2025 Leistungsverbesserungen¶

Wichtig

Leistungsverbesserungen zielen oft auf bestimmte Abfragemuster oder Workloads ab. Diese Verbesserungen können erhebliche Auswirkungen auf einen bestimmten Workload haben, müssen es aber nicht.

Die folgenden Leistungsverbesserungen wurden 2025 eingeführt:


Release	Beschreibung	Auswirkung
Dezember 2025	Interaktive Tabellen und interaktive Warehouses (Allgemeine Verfügbarkeit). Ein neuer Tabellentyp und ein neuer Warehouse-Typ, die für interaktive Workloads mit niedriger Latenz und hoher Parallelität optimiert sind, wie z. B. Echtzeit-Dashboards und datengestützte APIs.	Bietet Abfrageleistung mit niedriger Latenz für interaktive Workloads. Beste Leistung bei der Abfrage von interaktiven Tabellen mit interaktiven Warehouses.
Dezember 2025	SPCS-Blockspeicher-Volumen: Konfigurierbarer IOPS bis zu 80.000 und Durchsatz bis zu 2/s auf GB (Allgemeine Verfügbarkeit).	Verbessert die E/A-Leistung für containerisierte Workloads, die einen hohen Speicherdurchsatz erfordern.
Dezember 2025	Dynamische Tabellen: Unterstützung von doppelten Warehouses, die separate Warehouses für eine umfangreiche Initialisierung im Vergleich zu normalen Aktualisierungen ermöglichen.	Optimiert die Leistung und die Kosten für die Wartung dynamischer Tabellen, indem die ressourcenintensive Neuinitialisierung von den regelmäßigen inkrementellen Aktualisierungen isoliert wird.
Dezember 2025	Snowflake Data Clean Rooms: Die Optimierung von Spaltenrichtlinien reduziert die Latenz beim Hinzufügen einer Spaltenrichtlinie mit mehreren Spalten.	Schnellere Richtlinienanwendung für Clean Room-Kollaborationen mit breiten Tabellen.
November 2025	dbt-Projekte in Snowflake (Allgemeine Verfügbarkeit). Beinhaltet im Vergleich zum Vorschau-Release etwa 8-10 Mal schnellere dbt-Ergebnis-Uploads.	Deutlich schnellere Ausführung von dbt-Projekten in Snowflake, wodurch die Zeiten der End-to-End-Pipeline reduziert werden.
November 2025	Verbesserter Query Acceleration Service (QAS), um intelligent zu bestimmen, wann Abfragen mit LIMIT-Klauseln beschleunigt werden können.	Mehr Abfragen mit LIMIT-Klauseln (auch solche ohne ORDER BY) sind nun für die Beschleunigung geeignet. QAS stellt automatisch fest, wann die Beschleunigung dieser Abfragen die Leistung verbessert und erweitert den Umfang der Abfragen, die von QAS profitieren.
November 2025	Genauere Schätzung der Kardinalität für Ausdrücke und Funktionen, was zu besseren Entscheidungen in der Reihenfolge und Verteilung von Joins führt.	Verbessert die Qualität des Abfrageplans für Abfragen, die Funktionsausdrücke in Join- oder Group-By-Klauseln enthalten. Reduziert die Ausführungszeit von Abfragen, die von früheren Schätzungsfehlern betroffen sind.
November 2025	Verbesserte Kardinalitätsschätzung in der Abfrageoptimierung mit probabilistischen Datenstrukturen für schnellere und genauere Schätzungen bei Gruppierungsoperationen.	Verringert die Kompilierungszeit und verbessert die Schätzung der Gruppierungsselektivität, was zu besseren Abfrageplänen führt. Besonders profitieren davon Abfragen mit komplexen Gruppierungs- und Aggregationsmustern.
November 2025	Verbesserter Pushdown des Bloom-Filters, der eine frühere Datenlöschung sowohl bei der SELECT- als auch der DML (UPDATE ,DELETE ,MERGE)-Abfrageverarbeitung ermöglicht.	Verbessert die Ausführungszeit für Join-Abfragen undDML-Vorgänge durch Anwendung von Filtern, die früher im Abfrageplan angewendet wurden, wodurch die Menge der verarbeiteten Daten reduziert wird.
November 2025	Snowpipe Streaming mit Hochleistungsarchitektur auf Azure und GCP (Allgemeine Verfügbarkeit).	Datenaufnahme mit hohem Durchsatz bei geringer Latenz ist jetzt auf allen drei großen Cloudplattformen verfügbar.
