説明
SnowPro Advanced: Architect のドキュメントと学習リソースによると、Kafka 用 Snowflake コネクタを使用してデータを Snowflake にロードする特徴は、コネクタが独自のステージ、ファイル形式、およびパイプ オブジェクトを作成および管理することです。このステージは、Kafka トピックからのデータ ファイルを保存するために使用される内部ステージです。ファイル形式は、データ ファイルの解析に使用される JSON または Avro ファイル形式です。パイプは、データ ファイルを Snowflake テーブルにロードするために使用される Snowpipe オブジェクトです。コネクタは、Kafka 構成プロパティに基づいてこれらのオブジェクトを自動的に作成および構成し、これらのオブジェクトのクリーンアップとメンテナンスを処理します1。
他のオプションは、Snowflake Connector for Kafka を使用して Snowflake にデータをロードする特性ではないため、正しくありません。オプション A は不正解です。コネクタは、AWS だけでなく、任意のクラウド インフラストラクチャを使用する Snowflake リージョンで動作します。コネクタは AWS、Azure、Google Cloud プラットフォームをサポートしており、データ レプリケーション 2 を使用して、さまざまなリージョンやクラウド プラットフォームにデータをロードできます。コネクタはすべてのファイル形式で動作するわけではなく、JSON と Avro のみで動作するため、オプション B は不正解です。コネクタは、Kafka トピック内のデータが JSON または Avro 形式であることを想定し、それに応じてデータを解析します。テキスト、ORC、Parquet、XML などの他のファイル形式は、Connector3 ではサポートされていません。オプション D は不正解です。コネクタを使用したロードは Snowpipe よりも遅延が低く、リアルタイムでデータを取り込まないからです。コネクタは、Snowpipe を使用してデータを Snowflake にロードし、Snowpipe と同じレイテンシとパフォーマンス特性を継承します。コネクタはリアルタイムの取り込みを提供しませんが、データ ファイルの頻度とサイズに応じて、ほぼリアルタイムの取り込みを提供します4。参考資料: Kafka コネクタのインストールと構成 | Snowflake ドキュメント、リージョンおよびクラウド プラットフォーム間でのデータ共有 | Snowflake ドキュメント、Kafka コネクタの概要 | Snowflake ドキュメント、Snowpipe ストリーミングで Kafka 用の Snowflake コネクタを使用する | スノーフレークのドキュメント

これら 2 つの機能は、Snowflake 上の Data Vault を使用したモデリングに関連します。Data Vault は、データをハブ、リンク、サテライトに編成するデータ モデリング アプローチです。Data Vault は、データの統合と分析において高い拡張性、柔軟性、パフォーマンスを実現するように設計されています。Snowflake は、Data Vault を含むさまざまなデータ モデリング手法をサポートするクラウド データ プラットフォームです。Snowflake は、Data Vault モデリングを強化できる次のような機能を提供します。
Snowflake は、データ モデルの Data Vault テーブルへの複数テーブルの挿入をサポートしています。マルチテーブル挿入 (MTI) は、単一の DML ステートメントで単一のクエリから複数のテーブルにデータを挿入できる機能です。MTI は、特にリアルタイムまたはほぼリアルタイムのデータ統合において、Data Vault テーブルへのデータのロードのパフォーマンスと効率を向上させることができます。MTI は、データの重複と遅延だけでなく、読み込みコードの複雑さとメンテナンスも軽減します12。
仮想ウェアハウスをスケールアップすると、新しいソース ロードの並列処理がサポートされます。仮想ウェアハウスは、データ処理のためにオンデマンドでコンピューティング リソースをプロビジョニングできる機能です。仮想ウェアハウスは、ウェアハウス内のサーバーの数を決定するウェアハウスのサイズを変更することでスケールアップまたはスケールダウンできます。仮想ウェアハウスをスケールアップすると、特に大規模または複雑なデータ セットの場合、Data Vault テーブルへの新しいソース ロードの処理のパフォーマンスと同時実行性が向上します。仮想ウェアハウスをスケールアップすると、Snowflake アーキテクチャの並列処理と分散を利用することもでき、データのロードとクエリを最適化できます34。
参照：
Snowflake ドキュメント: 複数テーブルの挿入
Snowflake ブログ: Snowflake でデータ ボールト アーキテクチャを最適化するためのヒント Snowflake ドキュメント: 仮想ウェアハウス Snowflake ブログ: Snowflake でのリアルタイム データ ボールトの構築