2025年のパフォーマンスの改善¶

重要

パフォーマンスの改善の多くは、特定のクエリパターンやワークロードを対象としています。これらの改善は、特定のワークロードに重大な影響を及ぼす場合もあれば、及ぼさない場合もあります。

2025年には以下のパフォーマンスの改善が導入されました。


リリース	説明	影響
December 2025	Interactive tables and interactive warehouses (General availability). A new table type and warehouse type optimized for low-latency, high-concurrency interactive workloads such as real-time dashboards and data-powered APIs.	Delivers low-latency query performance for interactive workloads. Best performance when querying interactive tables with interactive warehouses.
December 2025	SPCS block storage volumes: Configurable IOPS up to 80,000 and throughput up to 2 GB/s on AWS (General availability).	Improves I/O performance for containerized workloads that require high storage throughput.
December 2025	Dynamic tables: Support for dual warehouses, allowing separate warehouses for heavy initialization versus normal refreshes.	Optimizes performance and cost for dynamic table maintenance by isolating resource-intensive reinitialization from regular incremental refreshes.
December 2025	Snowflake Data Clean Rooms: Column Policy Optimization reduces latency when adding a column policy with multiple columns.	Faster policy application for data clean room collaborations involving wide tables.
2025年11月	dbt projects on Snowflake (General availability). Includes ~8-10x faster dbt result uploads compared to the preview release.	Significantly faster dbt project execution within Snowflake, reducing end-to-end pipeline times.
2025年11月	強化済み Query Acceleration Service（QAS）でクエリのタイミングをインテリジェントに決定する LIMIT 句を高速化できます。	LIMIT 句（ORDERBY を含まないものを含む）を使用したその他のクエリはアクセラレーションの対象になりました。QAS は、これらのクエリを高速化するとパフォーマンスが向上するタイミングを自動的に判断し、 QAS のメリットを受けるクエリの範囲を拡大します。
2025年11月	式と関数のより正確なカーディナリティ推定により、結合の順序と配分の決定を改善しています。	join句またはgroup-by句に関数式を含むクエリのクエリプラン品質を改善しています。以前の推定の不正確さによって影響を受けていたクエリの実行時間を短縮しています。
2025年11月	グループ化操作中の高速かつ正確な推定のために確率的なデータ構造を使用して、クエリオプティマイザーでカーディナリティ推定を改善しています。	コンパイル時間を短縮し、グループ化の選択性推定を改善して、より優れたクエリプランを実現しています。特に、複雑なグループ化と集約パターンを持つクエリに役立ちます。
2025年11月	Bloomフィルターのプッシュダウンを改善し、 SELECT および DML （ UPDATE 、 DELETE 、 MERGE ）両方のクエリ処理中に早期データ削除を可能にしています。	クエリプランの早期のフィルター適用により、結合クエリの実行時間と DML 操作を改善し、処理されるデータの量を削減しています。
2025年11月	Snowpipe Streaming with high-performance architecture on Azure and GCP (General availability).	High-throughput, low-latency ingestion now available on all three major cloud platforms.
2025年10月	Snowsightで提供されるクエリパフォーマンスに関するインサイト（一般提供）。	これらのクエリインサイトを使用して、パフォーマンスを改善できるクエリを特定できます。
2025年10月	述語推論論理を強化して、より多くのクエリパターンでフィルター伝播の適用範囲を拡大し、早期のデータ削除を可能にする追加の派生述語を生成できます。	クエリプランで早期により多くのフィルターを伝播することで、複雑な結合とフィルターパターンを含むクエリの実行時間を改善しています。
2025年10月	ビルド側のデータ分布をより適切に表す、より大きな近似構造を使用して、数値列でのプローブ側の結合プルーニングを改善しています。	より多くの無関係なデータファイルをスキップすることで、結合クエリのパフォーマンスを向上させ、I/Oと実行時間を短縮しています。特に、クラスター化または低カーディナリティのビルド側との結合に役立ちます。
2025年10月	機能の依存関係に基づいて冗長なグループ化式を削除することにより、クエリプランを簡素化しています。	機能的に依存する列を持つ GROUP BY 句を含むクエリの実行時間を改善し、不要な計算を削減しています。
2025年10月	ウィンドウ関数を介したフィルタープッシュダウンを強化し、ウィンドウ関数の計算前にフィルターを適用できるようになりました。	ウィンドウ関数が以前フィルタープッシュダウンをブロックしていたクエリの実行時間を改善し、ウィンドウ操作によって処理されるデータ量を削減しています。
2025年10月	結合キー制約から追加のフィルター述語を導出し、データの早期排除を可能にしています。結合キーに単一の定数値がある場合、その値はフィルターとして結合の反対側に伝播されます。	派生フィルターを先に適用することで、結合クエリのパフォーマンスを向上させ、後続の操作で処理されるデータを削減しています。
