Adaptive Compute bietet hohe Performance, die sich an Ihre Workloads anpasst
Die sich schnell verändernde Daten- und KI-Landschaft verändert die Art und Weise, wie Unternehmen ihre Rechenressourcen für Data Analytics und Engineering bewerten. Da Workloads immer vielfältiger und weniger vorhersehbar werden, ist es umso wichtiger, ein Gleichgewicht zwischen Performance, Benutzerfreundlichkeit und Skalierbarkeit zu finden, um Ergebnisse zu liefern, die das Unternehmen voranbringen.
Snowflake Adaptive Compute (in Kürze allgemein verfügbar) geht diese zentralen betrieblichen Herausforderungen direkt an, indem es hohe Performance ohne betriebliche Komplexität bietet. Warehouses, die mit Adaptive Compute erstellt wurden, sogenannte Adaptive Warehouses, beseitigen den manuellen Aufwand und die technische Komplexität, die für die Konfiguration, Anpassung und Verwaltung von Rechenressourcen in großem Maßstab erforderlich sind. So können Sie den Durchsatz erhöhen, die Time-to-Insight beschleunigen und Ihre Engineering-Teams entlasten, damit sie sich auf Innovationen konzentrieren können, anstatt Rechenressourcen zu warten.
Was Adaptive Compute so besonders macht
Adaptive Compute ist Workload-basiert und passt sich dynamisch an sich entwickelnde und unvorhersehbare Anforderungen an, ohne dass eine manuelle Größenanpassung, Cluster-Verwaltung oder Kapazitätsplanung erforderlich ist. Es ist die „Speerspitze“ für Performance-, Hardware- und Software-Innovationen innerhalb des Snowflake-Portfolios für Rechenressourcen, das außerdem Folgendes umfasst:
Gen2 Warehouses: Bieten eine vorhersehbare, hochleistungsfähige Ausführung für Steady-State-Analytics und Produktions-Workloads mit vertrauten Größenanpassungen und Multi-Cluster-Steuerungen.
Interactive Warehouses: Entwickelt für analytische Echtzeit-Anwendungsfälle mit hoher Parallelität im Subsekundenbereich, wie Echtzeit-Dashboards und datengestützte APIs.
Snowpark-Optimized Warehouses: Bieten speicherintensive Rechenressourcen für ML-Training, umfangreiche Transformationen und Data Science-Workloads.
Die Migration eines klassischen Warehouses zu einem Adaptive Warehouse ist ein Prozess ohne Ausfallzeiten. Ein Adaptive Warehouse bietet Ihnen dieselbe logische Gruppierung von Abfragen, jedoch mit weniger Parametern. Systemstandards helfen Ihnen beim schnellen Einstieg, ohne dass Sie viel anpassen müssen; die operativen Tools bleiben gleich und funktionieren weiterhin wie erwartet, was einen reibungslosen Übergang ermöglicht.
Adaptive Compute ist auf außergewöhnliche Performance und Benutzerfreundlichkeit ausgelegt. Erstellen Sie einfach ein Warehouse und weisen Sie ihm Ihre Workloads zu; Snowflake übernimmt die Ressourcenzuweisung, die Skalierung und das Query-Routing für einen gemeinsam genutzten Pool von Rechenressourcen in Ihrem Konto und bewertet kontinuierlich die Performance, um die Abfragegeschwindigkeit und den Durchsatz zu verbessern. Das Adaptive Warehouse kann sich in Echtzeit an Ihre Abfragen anpassen und die Rechenressourcen und Software-Ressourcen, die jede Abfrage benötigt, im laufenden Betrieb ermitteln und zuweisen.
Das Ergebnis ist eine einheitliche, vollständig verwaltete Erfahrung für Teams, die im Vergleich zu anderen Rechenressourcen-Optionen eine bessere Performance und einen höheren Durchsatz bei geringerem betrieblichen Aufwand wünschen:
Hyperscaler-native Warehouses bieten ein breites Ökosystem, aber Unternehmen stellen oft fest, dass gemischte Workloads zusätzliche Dienste und eine komplexere Konfiguration erfordern, um Rechenressourcen effektiv zu nutzen und zu verwalten.
Maßgeschneiderte Lakehouse-Stacks bieten Flexibilität, können jedoch erhebliche Investitionen in das Engineering, fortlaufende Anpassungen und operative Wartung erfordern.
Spezialisierte Engines liefern eine starke Performance für individuelle Workloads (zum Beispiel ML oder Echtzeit-Analytics), können aber fragmentierte Architekturen, Datenverschiebungen und Governance-Overhead mit sich bringen.
