Latenza in millisecondi su larga scala: perché il nostro ML Feature Store gira su Snowflake Postgres
Il serving layer è quasi sempre il punto critico per i team ML. La parte di feature engineering va bene: scrivi SQL nel tuo data warehouse. Hai tutti i dati; funziona. Ma poi hai bisogno di quelle feature al momento della predizione, con bassa latenza e throughput elevato. All’improvviso ti ritrovi a mettere insieme un secondo sistema con un processo di sincronizzazione nel mezzo.
Quando il team ML Snowflake ha sviluppato l’Online Feature Store Snowflake, voleva esattamente questo: elaborazione in Snowflake, serving da Postgres, nessun layer intermedio.
Ecco perché ha scelto Snowflake Postgres.
Pronto per la produzione dal primo giorno: SLA, sicurezza e scalabilità integrati
Snowflake Postgres è costruito su anni di esperienza Postgres maturata da Crunchy Data. Le sue solide basi produttive sono progettate per gestire i workload enterprise più esigenti: app e intelligenza artificiale che richiedono impegni di uptime, controlli di sicurezza e operazioni continuative su larga scala.
È qui che Snowflake Postgres eccelle. Oggi è disponibile con:
Maturità produttiva: Puoi operare con fiducia grazie a un service-level agreement (SLA) di uptime al 99,95%, connection pooling gestito e upgrade in-place delle versioni principali di Postgres con interruzioni minime.
Dati connessi: Replica le modifiche da Snowflake Postgres alle tue analisi dei dati in pochi secondi. Questo è reso possibile da pg_lake, la nostra estensione open source che scrive direttamente nello stesso layer di object storage da cui legge Snowflake, senza intermediari né processi nascosti.
Developer experience semplificata: Esegui il lift and shift delle app senza modifiche al codice grazie alla compatibilità al 100% con Postgres, Postgres 18, un limite di archiviazione di 64 TB e la replica logica nativa.
Sicurezza e conformità integrate: Affidati a controlli avanzati come PrivateLink e chiavi gestite dal cliente, con un unico perimetro di sicurezza per i dati transazionali e analitici.
ML con latenza 2,5 volte inferiore e throughput 7 volte superiore, sulla base di benchmark in produzione
È esattamente per questo che il team ML di Snowflake ha puntato su Snowflake Postgres per sviluppare il Online Feature Store (public preview), che fornisce ai modelli al momento della predizione segnali ML freschi e sensibili alla latenza: risk score, pattern di attività, feature comportamentali. Questi workload richiedono migliaia di predizioni al secondo, ognuna delle quali necessita di feature restituite in millisecondi.
Snowflake Postgres consente al team ML di eseguire feature engineering complessa sul motore core di Snowflake e di sincronizzare i dati con l’online store in modo fluido. Nei test iniziali, ha dimostrato le basse latenze necessarie senza alcun tuning e ha soddisfatto con facilità le elevate esigenze di scalabilità dei clienti più grandi di Snowflake. La scelta di Snowflake Postgres consente inoltre al team di sfruttare il più ampio ecosistema Postgres, incluse estensioni come pg_vector, per accelerare la distribuzione futura di feature.
Nei benchmark in produzione condotti contro Databricks Online Feature Store, basato su Databricks Lakebase, Snowflake Postgres ha dimostrato:
Latenza 2,5 volte inferiore a throughput equivalente
Query per secondo (QPS) 7 volte superiori su istanze comparabili
P50 di 10 ms a 1500 QPS sostenuti
Come i team costruiscono su Snowflake Postgres
Snowflake Online Feature Store è solo un esempio. Aziende di tutto il mondo si affidano a Snowflake Postgres per trasformare il proprio approccio ai dati. Ecco alcuni casi d’uso chiave.
Operational store
Le imprese consolidano database frammentati, dismettono sistemi legacy e semplificano i deployment multivendor con Snowflake Postgres, il tutto senza riscrivere il codice.
