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

# 自动数据库优化
<a name="c_autonomics"></a>

Amazon Redshift 提供了一组自动执行的功能，统称为自主处理，此类功能可提升性能、减少人工维护并优化资源使用。自主处理利用机器学习和后台进程来高效地管理数据库操作，同时自动执行许多例行维护任务来减少数据库管理员工作负载。

下表详细介绍 Amazon Redshift 的自主处理功能：


| 自主处理功能 | 说明 | 
| --- | --- | 
| 自动 vacuum 排序 | Amazon Redshift 根据观测到的查询模式自动重组表数据，以确保最佳排序顺序。默认情况下，对于具有指定排序键的表，此功能处于启用状态。有关更多信息，请参阅 [自动表排序](t_Reclaiming_storage_space202.md#automatic-table-sort)。 | 
| 自动 vacuum 删除 | Amazon Redshift 自动运行 vacuum 操作，以便从已删除的行中回收空间并对数据进行排序。有关自动 vacuum 删除操作的更多信息，请参阅[自动 vacuum 删除](t_Reclaiming_storage_space202.md#automatic-table-delete)。 | 
| 自动表优化 | Amazon Redshift 监控查询性能和表元数据，以自动确定表的最佳排序键和分配键，并选择在向表添加行时应用于数据值列的压缩类型。有关更多信息，请参阅[自动表优化](t_Creating_tables.md)和[压缩编码](c_Compression_encodings.md)。 | 
| 自动分析 | 当表中的数据发生变化时，Amazon Redshift 会自动分析表，确保查询计划程序拥有最佳执行计划的最新信息。有关自动分析操作的更多信息，请参阅[自动分析](t_Analyzing_tables.md#t_Analyzing_tables-auto-analyze)。 | 
| 自动实体化视图 | Amazon Redshift 根据观测到的查询模式自动创建和刷新实体化视图。这可减少用户手动创建或刷新视图的需求，以便从更快的查询响应中受益。有关实体化视图的更多信息，请参阅 [Amazon Redshift 中的实体化视图](materialized-view-overview.md)。 | 

这些自主处理功能在默认情况下处于启用状态，并在低流量时段自动在后台运行，以优化集群的性能。您可以参考《Amazon Redshift 管理指南》**中的[默认参数值](https://docs.amazonaws.cn/redshift/latest/mgmt/working-with-parameter-groups.html#default-param-group-values)来配置自动功能。

对于流量持续较高的集群或工作组，我们建议启用额外的计算资源来确保持续优化。有关更多信息，请参阅 [分配额外的计算资源来执行自动数据库优化](t_extra-compute-autonomics.md)。

**Topics**
+ [分配额外的计算资源来执行自动数据库优化](t_extra-compute-autonomics.md)
+ [自主处理操作的计费](t_autonomics-billing.md)
+ [自主处理操作的用量指标](t_autonomics-usage-metrics.md)