急速に変化するデータとAIの状況により、組織におけるデータアナリティクスやエンジニアリング向けコンピュートの評価方法は変化しつつあります。ワークロードの多様化が進み予測が困難になる中、ビジネスを前進させる成果を上げるためには、パフォーマンス、使いやすさ、スケーラビリティのバランスを取ることがこれまで以上に重要になっています。
Snowflakeアダプティブコンピュート（まもなく一般提供開始）は、運用の複雑さを伴わずにハイパフォーマンスを提供し、こうした運用上の中心的な課題を直接解決します。アダプティブコンピュートを使用して作成されたウェアハウスは、アダプティブウェアハウスと呼ばれます。このウェアハウスは、コンピュートリソースを大規模に構成、調整、管理するために必要な手作業や技術的な複雑さを排除します。これにより、スループットを向上させてインサイト獲得までの時間を短縮できるだけでなく、エンジニアリングチームはコンピュートリソースの維持ではなくイノベーションに集中できるようになります。
アダプティブコンピュートの特長
アダプティブコンピュートはワークロードを認識し、手動でのサイジング、クラスター管理、キャパシティプランニングを行うことなく、変化する予測不可能な需要に合わせて動的に調整を行います。これは、Snowflakeのコンピュートポートフォリオにおけるパフォーマンス、ハードウェア、ソフトウェアのイノベーションの「最前線」となるものです。このポートフォリオには以下も含まれます。
Gen2 Warehouses：使い慣れたサイジングとマルチクラスター制御により、定常的なアナリティクスや本番環境のワークロードに対して、予測可能で高性能な実行を提供する。
Interactive Warehouses：リアルタイムダッシュボードやデータに基づくAPIなど、1秒未満の応答が求められる高同時実行性のリアルタイム分析ユースケース向けに構築されている。
Snowpark-Optimized Warehouses：MLトレーニング、大規模な変換、データサイエンスのワークロード向けに、メモリ集約型のコンピュートを提供する。
従来のウェアハウスからアダプティブウェアハウスへの移行は、ダウンタイムなしで行うことができます。アダプティブウェアハウスは、従来と同じ論理的なクエリのグループ化を提供しますが、パラメーターの数は少なくなります。システムのデフォルト設定により、多くの微調整を行うことなくすぐに利用を開始できます。運用ツールはこれまでと同じように機能するため、スムーズな移行が可能です。
アダプティブコンピュートは、卓越したパフォーマンスと使いやすさを実現するように設計されています。ウェアハウスを作成し、そこにワークロードを割り当てるだけです。Snowflakeは、アカウント内の共有コンピュートプールに対するリソース割り当て、スケーリング、クエリのルーティングを処理します。さらに、パフォーマンスを継続的に評価してクエリの速度とスループットを向上させます。アダプティブウェアハウスはリアルタイムでクエリに適応し、各クエリが必要とするコンピュートリソースとソフトウェアリソースをその場で決定して割り当てます。
その結果、運用のオーバーヘッドを削減しつつ、より優れたパフォーマンスとスループットを求めるチームに対して、統合されたフルマネージドのエクスペリエンスが提供されます。他のコンピュートオプションとの違いは以下のとおりです。
ハイパースケーラーネイティブのウェアハウスは幅広いエコシステムを提供しますが、混在するワークロードにおいてコンピュートを効果的に使用および管理するためには、追加のサービスやより複雑な構成が必要になることがよくあります。
カスタムビルドのレイクハウススタックは柔軟性をもたらしますが、多大なエンジニアリング投資、継続的なチューニング、および運用のメンテナンスが必要になる場合があります。
特化型エンジンは個々のワークロード（MLやリアルタイム分析など）に対して強力なパフォーマンスを提供しますが、アーキテクチャの断片化、データの移動、ガバナンスのオーバーヘッドを引き起こす可能性があります。
推測に頼らないハイパフォーマンス
