AWS でデータ基盤を組もうと資料を読むと、Redshift・Athena・Glue と、AWS の上で動く Snowflake が同じ構成図の中に並んで出てきます。
Snowflake は 1 つの製品の中に機能がまとまっている一方で、AWS では同じ役割がいくつものサービスに分かれているので、どれがどれに当たるのかが見えにくいのが難点です。
Snowflake の機能を 1 つずつ AWS のサービスに置き換えていくと、そのまま 1 対 1 で対応する行と、組み合わせないと同じことができない行に分かれます。
その分かれ方が分かると、AWS で組むときに先に決めておくべき「データの正本をどこに置き、表の台帳を誰に持たせるか」にも説明がつきます。
私は個人開発で S3 や DynamoDB は使っていますが、Redshift・Athena・Glue・Snowflake はどれも使ったことがなく、公式ドキュメントを読みながら学んでいるところです。
Snowflake の 3 つの層と仮想ウェアハウスの仕組みは、前の記事にまとめました。
AWSのサービスとSnowflakeの対応表
Snowflake は、データの保存、計算、表の台帳、権限、取り込みの仕組みを 1 つの製品の中に持っています。
AWS で同じことをするときは、S3、Redshift、Athena、Glue Data Catalog、Lake Formation といったサービスを組み合わせます。
Glue という名前も 1 つの役割を指すわけではなく、表の台帳の Data Catalog、台帳を作るクローラー、変換のジョブなどをまとめた呼び名です。
変換のジョブの受け持ちは ETL と ELT の記事で扱ったので、この先の表では Glue を台帳の Data Catalog として並べます。
3 つの表は、保存と計算、取り込みと実行、守りと受け渡しに分けて対応を並べたものです。
保存と計算
まず、データをどこに置き、どの単位で計算資源を用意するかの対応です。
| 役割 | Snowflake | AWS |
|---|---|---|
| データを置く | Snowflake が管理するストレージ | Redshift のマネージドストレージ(RMS)・S3 のファイル |
| 計算資源の単位 | 仮想ウェアハウス | Redshift のクラスター・Redshift Serverless のワークグループ・Athena はクエリごと |
| 同じデータを別の計算で読む | ウェアハウスを分けて同じテーブルを読む | Redshift はデータ共有でつなぐ・Athena はワークグループで用途を分ける |
| 同時に来るクエリに計算を足す | マルチクラスターウェアハウス | Redshift の同時実行スケーリング・Serverless の自動スケール・Athena の容量予約 |
| 使っていない間の計算を止める | 自動停止と自動再開 | クラスターは一時停止の操作・Serverless と Athena は使った分だけ |
Redshift には、ノードの種類と数を決めて使うプロビジョニングされたクラスターと、容量を決めずに使う Redshift Serverless の 2 つの形があります。
Redshift Serverless のワークグループと名前空間の説明では、スキーマやテーブル、ユーザーといったデータベースの中身のまとまりを名前空間と呼んでいます。
RPU やネットワークの設定といった計算資源のまとまりは、ワークグループです。
保存を名前空間、計算をワークグループに分ける作りは、Snowflake のテーブルと仮想ウェアハウスの関係によく似ています。
Athena はサーバーレスで、用意しておく計算資源はなく、クエリを投げるたびに計算が割り当てられる仕組みです。
同時に来るクエリが多いときに計算を足す仕組みとして、Snowflake にはマルチクラスターウェアハウスがあり、Redshift のクラスターでは同時実行スケーリングがこれに当たります。
Redshift の同時実行スケーリングの説明によると、有効にするとクエリの増加に合わせて、Redshift がクラスターの容量を自動で足します。
課金されるのは、追加のクラスターが実際にクエリを処理している時間だけです。
Redshift Serverless では同時実行スケーリングを別に払う必要はなく、料金ページでは Serverless の料金に含まれると書かれています。
Athena で計算の量を確保したいときは、DPU という単位で容量を予約し、ワークグループに割り当てます。
Athena の容量予約の説明によると、予約した容量は割り当てたワークグループのクエリだけが使うので、大事なクエリをほかのワークロードから切り離せます。
取り込みと実行
次は、表の台帳と、データを取り込んで定期的に動かす仕組みの対応です。
| 役割 | Snowflake | AWS |
