Melhorias de desempenho de 2025¶

Importante

As melhorias de desempenho geralmente visam padrões de consulta ou cargas de trabalho específicas. Essas melhorias podem ou não ter um impacto material em uma carga de trabalho específica.

As seguintes melhorias de desempenho foram feitas em 2025:


Lançado	Descrição	Impacto
Novembro de 2025	Aprimorado o Serviço de aceleração de consultas (QAS) para determinar de forma inteligente quando as consultas com cláusulas LIMIT podem ser aceleradas.	Mais consultas com cláusulas LIMIT (incluindo aquelas sem ORDER BY) agora estão qualificadas para aceleração. O QAS determina automaticamente quando a aceleração dessas consultas melhora o desempenho, ampliando o escopo das consultas que se beneficiam do QAS.
Novembro de 2025	Estimativa de cardinalidade mais precisa para expressões e funções, levando a melhores decisões de ordenação e distribuição de junções.	Melhora a qualidade do plano de consulta para consultas envolvendo expressões de função em cláusulas de junção ou group-by. Reduz o tempo de execução das consultas afetadas pelas imprecisões das estimativas anteriores.
Novembro de 2025	Estimativa de cardinalidade aprimorada no otimizador de consulta usando estruturas de dados probabilísticas para estimativas mais rápidas e precisas durante as operações de agrupamento.	Reduz o tempo de compilação e melhora a estimativa de seletividade de agrupamento, levando a melhores planos de consulta. Beneficia especialmente as consultas com padrões complexos de agrupamento e agregação.
Novembro de 2025	Pushdown do filtro de Bloom aprimorado, permitindo a eliminação antecipada de dados durante o processamento das consultas SELECT e DML (UPDATE, DELETE, MERGE).	Melhora o tempo de execução das consultas de junção e operações DML aplicando filtros antecipadamente no plano de consulta, o que reduz o volume de dados processados.
Outubro de 2025	Insights sobre o desempenho da consulta fornecidos no Snowsight (Disponibilidade geral).	Você pode usar esses insights de consulta para identificar consultas em que você pode melhorar o desempenho.
Outubro de 2025	Lógica de derivação de predicado aprimorada para aumentar a cobertura da propagação do filtro para mais padrões de consulta, gerando predicados derivados adicionais que permitem a eliminação antecipada de dados.	Melhora o tempo de execução das consultas com padrões de junção e de filtro complexos, propagando mais filtros antecipadamente no plano de consulta.
Outubro de 2025	Melhoria na remoção da junção do lado da sondagem em colunas numéricas usando estruturas de aproximação maiores que representam melhor a distribuição dos dados no lado da criação.	Melhora o desempenho das consultas de junção ignorando arquivos de dados mais irrelevantes, o que reduz o tempo de execução e E/S. Beneficia especialmente as junções com os lados da criação clusterizados ou de baixa cardinalidade.
Outubro de 2025	Simplifica o plano de consulta removendo expressões de agrupamento redundantes com base em dependências funcionais.	Melhora o tempo de execução das consultas que contêm cláusulas GROUP BY com colunas dependentes em termos de função, reduzindo a computação desnecessária.
Outubro de 2025	Pushdown de filtro aprimorado por meio de funções de janela, permitindo que os filtros sejam aplicados antes do cálculo da função de janela.	Melhora o tempo de execução das consultas em que as funções de janela antes bloqueavam o pushdown de filtro, reduzindo o volume de dados processados pela operação da janela.
Outubro de 2025	Deriva predicados de filtro adicionais das principais restrições de junção para permitir a eliminação antecipada de dados. Quando uma chave de junção tem um único valor de constante, esse valor é propagado como um filtro para o lado oposto da junção.	Melhora o desempenho das consultas de junção aplicando filtros derivados antecipadamente, o que reduz os dados processados nas operações subsequentes.
Outubro de 2025	Melhoria na ordenação de junção usando otimização baseada em custos. O otimizador agora avalia alternativas de ordem de junção usando um modelo de custos para consultas com várias junções.	Melhora os tempos de execução das consultas complexas com várias junções. As consultas que antes tinham ordens de junção abaixo do ideal contam com melhorias significativas no desempenho.
Outubro de 2025	Simplificação aprimorada das condições de junção e cláusulas HAVING ao fatorar expressões comuns.	Melhora o tempo de execução das consultas com condições de junção complexas ou cláusulas HAVING que contêm expressões redundantes ou fatoráveis.
Outubro de 2025	Simplifica os agregados que contêm expressões aritméticas simples para permitir otimizações adicionais, incluindo verificações de tabelas reduzidas.	Melhora o tempo de execução das consultas com agregações sobre expressões calculadas.
