現役データエンジニアが、Snowflake・データ基盤・SQLを初心者向けに図解で解説。野球データ分析や旅行記も発信。
現役エンジニアの学びと日常
  • ホーム
  • Snowflake
  • 野球データ分析
  • 旅行
  • About

Snowflakeウェアハウス使用状況の可視化とコスト最適化入門

Snowflakeウェアハウス使用状況の可視化とコスト最適化入門 Snowflake
2026.05.042026.05.24
この記事をシェアする𝕏B!FacebookLINEPocket
  1. はじめに:なぜウェアハウスの「見える化」が大事なの?
  2. ウェアハウスのコスト発生の仕組み
  3. Snowsightで使用状況を可視化する
    1. 操作手順
  4. ACCOUNT_USAGEビューで詳細分析
  5. すぐ効くコスト最適化テクニック5選
    1. 1. AUTO_SUSPENDを短めに設定
    2. 2. 適切なサイズに調整
    3. 3. 用途別にウェアハウスを分ける
    4. 4. リソースモニターで予算超過をブロック
    5. 5. クエリ自体を効率化
  6. 注意点
  7. まとめ
  8. 参考リンク
  9. 関連記事
    1. ▶次に読むべき記事

はじめに:なぜウェアハウスの「見える化」が大事なの?

こんにちは!Snowflakeを使っていると気になるのが「今月、どれくらいクレジットを消費しているんだろう?」という点ですよね。Snowflakeの料金は主にウェアハウス(計算リソース)の稼働時間で決まります。つまり、ウェアハウスの使い方を知ることが、そのままコスト削減につながるんです。

この記事では、Snowflakeでウェアハウスの使用状況を可視化する方法と、初心者でもすぐにできるコスト最適化のテクニックを、フレンドリーに解説していきます!

Snowflakeウェアハウス使用状況の可視化とコスト最適化入門

ウェアハウスのコスト発生の仕組み

Snowflakeのウェアハウスは、起動している間だけ秒単位でクレジットを消費します(最低60秒)。サイズが X-Small → Small → Medium → Large… と上がるごとに消費量が2倍ずつ増えていきます。つまり、コスト最適化のポイントは大きく3つです。

  • 不要な稼働時間を減らす(自動サスペンドの活用)
  • 適切なサイズを選ぶ(大きすぎず小さすぎず)
  • クエリを効率化する(無駄な処理を減らす)

Snowsightで使用状況を可視化する

まずは現状把握から!SnowsightのUIには、ウェアハウスの使用状況をグラフで見られる便利な画面があります。

操作手順

  1. Snowsightにログインし、左メニューの「Admin(管理者)」→「Warehouses」を開く
  2. 対象のウェアハウスをクリックすると、過去のクレジット消費グラフや実行クエリ数が表示される
  3. 「Cost Management」画面では、アカウント全体のクレジット消費トレンドも確認できる

操作手順の解説図

ACCOUNT_USAGEビューで詳細分析

もっと細かく分析したいなら、SQLで SNOWFLAKE.ACCOUNT_USAGE スキーマを叩くのが王道。詳細はSnowflakeクレジット消費を分析|ACCOUNT_USAGEビュー入門で深掘りしていますが、ここでは代表的な1本を紹介します。

-- 直近30日のウェアハウス別クレジット消費TOP
SELECT
  WAREHOUSE_NAME,
  SUM(CREDITS_USED) AS TOTAL_CREDITS
FROM SNOWFLAKE.ACCOUNT_USAGE.WAREHOUSE_METERING_HISTORY
WHERE START_TIME >= DATEADD(day, -30, CURRENT_TIMESTAMP())
GROUP BY WAREHOUSE_NAME
ORDER BY TOTAL_CREDITS DESC;

これで「どのウェアハウスが一番お金を食っているか」が一目瞭然です。

すぐ効くコスト最適化テクニック5選

1. AUTO_SUSPENDを短めに設定

クエリが流れていない時間に自動停止する設定です。デフォルトは10分ですが、開発用なら60秒でも十分。

ALTER WAREHOUSE MY_WH SET AUTO_SUSPEND = 60 AUTO_RESUME = TRUE;

