Copilot agora pode analisar queries individuais

Ao investigar um pico de custo ou problema de performance, o caminho frequentemente leva a uma query específica. Anteriormente, o Copilot podia ajudar a restringir o problema - identificando o warehouse, a carga de trabalho ou o período responsável - mas, ao chegar no nível da query, você ficava por conta própria.

Agora, o Copilot pode analisar queries individuais do Snowflake de ponta a ponta. Basta pedir ao Copilot para investigar uma query específica e ele a encontrará e analisará para você.

Ele retorna uma análise estruturada cobrindo:

• O que a query faz. Um resumo gerado por IA em linguagem simples para que você possa entender rapidamente um SQL desconhecido sem ler centenas de linhas.
• Por que ela é lenta. Se a query tem gargalos de performance - como derramamento excessivo de dados (data spillage), joins explosivos ou varreduras completas de colunas - o Copilot os identifica e explica o que está acontecendo.
• Quanto ela custa. O Copilot calcula o custo por execução e projeta custos anualizados em diferentes frequências de execução (por hora, diária, semanal), para que você entenda o impacto real de uma query recorrente.
• Como corrigir. O Copilot executa insights no nível da query que detectam oportunidades de otimização - dimensionamento correto de warehouse, melhorias na eficiência de varredura, operadores redundantes e mais - e retorna recomendações acionáveis ordenadas por esforço.

Se você já tem um query ID - de um alerta do Slack, de um monitor ou da sua própria investigação - pode colá-lo diretamente e o Copilot analisará imediatamente.

Isso transforma uma investigação manual de múltiplas etapas em uma única pergunta. Em vez de alternar entre o perfil da query, configurações de warehouse e dashboards de custo, você obtém o panorama completo em segundos.

Insights no nível da query

Dando suporte a essa funcionalidade, também refinamos os insights que alimentam a análise de queries. O Copilot agora avalia queries com base em 8 verificações de otimização diferentes:

• Derramamento excessivo de dados (data spillage)
• Joins explosivos
• Baixa eficiência de pruning de varredura
• Superdimensionamento de warehouse
• Desperdício de cobrança sub-minuto
• Operadores de query redundantes
• Varreduras completas de colunas
• Uso ineficiente de funções Cortex

Esses insights são exibidos diretamente na análise de queries do Copilot, priorizados por esforço de implementação para que você saiba por onde começar.

Outras novidades que lançamos

• 🚀 Copilot agora pode analisar agregações pontuais (barra completa) para gráficos empilhados/multi-série
• 🐛 Diversas correções de bugs e melhorias