作為一個快速簡便的數(shù)據(jù)倉庫，Snowflake可以動態(tài)擴(kuò)展，以便在企業(yè)需要時為其提供所需的性能。

數(shù)據(jù)倉庫，也稱為企業(yè)數(shù)據(jù)倉庫(EDW)，是用于分析的高度并行的SQL或NoSQL數(shù)據(jù)庫。它們允許企業(yè)從多個源導(dǎo)入數(shù)據(jù)，并從數(shù)PB的數(shù)據(jù)中快速生成復(fù)雜的報告。

數(shù)據(jù)倉庫和數(shù)據(jù)集市之間的區(qū)別在于，數(shù)據(jù)集市通常僅限于單個主題和單個部門。數(shù)據(jù)倉庫和數(shù)據(jù)湖之間的區(qū)別在于數(shù)據(jù)湖以其自然格式(通常是blob或文件)存儲數(shù)據(jù)，而數(shù)據(jù)倉庫將數(shù)據(jù)存儲為數(shù)據(jù)庫。

Snowflake簡介

Snowflake是一個完全關(guān)聯(lián)的ANSI SQL數(shù)據(jù)倉庫，它是從頭開始為云計算而構(gòu)建的。它的架構(gòu)將計算與存儲分開，這樣即使在查詢運行時，用戶也可以在不延遲或中斷的情況下動態(tài)地擴(kuò)展。當(dāng)用戶需要的時候，就能得到其所需要的性能，而且只需要為其所使用的計算資源支付費用。Snowflake目前運行在亞馬遜網(wǎng)絡(luò)服務(wù)和微軟Azure云平臺上。

Snowflake是一個具有矢量化執(zhí)行的全列數(shù)據(jù)庫，使它能夠處理最苛刻的分析工作負(fù)載。Snowflake的自適應(yīng)優(yōu)化可以確保查詢自動獲得最佳性能，而無需管理索引、分發(fā)鍵或優(yōu)化參數(shù)。

Snowflake憑借其獨特的多集群共享數(shù)據(jù)架構(gòu)可以支持無限制的并發(fā)性。這允許多個計算集群在同一數(shù)據(jù)上同時運行，而不會降低性能。Snowflake甚至可以自動擴(kuò)展以通過其多集群虛擬倉庫功能處理不同的并發(fā)需求，在峰值負(fù)載期間透明地添加計算資源，并在負(fù)載減少時縮小規(guī)模。

Snowflake的競爭對手

Snowflake在云端的競爭對手包括Amazon Redshif、Google BigQuery和Microsoft Azure SQL數(shù)據(jù)倉庫。其他主要競爭對手，如Teradata、Oracle Exadata，MarkLogic和SAP BW/4HANA，可以安裝在云端、內(nèi)部部署和設(shè)備上。

Amazon Redshift

Amazon Redshift是一個快速可擴(kuò)展的數(shù)據(jù)倉庫，可讓用戶分析數(shù)據(jù)倉庫和Amazon S3數(shù)據(jù)湖中的所有數(shù)據(jù)。用戶使用SQL查詢Redshift。Redshift數(shù)據(jù)倉庫是一個可以使用并發(fā)查詢負(fù)載自動部署和刪除容量的集群。但是，所有集群節(jié)點都在同一可用區(qū)中進(jìn)行配置。

Microsoft Azure SQL數(shù)據(jù)倉庫

Microsoft Azure SQL數(shù)據(jù)倉庫是一個基于云計算的數(shù)據(jù)倉庫，它使用Microsoft SQL引擎和MPP(大規(guī)模并行處理)快速運行跨PB數(shù)據(jù)的復(fù)雜查詢。通過使用簡單的PolyBase T-SQL查詢將大數(shù)據(jù)導(dǎo)入SQL數(shù)據(jù)倉庫，然后使用大規(guī)模并行處理(MPP)的強大功能運行高性能分析，用戶可以將Azure SQL數(shù)據(jù)倉庫用作大數(shù)據(jù)解決方案的關(guān)鍵組件。

