Accueil›Blog›Test technique Snowflake performance : query profiling, clustering, materialized views

Guide recrutement data

Test technique Snowflake performance : query profiling, clustering, materialized views

Au-delà des bases Snowflake, l optimisation des performances nécessite de maîtriser le Query Profile, le clustering intelligent et les fonctionnalités avancées. En entretien Senior, c est ce qu on évalue.

Data Builder·Juin 2025·6 min de lecture·Data Engineer · Analytics Engineer

Sommaire

Query Profile
Clustering avancé
Materialized Views
Search Optimization Service
Query Acceleration Service
Warehouse tuning
Grille

1Query Profile : diagnostiquer les requêtes lentes

Question discriminante

Comment utilisez-vous le Query Profile Snowflake pour identifier un goulot d étranglement ?

-- Trouver les requêtes lentes des dernières 24h
SELECT
    query_id,
    query_text,
    total_elapsed_time / 1000 AS elapsed_sec,
    bytes_scanned / POW(1024, 3) AS gb_scanned,
    partitions_scanned,
    partitions_total,
    partitions_scanned * 100.0 / NULLIF(partitions_total, 0) AS pct_scanned
FROM SNOWFLAKE.ACCOUNT_USAGE.QUERY_HISTORY
WHERE START_TIME >= DATEADD('hour', -24, CURRENT_TIMESTAMP)
  AND EXECUTION_STATUS = 'SUCCESS'
  AND TOTAL_ELAPSED_TIME > 30000  -- > 30 secondes
ORDER BY TOTAL_ELAPSED_TIME DESC
LIMIT 20;

-- Signal de problème : pct_scanned proche de 100%
-- Signifie que le clustering n aide pas

Nodes dans Query Profile — TableScan (pruning effectif ?), Sort (évitable ?), Join (hash vs merge ?)
Partitions pruned — si 100% des partitions sont scannées, le clustering ne sert à rien sur ce filtre

2Clustering avancé : au-delà des bases

Question discriminante

Quand créez-vous un Clustering Key sur plusieurs colonnes ? Comment vérifier son efficacité ?

-- Clustering sur plusieurs colonnes (ordre important)
-- Colonne la plus sélective en premier
ALTER TABLE fct_events
CLUSTER BY (event_date, event_type, user_segment);

-- Vérifier l efficacité du clustering
SELECT SYSTEM$CLUSTERING_INFORMATION('fct_events',
    '(event_date, event_type)');
-- average_depth proche de 1 = bon clustering
-- average_depth > 3 = reclustering nécessaire

-- Clustering automatique (Automatic Clustering)
-- Snowflake maintient le clustering automatiquement
-- Coût: crédit de compute supplémentaire
ALTER TABLE fct_events RESUME RECLUSTER;

3Materialized Views : quand les utiliser

Question discriminante

Dans quel cas une Materialized View Snowflake est-elle préférable à une table dbt ?

Materialized View Snowflake — refresh automatique et transparent quand les données sources changent. Zéro orchestration
Requêtes très fréquentes — une agrégation requêtée 1000 fois par jour bénéficie d une MV
Limites — SQL plus restrictif que les modèles dbt (pas de JOINs complexes, pas de sous-requêtes)
Vs table dbt — la table dbt est plus flexible (tout SQL) mais nécessite un scheduler. La MV est automatique mais plus limitée

4Search Optimization Service

Question discriminante

Qu est-ce que le Search Optimization Service ? Pour quels types de requêtes ?

Search Optimization Service — index de recherche pour les lookups par valeur exacte sur des tables très larges
Cas d usage — requêtes WHERE id = 'abc123' sur une table de 10 milliards de lignes. Sans SOS : scan complet. Avec SOS : lookup direct
Ne pas utiliser pour — les requêtes analytiques avec des agrégations. Le clustering est plus adapté
Coût — coût de stockage supplémentaire pour l index. Rentable si les gains de performance sont importants

5Query Acceleration Service

Question discriminante

Qu est-ce que le Query Acceleration Service ?

QAS — Snowflake lance automatiquement des ressources supplémentaires pour accélérer les parties lentes d une requête (outlier partitions)
Activer — ALTER WAREHOUSE mywh SET ENABLE_QUERY_ACCELERATION = TRUE
Cas d usage — requêtes avec quelques partitions beaucoup plus grandes que les autres (data skew dans les partitions)
Coût — crédits supplémentaires uniquement quand utilisé. Pas de coût fixe

6Warehouse sizing et multi-cluster

Question discriminante

Comment choisissez-vous entre scaler up (plus grand warehouse) et scaler out (multi-cluster) ?

Problème	Solution	Pourquoi
Requête unique trop lente	Scale UP (XS → S → M)	Plus de compute par requête
Trop de requêtes simultanées (queueing)	Scale OUT (multi-cluster)	Plus de warehouses parallèles
Transformation nightly lente	Scale UP temporairement	Finir plus vite, auto-suspend ensuite
Dashboard BI avec 50 users simultanés	Multi-cluster auto-scale	Distribuer la charge

7Grille par niveau

Niveau	Maitrise	Signal GO	NO-GO
Confirmé	Query Profile, clustering basique, auto-suspend	Lit le Query Profile, a configuré un clustering key	Ne sait pas lire le Query Profile
Senior	Clustering efficacité, MV, SOS, QAS, multi-cluster	Vérifie l efficacité du clustering avec CLUSTERING_INFORMATION, a utilisé MV ou SOS	Ne sait pas la différence entre scale up et scale out

Vous recrutez un Data Engineer Snowflake Senior ?

Premier entretien gratuit. Rapport GO/NO-GO sous 48h.

Tester gratuitement Reserver un appel