|---|---|---|
| 表の台帳 | クラウドサービス層が持つ | Redshift の表は Redshift の中・S3 のファイルは Glue Data Catalog |
| S3 のファイルを置いたまま SQL で読む | 外部テーブル・Iceberg の表 | Athena・Redshift のデータレイクへのクエリ(Spectrum) |
| S3 のファイルをまとめて読み込む | ステージと COPY INTO | Redshift の COPY |
| 届いたファイルを順に読み込む | Snowpipe | Redshift の自動コピー(COPY JOB) |
| 決まった時刻に SQL を動かす | タスク | Redshift のスケジュールクエリ |
| JSON などの半構造化データ | VARIANT 型 | Redshift の SUPER 型 |
AWS 側の行で要になるのは、S3 のファイルについての台帳である Glue Data Catalog です。
AWS Glue の Data Catalog の説明は、Data Catalog を、データの置き場所やスキーマなどのメタデータを集めた中央の台帳と位置づけています。
Athena・Redshift Spectrum・Amazon EMR・Lake Formation はこの台帳を使うので、どれか 1 つのサービスで登録した表を、ほかのサービスからも同じ表として読めます。
Snowflake の外部テーブルも S3 のファイルを置いたまま読む仕組みですが、Snowflake の外部テーブルの説明にあるとおり、読み取り専用で、更新の DML は使えません。
Redshift の自動コピーは、Snowpipe と同じく、届いたファイルを順に読み込むための仕組みです。
自動コピーの説明によると、S3 の指定したパスに新しいファイルが置かれると Redshift がそれを検知して COPY を実行し、どのファイルを読み込んだかも Redshift が記録します。
決まった時刻に SQL を動かす仕組みで Snowflake のタスクに当たるのは、Redshift ではクエリエディタ v2 のスケジュールクエリです。
Snowflake のタスクの説明によると、タスクは複数のタスクを順番や並列につなぐタスクグラフとしても組めます。
クエリエディタ v2 のスケジュールクエリの説明は、ETL の流れの自動化やダッシュボードの更新を使い道に挙げています。
JSON のような半構造化データは、Snowflake では VARIANT 型、Redshift では SUPER 型に入れます。
1 つの値に入る大きさの上限は、Snowflake の半構造化データ型の説明では圧縮前で 128 MB です。
Redshift の SUPER 型の説明では、1 つの SUPER の値に入るのは 16 MB までです。
Snowflake で大きな JSON をそのまま 1 つの値に入れている表は、Redshift へ移すと上限に当たることがあります。
守りと受け渡し
最後は、過去の状態に戻す仕組み、データの受け渡し、権限と使いすぎの歯止めの対応です。
| 役割 | Snowflake | AWS |
|---|---|---|
| 過去の状態に戻す | Time Travel | Redshift Serverless の復旧ポイント・スナップショット |
| 別のアカウントへデータを渡す | Secure Data Sharing | Redshift のデータ共有 |
| 誰が何を読めるか | Snowflake のロール | IAM・Lake Formation・Redshift の GRANT |
| 使いすぎを止める | リソースモニター | Serverless の最大 RPU 時間・Athena のデータ使用量の制御 |
Snowflake の Time Travel が過去の時点のデータを SQL で読み戻す仕組みなのに対して、Redshift Serverless の復旧ポイントは、名前空間をある時点の状態へ戻すためのバックアップです。
Redshift Serverless のスナップショットと復旧ポイントの説明によると、復旧ポイントは 30 分ごとか、ノードあたり 5 GB のデータが変わるごとに自動で作られ、24 時間保持されます。
Redshift Serverless の課金の説明には、24 時間未満で消える復旧ポイントには料金がかからないと書かれています。
Redshift のデータ共有は、Snowflake の Secure Data Sharing と同じく、データを写さずに渡す仕組みです。
Redshift のデータ共有の説明によると、クラスター、Serverless のワークグループ、AWS アカウント、リージョンをまたいで、更新されたばかりのデータをそのまま共有できます。