2. 適切なサイズに調整

「大きい方が速い」は半分正解、半分不正解。クエリ実行時間が半分になっても、ウェアハウスサイズが2倍ならコストは同じ。クエリの特性に合わせた選択が大事です。

3. 用途別にウェアハウスを分ける

BI用、ETL用、アドホック分析用と分けることで、無駄な相乗りを防止できます。同時実行が多い場合はマルチクラスタウェアハウスも検討しましょう。

4. リソースモニターで予算超過をブロック

「気づいたら予算オーバー!」を防ぐにはSnowflakeリソースモニターが必須。クレジット上限を決めて自動停止させられます。

5. クエリ自体を効率化

非効率なSQLは長時間ウェアハウスを稼働させ、コスト増の元凶に。クエリ最適化ベストプラクティスやキャッシュの活用もぜひチェックを。

注意点

  • ACCOUNT_USAGEビューは最大3時間程度の遅延があるため、リアルタイム監視にはINFORMATION_SCHEMAを併用しましょう。
  • サイズダウンしすぎるとスピル(ディスクへの書き出し)が発生し、逆に時間とコストが膨らむこともあります。

まとめ

ウェアハウスのコスト最適化は「見える化 → 分析 → 設定見直し」の繰り返しです。まずはSnowsightで使用状況を眺めるところから始めて、慣れてきたらACCOUNT_USAGEで深掘り、最後にAUTO_SUSPENDやリソースモニターで仕組み化する。この流れを身につければ、Snowflakeのコストはぐっと下げられます!

参考リンク

  • 仮想ウェアハウスの使用に関する考慮事項
  • コストの最適化
  • WAREHOUSE_METERING_HISTORY ビュー

関連記事

  • Snowflakeリソースモニター入門|予算超過を防ぐ仕組み – クレジット上限を設定して自動停止できる仕組み
  • Snowflakeクレジット消費を分析|ACCOUNT_USAGEビュー入門 – SQLで詳細にコスト分析する方法
  • Snowflakeクエリ最適化ベストプラクティス10選 – クエリ効率化でコストも削減
  • Snowflakeマルチクラスタウェアハウス入門 – 同時実行を捌きつつコスト管理する仕組み
  • Snowflakeの3つのキャッシュの違い – キャッシュ活用で無駄な計算を減らす
  • Snowflake「Warehouse does not exist」エラーの原因と解決法 – 関連するエラー対処の手順をまとめています
  • Snowflake「Statement reached its statement timeout」エラーの原因とタイムアウト調整方法 – 関連するエラー対処の手順をまとめています
  • Snowflakeリソースモニターのクレジット上限到達エラー解除手順 – 関連するエラー対処の手順をまとめています

▶次に読むべき記事

Snowflake入門ガイド|12ステップで学ぶ学習ロードマップのサムネイル
Snowflake入門ガイド|12ステップで学ぶ学習ロードマップ
Snowflakeを基礎から学べる完全ガイド。入門・基礎・応用・上級の4フェーズ12ステップで、ウェアハウス・SQL・データロード・パフォー…
Snowflake Document AIで契約書・請求書PDFからデータを抽出する手順のサムネイル
Snowflake Document AIで契約書・請求書PDFからデータを抽出する手順
Snowflake Document AIを使えば、PDFの契約書や請求書から「金額」「日付」「取引先」といった項目をSQLだけで抜き出せま…
Snowflake Cortex Agentsとは?SQL×検索×LLMで作るAIエージェント入門のサムネイル
Snowflake Cortex Agentsとは?SQL×検索×LLMで作るAIエージェント入門
Snowflake Cortex Agentsは、構造化データへのSQLクエリと非構造化データへのベクトル検索、そしてLLMの推論を1つにま…

この記事は Snowflake入門ガイド の一部です。
学習ロードマップに戻って、次のステップへ進めます。

Snowflake入門ガイドへ戻る
この記事をシェアする𝕏B!FacebookLINEPocket
Snowflake入門系
ACCOUNT_USAGESnowflakeSnowsightウェアハウスクレジットコスト最適化パフォーマンス
Somaをフォローする
Soma

関連記事

Streamlit in Snowflake入門|データアプリをPythonで簡単作成のサムネイル Snowflake

Streamlit in Snowflake入門|データアプリをPythonで簡単作成

Snowflakeの中だけでPythonによるデータアプリが作れる「Streamlit in Snowflake」を、初心者向けに作成手順・コード例・ユースケースを交えてやさしく解説します。
Snowflake監査ログ入門|Account UsageとInformation Schemaの違いをやさしく解説のサムネイル Snowflake

