOP、BZIP2 或 ZSTD 參數。
即使指定 ENCRYPTED 選項，也不得對資訊清單檔案和 JSONPaths 檔案進行加密。
MASTER\$1SYMMETRIC\$1KEY '*root\$1key*'
用於將 Amazon S3 上的資料檔案加密的根對稱金鑰。如果指定 MASTER\$1SYMMETRIC\$1KEY，則還必須指定 [ENCRYPTED](#copy-encrypted) 參數。MASTER\$1SYMMETRIC\$1KEY 不能與 CREDENTIALS 參數一起使用。如需詳細資訊，請參閱[從 Amazon S3 載入加密的資料檔案](c_loading-encrypted-files.md)。
如果加密檔案是壓縮格式，請增加 GZIP、LZOP、BZIP2 或 ZSTD 參數。
REGION [AS] '*aws-region*'
指定來源資料所在的 AWS 區域。當含有資料的 AWS 資源所在區域與 Amazon Redshift 叢集的區域不是同一個區域時，從 Amazon S3 儲存貯體或 DynamoDB 資料表的 COPY 需要 REGION。
*aws\$1region* 的值必須符合 [Amazon Redshift 區域與端點](https://docs.aws.amazon.com/general/latest/gr/rande.html#redshift_region)資料表所列的區域。
如果指定 REGION 參數，則所有資源 (包括資訊清單檔案或多個 Amazon S3 儲存貯體) 都必須位於指定的區域。
跨區域傳輸資料需要為含有資料的 Amazon S3 儲存貯體或 DynamoDB 資料表另外付費。如需定價的詳細資訊，請參閱 **Amazon S3 定價頁面上從 Amazon S3 傳出至其他 AWS 區域的資料傳輸**，以及 [Amazon DynamoDB 定價](https://aws.amazon.com/dynamodb/pricing/)頁面上的 **傳出資料傳輸**。 [Amazon S3 ](https://aws.amazon.com/s3/pricing/)
根據預設，COPY 會假設資料與 Amazon Redshift 叢集位於相同區域。
## 選用的參數
從 Amazon S3 COPY 時，您可以選擇性指定下列參數：
+ [欄映射選項](copy-parameters-column-mapping.md)
+ [資料格式參數](copy-parameters-data-format.md#copy-data-format-parameters)
+ [資料轉換參數](copy-parameters-data-conversion.md)
+ [資料載入操作](copy-parameters-data-load.md)
## 不支援的參數
從 Amazon S3 COPY 時，您不能使用下列參數：
+ SSH
+ READRATIO
# 從 Amazon EMR 進行 COPY
您可以使用 COPY 命令從 Amazon EMR 叢集平行載入資料，而該叢集設定為以固定寬度檔案、字元分隔檔案、CSV 檔案、JSON 格式檔案或 Avro 檔案的形式，將文字檔案寫入叢集的 Hadoop 分散式檔案系統 (HDFS)。
**Topics**
+ [語法](#copy-parameters-data-source-emr-syntax)
+ [範例](#copy-parameters-data-source-emr-example)
+ [Parameters](#copy-parameters-data-source-emr-parameters)
+ [支援的參數](#copy-parameters-data-source-emr-optional-parms)
+ [不支援的參數](#copy-parameters-data-source-emr-unsupported-parms)
## 語法
```
FROM 'emr://emr_cluster_id/hdfs_filepath'
authorization
[ optional_parameters ]
```
## 範例
下列範例從 Amazon EMR 叢集載入資料。
```
copy sales
from 'emr://j-SAMPLE2B500FC/myoutput/part-*'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole';
```
## Parameters
FROM
載入的資料來源。
'emr://*emr\$1cluster\$1id*/*hdfs\$1file\$1path*'
Amazon EMR 叢集的唯一識別碼，以及 HDFS 檔案路徑 (參考 COPY 命令的資料檔案)。HDFS 資料檔案名稱不能包含萬用字元星號 (\$1) 和問號 (?)。
Amazon EMR 叢集必須一直運作到 COPY 操作完成為止。如果 COPY 操作完成之前有任何 HDFS 資料檔案經變更或遭刪除，可能會發生非預期的結果，COPY 操作也可能失敗。
您可以在 *hdfs\$1file\$1path* 引數中使用萬用字元星號 (\$1) 和問號 (?) 來指定要載入的多個檔案。例如，`'emr://j-SAMPLE2B500FC/myoutput/part*'` 表示檔案 `part-0000`、`part-0001`，以此類推。如果檔案路徑不含萬用字元，則視為字串常值。如果僅指定資料夾名稱，COPY 會嘗試載入該資料夾中的所有檔案。
如果使用萬用字元或只使用資料夾名稱，請確認不會載入不需要的檔案。例如，某些程序可能將日誌檔案寫入至輸出資料夾。
如需詳細資訊，請參閱[從 Amazon EMR 載入資料](loading-data-from-emr.md)。
*authorization*
COPY 命令需要取得授權來存取另一個 AWS 資源中 (包括在 Amazon S3、Amazon EMR、Amazon DynamoDB 和 Amazon EC2 中) 的資料。您可以參考連接至叢集的 AWS Identity and Access Management (IAM) 角色 （以角色為基礎的存取控制），或提供使用者的存取憑證 （以金鑰為基礎的存取控制），以提供該授權。為了提高安全性和彈性，建議使用 IAM 角色型存取控制。如需詳細資訊，請參閱[授權參數](copy-parameters-authorization.md)。
## 支援的參數
從 Amazon EMR COPY 時，您可以選擇性指定下列參數：
+ [欄映射選項](copy-parameters-column-mapping.md)
+ [資料格式參數](copy-parameters-data-format.md#copy-data-format-parameters)
+ [資料轉換參數](copy-parameters-data-conversion.md)
+ [資料載入操作](copy-parameters-data-load.md)
## 不支援的參數
從 Amazon EMR COPY 時，您不能使用下列參數：
+ ENCRYPTED
+ MANIFEST
+ REGION
+ READRATIO
+ SSH
# 從遠端主機 COPY (SSH)
您可以使用 COPY 命令從一或多台遠端主機平行載入資料，例如 Amazon Elastic Compute Cloud (Amazon EC2) 執行個體或其他電腦。COPY 會使用 Secure Shell (SSH) 連接至遠端主機，然後在遠端主機執行命令來產生文字輸出。遠端主機可以是 EC2 Linux 執行個體，或另一台設定為接受 SSH 連線的 Unix 或 Linux 電腦。Amazon Redshift 可以連線到多台主機，而且可以對每台主機開啟多個 SSH 連線。Amazon Redshift 會透過每個連線傳送一個唯一的命令，將文字輸出產生到主機的標準輸出，然後 Amazon Redshift 會像讀取文字檔一樣讀取該輸出。
使用 FROM 子句來指定資訊清單檔案的 Amazon S3 物件金鑰，此資訊清單檔案提供讓 COPY 用來開啟 SSH 連線和執行遠端命令的資訊。
**Topics**
+ [語法](#copy-parameters-data-source-ssh-syntax)
+ [範例](#copy-parameters-data-source-ssh-examples)
+ [Parameters](#copy-parameters-data-source-ssh-parameters)
+ [選用的參數](#copy-parameters-data-source-ssh-optional-parms)
+ [不支援的參數](#copy-parameters-data-source-ssh-unsupported-parms)
**重要**
如果存放資訊清單檔案的 S3 儲存貯體所在區域與叢集的 AWS 區域不是同一個，您必須使用 REGION 參數來指定儲存貯體所在的區域。
## 語法
```
FROM 's3://'ssh_manifest_file' }
authorization
SSH
| optional-parameters
```
## 範例
下列範例使用資訊清單檔案，以利用 SSH 從遠端主機載入資料。
```
copy sales
from 's3://amzn-s3-demo-bucket/ssh_manifest'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
ssh;
```
## Parameters
FROM
載入的資料來源。
's3://*copy\$1from\$1ssh\$1manifest\$1file*'
COPY 命令可以使用 SSH 來連接至多台主機，也可以對每台主機建立多個 SSH 連線。COPY 會透過每個主機連線執行命令，然後將命令的輸出平行載入資料表。*s3://copy\$1from\$1ssh\$1manifest\$1file* 引數會指定資訊清單檔案的 Amazon S3 物件金鑰，此清單檔案會提供讓 COPY 用來開啟 SSH 連線和執行遠端命令的資訊。
*s3://copy\$1from\$1ssh\$1manifest\$1file* 引數必須明確參考單一檔案；不能是金鑰字首。如下列範例所示：
```
's3://amzn-s3-demo-bucket/ssh_manifest.txt'
```
資訊清單檔案是 JSON 格式的文字檔案，供 Amazon Redshift 用來連接至主機。資訊清單檔案指定 SSH 主機端點，以及要在主機上執行以將資料傳回給 Amazon Redshift 的命令。您可以選擇在每個項目中包含主機公有金鑰、登入使用者名稱及 mandatory 旗標。下列範例顯示的資訊清單檔案會建立兩個 SSH 連線：
```
{
"entries": [
{"endpoint":"",
"command": "",
"mandatory":true,
"publickey": "",
"username": ""},
{"endpoint":"",
"command": "",
"mandatory":true,
"publickey": "",
"username": ""}
]
}
```
資訊清單檔案包含一個 `"entries"` 結構來含括每個 SSH 連線。您可以對單一主機建立多個連線，也可以對多台主機建立多個連線。如圖所示，欄位名稱和值都需要雙引號字元。引號字元必須是簡單引號 (0x22)，而不是斜向或「智慧型」引號。唯一不需要雙引號字元的值是 `"mandatory"` 欄位的布林值 `true` 或 `false`。
下列清單描述資訊清單檔案中的欄位。
端點
主機的 URL 地址或 IP 地址，例如 `"ec2-111-222-333.compute-1.amazonaws.com"` 或 `"198.51.100.0"`。
command
主機執行的命令，會產生文字輸出或 gzip、lzop、bzip2 或 zstd 格式的二進位輸出。命令可以是使用者 *"host\$1user\$1name"* 有許可執行的任何命令。命令可能像是列印檔案這麼簡單，也可能是查詢資料庫或啟動指令碼。輸出 (文字檔案、gzip 二進位檔案、lzop 二進位檔案，或 bzip2 二進位檔案) 必須是 Amazon Redshift COPY 命令可擷取的格式。如需詳細資訊，請參閱[準備您的輸入資料](t_preparing-input-data.md)。
publickey
(選用) 主機的公有金鑰。如果提供，Amazon Redshift 會使用公有金鑰來識別主機。如果未提供公有金鑰，Amazon Redshift 不會嘗試識別主機。例如，若遠端主機的公有金鑰是 `ssh-rsa AbcCbaxxx…Example root@amazon.com`，請在公有金鑰欄位中輸入下列文字：`"AbcCbaxxx…Example"`
mandatory
(選用) 此子句指出如果嘗試連線失敗，COPY 命令是否就應該失敗。預設值為 `false`。如果 Amazon Redshift 未成功建立至少一個連線，則 COPY 命令會失敗。
使用者名稱
(選用) 用來登入主機系統並執行遠端命令的使用者名稱。使用者登入名稱與用來將 Amazon Redshift 叢集公有金鑰新增至主機授權金鑰檔案的登入必須相同。預設使用者名稱為 `redshift`。
如需建立資訊清單檔案的相關資訊，請參閱[載入資料程序](loading-data-from-remote-hosts.md#load-from-host-process)。
若要從遠端主機進行 COPY，則必須使用 COPY 命令指定 SSH 參數。如果未指定 SSH 參數，COPY 會假設 FROM 指定的檔案是資料檔案，而且將會失敗。
如果您使用自動壓縮，COPY 命令會執行兩次資料讀取操作，也就是會執行遠端命令兩次。第一次讀取操作會提供資料樣本進行壓縮分析，第二次讀取操作就會實際載入資料。如果遠端命令的兩次執行可能造成問題，請停用自動壓縮。若要停用自動壓縮，請在執行 COPY 命令時將 COMPUPDATE 參數設為 OFF。如需詳細資訊，請參閱[利用自動壓縮載入資料表](c_Loading_tables_auto_compress.md)。
關於使用從 SSH COPY 的詳細程序，請參閱[從遠端主機載入資料](loading-data-from-remote-hosts.md)。
*authorization*
COPY 命令需要取得授權來存取另一個 AWS 資源中 (包括在 Amazon S3、Amazon EMR、Amazon DynamoDB 和 Amazon EC2 中) 的資料。您可以參考連接至叢集的 AWS Identity and Access Management (IAM) 角色 （以角色為基礎的存取控制），或提供使用者的存取憑證 （以金鑰為基礎的存取控制），以提供該授權。為了提高安全性和彈性，建議使用 IAM 角色型存取控制。如需詳細資訊，請參閱[授權參數](copy-parameters-authorization.md)。
SSH
此子句指定從使用 SSH 通訊協定的遠端主機載入資料。如果指定 SSH，則還必須使用 [s3://copy_from_ssh_manifest_file](#copy-ssh-manifest) 引數提供資訊清單檔案。
如果您使用 SSH 從位在遠端 VPC 使用私有 IP 地址的主機複製，該 VPC 必須已啟用增強型 VPC 路由。如需增強型 VPC 路由的相關資訊，請參閱 [Amazon Redshift 增強型 VPC 路由](https://docs.aws.amazon.com/redshift/latest/mgmt/enhanced-vpc-routing.html)。
## 選用的參數
從 SSH COPY 時，您可以選擇性指定下列參數：
+ [欄映射選項](copy-parameters-column-mapping.md)
+ [資料格式參數](copy-parameters-data-format.md#copy-data-format-parameters)
+ [資料轉換參數](copy-parameters-data-conversion.md)
+ [資料載入操作](copy-parameters-data-load.md)
## 不支援的參數
從 SSH COPY 時，您不能使用下列參數：
+ ENCRYPTED
+ MANIFEST
+ READRATIO
# 從 Amazon DynamoDB 進行 COPY
若要從現有的 DynamoDB 資料表載入資料，請使用 FROM 子句來指定 DynamoDB 資料表名稱。
**Topics**
+ [語法](#copy-parameters-data-source-dynamodb-syntax)
+ [範例](#copy-parameters-data-source-dynamodb-examples)
+ [選用的參數](#copy-parameters-data-source-dynamodb-optional-parms)
+ [不支援的參數](#copy-parameters-data-source-dynamodb-unsupported-parms)
**重要**
如果 DynamoDB 資料表所在區域與 Amazon Redshift 叢集的區域不是同一個，您必須使用 REGION 參數來指定資料所在的區域。
## 語法
```
FROM 'dynamodb://table-name'
authorization
READRATIO ratio
| REGION [AS] 'aws_region'
| optional-parameters
```
## 範例
下列範例從 DynamoDB 資料表載入資料。
```
copy favoritemovies from 'dynamodb://ProductCatalog'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
readratio 50;
```
### Parameters
FROM
載入的資料來源。
'dynamodb://*table-name*'
包含資料之 DynamoDB 資料表的名稱，例如 `'dynamodb://ProductCatalog'`。如需 DynamoDB 屬性如何映射至 Amazon Redshift 欄的詳細資訊，請參閱[從 Amazon DynamoDB 資料表載入資料](t_Loading-data-from-dynamodb.md)。
DynamoDB 資料表名稱對 AWS 帳戶是唯一的，由 AWS 存取憑證識別。
*authorization*
COPY 命令需要取得授權來存取另一個 AWS 資源中 (包括在 Amazon S3、Amazon EMR、DynamoDB 和 Amazon EC2 中) 的資料。您可以參考連接至叢集的 AWS Identity and Access Management (IAM) 角色 （以角色為基礎的存取控制），或提供使用者的存取憑證 （以金鑰為基礎的存取控制），以提供該授權。為了提高安全性和彈性，建議使用 IAM 角色型存取控制。如需詳細資訊，請參閱[授權參數](copy-parameters-authorization.md)。
READRATIO [AS] *比率*
DynamoDB 資料表的佈建輸送量中用於資料載入的百分比。從 DynamoDB 的 COPY 需要 READRATIO。此項目不能用於從 Amazon S3 的 COPY。強烈建議將此比率設定為小於平均未用佈建輸送量的值。有效值為整數 1–200。
將 READRATIO 設為 100 或更高會使 Amazon Redshift 完全耗盡 DynamoDB 資料表的佈建輸送量，導致 COPY 工作階段期間對相同資料表同時執行的讀取操作效能嚴重降低。寫入流量不受影響。在 Amazon Redshift 無法滿足資料表的佈建輸送量的罕見情況下，允許使用高於 100 的值來排解此問題。如果您持續從 DynamoDB 將資料載入 Amazon Redshift，請考慮以時間序列來組織 DynamoDB 資料表，以分隔來自 COPY 操作的即時流量。
## 選用的參數
從 Amazon DynamoDB COPY 時，您可以選擇性指定下列參數：
+ [欄映射選項](copy-parameters-column-mapping.md)
+ 支援下列資料轉換參數：
+ [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)
+ [資料載入操作](copy-parameters-data-load.md)
## 不支援的參數
從 DynamoDB COPY 時，您不能使用下列參數：
+ 所有資料格式參數
+ ESCAPE
+ FILLRECORD
+ IGNOREBLANKLINES
+ IGNOREHEADER
+ NULL
+ REMOVEQUOTES
+ ACCEPTINVCHARS
+ MANIFEST
+ ENCRYPTED
# 授權參數
COPY 命令需要授權才能存取其他 AWS 資源中的資料，包括 Amazon S3、Amazon EMR、Amazon DynamoDB 和 Amazon EC2。您可以透過參考附加到叢集的 [AWS Identity and Access Management (IAM) 角色](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles.html) 來提供此授權 (*角色型存取控制*)。您可以在 Amazon S3 上加密載入資料。
下列主題提供身分驗證選項的詳細資訊和範例：
+ [COPY、UNLOAD 和 CREATE LIBRARY 的 IAM 許可](copy-usage_notes-access-permissions.md#copy-usage_notes-iam-permissions)
+ [角色類型存取控制](copy-usage_notes-access-permissions.md#copy-usage_notes-access-role-based)
+ [金鑰型存取控制](copy-usage_notes-access-permissions.md#copy-usage_notes-access-key-based)
使用下列其中一項來提供 COPY 命令的授權：
+ [使用 IAM\$1ROLE 參數](#copy-iam-role) 參數
+ [使用 ACCESS\$1KEY\$1ID 和 SECRET\$1ACCESS\$1KEY 參數](#copy-access-key-id) 參數
+ [使用 CREDENTIALS 參數](#copy-credentials) 子句
## 使用 IAM\$1ROLE 參數
### IAM\$1ROLE
使用預設關鍵字，讓 Amazon Redshift 使用設定為預設值並在 COPY 命令執行時與叢集關聯的 IAM 角色。
對叢集進行身分驗證和授權時所使用的 IAM 角色使用 Amazon Resource Name (ARN)。如果指定 IAM\$1ROLE，則不能使用 ACCESS\$1KEY\$1ID 和 SECRET\$1ACCESS\$1KEY、SESSION\$1TOKEN 或 CREDENTIALS。
以下顯示 IAM\$1ROLE 參數的語法。
```
IAM_ROLE { default | 'arn:aws:iam:::role/' }
```
如需詳細資訊，請參閱[角色類型存取控制](copy-usage_notes-access-permissions.md#copy-usage_notes-access-role-based)。
## 使用 ACCESS\$1KEY\$1ID 和 SECRET\$1ACCESS\$1KEY 參數
### ACCESS\$1KEY\$1ID、SECRET\$1ACCESS\$1KEY
不建議使用此授權方法。
**注意**
除了以純文字提供存取登入資料，強烈建議指定 IAM\$1ROLE 參數來使用角色型身分驗證。如需詳細資訊，請參閱[角色類型存取控制](copy-usage_notes-access-permissions.md#copy-usage_notes-access-role-based)。
### SESSION\$1TOKEN
用於暫時存取登入資料的工作階段字符。指定 SESSION\$1TOKEN 時，您還必須使用 ACCESS\$1KEY\$1ID 和 SECRET\$1ACCESS\$1KEY 來提供暫時存取金鑰登入資料。如果指定 SESSION\$1TOKEN，則不能使用 IAM\$1ROLE 或 CREDENTIALS。如需詳細資訊，請參閱《IAM 使用者指南》中的[暫時安全憑證](copy-usage_notes-access-permissions.md#r_copy-temporary-security-credentials)。
**注意**
除了建立暫時安全登入資料，強烈建議使用角色型身分驗證。使用 IAM 角色來授權時，Amazon Redshift 會自動為每個工作階段建立暫時使用者憑證。如需詳細資訊，請參閱[角色類型存取控制](copy-usage_notes-access-permissions.md#copy-usage_notes-access-role-based)。
以下顯示 SESSION\$1TOKEN 參數及 ACCESS\$1KEY\$1ID 和 SECRET\$1ACCESS\$1KEY 參數的語法。
```
ACCESS_KEY_ID ''
SECRET_ACCESS_KEY ''
SESSION_TOKEN '';
```
如果指定 SESSION\$1TOKEN，則不能使用 CREDENTIALS 或 IAM\$1ROLE。
## 使用 CREDENTIALS 參數
### CREDENTIALS
子句，指出您的叢集在存取包含資料檔案或資訊清單檔案的其他 AWS 資源時將使用的方法。CREDENTIALS 參數不能與 IAM\$1ROLE 或 ACCESS\$1KEY\$1ID 和 SECRET\$1ACCESS\$1KEY 一起使用。
以下顯示 CREDENTIALS 參數的語法。
```
[WITH] CREDENTIALS [AS] 'credentials-args'
```
**注意**
若要提高彈性，建議使用 [IAM\$1ROLE](#copy-iam-role-iam) 參數，而不是 CREDENTIALS 參數。
(選用) 如果使用 [ENCRYPTED](copy-parameters-data-source-s3.md#copy-encrypted) 參數，則 *credentials-args* 字串也提供加密金鑰。
*credentials-args* 字串區分大小寫，且不得包含空格。
關鍵字 WITH 和 AS 是選用的且會被忽略。
您可指定為 [role-based access control](copy-usage_notes-access-permissions.md#copy-usage_notes-access-role-based.phrase) 或 [key-based access control](copy-usage_notes-access-permissions.md#copy-usage_notes-access-key-based.phrase)。在任一情況下，IAM 角色或使用者必須具有存取指定之 AWS 資源所需的許可。如需詳細資訊，請參閱[COPY、UNLOAD 和 CREATE LIBRARY 的 IAM 許可](copy-usage_notes-access-permissions.md#copy-usage_notes-iam-permissions)。
**注意**
為了保護您的 AWS 登入資料和保護敏感資料，我們強烈建議使用角色型存取控制。
若要指定角色型存取控制，請依下列格式提供 *credentials-args* 字串。
```
'aws_iam_role=arn:aws:iam:::role/'
```
若要使用暫時字符登入資料，您必須提供暫時存取金鑰 ID、暫時私密存取金鑰及暫時字符。*credentials-args* 字串採用下列格式。
```
CREDENTIALS
'aws_access_key_id=;aws_secret_access_key=;token='
```
使用角色型存取控制搭配臨時憑證的 COPY 命令類似下列範例陳述式：
```
COPY customer FROM 's3://amzn-s3-demo-bucket/mydata'
CREDENTIALS
'aws_access_key_id=;aws_secret_access_key=;token='
```
如需詳細資訊，請參閱[暫時安全憑證](copy-usage_notes-access-permissions.md#r_copy-temporary-security-credentials)。
如果使用 [ENCRYPTED](copy-parameters-data-source-s3.md#copy-encrypted) 參數，則 *credentials-args* 字串採用下列格式，其中 ** 是用於加密檔案之根金鑰的值。
```
CREDENTIALS
';master_symmetric_key='
```
使用角色型存取控制搭配加密金鑰的 COPY 命令類似下列範例陳述式：
```
COPY customer FROM 's3://amzn-s3-demo-bucket/mydata'
CREDENTIALS
'aws_iam_role=arn:aws:iam:::role/;master_symmetric_key='
```
# 欄映射選項
根據預設，COPY 會依欄位在資料檔案中出現的同樣順序，將值插入目標資料表的欄。如果預設欄順序不適用，您可以指定欄清單或使用 JSONPath 表達式，將來源資料欄位映射至目標欄。
+ [Column List](#copy-column-list)
+ [JSONPaths File](#copy-column-mapping-jsonpaths)
## 資料欄清單
您可以指定逗號分隔的欄名稱清單，以便將來源資料欄位載入特定的目標欄。COPY 陳述式中的欄可以是任何順序，但從純文字檔 (例如 Amazon S3 儲存貯體) 載入時，欄的順序必須符合來源資料的順序。
從 Amazon DynamoDB 資料表載入時，順序並不重要。COPY 命令會將擷取自 DynamoDB 資料表之項目中的屬性名稱，與 Amazon Redshift 資料表中的欄名稱進行比對。如需詳細資訊，請參閱[從 Amazon DynamoDB 資料表載入資料](t_Loading-data-from-dynamodb.md)
欄清單的格式如下。
```
COPY tablename (column1 [,column2, ...])
