咨询Snowflake是否支持按Schema隔离计算信用使用量

Snowflake原生没有直接按Schema维度追踪计算信用消耗的功能——信用消耗本质是按Warehouse的运行时长及规格统计的，单个查询若跨多个Schema访问，系统不会自动将成本拆分到对应Schema上。但可以通过以下间接方案实现近似的Schema级成本统计：

1. 利用系统视图关联分析（精准度较高的近似方案） #

通过QUERY_HISTORY、ACCESS_HISTORY和WAREHOUSE_METERING_HISTORY三个系统视图关联，结合数据扫描量占比来分摊查询的信用消耗到对应Schema：

核心逻辑 #

1. 从QUERY_HISTORY获取每个查询的总计算信用消耗、扫描总数据量；
2. 从ACCESS_HISTORY提取该查询访问的所有Schema，以及每个Schema下对象的扫描数据量；
3. 按单个Schema的扫描量占查询总扫描量的比例，将查询的总信用消耗分摊到对应Schema；
4. 聚合所有查询的分摊结果，得到各Schema的累计信用消耗。

示例SQL #

-- 提取查询的核心指标：ID、使用的仓库、计算信用、总扫描量
WITH query_core_metrics AS (
    SELECT
        QUERY_ID,
        WAREHOUSE_NAME,
        CREDITS_USED_COMPUTE,
        BYTES_SCANNED,
        START_TIME
    FROM SNOWFLAKE.ACCOUNT_USAGE.QUERY_HISTORY
    WHERE START_TIME >= DATEADD(day, -7, CURRENT_TIMESTAMP) -- 可调整时间范围
),
-- 提取每个查询访问的Schema及对应对象的扫描量
query_schema_scan_details AS (
    SELECT
        QUERY_ID,
        SPLIT_PART(OBJECT_NAME, '.', 2) AS SCHEMA_NAME,
        BYTES_SCANNED_PER_OBJECT
    FROM SNOWFLAKE.ACCOUNT_USAGE.ACCESS_HISTORY
    WHERE QUERY_ID IN (SELECT QUERY_ID FROM query_core_metrics)
),
-- 计算每个查询中各Schema的扫描量占比
schema_scan_ratios AS (
    SELECT
        QUERY_ID,
        SCHEMA_NAME,
        BYTES_SCANNED_PER_OBJECT,
        SUM(BYTES_SCANNED_PER_OBJECT) OVER (PARTITION BY QUERY_ID) AS TOTAL_QUERY_SCANNED,
        BYTES_SCANNED_PER_OBJECT / SUM(BYTES_SCANNED_PER_OBJECT) OVER (PARTITION BY QUERY_ID) AS SCAN_RATIO
    FROM query_schema_scan_details
)
-- 按Schema聚合分摊后的信用消耗
SELECT
    SCHEMA_NAME,
    ROUND(SUM(qcm.CREDITS_USED_COMPUTE * ssr.SCAN_RATIO), 2) AS TOTAL_CREDITS_ALLOCATED,
    COUNT(DISTINCT qcm.QUERY_ID) AS ASSOCIATED_QUERY_COUNT
FROM query_core_metrics qcm
JOIN schema_scan_ratios ssr ON qcm.QUERY_ID = ssr.QUERY_ID
GROUP BY SCHEMA_NAME
ORDER BY TOTAL_CREDITS_ALLOCATED DESC;

2. 自定义标签辅助分类统计 #

给业务关联的Schema或表打上自定义标签（比如COST_GROUP），例如给规范化表Schema打NORMALIZED_TABLES标签，任务输出Schema打TASK_OUTPUTS标签，再结合ACCESS_HISTORY和标签视图，按标签维度聚合信用消耗，间接实现Schema级的成本归属。

注意事项 #

• 以上方案均为近似统计：Snowflake的信用消耗还受查询复杂度、Warehouse排队时长、数据缓存命中情况等因素影响，扫描量占比分摊无法做到100%精准；
• 若查询访问大量Schema，拆分精度会有所下降，适合重点追踪核心业务Schema的场景。

内容的提问来源于stack exchange，提问作者Mark McGown