説明
SnowPro Advanced: Architect のドキュメントと学習リソースによると、最適なクラスタリングを有効にして特定のテーブルのさまざまなアクセス パスのパフォーマンスを向上させる最善の方法は、異なるクラスター キーを使用して複数のマテリアライズド ビューを作成することです。マテリアライズド ビューは、1 つ以上のベース テーブルに対するクエリから導出される、事前に計算された結果セットです。マテリアライズド ビューは、マテリアライズド ビュー内のデータがマイクロ パーティション内でどのように同じ場所に配置されるかを決定する列または式のサブセットであるクラスタリング キーを指定することによってクラスタ化できます。アーキテクトは、異なるクラスター キーを使用して複数のマテリアライズド ビューを作成することにより、同じベース テーブル上で異なるアクセス パスを使用するクエリのパフォーマンスを最適化できます。たとえば、ベース テーブルに列 A、B、C、D があり、A と B、C と D、または A と C でフィルタリングするクエリがある場合、アーキテクトは 3 つのマテリアライズド ビューを作成できます。異なるクラスター キーを使用します: (A、B)、(C、D)、および (A、C)。このようにして、各クエリは対応するマテリアライズド ビューの最適なクラスタリングを活用し、より高速なスキャン効率とより優れた圧縮を実現できます。
参考文献:
* Snowflake ドキュメント: マテリアライズド ビュー
* スノーフレーク学習: マテリアライズド ビュー
https://www.snowflake.com/blog/using-materialized-views-to-solve-multi-clustering-performance-problems/

ベンダーから Snowflake にデータをロードする最も効率的な方法は、Google Cloud Storage 上に外部ステージを作成し、外部テーブルを使用してデータを Snowflake にロードすることです (オプション B)。こうすることで、追加のコストや遅延が発生する可能性がある、異なるクラウド プラットフォーム間でのデータのコピーや移動を回避できます。また、外部テーブル機能を利用して、Snowflake テーブルにデータをロードせずに、Google Cloud Storage から直接データをクエリすることもできます。これにより、ストレージ領域を節約し、パフォーマンスを向上させることができます。オプション A は、ベンダーが Snowflake アカウントとデータ共有を作成する必要があり、複雑でコストがかかる可能性があるため、効率的ではありません。オプション C は、外部ツールを使用して Google Cloud Storage から Azure Blob Storage にデータをコピーする必要があり、時間がかかり、コストがかかるため、効率的ではありません。オプション D は、Google Cloud Platform (GCP) で Snowflake アカウントを作成し、このアカウントにデータを取り込み、データ レプリケーションを使用して GCP から Azure にデータを移動する必要があるため、効率的ではありません。これは複雑で時間がかかる可能性があります。参考: 答えは、Web サイトで入手できる外部ステージと外部テーブルに関する Snowflake の公式ドキュメントから確認できます。関連するリンクをいくつか示します。
外部ステージの使用 | スノーフレークのドキュメント
外部テーブルの使用 | スノーフレークのドキュメント
ステージからのデータのロード | スノーフレークのドキュメント

スキーマオンリードは、事前定義されたスキーマを必要とせずに、Snowflake が半構造化データを取り込んで使用できるようにする技術であるため、オプション C が正解です。Snowflake は、JSON、Avro、ORC、Parquet、XML などのさまざまな半構造化データ形式をサポートし、それらを格納するためのネイティブ データ型 (ARRAY、OBJECT、および VARIANT) を提供します。Snowflake は、SQL とドット表記を使用した半構造化データのクエリのネイティブ サポートも提供します。スキーマオンリードを使用すると、Snowflake はスキーマオンリードの柔軟性を維持しながら、リレーショナル クエリを実行するのと同じ速度で半構造化データをクエリできます。Snowflake のほぼ瞬時の弾力性により、コンピューティング リソースのサイズが適切になり、従量制の価格設定により、使用した分だけお支払いいただけます。
選択肢 A は不正解です。IDEF1X は、図や表記法を使用してリレーショナル データの構造と制約を定義するデータ モデリング手法です。IDEF1X は、固定スキーマや構造を持たない半構造化データの取り込みと使用には適していません。
オプション B は不正解です。スキーマオンライトは、データをロードして処理する前にスキーマを定義する必要がある手法です。スキーマオンライトは、事前定義されたスキーマに適合させるのが難しいさまざまな構造または複雑な構造を持つ可能性がある半構造化データの取り込みと使用には効率的ではありません。また、スキーマオンライトでは、データ変換と検証に追加のオーバーヘッドと複雑さが発生します。
情報スキーマは、Snowflake データベース内のオブジェクトと権限に関する情報を提供するメタデータ ビューのセットであるため、オプション D は不正解です。情報スキーマは、半構造化データを取り込んで使用するための技術ではなく、データに関するメタデータにアクセスする方法です。
参照：
半構造化データ
データレイク用のスノーフレーク