結論
Snowflake(スノーフレーク)は、AWS・Microsoft Azure・Google Cloud の上で動く、クラウド型のデータウェアハウス(DWH)のサービスです。データをためる「ストレージ」と、SQL を実行する「仮想ウェアハウス(コンピュート)」が分かれていて、料金は主に「仮想ウェアハウスが動いた時間×サイズで決まるクレジット」と「保存したデータ量」で決まります。
この記事でわかること
- 3層の仕組みと、サイズ別のクレジット表(XS 1〜6XL 512/時)
- 東京リージョンの単価で、自動停止の設定ごとに月額を計算した結果
- 同じ形の SQL を DuckDB で流した実行結果と、BigQuery・Redshift との違い
Snowflake では、データは1か所に置いたまま、用途ごとに別々の仮想ウェアハウスを立ち上げて同じデータを読みます。使わない時間は仮想ウェアハウスを止められるので、止めている間はコンピュートのクレジットが減りません。
flowchart TB
U[Snowsight・SQL・BI ツール] --> C[クラウドサービス層<br>認証・最適化・メタデータ]
C --> W1[仮想ウェアハウス A<br>集計用 S]
C --> W2[仮想ウェアハウス B<br>バッチ用 M]
W1 --> S[(ストレージ層<br>マイクロパーティション)]
W2 --> S
よく調べられることの答えを先にまとめます。
| 知りたいこと | 答え | 詳しい節 |
|---|---|---|
| Snowflake とは | クラウドで動くデータウェアハウスのサービス。インストールして使う製品ではない | Snowflakeとは |
| 仕組み | ストレージ・仮想ウェアハウス・クラウドサービスの3層。ストレージとコンピュートが分かれている | Snowflakeの仕組み |
| 料金(クレジット) | XS が1時間1クレジットで、サイズが1段上がるごとに倍。秒単位の課金で、起動のたびに最低60秒 | サイズとクレジットの表 |
| 1クレジットはいくら | AWS 東京の Standard で 2.85 ドル、Enterprise で 4.30 ドル(2026年11月18日時点) | Snowflakeの料金 |
| 料金を抑えるには | 自動停止を短く、サイズは処理時間で選ぶ、リソースモニターで上限を決める | クレジットの消費を計算する |
| Time Travel とは | 過去の時点のデータを SQL で読み、消したテーブルを戻せる機能。標準は1日、Enterprise 以上は最大90日 | Snowflakeならではの機能 |
| BigQuery・Redshift との違い | 課金の単位が違う(クレジット時間・読み取り量・RPU 時間) | BigQuery・Redshiftとの違い |
| 無料で試せるか | 30日間の試用があり、登録はメールアドレスだけ(クレジットカードは不要) | Snowflakeの始め方 |
この記事で実際に動かしたもの:DuckDB で300万行の売上データに Snowflake と同じ形の SQL(集計・QUALIFY・JSON の展開)を流した結果、列指向ファイルでの読み取り量の差、Snowflake 固有の構文を流したときのエラー原文、クレジットと月額を計算する Python。
確認環境:Snowflake の仕組み・機能・SQL の構文は Snowflake の公式ドキュメント(docs.snowflake.com)、料金は Snowflake の公式の Service Consumption Table(Effective: November 12, 2026 の版)と料金のページで確かめました。Snowflake にはログインしておらず、アカウントも作っていません。Snowflake 上での SQL の実行・画面の操作は行っていないため、Snowflake の SQL は公式ドキュメントに載っている例として示しています。手元の確認は Ubuntu 24.04.5 LTS(2 CPU)の Python 3.13.18 と DuckDB 2.0.0 で行い、データはすべて乱数で作った架空の売上データです。BigQuery と Amazon Redshift は、各社の公式の料金ページで確かめた範囲だけを書きました(確認日 2026年11月18日)。
本記事の内容は、ご自由にお使いください。
ご利用の際は、出典として本ページへのリンクを記載いただけますようお願いします。
(記載例)出典:株式会社RJC「Snowflakeとは|仕組み・料金(クレジット)・ほかのデータウェアハウスとの違い」
Snowflakeとは(意味・できること・名前の由来)
この節では、Snowflake が何をするサービスで、どんな場面で使われるのかが分かります。
Snowflake は、大量のデータを SQL で集計・分析するための、クラウド型のデータウェアハウスです。 提供元の Snowflake 社がサービスとして運用していて、利用者はサーバーやソフトウェアを用意しません。公式ドキュメントは「オンプレミスまたはホストのいずれであっても、ローカルまたはプライベートクラウドインフラストラクチャ上でSnowflakeをインストールして実行することはできません」と書いています。
データウェアハウス(DWH)は、業務システムやログから集めたデータを、分析しやすい形でためておく場所です。注文を1件ずつ登録・更新する業務用のデータベース(MySQL・PostgreSQL など)とは役割が違い、「過去1年の売上を地域別・商品別に集計する」のような、たくさんの行を読む処理が得意です。データベースそのものの種類や SQL の基本は、関連記事「データベースとは|種類・Excelとの違い・SQLの基本を実例で解説」で扱っています。
1SQL で集計・分析する
売上・アクセスログ・IoT のデータなどを、標準的な SQL で集計する。BI ツールから接続してダッシュボードを作る使い方が多い。
2JSON などもそのまま入れる
VARIANT 型に JSON を入れ、FLATTEN で配列を行に展開して集計できる。
3データをコピーせずに共有する
Secure Data Sharing で、ほかの Snowflake アカウントにデータを読ませられる。データの複製は作られない。
どこから使うか
公式ドキュメントによると、接続の方法は、Web の画面(Snowsight)、コマンドラインのクライアント(Snowflake CLI)、Python API・REST API、JDBC・ODBC のドライバー、Apache Kafka・Apache Spark のコネクター、ETL ツール・BI ツールなどです。Python・Java・Scala でデータを処理するライブラリとして Snowpark もあり、公式は「Snowpark API は、Snowflake のデータを大規模に照会・処理するための直感的なライブラリ」と説明しています。
名前の由来
Snowflake の公式ブログ(日本語版)は、社名の由来として「雪の結晶は雲(クラウド)で生まれる」「雪が好きな人間が集まっている」「雪の結晶はどれ一つとして同じ形がない」の3つを挙げています。データウェアハウスの設計の用語「スノーフレークスキーマ」とは別のものです。
Snowflakeの仕組み|ストレージ・仮想ウェアハウス・クラウドサービスの3層
この節では、Snowflake の3つの層と、「ストレージとコンピュートの分離」が何を意味するのかが分かります。
