データ基盤

Snowflakeとは？仕組み・料金・使い方をわかりやすく解説

2026/10/18 シリーズ「Snowflake 入門」 第1回 / 全1回

🤖 AIを使用して執筆

select count(*) from snowflake_sample_data.tpch_sf1.lineitem;

| COUNT(*) |
|----------|
|  6001215 |

use schema snowflake_sample_data.tpch_sf1;

select
 l_returnflag,
 l_linestatus,
 sum(l_quantity) as sum_qty,
 sum(l_extendedprice) as sum_base_price,
 ...
 count(*) as count_order
 from
 lineitem
 where
 l_shipdate <= dateadd(day, -90, to_date('1998-12-01'))
 group by
 l_returnflag,
 l_linestatus

Snowflake とは：クラウドのためのデータウェアハウスを SaaS で提供する

Snowflake の創業者たちが 2016 年に発表した論文によれば、目標は、クラウドのための、企業で使える水準のデータウェアハウスを作ることだった。会社は 2012 年に創業して同じ年の終わりに開発を始め、2015 年 6 月に一般の利用を始めた⁷。論文は、Snowflake が Hadoop や PostgreSQL のような既存のソフトウェアを土台にしていないとも書いている⁷。

今の公式のページは、共同創業者として Benoit Dageville と Thierry Cruanes を挙げている¹⁰。社名の由来は、創業期からのメンバーの Marcin Zukowski が 2014 年のブログで四つ挙げている¹¹。

1. 雪の結晶は「雲（クラウド）で生まれる」。
2. 創業の仲間の多くが冬の山を好む。
3. 雪の結晶が一つずつ違うように、利用者や仕事ごとに必要な分だけの仮想ウェアハウスを、一つの仕組みの中に持てる。
4. データウェアハウスの世界にも、Snowflake という名の表の組み方（事実の表を、いくつもの分類の表が取り囲む形）がある。

最初は AWS の上で動き⁷、2018 年 9 月に Microsoft Azure¹²、2020 年 2 月に Google Cloud¹³ でも一般の利用を始めた。2020 年 9 月 15 日には新規株式公開の価格を発表し、翌 16 日からニューヨーク証券取引所で取引される予定とした¹⁴。

今の Snowflake は、自らを「AI Data Cloud」の会社と呼ぶ。2026 年 7 月までの四半期の製品の売上は 14.9 億ドルで、前の年より 37% 増えた。顧客のうち、Forbes Global 2000 に入る企業は 829 社である。顧客の数には、使った分だけ払う契約だけの顧客を含めていない¹⁵。

三つの層：ストレージ、仮想ウェアハウス、クラウドサービス

Snowflake は、自らの作りを、昔からある二つの形の組み合わせだと説明している⁶。

• 共有ディスク： すべての計算機が、同じ一か所のデータを読む形。
• シェアードナッシング： 計算機ごとにデータの一部を受け持ち、手元に置いて並列に処理する形。

Snowflake は、データを一か所（中央のストレージ）に置き、どの計算機からも読めるようにする。一方で、問い合わせは多数の計算機が並列に処理し、各計算機は読んだデータの一部を手元に持つ⁶。

ストレージ： 2016 年の論文は、表を行のまとまりごとに分け、書き換えない大きなファイルとして持つと書いている⁷。今の文書では、この保存の単位をマイクロパーティションと呼ぶ⁶。データをどう分けるか、ファイルをどの大きさにするか、どう圧縮するかは Snowflake が決める⁶。

仮想ウェアハウス： 計算資源の集まりで、それぞれが独立している⁶。データの取り込みに使うウェアハウスと、集計に使うウェアハウスを分ければ、同じデータを読みながら、互いの計算資源を取り合わない。止めている間は、計算の料金がかからない¹⁶。

クラウドサービス： サインインから問い合わせの振り分けまで、全体の部品をつないで利用者の要求を処理する。文書は、担うことを六つ挙げている。セキュリティと認証とアクセス制御、データの目録（Horizon Catalog）、クラウドの機械の管理、メタデータの管理、SQL の解析と最適化、規制への対応である⁶。

