集群版本历史记录

Amazon Redshift：对 Amazon Redshift 通信层的重大性能改进。

Amazon Redshift：针对在查询执行过程中创建内部临时表的复杂查询的重大性能改进。

Redshift Spectrum：Spectrum 现在支持根据 Parquet 和 ORC 文件中嵌入的统计数据来筛选这些文件中的行组。

Redshift Spectrum：您现在可以对 Parquet 文件格式中的 SMALLINT 列类型执行 COPY 操作。

修复了在 UNLOAD 命令与 MANIFEST 选项结合使用时出现的问题。

修复了外部联接的谓词下推处理问题。

Amazon Redshift：通过更有效的内存利用提高了基于哈希的聚合的性能。

Amazon Redshift：通过消除冗余的 IN 子查询提高了查询的性能。

Amazon Redshift：提高了使用外部联接的查询的性能。

Amazon Redshift：提高了大型集群大小调整操作的性能。

Amazon Redshift：提高了需要在哈希联接操作期间创建大型哈希表的查询的性能。

Redshift Spectrum：Amazon Redshift 现在通过将 DROP EXTERNAL DATABASE 子句与 DROP SCHEMA 命令包含在一起来支持删除外部数据库。

Redshift Spectrum：RedshiftSpectrum 现在支持根据 Parquet 和 ORC 文件中嵌入的统计数据来筛选这些文件中的行组。

修复了与包含最大长度的 varchar 列的表的 UNLOAD 到 S3 相关的问题。

修复了在通过“ALTER TABLE ADD COLUMN”更改底层表结构时，导致视图上的某些查询可能失败的问题。

修复了在计算第 50 个百分位数时 PERCENTILE_CONT() 窗口函数出现的问题。

修复了导致某些子查询中忽略 LIMIT 子句的查询问题。

修复了与复制 Parquet 文件时处理 VARCHAR 列中的 NULL 值有关的问题。

Amazon Redshift：Amazon Redshift 现在通过新的自动分析功能自动更新集群上的表统计数据。最新统计数据可帮助查询计划程序选择最佳计划并更快地运行查询。自动分析功能在即将发布的版本中将在所有地区推出。

Amazon Redshift：添加了 DISTSTYLE AUTO 分配方式作为新创建的表的默认值。利用 DISTSTYLE AUTO，Amazon Redshift 现在可根据表大小决定最佳分配方式。

Amazon Redshift：VACUUM DELETE 现在自动在后台运行以回收由删除的行释放的空间。自动 vacuum 删除功能在即将发布的版本中将在所有地区推出。

Amazon Redshift：内部表联接键列为主键时某些哈希联接的性能改进。

Amazon Redshift：通过使用查询重写，将选择性的联接下推到子查询中来实现的显著性能改进

Amazon Redshift：利用信息约束来优化 GROUP BY 处理。

Amazon Redshift：添加了对带 REGION 参数的跨区域 UNLOAD 的支持。

Amazon Redshift：在将 MANIFEST VERBOSE 选项用于 UNLOAD 命令时，我们目前在清单中添加了其他信息，该信息指示清单作者为 Redshift 并指示清单版本。

Amazon Redshift：增加了对取消正在进行的大小调整的支持。

Amazon Redshift：将时区信息更新到时区数据库版本 2018e。

Redshift Spectrum：已扩展对嵌套数据的查询支持，从而支持数组阵列和映射阵列。

Redshift Spectrum：增加了对 Redshift Spectrum 中包含数组的映射数据类型的支持。

提高了通过 SVV_COLUMNS 上的查询处理多个复杂视图时的内存利用率。

修复了在将“orc.schema.resolution”表查询与嵌套外部表结合使用时出现的问题。

修复了与扫描嵌套外部表的 INSERT INTO 查询相关的问题。

Amazon Redshift：您现在可以在 UNLOAD 命令中指定 VERBOSE 选项来在清单中生成其他架构和元数据信息。

Amazon Redshift：您现在可以在 AWS 控制台中管理（查看和取消）分段查询的组件。

Amazon Redshift：通过优化查询计划期间的数据重新分配策略实现的显著性能改进

Redshift Spectrum：您现在可以将 Redshift Spectrum 与配置为使用增强型 VPC 路由的 Amazon Redshift 集群结合使用。

