モニター活動¶

クエリの詳細¶

Query Details tab では、クエリの結果と追加情報が提供されます。 Query Details tab は、クエリページのデフォルトのタブです。 Query Details tab では、次のセクションが提供されます。

• Details

• SQL Text

• Results

Details セクションでは、クエリの実行に関する、次のような追加情報が提供されます。

• クエリのステータス。

• クエリの開始時。

• クエリの終了時。

• クエリの期間。

• クエリ ID。

• セッション ID。

• ドライバーのステータス。

• クライアントドライバー。

SQL Text セクションでは、クエリの実際のテキストが提供されます。SQL テキストにカーソルを合わせてワークシートでテキストを開くか、テキストをコピーします。

Results セクションでは、クエリの結果が提供されます。結果を.csvファイルとしてエクスポートするには、 Export Query を選択します。

クエリプロファイル¶

Query Profile タブでは、クエリ実行プランを調べて、実行の各ステップに関する詳細を理解できます。

クエリプロファイルは、クエリのメカニズムを理解するための強力なツールです。特定のクエリのパフォーマンスや動作について詳細を知りたい場合は、いつでも使用できます。SQL クエリ式の典型的な間違いを見つけて、潜在的なパフォーマンスのボトルネックと改善の機会を特定できるように設計されています。

このセクションでは、クエリプロファイルのナビゲーションと使用方法の概要を提供します。

• クエリ実行プラン

• 演算子ツリー

• クエリプロファイルナビゲーション

• 情報ペイン

インターフェイス	説明
クエリ実行プラン	クエリ実行プランは、クエリプロファイルの中央に表示されます。 クエリ実行プランは、行セット演算子を表す演算子ノードで構成されています。 演算子ノード間の矢印は、ある演算子から出て別の演算子に流れる行セットを示します。
演算子ノード	各オペレーターノードには、次が含まれます。 演算子型と ID 番号。 この演算子の実行に使用された時間。クエリ期間のパーセンテージとして表されます。 演算子の詳細のプレビュー。たとえば、テーブルの名前や式のリスト。
クエリプロファイルナビゲーション	クエリプロファイルの左上隅にあるボタンを使用して、次を実行します。 実行ステップ間を移動します。 クエリ実行プランをウィンドウのサイズに合わせます。 クエリ実行プランをズームインおよびズームアウトします。 注釈 ステップは、クエリがステップで実行された場合にのみ表示されます。
情報ペイン	クエリプロファイルでは、さまざまな情報ペインが提供されます。ペインは、クエリ実行プランに表示されます。表示されるペインは、クエリ実行プランの焦点によって異なります。 クエリプロファイルには、次の情報ペインが含まれています。 Profile Overview Statistics Most Expensive Nodes Attributes ペインによって提供される情報の詳細については、 クエリ履歴リファレンス をご参照ください。

プロファイル概要¶

ペインは、どの処理タスクがクエリ時間を消費したかについての情報を提供します。実行時間は、クエリの処理中に「時間が費やされた場所」に関する情報を提供します。費やした時間は、次のカテゴリに分類できます。

• Processing --- CPU によるデータ処理に費やされた時間。

• Local Disk IO ---ローカルディスクアクセスによって処理がブロックされた時間。

• Remote Disk IO ---処理がリモートディスクアクセスによってブロックされた時間。

• Network Communication ---処理がネットワークデータ転送を待機していた時間。

• Synchronization ---参加しているプロセス間のさまざまな同期アクティビティ。

• Initialization --- クエリ処理の設定にかかった時間。

統計¶

詳細ペインで提供される主な情報源は、次のセクションにグループ化されたさまざまな統計です。

• IO --- クエリ中に実行される入出力操作に関する情報。

  • Scan progress ---これまでに特定のテーブルについてスキャンされたデータの割合。

  • Bytes scanned ---これまでにスキャンされたバイト数。

  • Percentage scanned from cache ---ローカルディスクキャッシュからスキャンされたデータの割合。

  • Bytes written ---書き込まれたバイト数（例: テーブルへのロード時）。

  • Bytes written to result --- 結果オブジェクトに書き込まれたバイト数。たとえば、 select * from . . . は、選択範囲の各フィールドを表す表形式の結果のセットを生成します。一般に、結果オブジェクトは、なんであれクエリの結果として生成されるものを表し、 Bytes written to result は、返される結果のサイズを表します。