Azure SQL數(shù)據(jù)倉庫在全球40個Azure云區(qū)域中可用，但給定的倉庫服務(wù)器僅存在于單個云區(qū)域中。用戶可以按需擴(kuò)展數(shù)據(jù)倉庫性能，但任何正在運行的查詢都將被取消并回滾。

Google BigQuery

Google BigQuery是一個無服務(wù)器，高度可擴(kuò)展且經(jīng)濟(jì)高效的云計算數(shù)據(jù)倉庫，內(nèi)置GIS查詢、內(nèi)置BI引擎和內(nèi)置的機器學(xué)習(xí)功能。BigQuery可以快速運行數(shù)PB的SQL查詢，并且可以直接加入公共或包含數(shù)據(jù)的商業(yè)數(shù)據(jù)集。

用戶只能在創(chuàng)建時設(shè)置BigQuery數(shù)據(jù)集的地理位置。查詢中引用的所有表必須存儲在同一位置的數(shù)據(jù)集中。這也適用于外部數(shù)據(jù)集和存儲桶。外部Google Cloud Bigtable數(shù)據(jù)的位置還有其他限制。在默認(rèn)情況下，查詢與數(shù)據(jù)在同一區(qū)域中運行。

其運行的地點可以是特定的地方，如弗吉尼亞州北部，也可以是更大的地理區(qū)域，如歐盟或美國。要將BigQuery數(shù)據(jù)集從一個區(qū)域移動到另一個區(qū)域，用戶必須將其導(dǎo)出到與數(shù)據(jù)集位于同一位置的Google云存儲桶，將存儲桶復(fù)制到新位置，然后將其加載到新位置的BigQuery中。

Snowflake架構(gòu)

Snowflake使用虛擬計算實例來滿足其計算需求，并使用存儲服務(wù)來持久存儲數(shù)據(jù)。 Snowflake無法在私有云基礎(chǔ)設(shè)施(內(nèi)部部署或托管)上運行。

沒有要執(zhí)行的安裝，也沒有配置。所有維護(hù)和調(diào)整均由Snowflake處理。

Snowflake使用中央數(shù)據(jù)存儲庫來存儲可從數(shù)據(jù)倉庫中的所有計算節(jié)點訪問的持久數(shù)據(jù)。同時，Snowflake使用大規(guī)模并行處理(MPP)計算集群處理查詢，其中集群中的每個節(jié)點在本地存儲整個數(shù)據(jù)集的一部分。

當(dāng)數(shù)據(jù)加載到Snowflake中時，Snowflake會將該數(shù)據(jù)重新組織為其內(nèi)部壓縮的列式格式。內(nèi)部數(shù)據(jù)對象只能通過SQL查詢訪問。用戶可以通過其Web UI、CLI(SnowSQL)，來自Tableau等應(yīng)用程序的ODBC和JDBC驅(qū)動程序，通過編程語言的本機連接器以及BI和ETL工具的第三方連接器連接到Snowflake。

Snowflake架構(gòu)圖。需要注意，虛擬倉庫的CPU資源可以獨立于數(shù)據(jù)庫存儲進(jìn)行擴(kuò)展。

Snowflake功能

安全和數(shù)據(jù)保護(hù)。Snowflake提供的安全功能因版本而異。甚至標(biāo)準(zhǔn)版也提供所有數(shù)據(jù)的自動加密功能，并支持多因素身份驗證和單點登錄。企業(yè)版增加了加密數(shù)據(jù)的定期重新密鑰，企業(yè)版增加了對HIPAA和PCI DSS的支持。用戶可以選擇數(shù)據(jù)的存儲位置，這有助于符合歐盟GDPR法規(guī)。

標(biāo)準(zhǔn)和擴(kuò)展SQL支持。Snowflake支持SQL：1999中定義的大多數(shù)DDL和DML，以及事務(wù)，一些高級SQL功能以及SQL：2003分析擴(kuò)展(窗口函數(shù)和分組集)的部分內(nèi)容。它還支持橫向和物化視圖、聚合函數(shù)、存儲過程和用戶定義的函數(shù)。

