Account Usage¶

例: ユーザーログイン測定¶

ユーザーによるログイン失敗の試行間の平均秒数（今月）：

CopyExpand

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;

Show lessSee more

Scroll to top

ユーザーによるログインの失敗（月次累計）:

CopyExpand

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;

Show lessSee more

Scroll to top

ユーザーおよび接続クライアントによるログインの失敗（月次累計）:

CopyExpand

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;

Show lessSee more

Scroll to top

例: ウェアハウスのパフォーマンス¶

このクエリは、1日の間に15分の時間間隔でスループットや遅延などの仮想ウェアハウスのパフォーマンスメトリックを計算します。

以下のコードサンプルでは、 CURRENT_WAREHOUSE() をウェアハウスの名前に置き換えて、そのウェアハウスのメトリックを計算できます。さらに、 WITH 句の time_from と time_to の日付を変更して、期間を指定します。

CopyExpand

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;

Show lessSee more

Scroll to top

注釈

さまざまなステートメントタイプを個別に分析します（例: INSERT または DELETE または他のステートメントから独立した SELECT ステートメント）。

• NUMJOBS 値は、その時間間隔のスループットを表します。

• P50_TOTAL_DURATION （中央値）とP95_TOTAL_DURATION （ピーク）の値は待機時間を表します。

• SUM_TOTAL_DURATION は、さまざまなジョブステージ（COMPILATION_AND_SCHEDULING、QUEUED、BLOCKED、EXECUTION）の SUM_<ジョブステージ>_TIME 値の合計です。

• ロード（NUMJOBS）が増加したときに、<ジョブステージ>_RATIO の値を分析します。比率の変化または平均からの偏差を探します。

• QUEUED_RATIO が高い場合は、ウェアハウスの容量が不足する可能性があります。クラスターを追加するか、ウェアハウスのサイズを増やします。

例: ウェアハウスのクレジット使用状況¶

アカウントの各ウェアハウスで使用されているクレジット（今月）：

CopyExpand

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;

Show lessSee more

Scroll to top

アカウント内の各ウェアハウスで経時的に使用されたクレジット（今月）：

CopyExpand

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;

Show lessSee more

Scroll to top

例: データストレージの使用量¶

アカウントに経時的に保存される請求可能なテラバイト：

CopyExpand

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;

Show lessSee more

Scroll to top

例: ユーザークエリの合計と実行時間¶

アカウントで実行されたジョブの合計（今月）：

CopyExpand

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

Show lessSee more

Scroll to top

アカウントの各ウェアハウスで実行されたジョブの合計（月次累計）:

CopyExpand

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;

Show lessSee more

Scroll to top

ユーザーごとの平均クエリ実行時間（月次累計）:

CopyExpand

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;

Show lessSee more

Scroll to top

クエリタイプおよびウェアハウスサイズごとの平均クエリ実行時間（今月）：

CopyExpand

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;

Show lessSee more

Scroll to top

例: すべてのログインイベントのクエリ数を取得する¶

LOGIN_HISTORY、 QUERY_HISTORY、および SESSIONS の列を結合して、各ユーザーログインイベントのクエリ数を取得します。

注釈

SESSIONS ビューは、2020年7月20～21日以降の情報を記録します。したがって、クエリ結果には、この日付から始まる3つのビューのそれぞれで重複する情報のみが含まれます。

CopyExpand

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
;

Show lessSee more

Scroll to top