読み取りだけでなく、共有先からの書き込みの権限を与えることもできます。
権限は、Snowflake ではロールにまとまる一方で、AWS では IAM、Lake Formation、Redshift の中の GRANT の 3 か所に分かれます。
自動コピーを 1 つ動かすだけでも、S3 のバケットポリシー、Redshift に付ける IAM ロールのポリシー、Redshift 側のリソースポリシーの 3 つをそろえる手順になっていました。
Snowflake では 1 つの製品の中にある機能が、AWS では保存・計算・台帳ごとに別のサービスに分かれ、その間をつなぐ設定は利用者の仕事として残ります。
1対1に置き換えられないところ
表の上では対応して見えても、中の作りが違うために、置き換えるときに気をつけたい行が 3 つあります。
同じデータに計算を何本も当てる
Snowflake では、1 つのテーブルを、取り込み用と BI 用のように別々のウェアハウスから同時に読めます。
Redshift Serverless で同じことをしようとすると、名前空間とワークグループの組み合わせの制約に当たります。
ワークグループと名前空間の説明には、1 つの名前空間に関連付けられるワークグループは 1 つだけで、逆も同じと書かれています。
取り込みと BI で計算を分けたいなら、名前空間とワークグループの組を 2 つ作り、データ共有でつなぐのが Redshift での組み方です。
データ共有の説明も、ETL 用のクラスターから複数の BI 用のクラスターへデータを共有して、読み取りの負荷を分ける使い方を挙げていました。
Athena はクエリごとに計算が割り当てられるので、ワークグループを分ければ、用途ごとに結果の置き場所や上限を変えられます。
計算の止め方
Snowflake のウェアハウスは、一定時間クエリが来なければ自動で止まり、クエリが来れば動き出します。
Redshift のプロビジョニングされたクラスターは、動いている間ずっと課金され、止めるには一時停止の操作をします。
クラスターの一時停止と再開の説明によると、一時停止の間はオンデマンドの課金が止まり、ストレージの分だけが課金されます。
料金ページの説明では、一時停止と再開は手動かスケジュールで行う操作です。
再開には数分かかることがあり、再開した後もしばらくはクエリが遅くなることがあると書かれています。
夜間や週末だけ止めるような決まった止め方なら、スケジュールで足ります。
クエリの来る時間が読めないなら、使っていない間に計算の課金が止まる Redshift Serverless か Athena のほうが、Snowflake の自動停止に近い使い方になります。
表の台帳を持つ場所
Snowflake では、テーブルの台帳はクラウドサービス層が持ち、利用者は台帳の置き場所を意識しません。
AWS では、Redshift に読み込んだ表の台帳は Redshift の中にあり、S3 のファイルの台帳は Glue Data Catalog にあります。
同じ Redshift から読む表でも、どちらの台帳に載っているかで扱いが変わります。
Redshift Spectrum の概要には、S3 の外部テーブルは、通常のテーブルの情報を見る PG_TABLE_DEF などでは確かめられないと書かれています。
BI の道具が外部テーブルを見つけられないときは、SVV_EXTERNAL_TABLES と SVV_EXTERNAL_COLUMNS を読ませるよう案内されていました。
その代わり、Glue Data Catalog に載せた表は、Redshift の外からも Athena や EMR で同じ表として読めます。
どこで使われるか
AWS で分析の置き場所を組む形を、データの正本と表の台帳の置き場所で分けると、次の 4 つになります。
| 組み方 | データの正本 | 表の台帳 | 計算 |
|---|---|---|---|
| Athena で S3 を直接読む | S3 のファイル | Glue Data Catalog | Athena(クエリごと) |
| Redshift に読み込む | Redshift のマネージドストレージ | Redshift の中 | Redshift のクラスターかワークグループ |
| Snowflake に読み込む | Snowflake が管理するストレージ | Snowflake の中 | 仮想ウェアハウス |
| S3 の Iceberg の表を共有する | 自分の S3 に置いた Iceberg の表 | Glue Data Catalog | Athena・Redshift・Snowflake のどれからでも |
1 つ目と 2 つ目は、AWS のサービスだけで完結する形です。
3 つ目は、S3 のファイルを Snowflake に読み込み、Snowflake の中で変換して使う形です。