工具和接口。值得注意的是，Snowflake允許用戶從GUI或命令行控制虛擬倉庫。這包括創(chuàng)建、調(diào)整大小(零停機時間)、暫停和刪除倉庫。在查詢運行時調(diào)整倉庫大小非常方便，尤其是當(dāng)用戶需要加速花費太多時間的查詢時。然而，任何其他EDW軟件都沒有實現(xiàn)。

連接Snowflake具有Python、Spark、Node.js、Go、.Net、JDBC、ODBC和dplyr-snowflakedb的連接器和/或驅(qū)動程序，這是在GitHub上維護(hù)的開源dplyr包擴(kuò)展。

數(shù)據(jù)導(dǎo)入和導(dǎo)出。Snowflake可以加載各種數(shù)據(jù)和文件格式。那包括壓縮文件;分隔數(shù)據(jù)文件;JSON、Avro、ORC、Parquet和XML格式;Amazon S3數(shù)據(jù)源;本地文件。它可以批量加載和卸載表格，以及從文件中連續(xù)批量加載。

數(shù)據(jù)共享。Snowflake支持與其他Snowflake帳戶安全地共享數(shù)據(jù)。通過使用零拷貝表克隆簡化了這一過程。

Snowflake的價格因版本和地點而異。其功能因版本而異，VPS實例目前僅在AWS上可用。

Snowflake教程

Snowflake提供了不少教程和視頻。一些教程幫助用戶入門，一些教程探索特定主題，還有一些可以演示功能。

建議用戶完成《Snowflake免費試用實踐實驗室指南》中描述的實踐。這應(yīng)該足以導(dǎo)入一些真實數(shù)據(jù)，并測試一些查詢。

這個教程大量使用Snowflake工作表，這是在Web UI中運行命令和SQL的便捷方式。除其他外，其中包括數(shù)據(jù)加載、查詢、結(jié)果緩存和克隆、半結(jié)構(gòu)化數(shù)據(jù)以及恢復(fù)數(shù)據(jù)庫對象的時間旅行。

實踐教程中的Snowflake工作表(右上角)。模式信息位于左上角，查詢結(jié)果位于左下角，帶有時序的查詢歷史記錄位于右下角。

總的來說，發(fā)現(xiàn)Snowflake令人印象深刻。原以為它會很笨重，但事實并非如此。實際上，它的許多數(shù)據(jù)倉庫操作都比人們預(yù)期的要快得多，當(dāng)有一個數(shù)據(jù)倉庫似乎在緩步前行時，可以在不中斷正在發(fā)生的事情的情況下進(jìn)行干預(yù)，并增加數(shù)據(jù)倉庫的大小。

Snowflake數(shù)據(jù)倉庫配置對話框。有各種各樣的大小，有幾種選項可以自動進(jìn)行集群擴(kuò)展。

大部分?jǐn)U展都可以自動化。在創(chuàng)建數(shù)據(jù)倉庫時(參見上面的屏幕截圖)，可以選擇允許多個集群，設(shè)置擴(kuò)展策略的選項、自動掛起的選項，以及自動恢復(fù)選項。默認(rèn)的自動掛起時間為10分鐘，這使得數(shù)據(jù)倉庫在空閑時間超過該時間時不會消耗資源。自動恢復(fù)幾乎是即時的，只要對數(shù)據(jù)倉庫進(jìn)行查詢就會發(fā)生。

考慮到Snowflake提供30天的免費試用期，有400美元的信用額度，而且不需要安裝任何軟件，用戶應(yīng)該能夠確定Snowflake是否適合其目的，而無需任何現(xiàn)金支出。

費用：2美元/信用額外加上23美元/TB/月的存儲空間，并且存儲空間需要預(yù)付費。一個信用額度等于一個節(jié)點*小時，按秒計費。更高級別的計劃成本更加昂貴。