Snowflake は、データベースストレージ・コンピュート(仮想ウェアハウス)・クラウドサービスの3層でできています。 公式ドキュメントは、全体を「従来の共有ディスクデータベースアーキテクチャと非共有データベースアーキテクチャのハイブリッド」と説明しています。
| 層 | 役割 | 料金との関係 |
|---|---|---|
| ストレージ層 | テーブルのデータを圧縮した列指向の形(マイクロパーティション)で保存する。利用者はファイルを直接触らない | 保存したデータ量(1日ごとの平均)で月額 |
| コンピュート層(仮想ウェアハウス) | SQL を実行する計算資源のまとまり。用途ごとに複数作れて、止めたり大きさを変えたりできる | 動いている間、サイズに応じたクレジット |
| クラウドサービス層 | 認証・アクセス制御・SQL の最適化・メタデータの管理など、全体のとりまとめ | 1日の使用量が仮想ウェアハウスの10%を超えた分だけ |
ストレージとコンピュートが一体(従来の DWH)
計算を増やすには、データを置くサーバーごと増やす
集計とデータ投入が同じ資源を取り合う
使っていない時間も、サーバーが動いていれば費用がかかる
分かれている(Snowflake)
データは1か所のまま、仮想ウェアハウスだけを増やす・大きくする
公式は「各仮想ウェアハウスは、コンピューティングリソースを他の仮想ウェアハウスと共有しない独立したコンピュートクラスタ」と説明
止めている仮想ウェアハウスはクレジットを使わない
たとえば「BI のダッシュボード用」「夜間のデータ投入用」「分析担当の試行用」に別々の仮想ウェアハウスを作ると、夜間の投入が重くても、ダッシュボードの集計は遅くなりません。どの仮想ウェアハウスがどれだけクレジットを使ったかも分かれるので、費用を用途別に追えます。
マイクロパーティションと列指向|手元のParquetで読み取り量を確かめる
この節では、Snowflake がデータをどう保存し、なぜ一部の列・一部の期間だけを速く読めるのかを、手元の実測で確かめられます。
Snowflake のテーブルは、マイクロパーティションという単位に分けて、列ごとに圧縮して保存されます。 公式ドキュメントは「各マイクロパーティションには、圧縮前で50MB〜500MBのデータが含まれる」「行のまとまりが、列指向の形でマイクロパーティションに対応づけられる」と説明しています。マイクロパーティションごとに各列の値の範囲などのメタデータを持ち、条件に合わないマイクロパーティションを読み飛ばします(プルーニング)。
Snowflake の内部の形式は公開されていないので、同じ考え方の列指向ファイル Parquet(行グループごとに列の最小値・最大値を持つ)で、300万行の架空の売上データを保存して比べました。
計測に使った DuckDB の SQL と出力です(スレッド数は1、3回のうち最も速い値)。
sales.csv 188.0 MB
sales_sorted.parquet 34.8 MB ← order_date の順に並べて保存
sales_shuffled.parquet 40.1 MB ← 並びをばらばらにして保存
行グループ(10万行ずつ)全体 / 4〜6月の条件で読む必要があるもの
sales_sorted.parquet [(30, 11)]
sales_shuffled.parquet [(30, 30)]
Q1(4〜6月を地域×商品で集計) on sales_sorted.parquet: 23 ms
Q1(4〜6月を地域×商品で集計) on sales_shuffled.parquet: 54 ms
CSV 1列合計: 524 ms
Parquet 1列合計: 18 ms
| 列 | 圧縮前(MB) | 圧縮後(MB) | 読み取り |
|---|---|---|---|
| note(文字列のメモ) | 47.67 | 9.47 | SELECT に書いたときだけ読む |
| order_id | 24.00 | 8.48 | 同上 |
| amount(金額) | 12.00 | 8.32 | SUM(amount) ならこの列だけ |
| customer_id | 5.49 | 5.22 | 同上 |
| region(地域) | 1.14 | 1.01 | 種類が少ない列はよく縮む |
| order_date(並べた列) | 0.00 | 0.00 | 同じ値が続くので、ほぼ0まで縮んだ |
1使う列だけ読む
SUM(amount) は amount の列だけを読むため、CSV の全体を読むより約29倍速かった(524ms→18ms)。SELECT * を避ける理由になる。
2並びで読み飛ばせる量が変わる
日付順なら30のまとまりのうち11だけ読めばよく、ばらばらだと30全部を読む必要があった。Snowflake のクラスタリングキーは、この並びを保つための設定。
3読み取りが減ると時間が減る
時間が減ると、仮想ウェアハウスが動く秒数が減り、クレジットも減る。列指向の効き方が料金に直結する。
読み取る量を実行計画で確かめる方法は、関連記事「実行計画の見方|EXPLAIN ANALYZEの読み方を実行結果で解説」が参考になります(PostgreSQL の例ですが、読み方の考え方は共通です)。
仮想ウェアハウスのサイズとクレジットの表
この節では、仮想ウェアハウスのサイズごとに1時間・1秒あたり何クレジットを使うのかと、課金の決まりが分かります。
XS(X-Small)が1時間1クレジットで、サイズが1段上がるごとに使うクレジットが倍になります。 公式ドキュメントは「秒単位の課金(仮想ウェアハウスが起動するたびに最低60秒)」と書いています。下の表の数字は、公式が「第1世代(Gen1)の標準ウェアハウス」の値と書いているものです。金額の列は、AWS 東京リージョンの単価(次の節)を掛けて計算しました。
| サイズ | クレジット/時 | クレジット/秒 | 東京 Standard(ドル/時) | 東京 Enterprise(ドル/時) |
|---|---|---|---|---|
| X-Small | 1 | 0.0003 | 2.85 | 4.30 |
| Small | 2 | 0.0006 | 5.70 | 8.60 |
| Medium | 4 | 0.0011 | 11.40 | 17.20 |
| Large | 8 | 0.0022 | 22.80 | 34.40 |
| X-Large | 16 | 0.0044 | 45.60 | 68.80 |
| 2X-Large | 32 | 0.0089 | 91.20 | 137.60 |
| 3X-Large | 64 | 0.0178 | 182.40 | 275.20 |
| 4X-Large | 128 | 0.0356 | 364.80 | 550.40 |
| 5X-Large | 256 | 0.0711 | 729.60 | 1,100.80 |
| 6X-Large | 512 | 0.1422 | 1,459.20 | 2,201.60 |
- 5X-Large・6X-Large:公式は、AWS と Microsoft Azure のリージョンで一般提供、と書いています。
- 第2世代(Gen2):Service Consumption Table では、AWS の Gen2 は XS が1時間1.35クレジット、Azure は1.25クレジットです(サイズごとに倍)。公式は、Gen2 はまだすべてのクラウド・リージョンで使えるわけではない、と書いています。
