Se agregaron más insights

Existen cientos de formas diferentes en las que las consultas y los recursos de Snowflake pueden configurarse u optimizarse para mejorar la eficiencia de costos. En SELECT, trabajamos constantemente para descubrir nuevas formas de mejorar la eficiencia de costos. Como parte de esto, hemos lanzado los siguientes nuevos Insights:

• Alto derrame a disco remoto: Este insight verifica cargas de trabajo con derrame excesivo de datos al almacenamiento remoto. El derrame de datos al almacenamiento remoto puede aumentar significativamente los costos de las consultas.
• Alto almacenamiento de respaldo: Este insight verifica tablas con altos costos de fail safe y time travel. Los costos de failsafe se pueden eliminar convirtiendo la tabla a transient, mientras que los costos de time travel se pueden reducir actualizando la política de retención de datos.
• Reducir el conteo mínimo de clústeres: Este insight verifica cada warehouse para determinar si el parámetro min_cluster_count está configurado con un valor mayor a 1.
• Auto suspend deshabilitado: Este insight verifica warehouses con Auto Suspend deshabilitado. Auto-Suspend ayuda a minimizar el tiempo de inactividad asegurando que el warehouse se apague cuando no hay más consultas por ejecutar. El tiempo de inactividad genera gasto desperdiciado.
• Alto uso de cloud services: Este insight verifica cargas de trabajo con altos costos de cloud services. Estos son costos asociados con autenticación, compilación de consultas, gestión de metadatos y control de acceso. Las cargas de trabajo pueden generar costos significativos de cloud services si se ejecutan con alta frecuencia o tienen tiempos de compilación elevados debido a la complejidad de las consultas.
• Joins explosivos: Este insight verifica cargas de trabajo con joins explosivos, que pueden resultar en costos más altos debido al aumento en los volúmenes de procesamiento de datos. Los joins explosivos pueden ocurrir cuando las claves de join no se especifican correctamente, generando un producto cartesiano de las tablas involucradas. Esto puede llevar a costos más altos y un rendimiento de consultas más lento, ya que se deben procesar volúmenes de datos significativamente mayores.