問い合わせを実際に処理する部分（実行エンジン）の作りは、ほかの事業者にも広がった。カーネギーメロン大学でデータベースを研究する Andy Pavlo は、2024 年の振り返りでこう書いた。一つの列の多くの値をまとめて一度に処理する実行エンジン（ベクトル化）は、分析用の問い合わせではもう当たり前になった。Databricks をはじめ分析用データベースの事業者はどこも、2013 年の Snowflake の作りに倣っている¹⁷。

アカウントと物の階層：組織、アカウント、データベース、スキーマ

Snowflake の中の物は、入れ物の階層に入っている¹⁸。

1. 組織： いちばん上の入れ物で、一つの会社が持つアカウントをまとめる。自分で申し込んでアカウントを作ると、組織は自動で作られる¹⁹。
2. アカウント： 使う単位で、データベースはすべてアカウントの中にある¹⁸。
3. データベース： スキーマを入れる。
4. スキーマ： 表、ビュー、関数、ステージ（読み込むファイルを置く場所）などを入れる¹⁸。

SQL で表を指すときは、データベース名.スキーマ名.表名 のように、データベース、スキーマ、表の名前を点でつないで書く。

アカウントは「組織の名前-アカウントの名前」の形の識別子で区別し、myorg-account123.snowflakecomputing.com のような URL で接続する²⁰。アカウントは一つのクラウドの一つのリージョンに置かれ、リージョンが、データを保存する場所と、計算資源を用意する場所を決める²⁰。複数のリージョンで使うには、リージョンごとにアカウントを持つ⁹。

日本のリージョンは、AWS の東京（ap-northeast-1）と大阪（ap-northeast-3）、Azure の東日本（東京）である。三つとも、政府情報システムのためのセキュリティ評価制度（ISMAP）の評価を終えている。Google Cloud には日本のリージョンがない⁹。

エディション：機能と単価の違い

エディションは、使える機能と、クレジットと保存の単価を決める⁸。

料金のページは、Business Critical の特徴として、暗号化の仕組み Tri-Secret Secure、専用の接続、障害時の切り替え（フェイルオーバー）を挙げている²¹。

料金の仕組み：クレジット、保存、転送

Snowflake の料金は、計算、保存、データ転送の費用の合計である²²。

• 計算： 使ったクレジットの数に、1 クレジットの値段を掛ける²²。クレジットは使った資源を数える単位で、ウェアハウスが動いている間、クラウドサービスが働いている間、サーバーレスの機能を使った間にだけ消費される¹⁶。サーバーレスの機能は、利用者がウェアハウスを用意しなくても、Snowflake が計算資源を用意して動かす機能である。
• 保存： 1 か月に置いたデータの量に、1 TB あたりの決まった値段を掛ける²²。
• データ転送： データを入れるのは無料で、外へ出すときにかかる²²。同じリージョンの中の転送は無料である²³。

計算の費用には三つの種類がある。ウェアハウス、サーバーレスの機能、クラウドサービスである²⁴。

• ウェアハウス： 大きさが一段上がるごとに、1 時間あたりのクレジットは倍になる。X-Small は 1、Small は 2、Medium は 4 クレジットである²。秒単位で課金され、動き出すたびに最低 60 秒分がかかる²²。1 分以内に止めてまた動かすと、そのたびに 60 秒分がかかる¹⁶。
• サーバーレスの機能： Snowflake が仕事に合わせて大きさを自動で変える²²。
• クラウドサービス： 1 日ごとに計算し、クラウドサービスが使ったクレジットのうち、同じ日にウェアハウスが使ったクレジットの 10% を超えた分だけがかかる¹⁶。

1 クレジットの値段は、エディションとリージョンで違う⁸⁹。買い方も二つある。使った分だけ払うオンデマンドと、前もって一定の量を約束して割り引きを受けるキャパシティ（容量）である⁸²¹。

使い始める：トライアル、Snowsight、Snowflake CLI

トライアル： 試用のアカウントは、メールアドレスだけで作れ、支払いの情報は要らない。申し込むときに、クラウド、リージョン、エディションを選ぶ。試用は、申し込みから 30 日か、無料の分を使い切るまで続き、終わるとアカウントは止まる²⁵。文書は、試用の間はウェアハウスの自動サスペンドを切らないよう勧めている²⁵。

Snowsight： ブラウザで使う画面で、SQL か Python でデータを扱う²⁶。https://app.snowflake.com を開き、アカウントの識別子か URL を入れてサインインする²⁷。