```
如果從欄清單中省略目標資料表的某一欄，COPY 會載入目標欄的 [DEFAULT](r_CREATE_TABLE_NEW.md#create-table-default) 表達式。
如果目標欄沒有預設值，COPY 會嘗試載入 NULL。
如果 COPY 嘗試將 NULL 指派給定義為 NOT NULL 的欄，COPY 命令會失敗。
如果欄清單包含 [IDENTITY](r_CREATE_TABLE_NEW.md#identity-clause) 欄，則還必須指定 [EXPLICIT_IDS](copy-parameters-data-conversion.md#copy-explicit-ids)；如果 IDENTITY 欄遭省略，則不能指定 EXPLICIT\$1IDS。如果未指定欄清單，則命令的行為會如同已指定完整、按順序的欄清單一樣，而如果也未指定 EXPLICIT\$1IDS，則會 IDENTITY 欄會遭到省略。
如果資料欄是使用 GENERATED BY DEFAULT AS IDENTITY 定義的，則可以複製它。值是利用您提供的值來產生或更新。EXPLICIT\$1IDS 不是必要選項。COPY 不會更新身分高浮水印。如需詳細資訊，請參閱[GENERATED BY DEFAULT AS IDENTITY](r_CREATE_TABLE_NEW.md#identity-generated-bydefault-clause)。
## JSONPaths 檔案
從 JSON 或 Avro 格式的資料檔案載入時，COPY 會自動將 JSON 或 Avro 來源資料中的資料元素映射至目標資料表的欄。它會比對 Avro 結構定義中的欄位名稱與目標資料表或欄清單中的欄名稱，以達到這個目標。
在某些情況下，您的欄名稱和欄位名稱不相符，或者您需要映射至資料階層中的更深層級。在這些情況下，您可以使用 JSONPaths 檔案將 JSON 或 Avro 資料元素明確地映射至欄。
如需詳細資訊，請參閱[JSONPaths 檔案](copy-parameters-data-format.md#copy-json-jsonpaths)。
# 資料格式參數
根據預設，COPY 命令會預期來源資料是字元分隔的 UTF-8 文字。預設分隔符號是縱線字元 ( \$1 )。如果來源資料是其他格式，請使用下列參數來指定資料格式：
+ [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)
從 Amazon S3 COPY 時，除了標準資料格式，COPY 還支援下列單欄資料格式：
+ [ORC](#copy-orc)
+ [PARQUET](#copy-parquet)
支援從單欄格式進行 COPY，但有某些限制。如需詳細資訊，請參閱[從單欄資料格式 COPY](copy-usage_notes-copy-from-columnar.md)。資料格式參數
FORMAT [AS]
(選用) 識別資料格式關鍵字。FORMAT 引數描述如下。
CSV [ QUOTE [AS] *'quote\$1character'* ]
在輸入資料中啟用 CSV 格式。若要自動逸出分隔符號、新行字元及換行字元，請以 QUOTE 參數指定的字元來括住欄位。預設引號字元為雙引號 ( " )。在欄位內使用引號字元時，請多加一個引號字元來逸出此字元。例如，假設引號字元是雙引號，若要插入 `A "quoted" word` 字串，則輸入檔案應該包含 `"A ""quoted"" word"` 字串。使用 CSV 參數時，預設分隔字元為逗號 ( , )。您可以使用 DELIMITER 參數來指定不同的分隔字元。
以引號括住欄位時，分隔字元和引號字元之間的空格會被忽略。如果分隔字元是空格字元 (例如 Tab 字元)，則不會將分隔字元視為空格。
CSV 不能與 FIXEDWIDTH、REMOVEQUOTES 或 ESCAPE 一起使用。
QUOTE [AS] *'quote\$1character'*
選用。指定字元做為使用 CSV 參數時的引號字元。預設值為雙引號 ( " )。如果使用 QUOTE 參數來定義雙引號以外的引號字元，則不需要在欄位內逸出雙引號。QUOTE 參數只能與 CSV 參數一起使用。AS 關鍵字為選用。
DELIMITER [AS] ['*delimiter\$1char*']
指定用來分隔輸入檔案中不同欄位的字元，例如縱線字元 (`|`)、逗號 (`,`) 或 Tab (`\t`)，或是指定多個字元，例如 `|~|`。支援非列印字元。字元也可以用八進位表示，如其 UTF-8 字碼單位。採用八進位時，請使用格式 '\$1ddd'，其中 'd' 是八進位數字 (0-7)。預設分隔字元為縱線字元 (`|`)，除非使用 CSV 參數 (在此情況下，預設分隔字元為逗號 (`,`)。AS 關鍵字為選用。DELIMITER 不能與 FIXEDWIDTH 一起使用。
FIXEDWIDTH '*fixedwidth\$1spec*'
從每個欄寬是固定長度 (而不是以分隔字元隔開的欄) 的檔案載入資料。*fixedwidth\$1spec* 是字串，指定使用者定義的欄標籤和欄寬。欄標籤可以是文字字串或整數 (視使用者的選擇而定)。欄標籤與欄名稱無關。標籤/寬度配對的順序必須完全符合資料表欄的順序。FIXEDWIDTH 不能與 CSV 或 DELIMITER 一起使用。在 Amazon Redshift 中，CHAR 和 VARCHAR 欄的長度以位元組表示，因此在準備要載入的檔案時，請確保您指定的欄寬可容納多位元組字元的二進位長度。如需詳細資訊，請參閱[字元類型](r_Character_types.md)。
*fixedwidth\$1spec* 的格式如下所示：
```
'colLabel1:colWidth1,colLabel:colWidth2, ...'
```
SHAPEFILE [ SIMPLIFY [AUTO] [*'tolerance'*] ]
在輸入資料中啟用 SHAPEFILE 格式。依預設，Shapefile 的第一欄是 `GEOMETRY` 或 `IDENTITY` 欄。所有後續的欄都遵循 Shapefile 中指定的順序。
您不能使用具有 FIXEDWIDTH、REMOVEQUOTES 或 ESCAPE 的 SHAPEFILE。
若要搭配 `GEOGRAPHY` 物件使用 `COPY FROM SHAPEFILE`，請先擷取至 `GEOMETRY` 欄中，然後將物件轉換為 `GEOGRAPHY` 物件。
SIMPLIFY [*tolerance*]
(選用) 使用 Ramer-Douglas-Peucker 演算法和指定的公差，簡化擷取過程中的所有幾何。
SIMPLIFY AUTO [*tolerance*]
(選用) 僅簡化大於最大幾何大小的幾何。此簡化使用 Ramer-Douglas-Peucker 演算法和自動計算的公差 (如果未超過指定的公差)。此演算法會在指定公差內計算儲存物件的大小。*tolerance* 值是選用的。
如需載入 Shapefile 的範例，請參閱 [將 Shapefile 載入 Amazon Redshift](r_COPY_command_examples.md#copy-example-spatial-copy-shapefile)。
AVRO [AS] '*avro\$1option*'
指定來源資料是 Avro 格式。
從這些服務和通訊協定進行 COPY 時，支援 Avro 格式：
+ Amazon S3
+ Amazon EMR
+ 遠端主機 (SSH)
從 DynamoDB 進行 COPY 時不支援 Avro。
Avro 是資料序列化通訊協定。Avro 來源檔案包含結構描述來定義資料的結構。Avro 結構描述類型必須是 `record`。COPY 接受使用預設未壓縮解碼器及 `deflate` 和 `snappy` 壓縮解碼器建立的 Avro 檔案。如需 Avro 的相關資訊，請前往 [Apache Avro](https://avro.apache.org/)。
*avro\$1option* 的有效值如下所示：
+ `'auto'`
+ `'auto ignorecase'`
+ `'s3://jsonpaths_file'`
預設值為 `'auto'`。
COPY 會自動將 Avro 來源資料中的資料元素映射至目標資料表中的欄。它會比對 Avro 結構描述中的欄位名稱與目標資料表中的欄名稱。`'auto'` 的比對區分大小寫，而 `'auto ignorecase'` 的比對不區分大小寫。
Amazon Redshift 資料表中的欄名稱一律為小寫，因此當您使用 `'auto'` 選項時，相符欄位名稱也必須是小寫。如果欄位名稱並非全部小寫，您可以使用 `'auto ignorecase'` 選項。使用預設 `'auto'` 引數，COPY 只會識別結構中的第一層欄位 (或*外部欄位*)。
若要將欄名稱明確映射至 Avro 欄位名稱，您可以使用 [JSONPaths 檔案](#copy-json-jsonpaths)。
根據預設，COPY 會嘗試將目標資料表中的所有欄與 Avro 欄位名稱進行比對。若要載入欄子集，您可以選擇性指定欄清單。如果從欄清單中省略目標資料表的某一欄，COPY 會載入目標欄的 [DEFAULT](r_CREATE_TABLE_NEW.md#create-table-default) 運算式。如果目標欄沒有預設值，COPY 會嘗試載入 NULL。如果某一欄出現在欄清單中，且 COPY 在 Avro 資料中找不到相符欄位，則 COPY 會嘗試將 NULL 載入此欄。
如果 COPY 嘗試將 NULL 指派給定義為 NOT NULL 的欄，COPY 命令會失敗。
**Avro 結構描述**
Avro 來源資料檔案包含結構描述來定義資料的結構。COPY 會讀取 Avro 來源資料檔案中的結構描述，以便將資料元素映射至目標資料表欄。下列範例顯示 Avro 結構描述。
```
{
"name": "person",
"type": "record",
"fields": [
{"name": "id", "type": "int"},
{"name": "guid", "type": "string"},
{"name": "name", "type": "string"},
{"name": "address", "type": "string"}]
}
```
Avro 結構描述定義方式是 JSON 格式。最上層 JSON 物件包含三個名稱值對，包含名稱 (或*金鑰*)、`"name"`、`"type"` 和 `"fields"`。
內含物件陣列的 `"fields"` 金鑰對會定義資料結構中每個欄位的名稱和資料類型。根據預設，COPY 會自動將欄位名稱與欄名稱進行比對。欄名稱一律為小寫，因此相符的欄位名稱也必須是小寫，除非您指定 `‘auto ignorecase’` 選項。不符合欄名稱的任何欄位名稱會被忽略。順序並不重要。在上述範例中，COPY 映射至欄名稱 `id`、`guid`、`name` 和 `address`。
使用預設的 `'auto'` 引數時，COPY 只會將第一層物件與欄進行比對。若要映射至結構描述中更深的層級，或欄位名稱和欄名稱不相符，請使用 JSONPaths 檔案來定義映射。如需詳細資訊，請參閱[JSONPaths 檔案](#copy-json-jsonpaths)。
如果與金鑰相關聯的值是複合 Avro 資料類型 (例如位元組、陣列、記錄、映射或連結)，COPY 會以字串形式載入值。在這裡，字串是資料的 JSON 表示法。COPY 會以字串形式載入 Avro 列舉資料類型，其中內容是類型的名稱。如需範例，請參閱 [從 JSON 格式 COPY](copy-usage_notes-copy-from-json.md)。
Avro 檔案標頭 (包括結構描述和檔案中繼資料) 的大小上限為 1 MB。
單一 Avro 資料區塊的大小上限為 4 MB。這不同於資料列大小上限。如果超過單一 Avro 資料區塊的大小上限，即使產生的資料列小於 4 MB 資料列大小限制，COPY 命令也會失敗。
在計算列大小時，Amazon Redshift 會在內部將縱線字元 ( \$1 ) 計算兩次。如果輸入資料包含非常多的縱線字元，即使資料區塊小於 4 MB，資料列大小仍可能超過 4 MB。
JSON [AS] '*json\$1option*'
來源資料是 JSON 格式。
從這些服務和通訊協定 COPY 時，支援 JSON 格式：
+ Amazon S3
+ 從 Amazon EMR 進行 COPY
+ 從 SSH COPY
從 DynamoDB 進行 COPY 時不支援 JSON。
*json\$1option* 的有效值如下所示：
+ `'auto'`
+ `'auto ignorecase'`
+ `'s3://jsonpaths_file'`
+ `'noshred'`
預設值為 `'auto'`。載入 JSON 文件時，Amazon Redshift 不會將 JSON 結構的屬性分解為多個欄。
根據預設，COPY 會嘗試將目標資料表中的所有欄與 JSON 欄位名稱金鑰配對。若要載入欄子集，您可以選擇性指定欄清單。如果 JSON 欄位名稱金鑰不是全部小寫，您可以使用 `'auto ignorecase'` 選項或 [JSONPaths 檔案](#copy-json-jsonpaths)，明確地將欄名稱映射至 JSON 欄位名稱金鑰。
如果從欄清單中省略目標資料表的某一欄，COPY 會載入目標欄的 [DEFAULT](r_CREATE_TABLE_NEW.md#create-table-default) 表達式。如果目標欄沒有預設值，COPY 會嘗試載入 NULL。如果某一欄出現在欄清單中，且 COPY 在 JSON 資料中找不到相符欄位，則 COPY 會嘗試將 NULL 載入此欄。
如果 COPY 嘗試將 NULL 指派給定義為 NOT NULL 的欄，COPY 命令會失敗。
COPY 會將 JSON 來源資料中的資料元素映射至目標資料表的欄。它會將來源名稱值對中的*物件金鑰* (或名稱) 比對目標資料表中的欄名稱來達成此目標。
請參閱每個 *json\$1option* 值的下列詳細資訊：
'auto'
使用此選項，比對會區分大小寫。Amazon Redshift 資料表中的欄名稱一律為小寫，當您使用 `'auto'` 選項時，相符的 JSON 欄位名稱也必須是小寫。
'auto ignorecase'
使用此選項，比對不會區分大小寫。Amazon Redshift 資料表中的欄名稱一律為小寫，因此，當您使用 `'auto ignorecase'` 選項時，對應的 JSON 欄位名稱可以是小寫、大寫或大小寫混合。
's3://*jsonpaths\$1file*'
使用此選項，COPY 會使用指名的 JSONPaths 檔案，將 JSON 來源資料中的資料元素映射至目標資料表的欄。*`s3://jsonpaths_file`* 引數必須是明確參考單一檔案的 Amazon S3 物件金鑰。例如 `'s3://amzn-s3-demo-bucket/jsonpaths.txt`'。引數不能是索引鍵字首。如需使用 JSONPaths 檔案的相關資訊，請參閱 [JSONPaths 檔案](#copy-json-jsonpaths)。
在某些情況下，由 `jsonpaths_file` 指定的檔案具有與 `copy_from_s3_objectpath` 為資料檔指定的路徑相同的字首。如果是這樣，COPY 會將 JSONPaths 檔案讀取為資料檔案並傳回錯誤。例如，假設您的資料檔案使用物件路徑 `s3://amzn-s3-demo-bucket/my_data.json`，而您的 JsonPath 檔案是 `s3://amzn-s3-demo-bucket/my_data.jsonpaths`。在此情況下，COPY 會嘗試將 `my_data.jsonpaths` 載入為資料檔案。
'noshred'
使用此選項，在載入 JSON 文件時，Amazon Redshift 不會將 JSON 結構的屬性分解為多個欄。
## JSON 資料檔案
JSON 資料檔案包含一組物件或陣列。COPY 會將每個 JSON 物件或陣列載入目標資料表中的每一列。對應到一列的每個物件或陣列必須是獨立的根層級結構；亦即，不能是另一個 JSON 結構的成員。
JSON *物件*的開頭和結尾是大括號 ( \$1 \$1 )，且包含一組未排序的名稱值對。每一對名稱和值以冒號分隔，而配對以逗號分隔。根據預設，名稱值對中的*物件金鑰* (或名稱) 必須符合資料表中相應欄的名稱。Amazon Redshift 資料表中的欄名稱一律為小寫，因此相符的 JSON 欄位名稱金鑰也必須是小寫。如果欄名稱與 JSON 金鑰不符，請使用 [JSONPaths 檔案](#copy-json-jsonpaths) 明確地將欄映射至金鑰。
JSON 物件中的順序並不重要。不符合欄名稱的任何名稱會被忽略。以下顯示簡易 JSON 物件的結構。
```
{
"column1": "value1",
"column2": value2,
"notacolumn" : "ignore this value"
}
```
JSON *陣列* 的開頭和結尾是方括號 ( [ ] )，且包含一組已排序的值 (以逗號分隔)。如果資料檔案使用陣列，您必須指定 JSONPaths 檔案將值與欄配對。以下顯示簡易 JSON 陣列的結構。
```
["value1", value2]
```
JSON 必須格式正確。例如，不能以逗號或其他任何字元 (空格除外) 來分隔物件或陣列。必須以雙引號字元括住字串。引號字元必須是簡單引號 (0x22)，而不是斜向或「智慧型」引號。
單一 JSON 物件或陣列的大小上限 (包括大括號或方括號) 為 4 MB。這不同於資料列大小上限。如果超過單一 JSON 物件或陣列的大小上限，即使產生的資料列小於 4 MB 資料列大小限制，COPY 命令也會失敗。
在計算列大小時，Amazon Redshift 會在內部將縱線字元 ( \$1 ) 計算兩次。如果輸入資料包含非常多的縱線字元，即使物件小於 4 MB，資料列大小仍可能超過 4 MB。
COPY 會載入 `\n` 做為新行字元，也會載入 `\t` 做為 Tab 字元。若要載入反斜線，請加上反斜線 ( `\\` ) 來逸出。
COPY 會在指定的 JSON 來源中搜尋格式正確、有效的 JSON 物件或陣列。如果 COPY 在找到可用 JSON 結構之前或在有效的 JSON 物件或陣列之間遇到任何非空白字元，COPY 會針對每個例項傳回錯誤。這些錯誤都計入 MAXERROR 錯誤計數內。當錯誤計數等於或超過 MAXERROR 時，COPY 會失敗。
對於每個錯誤，Amazon Redshift 會在 STL\$1LOAD\$1ERRORS 系統資料表中記錄一列。LINE\$1NUMBER 欄會記錄造成錯誤之 JSON 物件的最後一行。
如果指定 IGNOREHEADER，COPY 會在 JSON 資料中忽略指定的行數。IGNOREHEADER 計算時一律計數 JSON 資料中的新行字元。
根據預設，COPY 會將空字串載入為空欄位。如果指定 EMPTYASNULL，COPY 會將 CHAR 和 VARCHAR 欄位的空字串載入為 NULL。一律會將其他資料類型 (例如 INT) 的空字串載入為 NULL。
JSON 不支援下列選項：
+ CSV
+ DELIMITER
+ ESCAPE
+ FILLRECORD
+ FIXEDWIDTH
+ IGNOREBLANKLINES
+ NULL AS
+ READRATIO
+ REMOVEQUOTES
如需詳細資訊，請參閱[從 JSON 格式 COPY](copy-usage_notes-copy-from-json.md)。如需 JSON 資料結構的相關資訊，請前往 [www.json.org](https://www.json.org/)。
## JSONPaths 檔案
如果您從 JSON 格式或 Avro 來源資料載入，根據預設，COPY 預設會將來源資料中的第一層資料元素映射至目標資料表的欄。它會將名稱值對中的每個名稱 (或物件金鑰) 比對目標資料表中的欄名稱來達成此目標。
如果欄名稱和物件金鑰不符，或若要映射至資料階層中更深的層級，您可以使用 JSONPaths 檔案，以明確地將 JSON 或 Avro 資料元素映射至欄。JSONPaths 檔案會比對目標資料表或欄清單中的欄順序，以便將 JSON 資料元素映射至欄。
JSONPaths 檔案只能包含單一 JSON 物件 (不是陣列)。JSON 物件是名稱值對。*物件金鑰* (名稱值對中的名稱) 必須是 `"jsonpaths"`。名稱值對中的*值*是 *JSONPath 運算式*陣列。每個 JSONPath 表達式都參考 JSON 資料階層或 Avro 結構描述中的單一元素，類似於 XPath 表達式參考 XML 文件中元素的方式。如需詳細資訊，請參閱[JSONPath 表達式](#copy-json-jsonpath-expressions)。
若要使用 JSONPath 檔案，請將 JSON 或 AVRO 關鍵字加入 COPY 命令。使用下列格式指定 JSONPath 檔案的 S3 儲存貯體名稱和物件路徑。
```
COPY tablename
FROM 'data_source'
CREDENTIALS 'credentials-args'
FORMAT AS { AVRO | JSON } 's3://jsonpaths_file';
```
`s3://jsonpaths_file` 值必須是明確參考單一檔案的 Amazon S3 物件金鑰，例如 `'s3://amzn-s3-demo-bucket/jsonpaths.txt'`。它不能是索引鍵字首。
在某些情況下，如果您是從 Amazon S3 載入，則 `jsonpaths_file` 指定的檔案具有與 `copy_from_s3_objectpath` 為資料檔指定的路徑相同的字首。如果是這樣，COPY 會將 JSONPaths 檔案讀取為資料檔案並傳回錯誤。例如，假設您的資料檔案使用物件路徑 `s3://amzn-s3-demo-bucket/my_data.json`，而您的 JsonPath 檔案是 `s3://amzn-s3-demo-bucket/my_data.jsonpaths`。在此情況下，COPY 會嘗試將 `my_data.jsonpaths` 載入為資料檔案。
如果金鑰名稱是 `"jsonpaths"` 以外的任何字串，COPY 命令不會傳回錯誤，但會忽略 *jsonpaths\$1file*，並改用 `'auto'` 引數。
如果發生下列任何情形，COPY 命令會失敗：
+ JSON 格式不正確。
+ 有多個 JSON 物件。
+ 物件外面存在空格以外的任何字元。
+ 陣列元素是空字串或不是字串。
MAXERROR 不會套用至 JSONPaths 檔案。
即使指定 [ENCRYPTED](copy-parameters-data-source-s3.md#copy-encrypted) 選項，也不可對 JSONPaths 檔案進行加密。
如需詳細資訊，請參閱[從 JSON 格式 COPY](copy-usage_notes-copy-from-json.md)。
## JSONPath 表達式
JSONPaths 檔案使用 JSONPath 表達式將資料欄位映射至目標欄。每個 JSONPath 運算式都對應至 Amazon Redshift 目標資料表中的一欄。JSONPath 陣列元素的順序必須符合目標資料表或欄清單 (如果使用欄清單) 中的欄順序。
如圖所示，欄位名稱和值都需要雙引號字元。引號字元必須是簡單引號 (0x22)，而不是斜向或「智慧型」引號。
如果在 JSON 資料中找不到 JSONPath 表達式所參考的物件元素，COPY 會嘗試載入 NULL 值。如果參考的物件格式不正確，COPY 會傳回載入錯誤。
如果在 JSON 或 Avro 資料中找不到 JSONPath 表達式所參考的陣列元素，COPY 會失敗並傳回下列錯誤：`Invalid JSONPath format: Not an array or index out of range.` 請從 JSONPaths 中移除任何不存在於來源資料中的陣列元素，並確認來源資料中的陣列格式正確。
JSONPath 運算式可以使用方括號標記法或點標記法，但您不能混用標記法。下列範例示範使用方括號標記法的 JSONPath 表達式。
```
{
"jsonpaths": [
"$['venuename']",
"$['venuecity']",
"$['venuestate']",
"$['venueseats']"
]
}
```
下列範例示範使用點標記法的 JSONPath 表達式。
```
{
"jsonpaths": [
"$.venuename",
"$.venuecity",
"$.venuestate",
"$.venueseats"
]
}
```
在 Amazon Redshift COPY 語法的內容中，JSONPath 運算式必須指定 JSON 或 Avro 階層式資料結構中單一名稱元素的明確路徑。Amazon Redshift 不支援任何可能解析為不明確路徑或多個名稱元素的 JSONPath 元素，例如萬用字元或篩選條件運算式。
如需詳細資訊，請參閱[從 JSON 格式 COPY](copy-usage_notes-copy-from-json.md)。
## 使用 JSONPaths 處理 Avro 資料
下列範例示範多個層級的 Avro 結構描述。
```
{
"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"}
]
}
```
下列範例示範一個 JSONPaths 檔案使用 AvroPath 表達式，來參考上面的結構描述。
```
{
"jsonpaths": [
"$.id",
"$.guid",
"$.address",
"$.friends[0].id"
]
}
```
JSONPaths 範例包含下列元素：
jsonpaths
JSON 物件的名稱，其中包含 AvroPath 表達式。
[ … ]
方括號括住含有路徑元素的 JSON 陣列。
\$1
貨幣符號表示 Avro 結構描述中的根元素，即 `"fields"` 陣列。
"\$1.id",
AvroPath 表達式的目標。在此例子中，目標是 `"fields"` 陣列中名稱為 `"id"` 的元素。表達式以逗號分隔。
"\$1.friends[0].id"
方括號表示陣列索引。JSONPath 表達式採用以零為基礎的索引，所以此表達式是參考 `"friends"` 陣列中名稱為 `"id"` 的第一個元素。
Avro 結構描述語法需要使用*內部欄位*來定義記錄和陣列資料類型的結構。AvroPath 表達式會忽略內部欄位。例如，欄位 `"friends"` 定義名為 `"inner_friends"` 的陣列，此陣列接著定義名為 `"friends_record"` 的記錄。參考欄位 `"id"` 的 AvroPath 表達式可以忽略額外欄位，而直接參考目標欄位。下列 AvroPath 表達式參考兩個屬於 `"friends"` 陣列的欄位。
```
"$.friends[0].id"
"$.friends[0].name"
```
## 單欄資料格式參數
從 Amazon S3 COPY 時，除了標準資料格式，COPY 還支援下列單欄資料格式。支援從單欄格式 COPY，但有某些限制。如需詳細資訊，請參閱[從單欄資料格式 COPY](copy-usage_notes-copy-from-columnar.md)。
ORC
從採用「最佳化資料列單欄式 (ORC)」檔案格式的檔案載入資料。
PARQUET
從採用 Parquet 檔案格式的檔案載入資料。
# 檔案壓縮參數
您可以指定下列參數，以便從壓縮資料檔案載入。檔案壓縮參數
BZIP2
此值指定一或多個 bzip2 壓縮格式的輸入檔案 (.bz2 檔案)。COPY 操作會讀取每個壓縮檔案，並於載入時將資料解壓縮。
GZIP
此值指定一或多個 gzip 壓縮格式的輸入檔案 (.gz 檔案)。COPY 操作會讀取每個壓縮檔案，並於載入時將資料解壓縮。
LZOP
此值指定一或多個 lzop 壓縮格式的輸入檔案 (.lzo 檔案)。COPY 操作會讀取每個壓縮檔案，並於載入時將資料解壓縮。
COPY 不支援以 lzop *--filter* 選項壓縮的檔案。
ZSTD
此值指定一或多個壓縮 Zstandard 格式的輸入檔案 (.zst 檔案)。COPY 操作會讀取每個壓縮檔案，並於載入時將資料解壓縮。
ZSTD 僅支援從 Amazon S3 使用 COPY。
# 資料轉換參數
COPY 載入資料表時會嘗試隱含地將來源資料中的字串轉換為目標欄的資料類型。如果您需要指定不同於預設行為的轉換，或預設轉換造成錯誤，您可以指定下列參數來管理資料轉換。如需這些參數語法的相關資訊，請參閱 [COPY 語法](https://docs.aws.amazon.com/redshift/latest/dg/r_COPY.html#r_COPY-syntax)。
+ [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) 資料轉換參數
ACCEPTANYDATE
允許載入任何日期格式而不會產生錯誤，包括無效格式，例如 `00/00/00 00:00:00`。此參數僅適用於 TIMESTAMP 和 DATE 欄。ACCEPTANYDATE 一定要與 DATEFORMAT 參數一起使用。如果資料的日期格式不符合 DATEFORMAT 規格，Amazon Redshift 會在該欄位中插入 NULL 值。
ACCEPTINVCHARS [AS] ['*replacement\$1char*']
即使資料包含無效 UTF-8 字元，也允許將資料載入 VARCHAR 欄。指定 ACCEPTINVCHARS 時，COPY 會以 *replacement\$1char* 指定之字元所組成相同長度的字串，取代每個無效 UTF-8 字元。例如，假設替換字元是 '`^`'，則會以 '`^^^`' 取代無效的三位元組字元。
替換字元可以是 NULL 除外的任何 ASCII 字元。預設值為問號 ( ? )。如需無效 UTF-8 字元的相關資訊，請參閱[多位元組字元載入錯誤](multi-byte-character-load-errors.md)。
COPY 會傳回包含無效 UTF-8 字元的列數，並針對每個受影響的列，在 [STL\$1REPLACEMENTS](r_STL_REPLACEMENTS.md) 系統資料表中新增一筆項目，而每個節點配量最多 100 列。也會取代其他無效 UTF-8 字元，但不會記錄那些取代事件。
如果不指定 ACCEPTINVCHARS，COPY 只要遇到無效 UTF-8 字元就會傳回錯誤。
ACCEPTINVCHARS 僅適用於 VARCHAR 欄。
BLANKSASNULL
將只包含空格字元的空白欄位載入為 NULL。此選項僅適用於 CHAR 和 VARCHAR 欄。一律會將其他資料類型 (例如 INT) 的空白欄位載入為 NULL。例如，會將包含連續三個空白字元 (沒有其他任何字元) 的字串載入為 NULL。預設行為 (不使用此選項時) 是依原狀載入空白字元。
DATEFORMAT [AS] \$1'*dateformat\$1string*' \$1 'auto' \$1
如果不指定 DATEFORMAT，則預設格式為 `'YYYY-MM-DD'`。例如，另一種有效格式為 `'MM-DD-YYYY'`。
如果 COPY 命令無法辨識日期或時間值的格式，或者，日期或時間值使用不同的格式，請使用 `'auto'` 引數來搭配 DATEFORMAT 或 TIMEFORMAT 參數。`'auto'` 引數可以辨識使用 DATEFORMAT 和 TIMEFORMAT 字串時不支援的多種格式。`'auto'` 關鍵字區分大小寫。如需詳細資訊，請參閱[對 DATEFORMAT 和 TIMEFORMAT 使用自動辨識](automatic-recognition.md)。
日期格式可以包含時間資訊 (時、分、秒)，但此資訊會遭到忽略。AS 關鍵字為選用。如需詳細資訊，請參閱[DATEFORMAT 和 TIMEFORMAT 字串範例](r_DATEFORMAT_and_TIMEFORMAT_strings.md)。
EMPTYASNULL
指出 Amazon Redshift 應該將空的 CHAR 和 VARCHAR 欄位載入為 NULL。其他資料類型 (例如 INT) 的空欄位一律載入為 NULL。當資料包含連續兩個分隔符號，且分隔符號之間沒有字元時，就形成空欄位。EMPTYASNULL 和 NULL AS '' (空字串) 會引起相同的行為。
ENCODING [AS] *file\$1encoding*
指定載入資料的編碼類型。COPY 命令會於載入期間將資料從指定的編碼轉換為 UTF-8。
*file\$1encoding* 的有效值如下所示：
+ `UTF8`
+ `UTF16`
+ `UTF16LE`
+ `UTF16BE`
+ `ISO88591`
預設值為 `UTF8`。
來源檔案名稱必須使用 UTF-8 編碼。
即使對載入資料指定不同的編碼，下列檔案仍必須使用 UTF-8 編碼：
+ 資訊清單檔案
+ JSONPaths 檔案
下列參數隨附的引數字串必須使用 UTF-8：
+ FIXEDWIDTH '*fixedwidth\$1spec*'
+ ACCEPTINVCHARS '*replacement\$1char*'
+ DATEFORMAT '*dateformat\$1string*'
+ TIMEFORMAT '*timeformat\$1string*'
+ NULL AS '*null\$1string*'
固定寬度資料檔案必須使用 UTF-8 編碼。欄位寬度是根據字元數，而不是位元組數。
所有載入資料必須使用指定的編碼。如果 COPY 遇到不同的編碼，則會略過檔案並傳回錯誤。
如果您指定 `UTF16`，則資料必須有位元組順序標記 (BOM)。如果知道您的 UTF-16 資料是位元組由小到大 (LE) 或位元組由大到小 (BE)，則不論是否有 BOM，您都可以使用 `UTF16LE` 或 `UTF16BE`。
若要使用 ISO-8859-1 編碼，請指定 `ISO88591`。如需詳細資訊，請參閱*維基百科*中的 [ISO/IEC 8859-1](https://en.wikipedia.org/wiki/ISO/IEC_8859-1)。
ESCAPE
指定此參數時，輸入資料中的反斜線字元 (`\`) 就視為逸出字元。反斜線字元後面緊接的字元即使通常做為特殊用途，一樣會載入資料表中成為目前欄值的一部分。例如，當分隔符號字元、引號、內嵌的換行符號字元或逸出字元本身是欄值的正當部分時，您可以使用此參數來逸出這些字元。
如果同時指定 ESCAPE 參數和 REMOVEQUOTES 參數，您可以逸出並保留原本可能移除的引號 (`'` 或 `"`)。預設 null 字串 (`\N`) 不受影響，但也可以在輸入資料中以 `\\N` 逸出。只要不以 NULL AS 參數指定替代 null 字串，`\N` 和 `\\N` 會產生相同的結果。
控制字元 `0x00` (NUL) 不能逸出，應該從輸入資料中移除或轉換。此字元視為記錄結束 (EOR) 標記，用於截斷記錄的剩餘部分。
您不能對 FIXEDWIDTH 載入使用 ESCAPE 參數，也不可指定逸出字元本身；逸出字元一律為反斜線字元。您還必須確定輸入資料包含的逸出字元是在適當的位置。
以下一些範例示範輸入資料，以及指定 ESCAPE 參數時載入的資料結果。第 4 列的結果假設也指定 REMOVEQUOTES 參數。輸入資料由縱線分隔的兩個欄位組成：
```
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'
```
載入第 2 欄的資料如下所示：
```
The quick brown fox
jumped over the lazy dog.
