Snowflake-Stagingbereiche mit Diensten verwenden

Snowflake unterstützt verschiedene Arten von Speicher-Volumes für Ihre Anwendungs-Container, einschließlich interner Stagingbereiche, lokaler Speicher, Speicher und Blockspeicher-Volumes. In diesem Abschnitt wird erklärt, wie Sie Volumes und Volume-Einhängungen für interne Stagingbereiche konfigurieren. Ein interner Stagingbereich ist ein Volume, das so konfiguriert ist, dass es einen Snowflake-Stagingbereich als persistenten Speicher verwendet.

Mit Staging-Volumes kann Ihr Service auf die Objekte eines internen Stagingbereichs zugreifen, als wären sie Dateien auf Ihrem Dateisystem, was Ihren Servicecode im Vergleich zur Verwendung eines Snowflake-Treibers und den SQL-Befehlen GET und PUT, um auf diese Objekte zuzugreifen, vereinfacht. Staging-Volumes können für Szenarien mit Streaming-Lese- oder Schreibvorgängen großer Datendateien ebenfalls eine höhere Performance bieten.

Wenn Ihre Dateisystemoperationen einfach in die Streaming-Operationen GET und PUT übersetzt werden können, dann eignen sich Staging-Volumes gut für Ihr Szenario. Wenn Ihre Anwendung Dateien umbenennen oder verschieben, vorhandene Dateien ändern oder dateisystembasierte Sperren ausführen muss, ist das Staging-Volume nicht gut für Ihren Workload geeignet.

Bemerkung

Derzeit gibt es zwei Implementierungen für Staging-Volumes: eine allgemein verfügbare Version und eine veraltete Version. Snowflake empfiehlt, dass Sie die allgemein verfügbare Version für neue Dienste verwenden und Ihre bestehenden Anwendungen von der veralteten Version migrieren.

Die Staging-Volume-Implementierung streamt Dateiinhalte direkt zum und aus dem Cloudspeicher und stellt sicher, dass Sie immer die neuesten Inhalte erhalten. Beachten Sie die folgenden Punkte, wenn Sie ein Staging-Volume verwenden:

  • Ein Staging-Volume ist für große, sequenzielle Lese- und Schreibvorgänge optimiert und bietet bei diesen Zugriffsmustern eine starke Performance. Die besten Ergebnisse erzielen Sie, wenn Sie Daten in großen, zusammenhängenden Blöcken lesen und schreiben.

  • Lesevorgänge geben immer die neuesten Daten zurück, sodass die Datenfreigabe (Data Sharing) zwischen Diensten möglich ist.

  • Zufällige Schreibvorgänge oder Anhänge von Dateien werden nicht unterstützt. Der Versuch, diese Vorgänge auszuführen, führt zu einem Fehler. Snowflake empfiehlt die Verwendung von Blockspeicher-Volumes für diese Workloads.

Ein Snowflake-Staging-Volume als Speichervolume in einer Service-Spezifikation konfigurieren

Um einen Service zu erstellen, bei dem Container ein Staging-Volume verwenden, führen Sie zwei Schritte aus, um die erforderlichen Einstellungen in der Service-Spezifikation anzugeben:

  • Definieren Sie ein Staging-Volume, das den Snowflake-Stagingbereich identifiziert, der als Speichervolume verwendet werden soll.

  • Geben Sie an, wo das Staging-Volume in Ihrem Anwendungscontainer eingebunden werden soll.

Schritt 1: Staging-Volume definieren

Um ein Staging-Volume zu definieren, fügen Sie das Feld spec.volumes in der Service-Spezifikation hinzu, wie im folgenden Beispiel gezeigt:

spec:
  containers:
    ..
  volumes:
  - name: <name>
    source: stage
     stageConfig:
       name: <stage_name>
       medataCache: <time_period>
       resources:
         requests:
           memory: <amount-of-memory>
           cpu: <cpu-units>
         limits:
           memory: <amount-of-memory>
           cpu: <cpu-units>
Copy

Die folgende Liste definiert die Felder aus dem Beispiel:

  • name: Gibt den Namen des Volumes an.

  • source: Identifiziert den Typ des Volumes (Staging).

  • stageConfig.name: Identifiziert den internen Stagingbereich von Snowflake oder den Ordner im einzubindenden Stagingbereich, z. B. @my_stage, @my_stage/folder oder @my_db.my_schema.my_stage/folder/nestedfolder. Dieser Wert muss von doppelten Anführungszeichen umgeben sein.

