Snowpark에 최적화된 웨어하우스

이 항목에서는 표준 Snowflake 가상 웨어하우스와 비교하여 노드당 16배 메모리를 제공하는 Snowpark에 최적화된 웨어하우스를 만들고 사용하는 방법에 대해 설명합니다.

이 항목의 내용:

Snowpark에 최적화된 웨어하우스를 사용하는 경우

Snowpark 워크로드는 표준 웨어하우스와 Snowpark에 최적화된 웨어하우스에서 모두 실행할 수 있습니다. Snowpark에 최적화된 웨어하우스는 단일 가상 웨어하우스 노드에서 저장 프로시저 를 사용하는 ML 학습 사용 사례와 같이 대량 메모리 요구 사항이 있는 워크로드에 권장됩니다. Snowpark에 최적화된 가상 웨어하우스를 처음 만들고 재개하는 시간이 표준 웨어하우스보다 더 오래 걸릴 수 있습니다. 또한 UDF 또는 UDTF 를 활용하는 Snowpark 워크로드도 Snowpark에 최적화된 웨어하우스의 이점을 누릴 수 있습니다.

Snowpark에 최적화된 웨어하우스 만들기

CREATE WAREHOUSE 명령에서 warehouse_type 속성을 사용하여 새로운 Snowpark 최적화 웨어하우스를 생성합니다.

Snowpark에 최적화된 새 웨어하우스 snowpark_opt_wh 만들기:

CREATE OR REPLACE WAREHOUSE snowpark_opt_wh WITH
  WAREHOUSE_SIZE = 'MEDIUM'
  WAREHOUSE_TYPE = 'SNOWPARK-OPTIMIZED';
Copy

Snowpark UDF 또는 저장 프로시저를 실행할 때 CPU 및 메모리 리소스를 최대화하려면 CREATE WAREHOUSE 또는 ALTER WAREHOUSE 명령을 사용할 때 웨어하우스에 대한 MAX_CONCURRENCY_LEVEL 매개 변수를 설정하십시오. 예:

alter warehouse snowpark_opt_wh set max_concurrency_level = 1;
Copy

웨어하우스의 컴퓨팅 리소스가 완전히 프로비저닝되었는지 확인하려면 SHOW WAREHOUSES 를 사용하여 state 를 확인하십시오.

Snowpark에 최적화된 웨어하우스 속성 수정하기

ALTER WAREHOUSE 명령을 사용하여 웨어하우스 유형을 포함한 웨어하우스 속성을 수정할 수 있습니다.

참고

ALTER WAREHOUSE 명령을 사용한 웨어하우스 유형 변경은 SUSPENDED 상태인 웨어하우스에만 지원됩니다. 웨어하우스를 일시 중단한 후 warehouse_type 속성을 변경하려면 다음 문을 실행하십시오.

ALTER WAREHOUSE snowpark_opt_wh SUSPEND;
Copy

Snowpark Python 저장 프로시저를 사용하여 ML 학습 워크로드 실행하기

머신 러닝 모델과 Snowpark Python에 대한 자세한 내용은 Snowpark Python으로 머신 러닝 모델 학습시키기 섹션을 참조하십시오.

Snowpark에 최적화된 웨어하우스에 대한 요금 청구하기

다음 표에는 웨어하우스 크기를 기준으로 Snowpark에 최적화된 가상 웨어하우스에 대해 시간당 청구되는 Snowflake 크레딧이 표시됩니다. Snowpark에 최적화된 웨어하우스는 X-SMALL 또는 SMALL 웨어하우스 크기에서 지원되지 않습니다.

가상 웨어하우스 크레딧 사용에 대한 자세한 내용은 가상 웨어하우스 크레딧 사용 섹션을 참조하십시오.

X-Small

Small

Medium

Large

X-Large

2X-Large

3X-Large

4X-Large

5X-Large

6X-Large

크레딧/시간

해당 없음

해당 없음

6

12

24

48

96

192

384

768

리전 가용성

Snowpark에 최적화된 웨어하우스는 AWS, Azure, Google Cloud의 모든 리전에서 사용할 수 있습니다.