- Snowpark-optimized:メモリの多い種類で、Service Consumption Table に別の表があります(例:MEMORY_16X の Medium は1時間6クレジット)。
- マルチクラスター:同時に来るクエリが多いときに、同じサイズのクラスターを自動で増やす機能で、Enterprise 以上です。公式は、課金は「サイズと、動いたクラスターの数」で決まると書いています。
サイズを大きくすると何が変わるか
公式は、サイズを大きくすると「一般に、特に大きく複雑なクエリの性能が上がる」と書く一方で、「サイズの変更は同時実行の問題に対処するためのものではない」とも書いています。同時に使う人が多くて待たされるならマルチクラスターか仮想ウェアハウスを分ける、1本のクエリが遅いならサイズを上げる、と使い分けます。実行中のクエリにはサイズの変更は効かず、変更後に投げたクエリから新しいサイズで動きます。
Snowflakeの料金|クレジット単価・ストレージ・データ転送(2026年11月18日時点)
この節では、Snowflake の請求が何で決まるのかと、2026年11月18日時点の公式の単価が分かります。
Snowflake の料金は「コンピュート(クレジット)+ストレージ+データ転送」の合計です。 公式ドキュメントは「Snowflake の利用料金の合計は、データ転送・ストレージ・コンピュートリソースの利用料金を合わせたもの」と書き、コンピュートは「消費したクレジット数×クレジットの単価」で計算すると説明しています。クレジットの単価は、エディション・リージョン・契約の形(オンデマンドか事前購入のキャパシティか)で変わります。
| リージョン(オンデマンド) | Standard | Enterprise | Business Critical | VPS |
|---|---|---|---|---|
| AWS 東京 | 2.85 ドル | 4.30 ドル | 5.70 ドル | 8.55 ドル |
| Azure 東日本(東京) | 2.85 ドル | 4.30 ドル | 5.70 ドル | 8.55 ドル |
| AWS 米国東部(バージニア北部) | 2.00 ドル | 3.00 ドル | 4.00 ドル | 6.00 ドル |
上の表は1クレジットあたりの単価で、Snowflake の Service Consumption Table(Effective: November 12, 2026)の Table 2(a) の値です。改定されることがあるので、見積もりの前に最新の表を確かめます。
| 費用の種類 | 決まり方 | 単価の例(オンデマンド) |
|---|---|---|
| コンピュート(仮想ウェアハウス) | サイズ×動いた秒数。起動のたびに最低60秒 | 上の表のクレジット単価 |
| サーバーレスの機能 | Snowpipe・検索最適化など、Snowflake が管理する計算資源を使う機能。Snowpipe は読み込んだ GB あたり決まったクレジット | Service Consumption Table の機能別の表 |
| クラウドサービス | 1日の使用量が、その日の仮想ウェアハウスの使用量の10%を超えた分だけ | クレジット単価 |
| ストレージ | 毎日のディスク上のバイト数の平均で、1TB あたりの月額 | AWS 東京 25 ドル/TB・月、米国東部 23 ドル |
| データ転送 | 取り込み(ingress)は無料。ほかのリージョン・ほかのクラウドへ出すとき(egress)に TB あたり | AWS 東京から同じクラウドの別リージョン 90 ドル/TB、別のクラウド・インターネット 114 ドル/TB |
エディションの違い
エディションは Standard・Enterprise・Business Critical・Virtual Private Snowflake(VPS)の4つで、上の段は下の段の機能をすべて含みます。公式ドキュメントは、エディションが「クレジットとデータストレージの単価を決める」と書いています。
- Standard:基本の機能。Time Travel は最大1日。
- Enterprise:マルチクラスターの仮想ウェアハウス、マテリアライズドビュー、Time Travel の最大90日など。
- Business Critical:Tri-Secret Secure(利用者が管理する暗号鍵)、プライベート接続、障害時の切り替えなど。
- VPS:Business Critical の機能に加え、ほかの Snowflake アカウントと分けた環境で動く。
クレジットの消費をPythonで計算する(自動停止・60秒の最低課金)
この節では、仮想ウェアハウスのサイズ・動く時間・自動停止の設定から、月のクレジットと金額を計算した結果が分かります。
Snowflake の費用を決める一番の要素は「仮想ウェアハウスが動いている秒数」です。 クエリが終わっても、自動停止(AUTO_SUSPEND)の秒数が過ぎるまでは仮想ウェアハウスが動き続け、その間もクレジットを使います。公式の決まり(サイズ別のクレジット・秒単位・最低60秒)をそのまま Python にして計算しました。単価は AWS 東京のオンデマンドの値です。
import math
CPH = {'XS': 1, 'S': 2, 'M': 4, 'L': 8, 'XL': 16} # クレジット/時(Gen1)
PRICE = {'Standard': 2.85, 'Enterprise': 4.30} # AWS 東京・1クレジットのドル
def billed_seconds(run_s):
return max(60, math.ceil(run_s)) # 起動のたびに最低60秒
def credits(size, seconds):
return CPH[size] * billed_seconds(seconds) / 3600
# BI ダッシュボード:営業日20日、1日に12回、1回20秒、間は60分以上あく
for auto in [600, 300, 60]:
per = max(60, 20 + auto) # 実行20秒+停止までの待ち
c = CPH['S'] * per / 3600 * 12 * 20
print(f'AUTO_SUSPEND={auto}s: {c:.2f} credits, ${c*PRICE["Standard"]:.2f}')
2) 60秒の最低課金
XS 10s -> 課金 60s = 0.0167 credits
XS 45s -> 課金 60s = 0.0167 credits
XS 61s -> 課金 61s = 0.0169 credits
XS 300s -> 課金 300s = 0.0833 credits
4) BIダッシュボード: 営業日20日, 1日にクエリが散発的に12回, 各20秒
Small AUTO_SUSPEND=600s -> 1回620s課金, 月 82.67 credits, Tokyo-Std $235.60 Ent $355.47
Small AUTO_SUSPEND=300s -> 1回320s課金, 月 42.67 credits, Tokyo-Std $121.60 Ent $183.47