Sie können die folgenden optionalen Felder in stageConfig aufnehmen:

  • Feld stageConfig.resources: Die Snowflake-Komponente, die das eingebundene Staging-Volume bereitstellt, benötigt CPU und Arbeitsspeicherressourcen. Verwenden Sie dieses Feld, um diese CPU- und Arbeitsspeicheranforderungen anzugeben, ähnlich wie die Ressourcenspezifikationen für Ihre Anwendungscontainer. Weitere Informationen dazu finden Sie unter Feld containers.resources. Wenn dieses Feld nicht angegeben ist, gelten die folgenden Standardeinstellungen für Ressourcen:

    • resources.requests.cpu: 0

    • resources.requests.memory: 0.5Gi

    • resources.limits.cpu: 0.5

    • resources.limits.memory: 1Gi

    Bei den meisten Anwendungen mit typischem Datenverkehr zu Staging-Volumes müssen Sie dieses Feld nicht festlegen, da die Standard-Ressourceneinstellungen ausreichen sollten. Wenn Ihre Anwendung jedoch eine hohe Anzahl von Lese- und Schreiboperationen ausführt, können die Standardeinstellungen zu Leistungseinschränkungen oder Lese-/Schreibfehlern führen. Weitere Informationen dazu finden Sie unter Gemeinsame Richtlinien für beide Implementierungen von Stagingbereich-Volumes.

    Um diese Probleme zu vermeiden, überprüfen Sie CPU und Speichermetriken für den Container (stage-mount-v2-sidecar-<Name_des_Staging-Volumes>). Snowflake fügt diesen Container zu Ihrem Service hinzu, der die Implementierung des von Ihnen konfigurierten Staging-Volumes bereitstellt. So können Sie genau sehen, welche Ressourcen Ihr Staging-Volume verwendet und ob es durch CPU oder Arbeitsspeicher eingeschränkt ist. Verwenden Sie diese Kennzahlen, um die CPU- und Arbeitsspeicherbeschränkungen nach Bedarf zu aktualisieren.

  • Feld stageConfig.metadataCache: Wenn Ihre Anwendung häufig Dateimetadaten abruft oder Dateien in einem Snowflake-Stagingbereich in einer Schleife auflistet und Sie nicht erwarten, dass sich die Daten häufig ändern, können Sie das Caching von Metadaten für das Snowflake-Staging-Speichervolume aktivieren, um die Leistung erheblich zu verbessern. Der Cache speichert diese Metadaten für einen bestimmten Zeitraum und wird danach gelöscht. Wenn die Anwendung dann versucht, auf die Metadaten zuzugreifen, aktualisiert Snowflake den Cache. Verwenden Sie die Einheiten Stunden, Minuten und Sekunden, um den metadataCache anzugeben. Beispiel: 90s, 5m, 1h, 1h30m, 1h30m45s. Wenn nicht angegeben, erfolgt kein Caching.

    Bemerkung

    Konfigurieren Sie das Caching von Metadaten nur dann, wenn sich die Daten in Ihrem Snowflake-Stagingbereich während der Lebensdauer des Service nicht ändern, z. B. ein Service mit schreibgeschützten Workloads, der ein statisches Dataset im Stagingbereich verarbeiten muss. Konfigurieren Sie das Caching von Metadaten nicht für Workloads, bei denen die Daten in Ihrem Snowflake-Stagingbereich aktualisiert werden, während der Service ausgeführt wird.

Das folgende Feld spec.volumes definiert ein Snowflake-Staging-Volume. Das Feld enthält die optionalen stageConfig-Felder:

spec:
  containers:
    ..
  volumes:
  - name: <name>
    source: stage
    stageConfig:
      name: <stage_name>
      metadataCache: 1h
      resources:
        requests:
          cpu: 0.35
          memory: 0.4Gi
        limits:
          cpu: 2.0
          memory: 1Gi
Copy

Schritt 2: Angeben, wo das Staging-Volume im Container eingebunden werden soll

Nachdem Sie ein Snowflake-Staging-Speichervolume definiert haben, indem Sie das Feld spec.volumes hinzugefügt haben, verwenden Sie das Feld spec.containers.volumeMounts, um zu beschreiben, wo das Staging-Volume in Ihren Anwendungscontainern eingebunden werden soll, wie im folgenden Beispiel gezeigt:

spec:
  containers:
  - name: ...
    image: ...
    volumeMounts:
    - name: <name>
      mountPath: <absolute_directory_path>
Copy

Die Angaben, die Sie in diesem Feld machen, sind für alle unterstützten Speicher-Volume-Typen konsistent und gelten für beide Implementierungen von Stagingbereich-Volumes.