アダプティブコンピュートは最新のハードウェアとパフォーマンスの強化を組み込んでいます。さまざまなワークロードにおいて、Gen1とGen2の両方の標準的なSnowflakeコンピュートと比較して、以下のような有意義なパフォーマンスの向上（TPC-DSおよび内部ベンチマークに基づく）を示しています。
- 探索的アナリティクス、データサイエンス、アドホックアナリティクスなどの分析ワークロードで最大1.6倍の高速化
- 同時実行性の高い運用アナリティクスワークロードで最大2.2倍のスループット向上（クエリ/時）
- データ変換、取り込み、データパイプラインなどのDMLを多用するワークロードで最大3.5倍の実行速度向上
アダプティブコンピュートは、固定されたコンピュートエンジンを、ワークロードが実際に必要とするパフォーマンスレベルに動的に対応するエンジンに置き換えます。ワークロード、パフォーマンス、価格の要件を満たすためにシステムにガードレールを設ける管理パラメーターは、引き続き利用できます。
このインテリジェントなスケーリングは、変動するワークロードが混在する環境を扱う場合に特に重要です。これにより、アダプティブコンピュートは技術チームとビジネスチームの両方にとって、アクションまでの道のりを短縮できます。
コンピュートの制約とパフォーマンスのトレードオフを軽減することで、迅速なイノベーションと新しいユースケースの探索をサポートする
運用リスクを増大させることなく、ビジネスの需要に合わせて拡張するパフォーマンスにより、データおよびAIイニシアチブの収益化を促進する
Combined with a query-based billing model and continuous delivery of the latest hardware and software enhancements, Adaptive Warehouses can run significantly more queries at a similar cost to Gen2.
卓越した使いやすさ
コンピュート構成を手動で決定することには、常にリスクが伴います。プロジェクトに最適なウェアハウスのサイズはどれくらいでしょうか。前四半期に機能したマルチクラスターポリシーは、今四半期のワークロードミックスに適合するでしょうか。クエリアクセラレーション設定を有効に保つには、どの程度の監視が必要になるでしょうか。
アダプティブコンピュートは、エンジニアリングチームをこうした意思決定の負担から解放します。ユーザーは2つのパラメーター（Maximum Query Performance LevelとQuery Throughput Multiplier）を設定するだけです。各クエリに最適なコンピュート構成を見つける作業は、Snowflakeが引き受けます。コストガバナンスも期待通りに機能し、標準のウェアハウスと同様の予算、リソースモニター、ショーバック/チャージバックのメカニズムを使用できます。Snowflakeが支出をパフォーマンスと基盤となるコンピュートにどのように変換するかを最適化する一方で、ユーザーは支出に対する完全な可視性と制御を維持できます。
“Observe by Snowflakeでは、お客様のクエリを処理する上で最もコストパフォーマンスの高い方法を見つけるために、さまざまなサイズにわたる1,000以上のSnowflakeウェアハウスからなる大規模なフリートを管理しています。インタラクティブなクエリのレイテンシーを低く抑えながら、高いパフォーマンスと効率性を実現するために、これらのウェアハウスを管理する非常に高度なスケジューラーを構築しました。当社のテストでは、わずか数個のアダプティブウェアハウスを使用するだけで、同等のコストで大幅に優れたパフォーマンス（クエリレイテンシーを最大30%削減）を達成できることが示されています。複雑なスケジューリングロジックをSnowflakeにアウトソーシングできることを非常に嬉しく思っており、お客様向けのオブザーバビリティ製品の構築に注力できるよう、アダプティブを積極的に採用しています”
Gabriel Tavridis
アダプティブコンピュートがもたらすビジネス成果：4つのユースケース
パフォーマンスと使いやすさの強力な組み合わせは、企業全体にメリットをもたらします。アダプティブウェアハウスが測定可能な成果をもたらす4つの例をご紹介します。
混在するアナリティクスワークロード
