Bonjour, je suis Sarah Davis, consultante chez Passerelle. Aujourd’hui, je vais vous faire découvrir Snowflake Watch de Passerelle. Snowflake Watch a été créé pour donner de la visibilité au nuage de données, où nous pouvons rapidement comprendre le coût associé à l’utilisation et aux données, la façon dont les données sont utilisées et interrogées, ainsi que leur environnement de sécurité.
Dans le cadre de Data Rocket, Snowflake Watch fournit des tableaux de bord pour l’utilisation de l’entrepôt, le rendement et le détail des requêtes, la configuration et les détails liés à la sécurité, de même que les statistiques de la base de données. Avec Snowflake Watch, les gestionnaires de Snowflake peuvent rapidement évaluer les statistiques volumétriques clés à l’aide de tableaux de bord visuels personnalisables et effectuer des recherches sur les requêtes et les utilisateurs pour obtenir des informations plus détaillées.
Tableau de bord Warehouse Usage
Voyons d’abord le tableau de bord Warehouse Usage. Ce tableau de bord est composé de mesures qui nous aident à comprendre la corrélation entre les crédits de calcul du temps de l’entrepôt, les crédits de services en nuage et le coût. Le résultat peut être utilisé pour comprendre le taux d’absorption et pour planifier l’allocation budgétaire en fournissant une image plus nette de l’utilisation, en plus d’un moyen de la surveiller et de l’optimiser.
Le coût mesuré fournit un coût cumulatif sur la période sélectionnée ainsi que le coût total quotidien. Le coût quotidien nous permet de voir les schémas de l’utilisation quotidienne qui permet de déceler les anomalies ou les valeurs aberrantes d’utilisation de l’entrepôt et de réduire les dépenses inutiles. Nous pouvons également repérer les jours où l’utilisation est plus ou moins élevée afin de rajuster et d’optimiser la taille de l’entrepôt.
Ci-dessous, nous pouvons voir la distribution des crédits de calcul par rapport aux crédits infonuagiques. À côté de cela, le coût total des crédits, les crédits des services infonuagiques, les crédits de calcul par entrepôt et l’heure de début dans le temps. Les filtres offrent des options permettant de personnaliser la période, l’entrepôt et la remise. Par exemple, regardons l’utilisation au cours de l’année dernière pour l’entrepôt de consommation avec une remise de 5 %. Chaque mesure est maintenant filtrée pour n’inclure que les données des entrepôts de consommation avec une remise de 5 %. Nous estimons un coût de 2 $ par heure de crédit pour notre tableau de bord. Cependant, ce paramètre peut être changé en montant réel en dollars pour votre compte Snowflake lors de l’installation du tableau de bord.
Maintenant que nous avons filtré nos données pour ne voir que les données des entrepôts de consommation, nous pouvons aller encore plus loin en cliquant sur un jour dans notre vue des coûts mesurés. Nous voyons ici l’utilisation de l’entrepôt de consommation pour la journée du 1er février. Remarquez que l’entrepôt de consommation est ventilé sur chaque cycle d’exécution. Avec l’heure de début, l’heure de fin, le coût total des crédits de services infonuagiques et des crédits de calcul.
Tableaux de bord Query Performance
Les tableaux de bord du rendement des requêtes Query Performance fournissent des informations clés sur les requêtes traitées par Snowflake, ainsi qu’un suivi de l’utilisation pour l’adoption et les tendances d’utilisation. La première vue du rendement des requêtes est une vue synthétique avec des filtres réglables qui permettent d’explorer les requêtes par état d’exécution, type de requête, taille de l’entrepôt, entrepôt, base de données et utilisateur. L’année dernière, notre base de données a traité au rythme de 1000 requêtes sur 3000 minutes avec 12 entrepôts utilisant 15 cœurs. Avec un temps d’exécution de près de 2000 minutes, le coût de traitement est estimé à environ 385 $ en fonction du temps écoulé de la requête. Nous utilisons ensuite nos principales mesures ventilées par mois pour le nombre de requêtes, le temps écoulé, le coût estimé, puis par état d’exécution, taille d’entrepôt, nombre de requêtes par entrepôt, requêtes de base de données, type de requête, et finalement par utilisateur.