2025年10月	コストベースの最適化を使用して結合順序を改善しました。オプティマイザーは、複数の結合を含むクエリに対してコストモデルを使用して結合順序の代替を評価するようになりました。	複数の結合を含む複雑なクエリの実行時間を改善しています。以前に結合順序が最適ではなかったクエリでは、パフォーマンスが大幅に向上する可能性があります。
2025年10月	一般的な式を除外することで、結合条件と HAVING 句の簡素化を改善しました。	複雑な結合条件または冗長または分解可能な式を含む HAVING 句を持つクエリの実行時間を改善しています。
2025年10月	単純な算術式を含む集約を簡素化し、テーブルスキャンの削減など、さらなる最適化を可能にしています。	計算された式の集約を持つクエリの実行時間を改善しています。
2025年10月	LIKE 述語の選択性推定を改善し、より正確なクエリプランを実現しています。	LIKE 述語を持つクエリの結合順序とプランの決定を改善しています。
2025年10月	Table optimization for Snowflake-managed Apache Iceberg™ tables (General availability), including automatic data compaction.	Improves query performance on Iceberg tables by automatically compacting small files into larger, more efficiently scannable files.
2025年10月	Partitioned writes for Apache Iceberg™ tables (General availability).	Accelerates read queries from external Iceberg engines (Spark, Trino, and others) by writing data in a partitioned layout.
2025年10月	Set a target file size for Apache Iceberg™ tables (General availability).	Improves cross-engine query performance by producing larger Parquet files tuned for engines like Spark, Delta, and Trino.
2025年10月	Enforced join order with directed joins (General availability).	Lets you control scan and join order for performance tuning and migration scenarios where a specific execution order is required.
2025年9月	Cortex AI functions supported in dynamic table incremental refresh. Functions such as AI_COMPLETE, AI_CLASSIFY, AI_FILTER, and AI_TRANSLATE can now run incrementally.	Dynamic tables using Cortex AI functions can refresh incrementally instead of requiring a full refresh, reducing compute cost and refresh latency.
2025年9月	AI_TRANSLATE: More than 20% fewer input tokens for typical sentences, especially short phrases.	Lower cost per translation call, particularly for high-volume translation workloads.
2025年9月	より効率的なワークロード分散。	ユーザーの介入なしに、ウェアハウス内のノード間でワークロードを検出して適応的に再分散することにより、クエリの実行時間を改善します。
2025年9月	述語導出を強化し、フィルター条件を外部結合の境界を越えて伝播するようにしました。	クエリプランの早期のフィルター適用により、外部結合を持つクエリのパフォーマンスを改善し、後続の操作で処理されるデータの量を削減しています。
2025年9月	Snowpipe Streaming with high-performance architecture on AWS (General availability).	High-throughput ingestion (up to 10 GB/s per table) with low ingest-to-query latency.
2025年8月	より効果的なクエリプランにつながる、より効率的かつ正確なNDV推定。	特にDMLステートメントでクエリのコンパイルと実行時間が改善します。
2025年8月	関係のないデータを早期に排除するフィルターを改善することで、メモリまたはストレージにバッファリングする必要があるデータの量を削減できます。これらのフィルターは、サブクエリまたは共通テーブル式（CTE）で使用される前に処理されるデータ量を削減します。	クエリプランの異なる部分で同じデータが必要な、複雑なクエリのクエリパフォーマンスを向上させます。その後のフィルター操作がより効率的になり、時間とコンピューティングリソースが節約されます。
2025年8月	ワークロードパターンを継続的に分析し、バックグラウンドで検索最適化インデックスを自動的に作成して維持する Snowflake Optima Indexing でクエリパフォーマンスを改善しています。Snowflake Optimaは、 Snowflake第2世代標準ウェアハウス（Gen2）でのみご利用いただけます。	テーブルに対する反復的なポイントルックアップクエリなど、頻繁に使用される選択的述語パターンを含むクエリのパフォーマンスを改善しています。ユーザーの構成や追加コストは必要ありません。
2025年8月	クエリ実行中に歪んだデータの適応型再分配。Snowflakeは、結合中にデータが処理ノード間で不均等に分散されたことを検出し、ボトルネックを防ぐために作業を自動的に再分配するようになりました。SELECT および DML 操作の両方に適用されます。	結合操作中にデータスキューが発生するクエリと DML 操作の実行時間を改善しています。ワークロード全体に広く適用されます。
2025年8月	Snowflake ML: Many Model Training and Distributed Partition Function. Train multiple ML models and process data in parallel across partitions and nodes.	Faster model training and data processing by distributing work across partitions and compute nodes.