目標：1日を通して、また週ごとに使用量が変動する、同時実行されるBIダッシュボード、データ探索と分析、アドホッククエリをサポートします。
アダプティブコンピュートの利点：適切なタイミングで適切な量のコンピュートを提供することで、ワークロード全体で一貫したパフォーマンスを維持します。
データロードパイプライン
目標：データ型やソースを問わず、一貫したインジェスト速度を実現します。
アダプティブコンピュートの利点：動的スケジューリングがインジェストの並列処理に適合します。自動的なリソース管理により、手動でのチューニングなしで一貫したパフォーマンスをサポートします。
AIの実験
目標：予測不可能なトレーニングサイクル、特徴量エンジニアリング、モデルのイテレーションを管理します。
アダプティブコンピュートの利点：集中的なコンピュートのバースト時に自動的にスケーリングし、コストを制御してインフラストラクチャのボトルネックを防ぎながら、モデル開発とAIのイテレーションをサポートおよび加速させます。
混在するBIとETLのワークロード
目標：継続的なサイズ変更やトリアージのレイテンシーなしで、多様で複雑かつ予測不可能なワークロードを同時に処理します。
アダプティブコンピュートの利点：クエリごとのスケジューリングにより、静的なサイジングよりも、バースト性のある多様なクエリ形状を適切に処理します。
ストリーミング分析
目標：不正アラートやIoTシグナルなど、リアルタイムイベントやストリーミングデータによって発生するワークロードのスパイクを処理します。
アダプティブコンピュートの利点：コンピュートを動的に調整し、タイムセンシティブなデータの低レイテンシーと高スループットを維持します。
今すぐ始める：アダプティブウェアハウスの作成方法
アダプティブウェアハウスは、Snowsightインターフェイス（UI）、SQL、またはCortex Codeを使用して作成できます。Snowsightを使用してアダプティブウェアハウスを作成するには、次の5つの手順に従います。
Snowsightにサインインする
ナビゲーションメニューで、Compute » Warehousesを選択する
+Warehouseを選択する
Typeドロップダウンで、Adaptiveを選択する
オプションでAdvancedを選択し、以下を構成する：
Maximum query performance level（デフォルト：XLarge）
Query throughput multiplier（デフォルト：2）
これでウェアハウスの準備が整い、通常どおり使用できるようになります。アダプティブウェアハウスは現在、3つのAWSリージョン（米国、EU、APAC）で利用可能であり、各リージョンでキャパシティの必要性に応じてロールアウトが継続されています。
アダプティブコンピュート：次世代のコンピュート
AIイニシアチブの拡張、エンタープライズアナリティクスの統合、データ駆動型アプリケーションの構築のいずれを行う場合でも、アダプティブコンピュートは、自信を持って迅速に行動するために必要な2つの機能を提供します。
進化するワークロードに動的に適応し、ビジネスの需要に合わせてシームレスに拡張するハイパフォーマンス。これにより、システムは一貫したアナリティクスとインサイトを提供し、迅速なアクションと効率の向上を実現します。
リソースを拡張して過剰な支出を回避する、フルマネージドコンピュートサービスによる使いやすさ 。インフラストラクチャの意思決定や手動での最適化を排除し、エンジニアがより戦略的な業務に専念できるようにします。
アダプティブコンピュートが組織にどのようなメリットをもたらすかについて詳しくは、アダプティブコンピュートのページをご覧ください。また、6月3日（水）午後12:30 p.m. PDTに開催されるSnowflake Summit 2026のアダプティブコンピュートセッション にもぜひご参加ください。
このページには、Snowflakeが将来提供する製品に関する記述を含め、将来の見通しに関する記述が含まれていますが、これはいかなる製品の提供も約束するものではありません。実際の結果や提供内容は異なる場合があり、既知および未知のリスクや不確実性の影響を受けます。詳細については、最新の四半期報告書（10-Q）をご覧ください。