A\B\C
A|B|C
A Midsummer Night's Dream
```
使用者必須負責將逸出字元套用至載入的輸入資料。當您重新載入先前以 ESCAPE 參數來卸載的資料時，此規定就沒有必要。在此情況下，資料一定包含必要的逸出字元。
ESCAPE 參數不會解譯八進位、十六進位、Unicode 或其他逸出序列標記法。例如，假設來源資料包含八進位換行值 (`\012`)，且您嘗試以 ESCAPE 參數載入此資料，Amazon Redshift 會將值 `012` 載入資料表，但不會將此值解譯為要逸出的換行字元。
在源自 Microsoft Windows 平台的資料中，若要逸出新行字元，您可能需要使用兩個逸出字元：一個用於換行字元，另一個用於新行字元。或者，您可以在載入檔案之前移除換行字元 (例如，使用 dos2unix 公用程式)。
EXPLICIT\$1IDS
對於有 IDENTITY 欄的資料表，如果您想要以資料表的來源資料檔案中的明確值來覆寫自動產生的值，請使用 EXPLICIT\$1IDS。如果命令包含欄清單，則此清單必須包含 IDENTITY 欄，才能使用此參數。EXPLICIT\$1IDS 值的資料格式必須符合 CREATE TABLE 定義所指定的 IDENTITY 格式。
在您以 EXPLICIT\$1IDS 選項對資料表執行 COPY 命令之後，Amazon Redshift 將不再檢查資料表中的 IDENTITY 欄的唯一性。
如果資料欄是使用 GENERATED BY DEFAULT AS IDENTITY 定義的，則可以複製它。值是利用您提供的值來產生或更新。EXPLICIT\$1IDS 不是必要選項。COPY 不會更新身分高浮水印。
如需使用 EXPLICIT\$1IDS 的 COPY 命令範例，請參閱[載入 VENUE 時將明確值提供給 IDENTITY 欄](r_COPY_command_examples.md#r_COPY_command_examples-load-venue-with-explicit-values-for-an-identity-column)。
FILLRECORD
當某些記錄的結尾缺少連續的欄時，允許載入資料檔案。遺失的欄會載入為 NULL。對於文字和 CSV 格式，如果遺失的欄是 VARCHAR 欄，則會載入長度為零的字串，而非 NULL。若要將 NULL 從文字和 CSV 載入至 VARCHAR 欄，請指定 EMPTYASNULL 關鍵字。只有在欄定義允許 NULL 時，才會進行 NULL 替換。
例如，假設資料表定義包含四個可為 Null 的 CHAR 欄，且有一筆記錄包含值 `apple, orange, banana, mango`，則 COPY 命令可以載入並填入只包含值 `apple, orange` 的記錄。會將缺少的 CHAR 值載入為 NULL 值。
IGNOREBLANKLINES
忽略資料檔案中只含有換行字元的空白行，而不嘗試載入這些空白行。
IGNOREHEADER [ AS ] *number\$1rows*
將指定的 *number\$1rows* 視為檔案標頭而不載入。使用 IGNOREHEADER 來略過平行載入之所有檔案中的檔案標頭。
NULL AS '*null\$1string*'
將符合 *null\$1string* 的欄位載入為 NULL，其中 *null\$1string* 可以是任何字串。如果資料包含 null 結束字元 (也稱為 NUL (UTF-8 0000) 或二進位零 (0x000))，COPY 會將其視為任何其他字元。例如，包含 '1' \$1\$1 NUL \$1\$1 '2' 的記錄被複製為長度為 3 個位元組的字串。如果欄位只包含 NUL，您可以使用 NULL AS 並指定 `'\0'` 或 `'\000'`，而以 NULL 取代 null 結束字元 - 例如 `NULL AS '\0'` 或 `NULL AS '\000'`。如果欄位包含以 NUL 結尾的字串，且指定 NULL AS，則會在字串結尾插入 NUL。請勿在 *null\$1string* 值使用 '\$1n' (換行符號)。Amazon Redshift 保留 '\$1 n' 用作行分隔符號。預設 *null\$1string* 為 `'\N`'。
如果嘗試將 null 載入己定義為 NOT NULL 的欄，COPY 命令會失敗。
REMOVEQUOTES
在傳入的資料中移除括住字串的引號。引號內的所有字元 (包括分隔符號) 都會保留。如果字串有起始單引號或雙引號，但沒有對應的結束標記，則 COPY 命令無法載入此列，且會傳回錯誤。下表以一些簡單的範例示範含有引號的字串及結果載入的值。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/copy-parameters-data-conversion.html)
ROUNDEC
當輸入值的小數位數超過欄的小數位數時，將數值四捨五入。根據預設，COPY 會視需要截斷值，以符合欄的小數位數。例如，假設將值 `20.259` 載入 DECIMAL(8,2) 欄，COPY 預設會將值截斷為 `20.25`。如果指定 ROUNDEC，則 COPY 會將值四捨五入為 `20.26`。INSERT 命令一律會視需要將值四捨五入，以符合欄的小數位數，因此，COPY 命令搭配 ROUNDEC 參數的行為就如同 INSERT 命令。
TIMEFORMAT [AS] \$1'*timeformat\$1string*' \$1 'auto' \$1 'epochsecs' \$1 'epochmillisecs' \$1
指定時間格式。如果不指定 TIMEFORMAT，則 TIMESTAMP 欄的預設格式為 `YYYY-MM-DD HH:MI:SS`，TIMESTAMPTZ 欄的預設格式為 `YYYY-MM-DD HH:MI:SSOF`，其中 `OF` 是國際標準時間 (UTC) 的時差。*timeformat\$1string* 中不可包含時區指標。若要載入不是預設格式的 TIMESTAMPTZ 資料，請指定 'auto'；如需詳細資訊，請參閱[對 DATEFORMAT 和 TIMEFORMAT 使用自動辨識](automatic-recognition.md)。如需 *timeformat\$1string* 的相關資訊，請參閱 [DATEFORMAT 和 TIMEFORMAT 字串範例](r_DATEFORMAT_and_TIMEFORMAT_strings.md)。
`'auto'` 引數可以辨識使用 DATEFORMAT 和 TIMEFORMAT 字串時不支援的多種格式。如果 COPY 命令無法辨識日期或時間值的格式，或者，日期和時間值使用彼此不同的格式，請使用 `'auto'` 引數來搭配 DATEFORMAT 或 TIMEFORMAT 參數。如需詳細資訊，請參閱[對 DATEFORMAT 和 TIMEFORMAT 使用自動辨識](automatic-recognition.md)。
如果來源資料以 ecpch 時間表示，亦即，自 1970 年 1 月 1 日 00:00:00 UTC 以來的秒數或毫秒數，請指定 `'epochsecs'` 或 `'epochmillisecs'`。
`'auto'`、`'epochsecs'` 和 `'epochmillisecs'` 關鍵字區分大小寫。
AS 關鍵字為選用。
TRIMBLANKS
從 VARCHAR 字串中移除尾端空格字元。此參數僅適用於 VARCHAR 資料類型的欄。
TRUNCATECOLUMNS
將欄的資料截斷為適當的字元數，以符合欄規格。僅適用於 VARCHAR 或 CHAR 資料類型的欄，以及大小為 4 MB 或更小的列。
# 資料載入操作
指定下列參數來管理載入操作的預設行為，以進行故障排除或縮短載入時間。
+ [COMPROWS](#copy-comprows)
+ [COMPUPDATE](#copy-compupdate)
+ [IGNOREALLERRORS](#copy-ignoreallerrors)
+ [MAXERROR](#copy-maxerror)
+ [NOLOAD](#copy-noload)
+ [STATUPDATE](#copy-statupdate) Parameters
COMPROWS *numrows*
指定列數做為壓縮分析的樣本大小。分析是以每個資料配量中的列為對象。例如，假設您指定 `COMPROWS 1000000` (1,000,000)，而系統總共包含四個配量，則每個配量最多讀取和分析 250,000 列。
如果不指定 COMPROWS，則每個配量的樣本大小預設為 100,000。如果 COMPROWS 的值小於每個配量預設的 100,000 列，則會將該值自動提高到預設值。但是，如果載入的資料量不足以構成有意義的樣本，則不會執行自動壓縮。
如果 COMPROWS 數字大於輸入檔案中的列數，COPY 命令仍會繼續，並對所有可用的列執行壓縮分析。此引數可接受的範圍是介於 1000 到 2147483647 (2,147,483,647) 之間的數字。
COMPUPDATE [ PRESET \$1 \$1 ON \$1 TRUE \$1 \$1 \$1 OFF \$1 FALSE \$1 ]
控制在 COPY 期間是否自動套用壓縮編碼。
COMPUPDATE 為 PRESET 時，如果目標資料表為空白，即使資料欄已有 RAW 以外的編碼，COPY 命令也會為每個資料欄選擇壓縮編碼。可以取代目前指定的資料欄編碼。每個資料欄的編碼是以資料欄的資料類型為基礎。不會對任何資料取樣。Amazon Redshift 會自動指派壓縮編碼，如下所示：
+ 定義為排序索引鍵的資料欄會有指派的 RAW 壓縮。
+ 定義為 BOOLEAN、REAL 或 DOUBLE PRECISION 資料類型的資料欄會有指派的 RAW 壓縮。
+ 定義為 SMALLINT、INTEGER、BIGINT、DECIMAL、DATE、TIMESTAMP 或 TIMESTAMPTZ 的資料欄會有指派的 AZ64 壓縮。
+ 定義為 CHAR 或 VARCHAR 的資料欄會有指派的 LZO 壓縮。
省略 COMPUPDATE 時，只有在目標資料表為空白而您尚未為任何資料欄指定編碼 (RAW 除外) 時，COPY 命令才會為每個資料欄選擇壓縮編碼。每個欄的編碼是由 Amazon Redshift 決定。不會對任何資料取樣。
當 COMPUPDATE 為 ON (或 TRUE) 或指定了 COMPUPDATE 但未帶選項時，如果資料表是空的，即使資料表欄已有 RAW 以外的編碼，COPY 也會套用自動壓縮。可以取代目前指定的資料欄編碼。每個資料欄的編碼會根據取樣資料的分析。如需詳細資訊，請參閱[利用自動壓縮載入資料表](c_Loading_tables_auto_compress.md)。
將 COMPUPDATE 設為 OFF (或 FALSE) 時，會停用自動壓縮。不會變更資料欄編碼。
如需關於分析壓縮的系統資料表資訊，請參閱 [STL\$1ANALYZE\$1COMPRESSION](r_STL_ANALYZE_COMPRESSION.md)。
IGNOREALLERRORS
您可以指定此選項來忽略載入作業期間發生的所有錯誤。
如果您指定 MAXERROR 選項，就無法指定 IGNOREALLERRORS 選項。您無法為包括 ORC 和 Parquet 在內的單欄格式指定 IGNOREALLERRORS 選項。
MAXERROR [AS] *error\$1count*
如果載入傳回 *error\$1count* 個或更多錯誤，載入會失敗。如果載入傳回的錯誤很少，則會繼續載入，並傳回 INFO 訊息來指出無法載入的列數。當某些列因為格式錯誤或資料有其他不一致情形而無法載入到資料表時，使用此參數可讓載入繼續進行。
如果要讓載入在發生第一個錯誤時立即失敗，請將此值設為 `0` 或 `1`。AS 關鍵字為選用。MAXERROR 預設值為 `0`，限制為 `100000`。
由於 Amazon Redshift 的平行本質，實際報告的錯誤數可能大於指定的 MAXERROR。如果 Amazon Redshift 叢集中的任何節點偵測到已超過 MAXERROR，每個節點會報告所有已遇到的錯誤。
NOLOAD
檢查資料檔案的有效性，而不實際載入資料。在執行實際資料載入之前，請使用 NOLOAD 參數來確保資料檔案可載入無誤。搭配 NOLOAD 參數來執行 COPY 的速度比載入資料快很多，因為其只會剖析檔案。
STATUPDATE [ \$1 ON \$1 TRUE \$1 \$1 \$1 OFF \$1 FALSE \$1 ]
控管在成功的 COPY 命令結束時自動運算和重新整理最佳化工具統計資料。根據預設，如果不使用 STATUPDATE 參數，只要資料表最初是空白，就會自動更新統計資料。
每當將資料擷取到非空白資料表就會大幅改變資料表大小時，建議您執行 [ANALYZE](r_ANALYZE.md) 命令或使用 STATUPDATE ON 引數來更新統計資料。
指定 STATUPDATE ON (或 TRUE) 時，不論資料表最初是否空白，都會自動更新統計資料。如果使用 STATUPDATE，則目前使用者必須是資料表擁有者或超級使用者。如果不指定 STATUPDATE，則只需要 INSERT 許可。
指定 STATUPDATE OFF (或 FALSE) 時永遠不會更新統計資料。
如需其他資訊，請參閱 [分析資料表](t_Analyzing_tables.md)。
# 依字母排序的參數清單
下列清單提供每個 COPY 命令參數描述的連結 (依字母順序排列)。
+ [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)
# 使用須知
**Topics**
+ [存取其他 AWS 資源的許可](copy-usage_notes-access-permissions.md)
+ [將 COPY 與 Amazon S3 存取點別名搭配使用](copy-usage_notes-s3-access-point-alias.md)
+ [從 Amazon S3 載入多位元組資料](copy-usage_notes-multi-byte.md)
+ [載入 GEOMETRY 或 GEOGRAPHY 資料類型的欄](copy-usage_notes-spatial-data.md)
+ [載入 HLLSKETCH 資料類型](copy-usage_notes-hll.md)
+ [載入 VARBYTE 資料類型的欄](copy-usage-varbyte.md)
+ [讀取多個檔案時發生錯誤](copy-usage_notes-multiple-files.md)
+ [從 JSON 格式 COPY](copy-usage_notes-copy-from-json.md)
+ [從單欄資料格式 COPY](copy-usage_notes-copy-from-columnar.md)
+ [DATEFORMAT 和 TIMEFORMAT 字串](r_DATEFORMAT_and_TIMEFORMAT_strings.md)
+ [對 DATEFORMAT 和 TIMEFORMAT 使用自動辨識](automatic-recognition.md)
# 存取其他 AWS 資源的許可
若要在叢集與其他 AWS 資源之間移動資料，例如 Amazon S3、Amazon DynamoDB、Amazon EMR 或 Amazon EC2，您的叢集必須具有存取資源和執行必要動作的許可。例如，若要從 Amazon S3 載入資料，COPY 必須具備儲存貯體的 LIST 存取權和儲存貯體物件的 GET 存取權。如需最低許可的相關資訊，請參閱 [COPY、UNLOAD 和 CREATE LIBRARY 的 IAM 許可](#copy-usage_notes-iam-permissions)。
叢集必須經過驗證，才能獲得授權來存取資源。您可以選擇下列任一種身分驗證方法：
+ [角色類型存取控制](#copy-usage_notes-access-role-based) – 對於角色型存取控制，您可以指定叢集用於身分驗證和授權的 AWS Identity and Access Management (IAM) 角色。為了保護您的 AWS 登入資料和敏感資料，強烈建議使用角色型身分驗證。
+ [金鑰型存取控制](#copy-usage_notes-access-key-based) – 對於金鑰型存取控制，請以純文字形式提供使用者的 AWS 存取憑證 （存取金鑰 ID 和私密存取金鑰）。
## 角色類型存取控制
使用角色型存取控制時，叢集會暫時代表您擔任 IAM 角色。然後，根據角色獲予的授權，叢集即可存取所需的 AWS 資源。
建立 IAM *角色*類似於授予許可給使用者，因為它是 AWS 身分，具有判定其在 AWS中可執行和不可執行的操作之許可政策。但是，角色可以由任何需要此角色的實體來擔任，而不必與一個使用者產生獨特的關聯。此外，角色沒有任何相關聯的登入資料 (密碼或存取金鑰)。反之，如果角色與叢集相關聯，則會動態建立存取金鑰並將該金鑰提供給叢集。
我們建議您使用角色型存取控制，因為它除了保護您的 AWS 登入資料之外，還提供更安全、更精細的資源 AWS 和敏感使用者資料的存取控制。
角色型身分驗證提供下列優點：
+ 您可以使用 AWS 標準 IAM 工具來定義 IAM 角色，並將角色與多個叢集建立關聯。修改角色的存取政策時，會將變更自動套用至所有使用該角色的叢集。
+ 您可以定義精細的 IAM 政策，授予特定叢集和資料庫使用者存取特定 AWS 資源和動作的許可。
+ 您的叢集會在執行時間取得臨時工作階段登入資料，並視需要重新整理登入資料，直到操作完成。如果您使用金鑰型臨時登入資料，萬一臨時登入資料在操作完成之前就過期，則操作會失敗。
+ 不會在 SQL 程式碼中儲存或傳輸存取金鑰 ID 和私密存取金鑰。
若要使用角色型存取控制，您必須先使用 Amazon Redshift 服務角色類型建立 IAM 角色，再將該角色連接至叢集。角色至少必須具備 [COPY、UNLOAD 和 CREATE LIBRARY 的 IAM 許可](#copy-usage_notes-iam-permissions)中列出的許可。如需建立 IAM 角色並將其連接至叢集的步驟，請參閱《[Amazon Redshift 管理指南》中的授權 Amazon Redshift 代表您存取 AWS 其他服務](https://docs.aws.amazon.com/redshift/latest/mgmt/authorizing-redshift-service.html)。 **
您可以使用 Amazon Redshift 管理主控台、CLI 或 API 將角色新增至叢集，或檢視與叢集相關聯的角色。如需詳細資訊，請參閱《Amazon Redshift 管理指南》**中的[將 IAM 角色與叢集建立關聯](https://docs.aws.amazon.com/redshift/latest/mgmt/copy-unload-iam-role.html)。
建立 IAM 角色時，IAM 會傳回角色的 Amazon Resource Name (ARN)。若要指定 IAM 角色，請使用 [使用 IAM\$1ROLE 參數](copy-parameters-authorization.md#copy-iam-role) 參數或 [使用 CREDENTIALS 參數](copy-parameters-authorization.md#copy-credentials) 參數來提供角色 ARN。
例如，假設下列角色已附加至叢集。
```
"IamRoleArn": "arn:aws:iam::0123456789012:role/MyRedshiftRole"
```
下列 COPY 命令範例使用 IAM\$1ROLE 參數，搭配上一個範例中的 ARN，以驗證身分並存取 Amazon S3。
```
copy customer from 's3://amzn-s3-demo-bucket/mydata'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole';
```
下列 COPY 命令範例使用 CREDENTIALS 參數來指定 IAM 角色。
```
copy customer from 's3://amzn-s3-demo-bucket/mydata'
credentials
'aws_iam_role=arn:aws:iam::0123456789012:role/MyRedshiftRole';
```
此外，超級使用者可以將 ASSUMEROLE 權限授與資料庫使用者和群組，以提供 COPY 操作角色的存取權。如需相關資訊，請參閱[GRANT](r_GRANT.md)。
## 金鑰型存取控制
使用金鑰型存取控制，您可以為有權存取包含資料的 AWS 資源的 IAM 使用者提供存取金鑰 ID 和私密存取金鑰。您可以將 [使用 ACCESS\$1KEY\$1ID 和 SECRET\$1ACCESS\$1KEY 參數](copy-parameters-authorization.md#copy-access-key-id) 參數一起使用，或使用 [使用 CREDENTIALS 參數](copy-parameters-authorization.md#copy-credentials) 參數。
**注意**
強烈建議使用 IAM 角色來驗證身分，而不要提供純文字存取金鑰 ID 和私密存取金鑰。如果您選擇以金鑰為基礎的存取控制，則絕不要使用 AWS 您的帳戶 （根） 登入資料。請一律建立 IAM 使用者，並提供該使用者的存取金鑰 ID 和私密存取金鑰。關於建立 IAM 使用者的步驟，請參閱[在您的 AWS 帳戶中建立 IAM 使用者](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_users_create.html)。
若要使用 ACCESS\$1KEY\$1ID 和 SECRET\$1ACCESS\$1KEY 來驗證身分，請以授權使用者的存取金鑰 ID 和完整私密存取金鑰，取代 ** 和 **，如下所示。
```
ACCESS_KEY_ID ''
SECRET_ACCESS_KEY '';
```
若要使用 CREDENTIALS 參數來驗證身分，請以授權使用者的存取金鑰 ID 和完整私密存取金鑰，取代 ** 和 **，如下所示。
```
CREDENTIALS
'aws_access_key_id=;aws_secret_access_key=';
```
IAM 使用者至少必須具備[COPY、UNLOAD 和 CREATE LIBRARY 的 IAM 許可](#copy-usage_notes-iam-permissions)中列出的許可。
### 暫時安全憑證
如果使用金鑰型存取控制，您可以利用臨時安全性登入資料，以進一步限制使用者有何權限存取您的資料。角色型身分驗證會自動使用臨時登入資料。
**注意**
強烈建議使用[role-based access control](#copy-usage_notes-access-role-based.phrase)，而不要建立臨時登入資料並以純文字提供存取金鑰 ID 和私密存取金鑰。角色型存取控制會自動使用暫時憑證。
暫時安全憑證提供加強的安全性，因為有效期限較短，且過期之後不能重複使用。與字符一起產生的存取金鑰 ID 和私密存取金鑰一定要有字符才能使用，而具有這些暫時安全憑證的使用者只能在憑證到期之前存取您的資源。
若要授予使用者暫時存取 資源的權限，請呼叫 AWS Security Token Service (AWS STS) API 操作。 AWS STS API 操作會傳回暫時性安全登入資料，其中包含安全字符、存取金鑰 ID 和私密存取金鑰。如果某使用者需要暫時存取您的資源，您可以將臨時安全性登入資料發行給該使用者。這些使用者可以是現有的 IAM 使用者，或非AWS 使用者。如需建立暫時安全憑證的相關資訊，請參閱《IAM 使用者指南》中的[使用暫時安全憑證](https://docs.aws.amazon.com/STS/latest/UsingSTS/Welcome.html)。
您可以將 [使用 ACCESS\$1KEY\$1ID 和 SECRET\$1ACCESS\$1KEY 參數](copy-parameters-authorization.md#copy-access-key-id) 參數與 [SESSION\$1TOKEN](copy-parameters-authorization.md#copy-token) 參數或 [使用 CREDENTIALS 參數](copy-parameters-authorization.md#copy-credentials) 參數一起使用。您也必須提供字符隨附的存取金鑰 ID 和私密存取金鑰。
若要使用 ACCESS\$1KEY\$1ID、SECRET\$1ACCESS\$1KEY 和 SESSION\$1TOKEN 來驗證身分，請取代 **、** 和 **，如下所示。
```
ACCESS_KEY_ID ''
SECRET_ACCESS_KEY ''
SESSION_TOKEN '';
```
若要使用 CREDENTIALS 來驗證身分，請在登入資料字串中包含 `session_token=`，如下所示。
```
CREDENTIALS
'aws_access_key_id=;aws_secret_access_key=;session_token=';
```
下列範例顯示使用臨時安全性登入資料的 COPY 命令。
```
copy table-name
from 's3://objectpath'
access_key_id ''
secret_access_key ''
session_token '';
```
下列範例使用臨時登入資料和檔案加密來載入 LISTING 資料表。
```
copy listing
from 's3://amzn-s3-demo-bucket/data/listings_pipe.txt'
access_key_id ''
secret_access_key ''
session_token ''
master_symmetric_key ''
encrypted;
```
下列範例使用 CREDENTIALS 參數搭配臨時登入資料和檔案加密來載入 LISTING 資料表。
```
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;
```
**重要**
臨時安全性登入資料在 COPY 或 UNLOAD 操作的整個期間內必須有效。如果臨時安全性登入資料在操作期間過期，則命令會失敗，而交易會回復。例如，假設臨時安全性登入資料在 15 分鐘之後過期，而 COPY 操作需要 1 小時，則 COPY 操作在完成之前就會失敗。如果您使用角色型存取，臨時安全性登入資料會自動重新整理，直到操作完成。
## COPY、UNLOAD 和 CREATE LIBRARY 的 IAM 許可
CREDENTIALS 參數所參考的 IAM 角色或使用者至少必須具備下列許可：
+ 從 Amazon S3 COPY 時，具備許可來 LIST Amazon S3 儲存貯體及 GET 要載入的 Amazon S3 物件和資訊清單檔案 (如果使用)。
+ 從 Amazon S3、Amazon EMR 和遠端主機 (SSH) COPY JSON 格式的資料時，具備許可來 LIST 和 GET Amazon S3 上的 JSONPaths 檔案 (如果使用)。
+ 從 DynamoDB COPY 時，具備許可來 SCAN 和 DESCRIBE 要載入的 DynamoDB 資料表。
+ 從 Amazon EMR 叢集 COPY 時，具備許可在 Amazon EMR 叢集上執行 `ListInstances` 動作。
+ UNLOAD 到 Amazon S3 時，對於 Amazon S3 儲存貯體 (要將資料檔案卸載到此處)，具備 GET、LIST 和 PUT 許可。
+ 從 Amazon S3 CREATE LIBRARY 時，具備許可來 LIST Amazon S3 儲存貯體及 GET 要匯入的 Amazon S3 物件。
**注意**
執行 COPY、UNLOAD 或 CREATE LIBRARY 命令時，如果出現錯誤訊息 `S3ServiceException: Access Denied`，表示叢集沒有 Amazon S3 的適當存取許可。
您可以將 IAM 政策附加至 IAM 角色，而該角色附加至叢集、使用者或使用者所屬的群組，以此來管理 IAM 許可。例如，`AmazonS3ReadOnlyAccess` 受管政策授予 Amazon S3 資源的 LIST 和 GET 許可。如需管理政策的相關資訊，請參閱《IAM 使用者指南》**中的[管理 IAM 政策](https://docs.aws.amazon.com/IAM/latest/UserGuide/access_policies_manage.html)。
# 將 COPY 與 Amazon S3 存取點別名搭配使用
COPY 支援 Amazon S3 存取點別名。如需詳細資訊，請參閱《Amazon Simple Storage Service 使用者指南》**中的[為您的存取點使用儲存貯體型別名](https://docs.aws.amazon.com/AmazonS3/latest/userguide/access-points-alias.html)。
# 從 Amazon S3 載入多位元組資料
如果資料包含非 ASCII 多位元組字元 (例如中文或斯拉夫文字元)，您必須將資料載入 VARCHAR 欄。VARCHAR 資料類型支援四位元組 UTF-8 字元，但 CHAR 資料類型只接受單位元組 ASCII 字元。您無法將五位元組或更長的字元載入 Amazon Redshift 資料表。如需詳細資訊，請參閱[多位元組字元](c_Supported_data_types.md#c_Supported_data_types-multi-byte-characters)。