Hohe Performance ohne Rätselraten
Adaptive Compute integriert die neuesten Hardware- und Performance-Verbesserungen und belegt so signifikante Performance-Steigerungen (basierend auf TPC-DS und internen Benchmarks) gegenüber Standard-Snowflake-Rechenressourcen (sowohl Gen1 als auch Gen2) für alle Workloads:
- Bis zu 1,6-mal schneller für analytische Workloads wie explorative Analytics, Data Science und Ad-hoc-Analytics
- Bis zu 2,2-fach höherer Durchsatz (Abfragen/Stunde) für hochgradig parallele operative Analytics-Workloads
- Bis zu 3,5-mal schnellere Ausführung für DML-lastige Workloads wie Datentransformationen, Datenerfassung und Daten-Pipelines
Adaptive Compute ersetzt eine feste Compute-Engine durch eine, die dynamisch auf das Performance-Niveau reagiert, das Ihre Workloads tatsächlich benötigen. Sie verfügen weiterhin über Verwaltungsparameter, die dem System Leitplanken vorgeben, um Ihre Anforderungen an Workload, Performance und Preisgestaltung zu erfüllen.
Diese intelligente Skalierung ist besonders wichtig, wenn es um gemischte Umgebungen mit variablen Workloads geht. Sie ermöglicht es Adaptive Compute, den Weg zum Handeln sowohl für technische als auch für geschäftliche Teams zu verkürzen:
Unterstützung schneller Innovationen und der Erkundung neuer Anwendungsfälle durch die Reduzierung von Einschränkungen bei Rechenressourcen und Performance-Kompromissen
Erleichterung der Monetarisierung von Daten- und KI-Initiativen mit einer Performance, die sich an die geschäftlichen Anforderungen anpasst, ohne das betriebliche Risiko zu erhöhen
„In Kombination mit einem abfragebasierten Abrechnungsmodell und der kontinuierlichen Bereitstellung der neuesten Hardware- und Software-Erweiterungen können Adaptive Warehouses deutlich mehr Abfragen zu ähnlichen Kosten wie Gen2 ausführen.“
Außergewöhnliche Benutzerfreundlichkeit
Jede manuelle Entscheidung zur Konfiguration von Rechenressourcen birgt Risiken. Was ist die optimale Warehouse-Größe für mein Projekt? Werden die Multi-Cluster-Richtlinien, die im letzten Quartal funktioniert haben, auch zum Workload-Mix dieses Quartals passen? Wie viel Überwachung benötigen meine Einstellungen zur Abfragebeschleunigung, um effektiv zu bleiben?
Adaptive Compute nimmt Ihrem Engineering-Team diese Entscheidungen ab. Benutzer legen einfach zwei Parameter fest (Maximum Query Performance Level und Query Throughput Multiplier) und Snowflake übernimmt die Aufgabe, die beste Rechenressourcen-Konfiguration für jede Abfrage zu finden. Die Kosten-Governance funktioniert ebenfalls wie erwartet, wobei ähnliche Budgets, Ressourcenmonitore und Showback-/Chargeback-Mechanismen wie bei Standard-Warehouses verwendet werden. Sie behalten die volle Transparenz und Kontrolle über die Ausgaben, während Snowflake optimiert, wie sich diese Ausgaben in Performance und die zugrunde liegenden Rechenressourcen umsetzen.
Hier ist die präzise und fachlich stimmige Übersetzung des Zitats, perfekt angepasst an das etablierte Wording deiner bisherigen Blog-Serie (inklusive geschlechtersensibler Sprache und IT-Terminologie): „Bei Observe by Snowflake verwalten wir eine große Flotte von über tausend Snowflake-Warehouses verschiedener Größen, um den Weg mit der besten Preis-Performance für die Verarbeitung der Abfragen unserer Kunden zu finden. Wir haben einen hochentwickelten Scheduler gebaut, um diese Warehouses so zu verwalten, dass wir eine hohe Performance und Effizienz erzielen und gleichzeitig die Latenz interaktiver Abfragen niedrig halten. Unsere Tests haben gezeigt, dass wir mit nur einer Handvoll Adaptive Warehouses eine deutlich bessere Performance erreichen können – mit einer Reduzierung der Abfragelatenz um bis zu 30 % bei vergleichbaren Kosten. Wir freuen uns sehr, unsere komplexe Scheduling-Logik an Snowflake auszulagern, und führen Adaptive derzeit aktiv ein, damit wir uns ganz auf die Entwicklung von Observability-Produkten für unsere Kunden konzentrieren können.“
Gabriel Tavridis
Adaptive Compute liefert Geschäftsergebnisse: Vier Anwendungsfälle
Die Kombination aus Performance und Benutzerfreundlichkeit bietet Vorteile für das gesamte Unternehmen. Hier sind vier Beispiele dafür, wie Adaptive Warehouses messbare Ergebnisse erzielen können.
Gemischte Analytics-Workloads
Ziel: Unterstützung gleichzeitiger BI-Dashboards, Datenexploration und -analyse sowie Ad-hoc-Abfragen mit einer Nutzung, die im Laufe des Tages sowie von Woche zu Woche schwankt.
