Snowflake后记 - Building An Elastic Query Engine on

在2016年发表了《The Snowflake Elastic Data WareHouse》 这篇paper后，snowflake引领了云数仓发展的潮流，也引爆了资本界对于数据库行业的狂热，无论国内国外，投资圈都在期待下一个"snowflake"的出现。时至今日，snowflake在美股IPO的一年半后，市值已接近900亿。个人感觉，snowflake在几个技术决策上做出了无比英明的决策：

1. 原生的与云结合，包括引领了方向的计算与存储(状态）分离，从而可以在2个层次上独立的实现弹性和高可用能力，此外基于同一份海量数据的VWs可以针对不同租户的不同workload需求实现隔离。这种分离可以充分利用云资源的弹性，并降低成本。
2. 提供SAAS能力，简单的配置使用方式，易用性强，降低用户入门门槛，小化维护成本。
3. 对多类型数据的支持，随着大数据的发展，现在已经远不是简单的企业内部收集的一些固定源头的数据（ERP，CRM...），数据来源多样化，同时模式也更加丰富，除经典的结构化数据外，半结构/非结构化数据都变为了重要的数据资源。

今天介绍这篇paper是snowflake在2020年NSDI上发表的一篇，干货不算多，但也有一定的前瞻意义，算是对16年那篇paper的一个补充吧，关于16年的解读可以看这篇：