Small AUTO_SUSPEND=60s -> 1回80s課金, 月 10.67 credits, Tokyo-Std $30.40 Ent $45.87
自動停止なしで 9-18時(9h)動かし続けた場合: 360 credits $1026.00
5) 夜間バッチ: Medium 25分/日 x 30日
50.0 credits Std $142.50 Ent $215.00
同じクエリを同じ回数だけ流しても、自動停止の設定で月額が約7.8倍変わりました。CREATE WAREHOUSE の AUTO_SUSPEND の既定値は600秒(10分)です。
サイズを倍にすると費用はどうなるか
処理時間がちょうど半分になれば、費用は変わりません。実際には半分にならないことがあり、その分だけ費用が増えます。
3) 同じ処理 サイズ倍で時間半分なら同額
XS 3600s -> 1.00 credits $2.85
S 1800s -> 1.00 credits $2.85
M 900s -> 1.00 credits $2.85
L 450s -> 1.00 credits $2.85
1.5倍だけ速くなる場合: XS 600s -> 0.167 credits / S 400s -> 0.222 credits
手元の DuckDB でも、同じ集計のスレッド数を1→2にしたときの時間は594ms→392msで、約1.5倍の速さでした(2 CPU の環境のため、4にしても390ms)。計算資源を倍にしても時間が半分になるとは限らない、という目安になります。Snowflake のサイズは、実際のクエリを流して時間を測り、費用と待ち時間の釣り合いで決めます。
クラウドサービスの10%の調整
6) クラウドサービス 10%調整(1日の値)
WH 100, CS 6 -> 課金されるCS 0
WH 100, CS 10 -> 課金されるCS 0
WH 100, CS 14 -> 課金されるCS 4.0
WH 0, CS 3 -> 課金されるCS 3.0
仮想ウェアハウスをほとんど使わない日に、メタデータの問い合わせなどクラウドサービス層の処理だけが多いと、その分が課金されます。
月の合計の例
上の BI ダッシュボード(自動停止600秒)と夜間バッチに、0.5TB のストレージを足すと、AWS 東京の Standard で次のようになりました。
credits 132.7 -> $378.10 + storage $12.50 = $390.60
この例では、費用の約97%がコンピュートでした。ストレージよりも、仮想ウェアハウスの動く時間を見直すほうが効きます。
自動停止と自動再開・リソースモニター|使いすぎを防ぐ設定
この節では、仮想ウェアハウスを使わないときに止める設定と、クレジットの上限を決める設定が分かります。
自動停止(AUTO_SUSPEND)と自動再開(AUTO_RESUME)は、既定でどちらも有効です。 自動再開が有効なら、止まっている仮想ウェアハウスに SQL を投げると自動で動き出します。公式の CREATE WAREHOUSE の説明では、AUTO_SUSPEND は「何秒操作がなければ自動停止するか」の秒数で、0 か NULL にすると止まらなくなります。
-- Snowflake の SQL(公式ドキュメントの構文に沿った例。手元では実行していない)
CREATE WAREHOUSE analysis_wh WITH
WAREHOUSE_SIZE = XSMALL
AUTO_SUSPEND = 60
AUTO_RESUME = TRUE
INITIALLY_SUSPENDED = TRUE;
ALTER WAREHOUSE analysis_wh SET WAREHOUSE_SIZE = SMALL;
ALTER WAREHOUSE analysis_wh SUSPEND;
自動停止を何秒にするか
公式は「低い値(たとえば5分か10分以下)を勧める」と書き、クエリが来る間隔に合わせるよう案内しています。短すぎると止まる・動くを繰り返し、そのたびに最低60秒が課金されます。また、仮想ウェアハウスが止まるとキャッシュが消えるので、再開直後のクエリは遅くなることがあります。
自動停止の決め方
確かめる問い:「次のクエリまで、平均で何分あくか」
リソースモニターで上限を決める
リソースモニターは、仮想ウェアハウスのクレジットの使用量に上限(クレジットクォータ)を決め、決めた割合に達したら通知・停止する仕組みです。作れるのは ACCOUNTADMIN ロールのユーザーだけです。
-- 公式ドキュメントの例
USE ROLE ACCOUNTADMIN;
CREATE OR REPLACE RESOURCE MONITOR my_monitor WITH CREDIT_QUOTA=500
TRIGGERS ON 100 PERCENT DO SUSPEND;
ALTER WAREHOUSE my_wh SET RESOURCE_MONITOR = my_monitor;
| アクション | 動き |
|---|---|
| Notify | 通知だけ送り、仮想ウェアハウスは止めない(1つのモニターに5つまで) |
| Suspend | 通知して、実行中の SQL が終わってから止める |
| Suspend Immediate | すぐ止め、実行中の SQL も取り消す |
公式は、リソースモニターではサーバーレスの機能や AI のサービスの支出は追えず、それには予算(budget)を使う、と書いています。
Snowflakeならではの機能|Time Travel・ゼロコピークローン・データ共有
この節では、Snowflake の特徴としてよく挙げられる3つの機能が、何をするもので、料金にどう響くのかが分かります。
Time Travel と Fail-safe
Time Travel は、過去の時点のテーブルを SQL で読んだり、削除したテーブルを戻したりする機能です。 公式によると、標準の保持期間は1日(24時間)ですべてのアカウントで有効、Enterprise 以上では恒久的なテーブルを最大90日まで延ばせます。一時的なテーブル(transient・temporary)は最大1日です。保持期間を過ぎたデータは、さらに7日間 Fail-safe に移ります。
-- 公式ドキュメントの例(手元では実行していない)
SELECT * FROM my_table AT(TIMESTAMP => 'Wed, 26 Jun 2024 09:20:00 -0700'::timestamp_tz);
SELECT * FROM my_table AT(OFFSET => -60*5); -- 5分前
SELECT * FROM my_table BEFORE(STATEMENT => '8e5d0ca9-005e-44e6-b858-a8f5b37c5726');
UNDROP TABLE my_table; -- DROP する前の状態に戻す
保持期間はオブジェクトのパラメーター DATA_RETENTION_TIME_IN_DAYS で変えます。公式は、ストレージは Active・Time Travel・Fail-safe のどの状態のデータにも課金される、と書いています。保持期間を長くすると、変更前のデータを残す分だけストレージが増えます。目安として、1TB のテーブルの2%が毎日書き換わり、書き換え前のデータがそのまま残ると仮定して計算すると、次のようになりました(実際の増え方は書き換え方で変わる、粗い試算です)。
1TB, 毎日2%更新, 保持1日+FS7日 -> 追加 約0.16TB $4.00/月