# 載入 GEOMETRY 或 GEOGRAPHY 資料類型的欄
您可以將以字元分隔的文字檔案 (例如 CSV 檔案) 中的資料複製到 `GEOMETRY` 或 `GEOGRAPHY` 欄。資料的格式必須是已知二進位格式 (WKB 或 EWKB) 或已知文字格式 (WKT 或 EWKT) 的十六進位形式，並且符合 COPY 命令的單一輸入列的大小上限。如需詳細資訊，請參閱[COPY](r_COPY.md)。
如需有關如何從 Shapefile 中載入的資訊，請參閱[將 Shapefile 載入 Amazon Redshift](spatial-copy-shapefile.md)。
如需 `GEOMETRY` 或 `GEOGRAPHY` 資料類型的相關資訊，請參閱[在 Amazon Redshift 中查詢空間資料](geospatial-overview.md)。
# 載入 HLLSKETCH 資料類型
您只能以 Amazon Redshift 支援的稀疏或密集格式複製 HLL 草圖。若要在 HyperLogLog 草圖上使用 COPY 命令，請針對密集 HyperLogLog 草圖使用 Base64 格式，並針對稀疏 HyperLogLog 草圖使用 JSON 格式。如需詳細資訊，請參閱[HyperLogLog 檔函數](hyperloglog-functions.md)。
下列範例使用 CREATE TABLE 和 COPY，將資料從 CSV 檔案匯入資料表。首先，這個範例使用 CREATE TABLE 建立資料表 `t1`。
```
CREATE TABLE t1 (sketch hllsketch, a bigint);
```
然後它使用 COPY 將資料從 CSV 檔案匯入資料表 `t1`。
```
COPY t1 FROM s3://amzn-s3-demo-bucket/unload/' IAM_ROLE 'arn:aws:iam::0123456789012:role/MyRedshiftRole' NULL AS 'null' CSV;
```
# 載入 VARBYTE 資料類型的欄
您可以從 CSV、Parquet 和 ORC 格式的檔案載入資料。對於 CSV，資料會以十六進位表示的 VARBYTE 資料從檔案載入。您無法使用 `FIXEDWIDTH` 選項載入 VARBYTE 資料。不支援 COPY 的 `ADDQUOTES` 或 `REMOVEQUOTES` 選項。VARBYTE 欄不能用作分割欄。
# 讀取多個檔案時發生錯誤
COPY 命令是不可分割和交易式。換言之，即使 COPY 命令從多個檔案讀取資料，整個程序仍視為單一交易。如果 COPY 在讀取檔案時發生錯誤，則會自動重試，直到程序逾時為止 (請參閱 [statement\$1timeout](r_statement_timeout.md))，或如果經過很久 (15 到 30 分鐘) 仍無法從 Amazon S3 下載資料，請確定每個檔案只載入一次。如果 COPY 命令失敗，整個交易會取消，而所有變更都會回復。如需如何處理載入錯誤的相關資訊，請參閱[針對資料載入進行故障診斷](t_Troubleshooting_load_errors.md)。
COPY 命令成功起始之後，即使工作階段終止 (例如用戶端中斷連線)，命令也不會失敗。不過，如果 COPY 命令在 BEGIN … END 交易區塊內，而交易區塊因為工作階段終止而未完成，則整個交易 (包括 COPY) 會回復。如需交易的相關資訊，請參閱 [BEGIN](r_BEGIN.md)。
# 從 JSON 格式 COPY
JSON 資料結構由一組物件或陣列組成。JSON *物件*的開頭和結尾是大括號，且包含一組未排序的名稱值對。每一個名稱和值以冒號分隔，而配對以逗號分隔。名稱是以雙引號括住的字串。引號字元必須是簡單引號 (0x22)，而不是斜向或「智慧型」引號。
JSON *陣列* 的開頭和結尾是方括號，且包含一組已排序的值 (以逗號分隔)。值可以是以雙引號括住的字串、數字、布林值 true 或 false、null、JSON 物件或陣列。
JSON 物件和陣列可以是巢狀，以支援階層資料結構。下列範例顯示具有兩個有效物件的 JSON 資料結構。
```
{
"id": 1006410,
"title": "Amazon Redshift Database Developer Guide"
}
{
"id": 100540,
"name": "Amazon Simple Storage Service User Guide"
}
```
下面以兩個 JSON 陣列顯示同樣的資料。
```
[
1006410,
"Amazon Redshift Database Developer Guide"
]
[
100540,
"Amazon Simple Storage Service User Guide"
]
```
## 適用於 JSON 的 COPY 選項
將 COPY 與 JSON 格式資料搭配使用時，可以指定下列選項：
+ `'auto' ` - COPY 會自動從 JSON 檔案載入欄位。
+ `'auto ignorecase'` - COPY 會自動從 JSON 檔案載入欄位，同時忽略欄位名稱的大小寫。
+ `s3://jsonpaths_file` - COPY 會使用 JSONPaths 檔案來剖析 JSON 來源資料。*JSONPaths 檔案*是包含單一 JSON 物件的文字檔案，此物件的名稱為 `"jsonpaths"`，並與 JSONPath 表達式陣列搭配成對。如果名稱是 `"jsonpaths"` 以外的任何字串，COPY 會使用 `'auto'` 引數，而不使用 JSONPaths 檔案。
關於如何使用 `'auto'`、`'auto ignorecase'` 或 JSONPaths 檔案及使用 JSON 物件或陣列來載入資料的範例，請參閱[從 JSON 複製的範例](r_COPY_command_examples.md#r_COPY_command_examples-copy-from-json)。
## JSONPath 選項
在 Amazon Redshift COPY 語法中，JSONPath 運算式會使用括號或點符號，指定 JSON 階層式資料結構中單一名稱元素的明確路徑。Amazon Redshift 不支援任何可能解析為不明確路徑或多個名稱元素的 JSONPath 元素，例如萬用字元或篩選條件運算式。因此，Amazon Redshift 無法剖析複雜、多層級的資料結構。
以下是 JSONPaths 檔案的範例，其中的 JSONPath 表達式使用方括號標記法。貨幣符號 (\$1) 代表根層級結構。
```
{
"jsonpaths": [
"$['id']",
"$['store']['book']['title']",
"$['location'][0]"
]
}
```
在上述範例中，`$['location'][0]` 參考陣列的第一個元素。JSON 採用以零為基礎的陣列索引。陣列索引必須是正整數 (大於或等於零)。
下列範例使用點標記法來示範前一個 JSONPaths 檔案。
```
{
"jsonpaths": [
"$.id",
"$.store.book.title",
"$.location[0]"
]
}
```
`jsonpaths` 陣列中不能混用方括號標記法和點標記法。方括號標記法和點標記法中都可以使用方括號來參考陣列元素。
使用點標記法時，JSONPath 運算式不可包含下列字元：
+ 一般單引號 ( ' )
+ 句點，或點 ( . )
+ 方括號 ( [ ] )，除非用來參考陣列元素
如果 JSONPath 運算式所參考的名稱值對中的值是物件或陣列，則會將整個物件或陣列載入為字串，包括大括號或方括號。例如，假設 JSON 資料包含下列物件。
```
{
"id": 0,
"guid": "84512477-fa49-456b-b407-581d0d851c3c",
"isActive": true,
"tags": [
"nisi",
"culpa",
"ad",
"amet",
"voluptate",
"reprehenderit",
"veniam"
],
"friends": [
{
"id": 0,
"name": "Martha Rivera"
},
{
"id": 1,
"name": "Renaldo"
}
]
}
```
JSONPath 表達式 `$['tags']` 會傳回下列值。
```
"["nisi","culpa","ad","amet","voluptate","reprehenderit","veniam"]"
```
JSONPath 表達式 `$['friends'][1]` 會傳回下列值。
```
"{"id": 1,"name": "Renaldo"}"
```
`jsonpaths` 陣列中的每個 JSONPath 運算式都對應至 Amazon Redshift 目標資料表中的一欄。`jsonpaths` 陣列元素的順序必須符合目標資料表或欄清單 (如果使用欄清單) 中的欄順序。
關於如何使用 `'auto'` 引數或 JSONPaths 檔案及使用 JSON 物件或陣列來載入資料的範例，請參閱[從 JSON 複製的範例](r_COPY_command_examples.md#r_COPY_command_examples-copy-from-json)。
如需如何複製多個 JSON 檔案的相關資訊，請參閱[使用資訊清單指定資料檔案](loading-data-files-using-manifest.md)。
## JSON 中的逸出字元
COPY 會載入 `\n` 做為新行字元，也會載入 `\t` 做為 Tab 字元。若要載入反斜線，請加上反斜線 ( `\\` ) 來逸出。
例如，假設您在 `escape.json` 儲存貯體的一個名為 `s3://amzn-s3-demo-bucket/json/` 檔案中有下列 JSON。
```
{
"backslash": "This is a backslash: \\",
"newline": "This sentence\n is on two lines.",
"tab": "This sentence \t contains a tab."
}
```
執行下列命令來建立 ESCAPES 資料表並載入 JSON。
```
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';
```
查詢 ESCAPES 資料表來檢視結果。
```
select * from escapes;
backslash | newline | tab
------------------------+-------------------+----------------------------------
This is a backslash: \ | This sentence | This sentence contains a tab.
: is on two lines.
(1 row)
```
## 遺失數值精確度
從 JSON 格式的資料檔案中將數字載入已定義為數值資料類型的欄時，可能會遺失精確度。電腦系統中無法精確表示某些浮點值。因此，從 JSON 檔案複製的資料可能不會如預期般四捨五入。為了避免遺失精確度，建議您使用下列其中一個替代方法：
+ 以字串來表示數字，用雙引號括住值。
+ 使用 [ROUNDEC](copy-parameters-data-conversion.md#copy-roundec) 將數字四捨五入而非截斷。
+ 使用 CSV、字元分隔或固定寬度的文字檔案，而不要使用 JSON 或 Avro 檔案。
# 從單欄資料格式 COPY
COPY 可以從 Amazon S3 載入下列單欄格式的資料：
+ ORC
+ Parquet
如需從單欄式資料格式使用 COPY 的範例，請參閱[COPY 範例](r_COPY_command_examples.md)。
COPY 支援單欄格式資料，但有下列考量事項：
+ Amazon S3 儲存貯體必須與 Amazon Redshift 資料庫位於相同的 AWS 區域。
+ 若要透過 VPC 端點存取您的 Amazon S3 資料，請按照《Amazon Redshift 管理指南》**中的[使用 Amazon Redshift Spectrum 搭配增強型 VPC 路由](https://docs.aws.amazon.com/redshift/latest/mgmt/spectrum-enhanced-vpc.html)所述，使用 IAM 政策和 IAM 角色來設定存取。
+ COPY 不會自動套用壓縮編碼。
+ 僅支援下列 COPY 參數：
+ [ACCEPTINVCHARS](copy-parameters-data-conversion.md#copy-acceptinvchars)：從 ORC 或 Parquet 檔案複製時。
+ [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)
+ 如果 COPY 於載入時發生錯誤，命令會失敗。單欄資料類型不支援 ACCEPTANYDATE 和 MAXERROR。
+ 錯誤訊息會傳送給 SQL 用戶端。一些錯誤會記錄在 STL\$1LOAD\$1ERRORS 和 STL\$1ERROR 中。
+ COPY 會依欄在單欄資料檔案中出現的同樣順序，將值插入目標資料表的欄。目標資料表的欄數和資料檔案的欄數必須相符。
+ 如果您在 COPY 操作中指定的檔案包含下列其中一個副檔名，則不需要新增任何參數，我們就會將資料解壓縮：
+ `.gz`
+ `.snappy`
+ `.bz2`
+ 從 Parquet 和 ORC 檔案格式 COPY 需用到 Redshift Spectrum 和儲存貯體存取權。若要針對這些格式使用 COPY，請確定沒有任何 IAM 政策會封鎖使用 Amazon S3 預先簽章的 URL。Amazon Redshift 產生的預先簽章 URL 有效期為 1 小時，如此 Amazon Redshift 就有足夠的時間從 Amazon S3 儲存貯體載入所有檔案。COPY 從單欄資料格式掃描的每個檔案都會產生唯一的預先簽章 URL。對於包含 `s3:signatureAge` 動作的儲存貯體政策，請務必將值設定為至少 3,600,000 毫秒。如需詳細資訊，請參閱[使用 Amazon Redshift Spectrum 搭配增強型 VPC 路由](https://docs.aws.amazon.com/redshift/latest/mgmt/spectrum-enhanced-vpc.html)。
+ 單欄資料格式的 COPY 不支援搭配 REGION 參數使用。即使您的 Amazon S3 儲存貯體和資料庫位於相同的 中 AWS 區域，您可能會遇到錯誤，例如 PARQUET 型 COPY 不支援 REGION 引數。
+ 單欄格式的 COPY 現在支援並行擴展。若要啟用並行擴展，請參閱[設定並行擴展佇列](https://docs.aws.amazon.com/redshift/latest/dg/concurrency-scaling.html#concurrency-scaling-queues)。
# DATEFORMAT 和 TIMEFORMAT 字串
COPY 命令使用 DATEFORMAT 和 TIMEFORMAT 選項來剖析來源資料中的日期和時間值。DATEFORMAT 和 TIMEFORMAT 是格式化字串，必須符合來源資料的日期和時間值的格式。例如，使用日期值 `Jan-01-1999` 載入來源資料的 COPY 命令必須包含下列 DATEFORMAT 字串：
```
COPY ...
DATEFORMAT AS 'MON-DD-YYYY'
```
如需管理 COPY 資料轉換的相關資訊，請參閱[資料轉換參數](https://docs.aws.amazon.com/redshift/latest/dg/copy-parameters-data-conversion.html)。
DATEFORMAT 和 TIMEFORMAT 字串可以包含日期時間分隔符號 (例如 '`-`'、'`/`' 或 '`:`')，以及下表中的日期部分和時間部分格式。
**注意**
如果您的日期或時間值的格式無法符合以下日期部分和時間部分，或者您的日期和時間值使用的格式彼此不同，請使用 `'auto'` 引數來搭配 DATEFORMAT 或 TIMEFORMAT 參數。`'auto'` 引數可以辨識使用 DATEFORMAT 或 TIMEFORMAT 字串時不支援的多種格式。如需詳細資訊，請參閱[對 DATEFORMAT 和 TIMEFORMAT 使用自動辨識](automatic-recognition.md)。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_DATEFORMAT_and_TIMEFORMAT_strings.html)
預設日期格式為 YYYY-MM-DD。不含時區的預設時間戳記 (TIMESTAMP) 格式為 YYYY-MM-DD HH:MI:SS。具有時區 (TIMESTAMPTZ) 格式的預設時間戳記為 YYYY-MM-DD HH:MI:SSOF，其中 OF 是與 UTC 的偏移量 (例如 -8:00。不能在 timeformat\$1string 中包含時區指標 (TZ、tz 或 OF)。秒 (SS) 欄位也支援小數秒到微秒的詳細程度。若要載入非預設格式的 TIMESTAMPTZ 資料，請指定 'auto'。
以下是可能在來源資料中遇到的一些範例日期或時間，以及對應的 DATEFORMAT 或 TIMEFORMAT 字串。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_DATEFORMAT_and_TIMEFORMAT_strings.html)
## 範例
如需使用 TIMEFORMAT 的範例，請參閱[載入時間戳記或日期戳記](r_COPY_command_examples.md#r_COPY_command_examples-load-a-time-datestamp)。
# 對 DATEFORMAT 和 TIMEFORMAT 使用自動辨識
如果指定 `'auto'` 做為 DATEFORMAT 或 TIMEFORMAT 參數的引數，Amazon Redshift 會自動辨識和轉換來源資料中的日期格式或時間格式。下列顯示一個範例。
```
copy favoritemovies from 'dynamodb://ProductCatalog'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
dateformat 'auto';
```
搭配 DATEFORMAT 和 TIMEFORMAT 的 `'auto'` 引數一起使用時，COPY 會辨識和轉換 [DATEFORMAT 和 TIMEFORMAT 字串範例](r_DATEFORMAT_and_TIMEFORMAT_strings.md) 中資料表所列出的日期和時間格式。此外，`'auto'` 引數還可以辨識下列格式 (使用 DATEFORMAT 和 TIMEFORMAT 字串時不支援這些格式)。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/automatic-recognition.html)
自動辨識不支援 epoch 秒和 epoch 毫秒。
若要測試日期或時間戳記值是否會自動轉換，請使用 CAST 函數來嘗試將字串轉換為日期或時間戳記值。例如，下列命令測試時間戳記值 `'J2345678 04:05:06.789'`：
```
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
```
如果 DATE 欄的來源資料包含時間資訊，則會截斷時間部分。如果 TIMESTAMP 欄的來源資料省略時間資訊，則時間部分會使用 00:00:00。
# COPY 範例
**注意**
這些範例包含換行以方便閱讀。請勿在 *credentials-args* 字串中包含換行或空格。
**Topics**
+ [從 DynamoDB 資料表載入 FAVORITEMOVIES](#r_COPY_command_examples-load-favoritemovies-from-an-amazon-dynamodb-table)
+ [從 Amazon S3 儲存貯體載入 LISTING](#r_COPY_command_examples-load-listing-from-an-amazon-s3-bucket)
+ [從 Amazon EMR 叢集載入 LISTING](#copy-command-examples-emr)
+ [Example: COPY from Amazon S3 using a manifest](#copy-command-examples-manifest)
+ [從縱線分隔檔案 (預設分隔符號) 載入 LISTING](#r_COPY_command_examples-load-listing-from-a-pipe-delimited-file-default-delimiter)
+ [使用 Parquet 格式的單欄資料載入 LISTING](#r_COPY_command_examples-load-listing-from-parquet)
+ [使用 ORC 格式的單欄資料載入 LISTING](#r_COPY_command_examples-load-listing-from-orc)
+ [使用選項載入 EVENT](#r_COPY_command_examples-load-event-with-options)
+ [從固定寬度資料檔案載入 VENUE](#r_COPY_command_examples-load-venue-from-a-fixed-width-data-file)
+ [從 CSV 檔案載入 CATEGORY](#load-from-csv)
+ [載入 VENUE 時將明確值提供給 IDENTITY 欄](#r_COPY_command_examples-load-venue-with-explicit-values-for-an-identity-column)
+ [從縱線分隔 GZIP 檔案載入 TIME](#r_COPY_command_examples-load-time-from-a-pipe-delimited-gzip-file)
+ [載入時間戳記或日期戳記](#r_COPY_command_examples-load-a-time-datestamp)
+ [從含有預設值的檔案載入資料](#r_COPY_command_examples-load-data-from-a-file-with-default-values)
+ [搭配 ESCAPE 選項來 COPY 資料](#r_COPY_command_examples-copy-data-with-the-escape-option)
+ [從 JSON 複製的範例](#r_COPY_command_examples-copy-from-json)
+ [從 Avro 複製的範例](#r_COPY_command_examples-copy-from-avro)
+ [準備要搭配 ESCAPE 選項來 COPY 的檔案](#r_COPY_preparing_data)
+ [將 Shapefile 載入 Amazon Redshift](#copy-example-spatial-copy-shapefile)
+ [具有 NOLOAD 選項的 COPY 命令](#r_COPY_command_examples-load-noload-option)
+ [COPY 命令搭配多位元組分隔符號和 ENCODING 選項](#r_COPY_command_examples-load-encoding-multibyte-delimiter-option)
## 從 DynamoDB 資料表載入 FAVORITEMOVIES
AWS SDKs 包含建立名為*電影*之 DynamoDB 資料表的簡單範例。(關於此範例，請參閱 [DynamoDB 入門](https://docs.aws.amazon.com/amazondynamodb/latest/developerguide/GettingStarted.html)。) 下列範例將 DynamoDB 資料表中的資料載入 Amazon Redshift MOVIES 資料表。Amazon Redshift 資料表必須已存在於資料庫中。
```
copy favoritemovies from 'dynamodb://Movies'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
readratio 50;
```
## 從 Amazon S3 儲存貯體載入 LISTING
以下範例從 Amazon S3 儲存貯體載入 LISTING。COPY 命令會載入 `/data/listing/` 資料夾中的所有檔案。
```
copy listing
from 's3://amzn-s3-demo-bucket/data/listing/'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole';
```
## 從 Amazon EMR 叢集載入 LISTING
下列範例從 Amazon EMR 叢集的 lzop 壓縮檔案中，將 Tab 字元分隔資料載入 SALES 資料表。COPY 會載入 `myoutput/` 資料夾中開頭為 `part-` 的每個檔案。
```
copy sales
from 'emr://j-SAMPLE2B500FC/myoutput/part-*'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
delimiter '\t' lzop;
```
下列範例將 Amazon EMR 叢集上的 JSON 格式資料載入 SALES 資料表。COPY 會載入 `myoutput/json/` 資料夾中的每個檔案。
```
copy sales
from 'emr://j-SAMPLE2B500FC/myoutput/json/'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
JSON 's3://amzn-s3-demo-bucket/jsonpaths.txt';
```
## 使用資訊清單指定資料檔案
您可以使用清單檔案來確保 COPY 命令從 Amazon S3 載入所有必要檔案 (且只有必要檔案)。需要從不同儲存貯體載入多個檔案，或載入不共用相同字首的檔案時，您也可以使用資訊清單。
例如，假設您需要載入下列三個檔案：`custdata1.txt`、`custdata2.txt` 和 `custdata3.txt`。您可以使用下列命令指定字首，以載入 `amzn-s3-demo-bucket` 中開頭為 `custdata` 的所有檔案：
```
copy category
from 's3://amzn-s3-demo-bucket/custdata'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole';
```
如果因為錯誤而只有兩個檔案存在，則 COPY 只會載入那兩個檔案，然後就順利完成，導致資料載入不完整。如果儲存貯體中有一個不需要的檔案剛好也使用相同的字首，例如名為 `custdata.backup` 的檔案，則 COPY 也會載入此檔案，導致載入不需要的資料。
若要確保載入所有必要檔案並防止載入不需要的檔案，您可以使用資訊清單檔案。資訊清單是 JSON 格式的文字檔案，其中列出要由 COPY 命令處理的檔案。例如，下列資訊清單會載入上述範例中的三個檔案。
```
{
"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
}
]
}
```
選用的 `mandatory` 旗標指出如果檔案不存在，則 COPY 是否應該終止。預設值為 `false`。不考慮任何必要設定，只要找不到檔案，COPY 就會終止。在此範例中，如果找不到任何檔案，COPY 會傳回錯誤。如果您僅指定金鑰前綴 (例如 `custdata.backup`)，則可能已挑選的不必要檔案會被忽略，因為這些檔案不在資訊清單上。
載入格式為 ORC 或 Parquet 的資料檔案時，需要 `meta` 欄位，如下列範例所示。
```
{
"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
}
}
]
}
```
以下範例使用名為 `cust.manifest` 的資訊清單。
```
copy customer
from 's3://amzn-s3-demo-bucket/cust.manifest'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
format as orc
manifest;
```
您可以使用資訊清單從不同儲存貯體載入檔案，或載入不共用相同字首的檔案。下列範例示範的 JSON 會從名稱開頭為日期戳記的檔案載入資料。
```
{
"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}
]
}
```
只要儲存貯體與叢集位於相同的 AWS 區域，資訊清單就可以列出位於不同儲存貯體中的檔案。
```
{
"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}
]
}
```
## 從縱線分隔檔案 (預設分隔符號) 載入 LISTING
下列範例是非常簡單的案例，其中沒有指定任何選項，且輸入檔案包含預設分隔符號，即縱線字元 ('\$1')。
```
copy listing
from 's3://amzn-s3-demo-bucket/data/listings_pipe.txt'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole';
```
## 使用 Parquet 格式的單欄資料載入 LISTING
下列範例從 Amazon S3 上名為 parquet 的資料夾載入資料。
```
copy listing
