将 Spark 连接器用于 AWS 上的 Databricks 和 Snowflake

问题描述

我正在考虑同时使用 Databricks 和 SNowflake，它们由 Spark 连接器连接，都在 AWS 上运行。在做出决定之前，我很难理解以下几点：

1. Spark 连接器的性能如何？ （性能、额外成本、兼容性）
2. Databricks sql 和 SNowflake sql 在性能和标准方面有哪些比较？
3. 尝试同时使用两者有哪些“问题”或令人遗憾的意外？

解决方法

Snowflake 对 Spark 连接器的性能进行了投资，根据基准测试[0]，它表现良好。

SQL 方言是相似的。 “Databricks SQL 保持与 Apache Spark SQL 语义的兼容性。” [1] “Snowflake 支持 SQL:1999 中定义的大多数命令和语句。” [2]

我没有遇到过陷阱。我会避免使用不同的区域。 DataBricks SQL 的性能特征自 6/17 起将其 Photon 引擎设为默认值以来就不同了。

与往常一样，该实用程序将取决于您的用例，例如：

• 如果您在分区压缩 Parquet DeltaLake 上执行分析性 DataBricks SQL 查询，那么性能应该与 Snowflake 大致相似——但如果您对 JDBC MySQL 连接执行分析性 DataBricks SQL 查询，则 Snowflake 的性能应该非常高更好。
• 如果您在 DataBricks SQL 中进行宽表扫描样式查询（例如 select * from foo（无位置，无限制）），然后在内核（或其他）中进行分析，则切换到 Snowflake 不会为你做很多事情。

等

[0] - https://www.snowflake.com/blog/snowflake-connector-for-spark-version-2-6-turbocharges-reads-with-apache-arrow/

[1] - https://docs.databricks.com/sql/release-notes/index.html

[2] - https://docs.snowflake.com/en/sql-reference/intro-summary-sql.html