Este artículo presenta una versión en español y reformulada de un conjunto de scripts diseñados para analizar el rendimiento de warehouses y consultas en Snowflake y para generar reportes de calidad de consultas y recomendaciones accionables.
El primer script crea una tabla llamada WAREHOUSE_ANALYTICS_DASHBOARD_with_queries que consolida tres fuentes de información principales: metadata del warehouse, historial de consultas y métricas de consumo. El objetivo es ofrecer una vista por warehouse con conteos por rangos de duración de consulta, tiempos en cola, derrames a almacenamiento local y remoto, estado de ejecución, distribución de consumo de créditos y listas de identificadores de consulta agrupadas por categoría. Esta tabla facilita la identificación rápida de warehouses con mayor volumen de consultas, problemas de spilling, queries fallidas o de larga duración, y el asociado consumo de créditos.
El segundo script crea QUERY_HISTORY_SUMMARY que resume cada registro de consulta con información clave para filtrado y exploración rápida. Incluye identificación de la consulta, vista previa del texto, tiempos de inicio y fin, tiempos de compilación y ejecución, usuario y sesión, información del warehouse, contexto de base de datos, métricas de procesamiento de datos como bytes escaneados y filas producidas, uso de créditos, derrames, tiempos en cola y clasificaciones en buckets de duración y costos. Esta tabla es útil para crear dashboards operativos y alimentar herramientas de inteligencia de negocio como Power BI.
El tercer script genera QUERY_DETAILS_COMPLETE que entrega un registro ampliado y calculado por consulta. Además de los campos nativos del historial, incorpora porcentajes calculados como porcentaje de particiones escaneadas, porcentaje de tiempo de compilación y ejecución respecto al total, filas por MB escaneado, clasificaciones de rendimiento y eficiencia de cache, y una clasificación del tipo de spilling. Esta vista detallada es ideal para análisis forense de consultas, diagnósticos avanzados y optimización en profundidad.
El cuarto script crea user_query_performance_report que agrupa y puntúa el comportamiento por usuario en un periodo reciente. Calcula percentiles por tamaño de warehouse, detecta banderas como consultas over provisioned, consultas largas en hora pico, uso de select estrella, scans sin particionar, derrames, errores, consultas repetidas y otras prácticas ineficientes. Para cada usuario genera muestras de consultas problemáticas, métricas agregadas, un puntaje ponderado de riesgo y recomendaciones concretas para reducción de costos y mejora de rendimiento. Este reporte es muy útil para equipos responsables de gobernanza, optimización de costos y formación de usuarios.
En todos los scripts se emplean técnicas como buckets de duración y consumo, agregaciones por warehouse, uso de funciones de percentil para establecer umbrales adaptativos, y construcción de objetos con arrays de identificadores de consulta para facilitar la navegación directa desde dashboards hacia los registros originales. Los resultados se pueden enriquecer exportando a Power BI para visualizaciones interactivas y cuadros de mando que integren alertas y drill down hacia QUERY_DETAILS_COMPLETE.
Recomendaciones prácticas para implantar estos scripts: programar cargas diarias o cada hora según necesidades, limitar el horizonte temporal en ambientes productivos para evitar costos innecesarios, aplicar filtros para excluir usuarios de servicio, y combinar con políticas de etiquetado de consultas para mejorar trazabilidad y atribución de costos. Adicionalmente, automatizar la generación de recomendaciones y notificaciones por correo o por agentes IA integrados con plataformas colaborativas mejora la adopción de buenas prácticas.
Q2BSTUDIO es una empresa de desarrollo de software que puede acompañar en la implementación, personalización y automatización de estos análisis. Nuestra experiencia incluye aplicaciones a medida y software a medida que integran inteligencia artificial para empresas, agentes IA y soluciones de ciberseguridad. Podemos desplegar pipelines que envíen datos a servicios cloud AWS y Azure, construir dashboards en Power BI y desarrollar servicios de inteligencia de negocio personalizados que aceleren la reducción de costos y mejoren la eficiencia operativa.
Servicios que ofrecemos: desarrollo de aplicaciones a medida, consultoría para software a medida, implementación de soluciones de inteligencia artificial e ia para empresas, diseño y operación de estrategias de ciberseguridad, migración y arquitectura en servicios cloud aws y azure, creación de reportes y visualizaciones con power bi, y desarrollo de agentes IA para automatización de tareas y respuesta a incidentes. Estas capacidades permiten transformar los análisis derivados de los scripts en acciones concretas y gobernables.
Si busca optimizar el consumo de créditos, reducir derrames y mejorar el rendimiento de consultas, Q2BSTUDIO puede auditar su entorno, adaptar los scripts a sus reglas de negocio, implementar paneles interactivos y capacitar a sus equipos. Nuestras recomendaciones suelen incluir redimensionamiento de warehouses, implementación de clustering o particionamiento, refactorización de consultas costosas, etiquetado sistemático de consultas y automatización de alertas basadas en percentiles y puntuaciones de riesgo.
En resumen, estos scripts ofrecen una base robusta para entender y gestionar el rendimiento de consultas y el costo asociado en entornos de Snowflake. Q2BSTUDIO combina experiencia en desarrollo de aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes ia y power bi para convertir datos en decisiones y optimizar operaciones en la nube.
.jpg)
.jpg)
.jpg)