Come funziona la cache in Snowflake

Automazione delle pipeline di dati in Snowflake

Emily Melhuish

Technical Curriculum Developer, Snowflake

Tre livelli di cache

Livelli di cache.png

Snowflake memorizza in cache i risultati a tre livelli — ciascuno con ambito e durata diversi

Result cache — salva risultati completi e li restituisce senza avviare un warehouse
Warehouse o data cache — micro‑partizioni recenti in memoria e SSD
Metadata cache — sempre attiva; statistiche tabelle per il planning delle query

Quando si usa il Result Cache (e quando no)

Diagramma del Result Cache di Snowflake che mostra una query che restituisce subito un risultato in cache all’utente

Condizione	Cache miss quando…
Il testo della query coincide esattamente	Differiscono maiuscole, spazi o alias
Nessuna funzione non riutilizzabile	funzioni che cambiano a ogni esecuzione: RANDOM
Tabelle sottostanti invariate	DML, reclustering o consolidamento dall’ultima esecuzione
Risultato persistito ancora disponibile	TTL di 24 ore senza riuso, o 31 giorni
Il ruolo ha i privilegi richiesti	SELECT: ruolo senza privilegi SHOW: ruolo diverso

Warehouse cache e Metadata cache

Diagramma della data cache di Snowflake che mostra scenari di cache hit e cache miss del warehouse

Warehouse cache

Memorizza micro‑partizioni lette di recente su SSD + memoria del warehouse
Si svuota quando il warehouse si sospende
Imposta auto‑suspend abbastanza lungo da preservare la cache

Metadata cache

Sempre attiva, vive in Cloud Services
Memorizza statistiche delle tabelle
Alcune query rispondono solo dai metadati

Pattern SQL che impediscono il partition pruning

Impedisce il pruning:

SELECT *
FROM logistics.shipments
WHERE MONTH(dispatch_date) = 3;

Consente il pruning:

SELECT *
FROM logistics.shipments
WHERE dispatch_date >= '2024-03-01'
  AND dispatch_date <  '2024-04-01';

Altri due pattern SQL da evitare

Evita SELECT *

-- Legge tutte le colonne
SELECT * 
FROM logistics.shipments 
WHERE region = 'EMEA';

-- Legge solo il necessario
SELECT shipment_id
, delivery_days 
FROM logistics.shipments 
WHERE region = 'EMEA';

Evita i cross join impliciti

-- Manca la condizione di join = cartesiano
SELECT s.shipment_id
, c.name 
FROM shipments s, carriers c;

-- JOIN esplicito con condizione ON
SELECT s.shipment_id
, c.name 
FROM shipments s 
JOIN carriers c ON s.carrier_id = c.id;

Ayo berlatih!

Automazione delle pipeline di dati in Snowflake