如何获取Snowflake表使用排名及Python SQL解析库推荐

Snowflake自带的ACCESS_HISTORY系统视图已经内置了查询涉及的所有对象解析结果，不需要手动解析SQL文本，准确率远高于自行解析，也能避免SQL语法复杂导致的解析遗漏（比如子查询、CTE、跨库跨schema引用、临时表等场景）。

你可以直接用以下SQL统计指定时间段的表查询次数排名：

SELECT 
  BASE_OBJECTS_FULLY_QUALIFIED_NAME AS table_full_name,
  COUNT(DISTINCT QUERY_ID) AS query_count
FROM 
  SNOWFLAKE.ACCOUNT_USAGE.ACCESS_HISTORY
WHERE 
  QUERY_START_TIME BETWEEN '【替换为统计起始时间】' AND '【替换为统计结束时间】'
  AND BASE_OBJECTS_FULLY_QUALIFIED_NAME IS NOT NULL
  -- 过滤系统内部查询，只保留用户发起的查询
  AND IS_USER_INITIATED = TRUE
GROUP BY 
  BASE_OBJECTS_FULLY_QUALIFIED_NAME
ORDER BY 
  query_count DESC;

补充说明：

• ACCESS_HISTORY的数据保留时间根据你的Snowflake版本不同有差异，企业版默认保留1年，足以满足常规统计需求
• 结果里会自动展开查询中引用的所有表，包括视图底层依赖的物理表，不需要额外处理视图解析

如果确实需要自己解析SQL提取表名，Python常用的解析库有这几个，各有适用场景：

• sqlglot：支持几乎所有主流数据库SQL语法，包括Snowflake的专属语法，容错性高，支持直接提取AST中的表节点，是目前处理复杂SQL解析的首选
• sqloxide：基于Rust的sqlparser封装，解析速度极快，适合批量处理大量SQL文本，对标准SQL支持好，对Snowflake专属语法的兼容略逊于sqlglot
• sqlparse：轻量级非验证型解析库，不校验SQL语法正确性，只要是类SQL格式就能拆分出token，适合快速处理简单SQL，复杂嵌套场景下提取表名的准确率较低

你可以参考以下sqlglot提取表名的示例代码：

import sqlglot
from sqlglot.expressions import Table

def extract_table_names(sql: str) -> list:
    table_names = []
    try:
        # 指定按Snowflake语法解析
        ast = sqlglot.parse_one(sql, read="snowflake")
        for table in ast.find_all(Table):
            # 拼接全限定名：数据库.schema.表
            full_name = ".".join(part.name for part in table.parts if part)
            table_names.append(full_name)
        # 去重返回
        return list(set(table_names))
    except Exception:
        # 解析失败的SQL可单独记录后人工处理
        return []

补充说明：

• 自行解析无法100%覆盖所有复杂场景，比如动态SQL、字符串拼接生成的表名、临时表等都会导致结果不准
• 解析时必须指定read="snowflake"参数，避免Snowflake专属语法导致的解析失败

内容的提问来源于stack exchange，提问作者SungJoon