Redshift Spectrum：提高了在为后期绑定视图检索元数据时的性能。

Redshift Spectrum：提高了在 Redshift Spectrum 查询中使用 ILIKE 和 NOT ILIKE 函数时的性能

Redshift Spectrum：ALTER TABLE ADD PARTITION 现在支持一次性创建多个分区。这使得带多个分区的表的管理变得更快且更方便。

修复了在集群上存在后期绑定视图的情况下，导致 svv_columns 上的查询返回错误的问题。

修复了从 TIMESTAMP 到 CHAR 或 VARCHAR 的某些转换可能截断毫秒的问题。

修复了一些非常大的 Redshift Spectrum 查询可能遇到指示内存不足的错误的问题。

Amazon Redshift：您可以在 UNLOAD 命令中指定 HEADER 选项来向每个创建的输出文件添加特定的标头行。标题行包含由卸载查询创建的列名。

Amazon Redshift：使用 LIKE 谓词的查询的重大性能改进。

Amazon Redshift：改进了混合读写工作负载的查询性能。

改进了具有高要求的工作负载的集群的目录访问性能。

修复了在将横向列别名引用用于窗口函数时出现的问题。

修复了与计算 LEAST() 和 GREATEST() 函数中的 NULL 值相关的问题。

修复了有关指定 LIMIT 0 的某些查询的问题。

修复了在会话返回数据时使用 pg_terminate_backend 终止会话时出现的问题。

Amazon Redshift：针对在查询执行过程中创建内部临时表的复杂查询的重大性能改进。

Amazon Redshift：针对一些带 rank 函数的查询的重大性能改进：子查询中的 rank()、dense_rank() 和 row_number()。

