Adaptive Warehouse を今すぐ導入すべき理由と迷ったときの判断基準

2026年9月10日（木） Snowflake World Tour Tokyo Day1 シアターセッションでの登壇資料です。

Transcript

1. Adaptive Warehouse を 今すぐ導入すべき理由と 迷ったときの判断基準 DATUM STUDIO株式会社 梶谷 美帆（あれ） 2026年9月10日
2. 自己紹介 【名前】 あれ / 梶谷 美帆 / Miho Kajiya 【所属】 DATUM STUDIO株式会社 AIエンジニアリング本部 Data Superhero のすがた AIエンジニア部 GL/プリンシパルエンジニア 【ユーザーコミュニティ】 • Snowflake ユーザーグループ(SnowVillage) 運営企 画チーム(Mayors) / 女子会幹事 / コンテナグループ リーダー • primeNumber User Group(pUG) リーダー 2024-2026 Snowflake Data Superheroes primeNumber DATA CHAMPIONS 2025 2026 DATUM STUDIO Co. Ltd. primeNumber DATA CHAMPIONS のすがた
3. コンテンツ 1. 2. 3. 4. 5. Adaptive Warehouse とは？ 導入してみた結果 導入判断 検証 まとめ 2026 DATUM STUDIO Co. Ltd.
4. Adaptive Warehouse とは？ 2026 DATUM STUDIO Co. Ltd.
5. Adaptive Warehouse って何？ パフォーマンス上限と同時実行数を指定するだけ。サイズ調整やスケーリングなど のチューニングが不要になる、新しいウェアハウスタイプ Adaptive Warehouseとは ✓ Summit 2025 公開 → 26年4月 PuPr（AWS 一部）→ 26年6月 GA ✓ ワークロードに最適なリソースを自動で選択し割り当てる。サイズ・マ ルチクラスター・クエリ最適化などのチューニングは不要。ユーザー は性能の上限を決めるだけでよい ✓ Gen 2 ウェアハウスと同程度のコストでより多くのクエリを処理可能 ✓ CPUはGen2より1世代後の Graviton4（あれ調べ） ✓ 高負荷時のスケーリングが速すぎて怖い（あれ調べ） ✓ Optimaが有効化され、使っているうちに勝手にパフォーマンス向上 特徴① 指定するのは2つのパラメータだけ ✓ MAX_QUERY_PERFORMANCE_LEVEL（以降 MQPL）：1クエリが使 えるリソースの上限。XS～4XL、デフォルト XL ✓ QUERY_THROUGHPUT_MULTIPLIER（以降 QTM）：同時実行数の上 限。0または2以上の整数、0のとき無制限。デフォルト 2 特徴② 管理が発生しない ✓ ①のとおり、ウェアハウスサイズもマルチクラスター数も管理不要 ✓ 自動停止・再開すら管理不要 特徴③ 圧倒的同時実行性 ✓ 急なクエリ増加時も安心のスケーリング ✓ 測定結果をお見せしたほうが早いと思います https://www.snowflake.com/en/blog/adaptive-compute-performance/ 2026 DATUM STUDIO Co. Ltd. 5
6. Adaptive Warehouse の効果 高パフォーマンス。それに尽きる。コスト効果は場合によりけり 実行時間 同時実行性 コスト 多くのクエリが速くなる スケーリングの俊敏性がすごい 「安くなる機能」ではない ✓ Snowflake の記事では、分析クエリで最 大1.6 倍、 DML 中心の処理で最大3.5倍の 高速化を実現 ✓ Snowflake の記事では、同時実行スルー プット最大2.2倍を実現 ✓ 同等～若干上がりがちな感触。高パフォー マンスとのトレードオフ ✓ （QTM が十分な場合）とにかくキューイ ングが発生しない。絶対にキューイングさ せないという強い意志を感じる ✓ もちろん、安くなるケースもある ✓ クエリごとに「速くなると確信が持てる か」を判定し、確信できる場合だけ上限ま でリソースを積む。全力で倒しに行く系 https://www.snowflake.com/en/blog/adaptive-compute-performance/ 2026 DATUM STUDIO Co. Ltd （このあとすぐ！）
7. なんかすごそう 2026 DATUM STUDIO Co. Ltd.
8. 実際どうなの 2026 DATUM STUDIO Co. Ltd.
9. 実際、言うほど効果 ないんじゃない？ 2026 DATUM STUDIO Co. Ltd.
10. (ΦωΦ)ﾌﾌﾌ… 2026 DATUM STUDIO Co. Ltd.
11. それではご覧ください 実際に導入してみた結果が こちらになります 2026 DATUM STUDIO Co. Ltd.
12. 導入してみた結果（BI編） これ↓がこう はならんやろ BI 用ウェアハウスコスト やったこと 約 1/10 ウェアハウスを Adaptiveにした 2026 DATUM STUDIO Co. Ltd.
13. 導入結果（BI） これ↓がこう はならんやろ BI 用ウェアハウスコスト やったこと 約 1/10 ウェアハウスを Adaptiveにした ※2週間後、さらに安くなっていることが 発覚する（多分Optima 効果） 2026 DATUM STUDIO Co. Ltd.
14. 導入してみた結果（ELT） dbt platform ジョブのBuild duration 通常のウェアハウス 通常のウェアハウス ETL 処理時間 やったこと 約 1/2～1/3 ウェアハウスを Adaptiveにした 2026 DATUM STUDIO Co. Ltd.
15. 導入してみた結果（ELT） dbt platform ジョブのBuild duration 通常のウェアハウス 通常のウェアハウス ETL 処理時間 やったこと 約 1/2～1/3 ウェアハウスを Adaptiveにした 2026 DATUM STUDIO Co. Ltd.
