Snowpark Container Services (SPCS) 完全ガイド: コンピュートプールからGPU推論まで

Snowpark Container Services（SPCS）は、OCIコンテナイメージをSnowflakeのマネージド環境で直接実行する機能です。 ML推論、LLMホスティング、Webアプリ、カスタムETLなど、ウェアハウスでは実行できないワークロードをSnowflakeのセキュリティ・ガバナンスの下で稼働させられます。

SPCSのアーキテクチャ

SPCSはコンピュートプール、イメージレジストリ、サービスの3つのコンポーネントで構成されます。 コンピュートプールはコンテナを実行するノード群であり、ウェアハウスとは完全に分離された計算資源です。 イメージレジストリはSnowflakeアカウント内に組み込まれたOCI互換のプライベートレジストリで、 docker CLIからpush/pullできます。サービスはコンピュートプール上にデプロイされる コンテナの実行単位です。

コンピュートプールの作成

コンピュートプールはサービスコンテナが実行されるノードのクラスタです。 INSTANCE_FAMILYでCPU/GPUの種類を指定し、MIN_NODES / MAX_NODESでオートスケールの範囲を制御します。

-- CPUコンピュートプール（軽量APIサーバー向け）
CREATE COMPUTE POOL ml_cpu_pool
  MIN_NODES = 1
  MAX_NODES = 3
  INSTANCE_FAMILY = CPU_X64_S
  AUTO_RESUME = TRUE
  AUTO_SUSPEND_SECS = 600;

-- GPUコンピュートプール（ML推論向け）
CREATE COMPUTE POOL gpu_inference_pool
  MIN_NODES = 1
  MAX_NODES = 2
  INSTANCE_FAMILY = GPU_NV_S
  AUTO_RESUME = TRUE
  AUTO_SUSPEND_SECS = 300;

-- コンピュートプールの状態確認
SHOW COMPUTE POOLS IN ACCOUNT;
DESCRIBE COMPUTE POOL gpu_inference_pool;

INSTANCE_FAMILYの主な選択肢は以下のとおりです。

イメージレジストリ

SPCSではSnowflakeアカウント内にOCI準拠のプライベートイメージレジストリが用意されています。 docker CLIで認証し、ビルド済みイメージをpushします。

-- イメージリポジトリの作成
CREATE IMAGE REPOSITORY ml_images;

-- リポジトリURLの確認
SHOW IMAGE REPOSITORIES;
-- 例: myorg-myacct.registry.snowflakecomputing.com/ml_db/ml_schema/ml_images

-- CLIでログインしてpush
-- docker login myorg-myacct.registry.snowflakecomputing.com
-- docker tag my-model:v1 myorg-myacct.registry.snowflakecomputing.com/ml_db/ml_schema/ml_images/my-model:v1
-- docker push myorg-myacct.registry.snowflakecomputing.com/ml_db/ml_schema/ml_images/my-model:v1

イメージリポジトリへのアクセスはSnowflakeのRBACで制御され、READ/WRITE権限をロールに付与します。 外部のDocker Hubやパブリックレジストリから直接pullすることはできないため、 ローカルまたはCI/CD環境でビルドしたイメージをSnowflakeレジストリへ再pushするワークフローが必要です。

サービスの作成とデプロイ

サービスはコンテナの実行単位で、YAMLのサービス仕様（spec）で定義します。 specファイルをSnowflakeのステージにアップロードし、CREATE SERVICEで起動します。

-- サービス仕様（spec.yaml）をステージにアップロード
PUT file:///tmp/spec.yaml @ml_db.ml_schema.service_stage
  AUTO_COMPRESS = FALSE
  OVERWRITE = TRUE;

-- サービスの作成
CREATE SERVICE ml_inference_service
  IN COMPUTE POOL gpu_inference_pool
  FROM @ml_db.ml_schema.service_stage
  SPEC = 'spec.yaml'
  MIN_INSTANCES = 1
  MAX_INSTANCES = 3
  EXTERNAL_ACCESS_INTEGRATIONS = (egress_integration);