Redshift Spectrum：已扩展对嵌套数据的查询支持，从而支持 EXISTS 和 NOT EXISTS 子查询。

Redshift Spectrum：Redshift Spectrum 扫描中 IN-list 谓词处理的性能改进。

修复了带 UDF 的查询中的一个问题，该问题导致不断超出 LIMIT 子句的要求。

修复了在常规视图引用后期绑定视图时出现的权限问题。

Amazon Redshift：通过在集群的维护时段中自动增强系统元数据的本地性，提高了写入和更新工作负载的性能。

Amazon Redshift：复杂 EXCEPT 子查询的重大性能改进。

Amazon Redshift：涉及联接键列中的大量 NULL 值的联接的性能改进。

Amazon Redshift：使用常量表达式引用稳定函数的查询的性能改进。

Amazon Redshift：可分发中间子查询结果的查询的性能改进。

Redshift Spectrum：在外部表的分区列上具有表达式的查询的性能改进。

Redshift Spectrum：您现在可以指定 S3 存储桶的根作为外部表的数据源。

当常规视图的定义引用后期绑定视图时的权限错误修复。

在影响某些查询的子计划目标列表中找不到的错误“变量”的修复。

Amazon Redshift：查询现在可引用同一查询中的列别名（在声明后），从而提高复杂的 SQL 查询的可靠性。

Amazon Redshift：DC1 预留节点现在可以免费迁移到 DC2 而不会更改期限长度。

Amazon Redshift：新的 Amazon CloudWatch 指标将跟踪每个工作负载管理 (WLM) 队列的当前等待查询数。

Amazon Redshift：针对到表的单行插入进行了重大性能提升。

Amazon Redshift：针对在 CHAR 和 VARCHAR 上运行的查询进行了重大性能提升。

Amazon Redshift：针对在内联接或右外联接中具有筛选维度的哈希联接进行了性能提升。

Amazon Redshift：针对使用常量表达式引用稳定函数的查询进行了性能提升。

Redshift Spectrum：扩展了 SVV_COLUMNS 目录视图以提供有关后期绑定视图的列的信息。

为宽表扫描或聚合的预取改善了内存管理。

改进了针对包含大量小文件的 Redshift Spectrum 外部表的耗时查询的行为。

Amazon Redshift：改进了短读取查询的处理，减少了争用，提高了系统利用率。

Amazon Redshift：显著增强了 Redshift 集群调整大小功能，使您能够在大小调整操作期间创建临时表。

Amazon Redshift：对已编译的代码缓存做了进一步的改进，通过减少需要重新编译的段的数量提高了总体查询性能。

Amazon Redshift：改进了在从 Parquet 和 ORC 文件格式提取数据时 COPY 操作的性能。

Redshift Spectrum：您现在可以在大小调整操作期间查询外部列。

Redshift Spectrum：通过分区列聚合改进了 Redshift Spectrum 查询的性能。

修复了在将查询从短查询队列重新分配到用户队列时出现的问题。

修复了在查询重写期间下推谓词时出现的问题。

修复了与 DST 时区中的 DATE_TRUNC 函数相关的问题。

修复了在特定的多字节字符序列上评估 LOWER 函数时出现的问题。

修复了 CREATE TABLE AS (CTAS) 语句中的数据类型派生问题。

增强了外部表数量超出 Redshift 表总列数限制时的错误消息收发。

Amazon Redshift：查询监控规则 (QMR) 现在支持三倍多的规则（最多 25 个）。您可以使用 QMR 来基于 WLM 队列的查询执行边界管理 Amazon Redshift 集群的资源分配，并在某个查询超出这些边界时自动采取措施。

Amazon Redshift：新的 Amazon CloudWatch 指标 QueryRuntimeBreakdown 现已可用。您可以使用此指标获取有关各个查询执行阶段的详细信息。有关更多信息，请参阅Amazon Redshift 性能数据。

Redshift Spectrum：您现在可以重命名外部列。

Redshift Spectrum：您现在可以为外部表指定文件压缩类型。

Amazon Redshift：增强了在查询涉及大型联接时哈希联接的性能。现在，一些复杂查询的运行速度是原来的三倍。

Amazon Redshift：显著增强了 VACUUM DELETE 命令，以便它释放额外的磁盘空间并提高了性能。

Amazon Redshift：延迟具体化现在支持 DELETE 和 UPDATE 操作，增强了查询性能。

Amazon Redshift：提高了集群大小调整操作的性能。

Redshift Spectrum：支持增加在单个外部 Redshift Spectrum 表上执行的添加和放置操作的数量。

Redshift Spectrum：提高了对时间戳列使用 DATE_TRUNC 函数时的谓词筛选效率。

修复了基于带常量的特定视图的查询的问题。

修复了在重命名 schema 后访问特定后期绑定视图时出现的问题。

修复了与不支持的联接类型相关的问题。

修复了作为 Amazon Redshift 工作负载管理的一部分的查询跳跃期间出现的问题。

修复了在编译特定超大型查询时出现的问题。

修复了 TO_DATE 函数的格式字符串中的空格处理。

修复了在取消某些查询时出现的问题。

修复了在 CHAR 或 DECIMAL 类型的分区列上进行联接时出现的问题。

Amazon Redshift：COPY 命令现在支持将采用 Parquet 和 ORC 列式格式的数据加载到 Amazon Redshift。

Amazon Redshift：短查询加速现在可根据您的工作负载自动动态确定短查询的最大运行时，以进一步提高查询性能。

Redshift Spectrum：现在使用标准 JDBC 调用支持外部表的 ALTER TABLE ADD/DROP COLUMN。

Redshift Spectrum：Amazon Redshift 现在可以将 LENGTH() 字符串函数推送至 Redshift Spectrum，从而提高性能。

Amazon Redshift：显著提高了已编译代码缓存的有效性，从而通过减少必须重新编译的段的数量来提高整体查询性能。

Amazon Redshift：提高了特定 UNION ALL 查询的性能。

Amazon Redshift：提高了在处理无序网络数据包时通信层的性能。

修复了在为特定查询生成 NULL 值时出现的问题。

监控功能和性能增强 – Amazon Redshift 的 Amazon CloudWatch 指标提供了有关您的集群的运行状况和性能的详细信息。您现在可以将添加的查询吞吐量和查询延迟指标用于 Amazon Redshift。