from 's3://amzn-s3-demo-bucket/data/listings/parquet/'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
format as parquet;
```
## 使用 ORC 格式的單欄資料載入 LISTING
下列範例從 Amazon S3 上名為 `orc` 的資料夾載入資料。
```
copy listing
from 's3://amzn-s3-demo-bucket/data/listings/orc/'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
format as orc;
```
## 使用選項載入 EVENT
下列範例將縱線分隔資料載入 EVENT 資料表，並套用下列規則：
+ 如果使用成對的引號來括住任何字元字串，則會移除引號。
+ 都會將空字串和含有空白的字串載入為 NULL 值。
+ 如果傳回 5 個以上的錯誤，載入會失敗。
+ 時間戳記值必須符合指定的格式；例如，有效時間戳記為 `2008-09-26 05:43:12`。
```
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';
```
## 從固定寬度資料檔案載入 VENUE
```
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';
```
上述範例假設資料檔案的格式與所顯示的樣本資料相同。在下列樣本中，空格充當預留位置，讓所有欄都是規格所指明的相同寬度：
```
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
```
## 從 CSV 檔案載入 CATEGORY
假設您想要將下表所示的值載入 CATEGORY。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_COPY_command_examples.html)
下列範例顯示文字檔案的內容，欄位值以逗號分隔。
```
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
```
如果您載入此檔案時使用 DELIMITER 參數來指定逗號分隔輸入，COPY 命令會失敗，因為有些輸入欄位包含逗號。您可以使用 CSV 參數，並以引號字元括住含有逗號的欄位，即可避免此問題。如果引號括住的字串內出現引號字元，則需要多加一個引號字元才能將其逸出。預設引號字元是雙引號，所以您需要多加一個雙引號來逸出每一個雙引號。新的輸入檔案如下所示。
```
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"
```
假設檔案名稱為 `category_csv.txt`，您可以使用下列 COPY 命令來載入檔案：
```
copy category
from 's3://amzn-s3-demo-bucket/data/category_csv.txt'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
csv;
```
或者，若要避免需要逸出輸入中的雙引號，您可以使用 QUOTE AS 參數來指定不同的引號字元。例如，下列的 `category_csv.txt` 版本使用 '`%`' 做為引號字元。
```
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%
```
下列 COPY 命令使用 QUOTE AS 來載入 `category_csv.txt`：
```
copy category
from 's3://amzn-s3-demo-bucket/data/category_csv.txt'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
csv quote as '%';
```
## 載入 VENUE 時將明確值提供給 IDENTITY 欄
下列範例假設建立 VENUE 資料表時，至少有一欄 (例如 `venueid` 欄) 指定為 IDENTITY 欄。此命令覆寫 IDENTITY 預設行為，亦即自動產生 IDENTITY 欄的值，而改以從 venue.txt 檔案載入明確值。使用 EXLICIT\$1IDS 選項時，Amazon Redshift 不會檢查是否將重複的 IDENTITY 值載入到資料表中。
```
copy venue
from 's3://amzn-s3-demo-bucket/data/venue.txt'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
explicit_ids;
```
## 從縱線分隔 GZIP 檔案載入 TIME
下列範例從縱線分隔 GZIP 檔案載入 TIME 資料表：
```
copy time
from 's3://amzn-s3-demo-bucket/data/timerows.gz'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
gzip
delimiter '|';
```
## 載入時間戳記或日期戳記
下列範例載入含有格式化時間戳記的資料。
**注意**
`HH:MI:SS` 的 TIMEFORMAT 也可以支援超過 `SS` 的小數秒，精細程度可達到微秒。此範例中使用的檔案 `time.txt` 包含一列，即 `2009-01-12 14:15:57.119568`。
```
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';
```
此複製的結果如下所示：
```
select * from timestamp1;
c1
----------------------------
2009-01-12 14:15:57.119568
(1 row)
```
## 從含有預設值的檔案載入資料
下列範例使用一個從 TICKIT 資料庫中的 VENUE 資料表變化而來的版本。假設 VENUE\$1NEW 資料表是使用下列陳述式來定義：
```
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');
```
假設 venue\$1noseats.txt 資料檔案的 VENUESEATS 欄沒有值，如下列範例所示：
```
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|
```
下列 COPY 陳述式可成功從檔案載入資料表，並將 DEFAULT 值 ('1000') 套用至省略的欄：
```
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 '|';
```
現在檢視已載入的資料表：
```
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)
```
在下列範例中，除了假設檔案不含 VENUESEATS 資料，也假設不含 VENUENAME 資料：
```
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|
```
使用同樣的資料表定義，下列 COPY 陳述式會失敗，因為未指定 VENUENAME 的 DEFAULT 值，且 VENUENAME 是 NOT NULL 欄：
```
copy venue(venueid, venuecity, venuestate)
from 's3://amzn-s3-demo-bucket/data/venue_pipe.txt'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
delimiter '|';
```
現在假設一個使用 IDENTITY 欄的變化版 VENUE 資料表：
```
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');
```
如同上述範例，假設 VENUESEATS 欄在來源檔案中沒有對應的值。下列 COPY 陳述式可成功載入資料表，包括預先定義的 IDENTITY 資料值，而不是自動產生那些值：
```
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;
```
此陳述式會失敗，因為不含 IDENTITY 欄 (欄清單中缺少 VENUEID)，卻包含 EXPLICIT\$1IDS 參數：
```
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;
```
此陳述式會失敗，因為不含 EXPLICIT\$1IDS 參數：
```
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 '|';
```
## 搭配 ESCAPE 選項來 COPY 資料
下列範例示範如何載入符合分隔符號字元 (在此例子中是縱線字元) 的字元。在輸入檔案中，請確定您要載入的所有縱線字元 (\$1) 都以反斜線字元 (\$1) 逸出。載入以 ESCAPE 參數載入檔案。
```
$ 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)
```
如果不指定 ESCAPE 參數，此 COPY 命令會失敗並傳回 `Extra column(s) found` 錯誤。
**重要**
如果您使用 COPY 搭配 ESCAPE 參數來載入資料，則在 UNLOAD 命令中也必須指定 ESCAPE 參數，以產生對等的輸出檔案。同樣地，如果使用 ESCAPE 參數來 UNLOAD，則在 COPY 相同的資料時需要使用 ESCAPE。
## 從 JSON 複製的範例
在下列範例中，您會將下列資料載入 CATEGORY 資料表。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_COPY_command_examples.html)
**Topics**
+ [使用 'auto' 選項從 JSON 資料載入](#copy-from-json-examples-using-auto)
+ [使用 'auto ignorecase' 選項從 JSON 資料載入](#copy-from-json-examples-using-auto-ignorecase)
+ [使用 JSONPaths 檔案從 JSON 資料載入](#copy-from-json-examples-using-jsonpaths)
+ [使用 JSONPaths 檔案從 JSON 陣列載入](#copy-from-json-examples-using-jsonpaths-arrays)
### 使用 'auto' 選項從 JSON 資料載入
若要使用 `'auto'` 選項從 JSON 資料載入，JSON 資料必須包含一組物件。金鑰名稱必須符合欄名稱，但順序並不重要。以下顯示一個名為 `category_object_auto.json` 之檔案的內容。
```
{
"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"
}
```
若要從上述範例的 JSON 資料檔案載入，請執行下列 COPY 命令。
```
copy category
from 's3://amzn-s3-demo-bucket/category_object_auto.json'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
json 'auto';
```
### 使用 'auto ignorecase' 選項從 JSON 資料載入
若要使用 `'auto ignorecase'` 選項從 JSON 資料載入，JSON 資料必須包含一組物件。索引鍵名稱的大小寫不必符合欄名稱，順序也不重要。以下顯示一個名為 `category_object_auto-ignorecase.json` 之檔案的內容。
```
{
"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"
}
```
若要從上述範例的 JSON 資料檔案載入，請執行下列 COPY 命令。
```
copy category
from 's3://amzn-s3-demo-bucket/category_object_auto ignorecase.json'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
json 'auto ignorecase';
```
### 使用 JSONPaths 檔案從 JSON 資料載入
如果 JSON 資料物件沒有直接對應至欄名稱，您可以使用 JSONPaths 檔案將 JSON 元素映射至欄。JSON 來源資料中的順序並不重要，但 JSONPaths 檔案運算式的順序必須符合欄順序。假設您有下列資料檔案，名稱為 `category_object_paths.json`。
```
{
"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"
}
```
下列 JSONPaths 檔案 (名為 `category_jsonpath.json`) 將來源資料映射至資料表欄。
```
{
"jsonpaths": [
"$['one']",
"$['two']",
"$['three']",
"$['four']"
]
}
```
若要從上述範例的 JSON 資料檔案載入，請執行下列 COPY 命令。
```
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';
```
### 使用 JSONPaths 檔案從 JSON 陣列載入
若要從包含一組陣列的 JSON 資料載入，您必須使用 JSONPaths 檔案將陣列元素映射至欄。假設您有下列資料檔案，名稱為 `category_array_data.json`。
```
[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"]
```
下列 JSONPaths 檔案 (名為 `category_array_jsonpath.json`) 將來源資料映射至資料表欄。
```
{
"jsonpaths": [
"$[0]",
"$[1]",
"$[2]",
"$[3]"
]
}
```
若要從上述範例的 JSON 資料檔案載入，請執行下列 COPY 命令。
```
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';
```
## 從 Avro 複製的範例
在下列範例中，您會將下列資料載入 CATEGORY 資料表。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/r_COPY_command_examples.html)
**Topics**
+ [使用 'auto' 選項從 Avro 資料載入](#copy-from-avro-examples-using-auto)
+ [使用 'auto ignorecase' 選項從 Avro 資料載入](#copy-from-avro-examples-using-auto-ignorecase)
+ [使用 JSONPaths 檔案從 Avro 資料載入](#copy-from-avro-examples-using-avropaths)
### 使用 'auto' 選項從 Avro 資料載入
若要使用 `'auto'` 引數從 Avro 資料載入，Avro 結構描述中的欄位名稱必須符合欄名稱。使用 `'auto'` 引數時，順序並不重要。以下顯示一個名為 `category_auto.avro` 之檔案的結構描述。
```
{
"name": "category",
"type": "record",
"fields": [
{"name": "catid", "type": "int"},
{"name": "catdesc", "type": "string"},
{"name": "catname", "type": "string"},
{"name": "catgroup", "type": "string"},
}
```
Avro 檔案中的資料是二進位格式，無法直接閱讀。以下顯示 `category_auto.avro` 檔案中之資料的 JSON 表示法。
```
{
"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"
}
```
若要從上述範例的 Avro 資料檔案載入，請執行下列 COPY 命令。
```
copy category
from 's3://amzn-s3-demo-bucket/category_auto.avro'
iam_role 'arn:aws:iam::0123456789012:role/MyRedshiftRole'
format as avro 'auto';
```
### 使用 'auto ignorecase' 選項從 Avro 資料載入
若要使用 `'auto ignorecase'` 引數從 Avro 資料載入，Avro 結構描述中欄位名稱的大小寫不必符合欄名稱的大小寫。使用 `'auto ignorecase'` 引數時，順序並不重要。以下顯示一個名為 `category_auto-ignorecase.avro` 之檔案的結構描述。
```
{
"name": "category",
"type": "record",
"fields": [
{"name": "CatID", "type": "int"},
{"name": "CatDesc", "type": "string"},
{"name": "CatName", "type": "string"},
{"name": "CatGroup", "type": "string"},
}
```
Avro 檔案中的資料是二進位格式，無法直接閱讀。以下顯示 `category_auto-ignorecase.avro` 檔案中之資料的 JSON 表示法。
```
{
"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"
}
```
若要從上述範例的 Avro 資料檔案載入，請執行下列 COPY 命令。
```
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';
```
### 使用 JSONPaths 檔案從 Avro 資料載入
如果 Avro 結構描述中的欄位名稱沒有直接對應至欄名稱，您可以使用 JSONPaths 檔案將結構描述元素映射至欄。JSONPaths 檔案表達式的順序必須符合欄順序。
假設您有一個名為 `category_paths.avro` 的資料檔案，其中包含的資料與上述範例相同，但使用下列結構描述。
```
{
"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"}
]
}
```
下列 JSONPaths 檔案 (名為 `category_path.avropath`) 將來源資料映射至資料表欄。
```
{
"jsonpaths": [
"$['id']",
"$['group']",
"$['name']",
"$['desc']"
]
}
```
若要從上述範例的 Avro 資料檔案載入，請執行下列 COPY 命令。
```
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 ';
```
## 準備要搭配 ESCAPE 選項來 COPY 的檔案
下列範例描述在使用 COPY 命令搭配 ESCAPE 參數，將資料匯入 Amazon Redshift 資料表之前，如何準備資料來「逸出」換行字元。如果不準備資料來分隔換行字元，當您執行 COPY 命令時，Amazon Redshift 會傳回載入錯誤，因為換行字元通常做為記錄分隔符號。
例如，假設您想要將一個檔案或外部資料表中的一欄複製到 Amazon Redshift 資料表。如果此檔案或欄包含 XML 格式的內容或類似資料，您必須確定內容中的所有換行字元 (\$1n) 都以反斜線字元 (\$1) 逸出。
包含內嵌換行字元的檔案或資料表可提供相當簡單的比對模式。每一個內嵌的換行字元很可能都接在 `>` 字元後面，且之間可能有幾個空格字元 (`' '` 或 Tab 字元)，如下列範例所示 (在名為 `nlTest1.txt` 的文字檔案中)。
```
$ cat nlTest1.txt
|1000
|2000
```
在下列範例中，您可以執行文字處理公用程式來預先處理來源檔案，並在需要的地方插入逸出字元。(當欄資料複製到 Amazon Redshift 資料表時，會將 `|` 字元主要做為分隔符號來分隔欄資料。)
```
$ sed -e ':a;N;$!ba;s/>[[:space:]]*\n/>\\\n/g' nlTest1.txt > nlTest2.txt
```
同樣地，您可以使用 Perl 來執行類似的操作：
```
cat nlTest1.txt | perl -p -e 's/>\s*\n/>\\\n/g' > nlTest2.txt
```
為了方便將 `nlTest2.txt` 檔案中的資料載入 Amazon Redshift，我們在 Amazon Redshift 中建立一個兩欄資料表。第一欄 c1 是字元欄，將存放來自 `nlTest2.txt` 檔案的 XML 格式內容。第二欄 c2 存放從同一個檔案載入的整數值。
執行 `sed` 命令之後，您就可以使用 ESCAPE 參數，將 `nlTest2.txt` 檔案中的資料正確載入 Amazon Redshift 資料表。
**注意**
在 COPY 命令中包含 ESCAPE 參數時，可逸出一些含有反斜線字元的特殊字元 (包括換行字元)。
```
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)
```
您可以用類似的方法來準備從外部資料庫匯出的資料檔案。例如，假設是 Oracle 資料庫，在您要複製到 Amazon Redshift 的資料表中，您可以對每個受影響的欄使用 REPLACE 函數。
```
SELECT c1, REPLACE(c2, \n',\\n' ) as c2 from my_table_with_xml
```
此外，許多資料庫匯出及擷取、轉換、載入 (ETL) 的工具 (經常處理大量資料)，都提供選項來指定逸出和分隔符號字元。
## 將 Shapefile 載入 Amazon Redshift
下列範例示範如何使用 COPY 來載入 Esri Shapefile。如需載入 Shapefile 的相關資訊，請參閱[將 Shapefile 載入 Amazon Redshift](spatial-copy-shapefile.md)。
### 載入 Shapefile
下列步驟說明如何使用 COPY 命令從 Amazon S3 擷取 OpenStreetMap 資料。此範例假設來自 [Geofabrik 下載網站的](https://download.geofabrik.de/europe.html)挪威 shapefile 封存已上傳至您 AWS 區域中的私有 Amazon S3 儲存貯體。`.shp`、`.shx` 和 `.dbf` 檔案必須共用相同的 Amazon S3 字首和檔案名稱。
#### 不使用簡化擷取資料
以下命令會建立資料表並擷取資料，這些資料無需任何簡化即可符合最大幾何大小。在您偏好的 GIS 軟體中開啟 `gis_osm_natural_free_1.shp`，並檢查此圖層中的欄。依預設，IDENTITY 或 GEOMETRY 欄都是第一個。當 GEOMETRY 欄是第一個，你可以建立資料表，如下所示。
```
CREATE TABLE norway_natural (
wkb_geometry GEOMETRY,
osm_id BIGINT,
code INT,
fclass VARCHAR,
name VARCHAR);
```
或者，當 IDENTITY 欄是第一個，你可以建立資料表，如下所示。
```
CREATE TABLE norway_natural_with_id (
fid INT IDENTITY(1,1),
wkb_geometry GEOMETRY,
osm_id BIGINT,
code INT,
fclass VARCHAR,
name VARCHAR);
```
現在，您可以使用 COPY 擷取資料。
```
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
```
或者，您可以如下所示擷取資料。
```
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.
```
#### 使用簡化擷取資料
下列命令會建立資料表並嘗試擷取資料，這些資料若不經簡化就無法符合最大幾何大小。檢查 `gis_osm_water_a_free_1.shp` Shapefile 並建立適當資料表，如下所示。
```
CREATE TABLE norway_water (
wkb_geometry GEOMETRY,
osm_id BIGINT,
code INT,
fclass VARCHAR,
name VARCHAR);
```
COPY 命令執行時，會導致錯誤。
```
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.
```
查詢 `STL_LOAD_ERRORS` 顯示幾何太大。
```
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
```
為了解決這個問題，請將 `SIMPLIFY AUTO` 參數加入 COPY 命令以簡化幾何。
```
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.
```
若要檢視已簡化的列和幾何，請查詢 `SVL_SPATIAL_SIMPLIFY`。
```
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
```
使用 SIMPLIFY AUTO *max\$1tolerance* 且公差低於自動計算的公差，可能會導致擷取錯誤。在這種情況下，請使用 MAXERROR 忽略錯誤。
```
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.
```
再次查詢 `SVL_SPATIAL_SIMPLIFY` 以識別 COPY 未能載入的記錄。
```
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
```
在這個範例中，第一筆記錄無法容納，因此 `simplified` 欄顯示為 false。第二筆記錄在給定的公差範圍內載入。但是，最終大小大於使用自動計算的公差而不指定最大公差。
### 從壓縮的 Shapefile 載入
Amazon Redshift COPY 支援從壓縮的 Shapefile 中擷取資料。所有 Shapefile 元件必須具有相同的 Amazon S3 字首和相同的壓縮字尾。例如，假設您想要從上述範例中載入資料。在此情況下，`gis_osm_water_a_free_1.shp.gz`、`gis_osm_water_a_free_1.dbf.gz` 和 `gis_osm_water_a_free_1.shx.gz` 檔案必須共用相同的 Amazon S3 目錄。COPY 命令需要 GZIP 選項，並且 FROM 子句必須指定正確的壓縮檔案，如下所示。
```
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.
```
### 以不同的欄順序將資料載入到資料表中
如果您的資料表沒有將 `GEOMETRY` 作為第一欄，則可以使用欄映射將欄映射到目標資料表。例如，建立一個將 `osm_id` 指定為第一欄的資料表。
```
CREATE TABLE norway_natural_order (
osm_id BIGINT,
wkb_geometry GEOMETRY,
code INT,
fclass VARCHAR,
name VARCHAR);
```
然後使用欄映射擷取 Shapefile。
```
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.
```
### 將資料載入至具有地理欄的資料表
如果您有一個包含 `GEOGRAPHY` 欄的資料表，則首先擷取至 `GEOMETRY` 欄中，然後將物件轉換為 `GEOGRAPHY` 物件。例如，將 Shapefile 複製到 `GEOMETRY` 欄之後，請更改資料表以新增 `GEOGRAPHY` 資料類型的欄。
```
ALTER TABLE norway_natural ADD COLUMN wkb_geography GEOGRAPHY;
```
然後將幾何轉換為地理。
```
UPDATE norway_natural SET wkb_geography = wkb_geometry::geography;
```
您也可以選擇捨棄 `GEOMETRY` 欄。
```
ALTER TABLE norway_natural DROP COLUMN wkb_geometry;
```
## 具有 NOLOAD 選項的 COPY 命令
若要在實際載入資料之前先驗證資料檔案，請使用 NOLOAD 選項搭配 COPY 命令。Amazon Redshift 會剖析輸入檔案，並顯示發生的任何錯誤。下列範例使用 NOLOAD 選項，而且沒有列實際載入資料表中。
```
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.