16. 実際すごかったでしょ？ 2026 DATUM STUDIO Co. Ltd.
17. 使いたくなったでしょ？？ 2026 DATUM STUDIO Co. Ltd.
18. でも、 ハマらないケースもあります 2026 DATUM STUDIO Co. Ltd.
19. 向き不向き 2026 DATUM STUDIO Co. Ltd.
20. 導入判断：おすすめのケース クエリ負荷が一定でないときは非常におススメ。運用の手間を軽減でき、さらにパ フォーマンスまで手に入る 分析 ワークロード ✓ いわゆる自由分析系 ばらつきのある データロード ✓ COPY INTO / INSERT のパターン CTAS ✓ 分析クエリの重さが大きくばらつく場合、サイズ固定よりもクエリごとのチューニングが有効 ✓ 投入されるデータ量が変動する場合も、サイズ固定よりもクエリごとのチューニングが有効 ✓ スキャン処理勝負。コンピューティング性能で勝ってる説あるかも ✓ 詳しくは→ Adaptive vs Gen1: where does Snowflake's new warehouse actually save you money? ✓ 瞬間的に多数の同時アクセスが発生するパターン 瞬間的に アクセスが跳ねる ✓ あまりにも早いスケールアウト、俺でなきゃ見逃がしちゃうね 負荷変動が 大きい BI＋ETL ✓ クエリごとに負荷変動が大きく、モデル毎のサイズ指定など細やかな運用が必要な場合 ✓ 運用負荷も減らせてハッピー 2026 DATUM STUDIO Co. Ltd. 20
21. 導入判断：ちょっと待った！のケース なんでも Adaptive にすればいい、というわけではない。低レイテンシ、高メモリ ワークロードではおススメできない HTAP 主体 安定した レポーティング レイテンシが 超重要 メモリが必要 ✓ Hybrid table をゴリゴリお使いですか？低レイテンシが要求されていますか？ ✓ では Gen 2 をお使いください ✓ 負荷が変動しない場合 ✓ サイズ固定が有効。Gen 2 が最適（場合によってはGen 1で十分かも） ✓ インタラクティブウェアハウスの出番 ✓ ML / AI など、メモリを必要とする処理 ✓ Snowpark 最適化ウェアハウスに任せよう 2026 DATUM STUDIO Co. Ltd. 21
22. でも見切り発車で 導入するのは怖い… 2026 DATUM STUDIO Co. Ltd.
23. そうだ、検証、しよう 2026 DATUM STUDIO Co. Ltd.
24. 検証：BI編（同時実行編） 実際の画面処理で実行されるクエリを複数同時に投入し結果を比較したところ、高 負荷時のスケーリングはAdaptiveの圧勝だった 検証条件 クエリ数（Warehouse activityに同じ) ✓ 実際の画面処理で実行されるクエリを同時投 入。本数は想定アクセス数に合わせた ✓ 従来のウェアハウスでサイズXS～XL・複数 のマルチクラスター数の組み合わせ、 Adaptiveで複数のMQPL・QTMの組み合わ せに対して、全クエリの処理時間を比較 結果 ✓ Adaptiveの圧勝。クラスター数は観測でき ないが、とにかくキューイングしない ✓ 通常のウェアハウスでは、 MAX_CLUSTER_COUNTを上げてもクラス ター起動の挙動は変わらなかった MAX_CLUSTER_COUNT≧10 だと複数のクラスターを起動する。 もっとドカッと投入すると想像していたが、そうではなかった ✓ コスト軽減はおまけ 想定より小さいMQPLでパフォーマンスを得られたので。たぶん コンピューティング性能勝ち TPC-H Q1 ベースのクエリを用いた検証 2026 DATUM STUDIO Co. Ltd. 24
25. 検証：ELT編 検証環境を利用し、本番と同等のデータをAdaptiveで処理した結果、実行時間・コ スト面で従来のウェアハウスを上回ることを確認 ※主な検証指標のみ抜粋 指標 目標値 計測方法 総クレジット消費 現行と同等以上 WAREHOUSE_METERING_HISTORY.CREDITS_USED を集計 実行時間（ワークロード別） 現行と同等以上 QUERY_HISTORY.TOTAL_ELAPSED_TIME を集計 Queuingの増加 現行比で増加しない WAREHOUSE_LOAD_HISTORY / QUERY_HISTORY.QUEUED_OVERLOAD_TIME を 集計 Spillの増加 現行比で増加しない QUERY_HISTORY.BYTES_SPILLED_TO_LOCAL_STORAGE / BYTES_SPILLED_TO_REMOTE_STORAGE を集計 ✓ 複数のMQPLで結果を比較 ✓ 日次/週次で性能が安定するか確認するため、検証 は複数日に渡って実行。大ブレは無かった ✓ 共有プールを使うことでキューイングが発生するの か？リソースを動的に確保する場合スピルが増加す るような選択をする可能性があるのか？..といった ことを気にして検証。結果、全部杞憂だった コストもしっかり下がっていることを確認 2026 DATUM STUDIO Co. Ltd. 25
26. まとめ 2026 DATUM STUDIO Co. Ltd.
27. まとめ ✓ Adaptive Warehouse はパフォーマンスに関する管理が不要な新しい ウェアハウス ✓ クエリ負荷が一定でないワークロードには非常におススメ ✓ 迷ったときはレッツ検証。たぶん大体いい感じになる 今回の発表にあたり、株式会社ヤオコー様にご協力いただき Adaptive Warehouse の導入結果を使用させていただいており ます。吉岡様をはじめとしたヤオコー社の皆様、ありがとうございます 2026 DATUM STUDIO Co. Ltd.
28. おしまい 2026 DATUM STUDIO Co. Ltd.