19
17

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

DatabricksとSnowflakeどっち?を毎回聞かれるので、機能表じゃない選び方を書く

19
Posted at

機能比較表を見ても決められない

業務でDatabricksとSnowflakeの両方を触っています。で、「結局どっち?」を定期的に聞かれます。

機能比較表はもう腐るほどあるんですが、あれを読んで決められた人を見たことがありません。理由ははっきりしていて、2026年時点で機能はほぼ被っているからです。SnowflakeはPythonもMLも動くし、DatabricksはSQLウェアハウスを持っている。表を作るとどっちも◯が並びます。

なので機能じゃないところで書きます。

まず、出発点が逆だったことを知っておくと早い

Snowflake Databricks
出自 SQLのデータウェアハウス Sparkの分散処理基盤
データの置き場所 Snowflakeの中(独自形式) 自社のS3・ADLSなど
最初の客 アナリスト・BI データエンジニア・ML

Snowflakeは「データを預けてください、面倒は全部見ます」から始まって、あとからPythonとMLを足しました。Databricksは「あなたのストレージの上で動きます」から始まって、あとからSQLとガバナンスを足しました。

逆方向から来て真ん中でぶつかっているので、いま機能表で差がつかないのは当然なんですよね。

さらに2025〜2026年でApache Icebergの相互運用が進みました。SnowflakeはIcebergテーブルとPolarisカタログ、DatabricksはUnity CatalogとDelta UniForm。データを1コピー持って両方から読む構成が現実的になってきたので、「選んだら一生添い遂げる」前提も崩れています。

一番ハマるのは請求書の枚数の違い

ここが実務で一番効きます。

Snowflakeはクレジット1本です。ウェアハウスをXSからサイズアップするたびにクレジット消費が倍。1クレジットの単価はエディションで決まっていて、AWS us-eastのOn Demandだと、Standard 2ドル / Enterprise 3ドル / Business Critical 4ドル。ストレージもSnowflakeから請求されます。Snowflakeに払うお金だけ見てれば足ります。

Databricksのclassic computeは2枚になります。DatabricksにDBUを払い、それとは別にAWS・Azure・GCPにVM代を払う。公式のpricingページにも「ストレージ・ネットワーク等のコストは利用するクラウドプロバイダによって変わります」と書いてあります。

何に払うか 請求元
Snowflake クレジット + ストレージ Snowflakeのみ
Databricks (classic) DBU Databricks
VM・ストレージ・通信 AWS / Azure / GCP
Databricks (serverless) DBU(VM込み) Databricksのみ

「Databricksのほうが安かった」という比較のかなりの割合が、VM代を足し忘れてます。 逆に「Snowflakeは高い」も、ストレージと運用の手間が込みの値段だと分かってないケースが多いです。

serverlessを使えばDatabricksも1枚になりますが、DBU単価は上がります(AWS us-eastでSQL Serverlessが0.22ドル/DBU、All-Purposeが0.55ドル/DBUあたり)。

単価はリージョンとクラウドと契約で普通に変わるので、最終的には両社の公式計算機に自分のワークロードを入れてください。記事の数字を信じて見積もらないほうがいいです。

SQLしか書かないチームなら

Snowflakeでいいと思います。

理由は技術というより運用で、触れる人が多いことです。SQLが書ければ入れるので、アナリストが自走できる。クラスタのサイズとかランタイムのバージョンとかを意識させずに済むのは、思っているより効きます。

BIツール(Tableau・Looker・Power BI)を本番で回してる組織も、素直にSnowflakeのほうが摩擦が少ないです。

Python・Spark・MLが混ざるなら

Databricksです。ここは差が残っています。

MLflowでの実験管理、GPUクラスタ、モデルサービング、Mosaic AIでのRAGやエージェント構築まで1か所で完結します。SnowflakeもSnowparkとCortexで追ってますが、「AIを自分で組む」側に回ると厚みが違います。

逆にCortexは「SQLから関数を1つ呼ぶとLLMが動く」方向に振っていて、これはこれで別の強さです。AIを作りたいのか、AIを使いたいのか、で分かれます。

迷ったときの判断軸3つ

機能じゃなくてここで決まります。

  1. チームの主言語はSQLかPythonか — 現場が書けないものを選ぶと運用が回りません。これが一番重い
  2. データを自社のオブジェクトストレージに置きたいか — 置きたいならDatabricks。預けていいならSnowflake。規制業界だとここが先に決まることがあります
  3. AIを使いたいのか作りたいのか — 使うだけならCortexが速い。作るならMosaic AI

3つとも「うちはこっち」が即答できるなら、もう答えは出てます。全部迷うなら、たぶんまだ選ぶ段階じゃないです。

最近は両方入れる会社が増えてます

身も蓋もないんですが、規模が大きい組織はだいたい両方入ってます。BI・レポーティングはSnowflake、データエンジニアリングとMLはDatabricks、みたいな分け方です。

これが成立するようになったのがIcebergで、データを1コピーに保ったまま両方のエンジンから読めるので、以前ほど「二重管理でコストが倍」になりません。

小さい組織が最初から両方入れる必要はまったくないです。ただ「将来どっちかに寄せないと死ぬ」という前提は、2026年時点ではもう外していいと思っています。

参考リンク

資格の話

両方の認定試験の日本語問題集を運営しています。Databricksが7試験、SnowProが11試験。どちらも練習セット1〜3は登録なしで解けるので、勉強する側を決める材料にどうぞ。

単価は2026年9月時点でAWS us-east基準の数字です。リージョン・クラウド・契約形態で変わるので、見積もりは必ず公式の計算機でやってください。

19
17
1

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
19
17

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?