1TB, 毎日2%更新, 保持30日+FS7日 -> 追加 約0.74TB $18.50/月
1TB, 毎日2%更新, 保持90日+FS7日 -> 追加 約1.94TB $48.50/月
ゼロコピークローン
テーブル・スキーマ・データベースを CREATE ... CLONE で複製する機能です。公式は、作った直後のクローンは「元のテーブルの既存のマイクロパーティションをすべて共有するため、データのストレージを使わない」と書いています。クローンや元のテーブルを変更すると、変わった分だけストレージが増えます。開発用・検証用に本番と同じデータを用意するときに使われます。
データ共有(Secure Data Sharing)
自分のアカウントのデータベースにあるテーブルやビューなどを、ほかの Snowflake アカウントに読ませる機能です。公式は「アカウント間で実際のデータがコピー・転送されることはない」と書いています。
- 費用:受け取る側が払うのは、共有されたデータを読むための仮想ウェアハウスのクレジットだけ。保存の費用は提供する側が払い続ける。
- 相手がアカウントを持っていない:提供する側がリーダーアカウントを作って読ませられる(データの投入・更新はできない)。
- リージョンが違う:直接の共有は同じリージョンのアカウントの間だけ。リージョン・クラウドをまたぐときは、リスティング(Marketplace などで公開・提供する形)を使う。
- 共有されたデータは読み取り専用:受け取った側は変更できない。
SnowflakeのSQLの基本|DuckDBで同じ形のSQLを流す
この節では、Snowflake でよく書く SQL の形と、手元の DuckDB で同じ形の SQL を流した結果が分かります。
Snowflake は標準的な SQL で操作でき、集計・結合・ウィンドウ関数・QUALIFY・JSON の展開をよく使います。 Snowflake 上では実行していないため、同じ構文を受け付ける DuckDB 2.0.0 に、300万行の架空の売上データを入れて流しました。
集計(地域×商品で4〜6月の売上の上位5件)
SELECT region, product, COUNT(*) AS orders, SUM(amount) AS revenue
FROM sales
WHERE order_date BETWEEN DATE '2026-04-01' AND DATE '2026-06-30'
GROUP BY region, product
ORDER BY revenue DESC
LIMIT 5;
Q1 3か月×地域×商品: 27 ms
('東京', 'キーボード', 46008, 3472529511)
('福岡', 'キーボード', 45597, 3453684562)
('東京', 'PC', 45661, 3453432799)
('札幌', 'PC', 45735, 3452412336)
('札幌', 'モニター', 45773, 3445747762)
QUALIFY(地域ごとに売上が最も多い顧客)
QUALIFY は、ウィンドウ関数の結果で行を絞る句です。Snowflake でよく使われ、サブクエリを書かずに「グループごとの1位」を取り出せます。
SELECT region, customer_id, SUM(amount) AS total
FROM sales
GROUP BY region, customer_id
QUALIFY ROW_NUMBER() OVER (PARTITION BY region ORDER BY total DESC) = 1
ORDER BY region;
Q2 QUALIFY: 64 ms
('名古屋', 3036, 12704519)
('大阪', 1603, 12353352)
('札幌', 3248, 12940765)
('東京', 2982, 13236059)
('福岡', 1706, 12315394)
ウィンドウ関数そのものの使い方は、関連記事「SQLウィンドウ関数の使い方|累計・前月比・上位N件を実行結果で解説」で扱っています。
JSON の展開(Snowflake の VARIANT と FLATTEN)
Snowflake では、JSON を VARIANT 型の列に入れ、PARSE_JSON で変換し、LATERAL FLATTEN で配列を行に展開します。FLATTEN が返す列は SEQ・KEY・PATH・INDEX・VALUE・THIS です。
-- Snowflake の書き方(公式ドキュメントの FLATTEN の形に沿った例。手元では実行していない)
SELECT e.id,
e.payload:user::string AS user_name,
e.payload:device.os::string AS os,
f.value:sku::string AS sku,
f.value:qty::number AS qty
FROM events e,
LATERAL FLATTEN(INPUT => e.payload:items) f;
DuckDB では JSON 型と UNNEST で同じ結果を出しました。
SELECT id, payload->>'$.user' AS user_name, payload->>'$.device.os' AS os,
item->>'$.sku' AS sku, CAST(item->>'$.qty' AS INTEGER) AS qty
FROM events, UNNEST(CAST(payload->'$.items' AS JSON[])) AS u(item)
ORDER BY id, sku;
(1, 'u01', 'iOS', 'A1', 2)
(1, 'u01', 'iOS', 'B2', 1)
(2, 'u02', 'Android', 'A1', 1)
Snowflake 固有の構文はほかの DB では動かない
仮想ウェアハウス・Time Travel・クローンの構文は Snowflake 固有です。DuckDB に流すと、次のエラーになりました。ほかの DB で SQL を試してから Snowflake に移すときは、この部分を分けておきます。
SQL: SELECT * FROM sales AT(OFFSET => -60*5) LIMIT 1
ParserException: Parser Error: syntax error at or near "OFFSET"
SQL: CREATE WAREHOUSE analysis_wh WITH WAREHOUSE_SIZE = XSMALL AUTO_SUSPEND = 60
ParserException: Parser Error: syntax error at or near "WAREHOUSE"
SQL: UNDROP TABLE sales
ParserException: Parser Error: syntax error at or near "UNDROP"
SQL: SELECT f.value FROM (SELECT PARSE_JSON('[1,2]') AS v) t, LATERAL FLATTEN(INPUT => t.v) f
CatalogException: Catalog Error: Scalar Function with name parse_json does not exist!
