2026 年 6 月 30 日之后，Amazon Redshift 不再支持使用 Python UDF。我们将分阶段开始执行。有关 Python 生命周期终止和迁移选项详情的更多信息，请参阅 2025 年 6 月 30 日发布的[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/)。
# 将 Amazon Redshift 驱动程序元数据 API 用于应用程序和工具
对于连接到 Amazon Redshift 的应用程序和工具，例如商业智能工具或查询编辑器，我们建议您使用 Amazon Redshift [JDBC 2.x](jdbc20-install.md)、[ODBC 2.x](odbc20-install.md) 或 [Python](python-redshift-driver.md) 驱动程序提供的驱动程序元数据 API 来发现有关数据仓库对象的元数据，包括数据库、架构、表、列和数据类型。作为替代方案，您可以使用 Amazon Redshift `SHOW` 命令。
使用驱动程序元数据 API 可获得以下优势：
+ **符合规范**。JDBC 和 ODBC 驱动程序实施了标准的元数据接口（在 JDBC 为 `DatabaseMetaData`，在 ODBC 中为 `SQLTables` 和 `SQLColumns`）。由于 Python 的 DB-API（PEP 249）未定义元数据 API 规范，因此 Amazon Redshift Python 驱动程序遵循 JDBC DatabaseMetaData 规范，提供了等效的方法，例如 `get_tables()`、`get_columns()` 和 `get_schemas()`。这些 API 遵循明确定义的规范，因此您的集成代码是可移植的。随着 Amazon Redshift 不断发展其内部系统表，您的应用程序不需要更改。
+ **性能优化**。驱动程序元数据 API 经过优化，可高效地返回元数据。Amazon 继续投资改进驱动程序元数据 API 性能。
+ **向前兼容**。Amazon Redshift 遵循 JDBC、ODBC 和 Python 连接器规范。当您根据这些标准 API 进行编码时，应用程序受到保护，而不受底层系统目录结构更改所影响。
## 示例：使用 JDBC DatabaseMetaData.getTables() 检索表元数据
```
DatabaseMetaData dbmd = connection.getMetaData();
// getTables(catalog, schemaPattern, tableNamePattern, types)
// catalog: "test" — filters to the database named "test"
// schemaPattern: "test_pattern" — filters schemas matching this pattern (supports SQL wildcards % and _)
// tableNamePattern: null — no filter, returns all table names
// types: {"TABLE", "EXTERNAL TABLE"} — only return regular tables and external tables
ResultSet rs = dbmd.getTables("test", "test_pattern", null, new String[] {"TABLE", "EXTERNAL TABLE"});
```
## 示例：使用 Python cursor.get\_columns() 检索列元数据
```
cursor: redshift_connector.Cursor = conn.cursor()
# get_columns(catalog, schema_pattern, table_name_pattern, column_name_pattern)
# catalog: 'test' — filters to the database named "test"
# schema_pattern: 'test_pattern' — filters schemas matching this pattern (supports SQL wildcards % and _)
# table_name_pattern: 'testabc' — filters to the table named "testabc"
# column_name_pattern: '%' — wildcard, returns all columns in the matching table
result: tuple = cursor.get_columns('test', 'test_pattern', 'testabc', '%')
```
## 示例：使用 ODBC SQLPrimaryKeys() 检索主键元数据
```
// SQLPrimaryKeys(hstmt, catalog, catalog_len, schema, schema_len, table, table_len)
// catalog: "test" — filters to the database named "test"
// schema: "test_schema" — filters to the schema named "test_schema"
// table: "test_table" — retrieves primary key columns for this table
// Note: Unlike getTables/getColumns, SQLPrimaryKeys does NOT support wildcard patterns.
retcode = SQLPrimaryKeys(hstmt, (SQLCHAR *)"test", SQL_NTS, (SQLCHAR *)"test_schema", SQL_NTS, (SQLCHAR *)"test_table", SQL_NTS);
while (SQL_SUCCEEDED(retcode = SQLFetch(hstmt))) {
for (i = 1; i <= columns; i++) {
retcode = SQLGetData(hstmt, i, SQL_C_CHAR, buf, sizeof(buf), &indicator);
}
}
```
## 示例：使用 ODBC SQLTables() 列出数据库和架构
ODBC API 未提供用于列出目录或架构的单独函数。相反，您可以使用 `SQLTables()` 的特殊调用约定来检索此信息。
**列出所有数据库（目录）**
在 `CatalogName` 设置为 `SQL_ALL_CATALOGS` 的情况下调用 `SQLTables()`。将 `SchemaName` 和 `TableName` 设置为空字符串。结果集仅在 `TABLE_CAT` 列中返回有效值。所有其它列都包含 NULL。
```
// List all catalogs (databases) available on the data source.
retcode = SQLTables(hstmt,
(SQLCHAR *)SQL_ALL_CATALOGS, SQL_NTS, // CatalogName = "%" (SQL_ALL_CATALOGS)
(SQLCHAR *)"", 0, // SchemaName = "" (empty string)
(SQLCHAR *)"", 0, // TableName = "" (empty string)
NULL, 0); // TableType = NULL (not filtered)
```
**列出所有架构**
在 `SchemaName` 设置为 `SQL_ALL_SCHEMAS` 的情况下调用 `SQLTables()`。将 `CatalogName` 和 `TableName` 设置为空字符串。
```
// List all schemas available on the data source.
retcode = SQLTables(hstmt,
(SQLCHAR *)"", 0, // CatalogName = "" (empty string)
(SQLCHAR *)SQL_ALL_SCHEMAS, SQL_NTS, // SchemaName = "%" (SQL_ALL_SCHEMAS)
(SQLCHAR *)"", 0, // TableName = "" (empty string)
NULL, 0); // TableType = NULL (not filtered)
```
**注意**
ODBC 规范仅将 `TABLE_SCHEM` 定义为对架构枚举有效。Amazon Redshift 还会填充 `TABLE_CAT`，因为它支持跨数据库元数据发现，而且每个架构的范围都限于特定的数据库。