Der Vorteil von Adaptive Compute: Sorgt für eine konsistente Performance über alle Workloads hinweg, indem zur richtigen Zeit die richtige Menge an Rechenressource bereitgestellt wird.
Datenladepipelines
Ziel: Konsistente Ladegeschwindigkeiten über alle Datentypen und -quellen hinweg.
Der Vorteil von Adaptive Compute: Dynamisches Scheduling passt sich der Ingestionsparallelität an; automatisches Ressourcenmanagement unterstützt eine konsistente Performance ohne manuelle Anpassung.
KI-Experimente
Ziel: Verwaltung unvorhersehbarer Trainingszyklen, Feature Engineering und Modelliterationen.
Der Vorteil von Adaptive Compute: Skaliert automatisch während intensiver Bursts der Rechenressource, um die Modellentwicklung und KI-Iteration zu unterstützen und zu beschleunigen, während gleichzeitig die Kosten kontrolliert und Infrastruktur-Engpässe vermieden werden.
Gemischte BI- und ETL-Workloads
Ziel: Gleichzeitige Bewältigung vielfältiger, komplexer und unvorhersehbarer Workloads ohne ständige Größenanpassungen oder Triage-Latenz.
Der Vorteil von Adaptive Compute: Das Scheduling pro Abfrage bewältigt sprunghafte, unterschiedliche Abfrageformen besser als eine statische Größenanpassung.
Streaming-Analytics
Ziel: Verarbeitung von Workload-Spitzen, die durch Echtzeit-Ereignisse und Streaming-Daten wie Betrugswarnungen und Signale aus dem Internet of Things (IoT) verursacht werden.
Der Vorteil von Adaptive Compute: Passt die Rechenressource dynamisch an, um eine niedrige Latenz und einen hohen Durchsatz für zeitkritische Daten aufrechtzuerhalten.
Legen Sie jetzt los: So erstellen Sie ein Adaptive Warehouse
Sie können ein Adaptive Warehouse über die Snowsight-Benutzeroberfläche (UI), mit SQL oder Cortex Code erstellen. Um ein Adaptive Warehouse mit Snowsight zu erstellen, führen Sie die folgenden fünf Schritte aus:
Melden Sie sich bei Snowsight an
Wählen Sie im Navigationsmenü Rechenressource » Warehouses aus
Wählen Sie +Warehouse aus
Wählen Sie im Dropdown-Menü Type die Option Adaptive aus
Wählen Sie optional Advanced aus und konfigurieren Sie:
Maximum Query Performance Level (Standard: XLarge)
Query Throughput Multiplier (Standard: 2)
Das Warehouse ist nun bereit und kann normal verwendet werden. Adaptive Warehouse ist derzeit in drei AWS-Regionen (USA, EU und APAC) verfügbar. Der Rollout wird fortgesetzt, sobald in weiteren Regionen Kapazitäten benötigt werden.
Adaptive Compute: Die nächste Generation der Rechenressource
Unabhängig davon, ob Sie KI-Initiativen skalieren, Enterprise-Analytics konsolidieren oder datengestützte Anwendungen entwickeln, bietet Adaptive Compute zwei Funktionen, die Sie benötigen, um schneller und sicherer voranzukommen:
Hohe Performance, die sich dynamisch an sich entwickelnde Workloads anpasst und nahtlos mit den geschäftlichen Anforderungen skaliert, sodass Systeme konsistente Analytics und Erkenntnisse für schnelleres Handeln und verbesserte Effizienz liefern können
Benutzerfreundlichkeit mit einem vollständig verwalteten Service für die Rechenressource, der Ressourcen skaliert, um Mehrausgaben zu vermeiden, und der Entscheidungen zur Infrastruktur sowie manuelle Optimierungen überflüssig macht, damit sich Ingenieur:innen auf strategischere Aufgaben konzentrieren können
Erfahren Sie mehr darüber, wie Ihr Unternehmen von Adaptive Compute profitieren kann, indem Sie die Seite zu Adaptive Compute besuchen und an der Session zu Adaptive Compute auf dem Snowflake Summit 2026 am Mittwoch, den 3. Juni, um 21:30 Uhr MESZ teilnehmen.
Dieser Inhalt enthält zukunftsgerichtete Aussagen, unter anderem über unsere künftigen Produktangebote, und stellt keine Verpflichtung dar, irgendwelche Produktangebote bereitzustellen. Die tatsächlichen Ergebnisse und Angebote können abweichen und unterliegen bekannten und unbekannten Risiken und Unsicherheiten. Weitere Informationen finden Sie in unserem jüngsten 10-Q-Formular.
Herzlichen Glückwunsch an den Gewinner der Start-up Challenge 2026: LGND AI
Snowflake Puts AI-Ready Enterprise Data at Your Fingertips
Snowflake Postgres: Postgres und Analytics auf einer Plattform vereinen