• ワークスペース： SQL を書く編集画面で、以前のワークシートに代わった¹。ワークシートは 2026 年 6 月 22 日から順に取り除かれている²⁸。
• ノートブック： ワークスペースの中で動き、Jupyter と互換がある²⁹。
• 費用： タスクの実行の履歴や表のデータのプレビューのように、画面そのものが裏で問い合わせを流す機能もウェアハウスを使い、計算の費用がかかる。文書は、それらには X-Small でたいてい足りるとしている²⁷。

手元の端末とプログラムから： コマンドラインからは Snowflake CLI を使う。SnowSQL は従来のクライアントという扱いで、1.5 系のサポートは 2028 年 4 月 16 日までである³⁰。自分で書いたプログラムからは、言語ごとに用意された接続用の部品（JDBC や ODBC のドライバー、Python のコネクターなど）を使って接続する³¹³²。

設計の目標：利用者に調整させない

2016 年の論文は、Snowflake の設計の目標を並べている。その一つ目は「純粋な SaaS の体験」で、利用者が性能のために調整する設定の項目（論文の言葉では「つまみ」）も、物理的な設計も、保存したデータの手入れもないことを目指した⁷。

止めることも設計の一部だった。論文は、問い合わせが無いときに、利用者がすべてのウェアハウスを止めてかまわないし、むしろ勧めると書いている⁷。保存と計算が分かれているので、計算を止めてもデータは消えない。

そのうえで、論文は振り返りの節で、2016 年の時点の Snowflake には調整の項目が一つしかないと書いた。利用者がどれだけの性能を望み、それにいくら払うかである⁷。

売り込みも、この約束に沿っていた。データ分析の仕事と業界について書き続けている Benn Stancil は 2022 年に、Snowflake を選んだときのことを振り返っている。Snowflake の売り込みは退屈で、少なくとも最初はその退屈さこそが欲しかった。これまでどおりの仕事を続ければよく、違うのは、Snowflake が全部を預かって動かし、底のないストレージを用意し、問い合わせをかつてない速さで返すことだ、と説明されたという³³。実際に、最初はそれまで使っていた AWS のデータウェアハウス Amazon Redshift と同じ使い方で始めた。速さと規模に慣れると、変わった行だけを読み込む差分の読み込みを細かく調整することに気をつかうより、表を丸ごと作り直す処理を増やした³³。

日本の利用者も、運用の手間が少ないことを理由に挙げている。シンプルフォームのテックリードの山岸裕樹は、Redshift から移した理由の一つに、Snowflake の「サービス層」にあたる機能の使い勝手が良く、少人数のチームでも運用しやすいことを挙げた³⁴。ユーザベースの機械学習エンジニアの Michihiro Nakamura は、問い合わせごとに使う計算資源を分けられるので、大きくしたり小さくしたりが非常に容易になったと書いている³⁵。

一つの項目が、利用者の判断になる

調整の項目が一つでも、その項目は料金に直結する。どの大きさのウェアハウスを、いくつ、誰のために作り、いつ止めるかは、利用者が決める。

ただ、これまでどおりの使い方では、費用は下がらないこともある。Nakamura は同じ評価の中で、Redshift で動かしていた処理をほぼそのまま移した状態では、Redshift と同程度かそれ以上の費用がかかる見込みだと書いた。理由として、Snowflake はウェアハウスが動いた時間に比例して費用がかかるので、問い合わせをなるべく少なく、短くする必要があること、リザーブドインスタンス（一定の期間の利用を前もって約束して割り引きを受ける買い方）で使っていた Redshift では問い合わせを効率よくする動機があまりなかったことを挙げている。そのうえで、表を丸ごと洗い替える処理を差分の更新に変えるなど、課金の形に合わせて処理を変えれば、かなり費用を下げられる見込みだとしている³⁵。

SELECT は、Snowflake の費用を調べて減らすための道具を売る会社である。共同創業者の Ian Whitestone は、100 を超える会社の費用の管理を手伝ってきた経験から、うまく管理すれば Snowflake は最も費用の効率の良いデータ基盤になりうると書いた。同じ記事で、管理の仕組みを入れていても、請求が急に跳ね上がったり、費用が少しずつ変わっていったりすることはあるとも書いている³⁶。LayerX の技術ブログは、SELECT の道具を入れて分かったことを書いている。最初に大きさが分からず Medium を選んだウェアハウスを惰性で使い続けていたが、実際には X-Small で足りていた。一方で、Streamlit で作ったアプリの画面を描くような軽い処理では、最小の X-Small でも資源が余り、ウェアハウスのままではそれより下へは費用を減らせない³⁷。

