Amazon Redshift tidak akan lagi mendukung penggunaan Python UDF setelah 30 Juni 2026. Kami akan mulai menegakkannya secara bertahap. Untuk informasi lebih lanjut tentang detail opsi akhir masa pakai dan migrasi Python, lihat posting blog
Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Catatan penggunaan
Untuk mencabut hak istimewa dari objek, Anda harus memenuhi salah satu kriteria berikut:
-
Jadilah pemilik objek.
-
Jadilah pengguna super.
-
Miliki hak istimewa hibah untuk objek dan hak istimewa itu.
Misalnya, perintah berikut memungkinkan HR pengguna untuk melakukan perintah SELECT pada tabel karyawan dan untuk memberikan dan mencabut hak istimewa yang sama untuk pengguna lain.
grant select on table employees to HR with grant option;HR tidak dapat mencabut hak istimewa untuk operasi apa pun selain SELECT, atau pada tabel lain selain karyawan.
Superuser dapat mengakses semua objek terlepas dari perintah GRANT dan REVOKE yang menetapkan hak istimewa objek.
PUBLIK mewakili grup yang selalu mencakup semua pengguna. Secara default semua anggota PUBLIK memiliki hak CREATE dan USAGE pada skema PUBLIK. Untuk membatasi izin pengguna apa pun pada skema PUBLIK, Anda harus terlebih dahulu mencabut semua izin dari PUBLIK pada skema PUBLIK, kemudian memberikan hak istimewa kepada pengguna atau grup tertentu. Contoh berikut mengontrol hak pembuatan tabel dalam skema PUBLIK.
revoke create on schema public from public;
Untuk mencabut hak istimewa dari tabel Lake Formation, peran IAM yang terkait dengan skema eksternal tabel harus memiliki izin untuk mencabut hak istimewa ke tabel eksternal. Contoh berikut membuat skema eksternal dengan peran myGrantor IAM terkait. Peran IAM myGrantor memiliki izin untuk mencabut izin dari orang lain. Perintah REVOKE menggunakan izin peran IAM myGrantor yang terkait dengan skema eksternal untuk mencabut izin ke peran IAM. myGrantee
create external schema mySchema from data catalog database 'spectrum_db' iam_role 'arn:aws:iam::123456789012:role/myGrantor' create external database if not exists;
revoke select on external table mySchema.mytable from iam_role 'arn:aws:iam::123456789012:role/myGrantee';
catatan
Jika peran IAM juga memiliki ALL izin dalam AWS Glue Data Catalog yang diaktifkan untuk Formasi Danau, ALL izin tidak dicabut. Hanya SELECT izin yang dicabut. Anda dapat melihat izin Formasi Danau di konsol Formasi Danau.
Catatan penggunaan untuk mencabut izin ASSUMEROLE
Catatan penggunaan berikut berlaku untuk mencabut hak istimewa ASSUMEROLE di Amazon Redshift.
Hanya superuser database yang dapat mencabut hak istimewa ASSUMEROLE untuk pengguna dan grup. Seorang superuser selalu mempertahankan hak istimewa ASSUMEROLE.
Untuk mengaktifkan penggunaan hak istimewa ASSUMEROLE untuk pengguna dan grup, superuser menjalankan pernyataan berikut sekali di cluster. Sebelum memberikan hak istimewa ASSUMEROLE kepada pengguna dan grup, superuser harus menjalankan pernyataan berikut sekali di cluster.
revoke assumerole on all from public for all;
Catatan penggunaan untuk mencabut izin pembelajaran mesin
Anda tidak dapat langsung memberikan atau mencabut izin yang terkait dengan fungsi ML. Fungsi ML milik model ML dan izin dikendalikan melalui model. Sebagai gantinya, Anda dapat mencabut izin yang terkait dengan model ML. Contoh berikut menunjukkan cara mencabut izin run dari semua pengguna yang terkait dengan model. customer_churn
REVOKE EXECUTE ON MODEL customer_churn FROM PUBLIC;
Anda juga dapat mencabut semua izin dari pengguna untuk model customer_churn ML.
REVOKE ALL on MODEL customer_churn FROM ml_user;
Memberikan atau mencab EXECUTE ut izin yang terkait dengan fungsi ML akan gagal jika ada fungsi ML dalam skema, bahkan jika fungsi ML itu sudah memiliki EXECUTE izin melaluiGRANT EXECUTE ON MODEL. Sebaiknya gunakan skema terpisah saat menggunakan CREATE MODEL perintah untuk menjaga fungsi ML dalam skema terpisah dengan sendirinya. Contoh berikut menunjukkan bagaimana melakukannya.
CREATE MODEL ml_schema.customer_churn FROM customer_data TARGET churn FUNCTION ml_schema.customer_churn_prediction IAM_ROLE default SETTINGS ( S3_BUCKET 'amzn-s3-demo-bucket' );