2025년도 성능 개선 사항¶

2025년 11월

LIMIT 절이 있는 쿼리를 가속화할 수 있는 시점을 지능적으로 결정하기 위해 :doc:`Query Acceleration Service(QAS)</user-guide/query-acceleration-service>`를 개선했습니다.

이제 LIMIT 절이 있는 더 많은 쿼리(ORDER BY 절이 없는 쿼리 포함)를 가속화할 수 있습니다. QAS는 이러한 쿼리를 가속화하면 성능이 향상되는 시점을 자동으로 결정하여 QAS의 이점을 활용하는 쿼리의 범위를 확대합니다.

2025년 11월

그룹화 작업 중에 더 빠르고 정확한 추정을 위해 확률적 데이터 구조를 사용하는 쿼리 최적화 프로그램의 카디널리티 추정을 개선했습니다.

컴파일 시간을 단축하고 그룹화 선택성 추정을 개선하여 쿼리 계획을 향상합니다. 특히 복잡한 그룹화 및 집계 패턴이 있는 쿼리에 유용합니다.

2025년 10월

:ref:`Snowsight에서 제공되는 쿼리 성능에 대한 인사이트<label-query_insights_viewing>`(일반 공급)입니다.

이러한 :doc:`쿼리 인사이트</user-guide/query-insights>`를 사용하여 성능을 개선할 수 있는 쿼리를 식별할 수 있습니다.

2025년 10월

빌드 측 데이터 분포를 효과적으로 나타내는 더 큰 근사 구조를 사용하여 숫자 열에 대한 프로브 측 조인 정리를 개선했습니다.

관련성이 더 적은 데이터 파일을 건너뛰어 I/O 및 실행 시간을 줄임으로써 조인 쿼리의 성능을 개선합니다. 특히 클러스터링되거나 카디널리티가 낮은 빌드 측과 조인 시 유용합니다.

2025년 10월

윈도우 함수 계산 전에 필터를 적용할 수 있도록 윈도우 함수를 통한 필터 푸시다운을 개선했습니다.

윈도우 함수가 이전에 필터 푸시다운을 차단한 쿼리의 실행 시간을 개선하여 윈도우 작업에서 처리되는 데이터의 양을 줄입니다.

2025년 10월

비용 기반 최적화를 사용하여 조인 순서를 개선했습니다. 이제 최적화 프로그램은 여러 조인이 있는 쿼리에 대한 비용 모델을 사용하여 조인 순서 대안을 평가합니다.

여러 조인이 있는 복잡한 쿼리의 쿼리 실행 시간을 개선합니다. 이전에 조인 순서가 차선이었던 쿼리의 성능이 크게 향상될 수 있습니다.

2025년 10월

간단한 산술 식이 포함된 집계를 단순화하여 테이블 스캔 축소 등 추가적인 최적화를 지원합니다.

계산된 식에 대한 집계가 포함된 쿼리의 실행 시간을 개선합니다.

2025년 9월

보다 효율적인 워크로드 분산.

사용자 개입 없이 웨어하우스의 노드 전체에서 워크로드를 감지하고 적응형으로 재분배하여 쿼리 실행 시간을 개선합니다.

2025년 9월

외부 조인 경계에 걸쳐 필터 조건을 전파하도록 조건자 파생을 개선했습니다.

쿼리 계획 초기에 필터를 적용하여 후속 작업에서 처리되는 데이터의 양을 줄여 외부 조인이 있는 쿼리의 성능을 개선합니다.

2025년 8월

statements.관련성이 없는 데이터를 조기에 제거하는 필터를 개선하여 메모리나 저장소에 버퍼링해야 하는 데이터의 양을 줄입니다. 이러한 필터는 하위 쿼리나 공통 테이블 표현식(CTE)에 사용되기 전에 처리되는 데이터 양을 줄입니다.

쿼리 계획의 다양한 부분에서 동일한 데이터가 필요한, 복잡한 쿼리의 쿼리 성능을 개선합니다. 후속 필터 작업이 더 효율적으로 이루어지므로 시간과 컴퓨팅 리소스가 절약됩니다.

2025년 8월

쿼리 실행 중 왜곡된 데이터의 적응형 재분배를 수행합니다. 이제 Snowflake는 조인 중에 데이터가 처리 노드 전체에 고르지 않게 분산되는 시점을 감지하고 작업을 자동으로 재분배하여 병목 현상을 방지합니다. SELECT 및 DML 작업 모두에 적용됩니다.

