SnowPro Advanced: Data Engineer完全解説｜パイプライン・最適化対策【2026】

SnowPro Advanced: Data Engineer Certificationは、Snowflake上でのデータパイプライン構築・最適化・運用管理に関する高度な知識を証明する試験です。 Streams/Tasks/Snowpipe/Dynamic Tables/Semi-structured Dataなど、データエンジニアリングの実務に直結するトピックが中心です。本記事では試験概要、出題ドメイン、各トピックの学習ポイント、合格戦略を解説します。

試験概要

項目	詳細
問題数	65問（単一選択・複数選択）
試験時間	115分
合格ライン	750点 / 1000点満点
受験料	$375 USD
前提条件	SnowPro Core認定（有効期間内）
受験方法	Pearson VUE（テストセンター or オンライン）
認定有効期間	2年間
推奨経験	Snowflakeでのデータエンジニアリング実務2年以上

出題ドメインと配点

ドメイン	配点	主要トピック
1. Data Movement	25%	COPY INTO、Snowpipe、Snowpipe Streaming、External Tables、Data Sharing
2. Data Pipeline & Transformation	25%	Streams、Tasks、Dynamic Tables、ストアドプロシージャ、UDF/UDTF
3. Performance & Optimization	20%	クラスタリングキー、マテリアライズドビュー、検索最適化、クエリプロファイル
4. Storage & Data Protection	20%	マイクロパーティション、Time Travel、Fail-safe、Zero-Copy Clone、データ暗号化
5. Semi-structured Data	10%	VARIANT型、FLATTEN、LATERAL JOIN、PARSE_JSON、INFER_SCHEMA

Streams & Tasks

StreamsはSnowflakeのChange Data Capture（CDC）機能で、テーブルに対するINSERT/UPDATE/DELETE操作を追跡します。 Tasksと組み合わせることで、スケジュールベースのデータパイプラインを構築できます。

Streamの種類	追跡対象	用途
Standard	INSERT / UPDATE / DELETE	一般的なCDC
Append-only	INSERTのみ	追加専用テーブル（ログ・イベント）
Insert-only（External Tables用）	新規ファイル追加	External Tableの新ファイル検出

Tasksはスケジュール（CRON式 or 分単位）またはStreamのデータ有無（SYSTEM$STREAM_HAS_DATA）をトリガーにSQLを実行します。タスクツリーとして親子関係を定義し、DAG（有向非巡回グラフ）形式のパイプラインを構成できます。

Snowpipe & Snowpipe Streaming

Snowpipeはステージ上のファイル到着を検知して自動的にCOPY INTOを実行するサーバーレスのデータ取り込み機能です。

Auto-ingest Snowpipe：クラウドイベント通知（AWS SQS / Azure Event Grid / GCS Pub/Sub）をトリガーに自動取り込み
REST API Snowpipe：insertFiles REST APIを呼び出して手動トリガー
Snowpipe Streaming：Snowflake Ingest SDKを使ったロー・レベルのストリーミング取り込み（ファイル不要・低レイテンシ）

比較項目	Auto-ingest Snowpipe	Snowpipe Streaming
トリガー	ファイル到着イベント	SDK API呼び出し
レイテンシ	1〜数分	数秒
ファイル必要性	必要（Stage上のファイル）	不要（行単位で挿入）
課金モデル	サーバーレスクレジット	サーバーレスクレジット

Dynamic Tables

Dynamic TablesはSnowflakeで宣言的にデータパイプラインを定義する機能です。ターゲットテーブルをSQLクエリで定義すると、ソースデータの変更に応じて自動的に更新されます。

TARGET_LAGパラメータで更新頻度を制御（例: 1 MINUTE / 1 HOUR / DOWNSTREAM）
DOWNSTREAMを指定すると、下流のDynamic Tableのラグに合わせて更新
複数のDynamic Tablesを連鎖させてメダリオンアーキテクチャ（Bronze → Silver → Gold）を構築可能
Streams + Tasksと比較して、パイプラインの定義・保守がシンプル

Semi-structured Data

SnowflakeはJSON・XML・Avro・Parquet・ORCなどの半構造化データをVARIANT型で格納し、SQLでクエリできます。

格納：VARIANT / OBJECT / ARRAY 型にPARSE_JSONで変換して格納
アクセス：ドット記法（col:key）またはブラケット記法（col['key']）
展開：FLATTEN関数 + LATERAL JOINでネスト配列を行に展開
スキーマ検出：INFER_SCHEMA関数でステージ上のファイルからスキーマを自動推定
型変換：::演算子でVARIANT内の値を指定型にキャスト（例: col:price::NUMBER）

