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。

# 使用 SVL\_QUERY\_REPORT 檢視
<a name="using-SVL-Query-Report"></a>

若要使用 [SVL\_QUERY\_REPORT](r_SVL_QUERY_REPORT.md) 依切片分析摘要資訊，請執行下列操作：

1. 執行下列動作來判斷您的查詢 ID：

   ```
   select query, elapsed, substring
   from svl_qlog
   order by query
   desc limit 5;
   ```

   在 `substring` 欄位中檢查截斷的查詢文字，判斷代表您的查詢的 `query` 值。如果您已執行查詢超過一次，請使用來自具有較低 `query` 值資料列的 `elapsed` 值。那是編譯版本的資料列。如果您已執行許多查詢，您可以提升 LIMIT 子句使用的值，以確定您的查詢已包含在其中。

1. 從 SVL\_QUERY\_REPORT 中，為您的查詢選取資料列。依區段、步驟、經過時間和資料列排列結果：

   ```
   select * from svl_query_report where query = MyQueryID order by segment, step, elapsed_time, rows;
   ```

1. 針對每個步驟，查看所有配量是否正處理大約相同數量的資料列：  
![用來執行查詢的資料切片清單。每個切片會處理大致相同的列數。](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/images/SVL_QUERY_REPORT_rows.png)

   也查看所有配量是否正耗費大約相同的時間量：  
![用來執行查詢的資料切片清單。每個切片所花費的時間大致相同。](http://docs.aws.amazon.com/zh_tw/redshift/latest/dg/images/SVL_QUERY_REPORT_elapsed_time.png)

   這些值的差異大可能表示由於此特定查詢的次佳配送樣式造成的資料配送偏度。如需建議的解決方案，請參閱[次佳資料分佈](query-performance-improvement-opportunities.md#suboptimal-data-distribution)。