Oktober 2025	Einblicke in die Abfrageleistung aus Snowsight (Allgemeine Verfügbarkeit).	Sie können anhand dieser Abfrageeinblicke Abfragen ermitteln, bei denen Sie die Leistung verbessern können.
Oktober 2025	Verbesserte Logik zur Prädikatableitung, um die Abdeckung der Filterweitergabe über mehr Abfragemuster zu verbessern und zusätzliche abgeleitete Prädikate zu generieren, die eine frühere Datenlöschung ermöglichen.	Verbessert die Ausführungszeit von Abfragen mit komplexen Join- und Filtermustern, indem mehr Filter früher im Abfrageplan übertragen werden.
Oktober 2025	Verbessertes Probe-seitiges Join-Pruning bei numerischen Spalten mit größeren Approximationsstrukturen, die die Datenverteilung auf der Build-Seite besser darstellen.	Verbessert die Leistung von Join-Abfragen, indem mehr irrelevante Datendateien übersprungen werden, wodurch I/O- und Ausführungszeit reduziert werden. Besonders profitieren davon Verknüpfungen mit geclusterten Build-Seiten oder Build-Seiten mit niedriger Kardinalität.
Oktober 2025	Vereinfacht den Abfrageplan, indem redundante Gruppierungsausdrücke auf der Grundlage funktionaler Abhängigkeiten entfernt werden.	Verbessert die Ausführungszeit von Abfragen, die GROUP BY -Klauseln mit funktional abhängigen Spalten enthalten, wodurch unnötiges Computing reduziert wird.
Oktober 2025	Verbesserter Filter-Pushdown durch Fensterfunktionen, sodass Filter vor der Berechnung der Fensterfunktionen angewendet werden können.	Verbessert die Ausführungszeit von Abfragen, bei denen Fensterfunktionen zuvor den Filter-Pushdown blockiert haben, wodurch die Menge der von der Fensteroperation verarbeiteten Daten reduziert wird.
Oktober 2025	Leitet zusätzliche Filterprädikate aus Verknüpfungsschlüsseleinschränkungen ab, um eine frühzeitige Datenlöschung zu ermöglichen. Wenn ein Verknüpfungsschlüssel einen einzigen konstanten Wert hat, wird dieser Wert als Filter an die andere Seite der Verknüpfung weitergegeben.	Verbessert die Leistung von Join-Abfragen, indem abgeleitete Filter früher angewendet werden, wodurch die in den nachfolgenden Vorgängen verarbeiteten Daten reduziert werden.
Oktober 2025	Verbesserte Reihenfolge von Joins durch kostenbasierte Optimierung. Das Optimierungsprogramm bewertet jetzt Alternativen zur Verknüpfungsreihenfolge anhand eines Kostenmodells für Abfragen mit mehreren Verknüpfungen.	Verbessert die Ausführungszeiten von komplexen Abfragen mit mehreren Verknüpfungen. Abfragen, die zuvor suboptimale Verknüpfungsreihenfolgen hatten, können erhebliche Leistungsverbesserungen aufweisen.
Oktober 2025	Verbesserte Vereinfachung von Join-Bedingungen und HAVING-Klauseln, indem allgemeine Ausdrücke herausfaktorisiert werden.	Verbessert die Ausführungszeit von Abfragen mit komplexen Verknüpfungsbedingungen oderHAVING-Klauseln, die redundante oder beeinflussende Ausdrücke enthalten.
Oktober 2025	Vereinfacht Aggregate, die einfache arithmetische Ausdrücke enthalten, um weitere Optimierungen zu ermöglichen, einschließlich reduzierter Tabellenscans.	Verbessert die Ausführungszeit von Abfragen mit Aggregationen über berechnete Ausdrücke.
Oktober 2025	Verbesserte Schätzung der LIKE-Prädikatselektivität zur genaueren Kostenberechnung des Abfrageplans.	Verbessert die Reihenfolge von Verknüpfungen und Planentscheidungen für Abfragen mit LIKE-Prädikaten.
Oktober 2025	Tabellenoptimierung für von Snowflake verwaltete Apache Iceberg™-Tabellen (Allgemeine Verfügbarkeit); einschließlich automatischer Datenkomprimierung.	Die Abfrageleistung von Iceberg-Tabellen wurde verbessert, indem kleine Dateien automatisch zu größeren, effizienter scannbaren Dateien komprimiert werden.
