目次 › 第4章 › 4-7

第4章 パフォーマンス最適化・クエリ・変換 / 想定学習時間:30〜40分 / 最終確認:2026年8月

4-7. SQL機能(MERGE・サンプリング・推定関数・UDF・ストアドプロシージャ)

1. MERGE・INSERT OVERWRITE・マルチテーブルINSERT

日々の変換処理でよく使う3つの書き込み構文を押さえます。まず MERGE は、ソースとターゲットをキーで突き合わせ、一致したら更新(または削除)、一致しなければ挿入を1文で行う、いわゆる UPSERT の構文です。増分データの取り込み(3章のストリーム処理の後段など)の定番です。

MERGE INTO customers t
USING staged_updates s
  ON t.customer_id = s.customer_id
WHEN MATCHED THEN
  UPDATE SET t.email = s.email, t.updated_at = s.updated_at
WHEN NOT MATCHED THEN
  INSERT (customer_id, email, updated_at)
  VALUES (s.customer_id, s.email, s.updated_at);

INSERT OVERWRITE は、挿入の前にターゲットテーブルを空にしてから(TRUNCATE相当)書き込みます。「毎回全量を作り直す」集計テーブルの洗い替えに使い、削除と挿入が単一トランザクションで行われます。また Snowflake はマルチテーブルINSERT(INSERT ALL / INSERT FIRST)をサポートしており、1つのソースクエリの結果を条件に応じて複数のテーブルへ振り分けて挿入できます。

-- 条件に応じて2つのテーブルへ振り分ける(ALL: 合致する全WHENに挿入)
INSERT ALL
  WHEN amount >= 10000 THEN INTO large_orders
  WHEN amount <  10000 THEN INTO small_orders
SELECT * FROM staged_orders;

2. サンプリング:SAMPLE / TABLESAMPLE

巨大テーブルの傾向を素早く掴みたいとき、SAMPLE(TABLESAMPLE と同義)で一部の行だけを読み取れます。方式が2つあり、その違いが問われます。

-- 行単位で約10%を抽出(既定は BERNOULLI)
SELECT * FROM sales SAMPLE (10);

-- ブロック単位で約10%を抽出(大テーブルで高速)
SELECT * FROM sales SAMPLE SYSTEM (10);

-- シードを固定すると同じサンプルを再現できる
SELECT * FROM sales SAMPLE SYSTEM (10) REPEATABLE (42);

3. 推定関数:高速な近似集計

「ユニークユーザー数」のようなカーディナリティ(個別値数)の厳密な計算は、大テーブルではメモリと時間を大量に消費します。Snowflake は HyperLogLog アルゴリズムに基づく APPROX_COUNT_DISTINCT(HLL とも書けます)を提供しており、誤差数%程度の近似値を、桁違いに少ないリソースで高速に返します。

-- 厳密だが重い
SELECT COUNT(DISTINCT user_id) FROM access_log;

-- 近似だが高速・省メモリ(HyperLogLog)
SELECT APPROX_COUNT_DISTINCT(user_id) FROM access_log;

同系統の関数として、上位頻出値を推定する APPROX_TOP_K、パーセンタイルを推定する APPROX_PERCENTILE などがあります。ダッシュボードの傾向把握など「厳密さより速度」が求められる場面で使い、課金や会計など厳密さが必要な集計には使わない、という使い分けが論点です。

4. UDF:ユーザー定義関数

UDF(User-Defined Function)は、組み込み関数と同じようにクエリの中で呼び出せる自作関数です。言語は SQL・JavaScript・Python・Java・Scala から選べます。戻り値の形で2種類に分かれます。

• スカラーUDF:入力に対して単一の値を返します。SELECT句やWHERE句の式の中で使えます。
• テーブル関数(UDTF):行の集合(表)を返します。FROM句で(必要なら TABLE(...) 構文で)呼び出します。

CREATE FUNCTION tax_included(price NUMBER)
RETURNS NUMBER
AS
$$
  price * 1.1
$$;

SELECT item, tax_included(price) FROM order_items;

5. ストアドプロシージャとowner's rights / caller's rights

ストアドプロシージャは、CALL文で独立して実行する手続きです。Snowflake Scripting(SQL)・JavaScript・Python などで書け、内部で複数のSQL文を発行し、条件分岐・ループ・エラー処理といった手続きロジックを実装できます。DDL/DML の実行を伴う管理タスクや、タスク(3章)から呼び出す定期バッチの本体としてよく使われます。

重要なのが実行権限のモデルです。プロシージャは作成時に、どちらの権限で動くかが決まります。

UDFとストアドプロシージャの違いも比較表で整理します。

練習問題