Améliorations des performances 2025¶

Important

Les améliorations de performance visent souvent des modèles de requêtes ou des charges de travail spécifiques. Ces améliorations peuvent ou non avoir un impact matériel sur une charge de travail spécifique.

Les améliorations de performance suivantes ont été introduites en 2025.


Sortie	Description	Impact
Novembre 2025	Service d’accélération des requêtes (QAS) amélioré pour déterminer intelligemment quand des requêtes avec des clauses LIMIT peuvent être accélérées.	Davantage de requêtes avec des clauses LIMIT (y compris celles sans ORDER BY) sont désormais éligibles à l’accélération. QAS détermine automatiquement lorsque l’accélération de ces requêtes améliore les performances, en élargissant le champ des requêtes qui bénéficient de QAS.
Novembre 2025	Estimation de cardinalité plus précise pour les expressions et les fonctions, conduisant à de meilleures décisions en matière d’ordre de jointure et de distribution.	Améliore la qualité du plan de requête pour les requêtes impliquant des expressions de fonction dans des clauses join ou group-by. Réduit le temps d’exécution des requêtes affectées par des inexactitudes d’estimation précédentes.
Novembre 2025	Amélioration de l’estimation de la cardinalité au sein de l’optimiseur de requêtes grâce à l’utilisation de structures de données probabilistes, permettant d’obtenir des estimations plus rapides et plus précises lors des opérations de regroupement.	Réduit le temps de compilation et améliore l’estimation de la sélectivité des groupes, conduisant à de meilleurs plans de requête. Avantage particulier pour les requêtes avec des modèles de regroupement et d’agrégation complexes.
Novembre 2025	Amélioration du pushdown des filtres de Bloom, permettant une élimination précoce des données lors du traitement des requêtes de type SELECT etDML (UPDATE ,DELETE ,MERGE).	Améliore le temps d’exécution des requêtes de jointure et des opérations DML en appliquant des filtres plus en amont dans le plan de requête, réduisant ainsi le volume de données traitées.
Octobre 2025	Insights sur la performance des requêtes fournis dans Snowsight (mise à disposition générale).	Vous pouvez utiliser ces insights de requêtes pour identifier les requêtes où vous pouvez améliorer les performances.
Octobre 2025	Amélioration de la logique de dérivation des prédicats pour augmenter la couverture de la propagation des filtres sur davantage de modèles de requêtes, en générant des prédicats dérivés supplémentaires qui permettent l’élimination antérieure des données.	Améliore le temps d’exécution des requêtes avec des modèles de jointure et de filtrage complexes en propageant davantage de filtres plus en amont dans le plan de requête.
Octobre 2025	Amélioration de l’élagage de jointure côté probe (sonde) sur les colonnes numériques utilisant des structures d’approximation plus grandes qui représentent mieux la distribution des données côté build (construction).	Améliore les performances des requêtes de jointure en ignorant davantage de fichiers de données non pertinents, ce qui réduit les E/S et le temps d’exécution. Cette amélioration bénéficie particulièrement aux jointures dont le côté « build » est clusterisé ou présente une faible cardinalité.
Octobre 2025	Simplifie le plan de requête en supprimant les expressions de regroupement redondantes basées sur les dépendances fonctionnelles.	Améliore le temps d’exécution des requêtes contenant des clauses GROUPBY avec des colonnes fonctionnellement dépendantes, réduisant ainsi les calculs inutiles.
Octobre 2025	Amélioration du pushdown des filtres via les fonctions de fenêtre, permettant d’appliquer des filtres avant le calcul de la fonction de fenêtre.	Améliore le temps d’exécution des requêtes où les fonctions de fenêtre bloquaient auparavant le pushdown des filtres, réduisant ainsi le volume de données traitées par l’opération de fenêtre.