Ericsson raccoglie dati da ogni rete cliente a livello globale, versioni software, hardware, licenze, alimentando oltre mille casi d’uso, dall’intelligenza artificiale al supporto clienti. Ha consolidato quattro database legacy su Snowflake Postgres, eliminato le pipeline di sincronizzazione e ridotto i tempi di elaborazione dei dati del 99%.
SimCorp gestisce dati di investimento che coprono più di 40 anni, gestendo migliaia di aggiornamenti transazionali concorrenti al minuto con stati di workflow complessi e locking granulare. Dopo la migrazione, ha registrato operazioni su disco 10 volte più veloci rispetto alla precedente soluzione Postgres.
Analisi dei dati più veloci
I dati operativi freschi dovrebbero essere pronti per l’analisi senza il costo nascosto dell’ETL. Snowflake Postgres lo rende possibile.
Sigma Computing offre ai propri clienti analisi dei dati live sui dati transazionali più aggiornati, interrogati direttamente all’interno di Snowflake senza sistemi esterni né infrastrutture di pipeline da mantenere.
AI e sviluppo app moderni
Le app intelligenti e gli agenti hanno bisogno di accesso immediato al contesto operativo più aggiornato. Snowflake Postgres è progettato per supportare transazioni ad alto throughput e analisi dei dati su larga scala, simultaneamente, su un’unica piattaforma.
BlueCloud gestisce workload transazionali a bassa latenza insieme ad analisi dei dati e intelligenza artificiale su un’unica piattaforma, riducendo l’overhead operativo e aiutando i propri clienti a muoversi più velocemente.
Superblocks consente agli sviluppatori di creare app enterprise full-stack usando il coding agent Snowflake, Snowflake CoCo. Poiché Superblocks si connette direttamente a Snowflake Postgres, gli sviluppatori dispongono di strumenti SQL familiari da usare sui dati live, senza pipeline.
Snowflake Postgres è più veloce e affidabile di Lakebase
Quando si valutano le offerte Postgres gestite, le differenze diventano particolarmente evidenti su larga scala. Snowflake Postgres si distingue con prestazioni benchmark circa 4 volte superiori rispetto a Databricks Lakebase.1 Offre uno SLA di uptime pubblicato al 99,95%, mentre Lakebase non ha alcun impegno pubblico di SLA. Snowflake Postgres supporta inoltre fino a 64 TB di archiviazione, superando ampiamente il limite di 16 TB che vincola Lakebase.
Dal punto di vista operativo, Snowflake Postgres semplifica la gestione grazie agli upgrade in-place delle versioni principali di Postgres con interruzioni minime, evitando costosi tempi di inattività. Inoltre, Snowflake Postgres supporta la replica logica standard, offrendo alle organizzazioni maggiore flessibilità per scenari di spostamento dati, migrazione e integrazione. Lakebase non supporta la replica logica.
Nel complesso, queste funzionalità rendono Snowflake Postgres la scelta ideale per le imprese che cercano prestazioni Postgres di punta, scalabilità e resilienza.
Inizia subito
Snowflake Postgres è pronto per la produzione ed è in GA oggi. Snowflake Online Feature Store è in public preview. Scopri queste risorse per iniziare:
Affermazioni riferite al futuro: Questo articolo contiene delle affermazioni riferite al futuro, tra cui offerte future di prodotti, che però non rappresentano un impegno a fornire alcuna offerta di prodotti. Le offerte e i risultati effettivi potrebbero essere diversi ed essere soggetti a incertezze e rischi noti e non noti. Fai riferimento al nostro più recente modulo 10‑Q per ulteriori informazioni.
Confronti delle prestazioni basati su benchmark interni, aprile 2026. I risultati effettivi possono variare in base al workload, alla configurazione e all’area geografica.
1 Basato sulle transazioni PostgreSQL al minuto, confrontando Snowflake Postgres HIGHMEM_4XL (96 WH) con Databricks Lakebase 64 CU (96 WH).
Latenza in millisecondi su larga scala: perché il nostro ML Feature Store gira su Snowflake Postgres
I partner del Marketplace Snowflake generano 100 milioni di dollari nella prima metà del 2026: ed è solo l’inizio
Come il Marketing AI Council Snowflake ha trasformato un’organizzazione globale in un team AI-native