```
## COPY 命令搭配多位元組分隔符號和 ENCODING 選項
下列範例會從包含多位元組資料的 Amazon S3 檔案載入 LATIN1。COPY 命令會指定八進位形式的分隔符號 `\302\246\303\254`，以分隔輸入檔案中編碼為 ISO-8859-1 的多個欄位。若要以 UTF-8 指定相同的分隔符號，請指定 `DELIMITER '¦ì'`。
```
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
```
# CREATE DATABASE
建立新的資料庫。
若要建立資料庫，您必須是超級使用者或具有 CREATEDB 權限。若要建立與零 ETL 整合相關聯的資料庫，您必須是超級使用者或是同時具有 CREATEDB 和 CREATEUSER 權限。
您無法在交易區塊 (BEGIN ... END) 中執行 CREATE DATABASE。如需交易的相關資訊，請參閱 [Amazon Redshift 中的隔離層級](c_serial_isolation.md)。
## 語法
```
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 }
]
```
## Parameters
*database\$1name*
新資料庫的名稱。如需有效名稱的相關資訊，請參閱 [名稱與識別碼](r_names.md)。
FROM INTEGRATION '' [ DATABASE '' ]
指定是否使用零 ETL 整合識別碼建立資料庫。您可以從 SVV\$1INTEGRATION 系統檢視擷取 `integration_id`。對於 Aurora PostgreSQL 零 ETL 整合，您還需要指定 `source_database` 名稱，此名稱也可以從 SVV\$1INTEGRATION 擷取。
如需範例，請參閱 [建立資料庫以接收零 ETL 整合的結果](#r_CREATE_DATABASE-integration)。如需使用零 ETL 整合建立資料庫的詳細資訊，請參閱《Amazon Redshift 管理指南》**中的[在 Amazon Redshift 中建立目的地資料庫](https://docs.aws.amazon.com/redshift/latest/mgmt/zero-etl-using.creating-db.html)。
SET
選用的關鍵字。
ACCEPTINVCHARS [=] \$1 TRUE \$1 FALSE \$1
ACCEPTINVCHARS 子句會設定零 ETL 整合資料表是否在偵測到 VARCHAR 資料類型的無效字元時，仍繼續擷取。遇到無效字元時，無效字元會取代為預設的 `?` 字元。
QUERY\$1ALL\$1STATES [=] \$1 TRUE \$1 FALSE \$1
QUERY\$1ALL\$1STATES 子句會設定零 ETL 整合資料表是否在所有狀態 (`Synced`、`Failed`、`ResyncRequired` 和 `ResyncInitiated`) 下均可供查詢。根據預設，零 ETL 整合資料表只有在 `Synced` 狀態下可供查詢。
REFRESH\$1INTERVAL
REFRESH\$1INTERVAL 子句會設定將資料從零 ETL 來源重新整理至目標資料庫的大約時間間隔 (以秒為單位)。針對來源類型為 Aurora MySQL、Aurora PostgreSQL 或 RDS for MySQL 的零 ETL 整合，值可以設定為 0-432,000 秒 (5 天)。針對 Amazon DynamoDB 零 ETL 整合，值可以設定為 900-432,000 秒 (15 分鐘至 5 天)。針對來源類型為 Aurora MySQL、Aurora PostgreSQL 或 RDS for MySQL 的零 ETL 整合，預設 `interval` 為零 (0) 秒。對於 Amazon DynamoDB 零 ETL 整合，預設 `interval` 為 900 秒 (15 分鐘)。
TRUNCATECOLUMNS [=] \$1 TRUE \$1 FALSE \$1
TRUNCATECOLUMNS 子句會設定，當 VARCHAR 欄或 SUPER 欄屬性的值超出限制時，零 ETL 整合資料表是否繼續擷取。當 `TRUE` 時，值會截斷至符合欄長度，而溢出 JSON 屬性的值則會截斷至符合 SUPER 欄長度。
HISTORY\$1MODE [=] \$1TRUE \$1 FALSE\$1
此子句指定 Amazon Redshift 是否會為指定資料庫中的所有新資料表設定歷史記錄模式。此選項僅適用於針對零 ETL 整合建立的資料庫。
HISTORY\$1MODE 子句可以設定為 `TRUE` 或 `FALSE`。預設值為 `FALSE`。如需有關 HISTORY\$1MODE 的資訊，請參閱《Amazon Redshift 管理指南》**中的[歷史記錄模式](https://docs.aws.amazon.com/redshift/latest/mgmt/zero-etl-history-mode.html)。
WITH
選用的關鍵字。
OWNER [=] db\$1owner
指定資料庫擁有者的使用者名稱。
CONNECTION LIMIT \$1 *limit* \$1 UNLIMITED \$1
允許使用者同時開啟的資料庫連線數目上限。超級使用者不受此限制規範。使用 UNLIMITED 關鍵字可允許同時連線的最大數目。另外也可能限制每位使用者的連線數目。如需詳細資訊，請參閱[CREATE USER](r_CREATE_USER.md)。預設值為 UNLIMITED。若要檢視目前連線數目，請查詢 [STV\$1SESSIONS](r_STV_SESSIONS.md) 系統畫面。
如果同時套用使用者和資料庫連線數目限制，則必須在使用者嘗試連線時，在不超過這兩項限制的情況下提供一個未使用的連線位置。
COLLATE \$1 CASE\$1SENSITIVE \$1 CS \$1 CASE\$1INSENSITIVE \$1 CI \$1
指定字串搜尋或比較區分大小寫或不區分大小寫的子句。預設為區分大小寫。
若您從資料共用建立資料庫，則不支援 COLLATE。
CASE\$1SENSITIVE 和 CS 可互換，並產生相同的結果。同樣地，CASE\$1INSENSITIVE 和 CI 可互換，並產生相同的結果。
ISOLATION LEVEL \$1 SNAPSHOT \$1 SERIALIZABLE \$1
指定對資料庫執行查詢時所用隔離層級的子句。如需隔離層級的詳細資訊，請參閱 [Amazon Redshift 中的隔離層級](c_serial_isolation.md)。
+ SNAPSHOT 隔離 - 提供隔離層級，防止更新和刪除衝突。這是佈建叢集或無伺服器命名空間中所建立資料庫的預設值。
+ SERIALIZABLE 隔離 - 為並行交易提供完整的序列化。
FROM ARN ''
用來建立 AWS Glue 資料庫的資料庫 ARN。
\$1 WITH DATA CATALOG SCHEMA '' \$1 WITH NO DATA CATALOG SCHEMA \$1
只有當您的 CREATE DATABASE 命令也使用 FROM ARN 參數時，此參數才適用。
指定是否使用結構描述建立資料庫，以協助存取 AWS Glue Data Catalog中的物件。
IAM\$1ROLE \$1 default \$1 'SESSION' \$1 'arn:aws:iam::**:role/**' \$1
只有當您的 CREATE DATABASE 命令也使用 FROM ARN 參數時，此參數才適用。
如果您在執行 CREATE DATABASE 命令時指定與叢集關聯的 IAM 角色，當您在資料庫上執行查詢時，Amazon Redshift 將會使用該角色的登入資料。
指定 `default` 關鍵字表示使用設定為預設值且與叢集相關聯的 IAM 角色。
如果您使用聯合身分連線到 Amazon Redshift 叢集，並從使用此命令建立的外部結構描述存取資料表，請使用 `'SESSION'`。如需使用聯合身分的範例，請參閱[使用聯合身分管理 Amazon Redshift 對本機資源和 Amazon Redshift Spectrum 外部資料表的存取](https://docs.aws.amazon.com/redshift/latest/mgmt/authorization-fas-spectrum.html)，其中會說明如何設定聯合身分。
對叢集進行身分驗證和授權時所使用的 IAM 角色使用 Amazon Resource Name (ARN)。IAM 角色最少須具有在所要存取的 Amazon S3 儲存貯體上執行 LIST 操作，以及在儲存貯體包含的 Amazon S3 物件上執行 GET 操作的許可。若要進一步了解如何在使用 建立資料庫 AWS Glue Data Catalog 進行資料共用時使用 IAM\$1ROLE，請參閱以[取用者身分使用 Lake Formation 管理的資料共用](https://docs.aws.amazon.com/redshift/latest/dg/lake-formation-getting-started-consumer.html)。
以下顯示單一 ARN 的 IAM\$1ROLE 參數字串語法。
```
IAM_ROLE 'arn:aws:iam:::role/'
```
您可以鏈結角色，以便您的叢集可以擔任其他 IAM 角色 (可能屬於其他帳戶)。您最多可以鏈結 10 個角色。如需詳細資訊，請參閱[在 Amazon Redshift Spectrum 中鏈結 IAM 角色](c-spectrum-iam-policies.md#c-spectrum-chaining-roles)。
對於此 IAM 角色，請附加與以下內容相似的 IAM 許可政策。
****
```
{
"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": "*"
}
]
}
```
如需建立 IAM 角色以搭配聯合查詢使用的步驟，請參閱[建立秘密和 IAM 角色來使用聯合查詢](federated-create-secret-iam-role.md)。
不要在鏈結的角色清單中包含空格。
以下顯示鏈結三個角色的語法。
```
IAM_ROLE 'arn:aws:iam:::role/,arn:aws:iam:::role/,arn:aws:iam:::role/'
```
## 搭配資料共用使用 CREATE DATABASE 的語法
下列語法說明 CREATE DATABASE 命令，用於從資料共用建立資料庫，以在相同 AWS 帳戶中共用資料。
```
CREATE DATABASE database_name
[ [ WITH PERMISSIONS ] FROM DATASHARE datashare_name OF [ ACCOUNT account_id ] NAMESPACE namespace_guid
```
下列語法說明用於從資料共用建立資料庫的 CREATE DATABASE 命令，以跨 AWS 帳戶共用資料。
```
CREATE DATABASE database_name
[ [ WITH PERMISSIONS ] FROM DATASHARE datashare_name OF ACCOUNT account_id NAMESPACE namespace_guid
```
### 搭配資料共用使用 CREATE DATABASE 的參數
FROM DATASHARE
指出資料共用所在位置的關鍵字。
*datashare\$1name*
建立取用者資料庫所用的資料共用名稱。
WITH PERMISSIONS
指定從資料共用建立的資料庫需要物件層級權限，才能存取個別資料庫物件。如果沒有這個子句，被授予資料庫 USAGE 權限的使用者或角色，就會自動擁有資料庫中所有資料庫物件的存取權。
NAMESPACE *namespace\$1guid*
指定資料共用所屬之生產者命名空間的值。
ACCOUNT *account\$1id*
指定資料共用所屬之生產者帳戶的值。
## 用於資料共用的 CREATE DATABASE 使用說明
身為資料庫超級使用者，當您使用 CREATE DATABASE 從 AWS 帳戶中的資料共用建立資料庫時，請指定 NAMESPACE 選項。ACCOUNT 是選用選項。當您使用 CREATE DATABASE 從跨 AWS 帳戶的資料共用建立資料庫時，請指定來自生產者的 ACCOUNT 和 NAMESPACE。
您只能為取用者叢集上的一個資料共用建立一個取用者資料庫。您無法建立參照相同資料共用的多個取用者資料庫。
## 從 建立資料庫 AWS Glue Data Catalog
若要使用資料庫 ARN 建立 AWS Glue 資料庫，請在 CREATE DATABASE 命令中指定 ARN。
```
CREATE DATABASE sampledb FROM ARN WITH NO DATA CATALOG SCHEMA;
```
或者，您也可以為 IAM\$1ROLE 參數提供值。如需參數和接受值的相關資訊，請參閱[參數](https://docs.aws.amazon.com/redshift/latest/dg/r_CREATE_DATABASE.html#r_CREATE_DATABASE-parameters)。
以下是示範如何使用 IAM 角色從 ARN 建立資料庫的範例。
```
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;
```
您也可以使用 DATA CATALOG SCHEMA 建立資料庫。
```
CREATE DATABASE sampledb FROM ARN WITH DATA CATALOG SCHEMA IAM_ROLE default;
```
## 建立資料庫以接收零 ETL 整合的結果
若要使用零 ETL 整合身分建立資料庫，請在 CREATE DATABASE 命令中指定 `integration_id`。
```
CREATE DATABASE destination_db_name FROM INTEGRATION 'integration_id';
```
例如，首先從 SVV\$1INTEGRATION 擷取整合 ID；
```
SELECT integration_id FROM SVV_INTEGRATION;
```
然後使用擷取的其中一個整合 ID 來建立接收零 ETL 整合的資料庫。
```
CREATE DATABASE sampledb FROM INTEGRATION 'a1b2c3d4-5678-90ab-cdef-EXAMPLE11111';
```
例如，需要零 ETL 整合來源資料庫時則指定。
```
CREATE DATABASE sampledb FROM INTEGRATION 'a1b2c3d4-5678-90ab-cdef-EXAMPLE11111' DATABASE sourcedb;
```
您也可以設定資料庫的重新整理間隔。例如，若要針對零 ETL 整合來源的資料將重新整理間隔設定為 7,200 秒：
```
CREATE DATABASE myacct_mysql FROM INTEGRATION 'a1b2c3d4-5678-90ab-cdef-EXAMPLE11111' SET REFRESH_INTERVAL 7200;
```
查詢 SVV\$1INTEGRATION 目錄檢視以取得零 ETL 整合的相關資訊，例如 integration\$1id、target\$1database、source、fresh\$1interval 等。
```
SELECT * FROM svv_integration;
```
下列範例會從開啟歷史記錄模式的整合建立資料庫。
```
CREATE DATABASE sample_integration_db FROM INTEGRATION 'a1b2c3d4-5678-90ab-cdef-EXAMPLE11111' SET HISTORY_MODE = true;
```
## CREATE DATABASE 限制
Amazon Redshift 會針對資料庫強制執行以下限制：
+ 每個叢集最多 60 個使用者定義的資料庫。
+ 資料庫名稱最多 127 個位元組。
+ 資料庫名稱不能是保留字。
## 資料庫定序
定序是一組規則，用於定義資料庫引擎如何比較和排序 SQL 中的字元類型資料。不區分大小寫的定序是最常用的定序。Amazon Redshift 使用不區分大小寫的定序來協助從其他資料倉儲進行移轉。透過不區分大小寫定序的原生支援，Amazon Redshift 會繼續使用重要的調整或最佳化方法，例如分佈索引鍵、排序索引鍵或範圍限制掃描。
COLLATE 子句會指定資料庫中所有 CHAR 和 VARCHAR 資料欄的預設定序。如果指定 CASE\$1INSENSITIVE，則所有 CHAR 或 VARCHAR 資料欄都會使用不區分大小寫的定序。如需有關定序的資訊，請參閱 [定序序列](c_collation_sequences.md)。
在不區分大小寫的資料欄中插入或擷取的資料將會保留其原始大小寫。但是所有基於比較的字串操作 (包括排序和分組) 也都不區分大小寫。模式比對操作 (如 LIKE 述詞、類似和規則表達式函數) 也不區分大小寫。
下列 SQL 操作支援適用的定序語意：
+ 比較運算子：=、<>、<、<=、>、>=。
+ LIKE 運算子
+ ORDER BY 子句
+ GROUP BY 子句
+ 使用字串比較的彙總函數，例如 MIN、MAX 和 LISTAGG
+ 視窗函數，例如 PARTITION BY 子句與 ORDER BY 子句
+ 純量函數 greatest() 和 least()、STRPOS()、REGEXP\$1COUNT()、REGEXP\$1REPLACE()、REGEXP\$1INSTR()、REGEXP\$1SUBSTR()
+ 相異子句
+ UNION、INTERSECT 和 EXCEPT
+ IN LIST
對於外部查詢 (包括 Amazon Redshift Spectrum 和 Aurora PostgreSQL 聯合查詢)，VARCHAR 或 CHAR 資料欄的定序會與目前的資料庫層級定序相同。
下列範例會查詢 Amazon Redshift Spectrum 資料表：
```
SELECT ci_varchar FROM spectrum.test_collation
WHERE ci_varchar = 'AMAZON';
ci_varchar
----------
amazon
Amazon
AMAZON
AmaZon
(4 rows)
```
如需如何使用資料庫定序建立資料表的資訊，請參閱 [CREATE TABLE](r_CREATE_TABLE_NEW.md)。
如需 COLLATE 函數的詳細資訊，請參閱 [COLLATE 函數](r_COLLATE.md)。
### 資料庫定序限制
以下是在 Amazon Redshift 中使用資料庫定序時的限制：
+ 所有系統資料表或檢視 (包括 PG 目錄資料表和 Amazon Redshift 系統資料表) 都會區分大小寫。
+ 當取用者資料庫和生產者資料庫具有不同的資料庫層級定序時，Amazon Redshift 不支援跨資料庫和跨叢集查詢。
+ Amazon Redshift 在僅限領導節點查詢中不支援不區分大小寫的定序。
下列範例顯示不支援的不區分大小寫查詢，以及 Amazon Redshift 傳送的錯誤：
```
SELECT collate(usename, 'case_insensitive') FROM pg_user;
ERROR: Case insensitive collation is not supported in leader node only query.
```
+ Amazon Redshift 不支援區分大小寫和不區分大小寫的資料欄之間進行互動，例如比較、函數、聯結或設定操作。
下列範例顯示區分大小寫和不區分大小寫的資料行互動時的錯誤：
```
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.
```
若要讓這些查詢運作，請使用 COLLATE 函數來轉換一個資料行的定序，以比對另一個資料行。如需詳細資訊，請參閱[COLLATE 函數](r_COLLATE.md)。
## 範例
**建立資料庫**
下列範例會建立名為 TICKIT 的資料庫，並將所有權提供給使用者 DWUSER。
```
create database tickit
with owner dwuser;
```
若要檢視有關資料庫的詳細資訊，請查詢 PG\$1DATABASE\$1INFO 目錄資料表。
```
select datname, datdba, datconnlimit
from pg_database_info
where datdba > 1;
datname | datdba | datconnlimit
-------------+--------+-------------
admin | 100 | UNLIMITED
reports | 100 | 100
tickit | 100 | 100
```
下列範例會建立名稱為 **sampledb** 且具有 SNAPSHOT 隔離層級的資料庫。
```
CREATE DATABASE sampledb ISOLATION LEVEL SNAPSHOT;
```
下列範例會從資料共用 salesshare 中建立資料庫 sales\$1db。
```
CREATE DATABASE sales_db FROM DATASHARE salesshare OF NAMESPACE '13b8833d-17c6-4f16-8fe4-1a018f5ed00d';
```
### 資料庫定序範例
**建立不區分大小寫的資料庫**
下列範例會建立 `sampledb` 資料庫、建立 `T1` 資料表，以及將資料插入 `T1` 資料表。
```
create database sampledb collate case_insensitive;
```
連線到您剛才使用 SQL 用戶端建立的新資料庫。使用 Amazon Redshift 查詢編輯器 v2 時，請在**編輯器**中選擇 `sampledb`。使用 RSQL 時，請使用如下所示的命令。
```
\connect sampledb;
```
```
CREATE TABLE T1 (
col1 Varchar(20) distkey sortkey
);
```
```
INSERT INTO T1 VALUES ('bob'), ('john'), ('Mary'), ('JOHN'), ('Bob');
```
然後查詢會尋找包含 `John` 結果。
```
SELECT * FROM T1 WHERE col1 = 'John';
col1
------
john
JOHN
(2 row)
```
**以不區分大小寫的順序排序**
下列範例顯示資料表 T1 的不區分大小寫排序。*Bob* 和 *bob* 或 *John* 和 *john* 的排序為非確定性，因為這些在不區分大小寫的欄中是相等的。
```
SELECT * FROM T1 ORDER BY 1;
col1
------
bob
Bob
JOHN
john
Mary
(5 rows)
```
同樣地，下面範例顯示使用 GROUP BY 子句的不區分大小寫排序。*Bob* 和 *bob* 是同等的，屬於同一組。結果中會顯示哪一個是不確定的。
```
SELECT col1, count(*) FROM T1 GROUP BY 1;
col1 | count
-----+------
Mary | 1
bob | 2
JOHN | 2
(3 rows)
```
**在不區分大小寫的資料欄上使用視窗函數進行查詢**
下列範例會在不區分大小寫的資料欄上查詢視窗函數。
```
SELECT col1, rank() over (ORDER BY col1) FROM T1;
col1 | rank
-----+------
bob | 1
Bob | 1
john | 3
JOHN | 3
Mary | 5
(5 rows)
```
**使用 DISTINCT 關鍵字進行查詢**
下列範例會使用 DISTINCT 關鍵字查詢 `T1` 資料表。
```
SELECT DISTINCT col1 FROM T1;
col1
------
bob
Mary
john
(3 rows)
```
**使用 UNION 子句查詢**
下列範例顯示資料表 `T1` 和 `T2` UNION 的結果。
```
CREATE TABLE T2 AS SELECT * FROM T1;
```
```
SELECT col1 FROM T1 UNION SELECT col1 FROM T2;
col1
------
john
bob
Mary
(3 rows)
```
# CREATE DATASHARE
在目前資料庫中建立新的資料共用。此資料共用的擁有者是 CREATE DATASHARE 命令的發行者。
Amazon Redshift 會將每個資料共用與單一 Amazon Redshift 資料庫相關聯。您只可以在資料共用中新增相關聯資料庫中的物件。您可以在同一個 Amazon Redshift 資料庫上建立多個資料共用。
如需有關資料共用的資訊，請參閱 [Amazon Redshift 中的資料共用](datashare-overview.md)。
若要檢視有關資料庫的資訊，請使用 [SHOW DATASHARES](r_SHOW_DATASHARES.md)。
## 所需權限
以下是 CREATE DATASHARE 所需的權限：
+ 超級使用者
+ 具有 CREATE DATASHARE 權限的使用者
+ 資料庫擁有者
## 語法
```
CREATE DATASHARE datashare_name
[[SET] PUBLICACCESSIBLE [=] TRUE | FALSE ];
```
## Parameters
*datashare\$1name*
資料共用的名稱。資料共用名稱必須是叢集命名空間中唯一的名稱。
[[SET] PUBLICACCESSIBLE]
該子句會指定資料共用是否可以共用至可公開存取的叢集。
`SET PUBLICACCESSIBLE` 的預設值為 `FALSE`。
## 使用須知
依預設，資料共用的擁有者只能有共用，不能有共用中的物件。
只有超級使用者和資料庫擁有者可以使用 CREATE DATASHARE，並將 ALTER 權限委派給其他使用者或群組。
## 範例
下列範例會建立 `salesshare` 資料共用。
```
CREATE DATASHARE salesshare;
```
下列範例會建立 AWS Data Exchange 管理的 `demoshare` 資料共用。
```
CREATE DATASHARE demoshare SET PUBLICACCESSIBLE TRUE, MANAGEDBY ADX;
```
# CREATE EXTERNAL FUNCTION
根據 AWS Lambda Amazon Redshift 建立純量使用者定義函數 (UDF)。如需 Lambda 使用者定義函數的相關資訊，請參閱 [純量 Lambda UDF](udf-creating-a-lambda-sql-udf.md)。
## 所需權限
以下是 CREATE EXTERNAL FUNCTION 所需的權限：
+ 超級使用者
+ 具有 CREATE [ OR REPLACE ] EXTERNAL FUNCTION 權限的使用者
## 語法
```
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 ];
```
## Parameters
OR REPLACE
該子句會指定已有相同名稱和輸入引數資料類型 (或*簽章*) 的函數存在時，取代現有函數。您可以將函數取代為定義一組相同資料類型的新函數。您必須是超級使用者才能取代函數。
如果您定義的函數與現有函數同名，但簽章不同，則會建立新函數。換言之，函數名稱將會過載。如需詳細資訊，請參閱[多載函數名稱](udf-naming-udfs.md#udf-naming-overloading-function-names)。
*external\$1fn\$1name*
外部函數的名稱。如果您指定結構描述名稱 (例如 myschema.myfunction)，則會使用指定的結構描述建立函數。否則，函數會在目前結構描述中建立。如需有效名稱的相關資訊，請參閱 [名稱與識別碼](r_names.md)。
我們建議您在所有 UDF 名稱前加上 `f_`。Amazon Redshift 會保留 UDF 名稱的 `f_` 字首。透過使用 `f_` 字首，您可以協助確保您的 UDF 名稱不會與目前或未來 Amazon Redshift 的任何內建 SQL 函數名稱衝突。如需詳細資訊，請參閱[防止 UDF 命名衝突](udf-naming-udfs.md)。
*data\$1type*
輸入引數的資料類型。如需詳細資訊，請參閱[純量 Python UDF](udf-creating-a-scalar-udf.md)及[純量 Lambda UDF](udf-creating-a-lambda-sql-udf.md)。
RETURNS *data\$1type*
函數所傳回值的資料類型。RETURNS 資料類型可以是任何標準 Amazon Redshift 資料類型。如需詳細資訊，請參閱[純量 Python UDF](udf-creating-a-scalar-udf.md)及[純量 Lambda UDF](udf-creating-a-lambda-sql-udf.md)。
VOLATILE \$1 STABLE
通知查詢最佳化工具有關函數的波動情形。
若要得到最理想的最佳化，請將函數標示為最嚴格的有效波動類別。從最低嚴格程度開始，依嚴格程度排列的波動類別如下所示：
+ VOLATILE
+ STABLE
VOLATILE
假設引數相同，即使是針對單一陳述式中的資料列，函數也可能在後續呼叫中傳回不同的結果。查詢最佳化工具無法假設波動函數的行為。使用波動函數的查詢必須重新評估每個輸入的函數。
STABLE
假設引數相同，函數一定會針對單一陳述式內處理的連續呼叫傳回相同結果。在不同陳述式中呼叫函數時，函數可能傳回不同結果。此類別可這麼做，所以最佳化工具可以減少在單個陳述式中調用函數的次數。
請注意，如果選擇的嚴格性對函數無效，則最佳化工具可能會有根據此嚴格性而略過某些呼叫的風險。這可能會導致不正確的結果集。
Lambda UDF 目前不支援 IMMUTABLE 子句。
LAMBDA *'lambda\$1fn\$1name'*
Amazon Redshift 呼叫的函數名稱。
如需建立 AWS Lambda 函數的步驟，請參閱《 *AWS Lambda 開發人員指南*》中的[使用 主控台建立 Lambda 函數](https://docs.aws.amazon.com/lambda/latest/dg/getting-started-create-function.html)。
如需 Lambda 函數所需權限的相關資訊，請參閱《AWS Lambda 開發人員指南》**中的 [AWS Lambda 權限](https://docs.aws.amazon.com/lambda/latest/dg/lambda-permissions.html)。
IAM\$1ROLE \$1 default \$1 ‘arn:aws:iam::**:role/**’
使用預設關鍵字，讓 Amazon Redshift 使用設定為預設並在執行 CREATE EXTERNAL FUNCTION 命令時與叢集關聯的 IAM 角色。
對叢集進行身分驗證和授權時所使用的 IAM 角色使用 Amazon Resource Name (ARN)。CREATE EXTERNAL FUNCTION 已獲得授權，可透過此 IAM 角色調用 Lambda 函數。如果您的叢集已附加有權調用 Lambda 函數的現有 IAM 角色，則可以替換角色的 ARN。如需詳細資訊，請參閱[設定 Lambda UDF 的授權參數](udf-creating-a-lambda-sql-udf.md#udf-lambda-authorization)。
以下顯示 IAM\$1ROLE 參數的語法。
```
IAM_ROLE 'arn:aws:iam::aws-account-id:role/role-name'
```
RETRY\$1TIMEOUT *milliseconds*
Amazon Redshift 用於重試退避延遲的總時間 (以毫秒為單位)。
Amazon Redshift 不會針對任何失敗的查詢立即重試，而是執行退選，並在重試之間等待一段時間。然後，Amazon Redshift 會重試請求以重新執行失敗的查詢，直到所有延遲的總和等於或超過您指定的 RETRY\$1TIMEOUT 值為止。預設值為 20,000 毫秒。
調用 Lambda 函數時，Amazon Redshift 會針對接收到錯誤 (例如 `TooManyRequestsException`、`EC2ThrottledException` 和 `ServiceException`) 的查詢重試。
您可以將 RETRY\$1TIMEOUT 參數設定為 0 毫秒，以防止 Lambda UDF 進行任何重試。
MAX\$1BATCH\$1ROWS *計數*
Amazon Redshift 在單一批次請求中針對單一 Lambda 調用傳送的資料列數目上限。
此參數的最小值為 1。最大值為 INT\$1MAX 或 2,147,483,647。
此為選用參數。預設值為 INT\$1MAX 或 2,147,483,647。
MAX\$1BATCH\$1SIZE *size* [ KB \$1 MB ]
Amazon Redshift 在單一批次請求中針對單一 Lambda 調用傳送的資料承載大小上限。
此參數的最小值為 1 KB。最大值為 5 MB。
此參數的預設值為 5 MB。
您可以選擇 KB 和 MB。如果未設定測量單位，Amazon Redshift 會預設為使用 KB。
## 使用須知
建立 Lambda UDF 時應考慮下列事項：
+ 輸入引數上的 Lambda 函數調用順序不是固定或可保證的。其可能會因執行查詢的執行個體而有所不同，具體取決於叢集組態。
+ 函數不能保證一次且僅一次地套用到每個輸入引數。Amazon Redshift 與 之間的互動 AWS Lambda 可能會導致具有相同輸入的重複呼叫。
## 範例
以下是使用純量 Lambda 使用者定義函數 (UDF) 的範例。
### 使用 Node.js Lambda 函數的純量 Lambda UDF 範例
下列範例會建立名為 `exfunc_sum` 的外部函數，該函數會接受兩個整數做為輸入引數。該函數會傳回作為整數輸出的總和。要呼叫的 Lambda 函數名稱為 `lambda_sum`。用於此 Lambda 函數的語言是 Node.js 12.x。請務必指定 IAM 角色。此範例使用 `'arn:aws:iam::123456789012:user/johndoe'` 做為 IAM 角色。
```
CREATE EXTERNAL FUNCTION exfunc_sum(INT,INT)
RETURNS INT
VOLATILE
LAMBDA 'lambda_sum'
IAM_ROLE 'arn:aws:iam::123456789012:role/Redshift-Exfunc-Test';
```
Lambda 函數會接受請求承載並逐一查看每一列。單列中的所有值都會加入以計算該列的總和，而這會保存在回應陣列中。結果陣列中的資料列數會與請求承載中接收的資料列數相似。
JSON 回應承載必須在「結果」欄位中包含結果資料，才能由外部函數辨識。在傳送至 Lambda 函數的請求中，引數欄位會包含資料承載。在批次處理請求的情況下，資料承載中可以有多個資料列。下列 Lambda 函數會逐一查看請求資料承載中的所有資料列。也會單獨逐一查看單一資料列中的所有值。