Octobre 2025	Dérive des prédicats de filtre supplémentaires à partir des contraintes de la clé de jointure pour permettre l’élimination précoce des données. Lorsqu’une clé de jointure a une seule valeur constante, cette valeur est propagée en tant que filtre du côté opposé à la jointure.	Améliore les performances des requêtes de jointure en appliquant des filtres dérivés plus tôt, réduisant ainsi les données traitées dans les opérations suivantes.
Octobre 2025	Amélioration de l’ordre des jointures à l’aide d’une optimisation basée sur les coûts. L’optimiseur évalue désormais les alternatives à l’ordre de jointure en utilisant un modèle de coût pour les requêtes avec jointures multiples.	Améliore les temps d’exécution des requêtes complexes comportant plusieurs jointures. Les requêtes qui disposaient auparavant d’ordres de jointure sous-optimaux peuvent présenter des améliorations de performances significatives.
Octobre 2025	Simplification améliorée des conditions de jointure et des clauses HAVING en factorisant des expressions communes.	Améliore le temps d’exécution des requêtes avec des conditions de jointure complexes ou des clauses HAVING qui contiennent des expressions redondantes ou factorisables.
Octobre 2025	Simplifie les agrégats contenant des expressions arithmétiques simples pour permettre des optimisations supplémentaires, y compris des analyses de table réduites.	Améliore le temps d’exécution des requêtes comportant des agrégations sur les expressions calculées.
Octobre 2025	Amélioration de l’estimation de la sélectivité des prédicats LIKE, permettant un calcul plus précis du coût des plans d’exécution.	Améliore l’ordre de jointure et les décisions de planification pour les requêtes avec des prédicats LIKE.
Septembre 2025	Distribution plus efficace de la charge de travail.	Améliore le temps exécution des requêtes en détectant et en redistribuant de manière adaptative les charges de travail entre les nœuds de l” entrepôt, sans intervention de l’utilisateur.
Septembre 2025	Insights sur la performance des requêtes fournis dans Snowsight (avant-première).	Vous pouvez utiliser ces insights de requêtes pour identifier les requêtes où vous pouvez améliorer les performances.
Septembre 2025	Amélioration de la dérivation de prédicats afin de propager les conditions de filtrage à travers les limites des jointures externes	Améliore les performances des requêtes comportant des jointures externes en appliquant des filtres plus en amont dans le plan de requête, réduisant ainsi le volume de données traitées dans les opérations suivantes.
Août 2025	Estimations NDV plus efficaces et plus précises qui conduisent à des plans de requête plus efficaces.	Améliore les temps de compilation et d’exécution des requêtes, en particulier pour les instructions DML.
Août 2025	Des filtres améliorés qui éliminent rapidement les données non pertinentes, réduisant ainsi le volume de données qui doivent être mises en mémoire tampon ou stockées. Ces filtres réduisent la quantité de données traitées avant leur utilisation dans une sous-requête ou une expression de table commune (CTE).	Améliore les performances des requêtes complexes où les mêmes données sont nécessaires dans différentes parties du plan de requête. Les opérations de filtrage ultérieures sont plus efficaces, ce qui permet de gagner du temps et d’économiser des ressources de calcul.
Août 2025	Amélioration des performances des requêtes grâce à l’:doc:` indexation Snowflake Optima </user-guide/snowflake-optima>`, qui analyse en permanence vos modèles de charge de travail et crée et maintient automatiquement des index d’optimisation de recherche en arrière-plan. Snowflake Optima est uniquement disponible sur les entrepôts standard Snowflake de deuxième génération (Gen2).	Améliore les performances des requêtes qui incluent des modèles de prédicats sélectifs fréquemment utilisés, telles que les requêtes répétitives de recherche par point sur une table. Aucune configuration utilisateur ou coût supplémentaire requis.