Beispiel

  • Erstellen Sie einen Service mit dem Stagingbereich mydb.myschema.ai_models_stage, der in /path/to/stage im Hauptcontainer gemountet ist.

    CREATE SERVICE my_service
IN COMPUTE POOL tutorial_compute_pool
FROM SPECIFICATION $$
spec:
  containers:
  - name: echo
    image: /tutorial_db/data_schema/tutorial_repository/my_echo_service_image:latest
    volumeMounts:
    - name: stage-vol
      mountPath: /path/to/stage
  volumes:
  - name: stage-vol
    source: stage
    stageConfig:
      name: "@mydb.myschema.ai_models_stage"
$$;
    Copy

  • Erstellen Sie einen Service mit dem Stagingbereich-Unterpfad mydb.myschema.ai_models_stage/subpath, der in /path/to/stage im Hauptcontainer gemountet ist.

    CREATE SERVICE my_service
IN COMPUTE POOL tutorial_compute_pool
FROM SPECIFICATION $$
spec:
  containers:
  - name: echo
    image: /tutorial_db/data_schema/tutorial_repository/my_echo_service_image:latest
    volumeMounts:
    - name: stage-vol
      mountPath: /path/to/stage
  volumes:
  - name: stage-vol
    source: stage
    stageConfig:
      name: "@mydb.myschema.ai_models_stage/subpath"
      metadataCache: 1h
      resources:
        requests:
          cpu: 0.35
          memery: 0.4Gi
        limits:
          cpu 2.0
          memory: 1Gi
$$;
    Copy

Anforderungen an die Zugriffssteuerung

Die Rolle des Eigentümers des Dienstes ist die Rolle, mit der der Dienst erstellt wird. Es ist auch die Rolle, die die Dienste bei der Interaktion mit Snowflake verwenden. Diese Eigentümerrolle legt die Berechtigungen fest, die Anwendungs-Containern für den Zugriff auf einen gemounteten Stagingbereich gewährt werden. Der Eigentümer muss über die READ-Berechtigung für den Stagingbereich verfügen.

Wenn die Eigentümerrolle nicht die WRITE-Berechtigung für einen Stagingbereich hat, ist die Einbindung für diesen Stagingbereich schreibgeschützt. Das heißt, die Container können die Dateien nur aus dem Stagingbereich lesen. Die Rolle des Eigentümers benötigt die WRITE-Berechtigung auf einem Stagingbereich, damit das Staging-Mount sowohl Lese- als auch Schreibzugriffe unterstützt.

Info zur veralteten Implementierung

Die veraltete Stagingbereich-Volume-Implementierung verwendet einen gemeinsamen Cache für Lese- und Schreiboperationen. Obwohl dies für einige Szenarien gut funktioniert, können Sie nicht kontrollieren, ob die Daten aus dem Cache oder direkt aus dem Stagingbereich gelesen werden, was möglicherweise nicht für alle Anwendungen geeignet ist. Wenn Sie den Cache für Lese- und Schreibvorgänge verwenden, kann dies außerdem zusätzlichen Leistungsaufwand verursachen.

Code aus der veralteten Implementierung migrieren

Die neuere Implementierung ersetzt die veraltete Implementierung mit folgenden Verhaltensänderungen:

  • Die neuere Staging-Volume-Implementierung streamt Dateiinhalte direkt zum und aus dem Cloudspeicher und stellt sicher, dass Sie immer die neuesten Inhalte erhalten. Dies führt zu vorhersehbaren Verhaltensweisen und einem deutlich schnelleren Durchsatz. Die veraltete Stagingbereich-Volume-Implementierung speichert Blöcke von Dateidaten im Cache, sodass es schwierig ist zu erkennen, ob Sie die neuesten Daten lesen.

  • Die Performance bei zufälligen Lesevorgängen kann bei der neuen Implementierung geringer sein, da das Caching entfernt wurde. Ohne einen lokalen Festplattencache wird die Konsistenz zwischen Volumes jedoch verbessert. Dateiänderungen werden beim Schließen der Datei direkt in den unterstützenden Stagingbereich geschrieben, ohne dass eine lokale Festplattenpufferung erfolgt.

  • Lesevorgänge geben immer die neuesten Daten zurück, sodass sich diese Konfiguration besser für das Data Sharing zwischen Services eignet.

  • Zufällige Schreibvorgänge oder Anhänge von Dateien werden nicht unterstützt. Der Versuch, diese Vorgänge auszuführen, führt zu einem Fehler. Snowflake empfiehlt die Verwendung von Blockspeicher-Volumes für diese Workloads.

