Melhorias de desempenho em 2026¶

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 2026:


Lançado	Descrição	Impacto
Abril de 2026	Remoção em tempo de execução aprimorada de expressões com tipos de dados TIMESTAMP_TZ. O Snowflake agora remove as micropartições de forma mais eficaz para predicados de filtro baseados em carimbo de data/hora.	Melhora o desempenho das consultas de séries temporais com filtros de carimbo de data/hora, ignorando micropartições significativamente mais irrelevantes e reduzindo a E/S e o tempo de execução.
Abril de 2026	Melhorias contínuas no tratamento de desvios em junções hash, reduzindo ainda mais os gargalos de processamento de dados distribuídos de forma desigual.	Melhora o tempo de execução das consultas de junção com desvio de dados ajustando dinamicamente a redistribuição com base na configuração do warehouse.
Abril de 2026	Performance Explorer now applies granular access control, aligning visibility with your privileges on warehouses, databases, and Snowflake database roles.	More users can access Performance Explorer to identify and troubleshoot slow queries without requiring ACCOUNTADMIN privileges.
Abril de 2026	Dynamic table refresh boundaries with `DYNAMIC_TABLE_REFRESH_BOUNDARY()`. Decouples upstream and downstream dynamic table refreshes so each pipeline refreshes independently.	Avoids unnecessary cascaded refreshes, reducing compute cost and refresh latency for multi-stage dynamic table pipelines.
Março de 2026	Task graph overlap policy. Tasks support `ALLOW_CHILD_OVERLAP` and `ALLOW_ALL_OVERLAP` policies that permit concurrent graph runs.	Increases throughput for task-based data pipelines by allowing parallel execution instead of serial-only scheduling.
Março de 2026	Verificação paralela aprimorada para consultas aceleradas pelo Serviço de aceleração de consultas (Query Acceleration Service, QAS).	Melhora o tempo de execução das consultas aceleradas por QAS, permitindo mais E/S paralela durante as operações de verificação.
Março de 2026	Cortex Search updates (General availability): Multi-index search and search service selection for agents, reducing latency and cost by querying one service instead of all.	Lower search latency and cost for Cortex Search-based applications and agents.
Março de 2026	Dynamic table `SCHEDULER` attribute (General availability). Set `SCHEDULER = DISABLE` for manual-only refresh; manual refreshes don’t cascade through the pipeline.	Reduces unnecessary refresh compute when external orchestrators (such as dbt) control refresh timing.
Março de 2026	MIN_BY and MAX_BY functions are supported with dynamic table incremental refresh (General availability).	More dynamic table pipelines can stay on incremental refresh instead of falling back to less efficient full refresh paths.
Março de 2026	Ajusta dinamicamente os tamanhos das mensagens de rede com base no plano de execução para otimizar a transferência de dados entre os nós de processamento.	Melhora o tempo de execução das cargas de trabalho interativas e sensíveis à latência, reduzindo a sobrecarga da rede. Beneficia principalmente as consultas de curta duração e os cenários de alta simultaneidade.
Março de 2026	Construção aprimorada do conjunto de verificações para reduzir a contenção de bloqueio durante a execução de consultas paralelas.	Melhora o tempo de execução das consultas de alta verificação, especialmente em warehouses maiores com alta simultaneidade. Reduz a sobrecarga da CPU durante a coordenação de verificações paralelas.
Março de 2026	Identifica oportunidades de enviar agregações antecipadamente no plano de consulta quando expressões de tabela comuns (Common Table Expressions, CTEs) estão presentes.	Melhora o tempo de execução das consultas complexas com CTEs, reduzindo o volume de dados processados nos estágios posteriores do plano de consulta.
Março de 2026	Pushdown de extração aprimorado por meio das colunas de exibição, permitindo o uso mais eficiente da verificação e dos metadados para subcolunas acessadas por exibições.	Melhora o tempo de execução das consultas que acessam subcolunas por meio de exibições.
Fevereiro de 2026	Cortex Code CLI query optimizer skill (General availability). Use natural language to get AI-driven query optimization recommendations.	Helps users identify and fix slow queries by providing optimization suggestions through the Cortex Code command-line interface.
Fevereiro de 2026	Melhorias no desempenho do removedor de arquivos, reduzindo a sobrecarga de remoção por arquivo para consultas que verificam muitos arquivos.	Decisões de remoção mais rápidas durante a compilação e a execução, especialmente para consultas que verificam tabelas com muitas micropartições.
Fevereiro de 2026	Melhoria na remoção de micropartição baseada em intervalo para mais padrões de consulta.	Reduz o tempo de compilação e de execução das consultas com predicados de intervalo, ignorando micropartições mais irrelevantes.
Fevereiro de 2026	Processamento de agregação mais eficiente quando os dados cabem em um único nó de servidor, evitando sobrecarga desnecessária de processamento distribuído.	Melhora o desempenho das consultas de agregação em que o volume de dados não requer computação distribuída.
Janeiro de 2026	AI_FILTER (General availability). Includes query-engine optimization that routes qualifying AI_FILTER patterns through optimized execution paths.	Up to 2-10x speedup and approximately 60% lower token usage on suitable queries.
Janeiro de 2026	AI_AGG and AI_SUMMARIZE_AGG (General availability). Set-based AI aggregation functions that process groups natively instead of row-by-row AI_COMPLETE calls.	Up to approximately 2x throughput for large aggregation workloads compared to equivalent row-wise AI_COMPLETE patterns.
Janeiro de 2026	Search optimization: Support for structured data types. Search optimization can improve performance of point lookup and substring queries on ARRAY, OBJECT, and MAP columns on standard and Apache Iceberg™ tables.	Improves query performance for queries that filter on structured data columns.
Janeiro de 2026	Desempenho de consulta aprimorado com o Snowflake Optima Metadata, que analisa continuamente seus padrões de carga de trabalho e cria metadados para otimizar a remoção de micropartições não utilizadas. O Snowflake Optima está disponível apenas em warehouses padrão Snowflake geração 2 (gen2).	Melhora o desempenho das consultas criando metadados para remoção mais eficiente.
Janeiro de 2026	Remoção aprimorada para consultas de junção com predicados de desigualdade. Por exemplo, a seguinte consulta de junção usa o operador `>` em um predicado de desigualdade: SELECT * FROM employees e, managers m WHERE e.employee_id = m.employee_id AND e.salary > m.salary AND m.level = 'M5'; Para essa consulta, o Snowflake remove as micropartições da tabela `employees` em que todos os salários estão abaixo do salário de gerente `M5` de nível mais baixo.	Melhora o desempenho das consultas de junção que têm predicados de desigualdade.
Janeiro de 2026	Análise JSON mais rápida para operações PARSE_JSON.	Melhora o tempo de execução das consultas que analisam dados JSON. Consultas com processamento JSON intenso pode observar uma aceleração significativa.
Janeiro de 2026	Desempenho da compilação aprimorado das consultas com expressões CASE profundamente aninhadas, mantendo-as em um formato simplificado durante todo o processo de compilação.	Reduz o tempo de compilação das consultas com grandes expressões CASE, especialmente aquelas com muitas ramificações.