조인 작업 중에 데이터 왜곡이 발생하는 쿼리 및 DML 작업의 실행 시간을 개선합니다. 워크로드 전반에 걸쳐 광범위하게 적용됩니다.

2025년 7월

예상보다 높은 필터 조건을 전파하기 위해 조건자 파생을 개선하여 다운스트림 작업을 위한 추가 파생 필터를 생성합니다.

더 많은 필터를 조기에 파생하여 필터링된 조인 위에 프로젝션이 있는 쿼리의 실행 시간을 개선합니다.

2025년 7월

해시 조인에서 프로브 측 왜곡 처리를 개선하여 더 많은 쿼리 패턴으로 적용 범위를 확장했습니다.

조인 작업 중에 프로브 측 데이터 왜곡이 발생하는 쿼리의 실행 시간을 개선합니다.

2025년 7월

파생된 필터 조건자에 대한 선택성 추정을 개선하여 조인 순서 결정을 향상합니다.

최적화 프로그램에 보다 정확한 비용 추정치를 제공하여 파생된 조건자가 있는 쿼리의 실행 시간을 개선합니다.

2025년 6월

경계 상자 필터링을 사용하여 지리 공간 조건자가 있는 쿼리에 대한 런타임 정리를 수행합니다.

공간 교차를 기반으로 마이크로 파티션을 정리하여 스캔 볼륨을 줄임으로써 지리 공간 쿼리의 성능을 개선합니다.

2025년 6월

외부 조인에 대한 블룸 필터 파생을 개선하여 이전에는 불가능했던 null 확장 측에서 조기에 필터링할 수 있습니다.

조기에 데이터 제거를 활성화하여 외부 조인에 병목 현상이 발생하는 쿼리의 실행 시간을 개선합니다.

2025년 6월

함수 종속성 분석을 기반으로 하는 DML 작업에서 불필요한 그룹화 열을 제거하여 실행을 가속화합니다.

중복 열이 포함된 GROUP BY 절이 있는 DML 작업의 실행 시간을 개선합니다.

2025년 5월

RANK 또는 ROW_NUMBER 순위 지정 윈도우 함수가 있는 최상위 QUALIFY 절을 포함하는 동적 테이블 새로 고침의 성능이 개선되었습니다(특히 순위 값이 1인 경우).

이제 QUALIFY RANK() = 1 또는 ROW_NUMBER = 1 을 사용하는 동적 테이블이 더 빠르게 새로 고쳐져 일반적인 중복 제거 및 상위 N 사용 사례의 성능이 향상됩니다.

2025년 5월

ROW_NUMBER = 1 필터링 패턴이 있는 윈도우 함수에 대한 보다 정확한 카디널리티 추정을 통해 조인 순서 결정을 개선할 수 있습니다.

최적화 프로그램에 효과적인 카디널리티 추정치를 제공하여 일반적인 중복 제거 패턴을 사용하는 쿼리의 실행 시간을 개선합니다.

2025년 4월

Query Acceleration Service (QAS) 의 적용 범위를 더 많은 쿼리로 확대합니다.

QAS 에서 쿼리가 가속의 혜택을 받을 수 있는지 여부를 판단하는 데 사용하는 휴리스틱을 개선합니다. 결과적으로 더 많은 쿼리가 QAS 에 의해 가속을 받을 수 있습니다.

2025년 4월

함수를 통한 추출 푸시다운을 개선하여 하위 열에 대한 스캔 및 메타데이터를 보다 효율적으로 사용할 수 있습니다.

함수 식을 통해 하위 열을 추출하는 쿼리의 실행 시간을 개선합니다.

2025년 3월

왼쪽 외부 조인을 사용하는 증분 새로 고침 모드를 사용하는 동적 테이블의 성능을 개선합니다.

1개 이상의 왼쪽 외부 조인을 포함하는 동적 테이블에 대해 더 빠른 증분 새로 고침 성능을 제공합니다. 워크로드에 따라 성능이 크게 향상될 수 있습니다.

2025년 2월

작업 을 10초마다 실행되도록 예약할 수 있습니다.

예약된 작업 실행 사이에 필요한 시간을 단축합니다.