自从上次在雷达上提到 Snowflake 以来，对于它的使用，以及作为数据仓库和数据湖的替代方案的data mesh，我们都获得了更多经验。 Snowflake 在时间旅行、零拷贝克隆、数据共享及其应用市场等功能方面，继续给人留下深刻印象。Snowflake 至今还没出现任何令我们不喜欢的地方，所以相较于其他选择来说，我们的顾问会更偏爱使用它。亚马逊的数据仓库产品 Redshift 正在朝着将存储和计算进行分离的方向发展，而这一直都是 Snowflake 的强项。如果使用 Redshift 产品中的 Spectrum 特性进行数据分析，就会感觉它并非那么方便和灵活，部分原因是它受到了 Postgres 的约束（虽然我们也喜欢用Postgres。而进行联合查询（federated queries）可能是使用 Redshift 的原因。在操作方面，Snowflake 的操作会更简单。 虽然BigQuery是另一种选择，且非常易于操作，但在多云的场景下，Snowflake是更好的选择。我们已经在GCP、AWS和Azure上成功地使用了 Snowflake。
对我们的很多客户来说，Snowflake 已被证明是一个健壮的 SaaS 大数据存储、数仓或数据湖解决方案。它拥有先进的架构，来扩展存储、算力和服务，以加载、卸载和使用数据。它也非常灵活，支持结构化、半结构化和非结构化数据。它为不同的访问模式（如用于数据科学的Spark和用于分析的 SQL），提供相应的 connector（数量正不断增加）。它也能运行在多种云平台上。对许多客户而言，我们建议公共系统（如大数据存储）要使用托管服务。然而，如果出于风险和法规的考虑，无法使用托管服务的话，那么 Snowflake 对于具有大数据量和大处理量的公司，是个不错的选择。我们已经成功地在中型项目中使用了 Snowflake ，但尚未在数据需要跨组织部门存储的大型生态系统中尝试过。
我们经常将数据仓库和中心化的基础设施联系起来，而随着围绕数据的需求不断增长，中心化的基础设施是难以扩展和管理的。然而，Snowflake是一种全新的SQL数据仓库即服务解决方案，专为云平台而构建。Snowflake拥有大量精心设计的功能，例如数据库级的原子性，结构化和半结构化数据支持，数据库内分析功能，尤其是将存储、计算和服务层明确分离，从而解决了大多数数据仓库所面临的挑战。