Snowflake監査ログ入門|Account UsageとInformation Schemaの違いをやさしく解説

Snowflakeの監査ログを初心者向けにやさしく解説。Account UsageとInformation Schemaの違い、ログイン履歴やクエリ履歴の確認方法をSQL例とともに紹介します。
Snowflakeマルチクラスタウェアハウス入門|同時実行クエリを増やす仕組みのサムネイル Snowflake

Snowflakeマルチクラスタウェアハウス入門|同時実行クエリを増やす仕組み

同時実行クエリが詰まって遅くなる…そんな悩みを解決するのがSnowflakeのマルチクラスタウェアハウスです。仕組みと設定方法を初心者向けにやさしく解説します。
Snowflake「Warehouse does not exist」エラーの原因と解決法のサムネイル Snowflake

Snowflake「Warehouse does not exist」エラーの原因と解決法

Snowflakeでクエリを実行しようとして「Warehouse does not exist or not authorized」と出てしまう原因を、初心者向けにやさしく解説。スペルミス・権限・ロールの3つの観点から最短で解決する手順を紹介します。
Snowflakeのクレジット急増の原因調査と削減方法を解説のサムネイル Snowflake

Snowflakeのクレジット急増の原因調査と削減方法を解説

Snowflakeのクレジット消費が急に増えたときの原因の調べ方と、すぐにできる削減テクニックを初心者向けにフレンドリーに解説します。
Snowflake UDF入門|SQL・JavaScript・Pythonで関数を自作する方法のサムネイル Snowflake

Snowflake UDF入門|SQL・JavaScript・Pythonで関数を自作する方法

SnowflakeのUDF(ユーザー定義関数)を初心者向けに解説。SQL・JavaScript・Pythonの3言語で関数を自作する方法、ストアドプロシージャとの違い、書き方のサンプルとSnowsightでの確認手順をまとめました。
プラス指標と100基準の読み方|OPS+・ERA+・wRC+・FIP−を初心者向けに解説のサムネイル
プラス指標と100基準の読み方|OPS+・ERA+・wRC+・FIP−を初心者向けに解説
出塁率(OBP)とは?打率より重要な理由と計算方法をやさしく解説のサムネイル
出塁率(OBP)とは?打率より重要な理由と計算方法をやさしく解説
ホーム
Snowflake

カテゴリー

  • Snowflake(101)
  • 入門系(70)
  • トラブルシューティング系(25)
  • 新機能・ニュース系(6)
  • セイバーメトリクス(41)
  • 旅行(10)
スポンサーリンク

最新記事

Snowflake

  • Snowflake Document AIで契約書・請求書PDFからデータを抽出する手順2026年6月12日
  • Snowflake Cortex Agentsとは?SQL×検索×LLMで作るAIエージェント入門2026年6月10日
  • Snowflake Cortex Analyst入門|自然言語からSQLを自動生成しよう2026年6月10日

セイバーメトリクス

  • xwOBA・xBA・xSLG・xERAとは?Statcast期待値系指標で運と実力を分けて読む2026年6月7日
  • Statcast打球指標入門|Exit Velocity・Launch Angle・Barrel・Hard-Hit%をやさしく解説2026年6月7日
  • WPA(Win Probability Added)とは?1打席が試合に与えた勝率変動をやさしく解説2026年6月7日

旅行

  • ホテルグレイスリー台北宿泊記|朝食・立地・部屋・荷物預かりを実体験レビュー2026年6月8日
  • 台北の夜市はどこがおすすめ?寧夏・饒河街・士林を実際に巡って比較2026年6月6日
  • 十分・九份・饒河街観光夜市を1日で巡るルート|ランタン上げと阿妹茶樓を断念した実体験2026年6月5日
スポンサーリンク
スポンサーリンク
現役エンジニアの学びと日常
  • About
  • お問い合わせ
  • プライバシーポリシー
  • サイトマップ|現役エンジニアの学びと日常
© 2025 現役エンジニアの学びと日常.
    • ホーム
    • Snowflake
    • 野球データ分析
    • 旅行
    • About
  • ホーム
  • トップ