Snowflake Data Warehouse

Créée en 2014, Snowflake est une solution propriétaire de Data Warehousing conçue pour le stockage, la gestion et l’analyse de grands volumes de données et fut, avec BigQuery, parmi les premiers à découpler les ressources de calcul et de stockage. Offrant la flexibilité de mettre à l'échelle ces ressources de manière indépendante, elle améliore ainsi les performances et l'optimisation des coûts. Les forces principales de Snowflake sont la performance de requêtes sur données structurées et la gestion de nombreux utilisateurs. En effet, avec son système de micro-partitionnement unique et le parallélisme qu’il permet, Snowflake peut rafraîchir un dashboard en quelques secondes sur de la donnée de plusieurs centaines de gigaoctets. Des outils de gestion d’accès à la donnée par groupe d’utilisateurs pouvant aller jusqu’à la colonne et la ligne permettent de gérer aisément de nombreux utilisateurs avec différents niveaux d’accès. On peut également citer la facilité de prise en main de l’interface utilisateur, la possibilité d’explorer des données avec des notebooks Python, et le fait qu’il puisse tourner sur les trois grands Cloud Providers de manière agnostique.

Néanmoins, Snowflake possède quelques limitations. Tout d’abord, la plateforme est peu adaptée au streaming, car son architecture est optimisée pour le traitement analytique plutôt que pour les charges de travail transactionnelles en temps réel. Ensuite, malgré un modèle de facturation transparent, les coûts de la solution peuvent rapidement devenir conséquents par rapport à ses concurrents.

Le point de vue Theodo

Aujourd’hui, nous conseillons l’utilisation de Snowflake comme solution de Data Warehouse facile à prendre en main, lorsque les volumes de données sont importants, qu’il existe de nombreux utilisateurs analytiques potentiels. C’est aussi la bonne solution pour ne pas être spécifiquement lié à un cloud provider.

Le point de vue MDN

Snowflake est un data warehouse particulièrement performant. Grâce à des concepts comme le partitionnement et les clones, l’utilisation et le partage de gros volumes de données sont facilités. Il est possible d’interroger des données issues de fichiers plats ou bases de données comme PostgreSQL ou MySQL. Je recommande Snowflake comme point central d’accès à la donnée dans un contexte analytique.