如何在Snowflake中通过query_id获取并查看Query Profile？

1. 通过Query ID查看Query Profile #

完全可以通过Query ID查看对应的Query Profile，有两种常用方式：

• Snowsight UI操作：进入Snowsight后，打开左侧菜单的【Query History】，在搜索框中直接输入目标Query ID，找到对应记录后点击进入详情页，即可查看完整的Query Profile（包括各阶段执行耗时、数据扫描量、溢出情况等）。
• SQL查询方式：通过系统函数直接提取Profile数据，需要具备目标查询对应的MONITOR或OWNER权限，执行以下语句：

  SELECT * FROM TABLE(INFORMATION_SCHEMA.QUERY_PROFILE('<your_query_id>'));
  

  该查询会返回Profile的结构化数据，可自行分析各执行节点的性能瓶颈。

2. 通过Query ID生成Explain Plan（间接方式） #

已执行的Query ID无法直接生成对应的Explain Plan（因为Explain Plan是查询执行前的预分析结果），但可以通过以下步骤间接获取：

1. 先通过Query ID提取原查询语句：

   SELECT query_text FROM TABLE(INFORMATION_SCHEMA.QUERY_HISTORY()) 
   WHERE query_id = '<your_query_id>';
   

2. 拿到原查询语句后，在语句前添加EXPLAIN关键字执行，即可生成对应的执行计划：

   EXPLAIN <extracted_query_text>;
   

针对你的Stream性能问题分析 #

从你描述的select count(1) from my_stream的Profile来看，大量扫描行数和本地存储溢出，大概率是因为普通流（Standard Stream）会追踪源表的所有变更操作（插入、更新、删除），流中会保留每一条变更的版本记录，包括被更新/删除的旧数据行。当执行count时，需要扫描流中所有历史变更记录，导致数据量激增、性能下降。

而Append-Only流仅追踪源表的插入操作，不会保留更新/删除的旧版本数据，流中的数据量远小于普通流，执行count等操作时性能会显著提升。如果你的业务场景不需要追踪更新/删除变更，将普通流改为Append-Only流是解决该性能问题的合理方案。

内容的提问来源于stack exchange，提问作者ARPAN BANERJEE