Oktober 2025	Partitionierte Schreibvorgänge für Apache Iceberg™-Tabellen (Allgemeine Verfügbarkeit).	Beschleunigt Leseabfragen von externen Iceberg-Engines (Spark, Trino und andere) durch Schreiben von Daten in einem partitionierten Layout.
Oktober 2025	Legen Sie eine Zieldateigröße für Apache Iceberg™-Tabellen fest (Allgemeine Verfügbarkeit).	Verbessert die Performance von Engine-übergreifenden Abfragen durch Erstellung größerer Parquet-Dateien, die für Engines wie Spark, Delta und Trino abgestimmt sind.
Oktober 2025	Erzwungene Verknüpfungsreihenfolge mit :doc:`ausgerichteten Verknüpfungen </sql-reference/constructs/join>`(Allgemeine Verfügbarkeit)	Ermöglicht die Steuerung der Scan- und Join-Reihenfolge für Performance-Tuning und Migrationsszenarios, in denen eine bestimmte Ausführungsreihenfolge erforderlich ist.
September 2025	Cortex-AI-Funktionen werden bei der inkrementellen Aktualisierung dynamischer Tabellen unterstützt. Funktionen wie AI_COMPLETE, AI_CLASSIFY, AI_FILTER und AI_TRANSLATE können jetzt inkrementell ausgeführt werden.	Dynamische Tabellen mit Cortex-AI-Funktionen können inkrementell aktualisiert werden, anstatt eine vollständige Aktualisierung zu erfordern, wodurch die Computekosten und die Aktualisierungslatenz reduziert werden.
September 2025	AI_TRANSLATE: Mehr als 20 % weniger Eingabe-Token für typische Sätze, insbesondere kurze Phrasen.	Weniger Kosten pro Übersetzungsaufruf, insbesondere bei umfangreicher Übersetzungs-Workload.
September 2025	Effizientere Workload-Verteilung.	Verbessert die Ausführung von Abfragen durch Erkennung und adaptives Umverteilen von Workloads auf Knoten im Warehouse, ohne dass Benutzende eingreifen müssen.
September 2025	Verbesserte Prädikatableitung, um Filterbedingungen über äußere Join-Grenzen hinweg weiterzugeben.	Verbessert die Leistung von Abfragen mit äußeren Verknüpfungen, indem Filter früher im Abfrageplan angewendet werden, wodurch die Menge der in den nachfolgenden Vorgängen verarbeiteten Daten reduziert wird.
September 2025	Snowpipe Streaming mit leistungsstarker Architektur auf AWS (Allgemeine Verfügbarkeit).	Datenaufnahme mit hohem Durchsatz (bis zu 10 GB/s pro Tabelle) mit geringer Latenzzeit zwischen Datenaufnahme und Abfrage.
August 2025	Effizientere und genauere NDV-Schätzungen, die zu effektiveren Abfrageplänen führen.	Verbessert die Kompilierungs- und Ausführungszeiten von Abfragen, insbesondere für DML-Anweisungen.
August 2025	Verbesserte Filter, die irrelevante Daten frühzeitig entfernen und so die Datenmenge reduzieren, die im Arbeitsspeicher oder Speicher gepuffert werden muss. Diese Filter reduzieren die Menge der Daten, die verarbeitet werden, bevor sie in einer Unterabfrage oder einem Common Table Expression (CTE) verwendet werden.	Verbessert die Abfrageleistung bei komplexen Abfragen, bei denen in verschiedenen Teilen des Abfrageplans dieselben Daten benötigt werden. Nachfolgende Filtervorgänge sind effizienter und sparen Zeit und Rechenressourcen.
August 2025	Verbesserte Abfrageleistung mit Snowflake Optima Indexing, das Ihre Workload-Muster kontinuierlich analysiert und automatisch Suchoptimierungsindizes im Hintergrund erstellt und verwaltet. Snowflake Optima ist nur auf Snowflake Standard-Warehouses der 2. Generation (Gen2) verfügbar.	Verbessert die Leistung von Abfragen, die häufig verwendete selektive Prädikatmuster enthalten, wie z. B. sich wiederholende Point-Lookup-Abfragen auf einer Tabelle. Keine Benutzerkonfiguration oder zusätzliche Kosten erforderlich.
