2026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。

2026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
2026年4月	TIMESTAMP_TZ データ型を使用した式のランタイムプルーニングを改善しました。Snowflakeは、タイムスタンプベースのフィルター述語に対して、マイクロパーティションをより効率的にプルーニングするようになりました。	非常に多くの無関係なマイクロパーティションをスキップすることで、タイムスタンプフィルターを使用した時系列クエリのパフォーマンスを改善し、I/Oと実行時間を短縮しています。
2026年4月	ハッシュ結合におけるスキュー処理の改善を継続し、不均等に分散されたデータからの処理のボトルネックをさらに削減しました。	ウェアハウスの構成に基づいて再分配を動的に調整することで、データスキューのある結合クエリの実行時間を改善しています。
2026年4月	Performance Explorer now applies granular access control, aligning visibility with your privileges on warehouses, databases, and Snowflake database roles.	More users can access Performance Explorer to identify and troubleshoot slow queries without requiring ACCOUNTADMIN privileges.
2026年4月	Dynamic table refresh boundaries with `DYNAMIC_TABLE_REFRESH_BOUNDARY()`. Decouples upstream and downstream dynamic table refreshes so each pipeline refreshes independently.	Avoids unnecessary cascaded refreshes, reducing compute cost and refresh latency for multi-stage dynamic table pipelines.
2026年3月	Task graph overlap policy. Tasks support `ALLOW_CHILD_OVERLAP` and `ALLOW_ALL_OVERLAP` policies that permit concurrent graph runs.	Increases throughput for task-based data pipelines by allowing parallel execution instead of serial-only scheduling.
2026年3月	クエリアクセラレーションサービス（ QAS ）によって高速化されたクエリの並列スキャンを強化しました。	スキャン操作中により多くの並列I/Oを有効にすることにより、 QAS によって高速化されたクエリの実行時間を改善しています。
2026年3月	Cortex Search updates (General availability): Multi-index search and search service selection for agents, reducing latency and cost by querying one service instead of all.	Lower search latency and cost for Cortex Search-based applications and agents.
2026年3月	Dynamic table `SCHEDULER` attribute (General availability). Set `SCHEDULER = DISABLE` for manual-only refresh; manual refreshes don't cascade through the pipeline.	Reduces unnecessary refresh compute when external orchestrators (such as dbt) control refresh timing.
2026年3月	MIN_BY and MAX_BY functions are supported with dynamic table incremental refresh (General availability).	More dynamic table pipelines can stay on incremental refresh instead of falling back to less efficient full refresh paths.
2026年3月	実行計画に基づいてネットワークメッセージのサイズを動的に調整し、処理ノード間のデータ転送を最適化しています。	ネットワークオーバーヘッドを削減することにより、インタラクティブでレイテンシの影響を受けるワークロードの実行時間を改善しています。特に、短期間実行されているクエリと同時実行性の高いシナリオに役立ちます。
2026年3月	スキャンセットの構築を改善し、並列クエリ実行時のロックコンテンションを削減しています。	特に同時実行性の高い大規模なウェアハウスで、スキャン負荷の高いクエリの実行時間を改善しています。並列スキャン調整時の CPU オーバーヘッドを削減しています。
2026年3月	共通テーブル式（ CTEs ）が存在する場合、クエリプランの早期に集約をプッシュする機会を特定しています。	クエリプランの後のステージで処理されるデータの量を削減することによって、 CTEs を持つ複雑なクエリの実行時間を改善しています。
2026年3月	ビュー列を介した抽出プッシュダウンを改善し、ビューを介してアクセスされる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。	ビューを介してサブ列にアクセスするクエリの実行時間を改善しています。
2026年2月	Cortex Code CLI query optimizer skill (General availability). Use natural language to get AI-driven query optimization recommendations.	Helps users identify and fix slow queries by providing optimization suggestions through the Cortex Code command-line interface.
2026年2月	ファイルプルーナーのパフォーマンスを改善し、多数のファイルをスキャンするクエリにおけるファイルごとのプルーニングオーバーヘッドを削減しています。	特に多くのマイクロパーティションを含むテーブルをスキャンするクエリについて、コンパイルおよび実行中のプルーニング決定を高速化しています。
2026年2月	より多くのクエリパターンのために、範囲ベースのマイクロパーティションプルーニングを改善しました。	より多くの無関係なマイクロパーティションをスキップすることにより、範囲述語を使用するクエリのコンパイルと実行時間の両方を短縮しています。
2026年2月	データが単一のサーバーノードに収まる場合はより効率的な集約処理が行われ、不要な分散処理オーバーヘッドが回避されます。	データ量が分散計算を必要としない集約クエリのパフォーマンスを改善しています。
2026年1月	AI_FILTER (General availability). Includes query-engine optimization that routes qualifying AI_FILTER patterns through optimized execution paths.	Up to 2-10x speedup and approximately 60% lower token usage on suitable queries.
2026年1月	AI_AGG and AI_SUMMARIZE_AGG (General availability). Set-based AI aggregation functions that process groups natively instead of row-by-row AI_COMPLETE calls.	Up to approximately 2x throughput for large aggregation workloads compared to equivalent row-wise AI_COMPLETE patterns.
2026年1月	Search optimization: Support for structured data types. Search optimization can improve performance of point lookup and substring queries on ARRAY, OBJECT, and MAP columns on standard and Apache Iceberg™ tables.	Improves query performance for queries that filter on structured data columns.
2026年1月	Snowflake Optima Metadata により改善されたクエリパフォーマンス、これはワークロードパターンを継続的に分析し、メタデータを作成して、未使用のマイクロパーティションのプルーニングを最適化します。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。	より効率的なプルーニングのためのメタデータを作成することにより、クエリのパフォーマンスが改善されます。
2026年1月	不等式述語を使用する結合クエリのプルーニングを改善しました。たとえば、次の結合クエリは不等式述語で `>` 演算子を使用します。 SELECT * FROM employees e, managers m WHERE e.employee_id = m.employee_id AND e.salary > m.salary AND m.level = 'M5'; このクエリの場合、Snowflakeは、すべての給与が最低位の `M5` マネージャーの給与未満である `employees` テーブルからマイクロパーティションをプルーニングします。	不等式述語を含む結合クエリのパフォーマンスを改善します。
2026年1月	PARSE_JSON 操作の JSON 解析を高速化しました。	JSON データを解析するクエリの実行時間を改善しています。JSON 処理が多いクエリは大幅な高速化が期待できます。
2026年1月	コンパイルプロセス全体で簡潔なフォームを維持することで、深くネストされた CASE 式を含むクエリのコンパイルパフォーマンスを改善しています。	大規模な CASE 式（特に多くのブランチを含む式）を使用するクエリのコンパイル時間を短縮しています。