  • Bytes read from result --- 結果オブジェクトから読み取ったバイト数。

  • External bytes scanned ---ステージなどの外部オブジェクトから読み取ったバイト数。

• DML ---データ操作言語（DML）クエリの統計：

  • Number of rows inserted ---1つまたは複数のテーブルに挿入された行の数。

  • Number of rows updated ---テーブルで更新された行の数。

  • Number of rows deleted ---テーブルから削除された行の数。

  • Number of rows unloaded ---データのエクスポート中にアンロードされた行の数。

• Pruning ---テーブルのプルーニングの影響に関する情報：

  • Partitions scanned ---これまでにスキャンされたパーティションの数。

  • Partitions total ---特定のテーブル内のパーティションの総数。

• Spilling ---中間結果がメモリに収まらない操作のディスク使用量に関する情報：

  • Bytes spilled to local storage ---ローカルディスクに流出したデータの量。

  • Bytes spilled to remote storage ---リモートディスクに流出したデータの量。

• Network ---ネットワーク通信：

  • Bytes sent over the network --- ネットワーク経由で送信されたデータの量。

• External Functions --- 外部関数の呼び出しに関する情報。

  次の統計は、 SQL ステートメントによって呼び出される各外部関数について表示されます。同じ SQL ステートメントから同じ関数が複数回呼び出された場合は、統計が集計されます。

  • Total invocations --- 外部関数が呼び出された回数。（行が分割されるバッチの数、再試行の数（一時的なネットワークの問題がある場合）などにより、 SQL ステートメントのテキスト内にある外部関数呼び出しの数とは異なる場合がある。）

  • Rows sent --- 外部関数に送信された行数。

  • Rows received --- 外部関数から受信した行数。

  • Bytes sent (x-region) --- 外部関数に送信されたバイト数。ラベルに「（x地域）」が含まれている場合、データは複数の地域に送信されています（請求に影響する可能性あり）。

  • Bytes received (x-region) --- 外部関数から受信したバイト数。ラベルに「（x地域）」が含まれている場合、データは複数の地域に送信されています（請求に影響する可能性あり）。

  • Retries due to transient errors --- 一時的なエラーによる再試行の数。

  • Average latency per call --- Snowflakeがデータを送信してから返されたデータを受信するまでの呼び出し（コール）あたりの平均時間。

  • HTTP 4xx errors --- 4xxステータスコードを返した HTTP リクエストの合計数。

  • HTTP 5xx errors --- 5xxステータスコードを返した HTTP リクエストの合計数。

  • Latency per successful call (avg) --- 成功した HTTP リクエストの遅延平均。

  • Avg throttle latency overhead --- スロットリングが原因の速度低下による、成功したリクエストごとの平均オーバーヘッド（HTTP 429）。

  • Batches retried due to throttling --- HTTP 429エラーが原因で再試行されたバッチの数。

  • Latency per successful call (P50) --- 成功した HTTP リクエストの遅延の50パーセンタイル値。成功したすべてのリクエストの50%で、完了までにかかった時間がこの時間未満。

  • Latency per successful call (P90) --- 成功した HTTP リクエストの遅延の90パーセンタイル値。成功したすべてのリクエストの90%で、完了までにかかった時間がこの時間未満。

  • Latency per successful call (P95) --- 成功した HTTP リクエストの遅延の95パーセンタイル値。成功したすべてのリクエストの95%で、完了までにかかった時間がこの時間未満。

  • Latency per successful call (P99) --- 成功した HTTP リクエストの遅延の99パーセンタイル値。成功したすべてのリクエストの99%で、完了までにかかった時間がこの時間未満。

• Extenstion Functions --- 拡張関数の呼び出しに関する情報。

  • Java UDF handler load time --- Java UDF ハンドラーのロードにかかった時間。

  • Total Java UDF handler invocations --- Java UDF ハンドラーが呼び出された回数。

  • Max Java UDF handler execution time --- Java UDF ハンドラーの実行にかかった最大時間。

  • Avg Java UDF handler execution time --- Java UDF ハンドラーの実行にかかった平均時間。

  • Java UDTF process() invocations --- Java UDTF プロセスメソッド が呼び出された回数。

  • Java UDTF process() execution time --- Java UDTF プロセスの実行にかかった時間。

  • Avg Java UDTF process() execution time --- Java UDTF プロセスの実行にかかった平均時間。

  • Java UDTF's constructor invocations --- Java UDTF コンストラクター が呼び出された回数。

  • Java UDTF's constructor execution time --- Java UDTF コンストラクターの実行にかかった時間。

  • Avg Java UDTF's constructor execution time --- Java UDTF コンストラクターの実行にかかった平均時間。

  • Java UDTF endPartition() invocations --- Java UDTF endPartitionメソッド が呼び出された回数。

  • Java UDTF endPartition() execution time --- Java UDTF endPartitionメソッドの実行にかかった時間。

