Tu factura del warehouse se duplicó en tres meses. ¿Cómo la bajas?

Mide antes de recortar. Saca el historial de consultas agrupado por usuario, herramienta y warehouse para encontrar dónde está el gasto de verdad, ya que suele ser un puñado de consultas o un dashboard refrescándose muchísimo más de lo necesario. Luego ataca lo de arriba: añade filtros de partición, materializa los joins pesados repetidos, reduce la frecuencia de refresco de los dashboards, dimensiona bien el cómputo con auto suspend, y pon caducidad a las tablas temporales.

Primero consigo los datos, porque todo el mundo tiene una teoría y la teoría suele estar equivocada. Todo warehouse importante expone historial de consultas con bytes escaneados o créditos consumidos, así que agrupo por usuario, por cuenta de servicio y por warehouse del último mes y ordeno por coste total. El patrón que sigo encontrando es que un puñado de cosas domina. La última vez, el 40% del gasto era un dashboard de BI refrescándose cada quince minutos contra una tabla de eventos cruda para una audiencia de unas seis personas, ninguna de las cuales la miraba más de una vez al día. Moverlo a una tabla preagregada con refresco horario recortó la factura en más de un tercio por sí solo. Después viene la lista de siempre: consultas sin el filtro de partición, SELECT estrella sobre tablas muy anchas, warehouses dimensionados en XL porque alguien tenía prisa, y sin auto suspend, así que quedan ociosos toda la noche. Luego barreras: timeouts de consulta, límites de bytes por usuario, y un dashboard de coste que el equipo mira de verdad cada semana.