Snowflake Account Usage

Med acceleratorn för kostnadsövervakning i Snowflake kan Snowflake-administratörer analysera beräkningskostnader, resultatövervakning, användning och felspårning totalt sett för Snowflake-datalager. Instrumentpanelen Översikt över beräkningskostnader kan användas för att förstå kreditanvändning, planera budgetfördelning och identifiera viktiga utstickare för att minimera onödiga utgifter. Använd instrumentpanelen Användning för att spåra hur den nya molnplattformen används och se var tid tilldelas. Med instrumentpanelerna Resultatövervakning och Felspårning kan du gå på djupet med specifika frågor som tar lång tid eller överskrider tidsgränsen.

Det finns två versioner av instrumentpanelen för långsamma frågor. Den grundläggande versionen använder beständig information från tabellen ACCOUNT_USAGE. Den avancerade versionen använder anpassad SQL för att generera frågeprofilsanalyser för vanliga prestandaproblem, som exploderande kopplingar, ineffektiv rensning med mera. Analysen är begränsad till de senaste 14 dagarna. Prestanda kan försämras om anpassad SQL används, eftersom frågor skickas till frågeprofilsinformationen för varje markering som väljs. Om du inte vill använda den avancerade versionen stänger du datakällan CUSTOM_SQL och tar bort instrumentpanelen för att undvika fel.

Svara på viktiga affärsfrågor

• Hur fungerar vår Snowflake-infrastruktur, var är förbrukningen högst?
• Vilka lager har de högsta kostnaderna?
• Hur ser databasens faktiska beräkningskostnader ut i förhållande till planen?
• Var finns det problem som rör specifika användare eller frågor?
• Hur ser användningen ut? Vem använder databasen mest, och vem har möjlighet att göra det men utnyttjar den inte så mycket som väntat?
• Finns det återkommande fel som behöver korrigeras?
• Vad är den förväntade avtalslängden baserat på aktuell användning?

Övervaka och förbättra KPI:er

• Antal frågor
• Frågor per användare
• Utnyttjandegrad för molnserver
• Tid per fråga
• Felfrekvens
• Antal minuter som slösats bort på fel
• Antal användare
• Genomsnittlig kostnad denna månad, denna dag, förra månaden,
• Genomsnittlig daglig kreditanvändning
• Genomsnittlig månatlig lagringskostnad
• Utnyttjandegrad för molntjänstlager *Genomsnittlig frågeresultat

Snowflake + Tableau-partner som kan hjälpa er att lyckas idag

• Slaloms sakkunskap när gäller Tableau, Snowflake och Salesforce underlättar plattformsintegrering och ökar affärsvärdet. Klicka här om du vill veta mer.
• InterWorks hjälper kunder att integrera Snowflake med deras egna datasystem. Kontakta dem direkt om du vill veta hur de kan hjälpa er att komma igång med molnbaserad visuell analys.
• CoEnterprise tillhandahåller Snowflake och Tableaus lösningar inkluderar Snowtrail, som gör det lättare för er att hitta rätt säkerhetsnivå för Snowflake-infrastrukturen, och Runaway integrerar Slack med resultatövervakningen så att ni kan optimera er investering i Snowflake.

Anslut till dina Snowflake-data för att aktivera den här acceleratorn

1. Skapa en ny datakälla i den här arbetsboken
2. Välj ”Snowflake” som datakälla, och om du inte redan har installerat drivrutinen gör du det nu. När drivrutinen har installerats fortsätter du till nästa steg.

Skapa en ny datakälla för vart och ett av dessa scheman: Databas: SNOWFLAKE Schema: ACCOUNT_USAGE Tabell: QUERY_HISTORY Databas: SNOWFLAKE Schema: ACCOUNT_USAGE Tabell: WAREHOUSE_METERING_HISTORY Databas: SNOWFLAKE Schema: ACCOUNT_USAGE Tabell: STORAGE_USAGE

Om du använder den avancerade instrumentpanelen för långsamma frågor:

Skapa en annan datakälla genom att ansluta till Snowflake och välja schemat ACCOUNT_USAGE. Dra sedan en ny anpassad SQL-tabell till arbetsytan. Mata in följande anpassade SQL-text (som också står i fältet för anpassad SQL-text i datakällan).

SELECT      QUERY_ID,     STEP_ID,     OPERATOR_ID,     PARENT_OPERATOR_ID,     OPERATOR_TYPE,     OPERATOR_STATISTICS,     EXECUTION_TIME_BREAKDOWN,     OPERATOR_ATTRIBUTES,     EXECUTION_TIME_BREAKDOWN:overall_percentage::float AS OPERATOR_EXECUTION_TIME,     OPERATOR_STATISTICS:output_rows output_rows,     OPERATOR_STATISTICS:input_rows input_rows,     CASE WHEN OPERATOR_STATISTICS:input_rows>0 THEN OPERATOR_STATISTICS:output_rows / OPERATOR_STATISTICS:input_rows ELSE 0 END AS row_multiple,     CAST(OPERATOR_STATISTICS:spilling:bytes_spilled_local_storage AS INT) bytes_spilled_local,     CAST(OPERATOR_STATISTICS:spilling:bytes_spilled_remote_storage AS INT) bytes_spilled_remote,     OPERATOR_STATISTICS:io:percentage_scanned_from_cache::float percentage_scanned_from_cache,     OPERATOR_STATISTICS:table_name::string tablename,     CAST(OPERATOR_STATISTICS:pruning:partitions_scanned AS INT) partitions_scanned,     CAST(OPERATOR_STATISTICS:pruning:partitions_total AS INT) partitions_total,     OPERATOR_STATISTICS:pruning:partitions_scanned/OPERATOR_STATISTICS:pruning:partitions_total::float as partition_scan_ratio,     CLUSTERING_KEY,     LAG(OPERATOR_TYPE) OVER (ORDER BY OPERATOR_ID) LAG_OPERATOR_TYPE FROM TABLE(get_query_operator_stats(<Parameters.QueryID>))     LEFT JOIN SNOWFLAKE_SAMPLE_DATA.INFORMATION_SCHEMA.TABLES t     on TABLENAME = t.TABLE_CATALOG || ”.” || t.TABLE_SCHEMA || ”.” || t.TABLE_NAME ORDER BY STEP_ID,OPERATOR_ID

Det kan visas ett felmeddelande, men det beror på att parametern för att välja ett giltigt fråge-ID inte har uppdaterats. Du kan ignorera den typen av felmeddelanden tills du har ersatt datakällan.

Obs! Från och med maj 2019 innehåller de här tabellerna inte någon kostnadsinformation som rör materialiserade vyer, automatisk klustring eller Snowpipe. Den informationen finns i separata tabeller.

1. När du har anslutit till alla fyra tabeller högerklickar du på respektive exempeltabell och ersätter den med motsvarande tabell från ditt eget Snowflake-schema. Högerklicka till exempel på QUERY_HISTORY_SAMPLE och ersätt den med tabellen QUERY_HISTORY från din egen databas.
2. När instrumentpanelerna innehåller dina egna data högerklickar du på var och en av exempeldatakällorna och stänger dem en i taget.