  • Avg Java UDTF endPartition() execution time --- Java UDTF endPartition メソッドの実行にかかった平均時間。

  • Max Java UDF dependency download time --- Java UDF 依存関係のダウンロードにかかった最大時間。

  • Max JVM memory usage --- JVM によって報告されたピークメモリ使用量。

  • Java UDF inline code compile time in ms --- Java UDF インラインコードをコンパイルする時間。

  • Total Python UDF handler invocations --- Python UDF ハンドラーが呼び出された回数。

  • Total Python UDF handler execution time --- Python UDF ハンドラーの実行にかかった合計時間。

  • Avg Python UDF handler execution time --- Python UDFハンドラーの実行にかかった平均時間。

  • Python sandbox max memory usage --- Pythonサンドボックス環境によるピークメモリ使用量。

  • Avg Python env creation time: Download and install packages --- パッケージのダウンロードとインストールを含む、Python環境の作成にかかった平均時間。

  • Conda solver time --- Pythonパッケージの解決でCondaソルバーの実行にかかった時間。

  • Conda env creation time --- Python環境の作成にかかった時間。

  • Python UDF initialization time --- Python UDF の初期化にかかった時間。

  • Number of external file bytes read for UDFs --- UDFs 用に読み取られた外部ファイルのバイト数。

  • Number of external files accessed for UDFs --- UDFs 用にアクセスした外部ファイル数。

  「一時的なエラーによる再試行」などのフィールドの値がゼロの場合、フィールドは表示されません。

最も高額なノード¶

ペインには、クエリの合計実行時間（またはクエリが複数の処理ステップで実行された場合は、表示されたクエリステップの実行時間）の1％以上持続したすべてのノードがリストされます。ペインには、実行時間の降順でノードがリストされ、ユーザーは実行時間の観点から最もコストの高い演算子ノードをすばやく見つけることができます。

属性¶

次のセクションでは、最も一般的な演算子タイプとその属性のリストを提供します。

「爆発」結合¶

SQL ユーザーのよくある間違いの1つは、結合条件を提供せずにテーブルを結合する（「デカルト積」になる）、または1つのテーブルの記録が、別のテーブルからの記録と複数一致する条件を提供することです。このようなクエリの場合、 Join 演算子は、消費するよりも大幅に（多くの場合、桁違いに）タプルを生成します。

これは、 Join 演算子によって生成された記録の数を調べることで確認できます。通常、 Join 演算子が多くの時間を消費することにも反映されます。

ALL なしの UNION¶

SQL では、2組のデータを UNION または UNION ALL 構造のいずれかと組み合わせることができます。それらの違いは、 UNION ALL は単純に入力を連結するのに対し、 UNION は同じことを行いますが、重複排除も行います。

よくある間違いは、 UNION ALL のセマンティクスで十分な場合に UNION を使用することです。これらのクエリは、クエリプロファイルに UnionAll 演算子として表示され、余分に Aggregate 演算子が追加されます（重複排除を実行します）。

大きすぎてメモリに収まらないクエリ¶

一部の操作（例: 巨大なデータセットの重複排除）では、操作の実行に使用されるサーバーで使用可能なメモリ量が中間結果を保持するのに十分でない場合があります。その結果、クエリ処理エンジンはローカルディスクへのデータの スピル を開始します。ローカルディスクスペースが十分でない場合、スピルしたデータはリモートディスクに保存されます。

このスピルは、クエリのパフォーマンスに大きな影響を与える可能性があります（特に、リモートディスクがスピルに使用される場合）。これを軽減するには、以下をお勧めします：

• より大きなウェアハウスを使用する（操作に使用可能なメモリ/ローカルディスクスペースを効果的に増やす）、または

• 小さいバッチでデータを処理します。

非効率なプルーニング¶

Snowflakeは、データに関する豊富な統計を収集し、クエリフィルターに基づいてテーブルの不要な部分を読み取らないようにします。ただし、これを有効にするには、データストレージの順序をクエリフィルター属性と関連付ける必要があります。

プルーニングの効率は、 TableScan 演算子の スキャンされたパーティション と パーティションの合計 統計を比較することで確認できます。前者が後者のごく一部である場合、プルーニングは効率的です。そうでない場合、プルーニングは効果がありません。

もちろん、プルーニングは、大量のデータを実際にフィルターするクエリにのみ役立ちます。プルーニング統計にデータ削減が示されていないが、 TableScan の上に多数の記録を除外する Filter 演算子がある場合、これはこのクエリに対して異なるデータ編成が有益であることを示す可能性があります。

プルーニングの詳細については、 Snowflakeテーブル構造について をご参照ください。