Did you mean "parse_dirname"?
SQL: CREATE TABLE sales_dev CLONE sales
ParserException: Parser Error: syntax error at or near "CLONE"
結果のキャッシュ
公式によると、クエリの結果は24時間保存され、まったく同じクエリで、元のデータが変わっていないなどの条件を満たすと再利用されます。再利用されるたびに24時間が延び、最初の実行から最大31日です。大文字・小文字やテーブルの別名が違うだけでも再利用されないことがあるので、BI ツールが同じ SQL を投げる形にしておくと効きます。
BigQuery・Redshiftとの違い(比較表)
この節では、Snowflake と、よく比べられる Google BigQuery・Amazon Redshift の違いが、各社の公式の記載で分かります。
3つとも SQL で大量のデータを集計するクラウドのデータウェアハウスで、大きな違いは「どのクラウドで動くか」と「何に対して課金されるか」です。 どれが優れているかではなく、すでに使っているクラウドと、クエリの使い方で選びます。
| 項目 | Snowflake | BigQuery | Amazon Redshift |
|---|---|---|---|
| 提供元 | Snowflake | Google Cloud | AWS |
| 動くクラウド | AWS・Azure・Google Cloud | Google Cloud | AWS |
| 計算資源の単位 | 仮想ウェアハウス(サイズ XS〜6XL) | スロット(仮想 CPU) | Serverless は RPU、プロビジョンドはノード |
| 主な課金 | クレジット(サイズ×秒、起動ごとに最低60秒) | オンデマンドは読み取ったデータ量(TiB あたり 6.25 ドル、毎月1TiB まで無料)。または スロット時間(Standard 0.04 ドル/時) | Serverless は RPU 時間(米国東部 0.375 ドル、秒単位・最低60秒) |
| 使わない時間 | 自動停止で止める | オンデマンドなら読み取りがなければ計算の費用は出ない | Serverless は使った分。プロビジョンドはノードが動く間 |
| ストレージの例 | AWS 東京 25 ドル/TB・月 | アクティブ論理ストレージ 1TiB 1か月で 23.552 ドル(公式の例)、毎月10GiB 無料 | マネージドストレージ 米国東部 0.024 ドル/GB・月 |
| 無料で試す | 30日間の試用 | 無料枠(クエリ1TiB・ストレージ10GiB/月) | Serverless の試用で300ドルのクレジット(90日) |
単価はいずれも2026年11月18日時点の各社の公式の料金ページの値で、リージョンによって違います。Redshift の仕組み(列指向・分散キー・Serverless の料金)は、記事「Amazon Redshiftとは|DWHの仕組み・Serverless料金と始め方」で詳しく扱っています。Google Cloud の全体像は、関連記事「GCPとは|Google Cloudの主要サービス・料金・無料枠・始め方」で扱っています。
費用の見積もりで気をつけること
課金の単位が違うので、同じクエリでも費用の順番は使い方で入れ替わる
Snowflakeの始め方(無料トライアルの条件)
この節では、Snowflake を試すときの条件と、最初にすることの順番が分かります。
Snowflake には30日間の試用があり、登録に必要なのは有効なメールアドレスだけです。 公式ドキュメントによると、試用は登録日から30日間か、無料の利用枠を使い切るまでのどちらか早いほうで終わります。クレジットカードは登録に不要ですが、AI の機能はカードを登録するまで使えません。試用が終わってアップグレードしないと、アカウントは停止され、使わなかった利用枠は消えます。無料の利用枠の金額は、確かめた公式ドキュメントのページには書かれていませんでした。
クラウドとリージョン・エディションを決める
単価とデータを置く場所が決まる。ふだん使うクラウド・データがあるリージョンに合わせると、データ転送の費用を抑えやすい。
小さい仮想ウェアハウスを作る
XS で、AUTO_SUSPEND を短くして作る。最初からサイズを大きくしない。
リソースモニターで上限を決める
試すだけでも、クレジットの上限と、上限で止まる設定を先に入れておく。
データを読み込んで SQL を流す
CSV・JSON・Parquet をステージに置いて COPY で読み込む。ファイルが届くたびに読み込むなら Snowpipe(読み込んだ GB あたりのクレジット)。
使ったクレジットを確かめる
仮想ウェアハウスごとの使用量を見て、サイズと自動停止の秒数を見直す。
社内のデータを入れて試すときは、機密情報・個人情報の扱いについて、事前に提供元の最新の規約と所属先の決まりを確かめます。
よくあるエラー/つまずき
この節では、Snowflake を使い始めたときにつまずきやすい点と、確かめ方・直し方が分かります。
費用のつまずきは、ほとんどが「仮想ウェアハウスが想定より長く動いていた」ことから起きます。 SQL のエラーは、ほかの DB の書き方との違いから起きることが多いです。
| 症状 | 原因 | 確かめ方 | 直し方 |
|---|---|---|---|
| クエリは少ないのにクレジットが多い | AUTO_SUSPEND が長い(既定600秒)か 0 | 仮想ウェアハウスの設定と、動いていた時間 | クエリの間隔に合わせて短くする |
| 短いクエリでも費用がかかる | 起動のたびに最低60秒の課金 | 止まる・動くの回数 | 自動停止を短くしすぎない。まとめて流す |
| サイズを上げたのに速くならない | 同時実行の待ち。1本のクエリの重さではない | クエリが待たされているか | マルチクラスター(Enterprise 以上)か仮想ウェアハウスを分ける |
| サイズを上げた直後のクエリが遅いまま | 実行中のクエリには変更が効かない | 変更前に投げたクエリか | 変更後に投げ直す |
| 止めた直後のクエリが遅い | 停止でキャッシュが消えた | 再開直後だけ遅いか | 自動停止の秒数とキャッシュの釣り合いを見直す |
| 90日前のデータに戻せない | Standard は Time Travel が最大1日 | エディションと DATA_RETENTION_TIME_IN_DAYS | Enterprise 以上で保持期間を延ばす。バックアップを別に持つ |
| ストレージが減らない | Time Travel・Fail-safe の分も課金される | テーブルの保持期間 | 一時的なデータは transient のテーブルにする |
| 別のリージョンの相手に直接共有できない | 直接の共有は同じリージョンだけ | 相手のリージョン | リスティングを使う |