パフォーマンス最適化のポイント

手法	適用条件	効果
クラスタリングキー	1TB以上のテーブル・特定カラムでの頻繁なフィルタ	プルーニング率の向上
マテリアライズドビュー	頻繁に実行される集約クエリ	事前計算結果の再利用
検索最適化サービス	高カーディナリティカラムの等値検索	ポイントルックアップの高速化
ウェアハウスサイジング	大規模クエリのスキャン量が多い場合	並列処理能力の向上

学習戦略

Data Engineer試験はCore以上に実践的な知識が問われるため、ハンズオンを重視した学習が必要です。

Streams + Tasksのパイプラインを実際に構築し、SYSTEM$STREAM_HAS_DATAの動作を確認する
Dynamic Tablesを作成してTARGET_LAGの挙動を検証する
Snowpipeの自動取り込みをS3イベント通知で設定し、パイプステータスを確認する
VARIANT型にJSONデータを格納し、FLATTEN + LATERAL JOINで展開するクエリを書く
クエリプロファイルでスピリング・プルーニング率を確認する方法を覚える

データ保護のポイント

Time Travel：Enterprise Editionで最大90日間の過去データ参照。UNDROP TABLE / SELECT ... AT(TIMESTAMP =>)構文で復元・参照
Fail-safe：Time Travel期間終了後7日間のSnowflake側バックアップ。ユーザーからはアクセス不可
Zero-Copy Clone：CREATE TABLE ... CLONE構文でメタデータのみコピー。ストレージコストは変更差分のみ発生
データ暗号化：AES-256による透過的暗号化。ユーザー操作不要で常時有効

問題で確認

SnowPro Advanced: Data Engineer

問題 1

ソーステーブルに対するINSERT操作のみを追跡し、UPDATE/DELETEの変更は無視したい場合、どのStreamタイプを使用すべきですか？

Standard Stream
Append-only Stream
Insert-only Stream
Delta Stream

正解: B

Append-only StreamはINSERT操作のみを追跡し、UPDATEやDELETEの変更は記録しません。ログテーブルやイベントテーブルなど、追加専用のワークロードに最適です。Standard Streamは全DML操作を追跡します。Insert-only StreamはExternal Tables専用です。Delta Streamという種類は存在しません。

よくある質問

SnowPro Advanced Data Engineer試験にはCore認定が必須ですか？

はい、SnowPro Core Certification（COF-C03）の有効な認定が受験の前提条件です。Core認定が失効している場合は先にCoreの再認定を取得する必要があります。Core合格後すぐにAdvancedを受験することも可能ですが、Coreの知識を基盤としつつStreams/Tasks/Snowpipe/Dynamic Tablesなどの深い理解が求められるため、追加で4〜8週間の学習期間を確保することが推奨されます。

Dynamic TablesとStreams + Tasksの使い分けはどのように出題されますか？

試験ではシナリオベースで「宣言的にパイプラインを定義したい場合はDynamic Tables」「CDCベースで細かい制御が必要な場合はStreams + Tasks」という判断が問われます。Dynamic Tablesはターゲットテーブルの定義をSQLで宣言するだけで自動的にデータ更新される簡潔さが利点です。一方、Streams + Tasksは変更データの中間処理やエラーハンドリングを細かく制御できる柔軟性があります。

半構造化データの出題範囲はどの程度ですか？

出題ドメインの約10%を占めます。VARIANT型へのJSON/XML格納、ドット記法・ブラケット記法によるアクセス、FLATTEN関数によるネスト配列の展開、LATERAL JOINとの組み合わせが頻出です。また、Parquet/ORC/Avroファイルのクエリ（SELECT $1 FROM @stage構文）やスキーマ検出（INFER_SCHEMA関数）も出題対象です。

この記事で学んだ内容を問題で確認しましょう

16,000問以上の問題で実力チェック

無料で問題を解いてみる

この記事の著者

NicheeLab編集部

データエンジニアリング・クラウド資格の専門家。Databricks・Snowflake等の認定資格を保有し、実務経験に基づいた問題作成・解説を行っています。NicheeLab運営。