2025年8月	Dynamic table incremental refresh now supports UNION (both UNION ALL and UNION with DISTINCT semantics).	More dynamic table pipelines can stay on incremental refresh instead of falling back to full refresh, reducing compute cost and refresh latency.
2025年7月	投影を超えてフィルター条件を伝播させ、下流操作用に追加の派生フィルターを生成するために、述語導出を強化しています。	より多くのフィルターを早期に導出することにより、フィルターされた結合を超える投影を持つクエリの実行時間を改善しています。
2025年7月	LIMIT 句を持つクエリの集約畳み込みを改善し、不要なテーブルスキャンを削減しています。	可能な場合はフルテーブルスキャンをスキップすることで、 LIMIT を持つ集約クエリのパフォーマンスを改善しています。
2025年7月	ハッシュ結合におけるプローブ側のスキュー処理が改善され、より多くのクエリパターンにカバーが拡大されました。	結合操作中にプローブ側のデータスキューが発生するクエリの実行時間を改善しています。
2025年7月	一般的なテーブル式を使用する DML 操作で冗長な計算を回避するために、プランフラグメントの共有によって実行を高速化しています。	CTEs を介して同じデータを複数回参照する DML 操作（ INSERT 、 UPDATE 、 MERGE ）の実行時間を改善しています。
2025年7月	派生フィルター述語の選択性推定を改善し、結合順序の決定を改善しました。	より正確なコスト見積もりをオプティマイザーに提供することにより、派生述語を使用するクエリの実行時間を改善しています。
2025年6月	Query Acceleration Service（QAS）の対象範囲を Apache Iceberg™テーブルに拡大します。	QAS は、Icebergテーブルに対するクエリのパフォーマンスを改善できるようになりました。
2025年6月	境界ボックスフィルタリングを使用した、地理空間述語を含むクエリのランタイムプルーニング。	空間交差に基づいてマイクロパーティションをプルーニングすることで、地理空間クエリのパフォーマンスを向上させ、スキャン量を削減しています。
2025年6月	より効果的なプルーニングのために述語を書き換えることで、プレフィックス一致パターン（ LIKE 句）を使用したクエリの実行時間を短くしています。	以前は不可能だったマイクロパーティションのプルーニングを有効にすることで、プレフィックスパターンを持つ LIKE を使用したクエリの実行時間を改善しています。
2025年6月	外部結合のBloomフィルターの導出が改善され、以前は実行不可能だったNull拡張側での早期フィルタリングができるようになりました。	早期データ削除を有効にすることにより、外部結合がボトルネックになるクエリの実行時間を改善しています。
2025年6月	クエリ最適化中のコストベースの検索空間探索を効率的にすることで、複雑なクエリのオプティマイザーのオーバーヘッドを削減しています。	多くの可能なプラン代替により、クエリのコンパイルと実行時間の両方を改善しています。
2025年6月	機能の依存関係分析に基づいて DML 操作の不要なグループ化列を削除することで、実行を高速化しています。	冗長な列を含む GROUP BY 句を持つ DML 操作の実行時間を改善しています。
2025年6月	Snowflake Data Clean Rooms: Provider-run analysis runs faster after requiring log mount before submit.	Reduced analysis execution time for provider-run clean room workflows.
2025年5月	Cortex Provisioned Throughput (General availability). Reserve inference throughput for managed AI workloads.	Guaranteed throughput for AI inference workloads, eliminating contention-related latency spikes.
2025年5月	Generation 2 standard warehouses (Gen2) (General availability). Faster hardware and software optimizations for DML and scan operations.	Most queries finish faster on Gen2 warehouses. Performance gains are workload-dependent.
2025年5月	検索最適化の更新：:ref:` Apache Iceberg™テーブルのサポート <label-search_optimization_service_iceberg>`。	Icebergテーブルに対するクエリのパフォーマンスを改善します。
2025年5月	Dynamic table incremental refresh now supports `CURRENT_DATE`, `CURRENT_TIME`, and `CURRENT_TIMESTAMP` filters.	More time-filtered dynamic table pipelines can stay on incremental refresh instead of falling back to full refresh.