August 2025	Adaptive Umverteilung von verzerrten Daten während der Ausführung von Abfragen. Snowflake erkennt jetzt, wenn Daten bei Joins ungleichmäßig auf die Verarbeitungsknoten verteilt sind und verteilt die Verarbeitung automatisch neu, um Engpässen zu vermeiden. Gilt für SELECT- und DML-Vorgänge	Verbessert die Ausführungszeit von Abfragen undDML-Vorgängen, bei denen bei Verknüpfungsvorgängen eine Datenverzerrung auftritt. Gilt für alle Workloads.
August 2025	Snowflake ML: Many Model Training und Distributed Partition Function Trainieren mehrerer ML-Modelle und verarbeiten Daten parallel über Partitionen und Knoten hinweg.	Schnelleres Modelltraining und schnellere Datenverarbeitung durch Verteilung von Workload auf Partitionen und Computeknoten.
August 2025	Die inkrementelle Aktualisierung dynamischer Tabellen unterstützt jetzt UNION (sowohl UNION ALL als auch UNION mit DISTINCT-Semantik).	Mehr dynamische Tabellen-Pipelines können bei der inkrementellen Aktualisierung verbleiben, anstatt auf eine vollständige Aktualisierung zuzugreifen, wodurch die Rechenkosten und die Latenzzeit der Aktualisierung reduziert werden.
Juli 2025	Verbesserte Prädikatableitung, um Filterbedingungen über Projektionen weiterzugeben und zusätzliche abgeleitete Filter für nachgelagerte Vorgänge zu generieren.	Verbessert die Ausführungszeit von Abfragen mit Projektionen über gefilterten Verknüpfungen, indem früher mehr Filter abgeleitet werden.
Juli 2025	Verbessertes Aggregations-Folding für Abfragen mit LIMIT-Klauseln, die unnötige Tabellenscans reduzieren.	Verbessert die Leistung von Aggregationsabfragen mit LIMIT, indem vollständige Tabellenscans nach Möglichkeit übersprungen werden.
Juli 2025	Verbesserte Behandlung von Probe-seitigen Verzerrungen in Hash-Verknüpfungen, wodurch die Abdeckung auf mehr Abfragemuster erweitert wird.	Verbessert die Ausführungszeit von Abfragen, bei denen bei Verknüpfungsvorgängen eine Datenverzerrung auf der Probe-Seite auftritt.
Juli 2025	Schnellere Ausführung durch gemeinsame Nutzung von Planfragmenten, um redundante Berechnungen in DML-Vorgängen mit allgemeinen Tabellenausdrücken zu vermeiden.	Verbessert die Ausführungszeit von DML-Vorgängen (INSERT,UPDATE, MERGE), die mehrfach über CTEs auf dieselben Daten verweisen.
Juli 2025	Verbesserte Selektivitätsschätzung für abgeleitete Filterprädikate, was zu besseren Entscheidungen bei der Verknüpfungsreihenfolge führt.	Verbessert die Ausführungszeit von Abfragen mit abgeleiteten Prädikaten, indem der Abfrageoptimierung genauere Kostenschätzungen zur Verfügung gestellt werden.
Juni 2025	Erweitert die Abdeckung des Query Acceleration Service (QAS) für Apache Iceberg™-Tabellen.	QAS kann nun die Performance von Abfragen in Iceberg-Tabellen verbessern.
Juni 2025	Verkürzen der Laufzeit von Abfragen mit geografischen Prädikaten mithilfe der Filterung von Begrenzungsrahmen.	Verbessert die Leistung von Geodatenabfragen durch Verkürzen (Pruning) von Mikropartitionen auf der Grundlage von räumlichen Überschneidungen, wodurch das Scan-Volume reduziert wird.
Juni 2025	Schnellere Ausführung bei Abfragen mit Präfix-Übereinstimmungsmustern (LIKE-Klauseln), indem Prädikate für effektiveres Pruning umgeschrieben werden.	Verbessert die Ausführungszeit von Abfragen mit LIKE mit Präfixmustern, indem das Pruning von Mikropartitionen aktiviert wurde, was zuvor nicht möglich war.
Juni 2025	Verbesserte Ableitung von Bloom-Filtern für äußere Verknüpfungen (Outer Joins), die frühzeitige Filtermöglichkeiten auf der Null-erweiterten Seite ermöglichen, die zuvor nicht verfügbar waren.	Verbessert die Ausführungszeit von Abfragen, bei denen äußere Joins einen Engpass darstellen, indem eine frühere Datenlöschung ermöglicht wird.