Outubro de 2025	Melhoria na estimativa de seletividade do predicado LIKE para cálculo de custo mais preciso do plano de consulta.	Melhora as decisões de ordenação de junção e de plano das consultas com predicados LIKE.
Setembro de 2025	Distribuição mais eficiente da carga de trabalho.	Melhora o tempo de execução da consulta, detectando e redistribuindo de forma adaptativa as cargas de trabalho entre os nós do warehouse, sem intervenção do usuário.
Setembro de 2025	Insights sobre o desempenho da consulta fornecidos no Snowsight (Versão preliminar).	Você pode usar esses insights de consulta para identificar consultas em que você pode melhorar o desempenho.
Setembro de 2025	Derivação de predicado aprimorada para propagar condições de filtro por limites de junção externa.	Melhora o desempenho das consultas com junções externas aplicando filtros antecipadamente no plano de consulta, o que reduz o volume de dados processados nas operações subsequentes.
Agosto de 2025	Estimativas NDV mais eficientes e precisas que levam a planos de consulta mais eficazes.	Melhora os tempos de compilação e execução da consulta, especialmente para instruções DML.
Agosto de 2025	Filtros aprimorados que eliminam dados irrelevantes antecipadamente, reduzindo assim o volume de dados que precisa ser armazenado em buffer na memória ou no armazenamento. Esses filtros reduzem a quantidade de dados processados antes de serem utilizados em uma subconsulta ou expressão de tabela comum (CTE).	Melhora o desempenho de consultas complexas em que os mesmos dados são necessários em diferentes partes do plano de consulta. As operações de filtragem subsequentes são mais eficientes, economizando tempo e recursos de computação.
Agosto de 2025	Desempenho de consulta aprimorado com o Snowflake Optima Indexing, que analisa continuamente seus padrões de carga de trabalho e cria e mantém automaticamente os índices de otimização de pesquisa em segundo plano. O Snowflake Optima está disponível apenas em warehouses padrão Snowflake geração 2 (gen2).	Melhora o desempenho das consultas que incluem padrões de predicados seletivos usados com frequência, como consultas repetitivas de pesquisa pontual em uma tabela. Não requer configuração do usuário nem custo adicional.
Agosto de 2025	Redistribuição adaptativa dos dados desviados durante a execução da consulta. O Snowflake agora detecta quando os dados são distribuídos de forma desigual entre os nós de processamento durante as junções e redistribui automaticamente o trabalho para impedir gargalos. Aplica-se às duas operações SELECT e DML.	Melhora o tempo de execução das consultas e operações DML que detectam desvio de dados durante as operações de junção. Aplica-se amplamente às cargas de trabalho.
Julho de 2025	Insights sobre o desempenho da consulta fornecidos no Exibição QUERY_INSIGHTS.	Você pode usar esses insights de consulta para identificar consultas em que você pode melhorar o desempenho.
Julho de 2025	Derivação de predicado aprimorada para propagar as condições de filtro acima das projeções, gerando filtros derivados adicionais para operações downstream.	Melhora o tempo de execução das consultas com projeções acima das junções filtradas, derivando mais filtros antecipadamente.
Julho de 2025	Dobragem de agregação aprimorada para consultas com cláusulas LIMIT, reduzindo verificações de tabelas desnecessárias.	Melhora o desempenho das consultas de agregação com LIMIT ignorando verificações de tabelas completas quando possível.
Julho de 2025	Melhoria no tratamento de desvios do lado da sondagem em junções hash, expandindo a cobertura para mais padrões de consulta.	Melhora o tempo de execução das consultas que detectam desvio de dados no lado da sondagem durante as operações de junção.
Julho de 2025	Execução mais rápida por meio do compartilhamento de fragmentos de planos para evitar computação redundante nas operações DML usando expressões de tabela comuns.	Melhora o tempo de execução das operações DML (INSERT, UPDATE, MERGE) que fazem referência aos mesmos dados várias vezes por meio de CTEs.
Julho de 2025	Estimativa de seletividade aprimorada para predicados de filtros derivados, levando a melhores decisões de ordenação de junção.	Melhora o tempo de execução das consultas com predicados derivados, fornecendo estimativas de custo mais precisas ao otimizador.
Junho de 2025	Expande a cobertura do Serviço de aceleração de consultas (QAS) a tabelas Apache Iceberg™.	O QAS agora pode melhorar o desempenho das consultas em tabelas Iceberg.
Junho de 2025	Remoção do tempo de execução para consultas com predicados geoespaciais usando filtragem de caixa delimitadora.	Melhora o desempenho das consultas geoespaciais removendo micropartições com base na interseção espacial, o que reduz o volume de verificações.