4 つ目は、S3 に置いた Apache Iceberg の表を正本にして、Glue Data Catalog を台帳に、複数のエンジンから同じ表を読む形です。
Redshift の Iceberg の表の説明には、Glue Data Catalog に登録された Iceberg の表を、Athena や EMR で書き換えながら Redshift から問い合わせる使い方が示されています。
Snowflake から Glue Data Catalog の表を使うときは、Glue の Iceberg REST エンドポイントにつなぐカタログ統合を作ります。
Snowflake の AWS Glue Iceberg REST のカタログ統合の説明では、自分の AWS アカウントに作った IAM ロールを、Snowflake の IAM ユーザーに引き受けさせます。
権限の例は、読み取りだけのものと、読み書きのものの両方が載っていました。
Glue Data Catalog に直接つなぐ方式もありますが、Snowflake のドキュメントは、カタログが発行する一時的な認証情報を使える REST エンドポイントの方式を勧めていました。
Lake Formation で細かい権限をかけている場合は、引き受けさせる IAM ロールに lakeformation:GetDataAccess の権限も要ります。
外部の台帳の表を Snowflake から扱う方法として、カタログリンクデータベースも用意されています。
Snowflake の Iceberg の表の説明によると、カタログリンクデータベースは外部の台帳の名前空間と表を自動で見つけて同期し、Snowflake から読み書きできます。
Iceberg の表とレイクハウスの考え方は、データの置き場所の選び方を扱った記事に書きました。
先に知っておく用語
この先の選び分けと落とし穴に出てくる言葉を、短く確かめておきます。
- 名前空間: Redshift Serverless で、スキーマ・テーブル・ユーザーなど、データベースの中身をまとめたもの
- ワークグループ(Redshift Serverless): RPU・サブネット・セキュリティグループなど、計算資源をまとめたもの
- ワークグループ(Athena): クエリの実行を用途やチームで分け、結果の置き場所や使用量の上限を決める単位
- RPU: Redshift Serverless の計算資源の単位。1 RPU は 16 GB のメモリにあたる
- DPU: Athena の容量予約で数える計算資源の単位。1 DPU はおおむね 4 vCPU と 16 GB のメモリにあたる
- データレイクへのクエリ: Redshift から S3 のファイルを読み込まずに SQL で読むこと。DC2・RA3 では Redshift Spectrum という別の層で動き、RG と Serverless では自分の計算資源で動く
- S3 イベント統合: 自動コピーのために、S3 のバケットに届いた新しいファイルを Redshift へ知らせる設定
- カタログ統合: Snowflake が外部の Iceberg の台帳から表の情報を受け取るための設定
- カタログリンクデータベース: 外部の台帳の名前空間と表を自動で見つけ、同期し続ける Snowflake のデータベース
- 外部ボリューム: Iceberg の表のファイルを置く自分のクラウドストレージと、そこへの権限を Snowflake に登録したもの
いつ使わないか
4 つの組み方には、それぞれ選ばないほうがよい場面があります。
| 組み方 | 選ばないほうがよい場面 | 理由 |
|---|---|---|
| Athena で S3 を直接読む | 大きな表を毎日何度も集計し、費用を一定にしたい | クエリごとの課金はスキャンした量で決まり、回数がそのまま請求に効く。一定にしたいなら容量予約に切り替える |
| Redshift に読み込む | データの大半が S3 にあり、Athena や EMR からも同じものを読む | S3 と Redshift に同じデータを二重に持ち、そろえ続ける処理が要る |
| Snowflake に読み込む | AWS のサービスからも同じファイルを読みたい | 通常のテーブルは Snowflake が管理するストレージに置かれ、自分の S3 には残らない |
| S3 の Iceberg の表を共有する | Snowflake のクローンや Fail-safe に頼った運用をしたい | 外部の台帳の表ではクローンが使えず、自分の外部ボリュームに置いた表には Fail-safe が効かない |
Athena の料金ページによると、クエリごとの課金ではスキャンした量に対して払い、容量予約では予約した DPU の時間に対して払います。
容量予約にはスキャンした量の課金がないので、同じ集計を何度も回すワークロードの費用を見通しやすくできます。