Juni 2025	Effizientere, kostenbasierte Replikation des Suchraums während der Abfrageoptimierung, wodurch der Overhead der Optimierung bei komplexen Abfragen reduziert wird.	Verbessert sowohl die Kompilierungs- als auch die Ausführungszeit von Abfragen mit vielen möglichen Alternativplänen.
Juni 2025	Schnellere Ausführung durch Entfernen unnötiger Gruppierungsspalten in DML-Vorgängen auf der Grundlage einer funktionalen Abhängigkeitsanalyse.	Verbessert die Ausführungszeit von DML-Vorgängen mitGROUP BY-Klauseln, die redundante Spalten enthalten.
Juni 2025	Snowflake Data Clean Rooms: Die vom Anbieter ausgeführte Analyse wird schneller ausgeführt, da die Protokolleintrag vor der Übermittlung erforderlich ist.	Reduzierte Ausführungszeit der Analyse für vom Anbieter durchgeführte Clean Room-Workflows.
Mai 2025	Cortex-Bereitstellungs-Durchsatz (Allgemeine Verfügbarkeit). Reservieren des Inferenzdurchsatzes für verwaltete AI-Workloads.	Garantierter Durchsatz für AI-Inferenz-Workloads, wodurch konfliktbezogene Latenzspitzen eliminiert werden.
Mai 2025	Standard-Warehouses der Generation 2 (Gen2) (Allgemeine Verfügbarkeit). Schnellere Hardware- und Softwareoptimierungen für DML- und Scan-Vorgänge.	Die meisten Abfragen werden auf Gen2-Warehouses schneller beendet. Die Leistungssteigerungen sind Workload-abhängig.
Mai 2025	Aktualisierung der Suchoptimierung: Unterstützung für Apache Iceberg™-Tabellen.	Verbessert die Performance von Abfragen in Iceberg-Tabellen.
Mai 2025	Die inkrementelle Aktualisierung dynamischer Tabellen unterstützt jetzt `CURRENT_DATE`-, `CURRENT_TIME`- und `CURRENT_TIMESTAMP`-Filter.	Mehr zeitgefilterte Pipelines für dynamische Tabellen können bei der inkrementellen Aktualisierung verbleiben, anstatt auf eine vollständige Aktualisierung zurückgreifen zu müssen.
Mai 2025	Verbesserte Leistung von dynamischen Tabellenaktualisierungen, die Top-Level QUALIFY-Klauseln mit RANK oder ROW_NUMBER Ranking-Fensterfunktionen enthalten, insbesondere wenn der Rangwert 1 ist.	Dynamische Tabellen, die `QUALIFY RANK() = 1` oder `ROW_NUMBER = 1` verwenden, werden jetzt schneller aktualisiert, was die Leistung für häufige Deduplizierungs- und Top-N-Anwendungsfälle verbessert.
Mai 2025	Verbesserte Verfügbarkeit von vektorisierten Scannern für mehr Leistung	Zuvor konnte der vektorisierte Scanner nur mit bestimmten `ON_ERROR` Einstellungen (`ABORT_STATEMENT` oder `SKIP_FILE`) verwendet werden. Diese Einschränkung wurde aufgehoben. Jetzt können Sie den vektorisierten Scanner mit jeder `ON_ERROR` Option aktivieren, einschließlich `CONTINUE`, `SKIP_FILE_num` und `'SKIP_FILE_num%'`. Durch diese Änderung kann der leistungssteigernde vektorisierte Scanner in mehr Situationen eingesetzt werden. Dies kann zu einer schnelleren Datenverarbeitung führen.
Mai 2025	Genauere Kardinalitätsschätzung für Fensterfunktionen mit ROW_NUMBER = 1-Filtermustern, was zu besseren Entscheidungen in der Verknüpfungsreihenfolge führt.	Verbesserung der Ausführungszeit von Abfragen mit gängigen Deduplizierungsmustern durch bessere Kardinalitätsschätzungen für das Optimierungsprogramm.
Mai 2025	Verbesserte Prädikatableitung für Abfragen zu sicheren Ansichten zur effektiveren Weitergabe von Filtern.	Verbessert die Ausführungszeit von Abfragen für sichere Ansichten, indem Filter früher angewendet werden, wodurch die nachgelagerten Daten reduziert werden.
April 2025	Cortex Search: Option zum Deaktivieren der Rangänderung in Suchabfragen (Allgemeine Verfügbarkeit).	Verringert die Latenz bei Suchabfragen, wenn die Neusortierung die Ergebnisqualität für Ihren Anwendungsfall nicht verbessert.