-- サービスの状態確認
SHOW SERVICES IN ACCOUNT;
SELECT SYSTEM$GET_SERVICE_STATUS('ml_inference_service');
SELECT SYSTEM$GET_SERVICE_LOGS(
  'ml_inference_service', 0, 'inference-container', 100
);

サービス仕様YAMLの構造

spec.yamlではコンテナイメージ、ポート、環境変数、ボリュームマウントなどを定義します。

# spec.yaml の例
spec:
  containers:
    - name: inference-container
      image: /ml_db/ml_schema/ml_images/my-model:v1
      resources:
        requests:
          nvidia.com/gpu: 1
        limits:
          nvidia.com/gpu: 1
          memory: 8Gi
      env:
        MODEL_PATH: /models/v1
      readinessProbe:
        port: 8080
        path: /health
  endpoints:
    - name: predict
      port: 8080
      public: true
  volumes:
    - name: model-volume
      source: "@ml_db.ml_schema.model_stage"
      uid: 1000
      gid: 1000

サービス関数によるSQL統合

サービスをSQLから呼び出すにはサービス関数（Service Function）を作成します。 これによりSELECT文の中でコンテナの推論結果を取得できます。

-- サービス関数の作成
CREATE FUNCTION predict_sentiment(text VARCHAR)
  RETURNS VARIANT
  SERVICE = ml_inference_service
  ENDPOINT = predict
  AS '/predict';

-- SQLからの推論呼び出し
SELECT
  review_id,
  review_text,
  predict_sentiment(review_text) AS sentiment
FROM product_reviews
WHERE review_date >= '2026-01-01';

GPU対応ML/AIワークロード

SPCSでGPUを活用する典型的なユースケースは3つあります。

• モデル推論: TensorFlow Serving、Triton、vLLMなどの推論サーバーをGPUコンピュートプール上で実行し、サービス関数経由でSQLからバッチ推論
• ファインチューニング: Hugging Face Transformersの学習ループをコンテナ内で実行し、学習済みモデルをSnowflakeステージに保存
• LLMホスティング: Llama等のオープンモデルをvLLMコンテナでホストし、社内データを外部に出さずにチャット・要約機能を提供

ネットワークとセキュリティ

SPCSのサービスはデフォルトで外部ネットワークへのアクセスが遮断されています。 外部APIの呼び出しやモデルのダウンロードが必要な場合はExternal Access Integrationを作成してegress通信を許可します。

-- ネットワークルールの作成
CREATE NETWORK RULE hf_egress_rule
  TYPE = HOST_PORT
  MODE = EGRESS
  VALUE_LIST = ('huggingface.co:443', 'cdn-lfs.huggingface.co:443');

-- External Access Integrationの作成
CREATE EXTERNAL ACCESS INTEGRATION egress_integration
  ALLOWED_NETWORK_RULES = (hf_egress_rule)
  ENABLED = TRUE;

ingressについてはendpointsのpublic: trueで外部公開でき、 Snowflakeの認証トークンによるアクセス制御が適用されます。

コストとオートスケール

コンピュートプールのコストはノード数×稼働時間×INSTANCE_FAMILYごとの単価で決まります。 AUTO_SUSPEND_SECSを設定するとアイドル時に自動停止し、リクエスト到着時にAUTO_RESUMEで再起動します。 MIN_INSTANCES=0を設定すると、リクエストがないときにサービスを0インスタンスまでスケールダウンできます。

試験で問われるポイント

• SPCSのコンテナはウェアハウスではなくコンピュートプールで実行される点（課金体系の違い）
• イメージレジストリはSnowflake内蔵のプライベートレジストリであり、パブリックレジストリからの直接pullは不可
• サービス関数を介してSQLからコンテナの処理を呼び出せるアーキテクチャ
• 外部通信にはExternal Access Integrationが必要（デフォルトegress遮断）
• GPU_NV_S / GPU_NV_M / GPU_NV_LのINSTANCE_FAMILYとユースケースの対応

問題で確認

よくある質問