计划将雪花成本优化到现有设置。
1。禁用未使用的用户/角色，并丢弃未使用的仓库。
2。密切监视仓库并根据结果采取措施。下面是我要采用的方法来监视仓库XXXXXX。请查看并传递您的意见。
a。获取有关过去14天仓库使用的信用额的报告
选择*从 表（information_schema.warehouse_metering_history（dateadd（'day'，-14，current_timestamp（）），current_timestamp（））） 和WAREHOUSE_NAME ='XXXXXX';
-集中时间，在此期间我们看到仓库的信贷使用率很高，并记下时间框架。
-使用步骤b在一段时间内检查AVG_RUNNING，AVG_QUEUE_LOAD，AVG_QUEUE_LOAD，AVG_QUEUE_LOAD。
b。获取以下有关仓库中最近14天查询数量及其状态的报告
选择*从 表（information_schema.warehouse_load_history（date_range_start => dateadd（'day'，-14，current_timestamp（）））） 和WAREHOUSE_NAME ='XXXXXX';
-如果在步骤a中我们注意到的时间内AVG_QUEUE_LOAD，AVG_QUEUE_PROVISION的值较高，请尝试增加仓库的规模（按比例放大）。
-如果AVG_BLOCKED的值较高，则尝试增加仓库集群（向外扩展）。
-如果看到AVG_QUEUE_LOAD，AVG_QUEUE_PROVISION，AVG_BLOCKED值为零或更少，请尝试减小仓库的大小。
c。获取avg_running与CREDITS_USED之比
，将cte设置为（选择date_trunc（'hour'，start_time）作为start_time， 结束时间，仓库名称，贷方来自 表（information_schema.warehouse_metering_history（dateadd（'days'，-1，current_date（）），current_date（））） 其中Warehouse_name ='XXXXXX'）选择date_trunc（'hour'， a.start_time）作为开始时间，avg（AVG_RUNNING），avg（credits_used）， avg（AVG_RUNNING）/ avg（credits_used）* 100 表（information_schema.warehouse_load_history（dateadd（'days'，-1，current_date（）），current_date（））） 在a.start_time = date_trunc（'hour'，a.start_time）上加入cte b a.warehouse_name ='XXXXXX'按1乘1的顺序分组；
-如果比率高，则不要更改仓库大小。
-如果比率低，请考虑减少仓库的大小。
答案 0 :(得分：0)
我强烈建议您看一下Snowflake文档上的这篇文章：
https://docs.snowflake.com/en/user-guide/warehouses-considerations.html#scaling-up-vs-scaling-out
您正在使用的某些指标（例如排队）与是否需要横向扩展而不是向上扩展有关。大多数情况下，这也适用于avg_running。减少仓库的大小不会影响将在该仓库上执行的查询的数量，而是会影响它们执行的性能。您应该更多地研究字节溢出到本地或远程存储中的情况……以确定仓库是否对于在该服务器上执行的查询而言太小了。
这是一个棘手的话题，与那里的其他数据库有很大的不同。我建议您仔细阅读该文档，如果有必要，也许可以直接与Snowflake联系以获得一些专业服务帮助。