```
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);
};
```
下列範例會呼叫具有常值的外部函數。
```
select exfunc_sum(1,2);
exfunc_sum
------------
3
(1 row)
```
下列範例會建立名為 t\$1sum 的資料表，其中包含整數資料類型的兩個資料欄 c1 和 c2，並插入兩列資料。然後透過傳遞此資料表的資料欄名稱來呼叫外部函數。這兩個資料表資料列會在請求承載中以批次請求的形式傳送，以做為單一 Lambda 調用。
```
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)
```
### 使用 RETRY\$1TIMEOUT 屬性的純量 Lambda UDF 範例
在下文中，您可以找到如何在 Lambda UDF 中使用 RETRY\$1TIMEOUT 屬性的範例。
AWS Lambda 函數具有您可以為每個函數設定的並行限制。如需並行限制的詳細資訊，請參閱《 *AWS Lambda 開發人員指南*》中的[管理 Lambda 函數的並行](https://docs.aws.amazon.com/lambda/latest/dg/configuration-concurrency.html)，以及 AWS 運算部落格上的[管理 AWS Lambda 函數並行](https://aws.amazon.com/blogs/compute/managing-aws-lambda-function-concurrency)文章。
當 Lambda UDF 處理的要請數目超過並行限制時，新要求會收到 `TooManyRequestsException` 錯誤。Lambda UDF 會針對此錯誤重試，直到傳送至 Lambda 函數的請求之間的所有延遲總和等於或超過您設定的 RETRY\$1TIMEOUT 值為止。預設的 RETRY\$1TIMEOUT 值為 20,000 毫秒。
下列範例會使用名為 `exfunc_sleep_3` 的 Lambda 函數。該函數會接受請求承載、逐一查看每一個資料列，並將輸入轉換為大寫。然後休眠 3 秒鐘後傳回結果。用於此 Lambda 函數的語言是 Python 3.8。
結果陣列中的資料列數會與請求承載中接收的資料列數相似。JSON 回應承載必須在 `results` 欄位中包含結果資料，才能由外部函數辨識。在傳送至 Lambda 函數的請求中，`arguments` 欄位會包含資料承載。在批次處理請求的情況下，資料承載中可以有多個資料列。
此函數的並行限制會在保留並行中特別設定為 1，以示範如何使用 RETRY\$1TIMEOUT 屬性。當屬性設定為 1 時，Lambda 函數一次只能處理一個請求。
```
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
```
接下來，另外兩個範例會說明 RETRY\$1TIMEOUT 屬性。他們每個人都會調用單一 Lambda UDF。呼叫 Lambda UDF 時，每個範例都會執行相同的 SQL 查詢，以同時從兩個並行的資料庫工作階段調用 Lambda UDF。當 UDF 處理第一個調用 Lambda UDF 的查詢時，第二個查詢會收到 `TooManyRequestsException` 錯誤。之所以發生此結果，是因為您在 UDF 中特別將保留並行設定為 1。如需如何為 Lambda 函數設定保留並行的相關資訊，請參閱[設定保留並行](https://docs.aws.amazon.com/lambda/latest/dg/configuration-concurrency.html#configuration-concurrency-reservedconfiguration-concurrency-reserved)。
接下來的第一個範例會將 Lambda UDF 的 RETRY\$1TIMEOUT 屬性設定為 0 毫秒。如果 Lambda 請求從 Lambda 函數收到任何例外狀況，Amazon Redshift 不會進行任何重試。之所以發生這個結果，是因為 RETRY\$1TIMEOUT 屬性設定為 0。
```
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;
```
將 RETRY\$1TIMEOUT 設定為 0 時，您可以從不同的資料庫工作階段執行下列兩個查詢，以查看不同的結果。
第一個使用 Lambda UDF 的 SQL 查詢成功執行。
```
select exfunc_upper('Varchar');
exfunc_upper
--------------
VARCHAR
(1 row)
```
同時從不同資料庫工作階段執行的第二個查詢會收到 `TooManyRequestsException` 錯誤。
```
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]
-----------------------------------------------
```
接下來的第二個範例會將 Lambda UDF 的 RETRY\$1TIMEOUT 屬性設定為 3,000 毫秒。即使第二個查詢同時執行，Lambda UDF 也會重試，直到總延遲為 3,000 毫秒為止。因此，兩個查詢都會成功執行。
```
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;
```
將 RETRY\$1TIMEOUT 設定為 3,000 毫秒時，您可以從不同的資料庫工作階段執行下列兩個查詢，以查看相同的結果。
第一個執行 Lambda UDF 的 SQL 查詢成功執行。
```
select exfunc_upper('Varchar');
exfunc_upper
--------------
VARCHAR
(1 row)
```
第二個查詢會同時執行，Lambda UDF 也會重試，直到總延遲為 3,000 毫秒為止。
```
select exfunc_upper('Varchar');
exfunc_upper
--------------
VARCHAR
(1 row)
```
### 使用 Python Lambda 函數的純量 Lambda UDF 範例
下列範例會建立名為 `exfunc_multiplication` 且會乘以數字並傳回整數的外部函數。此範例包含 Lambda 回應中的成功和 `error_msg` 欄位。當乘法結果中有整數溢位，且 `error_msg` 訊息設定為 `Integer multiplication overflow` 時，成功欄位會設定為 false。`exfunc_multiplication` 函數採用三個整數作為輸入參數，並傳回總和作為整數輸出。
要呼叫的 Lambda 函數名稱為 `lambda_multiplication`。用於此 Lambda 函數的語言是 Python 3.8。請務必指定 IAM 角色。
```
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 函數會接受請求承載並逐一查看每一列。單列中的所有值都會相乘以計算該列的結果，而這會保存在回應清單中。此範例使用預設為 true 的布林成功值。如果資料列的乘法結果有整數溢位，則成功值會設定為 false。然後迭代循環會中斷。
建立回應承載時，如果成功值為 false，則下列 Lambda 函數會在承載中新增 `error_msg` 欄位。也會將錯誤訊息設定為 `Integer multiplication overflow`。如果成功值為 true，則結果資料會新增到結果欄位中。結果陣列中的資料列數 (如果有的話) 會與請求承載中接收的資料列數相似。
在傳送至 Lambda 函數的請求中，引數欄位會包含資料承載。在批次處理請求的情況下，資料承載中可以有多個資料列。下列 Lambda 函數會逐一查看請求資料承載中的所有資料列，並個別逐一查看單一資料列中的所有值。
```
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
```
下列範例會呼叫具有常值的外部函數。
```
SELECT exfunc_multiplication(8, 9, 2);
exfunc_multiplication
---------------------------
144
(1 row)
```
下列範例會建立名為 t\$1multi 的資料表，其中包含整數資料類型的三個資料欄 c1、c2 和 c3。外部函數會透過傳遞此資料表的資料欄名稱來呼叫。資料會以這種方式插入，進而導致整數溢位，以顯示錯誤的傳播方式。
```
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 MODEL 的先決條件](#r_create_external_model_prereqs)
+ [所需權限](#r_simple_create_model-privileges)
+ [成本控制](#r_create_model_cost)
+ [CREATE EXTERNAL MODEL 語法](#r_create_external_model_syntax)
+ [CREATE EXTERNAL MODEL 參數和設定](#r_create_external_model_parameters_settings)
+ [CREATE EXTERNAL MODEL 推論函數參數](#r_create_external_model_if_parameters)
## CREATE EXTERNAL MODEL 的先決條件
使用 CREATE EXTERNAL MODEL 陳述式之前，請先完成 [使用 Amazon Redshift ML 的叢集設定](getting-started-machine-learning.md#cluster-setup) 中的先決條件。以下是先決條件的概要。
+ 使用 AWS 管理主控台或命令列界面 (AWS CLI) 建立 AWS Amazon Redshift 叢集。
+ 在建立叢集時連接 AWS Identity and Access Management (IAM) 政策。
+ 若要允許 Amazon Redshift 和 Amazon Bedrock 擔任與其他服務互動的角色，請將適當的信任政策新增至 IAM 角色。
+ 從 Amazon Bedrock 主控台啟用您要使用之特定 LLM 的存取權。
+ (選用) 如果即使只有小量資料，您仍遇到來自 Amazon Bedrock 的限流例外狀況 (例如 `Too many requests, please wait before trying again`)，請在 Amazon Bedrock 帳戶中的 **Service Quotas** 下查看配額。檢查套用的帳戶層級配額至少與您正在使用的模型之 **InvokeModel** 請求 AWS 的預設配額值相同。
如需 IAM 角色、信任政策和其他先決條件的詳細資訊，請參閱 [使用 Amazon Redshift ML 的叢集設定](getting-started-machine-learning.md#cluster-setup)。
## 所需權限
以下是 CREATE EXTERNAL MODEL 所需的權限：
+ 超級使用者
+ 具有 CREATE MODEL 權限的使用者
+ 具有 GRANT CREATE MODEL 權限的角色
## 成本控制
Amazon Redshift ML 會使用現有的叢集資源建立預測模型，因此您不必支付額外費用。不過，根據您選取的模型使用 Amazon Bedrock AWS 的費用。如需詳細資訊，請參閱[使用 Amazon Redshift 資料 API](https://docs.aws.amazon.com/redshift/latest/dg/cost.html)。
## CREATE EXTERNAL MODEL 語法
以下是 CREATE EXTERNAL MODEL 陳述式的完整語法。
```
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` 命令會建立您用來產生內容的推論函數。
以下是 `CREATE EXTERNAL MODEL` 使用 `REQUEST_TYPE` 為 `RAW` 所建立的推論函數的語法：
```
SELECT inference_function_name(request_super)
[FROM table];
```
以下是 `CREATE EXTERNAL MODEL` 使用 `REQUEST_TYPE` 為 `UNIFIED` 所建立的推論函數的語法：
```
SELECT inference_function_name(input_text, [, inference_config [, additional_model_request_fields]])
[FROM table];
```
如需有關如何使用推論函數的相關資訊，請參閱 [針對 Amazon Redshift ML 與 Amazon Bedrock 整合使用外部模型](machine-learning-br.md#machine-learning-br-use)。
## CREATE EXTERNAL MODEL 參數和設定
本節說明 `CREATE EXTERNAL MODEL` 命令的參數和設定。
**Topics**
+ [CREATE EXTERNAL MODEL 參數](#r_create_external_model_parameters)
+ [CREATE EXTERNAL MODEL 設定](#r_create_external_model_settings)
### CREATE EXTERNAL MODEL 參數
model\$1name
外部模型的名稱。結構描述中的模型名稱必須是唯一的。
FUNCTION *function\$1name (data\$1type [,...] )*
`CREATE EXTERNAL MODEL` 所建立推論函數的名稱。您使用推論函數將請求傳送至 Amazon Bedrock，並擷取 ML 產生的文字。
IAM\$1ROLE * \$1 default \$1 'arn:aws:iam:::role/' \$1*
Amazon Redshift 用來存取 Amazon Bedrock 的 IAM 角色。如需 IAM 角色的資訊，請參閱 [建立或更新 Amazon Redshift ML 與 Amazon Bedrock 整合的 IAM 角色](machine-learning-br.md#machine-learning-br-iam)。
MODEL\$1TYPE BEDROCK
指定模型類型。唯一有效的值為 `BEDROCK`。
SETTINGS ( MODEL\$1ID model\$1id [,...] )
指定外部模型設定。如需詳細資訊，請參閱下列章節。
### CREATE EXTERNAL MODEL 設定
MODEL\$1ID model\$1id
外部模型的識別碼，例如 `anthropic.claude-v2`。如需 Amazon Bedrock 模型 ID 的相關資訊，請參閱 [Amazon Bedrock 模型 ID](https://docs.aws.amazon.com/bedrock/latest/userguide/model-ids.html)。
PROMPT 'prompt prefix'
指定 Amazon Redshift 新增至每個推論請求開頭的靜態提示。僅在 `REQUEST_TYPE` 為 `UNIFIED` 的情況下支援。
SUFFIX 'prompt suffix'
指定 Amazon Redshift 新增至每個推論請求結尾的靜態提示。僅在 `REQUEST_TYPE` 為 `UNIFIED` 的情況下支援。
REQUEST\$1TYPE \$1 RAW \$1 UNIFIED \$1
指定傳送至 Amazon Bedrock 的請求格式。有效值包括下列項目：
+ **RAW**：推論函數會將輸入視為單一 super 值，並一律傳回 super 值。Super 值的格式為選取的 Amazon Bedrock 模型專屬。Super 是一種預測模型，結合了多種演算法來產生單一、改進的預測。
+ **UNIFIED**：推論函數使用統一的 API。所有模型與 Amazon Bedrock 之間擁有統一且一致的介面。這適用於所有支援訊息的模型。此為預設值。
如需詳細資訊，請參閱 *Amazon Bedrock API 文件*中的 [Converse API 文件](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_Converse.html)。
RESPONSE\$1TYPE \$1 VARCHAR \$1 SUPER \$1
指定回應的格式。如果 `REQUEST_TYPE` 是 `RAW`，則需要 `RESPONSE_TYPE`，且唯一有效的值是 `SUPER`。對於所有其他 `REQUEST TYPE` 值，預設值為 `VARCHAR`，且 `RESPONSE_TYPE` 為選用。有效值包括下列項目：
+ **VARCHAR**：Amazon Redshift 只會傳回模型產生的文字回應。
+ **SUPER**：Amazon Redshift 會將模型產生的整個回應 JSON 作為 super 傳回。這包括文字回應，以及像是停止原因、模型輸入和輸出字符用量等資訊。Super 是一種預測模型，結合了多種演算法來產生單一、改進的預測。
## CREATE EXTERNAL MODEL 推論函數參數
本節說明 `CREATE EXTERNAL MODEL` 命令所建立推論函數的有效參數。
### `REQUEST_TYPE` 為 `RAW` 的 CREATE EXTERNAL MODEL 推論函數參數
若建立的推論函數的 `REQUEST_TYPE` 為 `RAW`，則會擁有一個 super 輸入引述數，且一律會傳回 super 資料類型。輸入 super 的語法遵循從 Amazon Bedrock 選取的特定模型請求的語法。
### `REQUEST_TYPE` 為 `UNIFIED` 的 CREATE EXTERNAL MODEL 推論函數參數
input\$1text
Amazon Redshift 傳送至 Amazon Bedrock 的文字。
inference\$1config
Super 值，其中包含 Amazon Redshift 傳送至 Amazon Bedrock 的選用參數。這些可能包括以下項目：
+ maxTokens
+ stopSequences
+ 溫度
+ topP
這些參數全都是選用，且全部區分大小寫。如需這些參數的相關資訊，請參閱 *Amazon Bedrock API 參考*中的 [InferenceConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_InferenceConfiguration.html)。
# CREATE EXTERNAL SCHEMA
在目前資料庫中建立新的外部結構描述。您可以使用此外部結構描述連線到 Amazon RDS for PostgreSQL 或 Amazon Aurora PostgreSQL 相容版本資料庫。您也可以建立參考外部資料目錄中資料庫的外部結構描述 AWS Glue，例如 Athena，或 Apache Hive 中繼存放區中的資料庫，例如 Amazon EMR。
此結構描述的擁有者是 CREATE EXTERNAL SCHEMA 命令的發行者。若要轉移外部結構描述的所有權，請使用 [ALTER SCHEMA](r_ALTER_SCHEMA.md) 來變更擁有者。若要將結構描述的存取權授予其他使用者或使用者群組，請使用 [GRANT](r_GRANT.md) 命令。
您無法使用 GRANT 或 REVOKE 命令處理外部資料表的許可。這時請改為在外部結構描述授予和撤銷許可。
**注意**
如果您目前在 Amazon Athena 資料目錄中有 Redshift Spectrum 外部資料表，則可以將 Athena 資料目錄遷移到 AWS Glue Data Catalog。若要搭配 Redshift Spectrum 使用 AWS Glue Data Catalog，您可能需要變更 AWS Identity and Access Management (IAM) 政策。如需詳細資訊，請參閱《*Athena 使用者指南*》中的[升級至 AWS Glue Data Catalog](https://docs.aws.amazon.com/athena/latest/ug/glue-athena.html#glue-upgrade)。
若要檢視外部結構描述的詳細資訊，請查詢 [SVV\$1EXTERNAL\$1SCHEMAS](r_SVV_EXTERNAL_SCHEMAS.md) 系統畫面。
## 語法
以下語法描述用來使用外部資料目錄以參考資料的 CREATE EXTERNAL SCHEMA 命令。如需詳細資訊，請參閱[Amazon Redshift Spectrum](c-using-spectrum.md)。
```
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' ]
```
以下語法描述用來對 RDS POSTGRES 或 Aurora PostgreSQL 使用聯合查詢以參考資料的 CREATE EXTERNAL SCHEMA 命令。您也可以建立參照串流來源的外部結構描述，例如 Kinesis Data Streams。如需詳細資訊，請參閱[使用 Amazon Redshift 中的聯合查詢來查詢資料](federated-overview.md)。
```
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'
```
以下語法描述用來對 RDS MySQL 或 Aurora MySQL 使用聯合查詢以參考資料的 CREATE EXTERNAL SCHEMA 命令。如需詳細資訊，請參閱[使用 Amazon Redshift 中的聯合查詢來查詢資料](federated-overview.md)。
```
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'
```
以下語法描述用來在 Kinesis 串流中參考資料的 CREATE EXTERNAL SCHEMA 命令。如需詳細資訊，請參閱[將擷取串流至具體化視觀表](materialized-view-streaming-ingestion.md)。
```
CREATE EXTERNAL SCHEMA [IF NOT EXISTS] schema_name
FROM KINESIS
IAM_ROLE [ default | 'arn:aws:iam:::role/' ]
```
下列語法描述用於參考 Amazon Managed Streaming for Apache Kafka 或 Confluent Cloud 叢集及其主題以便從中擷取的 CREATE EXTERNAL SCHEMA 命令。若要連線，請提供代理系統 URI。如需詳細資訊，請參閱[將擷取串流至具體化視觀表](materialized-view-streaming-ingestion.md)。
```
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' ];
```
以下語法描述用來使用跨資料庫查詢以參考資料的 CREATE EXTERNAL SCHEMA 命令。
```
CREATE EXTERNAL SCHEMA local_schema_name
FROM REDSHIFT
DATABASE 'redshift_database_name' SCHEMA 'redshift_schema_name'
```
## Parameters
IF NOT EXISTS
此子句會指出，若指定的結構描述已存在，則命令不應進行任何變更，且應傳回結構描述存在的訊息，而不是在發生錯誤的情況下終止。此子句在編寫指令碼時很實用，如此指令碼就不會因為 CREATE EXTERNAL SCHEMA 嘗試建立已存在的結構描述而失敗。
local\$1schema\$1name
新外部結構描述的名稱。如需有效名稱的相關資訊，請參閱 [名稱與識別碼](r_names.md)。
FROM [ DATA CATALOG ] \$1 HIVE METASTORE \$1 POSTGRES \$1 MYSQL \$1 KINESIS \$1 MSK \$1 REDSHIFT
指出外部資料庫所在位置的關鍵字。
DATA CATALOG 會指出，外部資料庫是定義在 Athena 資料目錄中或 AWS Glue Data Catalog。
如果外部資料庫是在不同 AWS 區域的外部資料目錄中定義，則需要 REGION 參數。DATA CATALOG 是預設值。
HIVE METASTORE 指出，外部資料庫是在 Apache Hive 中繼存放區中定義。若指定了 HIVE METASTORE，則需要 URI。
POSTGRES 表示外部資料庫是在 RDS PostgreSQL 或 Aurora PostgreSQL 中定義的。
MYSQL 表示外部資料庫是在 RDS MySQL 或 Aurora MySQL 中定義的。
KINESIS 表示資料來源來自 Kinesis Data Streams。
MSK 表示資料來源是 Amazon MSK 佈建或無伺服器叢集。
KAFKA 表示資料來源是 Kafka 叢集。您可以針對 Amazon MSK 和 Confluent Cloud 使用此關鍵字。
FROM REDSHIFT
指出資料庫位於 Amazon Redshift 中的關鍵字。
DATABASE '*redshift\$1database\$1name*' SCHEMA '*redshift\$1schema\$1name*'
Amazon Redshift 資料庫的名稱。
*redshift\$1schema\$1name* 表示 Amazon Redshift 中的結構描述。預設的 *redshift\$1schema\$1name* 為 `public`。
DATABASE '*federated\$1database\$1name*'
關鍵字，指出所支援 PostgreSQL 或 MySQL 資料庫引擎中的外部資料庫名稱。
[SCHEMA '*schema\$1name*']
*schema\$1name* 表示支援的 PostgreSQL 資料庫引擎中的結構描述。預設 *schema\$1name* 是 `public`。
當您對支援的 MySQL 資料庫引擎設定聯合查詢時，您無法指定 SCHEMA。
REGION '*aws-region*'
如果外部資料庫是在 Athena 資料目錄或 中定義 AWS Glue Data Catalog，則為資料庫所在的 AWS 區域。如果資料庫是在外部資料目錄中定義，則需要此參數。
URI [ 'hive\$1metastore\$1uri' [ PORT port\$1number ] \$1 'hostname' [ PORT port\$1number ] \$1 'Kafka bootstrap URI' ]
所支援 PostgreSQL 或 MySQL 資料庫引擎的主機名稱 URI 和 port\$1number。*hostname* 是複本集的前端節點。端點必須可從 Amazon Redshift 叢集連接 (可路由)。預設的 PostgreSQL port\$1number 為 5432。預設的 MySQL port\$1number 為 3306。
支援的 PostgreSQL 或 MySQL 資料庫引擎必須與您的 Amazon Redshift 叢集位於相同 VPC 中，且其安全群組連結至 Amazon Redshift 和 RDS url-rsPostgreSQL 或 Aurora PostgreSQL。此外，您可以使用增強型 VPC 路由來設定跨 VPC 使用案例。如需詳細資訊，請參閱 [Redshift 受管 VPC 端點](https://docs.aws.amazon.com/redshift/latest/mgmt/managing-cluster-cross-vpc.html)。
**指定 Hive 中繼存放區 URI**
如果資料庫位於 Hive 中繼存放區中，請指定中繼存放區的 URI 並選擇性地指定連接埠號碼。預設連接埠號碼為 9083。
URI 不包含通訊協定規格 ("http://")。有效 URI 的範例：`uri '172.10.10.10'`。
**指定用於串流擷取的代理系統 URI**
包含啟動程序代理系統 URI 可讓您連線至 Amazon MSK 或 Confluent Cloud 叢集，並接收串流資料。如需詳細資訊並查看範例，請參閱[開始使用 Amazon Managed Streaming for Apache Kafka 中的串流擷取](https://docs.aws.amazon.com/redshift/latest/dg/materialized-view-streaming-ingestion-getting-started-MSK.html)。
IAM\$1ROLE [ default \$1 'SESSION' \$1 'arn:aws:iam::**:role/**' ]
使用預設關鍵字，讓 Amazon Redshift 使用設定為預設並在執行 CREATE EXTERNAL SCHEMA 命令時與叢集關聯的 IAM 角色。
如果您使用聯合身分連線到 Amazon Redshift 叢集，並從使用此命令建立的外部結構描述存取資料表，請使用 `'SESSION'`。如需詳細資訊，請參閱[使用聯合身分管理 Amazon Redshift 對本機資源和 Amazon Redshift Spectrum 外部資料表的存取](https://docs.aws.amazon.com/redshift/latest/mgmt/authorization-fas-spectrum.html)，其中會說明如何設定聯合身分。請注意，只有在使用 `DATA CATALOG` 建立結構描述時，才能使用此組態 (使用 `'SESSION'` 取代 ARN)。
對叢集進行身分驗證和授權時所使用的 IAM 角色使用 Amazon Resource Name (ARN)。IAM 角色最少須具有在所要存取的 Amazon S3 儲存貯體上執行 LIST 操作，以及在儲存貯體包含的 Amazon S3 物件上執行 GET 操作的許可。
以下顯示單一 ARN 的 IAM\$1ROLE 參數字串語法。
```
IAM_ROLE 'arn:aws:iam:::role/'
```
您可以鏈結角色，以便您的叢集可以擔任其他 IAM 角色 (可能屬於其他帳戶)。您最多可以鏈結 10 個角色。如需鏈結角色的範例，請參閱 [在 Amazon Redshift Spectrum 中鏈結 IAM 角色](c-spectrum-iam-policies.md#c-spectrum-chaining-roles)。
對於此 IAM 角色，請附加與以下內容相似的 IAM 許可政策。
****
```
{
"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": "*"
}
]
}
```
如需建立 IAM 角色以搭配聯合查詢使用的步驟，請參閱[建立秘密和 IAM 角色來使用聯合查詢](federated-create-secret-iam-role.md)。
不要在鏈結的角色清單中包含空格。
以下顯示鏈結三個角色的語法。
```
IAM_ROLE 'arn:aws:iam:::role/,arn:aws:iam:::role/,arn:aws:iam:::role/'
```
SECRET\$1ARN '*ssm-secret-arn*'
使用 建立的支援 PostgreSQL 或 MySQL 資料庫引擎秘密的 Amazon Resource Name (ARN) AWS Secrets Manager。如需如何建立和擷取機密的 ARN 的相關資訊，請參閱《AWS Secrets Manager 使用者指南》**中的[使用 AWS Secrets Manager管理機密](https://docs.aws.amazon.com/secretsmanager/latest/userguide/manage_create-basic-secret.html)，以及[在 Amazon Redshift 中擷取機密的 Amazon Resource Name (ARN)](https://docs.aws.amazon.com/redshift/latest/mgmt/redshift-secrets-manager-integration-retrieving-secret.html)。
CATALOG\$1ROLE [ 'SESSION' \$1 *catalog-role-arn-string*]
使用聯合身分透過 `'SESSION'` 連接到 Amazon Redshift 叢集，以便對資料目錄進行身份驗證和授權。如需完成聯合身分步驟的相關資訊，請參閱[使用聯合身分管理 Amazon Redshift 對本機資源和 Amazon Redshift Spectrum 外部資料表的存取](https://docs.aws.amazon.com/redshift/latest/mgmt/authorization-fas-spectrum.html)。請注意，只有在 DATA CATALOG 中建立結構描述時，才能使用 `'SESSION'` 角色。
使用叢集進行資料目錄的身分驗證和授權時所使用 IAM 角色的 Amazon Resource Name (ARN)。
如未指定 CATALOG\$1ROLE，則 Amazon Redshift 會使用指定的 IAM\$1ROLE。目錄角色必須具有在 AWS Glue 或 Athena 中存取 Data Catalog 的許可。如需詳細資訊，請參閱[Amazon Redshift Spectrum 的 IAM 政策](c-spectrum-iam-policies.md)。
以下顯示單一 ARN 的 CATALOG\$1ROLE 參數字串語法。
```
CATALOG_ROLE 'arn:aws:iam:::role/'
```
您可以鏈結角色，以便您的叢集可以擔任其他 IAM 角色 (可能屬於其他帳戶)。您最多可以鏈結 10 個角色。如需詳細資訊，請參閱[在 Amazon Redshift Spectrum 中鏈結 IAM 角色](c-spectrum-iam-policies.md#c-spectrum-chaining-roles)。
鏈結的角色清單不得包含空格。
以下顯示鏈結三個角色的語法。
```
CATALOG_ROLE 'arn:aws:iam:::role/,arn:aws:iam:::role/,arn:aws:iam:::role/'
```
CREATE EXTERNAL DATABASE IF NOT EXISTS
如果指定的外部資料庫不存在，此子句會使用 DATABASE 引數所指定的名稱建立外部資料庫。如果指定的外部資料庫存在，則此命令不會進行任何變更。在這種情況下，此命令會傳回外部資料庫存在的訊息，並不會因錯誤而終止。
您不可搭配使用 CREATE EXTERNAL DATABASE IF NOT EXISTS 與 HIVE METASTORE。
若要搭配為 AWS Lake Formation啟用的 Data Catalog 使用 CREATE EXTERNAL DATABASE IF NOT EXISTS，則需要 Data Catalog 的 `CREATE_DATABASE` 許可。
CATALOG\$1ID '*包含 Glue 或 Lake Formation 資料庫的 Amazon Web Services 帳戶 ID帳戶 ID*'
