Snowflake高基数ColumnA慢查询性能优化方案问询

针对给出的场景，可直接落地的优化方案如下：

• 替换大IN子句为临时表关联：1.5万个值的IN列表会带来额外的解析、匹配开销，你可以先将IN列表的所有值写入仅含ColumnA字段的临时表，再通过TableA INNER JOIN 临时表 ON TableA.ColumnA = 临时表.ColumnA的逻辑执行查询，该改动在大IN场景下通常可带来5~10倍的性能提升。
• 细化搜索优化（Search Optimization）配置：如果之前开启的是表级搜索优化，改为仅对高频查询的ColumnA单独开启列级搜索优化，执行语句为ALTER TABLE TableA ADD SEARCH OPTIMIZATION ON (ColumnA);，可缩小检索服务的扫描范围，降低检索开销。
• 构建专属物化视图：原表无法调整聚类键的前提下，创建仅包含查询所需ColumnA、ColumnB、ColumnC三个字段的物化视图，将ColumnA设为该物化视图的聚类键。该物化视图的压缩后大小仅为原表的1/60左右（不到500MB），针对ColumnA的等值查询性能可直接追平传统数仓的索引查询效率，且Snowflake原生支持物化视图自动同步原表变更，无需额外维护成本。
• 开启查询加速服务（QAS）：给当前使用的XL仓库开启查询加速服务，设置合理的缩放比例，这类过滤密集型的高基数列检索请求会被自动卸载到弹性计算资源处理，无需扩容固定仓库规格即可显著降低查询耗时。
• 调整会话一致性级别：如果业务场景允许非强一致性读，执行ALTER SESSION SET UNCOMMITTED_READ = TRUE;，可避免微分区锁等待开销，进一步缩短查询响应时间。

内容的提问来源于stack exchange，提问作者Pops