Caso medido por el autor: una clave de agrupamiento más larga en Snowflake mejoró el filtrado de direcciones japonesas(zenn.dev)

- Snowflake guarda las tablas divididas según los valores ordenados de la columna de agrupamiento y lee solo las partes que cumplen una condición para acelerar las búsquedas. El método anterior usaba solo los primeros 5 bytes de una columna de texto, pero el original explica que Optima Clustering puede usar hasta 1KB de la columna de agrupamiento completa combinada. - En UTF-8, un carácter japonés ocupa de 3 a 4 bytes, así que 5 bytes cubren solo unos 1.25 a 1.33 caracteres. El autor explica que las direcciones que empiezan por '東京都' apenas se filtraban con condiciones a nivel de distrito. - El autor creó las tablas CLASSIC y OPTIMA con unas 19,58 millones filas del CSV de Información de Referencia de Ubicación a Nivel de Manzana del MLIT. Para la condición LIKE '東京都中央区%', escribió que CLASSIC leyó 3 particiones y OPTIMA leyó 1 particiones. - Estas cifras son mediciones directas del autor con un conjunto de datos y algunas condiciones. El autor es un ingeniero individual de Snowflake, y el original no ofrece pruebas de que los mismos resultados se repitan con otros datos y consultas.