April 2025	Die Suchoptimierung verbessert die Leistung von Abfragen, die Skalarfunktionen enthalten	Abfragen mit Skalarfunktionen in Gleichheitsprädikaten können schneller ausgeführt werden, wenn die Suchoptimierung aktiviert ist.
April 2025	Erweitert die Abdeckung des Query Acceleration Service (QAS) auf weitere Abfragen.	Verbessert die Heuristiken, die QAS verwendet, um festzustellen, ob eine Abfrage von der Beschleunigung profitiert oder nicht. Infolgedessen kommen mehr Abfragen für die Beschleunigung durch QAS in Frage.
April 2025	Verbesserte Kardinalitätsschätzung für Fremdschlüssel-Join-Beziehungen.	Verbessert die Join-Reihenfolge von Abfragen mit Fremdschlüssel-Verknüpfungen durch genauere Kardinalitätsschätzungen.
April 2025	Verbesserter Extraktion-Pushdown durch Funktionen, die eine effizientere Scan- und Metadatennutzung für Unterspalten ermöglicht.	Verbessert die Ausführungszeit von Abfragen, die Unterspalten durch Funktionsausdrücke extrahieren.
März 2025	Die Suchoptimierung verbessert die Performance von Abfragen, die skalare Unterabfragen enthalten.	Abfragen mit skalaren Unterabfragen können schneller ausgeführt werden, wenn die Suchoptimierung für die übereinstimmende Spalte aktiviert ist.
März 2025	Suchoptimierung: Unterstützung von Spaltensortierungen.	Verbesserung der Abfrageleistung auf Spalten, die eine``COLLATE``-Klausel verwenden.
März 2025	Verbessert die Stapelverarbeitung von Dateien bei Replikationsaktualisierungen.	Replikations-Refresh-Aufträge, die bis zu 8 GB Daten replizieren, haben eine geringere Varianz und mehr Vorhersagbarkeit.
März 2025	Verbessert die Leistung für dynamische Tabellen mit inkrementellem Aktualisierungsmodus unter Verwendung von linken äußeren Verknüpfungen.	Bietet eine schnellere inkrementelle Aktualisierungsleistung für dynamische Tabellen, die eine oder mehrere linke äußere Verknüpfungen enthalten. Die Leistungssteigerung kann je nach Workload erheblich sein.
März 2025	Optimiert adaptiv die Rechen- und E/A-Ressourcen für Abfragen, die gegen Apache Iceberg™-Tabellen ausgeführt werden.	Verbessert die Apache Iceberg™-Abfrageleistung und Speichereffizienz in Szenarien mit hoher Parallelität.
März 2025	Snowflake Scripting: Asynchrone untergeordnete Jobs in gespeicherten Prozeduren (Allgemeine Verfügbarkeit). Ausführen mehrerer untergeordneter Jobs gleichzeitig statt nacheinander	Verbessert die Effizienz gespeicherter Prozeduren und reduziert die Gesamtlaufzeit von mehrstufigen Datenpipelines.
Februar 2025	Inkrementelle Aktualisierung dynamischer Tabellen: Breitere Unterstützung für UNION ALL-Muster über mehrere Zweige hinweg.	Dynamischere Tabellen mitUNION ALL können die inkrementelle Aktualisierung anstelle einer vollständigen Aktualisierung verwenden, wodurch die Rechenkosten reduziert werden.
Februar 2025	Erhöhte MAX_CLUSTER_COUNT-Limits für Multi-Cluster-Warehouses und Skalierungsrichtlinien, die mehr als einen Cluster gleichzeitig hinzufügen oder entfernen.	Flexiblere Skalierung für Workloads mit hoher Parallelität zur Verbesserung des Durchsatzes unter Last.
Februar 2025	Die Aufgaben können so geplant werden, dass sie alle 10 Sekunden ausgeführt werden.	Verringert die Zeit, die zwischen den geplanten Aufgabenausführungen benötigt wird.
Januar 2025	Optimierte COPY- und INSERT-Massenladeoperationen in leeren Hybridtabellen (Allgemeine Verfügbarkeit)	Leere Hybridtabellen können dasselbe optimierte Massenladen-Ausführungsmodell für `COPY` und `INSERT ... SELECT` verwenden, das bereits für `CREATE HYBRID TABLE ... AS SELECT` verwendet wurde.