Account Usage¶

Exemples : métriques de connexion utilisateur¶

Nombre moyen de secondes entre les tentatives de connexion échouées, par utilisateur (depuis le début du mois) :

select user_name,
       count(*) as failed_logins,
       avg(seconds_between_login_attempts) as average_seconds_between_login_attempts
from (
      select user_name,
             timediff(seconds, event_timestamp, lead(event_timestamp)
                 over(partition by user_name order by event_timestamp)) as seconds_between_login_attempts
      from login_history
      where event_timestamp > date_trunc(month, current_date)
      and is_success = 'NO'
     )
group by 1
order by 3;

Copy

Échec de connexions, par utilisateur (depuis le début du mois) :

select user_name,
       sum(iff(is_success = 'NO', 1, 0)) as failed_logins,
       count(*) as logins,
       sum(iff(is_success = 'NO', 1, 0)) / nullif(count(*), 0) as login_failure_rate
from login_history
where event_timestamp > date_trunc(month, current_date)
group by 1
order by 4 desc;

Copy

Échec des connexions par utilisateur et client connecté (depuis le début du mois) :

select reported_client_type,
       user_name,
       sum(iff(is_success = 'NO', 1, 0)) as failed_logins,
       count(*) as logins,
       sum(iff(is_success = 'NO', 1, 0)) / nullif(count(*), 0) as login_failure_rate
from login_history
where event_timestamp > date_trunc(month, current_date)
group by 1,2
order by 5 desc;

Copy

Exemples : performance des entrepôts¶

Cette requête calcule les métriques de performance de l’entrepôt virtuel comme le débit et la latence pour des intervalles de temps de 15 minutes au cours d’une journée.

Dans l’exemple de code ci-dessous, vous pouvez remplacer CURRENT_WAREHOUSE() par le nom d’un entrepôt pour calculer les métriques pour cet entrepôt. De plus, modifiez les dates time_from et time_to dans la clause WITH pour spécifier la période de temps.

WITH
params AS (
SELECT
    CURRENT_WAREHOUSE() AS warehouse_name,
    '2021-11-01' AS time_from,
    '2021-11-02' AS time_to
),

jobs AS (
SELECT
    query_id,
    time_slice(start_time::timestamp_ntz, 15, 'minute','start') as interval_start,
    qh.warehouse_name,
    database_name,
    query_type,
    total_elapsed_time,
    compilation_time AS compilation_and_scheduling_time,
    (queued_provisioning_time + queued_repair_time + queued_overload_time) AS queued_time,
    transaction_blocked_time,
    execution_time
FROM snowflake.account_usage.query_history qh, params
WHERE
    qh.warehouse_name = params.warehouse_name
AND start_time >= params.time_from
AND start_time <= params.time_to
AND execution_status = 'SUCCESS'
AND query_type IN ('SELECT','UPDATE','INSERT','MERGE','DELETE')
),

interval_stats AS (
SELECT
    query_type,
    interval_start,
    COUNT(DISTINCT query_id) AS numjobs,
    MEDIAN(total_elapsed_time)/1000 AS p50_total_duration,
    (percentile_cont(0.95) within group (order by total_elapsed_time))/1000 AS p95_total_duration,
    SUM(total_elapsed_time)/1000 AS sum_total_duration,
    SUM(compilation_and_scheduling_time)/1000 AS sum_compilation_and_scheduling_time,
    SUM(queued_time)/1000 AS sum_queued_time,
    SUM(transaction_blocked_time)/1000 AS sum_transaction_blocked_time,
    SUM(execution_time)/1000 AS sum_execution_time,
    ROUND(sum_compilation_and_scheduling_time/sum_total_duration,2) AS compilation_and_scheduling_ratio,
    ROUND(sum_queued_time/sum_total_duration,2) AS queued_ratio,
    ROUND(sum_transaction_blocked_time/sum_total_duration,2) AS blocked_ratio,
    ROUND(sum_execution_time/sum_total_duration,2) AS execution_ratio,
    ROUND(sum_total_duration/numjobs,2) AS total_duration_perjob,
    ROUND(sum_compilation_and_scheduling_time/numjobs,2) AS compilation_and_scheduling_perjob,
    ROUND(sum_queued_time/numjobs,2) AS queued_perjob,
    ROUND(sum_transaction_blocked_time/numjobs,2) AS blocked_perjob,
    ROUND(sum_execution_time/numjobs,2) AS execution_perjob
FROM jobs
GROUP BY 1,2
ORDER BY 1,2
)
SELECT * FROM interval_stats;

Copy

Note

Analysez séparément les différents types d’instructions (par exemple, les instructions SELECT indépendamment des instructions INSERT ou DELETE ou autres).