Junho de 2025	Execução mais rápida das consultas com padrões de correspondência de prefixo (cláusulas LIKE) ao reescrever os predicados para remoção mais eficaz.	Melhora o tempo de execução das consultas usando LIKE com padrões de prefixo, permitindo a remoção de micropartições que antes não era possível.
Junho de 2025	Derivação do filtro de Bloom aprimorada para junções externas, permitindo oportunidades de filtragem antecipada no lado estendido de nulos que antes não eram viáveis.	Melhora o tempo de execução das consultas em que as junções externas são um gargalo, permitindo a eliminação antecipada de dados.
Junho de 2025	Exploração mais eficiente do espaço de pesquisa baseada em custos durante a otimização de consultas, reduzindo a sobrecarga do otimizador para consultas complexas.	Melhora o tempo de compilação e de execução das consultas com muitas alternativas de planos possíveis.
Junho de 2025	Execução mais rápida ao remover colunas de agrupamento desnecessárias nas operações DML com base na análise de dependência funcional.	Melhora o tempo de execução das operações DML com cláusulas GROUP BY que contêm colunas redundantes.
Maio de 2025	Atualização da otimização de pesquisa: Suporte para tabelas Apache Iceberg™.	Melhora o desempenho das consultas em tabelas Iceberg.
Maio de 2025	Melhoria de desempenho das atualizações de tabelas dinâmicas que contêm cláusulas QUALIFY de nível superior com funções de janela de classificação RANK ou ROW_NUMBER, especificamente quando o valor da classificação é 1.	As tabelas dinâmicas que usam `QUALIFY RANK() = 1` ou `ROW_NUMBER = 1` agora são atualizadas mais rapidamente, melhorando o desempenho dos casos de uso comuns de desduplicação e top-N.
Maio de 2025	Disponibilidade aprimorada do scanner vetorizado para melhorar o desempenho	Anteriormente, o scanner vetorizado só podia ser usado com configurações específicas de `ON_ERROR` (`ABORT_STATEMENT` ou `SKIP_FILE`). Essa restrição foi removida. Agora, você pode ativar o scanner vetorizado com qualquer opção de `ON_ERROR`, incluindo `CONTINUE`, `SKIP_FILE_num` e `'SKIP_FILE_num%'`. Essa alteração permite que o scanner vetorizado que melhora o desempenho seja usado em mais situações. Como resultado, você poderá ver um processamento de dados mais rápido.
Maio de 2025	Estimativa de cardinalidade mais precisa para funções de janela com padrões de filtragem ROW_NUMBER = 1, levando a melhores decisões de ordenação de junção.	Melhora o tempo de execução das consultas usando padrões de desduplicação comuns, pois oferece melhores estimativas de cardinalidade ao otimizador.
Maio de 2025	Derivação de predicado aprimorada para consultas em exibições seguras, propagando os filtros de forma mais eficaz.	Melhora o tempo de execução das consultas em exibições seguras aplicando filtros antecipadamente, o que reduz os dados processados downstream.
Abril de 2025	Amplia a cobertura do Query Acceleration Service (QAS) para mais consultas.	Aprimora a heurística que o QAS usa para determinar se uma consulta se beneficiará ou não da aceleração. Como resultado, mais consultas são elegíveis para aceleração pelo QAS.
Abril de 2025	Estimativa de cardinalidade aprimorada para relacionamentos de junção de chave estrangeira.	Melhora a ordenação de junção para consultas que envolvem junções de chave estrangeira, fornecendo estimativas de cardinalidade mais precisas.
Abril de 2025	Pushdown de extração aprimorado por meio de funções, permitindo uma verificação mais eficiente e o uso de metadados para subcolunas.	Melhora o tempo de execução das consultas que extraem subcolunas por meio de expressões de função.
Março de 2025	Aprimora o agrupamento de arquivos durante as operações de atualização de replicação.	Os trabalhos de atualização de replicação que replicam até 8 GB de dados terão menos variação e mais previsibilidade.
Março de 2025	Melhora o desempenho de tabelas dinâmicas com modo de atualização incremental usando junções externas à esquerda.	Oferece um desempenho de atualização incremental mais rápido para tabelas dinâmicas que contêm uma ou mais junções externas à esquerda. Os ganhos de desempenho podem ser substanciais, dependendo da carga de trabalho.
Março de 2025	Otimiza de forma adaptável os recursos de computação e E/S para consultas executadas em tabelas Apache Iceberg™.	Melhora o desempenho da consulta Apache Iceberg™ e a eficiência da memória em cenários de alta simultaneidade.
Fevereiro de 2025	As tarefas podem ser programadas para serem executadas com uma frequência de até 10 segundos.	Reduz o tempo necessário entre as execuções de tarefas agendadas.