Août 2025	Redistribution adaptative des données asymétriques pendant l’exécution de la requête. Snowflake détecte désormais lorsque les données sont inégalement réparties entre les nœuds de traitement lors des jointures et redistribue automatiquement le travail pour éviter les goulots d’étranglement. S’applique aux opérations SELECT et DML.	Améliore le temps d’exécution des requêtes et des opérations DML qui rencontrent une asymétrie des données pendant les opérations de jointure. S’applique largement à toutes les charges de travail.
Juillet 2025	Insights sur les performances des requêtes fournis dans Vue QUERY_INSIGHTS.	Vous pouvez utiliser ces insights de requêtes pour identifier les requêtes où vous pouvez améliorer les performances.
Juillet 2025	Amélioration de la dérivation de prédicats pour propager les conditions de filtrage au-dessus des projections, générant des filtres dérivés supplémentaires pour les opérations en aval.	Améliore le temps d’exécution des requêtes comportant des projections au-dessus des jointures filtrées en dérivant davantage de filtres plus tôt.
Juillet 2025	Amélioration du regroupement d’agrégations pour les requêtes avec des clauses LIMIT, réduisant ainsi les analyses de table inutiles.	Améliore les performances des requêtes d’agrégation avec la clause LIMIT en ignorant les analyses complètes des tables lorsque cela est possible.
Juillet 2025	Amélioration de la gestion de l’asymétrie côté « probe » dans les jointures de hachage, étendant la couverture à davantage de modèles de requêtes.	Améliore le temps d’exécution des requêtes qui rencontrent une asymétrie des données côté « probe » pendant les opérations de jointure.
Juillet 2025	Exécution plus rapide grâce au partage de fragments de plan pour éviter les calculs redondants dans les opérations DML utilisant des expressions de table communes.	Améliore le temps d’exécution pour les opérations DML (INSERT ,UPDATE ,MERGE) qui font référence aux mêmes données plusieurs fois via des CTEs.
Juillet 2025	Amélioration de l’estimation de la sélectivité pour les prédicats de filtre dérivés, conduisant à de meilleures décisions en matière d’ordre de jointure.	Améliore le temps d’exécution des requêtes avec prédicats dérivés en fournissant des estimations de coûts plus précises à l’optimiseur.
Juin 2025	Extension de la couverture du service d’accélération des requêtes (QAS) aux tables Apache Iceberg™.	QAS peut désormais améliorer la performance des requêtes sur les tables Iceberg.
Juin 2025	Élagage à l’exécution pour les requêtes avec des prédicats géospatiaux utilisant le filtrage par boîtes englobantes.	Améliore les performances des requêtes géospatiales en supprimant les micropartitions basées sur l’intersection spatiale, ce qui réduit le volume d’analyse.
Juin 2025	Exécution plus rapide des requêtes utilisant des modèles de correspondance de préfixes (clauses LIKE) en réécrivant les prédicats pour un élagage plus efficace.	Améliore le temps d’exécution des requêtes utilisant LIKE avec des modèles de préfixes, en activant la suppression des micro-partitions, ce qui n’était pas possible auparavant.
Juin 2025	Amélioration de la dérivation des filtres de Bloom pour les jointures externes, permettant des opportunités de filtrage précoce sur le côté étendu par des valeurs nulles qui n’étaient pas exploitables auparavant.	Améliore le temps d’exécution des requêtes où les jointures externes constituent un goulot d’étranglement, en permettant l’élimination précoce des données.
Juin 2025	Exploration plus efficace de l’espace de recherche basé sur les coûts pendant l’optimisation des requêtes, réduisant ainsi les frais généraux de l’optimiseur pour les requêtes complexes.	Améliore le temps de compilation et d’exécution des requêtes avec de nombreuses alternatives de plans possibles.
Juin 2025	Exécution plus rapide en supprimant les colonnes de regroupement inutiles dans les opérations DML basées sur une analyse des dépendances fonctionnelles.	Améliore le temps d’exécution pour les opérations DML avec les clauses GROUPBY qui contiennent des colonnes redondantes.