• La valeur NUMJOBS représente le débit pour cet intervalle de temps.

• Les P50_TOTAL_DURATION (médiane) et P95_TOTAL_DURATION (pic) représentent la latence.

• Le SUM_TOTAL_DURATION est la somme des valeurs SUM_<zone_de_préparation_tâche>_TIME pour les différentes zones de préparation de la tâche (COMPILATION_AND_SCHEDULING, QUEUED, BLOCKED, EXECUTION).

• Analysez les valeurs de <zone_de_préparation_tâche>_RATIO lorsque la charge (NUMJOBS) augmente. Recherchez les changements de ratio ou les écarts par rapport à la moyenne.

• Si le QUEUED_RATIO est élevé, il se peut que la capacité de l’entrepôt soit insuffisante. Ajoutez plus de clusters ou augmentez la taille de l’entrepôt.

Exemple : utilisation du crédit d’entrepôt¶

Crédits utilisés par chaque entrepôt de votre compte (depuis le début du mois) :

select warehouse_name,
       sum(credits_used) as total_credits_used
from warehouse_metering_history
where start_time >= date_trunc(month, current_date)
group by 1
order by 2 desc;

Copy

Crédits utilisés au fil du temps par chaque entrepôt de votre compte (depuis le début du mois) :

select start_time::date as usage_date,
       warehouse_name,
       sum(credits_used) as total_credits_used
from warehouse_metering_history
where start_time >= date_trunc(month, current_date)
group by 1,2
order by 2,1;

Copy

Exemples : utilisation du stockage de données¶

Téraoctets facturables stockés dans votre compte au fil du temps :

select date_trunc(month, usage_date) as usage_month
  , avg(storage_bytes + stage_bytes + failsafe_bytes) / power(1024, 4) as billable_tb
from storage_usage
group by 1
order by 1;

Copy

Exemples : totaux de requêtes utilisateur et temps d’exécution¶

Total des tâches exécutées sur votre compte (depuis le début du mois) :

select count(*) as number_of_jobs
from query_history
where start_time >= date_trunc(month, current_date);

Copy

Total des tâches exécutées par chaque entrepôt de votre compte (depuis le début du mois) :

select warehouse_name,
       count(*) as number_of_jobs
from query_history
where start_time >= date_trunc(month, current_date)
group by 1
order by 2 desc;

Copy

Temps moyen d’exécution des requêtes par utilisateur (depuis le début du mois) :

select user_name,
       avg(execution_time) as average_execution_time
from query_history
where start_time >= date_trunc(month, current_date)
group by 1
order by 2 desc;

Copy

Temps moyen d’exécution des requêtes par type de requête et taille de l’entrepôt (depuis le début du mois) :

select query_type,
       warehouse_size,
       avg(execution_time) as average_execution_time
from query_history
where start_time >= date_trunc(month, current_date)
group by 1,2
order by 3 desc;

Copy

Exemples : obtenir un nombre de requêtes pour chaque événement de connexion¶

Joignez les colonnes de LOGIN_HISTORY, QUERY_HISTORY et SESSIONS pour obtenir un nombre de requêtes pour chaque événement de connexion utilisateur.

Note

La vue SESSIONS enregistre les informations à partir du 20-21 juillet 2020, par conséquent le résultat de la requête ne contiendra que des informations se chevauchant pour chacune des trois vues à partir de cette date.

select l.user_name,
       l.event_timestamp as login_time,
       l.client_ip,
       l.reported_client_type,
       l.first_authentication_factor,
       l.second_authentication_factor,
       count(q.query_id)
from snowflake.account_usage.login_history l
join snowflake.account_usage.sessions s on l.event_id = s.login_event_id
join snowflake.account_usage.query_history q on q.session_id = s.session_id
group by 1,2,3,4,5,6
order by l.user_name
;

Copy