ダイナミック・テーブルのパフォーマンスを最適化するベスト・プラクティス¶

ダイナミックテーブルのパフォーマンスを最適化するには、システムを理解し、アイデアを試し、結果に基づいて反復する必要があります。例:

コスト、データラグ、レスポンスタイムのニーズに基づき、データパイプラインを改善する方法を開発します。
以下のアクションを実施します。
1. クエリを素早く開発するために、小さな固定データセットから始めます。
2. 動いているデータを使ってパフォーマンスをテストします。
3. データセットをスケールして、ニーズに合っていることを確認します。
調査結果に基づいてワークロードを調整します。
パフォーマンスへの影響が最も大きいタスクに優先順位をつけて、必要に応じて繰り返します。

さらに、ダウンストリームラグを使用してテーブル間のリフレッシュ依存関係を効率的に管理し、必要なときにのみリフレッシュが行われるようにします。

注釈

クエリ時、動的テーブルは通常のSnowflakeテーブルと同様の動作をします。詳細については、 Snowflakeでのパフォーマンスの最適化をご参照ください。

フルリフレッシュパフォーマンス¶

フルリフレッシュ動的テーブルは、 CREATE TABLE ... AS SELECT （CTAS とも呼ばれる）と同様の動作をします。他のSnowflakeクエリと同様に最適化することができます。

動的テーブルの最適な増分リフレッシュパフォーマンスを実現するには：

ソースと動的テーブルの両方について、リフレッシュ間の変更を最小限、理想的にはデータセット全体の5%未満に抑えます。
行数だけでなく、変更されたマイクロパーティションの数も考慮してください。増分リフレッシュの作業量は、変更された行だけでなく、これらのマイクロパーティションのサイズに比例します。
クエリでは、結合、GROUPBYs、PARTITIONBYsなどのグループ化操作を最小限にします。大きな共通テーブル式（CTEs）を小さな部分に分割し、それぞれに動的テーブルを作成します。過剰な集約や結合を行うことで1つの動的テーブルを圧迫しないようにします。
テーブルの変更をクエリのキーに合わせることで、データの局所性を確保します（例：結合、GROUPBYs、PARTITIONBYs）。テーブルがこれらのキーで自然にクラスタリングされていない場合は、自動クラスタリングを有効にしてください。