大規模環境におけるミリ秒単位のレイテンシー：SnowflakeのML特徴量ストアがSnowflake Postgresで稼働する理由
MLチームにとって、サービングレイヤーはほぼ常に悩みの種となります。特徴量エンジニアリングの部分は問題ありません。ウェアハウスでSQLを記述すれば、すべてのデータが揃っているため、正常に機能します。しかし、予測時には、それらの特徴量を低レイテンシーかつ高スループットで取得する必要があります。すると突然、2つ目のシステムを構築し、その間に同期ジョブを組み込む必要に迫られます。
SnowflakeのMLチームがSnowflakeのオンライン特徴量ストアを構築した際、まさにこの課題を解決したいと考えました。つまり、コンピュートをSnowflakeで実行し、Postgresからサービングを行い、中間レイヤーを排除することです。
チームがSnowflake Postgresを選択した理由は以下のとおりです。
導入初日からの本番環境対応組み込み済みのSLA、セキュリティ、スケール
Snowflake Postgresは、Crunchy Dataの長年にわたるPostgresの専門知識を基盤として構築されています。その堅牢な本番環境の基盤は、稼働時間の保証、セキュリティ制御、大規模な継続的運用を必要とするアプリやAIなど、最も要求の厳しいエンタープライズワークロードを管理できるように設計されています。
ここでSnowflake Postgresが真価を発揮します。現在、以下の機能を備えています。
本番環境への対応：99.95%の稼働率を保証するサービスレベル契約（SLA）、マネージド接続プーリング、および中断を最小限に抑えたインプレースでのPostgresのメジャーバージョンアップグレードにより、安心して運用可能
接続されたデータ：Snowflake Postgresからアナリティクスへの変更を数秒でレプリケーションする。これを可能にするのが、オープンソース拡張機能であるpg_lakeである。中間プロセスや隠れたプロセスを介さずに、Snowflakeが読み取るのと同じオブジェクトストレージレイヤーに直接書き込む
合理化された開発者体験：100%のPostgres互換性、Postgres 18、64TBのストレージ上限、およびネイティブの論理レプリケーションにより、コードを変更することなくアプリのリフト＆シフトが可能
セキュリティおよびコンプライアンス機能：PrivateLinkやお客様マネージドキーなどの高度な制御に加え、トランザクションデータと分析データ全体にわたる単一のセキュリティ境界を活用可能
本番環境のベンチマークに基づく、2.5分の1のレイテンシーと7倍のスループットによるMLの強化
だからこそ、SnowflakeのMLチームはSnowflake Postgresを採用してオンライン特徴量ストア（パブリックプレビュー中）を構築しました。このストアは、リスクスコア、アクティビティパターン、行動特徴量など、レイテンシーに敏感な最新のMLシグナルを予測時にモデルへ提供します。これらのワークロードでは、1秒間に数千回の予測が必要であり、それぞれにおいてミリ秒単位で特徴量を返す必要があります。
Snowflake Postgresにより、MLチームはコアとなるSnowflakeエンジンで複雑な特徴量エンジニアリングを実行し、オンラインストアにデータをシームレスに同期できるようになります。初期テストでは、チューニングなしで必要な低レイテンシーを実証し、Snowflakeの最大規模のお客様が求める高いスケーラビリティ要件を容易に満たしました。また、Snowflake Postgresを選択することで、チームはpg_vectorなどの拡張機能を含む幅広いPostgresエコシステムを活用し、将来的な特徴量の提供を加速させることができます。
Databricks Lakebaseを基盤とするDatabricksのオンライン特徴量ストアと比較した本番環境のベンチマークにおいて、Snowflake Postgresは以下の結果を実証しました。
2.5分の1のレイテンシー（同等のスループット時）
7倍のQPS（同等のインスタンス時）
10ミリ秒のP50（1,500 QPS持続時）
チームによるSnowflake Postgresの活用方法
Snowflakeのオンライン特徴量ストアは、ほんの一例にすぎません。世界中の企業がSnowflake Postgresを活用し、データへのアプローチを変革しています。ここでは、いくつかの主要なユースケースをご紹介します。
運用ストア
企業はSnowflake Postgresを使用することで、コードを書き換えることなく、断片化したデータベース環境の統合、レガシーシステムの廃止、マルチベンダー展開の合理化を実現しています。