2025年5月	RANKまたはROW_NUMBERランキングウィンドウ関数を持つトップレベルのQUALIFY句を含む動的テーブルの更新のパフォーマンスが特にランク値が1の場合に向上しました。	`QUALIFY RANK() = 1` または `ROW_NUMBER = 1` を使用する動的テーブルの更新がより高速になり、一般的な重複排除とトップNのユースケースのパフォーマンスが向上しました。
2025年5月	ベクトル化スキャナーの可用性を強化し、パフォーマンスを向上	以前は、ベクトル化スキャナの使用は、特定の `ON_ERROR` 設定（`ABORT_STATEMENT` または `SKIP_FILE`）に限られていました。この制限が撤廃されました。`CONTINUE`、 `SKIP_FILE_num`、 `'SKIP_FILE_num%'` など、いずれの `ON_ERROR` オプションでもベクトル化スキャナを有効にできるようになります。この変更により、パフォーマンスを向上させるベクトル化スキャナーをより多くの状況で使用できるようになります。その結果、データ処理が速くなる場合があります。
2025年5月	ROW_NUMBER = 1フィルタリングパターンを持つウィンドウ関数のより正確なカーディナリティ推定により、結合の順序の決定を改善しています。	オプティマイザーにより適切なカーディナリティ推定を提供することで、一般的な重複排除パターンを使用するクエリの実行時間を改善しています。
2025年5月	フィルターをより効果的に伝播するために、セキュアビューでのクエリの述語導出を強化しています。	先にフィルターを適用することで、セキュアビューに対するクエリの実行時間を改善し、下流で処理されるデータを削減しています。
2025年4月	Cortex Search: Option to disable reranking in search queries (General availability).	Reduces search query latency when reranking doesn't improve result quality for your use case.
2025年4月	Search optimization improves the performance of queries containing scalar functions.	Queries using scalar functions in equality predicates can run faster when search optimization is enabled.
2025年4月	Query Acceleration Service (QAS) の対象クエリを拡大しています。	クエリが高速化の恩恵を受けるかどうかを判断するためにQASが使用するヒューリスティックを改善しています。その結果、より多くのクエリがQASで高速化の対象になります。
2025年4月	外部キー結合関係のカーディナリティ推定を改善しました。	より正確なカーディナリティ推定を提供することにより、外部キー結合を含むクエリの結合順序を改善しています。
2025年4月	関数を介した抽出プッシュダウンを改善し、サブ列のより効率的なスキャンとメタデータ使用を可能にしました。	関数式を介してサブ列を抽出するクエリの実行時間を改善しています。
2025年3月	Search optimization improves the performance of queries containing scalar subqueries.	Queries with scalar subqueries can run faster when search optimization is enabled on the matching column.
2025年3月	Search optimization: Support for column collations.	Improves query performance on columns that use a `COLLATE` clause.
2025年3月	複製更新の操作中のファイルのバッチ処理を改善しています。	最大8 GBのデータを複製するレプリケーション更新ジョブは、ばらつきが少なく、予測可能性が高くなります。
2025年3月	左外部結合を使用した増分更新モードの動的テーブルのパフォーマンスを向上しています。	1つ以上の左外部結合を含む動的テーブルの増分更新のパフォーマンスを高速化しています。ワークロードによっては、パフォーマンスが大幅に向上する可能性があります。
2025年3月	Apache Iceberg™ テーブルに対して実行されるクエリの計算およびI/Oリソースを適応して最適化しています。	高並列性の状況でメモリの効率と Apache Iceberg™ クエリのパフォーマンスを向上しています。
2025年3月	Snowflake Scripting: Asynchronous child jobs in stored procedures (General availability). Run multiple child jobs concurrently instead of sequentially.	Improves stored procedure efficiency and reduces overall run time for multi-step data pipelines.
2025年2月	Dynamic table incremental refresh: Broader support for UNION ALL patterns across multiple branches.	More dynamic tables with UNION ALL can use incremental refresh instead of full refresh, reducing compute cost.
2025年2月	Increased MAX_CLUSTER_COUNT limits for multi-cluster warehouses and scaling policies that add or remove more than one cluster at a time.	More elastic scaling for high-concurrency workloads, improving throughput under load.
2025年2月	タスクで最短10秒ごとの頻度で実行をスケジュールできるようになります。	スケジュールされているタスクの実行間隔を短縮します。
January 2025	Optimized COPY and INSERT bulk loads on empty hybrid tables (General availability).	Empty hybrid tables can use the same optimized bulk loading execution model for `COPY` and `INSERT ... SELECT` that was already used for `CREATE HYBRID TABLE ... AS SELECT`.