Ein Snowflake-Staging-Volume in einer Service-Spezifikation angeben (veraltet)

Zum Erstellen eines Service, bei dem Service-Container ein Snowflake-Staging-Volume verwenden, geben Sie die erforderlichen Einstellungen in der Service-Spezifikation wie in den folgenden Schritten gezeigt an:

  1. Um das Staging-Volume anzugeben, verwenden Sie das Feld spec.volumes wie im folgenden Beispiel gezeigt:

    volumes:
- name: <name>
  source: <stage_name>
    Copy

    Die folgenden Felder sind erforderlich:

    • name: Eindeutiger Name des Volumes.

    • source: Der interne Snowflake-Stagingbereich oder der einzubindende Ordner im Stagingbereich, z. B. @my_stage, @my_stage/folder. Dieser Wert muss von Anführungszeichen umgeben sein.

  2. Verwenden Sie das Feld spec.containers.volumeMounts, um zu beschreiben, wo das Staging-Volume in Ihren Anwendungscontainern eingebunden werden soll, wie im folgenden Beispiel gezeigt:

    volumeMounts:
- name: <name>
  mountPath: <absolute_directory_path>
    Copy

    Die Angaben, die Sie in diesem Feld machen, sind für alle unterstützten Speicher-Volume-Typen konsistent und gelten für beide Implementierungen von Stagingbereich-Volumes.

Beispiel (veraltet)

In der Beispiel-Service-Spezifikation bindet der App-Container einen internen Stagingbereich @model_stage ein, indem sowohl die bestehenden Implementierungen von Staging-Volumes verwendet werden:

spec:
  containers:
  - name: app
    image: <image1-name>
    volumeMounts:
    - name: models-legacy
      mountPath: /opt/model-legacy
  volumes:
  - name: models-legacy
    source: "@model_stage"
Copy

Das Feld volumeMounts gibt an, wo innerhalb des Containers das Stagingbereich-Volume eingebunden werden soll. Diese Spezifikation bleibt für die beiden Staging-Volume-Implementierungen gleich.

Richtlinien bei der Verwendung von Stagingbereich-Volumes

Dieser Abschnitt enthält die Richtlinien, die Sie befolgen müssen, wenn Sie Anwendungscode implementieren, bei dem ein Container einen Snowflake-Stagingbereich als Speichervolume verwendet.

Gemeinsame Richtlinien für beide Implementierungen von Stagingbereich-Volumes

  • Der Stagingbereich ist für sequentielles Lesen und Schreiben optimiert.

  • E/A-Operationen im Stagingbereich können höhere Latenzen aufweisen als E/A-Operationen auf dem Dateisystem und den Blockspeicher-Volumes des Containers. Sie sollten immer den Statuscode von E/A-Operationen überprüfen, um sicherzustellen, dass sie erfolgreich waren.

  • Im Stagingbereich werden Uploaddateien asynchron aktualisiert. Änderungen an Dateien auf einem Stagingbereich werden erst dann garantiert, wenn der Datei-Deskriptor erfolgreich geschlossen oder geleert wurde. Es kann eine gewisse Verzögerung geben, bevor die Änderungen an Dateien in einem Stagingbereich für andere Container und Snowflake sichtbar werden.

  • Jedes Verzeichnis in einem gemounteten Stagingbereich sollte weniger als 100.000 Dateien enthalten. Rechnen Sie damit, dass die Latenz von readdir mit der Anzahl der Dateien im Verzeichnis zunimmt.

Richtlinien bei der Verwendung der veralteten Version der Staging-Volume-Implementierung

  • Vermeiden Sie das gleichzeitige Schreiben in mehrere Dateien innerhalb eines Stagingbereichs.

  • Der Stagingbereich ist kein Netzwerkdateisystem. Verwenden Sie keine Stagingbereiche für die Koordination mehrerer Clients.

  • Öffnen Sie nicht mehrere Handles für dieselbe Datei gleichzeitig. Verwenden Sie geöffnete Datei-Handles entweder für Lese- oder für Schreiboperationen, aber nicht für eine Mischung aus beidem. Um aus einer Datei zu lesen, nachdem Sie in sie geschrieben haben, schließen Sie die Datei und öffnen Sie sie dann erneut, bevor Sie lesen.

Richtlinien bei der Verwendung der allgemein verfügbaren Staging-Volume-Implementierung

  • Gleichzeitige Schreibvorgänge auf dieselbe Datei aus mehreren Stagingbereichen (dasselbe Stagingbereich-Volume in verschiedenen Containern) werden nicht empfohlen.