Ericsson は、ソフトウェアバージョン、ハードウェア、ライセンスなど、世界中のすべてのお客様のネットワークからデータを収集し、AIからカスタマーサポートに至るまで1,000以上のユースケースを支えています。同社は4つのレガシーデータベースをSnowflake Postgresに統合し、同期パイプラインを排除して、データ処理時間を99%削減しました。
SimCorp は、40年以上にわたる投資データを管理しており、複雑なワークフロー状態と詳細なロックを伴う、1分あたり数千件の同時トランザクション更新を処理しています。移行後、同社は以前のPostgresソリューションと比較して、ディスク操作が10倍高速化されたことを確認しました。
アナリティクスの高速化
最新のオペレーショナルデータは、ETLという隠れた負担なしに、分析できる状態になっている必要があります。Snowflake Postgresは、これを可能にします。
Sigma Computingは、保守すべき外部システムやパイプラインインフラストラクチャを必要とせず、Snowflake内で直接クエリを実行して、最新のトランザクションデータに対するライブアナリティクスを顧客に提供しています。
モダンAIとアプリ開発
インテリジェントなアプリやエージェントは、最新のオペレーショナルコンテキストに即座にアクセスできる必要があります。Snowflake Postgresは、高スループットのトランザクションと大規模なアナリティクスを、シングルプラットフォーム上で同時にサポートするように設計されています。
BlueCloud は、低レイテンシーのトランザクションワークロードをアナリティクスやAIとともに1つのプラットフォーム上で実行し、インフラストラクチャのオーバーヘッドを削減して、顧客の迅速な行動を支援しています。
Superblocksを使用すると、開発者はSnowflakeのコーディングエージェントであるSnowflake CoCoを使用して、フルスタックのエンタープライズアプリを構築できます。SuperblocksはSnowflake Postgresに直接接続するため、開発者はパイプラインなしで、使い慣れたSQLツールをライブデータに対して使用できます。
Lakebaseよりも高速で信頼性の高いSnowflake Postgres
マネージドPostgresサービスを評価する際、その違いは規模が大きくなるにつれて特に顕著になります。Snowflake Postgresは、Databricks Lakebaseの約4倍高速なベンチマークパフォーマンスで際立っています。1Lakebaseには公開されたSLAのコミットメントがありませんが、Snowflake Postgresは99.95%の稼働率SLAを公開して提供しています。 また、Snowflake Postgresは最大64 TBのストレージをサポートしており、Lakebaseを制限する16 TBの制限を大幅に超えています。
運用面では、Snowflake Postgresは、中断を最小限に抑えたインプレースでのPostgresのメジャーバージョンアップグレードを通じて管理を簡素化し、痛みを伴うダウンタイムを回避します。さらに、Snowflake Postgresは標準の論理レプリケーションをサポートしており、データ移動、移行、統合のシナリオにおいて、組織にさらなる柔軟性をもたらします。Lakebaseは論理レプリケーションをサポートしていません。
これらの機能を備えたSnowflake Postgresは、最高レベルのPostgresパフォーマンス、スケーラビリティ、レジリエンスを求めるエンタープライズにとって優れた選択肢となります。
使用を開始する
Snowflake Postgresは本番環境に対応しており、本日より一般提供されています。Snowflakeオンライン特徴量ストアは、パブリックプレビュー中です。利用を開始するには、以下のリソースをご確認ください。
将来の見通しに関する記述：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。実際の成果や提供物は異なる可能性があり、既知および未知のリスクおよび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。
パフォーマンスの比較は、2026年4月の内部ベンチマークに基づいています。実際の結果は、ワークロード、構成、リージョンによって異なる場合があります。
1 1分あたりのPostgreSQLトランザクション数に基づく、Snowflake Postgres HIGHMEM_4XL（96 WH）とDatabricks Lakebase 64 CU（96 WH）の比較。