查询计划执行细节的控制台性能已得到显著改进 – 有关更多信息，请参阅 Amazon Redshift 性能数据。

Amazon Redshift：提高了聚合查询的性能。

Amazon Redshift：添加了对在尚未确认保持连接的情况下关闭客户端连接的支持。

Redshift Spectrum：支持增加在单个外部 Redshift Spectrum 表上执行的添加和放置操作的数量。

Redshift Spectrum：提高了对时间戳列使用 DATE_TRUNC 函数时的谓词筛选效率。

修复了在优化某些具有 EXISTS 子句的复杂查询期间出现的问题。

修复了在将一些后期绑定视图嵌套在常规视图中时出现的权限错误。

修复了创建后期绑定视图（此类视图指定“WITH NO SCHEMA BINDING”，其中底层视图定义具有一个 WITH 子句）期间出现的问题。

修复了在为包含 UNION ALL 查询的特定 CREATE TABLE AS SELECT 语句的列派生数据类型时出现的问题。

修复了在表不存在时针对 DROP TABLE IF EXISTS 的 Redshift Spectrum 问题。

针对 8xlarge 集群类型将可创建的表的数量增加到 20000 – 现在，您可以利用两倍多的表对数据实施更大的控制和粒度。

REGEXP_INSTR 和 REGEXP_SUBSTR 的新搜索模式 – 您现在可以搜索正则表达式模式的特定情况并指定区分大小写。

Amazon Redshift：已针对 8xlarge 集群大大提高窗口函数的性能。

Amazon Redshift：提高了大小调整操作的性能。

Redshift Spectrum：现已在亚太地区（孟买）和南美洲（圣保罗）区域中提供。ã

Redshift Spectrum：支持外部表的 ALTER TABLE ADD/DROP COLUMN。

Redshift Spectrum：新列已添加到 stl_s3query、svl_s3query 和 svl_s3query_summary，并显示外部表的文件格式。

修复了查询取消期间出现的问题。

修复了删除临时表时出现的问题。

修复了修改表时出现的问题。

Amazon Redshift：添加了开始时间安排，以缩短分解成多个子查询的复杂查询的响应时间。

Redshift Spectrum：您现在可以在 Amazon S3 中处理外部表的标量 JSON 和 ION 文件格式。

Amazon Redshift：短查询加速：提高了 ML 分类器对高选择性查询的准确性。

Amazon Redshift：缩短了哈希联接执行时间。

Amazon Redshift：改进了 DISTALL 表上的 vacuum 删除操作的运行时。

Redshift Spectrum：改进了包含多个小文件的外部表的查询的运行时。

Redshift Spectrum：提高了查询 svv_external_tables 和 svv_external_columns 的性能。

改进了在查询重写期间对 Boolean 谓词的处理。

修复了与不一致的临时表状态相关的问题。

修复了 drop 和 select 语句之间的争用情况。

增强了使用预编译语句取消一些查询时的复原能力。

增强了一些查询重写的复原能力。

Amazon Redshift：增强了对正则表达式的支持。REGEXP_INSTR() 和 REGEXP_SUBSTR() 现在可以搜索正则表达式模式的特定情况并在匹配模式时指定区分大小写。

Amazon Redshift：增强了结果缓存以支持光标查询和预编译语句。

Amazon Redshift：增强了短查询加速以处理大量短查询。

Amazon Redshift：增加了对 IAM 角色链的支持，以代入跨账户的角色。

Redshift Spectrum：将 F_TIMESTAMP_PL_INTERVAL、T_CoalesceExpr 和 DATE 相关的函数推送至 Redshift Spectrum。

修复了 S3 上针对非常小的文件的超时计算。

PSQL-c 已修改为遵守 TRUNCATE 的自动提交行为

修复了查询编译失败错误。

增加了对后期绑定视图中的三部分列名称的支持。

修复了带复杂表达式中的 Boolean 谓词的查询。

Redshift Spectrum：使用较小的拆分大小提高了并行度。

Amazon Redshift：发布了弹性短查询加速，提高了在工作负载中出现大量短查询时的系统响应能力。

Amazon Redshift：为事务块内的读取查询启用了结果缓存。

Redshift Spectrum：增加了对 Parquet 文件中的 DATE 列以及使用 DATE 列运行 CREATE EXTERNAL TABLE 命令的支持。

Redshift Spectrum：增加了对 IF NOT EXISTS 和 ADD PARTITION 命令的支持。

Amazon Redshift：对带 KET 或 ALL 的 DISTSTYLE 属性的表进行的某些短查询现在的运行速度是原来的三倍。

修复了查询处理期间出现的间歇性断言错误。断言消息的形式为“p - id=380 not in rowsets list”

修复了某些查询的异常处理期间出现的内存泄漏问题。

解决了 CTAS 与 INSERT 之间的结果不一致问题。