9.21 릴리스 정보: 2025년 7월 29일~8월 1일¶

GENERATE_SYNTHETIC_DATA: 이제 대부분의 경우 일관성 시크릿이 선택 사항임¶

이전에는 열 바꾸기 속성을 사용하여 :doc:`/sql-reference/stored-procedures/generate_synthetic_data`를 호출할 때 ``consistency_secret``에 대해 SECRET을 제공해야 했습니다. 이 변경으로, ``consistency_secret``은 이제 선택 사항입니다. 하지만 소유자 권한 저장 프로시저에서 GENERATE_SYNTHETIC_DATA를 실행하는 경우 여전히 ``consistency_secret``에 대해 값을 제공해야 합니다.

Account Usage: TABLE_QUERY_PRUNING_HISTORY 및 COLUMN_QUERY_PRUNING_HISTORY 뷰(일반 공급)¶

두 개의 새로운 Account Usage 뷰를 쿼리하여 테이블 및 열 수준에서 데이터 액세스 패턴을 모니터링할 수 있습니다.

• :doc:`TABLE_QUERY_PRUNING_HISTORY </sql-reference/account-usage/table_query_pruning_history>`는 테이블, 쿼리-해시 및 웨어하우스별로 쿼리 실행 시간 및 정리에 대한 분석을 제공합니다.

• :doc:`COLUMN_QUERY_PRUNING_HISTORY </sql-reference/account-usage/column_query_pruning_history>`는 열 이름을 기준으로 집계된 동급 정리 요약을 반환합니다.

SEARCH_IP 함수에서 IPv6 주소에 대한 검색 지원¶

데이터에서 IPv6 주소를 검색하기 위해 SEARCH_IP 함수를 사용할 수 있습니다. 이전에는 이 함수가 IPv4 주소 검색만 지원했습니다.

자세한 내용은 SEARCH_IP 섹션을 참조하십시오.

의미 체계 뷰의 YAML 생성 및 YAML에서 의미 체계 뷰 만들기¶

의미 체계 뷰에 대해 :ref:`YAML 사양<label-cortex_analyst_yaml>`을 생성하려면 경우 SYSTEM$READ_YAML_FROM_SEMANTIC_VIEW 함수를 호출할 수 있습니다. 예:

SELECT SYSTEM$READ_YAML_FROM_SEMANTIC_VIEW(
  'my_db.my_schema.tpch_rev_analysis'
);

SYSTEM$CREATE_SEMANTIC_VIEW_FROM_YAML 저장 프로시저를 호출하여 YAML 사양에서 의미 체계 뷰를 만들 수도 있습니다. 예:

CALL SYSTEM$CREATE_SEMANTIC_VIEW_FROM_YAML(
  'my_db.my_schema',
  $$
  name: TPCH_REV_ANALYSIS
  description: Semantic view for revenue analysis
  ...
  $$
);

자세한 내용은 다음 섹션을 참조하십시오.

• SYSTEM$READ_YAML_FROM_SEMANTIC_VIEW

• SYSTEM$CREATE_SEMANTIC_VIEW_FROM_YAML

간소화된 Snowpipe 가격 책정¶

2025년 8월 1일부터 모든 Business Critical 및 VPS 계정에 대해 Snowpipe의 간소화된 새 가격 책정 모델을 롤아웃하고 있습니다. 초당/코어당 컴퓨팅 요금과 1,000개 파일당 요금 대신, 이제 수집된 데이터의 GB(기가바이트)당 고정 크레딧 금액이 부과됩니다. 이 변경으로 데이터 수집 비용에 대한 예측 가능성이 향상되었습니다.

• 텍스트 파일(예: CSV, JSON)은 압축되지 않은 크기에 따라 요금이 청구됩니다.

• 바이너리 파일(예: Parquet, Avro)은 관찰된 크기에 따라 요금이 청구됩니다.

이 새 모델은 모든 Business Critical 및 VPS 계정에 자동으로 적용됩니다. Enterprise 및 Standard 에디션은 향후에 업데이트될 예정입니다.

자세한 내용은 Snowflake Service Consumption Table 및 Snowpipe 비용 섹션을 참조하세요.

Spark용 Snowpark Connect 및 Snowpark Submit(미리 보기)¶

Spark용 Snowpark Connect를 사용하면 현재 사용하는 것과 동일한 Spark 코드를 사용하여 Snowflake 플랫폼에서 직접 Spark DataFrame, SQL 및 UDF APIs를 실행할 수 있습니다. Snowflake Notebook, Jupyter Notebook 등과 같은 클라이언트 도구를 사용하여 개발할 수 있습니다. Snowpark Submit을 사용하면 익숙한 Spark 의미 체계를 사용하면서 Snowflake의 인프라에서 직접 비대화형 비동기 방식으로 Spark 워크로드를 실행할 수 있습니다.

Spark용 Snowpark Connect 및 Snowpark Submit은 :doc:`미리 보기</release-notes/preview-features>`로 제공됩니다.

자세한 내용은 |spconnect|를 사용하여 Snowflake에서 Spark 워크로드 실행하기 섹션을 참조하십시오.