Mai 2025	Mise à jour de l’optimisation de la recherche : Prise en charge des tables Apache Iceberg™.	Amélioration de la performance des requêtes sur les tables Iceberg.
Mai 2025	Amélioration des performances des actualisations de tables dynamiques contenant des clauses de niveau supérieur QUALIFY avec des fonctions de fenêtre de classement RANK ou ROW_NUMBER, en particulier lorsque la valeur du rang est 1.	Les tables dynamiques utilisant `QUALIFY RANK() = 1` ou `ROW_NUMBER = 1` s’actualisent désormais plus rapidement, ce qui améliore les performances pour les cas d’utilisation courants de la déduplication et du top-N.
Mai 2025	Amélioration de la disponibilité des scanners vectorisés pour une meilleure performance	Auparavant, le scanner vectorisé ne pouvait être utilisé qu’avec des paramètres `ON_ERROR` spécifiques (`ABORT_STATEMENT` ou `SKIP_FILE`). Cette restriction a été supprimée. Désormais, vous pouvez activer le scanner vectoriel avec n’importe quelle option de `ON_ERROR`, y compris `CONTINUE`, `SKIP_FILE_num` et `'SKIP_FILE_num%'`. Cette modification permet d’utiliser le scanner vectorisé, qui améliore les performances, dans un plus grand nombre de situations. Il est possible que le traitement des données soit accéléré, en conséquence.
Mai 2025	Estimation de cardinalité plus précise pour les fonctions de fenêtre avec les modèles de filtrage ROW_NUMBER = 1, conduisant à de meilleures décisions en matière d’ordre de jointure.	Améliore le temps d’exécution des requêtes utilisant des modèles de déduplication courants en fournissant de meilleures estimations de cardinalité à l’optimiseur.
Mai 2025	Amélioration de la dérivation des prédicats pour les requêtes sur des vues sécurisées, propageant plus efficacement les filtres.	Améliore le temps d’exécution des requêtes sur les vues sécurisées en appliquant des filtres plus tôt, réduisant ainsi les données traitées en aval.
Avril 2025	Extension de la couverture de Query Acceleration Service (QAS) à un plus grand nombre de requêtes.	Améliore l’heuristique utilisée par QAS pour déterminer si une requête bénéficiera ou non de l’accélération. Le résultat est qu’un plus grand nombre de requêtes sont éligibles à l’accélération par QAS.
Avril 2025	Amélioration de l’estimation de la cardinalité pour les relations de jointure de clé étrangère.	Améliore l’ordre de jointure pour les requêtes impliquant des jointures de clés étrangères en fournissant des estimations de cardinalité plus précises.
Avril 2025	Amélioration du pushdown d’extraction via des fonctions, permettant une analyse et une utilisation des métadonnées plus efficaces pour les sous-colonnes.	Améliore le temps d’exécution des requêtes qui extraient des sous-colonnes à l’aide d’expressions de fonction.
Mars 2025	Amélioration de la mise en lot des fichiers lors des opérations d’actualisation de la réplication.	Les tâches d’actualisation de la réplication qui répliquent jusqu’à 8 GB de données auront moins de variance et plus de prévisibilité.
Mars 2025	Améliore les performances des tables dynamiques avec un mode d’actualisation incrémentiel utilisant des jointures externes gauches.	Fournit des performances d’actualisation incrémentiel plus rapides pour les tables dynamiques qui contiennent une ou plusieurs jointures externes gauches. Les gains de performance peuvent être substantiels en fonction de la charge de travail.
Mars 2025	Optimise de manière adaptative les ressources E/S de calcul et d’exécution pour les requêtes exécutées sur les tables Apache Iceberg™.	Améliore les performances des requêtes sur Apache Iceberg™ et l’efficacité de la mémoire dans les scénarios de forte concurrence.
Février 2025	Les tâches peuvent être planifiées pour être exécutées toutes les 10 secondes.	Réduit l’exigence entre les exécutions des tâches planifiées.