| リソースモニターで止まらない費用がある | サーバーレスの機能・AI のサービスは対象外 | 費用の内訳 | 予算(budget)で追う |
syntax error at or near "CLONE" | Snowflake 固有の構文をほかの DB で流した(手元の DuckDB で再現) | どの DB に投げたか | Snowflake 固有の部分を分けて管理する |
クローンの公式ドキュメントには、30分前にはまだ無かったテーブルを AT(OFFSET => -60*30) で複製しようとして Object 'SALES.PUBLIC.T_SALES' does not exist. になる例が載っています。Time Travel で指定する時点が、テーブルを作る前になっていないかを確かめます。
- 1AUTO_SUSPEND を決めたか既定の600秒のままにしない。クエリの間隔で決める
- 2リソースモニターを入れたかクレジットの上限と Suspend を先に入れる
- 3用途ごとに仮想ウェアハウスを分けたか費用を用途別に追え、重い処理が集計を待たせない
- 4SELECT * を避けているか列指向なので、読む列が減るほど速く、安くなる
- 5保持期間をテーブルごとに決めたか長い Time Travel はストレージを増やす
判断表|Snowflakeが合う場面・ほかを考える場面
この節では、Snowflake を選ぶかどうかを、場面ごとに判断できます。
「データを1か所に集め、複数のチームや取引先が SQL で読む」ほど Snowflake の作りが生きます。 1件ずつの登録・更新が中心の業務システムには、ふつうのデータベースが向いています。
| 場面 | 判断 | 理由 |
|---|---|---|
| AWS・Azure・Google Cloud のどれかに縛られずに DWH を置きたい | Snowflake が合う | 3つのクラウドで動く |
| BI・バッチ・分析が同じデータを同時に使う | Snowflake が合う | 仮想ウェアハウスを分けても、データは1つ |
| 取引先や別の部署にデータを渡したい | Snowflake が合う | コピーせずに共有でき、相手が読む費用は相手持ち |
| 集計は夜間にまとめて流す | Snowflake が合う | 動く時間だけクレジットを使い、あとは止められる |
| クエリの回数が少なく、読み取り量で払いたい | BigQuery のオンデマンドも比べる | 読み取り量の課金で、計算資源を止める設定が要らない |
| AWS の中だけで完結させたい | Redshift も比べる | 同じクラウドのサービスと組み合わせやすい |
| 注文の登録・在庫の更新など1件ずつの処理が中心 | ふつうのデータベース | DWH は大量の行を読む集計向き |
| 手元の数GB のファイルを1人で集計する | DuckDB などの手元の道具でも試せる | この記事の300万行は、1スレッドで数十ミリ秒で集計できた |
- 1データを置くクラウドとリージョンを決めるデータ転送の費用と、共有できる相手が決まる
- 2必要な機能からエディションを決める90日の Time Travel・マルチクラスターなら Enterprise 以上
- 3クエリの回数と時間を見積もるサイズ×秒×単価で月額を計算する
- 4ほかのサービスの課金の単位でも計算する読み取り量・RPU 時間で同じ使い方を当てはめる
- 5試用で実際のクエリを流して測る見積もりと実測の差を見て決める
よくある質問
Q. Snowflake とは何ですか? A. AWS・Microsoft Azure・Google Cloud の上で動く、クラウド型のデータウェアハウスのサービスです。大量のデータを SQL で集計・分析するために使います。ストレージと、SQL を実行する仮想ウェアハウスが分かれているのが特徴です。
Q. Snowflake はデータベースですか? A. SQL でテーブルを作って読み書きできるので、データベースの一種です。ただし、大量の行を読む集計・分析が得意なデータウェアハウスで、1件ずつの登録・更新が中心の業務システムとは向き不向きが違います。
Q. クレジットとは何ですか? A. Snowflake の計算資源の使用量の単位です。仮想ウェアハウスは XS が1時間1クレジットで、サイズが1段上がるごとに倍になります。請求額は「使ったクレジット×1クレジットの単価」で、単価はエディション・リージョン・契約の形で変わります。
Q. 1クレジットはいくらですか? A. 2026年11月18日時点のオンデマンドの単価は、AWS 東京で Standard 2.85 ドル、Enterprise 4.30 ドル、Business Critical 5.70 ドルです。米国東部(バージニア北部)では Standard 2.00 ドルです。改定されることがあるので、公式の Service Consumption Table で確かめます。
Q. 仮想ウェアハウスを止めている間も料金はかかりますか? A. 止めている仮想ウェアハウスはクレジットを使いません。ストレージの料金は、データを保存している限りかかります。
Q. 10秒で終わるクエリでも1分分の料金ですか? A. 仮想ウェアハウスが起動するたびに最低60秒が課金されます。止まっている仮想ウェアハウスで10秒のクエリを1回流すと60秒分です。そのあとは秒単位で、自動停止までの待ち時間も含まれます。
Q. Time Travel とバックアップは同じですか? A. Time Travel は、保持期間の中で過去の時点を読んだり、削除したテーブルを戻したりする機能です。保持期間は標準で1日、Enterprise 以上で最大90日です。その後の7日間の Fail-safe は、利用者が SQL で読む仕組みではありません。長く残したいデータは、クローンや別の保存先も合わせて考えます。
Q. BigQuery と Snowflake はどちらが安いですか? A. 課金の単位が違うため、使い方で変わります。BigQuery のオンデマンドは読み取ったデータ量、Snowflake は仮想ウェアハウスが動いた時間で課金されます。自分のクエリの回数・読み取り量・動く時間を決めて、それぞれの単位で計算して比べます。
Q. Snowflake の SQL は、ほかの DB の SQL と同じですか? A. SELECT・JOIN・GROUP BY・ウィンドウ関数などの基本は同じ形で書けます。仮想ウェアハウス・Time Travel・クローン・VARIANT の書き方は Snowflake 固有で、手元の DuckDB に流すと構文のエラーになりました。
Q. Snowflake を手元のパソコンに入れて使えますか? A. 入れられません。公式ドキュメントは、ローカルやプライベートクラウドの上に Snowflake を入れて動かすことはできない、と書いています。手元で SQL の練習をするなら、DuckDB や PostgreSQL などで同じ形の SQL を試せます。