利用者が決めることを並べると、次のようになる。

• リージョンとエディション： クレジットと保存の単価、使える機能（Time Travel の日数など）が決まる。
• ウェアハウスの大きさと数： 速さと、1 時間あたりのクレジットが決まる。
• 自動サスペンドの時間： 問い合わせの無い時間にどれだけ払うかが決まる。止めると、ウェアハウスが手元のディスクに持っていた読んだデータの写し（キャッシュ）も消え、次の問い合わせは遅くなりうる³⁸。
• ロール： 誰がどのデータとどのウェアハウスを使えるかが決まる。

大きさを決めることの難しさは、Snowflake の技術者とコーネル大学の研究者の 2020 年の報告にも表れている。2018 年 2 月の 14 日間に処理された約 7,000 万件の問い合わせを調べたもので、ウェアハウスの CPU の平均の使用率は約 51% と、まずまずだが理想的ではなく、ほかの資源はふだん余っていた。論文は、利用者がウェアハウスをいちばん忙しいときに合わせて用意するために余りが出ると説明し、計算資源を利用者の間で共有する作りを論じている³⁹。

大きさと止め方を Snowflake に任せる形も出てきた。2026 年 6 月 16 日に一般の利用を始めた Adaptive Compute では、ウェアハウスの大きさ、マルチクラスターの設定、止めて再開する方針を、利用者が管理しなくてよい⁴⁰⁴¹。利用者は代わりに、一つの問い合わせに許す性能の上限と、同時にどれだけの問い合わせを処理させるかの倍率を、ウェアハウスごとに決める⁴¹。Enterprise 以上のエディションで、一部のリージョンでだけ使え、AWS の東京も含まれる⁴¹⁴⁰。SELECT の Jeff Skoldberg は、一般の利用が始まる前のプレビューの時点で Adaptive と第一世代のウェアハウスを比べ、つまみは今も利用者が設定するものであり、Adaptive が変えるのはつまみが何を動かすかであって、考えなくてよくなるわけではないと書いた⁴²。

判断の手がかり：Snowflake の Well-Architected Framework

Snowflake は 2025 年 11 月 5 日に、自社の設計の手引き「Snowflake Well-Architected Framework」を公開した⁴³。セキュリティとガバナンス、オペレーショナルエクセレンス、信頼性、パフォーマンス、コストの最適化の 5 つの柱からなる⁴⁴。柱とは別に、AI とデータガバナンス、オープンと相互運用の二つのレンズもある⁴⁵⁴⁶。

大きな規模で Snowflake を使う企業に向けた手引きだが⁴⁷、柱の中には、ウェアハウスの使い方そのものについての勧めもある。コストの最適化の柱は、次のように勧めている⁴⁸。

• 仕事ごとにウェアハウスを分ける： データの取り込みと変換、分析、データサイエンスのように分ける。
• 大きさを仕事に合わせる： 大きなウェアハウスがいつも速いとは限らない。
• 自動サスペンドを短くする： 問い合わせのキャッシュと性能の約束を損なわない範囲で、できるだけ短く（たいていは 60 秒より長く）する。利用者が自動サスペンドを切れないように、権限も絞る。

調整の項目は一つでも、決めることは一つではない

Snowflake は、機械の管理も、データの分け方も、ソフトウェアの更新も、既定では利用者に求めない形で、データウェアハウスを SaaS にした。2016 年の論文の時点で、残した調整の項目は、どれだけの性能にいくら払うかの一つだった。

標準のウェアハウスでは、その一つの項目を、利用者がウェアハウスの大きさと動かす時間で決める。ウェアハウスは、問い合わせを処理している間だけでなく、処理が終わってから自動サスペンドで止まるまでの待ち時間にもクレジットを使う。集計の速さを上げるか、待ち時間を縮めるか、ウェアハウスを分けるか。どれを選んでも、それはクレジットの数として請求に表れる。Adaptive Compute でも、性能の上限という形で、つまみは利用者の手にある。

この記事はAIを使用して執筆されました。内容には誤りが含まれる可能性があります。事実や数字の出典は脚注から確かめられます。