ほかのエンジンと同じ表を分け合いたいなら、Snowflake の中でも Iceberg の表を選ぶことになります。
ただし、外部の台帳を使う Iceberg の表では、Snowflake のすべての機能が使えるわけではありません。
Snowflake の Iceberg の表の説明には、外部で管理される表ではクローンやクラスタリングが使えないことと、自分で管理する外部ボリュームに置いた表には Fail-safe が効かないことが書かれています。
AWS で組むときは、どのサービスを使うかより先に、データの正本をどこに置き、表の台帳を誰に持たせるかを決めると、使う部品は自然に絞られます。
課金と落とし穴
部品が分かれる AWS では、課金の数え方も、上限の付け方も部品ごとに違います。
課金の軸
金額は改定されやすいので、ここでは計算を使っていない間の扱いに絞って、何に対して払うかを並べます。
| サービス | 計算が動いている間 | 計算を使っていない間 |
|---|---|---|
| Redshift のクラスター | ノードの種類と数に応じた時間 | 一時停止するまで課金が続く。一時停止の間はストレージの分だけ |
| Redshift Serverless | 使った RPU を秒単位で数え、最低 60 秒 | 計算の課金はない。保存は GB 月で別に払う |
| Athena(クエリごと) | クエリがスキャンした量 | 課金はない |
| Athena(容量予約) | 予約した DPU の時間。スキャンした量には課金されない | 予約を取り消すまで課金が続く |
| Snowflake | 動いているウェアハウスのクレジット | 止まっているウェアハウスは消費しない。保存は別に払う |
Redshift で S3 のファイルを読む SQL は、Redshift の形によって数え方が変わります。
Redshift の料金ページによると、DC2 や RA3 のクラスターから使う Redshift Spectrum は、クラスターの料金とは別に、スキャンした量で課金されます。
一方で RG のクラスターと Redshift Serverless は、データレイクを読むエンジンを自分の計算資源の中に持っているので、データレイクへのクエリに別の課金はかかりません。
Spectrum から Glue Data Catalog を台帳に使う場合は、Glue Data Catalog の料金も別にかかります。
2種類のワークグループ
「ワークグループ」という言葉は、Athena と Redshift Serverless の両方に出てきますが、指すものが違います。
Redshift Serverless のワークグループは、RPU やネットワークの設定をまとめた計算資源そのものです。
Athena のワークグループの説明では、ワークグループはクエリをチームや用途ごとに分け、結果の置き場所やアクセス権、使用量の上限を決めるための単位です。
Athena のワークグループは IAM のリソースとして扱われ、ワークグループごとにクエリの履歴と保存したクエリが分かれます。
資料や IAM のポリシーで「ワークグループ」と出てきたら、どちらのサービスの話かを先に確かめると読み違えずに済みます。
同じIcebergの表でもエンジンごとにできることが違う
4 つ目の組み方では 1 つの表を複数のエンジンで読みますが、エンジンごとに使える機能がそろっているわけではありません。
Athena の Iceberg の表のクエリの説明にあるとおり、Athena は Iceberg の表の過去の版を読むタイムトラベルのクエリを使えます。
一方で Redshift の Iceberg の表の説明には、タイムトラベルのクエリは現時点では使えないと書かれています。
同じ説明には、Iceberg の表の中身は COPY では Redshift の表へ取り込めず、INSERT INTO か CREATE TABLE AS を使うともあります。
Snowflake でも、外部の台帳で管理される Iceberg の表では、クローンや標準のストリームが使えません。
どのエンジンで何をするかを決めずに表を共有すると、後から使いたい機能が片方のエンジンにしか無いと分かることがあります。
外部の台帳の表は手入れが台帳の側に残る
Snowflake を台帳にした Iceberg の表は、小さなファイルをまとめる圧縮などの手入れを Snowflake が引き受けます。
外部の台帳を使う表については、Snowflake は表の手入れを引き受けないと、Iceberg の表の説明に書かれています。
AWS の側では、Glue Data Catalog が Iceberg の表の圧縮を管理する機能を持ち、表ごとに有効にできます。
Athena から OPTIMIZE や VACUUM を流して手で整える方法もあり、その操作は置き場所の選び方を扱った記事で取り上げました。