  • Das Fehlen eines lokalen Festplattencaches verbessert die Konsistenz zwischen Einbindungen. Dateiänderungen werden beim Schließen der Datei direkt in den unterstützenden Stagingbereich geleert, ohne dass eine lokale Festplattenpufferung erfolgt. Lesevorgänge geben immer die neuesten Daten zurück, sodass sich die neue Einbindung von Stagingbereichen besser für das Data Sharing zwischen Services eignet.

  • Die optimalen Ergebnisse erzielen Sie, wenn Sie Daten in großen, zusammenhängenden Blöcken lesen und schreiben. Die Leistungseinbußen bei kleinen Lese- und Schreibvorgängen im Vergleich zur allgemein verfügbaren Stagingbereich-Volume-Implementierung können die Performancegewinne der neuen Implementierung abschwächen.

Einschränkungen bei der Verwendung von Stagingbereich-Volumes

In diesem Abschnitt werden die Einschränkungen beschrieben, die Sie bei der Implementierung von Anwendungscode beachten sollten, in dem Container Stagingbereich-Volumes verwenden. Wenn Sie Probleme mit diesen Beschränkungen haben, wenden Sie sich an Ihren Kundenbetreuer.

Gemeinsame Einschränkungen für beide Implementierungen von Stagingbereich-Volumes

  • Sie können nur einen Stagingbereich oder ein Unterverzeichnis in einen Stagingbereich einbinden, z. B. @my_stage, @my_stage/folder. Sie können keine einzelne Datei in einen Stagingbereich einbinden, z. B. @my_stage/folder.

  • Externe Stagingbereiche werden nicht unterstützt. Es werden nur Snowflake-interne Stagingbereiche unterstützt.

  • Stagingbereiche sind nicht vollständig POSIX-kompatible Dateisysteme. Beispiel:

    • Dateien und Verzeichnisse werden nicht atomar umbenannt.

    • Harte Links werden nicht unterstützt.

  • Das Linux-Kernel-Subsystem inode notify (inotify), das Änderungen an Dateisystemen überwacht, funktioniert nicht im Stagingbereich.

Einschränkungen bei der Verwendung der veralteten Version der Staging-Volume-Implementierung

  • Pro Service sind maximal 5 Stagingbereich-Volumes erlaubt. Weitere Informationen dazu finden Sie unter spec.volumes.

  • Es werden maximal 8 Staging-Volumess pro Computepool-Knoten unterstützt. Snowflake verwaltet die Beschränkung des Stagingbereichs pro Knoten ähnlich wie Speicher, CPU und GPU. Das Starten einer neuen Dienstinstanz kann Snowflake dazu veranlassen, neue Knoten zu starten, wenn keine vorhandenen Knoten die Kapazität haben, den angeforderten Stagingbereich zu unterstützen.

  • Die Funktionen für Stagingbereich-Volumes variieren je nach Cloudplattform für Ihr Snowflake-Konto:

    • Konten auf AWS unterstützen interne Stagingbereiche sowohl mit SNOWFLAKE_FULL- als auch mit SNOWFLAKE_SSE-Stagingbereich-Verschlüsselung. Weitere Informationen dazu finden Sie unter Parameter für interne Stagingbereiche.

    • Konten auf Azure unterstützen derzeit interne Stagingbereiche mit SNOWFLAKE_SSE-Verschlüsselung Verwenden Sie bei der Ausführung von CREATE STAGE den Parameter ENCRYPTION zur Angabe des Verschlüsselungstyps: CREATE STAGE my_stage ENCRYPTION = (TYPE = 'SNOWFLAKE_SSE');

    • Konten auf Google Cloud werden nicht unterstützt.

  • Gleichzeitige Schreibvorgänge auf dieselbe Datei aus mehreren Stagingbereichen (dasselbe Stagingbereich -Volume in verschiedenen Containern) werden nicht unterstützt.

Einschränkungen bei der Verwendung der allgemein verfügbaren Version der Stagingbereich-Volume-Implementierung

  • Zufällige Schreibvorgänge oder Anhänge von Dateien werden nicht unterstützt.

  • Jeder eingebundene Stagingbereich erfordert 512 MB Arbeitsspeicher pro Stagingbereich. Das bedeutet, dass die Anzahl der Stagingbereiche, die verwendet werden können, je nach Größe der Instanz begrenzt ist. Das Einbinden des Volumes in mehrere Container erhöht nicht den Speicherverbrauch.

  • Pro Service sind maximal 20 Staging-Volumes zulässig. Weitere Informationen dazu finden Sie unter spec.volumes.