儲存資料目錄資料庫的帳戶 ID。
只有在您打算連接到 Amazon Redshift 叢集或 Amazon Redshift Serverless，並透過設定下列任一項來使用聯合身分進行資料目錄的身份驗證和授權時，才能指定 `CATALOG_ID`：
+ `CATALOG_ROLE` 至 `'SESSION'`
+ `IAM_ROLE` 設定為 `'SESSION'`，`'CATALOG_ROLE'` 設定為其預設值
如需完成聯合身分步驟的相關資訊，請參閱[使用聯合身分管理 Amazon Redshift 對本機資源和 Amazon Redshift Spectrum 外部資料表的存取](https://docs.aws.amazon.com/redshift/latest/mgmt/authorization-fas-spectrum.html)。
AUTHENTICATION
為串流擷取定義的驗證類型。具有驗證類型的串流擷取會與 Amazon Managed Streaming for Apache Kafka 搭配運作。`AUTHENTICATION` 類型如下：
+ **none** - 指定不需身分驗證。這會對應至 MSK 上的未經驗證存取，或 Apache Kafka 上使用 TLS 的純文字。
+ **iam** — 指定 IAM 身份驗證。選擇此選項時，請確保 IAM 角色具有 IAM 身份驗證的許可。如需定義外部結構描述的相關資訊，請參閱 [開始從 Apache Kafka 來源進行串流擷取](materialized-view-streaming-ingestion-getting-started-MSK.md)。
+ **mtls** - 指定雙向 Transport Layer Security 透過簡化用戶端與伺服器之間的身分驗證來提供安全通訊。在此情況下，用戶端是 Redshift，而伺服器是 Amazon MSK。如需使用 mTLS 設定串流擷取的詳細資訊，請參閱 [從 Apache Kafka 來源執行 Redshift 串流擷取時使用 mTLS 進行身分驗證](materialized-view-streaming-ingestion-mtls.md)。
AUTHENTICATION\$1ARN
Amazon Redshift 使用 Amazon MSK 進行 mtls 身分驗證的 AWS Certificate Manager 憑證 ARN。當您選擇發出憑證時，ACM 主控台中就會提供 ARN。
CLUSTER\$1ARN
若是串流擷取，CLUSTER\$1ARN 是您要從中進行串流處理的 Amazon Managed Streaming for Apache Kafka 叢集識別碼。使用 CLUSTER\$1ARN 時，須有包含 `kafka:GetBootstrapBrokers` 許可的 IAM 角色政策。提供此選項是為了回溯相容性。目前，我們建議您使用啟動程序代理系統 URI 選項來連線至 Amazon Managed Streaming for Apache Kafka 叢集。如需詳細資訊，請參閱[串流擷取](https://docs.aws.amazon.com/redshift/latest/dg/materialized-view-streaming-ingestion.html)。
## 使用須知
如需使用 Athena 資料目錄時的限制，請參閱 AWS 一般參考中的 [Athena 限制](https://docs.aws.amazon.com/general/latest/gr/aws_service_limits.html#amazon-athena-limits)。
如需使用 時的限制 AWS Glue Data Catalog，請參閱《》中的[AWS Glue 限制](https://docs.aws.amazon.com/general/latest/gr/aws_service_limits.html#limits_glue) AWS 一般參考。
這些限制不適用於 Hive 中繼存放區。
每個資料庫最多 9,900 個結構描述。如需詳細資訊，請參閱《Amazon Redshift 管理指南》**中的[配額和限制](https://docs.aws.amazon.com/redshift/latest/mgmt/amazon-redshift-limits.html)。
如要取消註冊結構描述，請使用 [DROP SCHEMA](r_DROP_SCHEMA.md) 命令。
如要檢視外部結構描述的詳細資訊，請查詢下列系統檢視：
+ [SVV\$1EXTERNAL\$1SCHEMAS](r_SVV_EXTERNAL_SCHEMAS.md)
+ [SVV\$1EXTERNAL\$1TABLES](r_SVV_EXTERNAL_TABLES.md)
+ [SVV\$1EXTERNAL\$1COLUMNS](r_SVV_EXTERNAL_COLUMNS.md)
## 範例
以下範例使用美國西部 (奧勒岡) 區域中資料目錄中名為 `sampledb` 的資料庫建立外部結構描述。將此範例與 Athena 或 AWS Glue 資料目錄搭配使用。
```
create external schema spectrum_schema
from data catalog
database 'sampledb'
region 'us-west-2'
iam_role 'arn:aws:iam::123456789012:role/MySpectrumRole';
```
以下範例會建立外部結構描述，並建立名為 `spectrum_db` 的新外部資料庫。
```
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;
```
以下範例使用名為 `hive_db` 的 Hive 中繼存放區資料庫建立外部結構描述。
```
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';
```
以下範例會鏈結角色，以使用 `myS3Role` 角色存取 Amazon S3，並使用 `myAthenaRole` 存取資料目錄。如需詳細資訊，請參閱[在 Amazon Redshift Spectrum 中鏈結 IAM 角色](c-spectrum-iam-policies.md#c-spectrum-chaining-roles)。
```
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;
```
以下範例會建立外部結構描述，參考 Aurora PostgreSQL 資料庫。
```
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'
```
下列範例會建立外部結構描述，以參照在取用者叢集上匯入的 sales\$1db。
```
CREATE EXTERNAL SCHEMA sales_schema FROM REDSHIFT DATABASE 'sales_db' SCHEMA 'public';
```
以下範例會建立外部結構描述，參考 Aurora MySQL 資料庫。
```
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
在指定的結構描述中建立新的外部資料表。所有外部資料表都必須經由外部結構描述建立。外部結構描述和外部資料表不支援搜尋路徑。如需詳細資訊，請參閱[CREATE EXTERNAL SCHEMA](r_CREATE_EXTERNAL_SCHEMA.md)。
除了使用 CREATE EXTERNAL TABLE 命令建立的外部資料表之外，Amazon Redshift 還可以參考 AWS Glue 或 AWS Lake Formation 目錄或 Apache Hive 中繼存放區中定義的外部資料表。使用 [CREATE EXTERNAL SCHEMA](r_CREATE_EXTERNAL_SCHEMA.md) 命令註冊外部目錄中定義的外部資料庫，並且在 Amazon Redshift 中將外部資料表提供使用。如果外部資料表存在於 AWS Glue 或 AWS Lake Formation 目錄或 Hive 中繼存放區中，則不需要使用 CREATE EXTERNAL TABLE 建立資料表。若要檢視外部資料表，請查詢 [SVV\$1EXTERNAL\$1TABLES](r_SVV_EXTERNAL_TABLES.md) 系統畫面。
透過執行 CREATE EXTERNAL TABLE AS 命令，您可以建立依據從查詢欄定義的外部資料表，並將該查詢的結果寫入 Amazon S3。結果為 Apache Parquet 或分隔文字格式。如果外部資料表有一個或多個分割區索引鍵，Amazon Redshift 會根據這些分割區索引鍵來分割新檔案，並自動將新的分割區註冊到外部類別目錄中。如需 CREATE EXTERNAL TABLE AS 的相關資訊，請參閱 [使用須知](r_CREATE_EXTERNAL_TABLE_usage.md)。
您可以用與其他 Amazon Redshift 資料表一起使用的相同 SELECT 語法來查詢外部資料表。您也可以使用 INSERT 語法將新檔案寫入 Amazon S3 上外部資料表的位置。如需詳細資訊，請參閱[INSERT (外部資料表)](r_INSERT_external_table.md)。
若要建立外部資料表的檢視，請在 [CREATE VIEW](r_CREATE_VIEW.md) 陳述式中包含 WITH NO SCHEMA BINDING 子句。
您無法在交易內 (BEGIN … END) 執行 CREATE EXTERNAL TABLE。如需交易的相關資訊，請參閱 [Amazon Redshift 中的隔離層級](c_serial_isolation.md)。
## 所需權限
您必須為外部結構描述的擁有者或超級使用者，始可建立外部資料表。若要轉移外部結構描述的所有權，請使用 ALTER SCHEMA 來變更擁有者。外部資料表的存取權是由外部結構描述的存取權所控制。您無法對外部資料表上的許可執行 [GRANT](r_GRANT.md) 或 [REVOKE](r_REVOKE.md)。但可改為在外部結構描述授予和撤銷 USAGE。
[使用須知](r_CREATE_EXTERNAL_TABLE_usage.md) 具有有關外部資料表特定權限的其他資訊。
## 語法
```
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' [, ...] ) ]
```
以下是 CREATE EXTERNAL TABLE AS 的語法。
```
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 }
```
## Parameters
*external\$1schema.table\$1name*
要建立的資料表名稱，以外部結構描述名稱限定。外部資料表必須建立在外部結構描述中。如需詳細資訊，請參閱[CREATE EXTERNAL SCHEMA](r_CREATE_EXTERNAL_SCHEMA.md)。
資料表名稱的長度上限為 127 個位元組；超過此長度的名稱會截斷至 127 個位元組。您可以使用 UTF-8 多位元組字元，最長可達 4 個位元組。Amazon Redshift 會強制執行每個叢集 9,900 個資料表的限制，包括使用者定義的臨時資料表，以及 Amazon Redshift 在查詢處理或系統維護期間建立的臨時資料表。您也可以選擇使用資料庫名稱來限定資料表名稱。在以下範例中，資料庫名稱為 `spectrum_db`，外部結構描述名稱為 `spectrum_schema`，而資料表名稱為 `test`。
```
create external table spectrum_db.spectrum_schema.test (c1 int)
stored as parquet
location 's3://amzn-s3-demo-bucket/myfolder/';
```
如果指定的資料庫或結構描述不存在，則不會建立資料表，而且陳述式會傳回錯誤。您無法在系統資料庫 `template0`、`template1`、`padb_harvest` 和 `sys:internal` 中建立資料表或檢視。
資料表名稱對於指定的結構描述來說必須是唯一的。
如需有效名稱的相關資訊，請參閱 [名稱與識別碼](r_names.md)。
( *column\$1name* *data\$1type* )
要建立的每個資料欄的名稱和資料類型。
資料欄名稱的長度上限為 127 個位元組；超過此長度的名稱會截斷至 127 個位元組。您可以使用 UTF-8 多位元組字元，最長可達 4 個位元組。您無法指定資料欄名稱 `"$path"` 或 `"$size"`。如需有效名稱的相關資訊，請參閱 [名稱與識別碼](r_names.md)。
Amazon Redshift 預設會以虛擬資料欄 `$path` 和 `$size` 建立外部資料表。您可以藉由將 `spectrum_enable_pseudo_columns` 組態參數設定為 `false`，以停用工作階段的虛擬資料欄建立。如需詳細資訊，請參閱[虛擬資料欄](r_CREATE_EXTERNAL_TABLE_usage.md#r_CREATE_EXTERNAL_TABLE_usage-pseudocolumns)。
若已啟用虛擬資料欄，則單一資料表中可定義的資料欄數目上限為 1,598 個。若未啟用虛擬資料欄，則單一資料表中可定義的資料欄數目上限為 1,600 個。
若您要建立「寬資料表」，則務必確定在載入和查詢處理期間，您的資料欄清單未超過中繼結果的資料列寬度界限。如需詳細資訊，請參閱[使用須知](r_CREATE_TABLE_NEW.md#r_CREATE_TABLE_usage)。
針對 CREATE EXTERNAL TABLE AS 命令，您不需要欄位清單，因為欄是從查詢中衍生的。
*data\$1type*
支援以下 [資料類型](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 (CHARACTER VARYING) – 可以與 Parquet 和 ORC 資料檔案一起使用，並且只能與未分割資料表一起使用。
+ DATE – 只可搭配文字、Parquet 或 ORC 資料檔案使用，或做為分割區資料欄使用。
+ TIMESTAMP
對於 DATE，您可以使用如下所述的格式。使用數字表示的月份值支援下列格式：
+ `mm-dd-yyyy` 例如：`05-01-2017`。這是預設值。
+ `yyyy-mm-dd`，其中年份由 2 個以上的數字表示。例如 `2017-05-01`。
使用三個字母縮寫表示的月份值支援下列格式：
+ `mmm-dd-yyyy` 例如：`may-01-2017`。這是預設值。
+ `dd-mmm-yyyy`，其中年份由 2 個以上的數字表示。例如 `01-may-2017`。
+ `yyyy-mmm-dd`，其中年份由 2 個以上的數字表示。例如 `2017-may-01`。
對於始終小於 100 的年份值，年份的計算方式如下：
+ 如果年份小於 70，則該年份的計算方式為年份加上 2000。例如，使用 `mm-dd-yyyy` 格式的日期 05-01-17 會轉換成 `05-01-2017`。
+ 如果年份小於 100 且大於 69，則該年份的計算方式為年份加上 1900。例如，使用 `mm-dd-yyyy` 格式的日期 05-01-89 會轉換成 `05-01-1989`。
+ 對於以兩個數字表示的年份值，請在前面加上零以使用 4 個數字表示年份。
文字檔案中的時間戳記值格式必須為 `yyyy-mm-dd HH:mm:ss.SSSSSS`，如以下的時間戳記值所示：`2017-05-01 11:30:59.000000`。
VARCHAR 資料欄的長度是以字元組而非字元來定義。例如，VARCHAR(12) 資料欄可包含 12 個單位元組的字元或 6 個 2 位元組的字元。查詢外部資料表時，結果會截斷以配合定義的資料欄大小，而不會傳回錯誤。如需詳細資訊，請參閱[儲存與範圍](r_Character_types.md#r_Character_types-storage-and-ranges)。
為獲得最佳效能，建議您指定可配合您的資料的最小資料欄大小。若要尋找資料欄中值位元組的大小上限，請使用 [OCTET\$1LENGTH](r_OCTET_LENGTH.md) 函數。下列範例會傳回電子郵件資料欄中值的大小上限。
```
select max(octet_length(email)) from users;
max
---
62
```
PARTITIONED BY (*col\$1name* *data\$1type* [, … ] )
此子句會定義包含一個或多個分割區資料欄的分割資料表。每種指定的組合都會另外使用一個資料目錄，這樣可在某些情況下改善查詢效能。資料表資料內並未包含分割資料欄。如果您對 *col\$1name* 使用的值與資料表資料欄相同，則會發生錯誤。
建立分割資料表後，使用 [ALTER TABLE](r_ALTER_TABLE.md) … ADD PARTITION 陳述式以將新增分割區註冊到外部目錄。當您新增分割區時，會定義 Amazon S3 上包含分割區資料的子資料夾位置。
例如，若資料表 `spectrum.lineitem_part` 是以 `PARTITIONED BY (l_shipdate date)` 定義，執行下列 ALTER TABLE 命令來新增分割區。
```
ALTER TABLE spectrum.lineitem_part ADD PARTITION (l_shipdate='1992-01-29')
LOCATION 's3://spectrum-public/lineitem_partition/l_shipdate=1992-01-29';
```
如果您使用 CREATE EXTERNAL TABLE AS，則不需要執行 ALTER TABLE...ADD PARTITION。Amazon Redshift 會自動在外部目錄中註冊新的分割區。Amazon Redshift 也會根據資料表中定義的一個或多個分割區索引鍵，自動將對應的資料寫入 Amazon S3 中的分割區。
若要檢視分割區，請查詢 [SVV\$1EXTERNAL\$1PARTITIONS](r_SVV_EXTERNAL_PARTITIONS.md) 系統畫面。
針對 CREATE EXTERNAL TABLE AS 命令，您不需要指定分割區欄位的資料類型，因為此欄位是從查詢衍生的。
ROW FORMAT DELIMITED *rowformat*
此子句會指定基礎資料的格式。*rowformat* 可能的值如下：
+ LINES TERMINATED BY '*delimiter*'
+ FIELDS TERMINATED BY '*delimiter*'
指定單一 ASCII 字元做為 '*delimiter*'。您可以使用八進位指定非印刷 ASCII 字元，格式為 `'\`*`ddd`*`'`，其中 *`d`* 是八進位數字 (0-7)，最大為 '\$1177'。以下範例使用八進位指定 BEL (鐘形) 字元。
```
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\007'
```
如果省略 ROW FORMAT，預設格式會是 DELIMITED FIELDS TERMINATED BY '\$1A' (標題開頭) 和 LINES TERMINATED BY '\$1n' (換行符號)。
ROW FORMAT SERDE '*serde\$1name*'[WITH SERDEPROPERTIES ( '*property\$1name*' = '*property\$1value*' [, ...] ) ]
此子句會指定基礎資料的 SERDE 格式。
'*serde\$1name*'
SerDe 的名稱。您可以指定下列格式：
+ org.apache.hadoop.hive.serde2.RegexSerDe
+ com.amazonaws.glue.serde.GrokSerDe
+ org.apache.hadoop.hive.serde2.OpenCSVSerde
此參數支援 OpenCSVSerde 的下列 SerDe 屬性：
```
'wholeFile' = 'true'
```
將 `wholeFile` 屬性設定為 `true`，以正確剖析 OpenCSV 請求中引號字串內的新行字元 (\$1n)。
+ org.openx.data.jsonserde.JsonSerDe
+ JSON SERDE 也支援 Ion 檔案。
+ JSON 必須格式正確。
+ 採用 Ion 和 JSON 的時間戳記必須使用 ISO8601 格式。
+ 此參數支援 JsonSerDe 的下列 SerDe 屬性：
```
'strip.outer.array'='true'
```
處理包含含括在外部方括弧 ( [ … ] ) 中的一個非常大型陣列的 Ion/JSON 檔案，就好像在陣列內包含多個 JSON 記錄。
+ com.amazon.ionhiveserde.IonHiveSerDe
除了資料類型外，Amazon ION 格式還提供文字和二進位格式。對於參考 ION 格式資料的外部資料表，您可以將外部資料表中的每一欄對應至 ION 格式資料中的對應元素。如需詳細資訊，請參閱 [Amazon Ion](https://amzn.github.io/ion-docs/)。您還需要指定輸入和輸出格式。
WITH SERDEPROPERTIES ( '*property\$1name*' = '*property\$1value*' [, ...] ) ]
選擇性地指定屬性名稱和值，並以逗號分隔。
如果省略 ROW FORMAT，預設格式會是 DELIMITED FIELDS TERMINATED BY '\$1A' (標題開頭) 和 LINES TERMINATED BY '\$1n' (換行符號)。
STORED AS *file\$1format*
資料檔案的檔案格式。
有效格式如下：
+ PARQUET
+ RCFILE (僅限使用 ColumnarSerDe 的資料，不適用 LazyBinaryColumnarSerDe)
+ SEQUENCEFILE
+ TEXTFILE (適用於文字檔案，包括 JSON 檔案)。
+ ORC
+ AVRO
+ INPUTFORMAT '*input\$1format\$1classname*' OUTPUTFORMAT '*output\$1format\$1classname*'
CREATE EXTERNAL TABLE AS 命令只支援兩種檔案格式，TEXTFILE 和 PARQUET。
若是 INPUTFORMAT 和 OUTPUTFORMAT，請指定類別名稱，如以下範例所示。
```
'org.apache.hadoop.mapred.TextInputFormat'
```
LOCATION \$1 's3://*bucket/folder*/' \$1 's3://*bucket/manifest\$1file*'\$1
包含資料檔案的 Amazon S3 儲存貯體或資料夾路徑，或包含 Amazon S3 物件路徑清單的資訊清單檔案。儲存貯體必須與 Amazon Redshift 叢集位於相同的 AWS 區域。如需支援的 AWS 區域清單，請參閱 [Amazon Redshift Spectrum 限制](c-spectrum-considerations.md)。
如果路徑指定的是儲存貯體或資料夾，例如 `'s3://amzn-s3-demo-bucket/custdata/'`，則 Redshift Spectrum 會掃描指定儲存貯體或資料夾以及任何子資料夾裡的檔案。Redshift Spectrum 會忽略隱藏檔案以及開頭為句號或底線的檔案。
如果路徑指定的是資訊清單檔案，則 `'s3://bucket/manifest_file'` 引數必須明確參考單一檔案，例如 `'s3://amzn-s3-demo-bucket/manifest.txt'`。無法參考金鑰前綴。
資訊清單是 JSON 格式的文字檔案，其中列出要從 Amazon S3 載入之每個檔案的 URL 以及檔案的大小 (單位為位元組)。URL 包含檔案的儲存貯體名稱和完整物件路徑。資訊清單中指定的檔案可以位於不同的儲存貯體，但所有儲存貯體都必須位於與 Amazon Redshift 叢集相同的 AWS 區域。如果某個檔案列出兩次，則該檔案會載入兩次。下列範例顯示資訊清單的 JSON，此資訊清單會載入三個檔案。
```
{
"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 } }
]
}
```
您可以讓包含特定檔案變為強制性。若要這麼做，請在資訊清單中的檔案層級包含 `mandatory` 選項。當您查詢遺失強制性檔案的外部資料表時，SELECT 陳述式會失敗。確定外部資料表定義中包含的所有檔案均存在。如果並非全部存在，則會出現錯誤，顯示找不到第一個強制性檔案。下列範例顯示資訊清單的 JSON，其 `mandatory` 設定為 `true`。
```
{
"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 } }
]
}
```
若要參考使用 UNLOAD 建立的檔案，您可以使用以 [UNLOAD](r_UNLOAD.md) 搭配 MANIFEST 參數所建立的資訊清單。資訊清單檔案與 [從 Amazon S3 進行 COPY](copy-parameters-data-source-s3.md) 的資訊清單檔案相容，但使用不同的索引鍵。未使用的索引鍵會加以忽略。
TABLE PROPERTIES ( '*property\$1name*'='*property\$1value*' [, ...] )
此子句會設定資料表屬性的資料表定義。
資料表屬性區分大小寫。
'compression\$1type'='*value*'
如果檔案名稱未包含副檔名，此屬性會設定要使用的壓縮類型。如果您設定此屬性，但是有副檔名，則會忽略副檔名並使用屬性所設定的值。壓縮類型的有效值如下所示：
+ bzip2
+ gzip
+ 無
+ snappy
'data\$1cleansing\$1enabled'='true / false’
此屬性會設定資料表的資料處理是否開啟。當 'data\$1cleansing\$1enabled' 設定為 true 時，資料表的資料處理為開啟狀態。當 'data\$1cleansing\$1enabled' 設定為 false 時，資料表的資料處理為關閉狀態。以下是此屬性所控制的資料表層級資料處理屬性清單：
+ column\$1count\$1mismatch\$1handling
+ invalid\$1char\$1handling
+ numeric\$1overflow\$1handling
+ replacement\$1char
+ surplus\$1char\$1handling
如需範例，請參閱 [資料處理範例](r_CREATE_EXTERNAL_TABLE_examples.md#r_CREATE_EXTERNAL_TABLE_examples-data-handling)。
'invalid\$1char\$1handling'='*value*'
指定當查詢結果包含無效的 UTF-8 字元值時要執行的動作。您可以指定下列動作：
DISABLED
不執行無效的字元處理。
FAIL
取消傳回的資料包含無效 UTF-8 值的查詢。
SET\$1TO\$1NULL
以 null 取代無效的 UTF-8 值。
DROP\$1ROW
將資料列中的每個值取代為 null。
REPLACE
以您使用 `replacement_char` 指定的取代字元取代無效字元。
'replacement\$1char'='*character*’
指定當您將 `invalid_char_handling` 設定為 `REPLACE` 時要使用的取代字元。
'numeric\$1overflow\$1handling'='value’
指定當 ORC 資料包含大於資料欄定義 (例如 SMALLINT 或 int16) 的整數 (例如，BIGINT 或 int64) 時，要執行的動作。您可以指定下列動作：
DISABLED
無效字元處理已關閉。
FAIL
當資料包含無效字元時，取消查詢。
SET\$1TO\$1NULL
將無效字符設定為 null。
DROP\$1ROW
將資料列中的每個值設定為 null。
'surplus\$1bytes\$1handling'='*value*'
針對包含 VARBYTE 資料的資料欄，指定當載入的資料超過所定義的資料類型長度時應如何處理。根據預設，Redshift Spectrum 會針對超出欄寬度的資料，將值設定為 null。
您可以指定當查詢傳回超過資料類型長度的資料時，執行下列動作：
SET\$1TO\$1NULL
以 null 取代超過欄寬的資料。
DISABLED
不執行多餘位元組處理。
FAIL
取消傳回資料超出欄寬的查詢。
DROP\$1ROW
捨棄包含超出欄寬之資料的所有資料列。
TRUNCATE
如果字元超過為欄定義的字元數目上限，則移除字元。
'surplus\$1char\$1handling'='*value*'
針對包含 VARCHAR、CHAR 或字串資料的資料欄，指定當載入的資料超過所定義的資料類型長度時應如何處理。根據預設，Redshift Spectrum 會針對超出欄寬度的資料，將值設定為 null。
您可以指定當查詢傳回超過欄寬的資料時，執行下列動作：
SET\$1TO\$1NULL
以 null 取代超過欄寬的資料。
DISABLED
不執行多餘字元處理。
FAIL
取消傳回資料超出欄寬的查詢。
DROP\$1ROW
將資料列中的每個值取代為 null。
TRUNCATE
如果字元超過為欄定義的字元數目上限，則移除字元。
'column\$1count\$1mismatch\$1handling'='value’
識別檔案包含的資料列值是否少於或多於外部資料表定義中指定的欄數。此屬性僅適用於未壓縮的文字檔案格式。您可以指定下列動作：
DISABLED
欄計數不相符處理已關閉。
FAIL
如果偵測到資料欄計數不相符，則查詢失敗。
SET\$1TO\$1NULL
使用 NULL 填入遺漏值，並忽略每一列中的其他值。
DROP\$1ROW
從掃描中捨棄包含欄計數不相符錯誤的所有資料列。
'numRows'='*row\$1count*'
此屬性會設定資料表定義的 numRows 值。若要明確更新外部資料表的統計資料，請設定 numRows 屬性以指出資料表的大小。Amazon Redshift 不會分析外部資料表來產生查詢最佳化工具用來產生查詢計劃的資料表統計資料。如果資料表統計資訊沒有為外部資料表進行設定，則 Amazon Redshift 會以「外部資料表較大而本機資料表較小」的假設來產生查詢執行計畫。
'skip.header.line.count'='*line\$1count*'
此屬性會設定每個來源檔案開頭要略過的資料列數。
'serialization.null.format'=' '
此屬性會指定，欄位中提供的文字有完全相符項目時，Spectrum 應傳回 `NULL` 值。
'orc.schema.resolution'='mapping\$1type'
此屬性會為使用 ORC 日期格式的資料表設定資料欄映射類型。將針對其他所有日期格式忽略此屬性。
資料欄映射類型的有效值如下所示：
+ name
+ position
如果忽略 *orc.schema.resolution* 屬性，則預設會依名稱映射資料欄。如果 *orc.schema.resolution* 設為 *'name'* 或 *'position'* 以外的任何值，則會依位置映射資料欄。如需資料欄映射的相關資訊，請參閱 [將外部資料表資料欄映射到 ORC 資料欄](c-spectrum-external-tables.md#c-spectrum-column-mapping-orc)。
COPY 命令只會依位置映射至 ORC 資料檔案。*orc.schema.resolution* 資料表屬性對於 COPY 命令行為沒有影響。
'write.parallel'='on/off’
設定是否將 CREATE EXTERNAL TABLE AS 平行寫入資料的屬性。依預設，CREATE EXTERNAL TABLE AS 會根據叢集中的分割數，將資料平行寫入多個檔案。預設選項為開啟。當 'write.parallel' 設為關閉時，CREATE EXTERNAL TABLE AS 會連續寫入一個或多個資料檔案到 Amazon S3。此資料表屬性也適用於相同外部資料表的任何後續 INSERT 陳述式。
‘write.maxfilesize.mb’=‘size’
設定由 CREATE EXTERNAL TABLE AS 寫入 Amazon S3 的每個檔案之大小上限 (以 MB 為單位) 屬性。大小必須是介於 5 到 6200 之間的有效整數。預設的檔案大小上限為 6,200 MB。此資料表屬性也適用於相同外部資料表的任何後續 INSERT 陳述式。
‘write.kms.key.id’=‘*value*’
您可以指定 AWS Key Management Service 金鑰來啟用 Amazon S3 物件的伺服器端加密 (SSE)，其中*值*為下列其中一項：
+ `auto` 使用存放在 Amazon S3 儲存貯體中的預設 AWS KMS 金鑰。
+ 您指定用來加密資料的 *kms-key*。
*select\$1statement*
透過定義任何查詢，將一或多個列插入外部資料表的陳述式。查詢產生的所有列都會根據表格定義，以文字或 Parquet 格式寫入到 Amazon S3。
## 範例
您可在 [範例](r_CREATE_EXTERNAL_TABLE_examples.md) 取得範例集合。
# 使用須知
本主題包含 [CREATE EXTERNAL TABLE](r_CREATE_EXTERNAL_TABLE.md) 的使用須知。您無法使用與標準 Amazon Redshift 資料表相同的資源檢視 Amazon Redshift Spectrum 資料表的詳細資訊，例如 [PG\$1TABLE\$1DEF](r_PG_TABLE_DEF.md)、[STV\$1TBL\$1PERM](r_STV_TBL_PERM.md)、PG\$1CLASS 或 information\$1schema。如果您的商業智慧或分析工具無法識別 Redshift Spectrum 外部資料表，請將您的應用程式設定為查詢 [SVV\$1EXTERNAL\$1TABLES](r_SVV_EXTERNAL_TABLES.md) 與 [SVV\$1EXTERNAL\$1COLUMNS](r_SVV_EXTERNAL_COLUMNS.md)。
## CREATE EXTERNAL TABLE AS
在某些情況下，您可能會在 AWS Glue Data Catalog、 AWS Lake Formation external Catalog 或 Apache Hive 中繼存放區上執行 CREATE EXTERNAL TABLE AS 命令。在這種情況下，您可以使用 AWS Identity and Access Management (IAM) 角色來建立外部結構描述。此 IAM 角色必須同時具有 Amazon S3 的讀取和寫入許可。
如果您使用 Lake Formation 目錄，則 IAM 角色必須具有在目錄中建立資料表的許可。在此案例中，它也必須具有目標 Amazon S3 路徑上的資料湖位置許可。此 IAM 角色會成為新 AWS Lake Formation 資料表的擁有者。
為了確保檔案名稱是唯一的，Amazon Redshift 依預設會針對每個上傳到 Amazon S3 的檔案名稱使用下列格式。
`_