台帳を AWS に置くなら、表の手入れの当番も AWS の側に置く、と決めておくと抜けが出にくくなります。
使いすぎの止め方が部品ごとに違う
Snowflake ではリソースモニターがウェアハウスのクレジットを見張り、上限で止められます。
Redshift Serverless では、思わぬ請求への備えとして、最大 RPU 時間を決めておくことが勧められています。
Athena には、1 回のクエリの上限と、ワークグループ全体の上限の 2 種類があります。
Athena のデータ使用量の制御の説明によると、1 回のクエリの上限を超えたクエリは取り消され、上限の最小値は 10 MB です。
一方で、ワークグループ全体の上限は Amazon SNS で知らせるだけで、クエリは自動では止まりません。
止めたいときは、通知を受けてワークグループを無効にするか、SNS から Lambda を呼んで止める仕組みを自分で用意します。
他クラウドでは
Snowflake の Iceberg の表は、AWS 以外のクラウドの台帳にもつなげます。
Snowflake のドキュメントには、Glue のほかに、Google Cloud の BigLake Metastore と、Microsoft Fabric の OneLake へのカタログ統合の手順が並んでいます。
Google Cloud の側では、Lakehouse の概要のとおり、2026 年 4 月 20 日に BigLake が Lakehouse に、BigLake metastore が Lakehouse runtime catalog に名前を変えました。
API や IAM の名前は BigLake のままで、Snowflake のドキュメントも旧名で書かれているので、両方の名前で探す必要があります。
Lakehouse runtime catalog は Iceberg REST カタログのエンドポイントを持ち、Cloud Storage に置いた表をほかのエンジンからも読めるようにしています。
Azure では、Microsoft Fabric の OneLake が Iceberg の表の API を持っています。
OneLake の Iceberg の表の API の説明によると、このエンドポイントが受け付けるのはメタデータの読み取りだけです。
Snowflake の側の説明でも、OneLake の表は読み取りだけに対応しています。
台帳と置き場所を 3 社で並べると、次のとおりです。
| 区分 | AWS | Google Cloud | Azure |
|---|---|---|---|
| Iceberg の表を置くストレージ | S3(S3 Tables を含む) | Cloud Storage | OneLake |
| Snowflake からつなぐ台帳 | Glue Data Catalog の Iceberg REST エンドポイント | Lakehouse runtime catalog(旧 BigLake metastore) | OneLake の Iceberg の表の API(読み取りのみ) |
参考
本文のリンクで紹介した公式ドキュメントは、いずれも 2026-10-06 に参照しました。
Redshift の RG ノードや Google Cloud の Lakehouse への改名のように、名前や対応の範囲が変わることがあるので、構成を決める前にはリンク先の最新の記述を確かめてください。
最後に
Snowflake が 1 つの製品の中に持つ保存・計算・台帳・権限は、AWS では S3、Redshift、Athena、Glue Data Catalog、Lake Formation に分かれて並びます。
Redshift Serverless の名前空間とワークグループが 1 対 1 であることと、台帳が Redshift の中と Glue Data Catalog の 2 か所に分かれることが、置き換えるときに一番ずれやすいところでした。
資格試験では、AWS Certified Data Engineer – Associate(DEA-C01)の第 2 分野にタスク 2.2「データカタログの仕組みを理解する」があり、Glue Data Catalog やクローラーが挙がっています。
DEA-C01 の試験ガイドの第 2 分野には、Redshift Spectrum を使った外部のデータの読み方や、Apache Iceberg のようなオープンテーブルフォーマットの管理も含まれています。
Snowflake に集めたデータを機械学習へつなぐ仕組みは、シリーズの次の記事で整理しました。
組み始める前に、データの正本をどこに置き、どのエンジンが書き込み、どの台帳に載せるかを 1 行ずつ書き出すと、AWS で使う部品の対応表が自分の構成の分だけ埋まります。
以上です。














コメントを残す