Aggiunti nuovi insight

Esistono centinaia di modi diversi in cui le query e le risorse Snowflake possono essere configurate o ottimizzate per migliorare l'efficienza dei costi. In SELECT, lavoriamo costantemente per individuare nuovi modi per migliorare l'efficienza dei costi. In quest'ottica, abbiamo rilasciato i seguenti nuovi Insight:

• Elevato spillage su disco remoto: Questo insight verifica la presenza di workload con eccessivo spillage dei dati su storage remoto. Lo spillage dei dati su storage remoto può aumentare significativamente i costi delle query.
• Elevati costi di backup storage: Questo insight verifica la presenza di tabelle con costi elevati di fail safe e time travel. I costi di failsafe possono essere eliminati convertendo la tabella in transient, mentre i costi di time travel possono essere ridotti aggiornando la policy di conservazione dei dati.
• Ridurre il conteggio minimo dei cluster: Questo insight verifica per ogni warehouse se il parametro min_cluster_count è impostato su un valore superiore a 1.
• Auto suspend disabilitato: Questo insight verifica la presenza di warehouse con Auto Suspend disabilitato. Auto-Suspend aiuta a minimizzare il tempo di inattività assicurando che il warehouse venga spento quando non ci sono più query da eseguire. Il tempo di inattività si traduce in spesa sprecata.
• Elevato utilizzo dei cloud services: Questo insight verifica la presenza di workload con costi elevati di cloud services. Si tratta dei costi associati ad autenticazione, compilazione delle query, gestione dei metadati e controllo degli accessi. I workload possono generare costi significativi di cloud services se vengono eseguiti ad alta frequenza o hanno tempi di compilazione elevati a causa della complessità delle query.
• Exploding join: Questo insight verifica la presenza di workload con exploding join, che possono comportare costi più elevati a causa dell'aumento dei volumi di elaborazione dati. Gli exploding join possono verificarsi quando le chiavi di join non sono specificate correttamente, generando un prodotto cartesiano delle tabelle coinvolte. Questo può portare a costi più elevati e prestazioni delle query più lente, poiché devono essere elaborati volumi di dati significativamente maggiori.