Les filtres nous permettent d’approfondir nos requêtes pour répondre à des questions précises au sujet de nos données. Par exemple, si nous voulons atténuer les énoncés d’insertion ratés, nous devons évaluer quelles requêtes sont à l’origine du problème. Pour ce faire, nous modifions notre état d’exécution pour échec et le type de requête pour insertion. Nous pouvons ainsi vérifier que les mesures ont toutes été filtrées selon nos spécifications. Pour voir les détails d’une requête d’insertion de champ, il suffit de passer à la vue des détails de la requête.
La vue des détails de la requête conserve les filtres de la vue récapitulative; nous voyons maintenant les ID de chaque requête sur les énoncés d’insertion ratés pour la dernière année. Cette vue nous permet de vérifier les détails et les statistiques de la requête dans son ensemble, y compris le temps d’exécution écoulé, le message d’erreur et l’utilisateur qui a exécuté la requête.
Tableau de bord Database Stats
Le tableau de bord des statistiques de la base de données Database Stats permet de répondre à des questions essentielles telles que la croissance du stockage dans le temps, la quantité d’objets de base de données dans le temps et l’utilisation de vos données au sein de l’entreprise. Analysons maintenant le tableau de bord Database Stats. Ce tableau de bord donne un aperçu de nos bases de données Snowflake avec des échéanciers personnalisés et la possibilité d’effectuer des recherches par taille et par propriétaire de base de données. Jetons un coup d’œil rapide au résumé de l’utilisation et du stockage de notre base de données au niveau du compte. Le nombre de bases de données, la taille de la base de données et la taille de la sécurité intégrée sont présentés. Dans cette vue, nous pouvons dire que la majorité de nos bases de données ont été créées entre 2019 et 2020. La croissance se stabilisera à partir de 2020. Ci-dessous, les bases de données sont classées par taille en ordre décroissant. Elles sont ensuite classées par propriétaire de base de données et selon le nombre de bases de données que chacun possède. Si nous sélectionnons le marqueur graphique et le nombre de bases de données par vue créée, nous pouvons alors effectuer une analyse approfondie pour voir quelles bases de données ont été créées ce jour-là, ainsi que le nom des propriétaires qui ont créé les bases de données; par exemple, les bases de données créées ce jour-là et le nom des propriétaires qui les ont créées. Si nous sélectionnons un propriétaire, sous Bases de données par propriétaire, nous pouvons voir quelles bases de données appartiennent au propriétaire. Alors pourquoi choisir Data Rocket Admin. Ce sont les bases de données que ce propriétaire possède.
Tableau de bord Security Setup
Finalement, nous allons parcourir le tableau de bord de configuration de la sécurité. Le tableau de bord de configuration de la sécurité de Snowflake offre un endroit unique pour visualiser les autorisations dans l’ensemble de votre organisation. Les utilisateurs peuvent filtrer selon le rôle, le type d’objet, l’objet ou le privilège. Le tableau de bord permet d’accélérer la conception du modèle de sécurité des données et l’audit des cadres conceptuels existants. Avec le tableau de bord de sécurité Snowflake, nous avons la possibilité de faire correspondre les rôles des utilisateurs Snowflake aux objets Snowflake tels que les bases de données, les schémas et les tableaux. Mappez les rôles d’utilisateur Snowflake avec les rôles hérités comme vous le faites pour un mappage de sécurité d’objet sous forme de tableau sous l’onglet Détails. Les rôles de type d’objet étant sélectionnés dans le filtre, nous pouvons rapidement choisir un rôle à examiner. Nous constatons ainsi que le rôle d’administrateur de Data Rocket hérite des permissions pour ces cinq rôles. Si nous choisissons le schéma de type objet, nous pouvons maintenant voir le privilège dont le rôle d’administrateur de Data Rocket dispose pour ces schémas. Nous pouvons pousser notre analyse plus loin et choisir un privilège à visualiser pour un examen plus approfondi de la sécurité. Le tableau de bord détaillé de la sécurité fournit une vue tabulaire complète des relations que vous avez avec le type d’objet en commençant par le rôle. Nous voyons ensuite la base de données et le privilège pour la fonction du format de fichier de la base de données et ainsi de suite. On poursuit ainsi jusqu’à l’entrepôt. Voilà qui conclut notre démonstration. Merci de vous joindre à nous pour évaluer Passerelle Snowflake Watch. Nous sommes impatients de vous aider à transformer vos données en actions. Vous voulez en savoir plus? Demandez une consultation gratuite.
