雪花仓大小的作用原理
The principle of the effect of snowflake warehouse size
我正在试验雪花。我想知道它作为一个架构是如何工作的。
我正在使用三种类型的查询 A、B、C，扫描的字节数不同。
Bytes Scanned 的大小正在读取 Profile Overview 中的 Total Statistics。
我比较了小型仓库和大型仓库的执行时间。
当查询的扫描尺寸较小时，仓库尺寸的影响较小，
扫描尺寸越大，仓库尺寸相差4倍（小2，大8）。
性能方法。
我想知道这个结果的原理是怎样的
| | |总执行时间 | |
查询
字节扫描（MB）
大（毫秒）
小（毫秒）
S/L比率
查询A
1860
1350
2800
2.1
查询B
6100
3800
12500
3.3
查询C
51940
19310
77000
4.0
引用文档：
“仓库的大小会影响执行提交到仓库的查询所需的时间，尤其是对于更大、更复杂的查询。通常，查询性能随仓库大小而扩展，因为较大的仓库有更多的计算资源可用于处理查询。”
另外：
“对于小型、基本的查询，越大不一定越快”
这有帮助吗？如果没有，请说明您要查找的其他信息
它与 Snowflake（或任何 Analytical MPP 数据库）如何并行处理数据有关。大家知道，一个仓库集群可能有多个节点，小仓库有2个，大仓库有8个等等……每个节点有8个实例来并行处理数据。为了清楚起见，我称他们为“工人”。
所以一个小仓库有28=16个工人，一个大仓库有88=64个工人。如果数据量较小（table 的微分区少于总工作人员），那么您的查询将不会使用整个仓库资源。有些工作人员会在某些执行步骤期间保持空闲状态，例如从 table 读取数据。这就是为什么当您处理更大的数据时，您会从大型仓库中获得更高的性能。
我正在试验雪花。我想知道它作为一个架构是如何工作的。 我正在使用三种类型的查询 A、B、C，扫描的字节数不同。 Bytes Scanned 的大小正在读取 Profile Overview 中的 Total Statistics。 我比较了小型仓库和大型仓库的执行时间。 当查询的扫描尺寸较小时，仓库尺寸的影响较小， 扫描尺寸越大，仓库尺寸相差4倍（小2，大8）。 性能方法。
我想知道这个结果的原理是怎样的
| | |总执行时间 | |
| 查询 | 字节扫描（MB） | 大（毫秒） | 小（毫秒） | S/L比率 |
|---|---|---|---|---|
| 查询A | 1860 | 1350 | 2800 | 2.1 |
| 查询B | 6100 | 3800 | 12500 | 3.3 |
| 查询C | 51940 | 19310 | 77000 | 4.0 |
引用文档：
“仓库的大小会影响执行提交到仓库的查询所需的时间，尤其是对于更大、更复杂的查询。通常，查询性能随仓库大小而扩展，因为较大的仓库有更多的计算资源可用于处理查询。”
另外：
“对于小型、基本的查询，越大不一定越快”
这有帮助吗？如果没有，请说明您要查找的其他信息
它与 Snowflake（或任何 Analytical MPP 数据库）如何并行处理数据有关。大家知道，一个仓库集群可能有多个节点，小仓库有2个，大仓库有8个等等……每个节点有8个实例来并行处理数据。为了清楚起见，我称他们为“工人”。
所以一个小仓库有28=16个工人，一个大仓库有88=64个工人。如果数据量较小（table 的微分区少于总工作人员），那么您的查询将不会使用整个仓库资源。有些工作人员会在某些执行步骤期间保持空闲状态，例如从 table 读取数据。这就是为什么当您处理更大的数据时，您会从大型仓库中获得更高的性能。