まとめ
- Snowflake は、AWS・Azure・Google Cloud の上で動くクラウド型のデータウェアハウス。ストレージ・仮想ウェアハウス・クラウドサービスの3層で、ストレージとコンピュートが分かれている。
- 仮想ウェアハウスは XS が1時間1クレジットで、1段ごとに倍。秒単位の課金で、起動のたびに最低60秒。1クレジットは AWS 東京の Standard で 2.85 ドル(2026年11月18日時点)。
- 費用の大半はコンピュート。同じクエリでも、自動停止600秒と60秒で月額が約7.8倍違った(試算)。リソースモニターで上限を決めておく。
- Time Travel は標準1日・Enterprise 以上で最大90日、その後 Fail-safe が7日。どの状態のデータにもストレージの料金がかかる。クローンとデータ共有はデータをコピーしない。
- BigQuery・Redshift とは課金の単位が違う。自分の使い方を決めて、それぞれの単位で計算して比べる。
参考・出典
確認日はいずれも 2026年11月18日です。
- Snowflake ドキュメント(主要な概念とアーキテクチャ):https://docs.snowflake.com/ja/user-guide/intro-key-concepts
- Snowflake ドキュメント(仮想ウェアハウスの概要・サイズとクレジット):https://docs.snowflake.com/en/user-guide/warehouses-overview
- Snowflake ドキュメント(仮想ウェアハウスの考慮事項・自動停止):https://docs.snowflake.com/en/user-guide/warehouses-considerations
- Snowflake ドキュメント(CREATE WAREHOUSE):https://docs.snowflake.com/en/sql-reference/sql/create-warehouse
- Snowflake ドキュメント(全体の費用の考え方):https://docs.snowflake.com/en/user-guide/cost-understanding-overall
- Snowflake Service Consumption Table(Effective: November 12, 2026):https://snowflake.com/legal-files/CreditConsumptionTable.pdf
- Snowflake 料金のページ(エディションと購入の形):https://www.snowflake.com/en/pricing-options/
- Snowflake ドキュメント(エディション):https://docs.snowflake.com/en/user-guide/intro-editions
- Snowflake ドキュメント(リソースモニター):https://docs.snowflake.com/en/user-guide/resource-monitors
- Snowflake ドキュメント(マイクロパーティションとクラスタリング):https://docs.snowflake.com/en/user-guide/tables-clustering-micropartitions
- Snowflake ドキュメント(Time Travel):https://docs.snowflake.com/en/user-guide/data-time-travel
- Snowflake ドキュメント(ストレージの考慮事項・クローン):https://docs.snowflake.com/en/user-guide/tables-storage-considerations
- Snowflake ドキュメント(クローンの考慮事項):https://docs.snowflake.com/en/user-guide/object-clone
- Snowflake ドキュメント(Secure Data Sharing):https://docs.snowflake.com/en/user-guide/data-sharing-intro
- Snowflake ドキュメント(保存されたクエリ結果の再利用):https://docs.snowflake.com/en/user-guide/querying-persisted-results
- Snowflake ドキュメント(FLATTEN):https://docs.snowflake.com/en/sql-reference/functions/flatten
- Snowflake ドキュメント(Snowpipe):https://docs.snowflake.com/en/user-guide/data-load-snowpipe-intro
- Snowflake ドキュメント(Snowpark API):https://docs.snowflake.com/en/developer-guide/snowpark/index
- Snowflake ドキュメント(試用アカウント):https://docs.snowflake.com/en/user-guide/admin-trial-account
- Snowflake 公式ブログ(社名の由来):https://www.snowflake.com/ja/blog/behind-snowflakes-name
- Google Cloud BigQuery の料金のページ:https://cloud.google.com/bigquery/pricing
- AWS Amazon Redshift の料金のページ:https://aws.amazon.com/redshift/pricing/
本記事の内容は、ご自由にお使いください。
ご利用の際は、出典として本ページへのリンクを記載いただけますようお願いします。
(記載例)出典:株式会社RJC「Snowflakeとは|仕組み・料金(クレジット)・ほかのデータウェアハウスとの違い」
株式会社RJC ― SI事業・SES事業・AI駆動開発。RJCは一緒に成長を楽しめる会社です。
WE ARE HIRING
RJCで一緒に開発しながら、
成長を楽しみませんか?
RJCは、Web・モバイル・AIを活用した開発プロジェクトで、テックリードやPM・PMOも活躍するシステム開発会社です。会社を知る、待遇を確かめる、話を聞いてみる。気になるところ見てみてください!
- 127日年間休日
- 12時間平均残業時間
- 毎日ガチャ遊びココロも大切にする福利厚生。アマギフなどの賞品ラインナップ!
ほかにも、チケットレストラン、書籍読み放題、2年ごとの慰労報奨(休暇 or 金一封)、11期連続の黒字決算。