Skip to main content
モバイルゲームスタジオ

データウェアハウス移行

80%コスト削減とゼロダウンタイムデュアルライトカットオーバーによるSnowflake → S3/Athena移行

80%コスト削減

1.1 TB移行

1,294 BIクエリ$5/月 pLTVパイプライン
データウェアハウス移行ケーススタディ、1.1 TBのSnowflakeからS3/Athenaへの移行、データ損失ゼロのデュアルライトカットオーバー

課題

Snowflakeコストがデータ予算の80%を消費、分割リージョンインフラ、1,294のBIクエリがレガシーウェアハウスにロック

Snowflakeコストがデータ予算の80%を消費、分割リージョンインフラ、1,294のBIクエリがレガシーウェアハウスにロック。モバイルゲームスタジオが2つのAWSリージョンにわたりSnowflake上でアナリティクスを月額$3,500で運用していました、支出の90%が単一のBIウェアハウスに起因。収益パイプライン、アトリビューションデータ、財務レポートがリージョン間で分割され、統合への明確なパスがありませんでした。外部データ共有依存関係と1,294のMetabaseクエリがリフトアンドシフトを不可能にする移行リスクを生み出していました。

Snowflakeを単一リージョンのS3 + Glue + Athenaに置き換える9フェーズの移行計画を設計しました。重要なアーキテクチャ決定はデュアルライト戦略でした:すべての本番パイプラインがSnowflakeと新しいS3/Icebergスタックの両方に並行して書き込み、ゼロデータ損失リスクでカットオーバー前の行単位照合を可能にします。

13の収益ETLパイプラインを監査し、ECS Fargateでコンテナ化し、既存のSnowflakeロードと並行してApache Icebergテーブルを書き込むよう拡張しました。223のGlueデータカタログテーブルが3つのデータベース(収益、アトリビューション、財務)に登録されました。日次pLTVパイプラインがコホートレベルのアトリビューションデータを外部モデリングパートナーに月額$5の運用コストで配信、ベンダーデータ共有依存を置き換えます。

移行はビジネスへの影響を最小化するよう順序付けされました:収益パイプラインを最初に(最高コスト、最もシンプルなスキーマ)、次にアトリビューションデータ(最も複雑、外部依存)、そしてBIカットオーバー(1,294のMetabaseクエリをAthenaに対して検証)。各フェーズにはSnowflakeライターを無効にする前の自動照合が含まれます。

80%

Cost reduction

1,294

BI queries migrated

$5/mo

pLTV pipeline cost

Why it mattered

Operating need

The studio needed to lower warehouse cost without interrupting 1,294 BI queries or revenue pipelines.

What changed

The dual-write plan let every pipeline reconcile against Snowflake before cutover, so migration risk was handled in measurable steps.

背景

モバイルゲームスタジオが2つのAWSリージョンにわたりSnowflakeに月額$3,500を支出。ウェアハウスコストの90%がBIクエリに起因。収益とアトリビューションパイプラインが統合パスなくリージョン間で分割。

制約

1,294のMetabaseクエリがSnowflakeに依存。外部データ共有依存関係にはAthenaの直接的な同等物なし。移行中のゼロデータ損失が必須。

施策

9フェーズのデュアルライト移行を設計:Snowflake → S3/Iceberg/Athena。13パイプラインが両システムに並行書き込み、223 Glueテーブル登録、フェーズごとの自動照合、ベンダーデータ共有を置き換える$5/月のpLTVパイプライン。

成果概要

80%のコスト削減予測、7パイプラインが本番でデュアルライティング、単一リージョン統合、223 Glueテーブル運用中、$5/月のpLTVパイプラインが91–100%のデータ精度でライブ。

アーキテクチャ

ゼロダウンタイムカットオーバーによるSnowflakeからS3/Icebergへのデュアルライト移行

デュアルライトパイプライン

13のECS Fargateパイプラインが並行してSnowflakeとS3/Icebergの両方に書き込み。既存ロードと並行してGlueテーブル登録とIceberg書き込み。各カットオーバーフェーズ前に行レベル照合でパリティを検証。

Icebergデータレイク

S3上のApache IcebergテーブルとGlueデータカタログ(収益、アトリビューション、財務にわたる223テーブル)。Snappy圧縮のParquetストレージ。2リージョンSnowflakeデプロイを置き換える単一リージョン統合。

pLTV配信パイプライン

日次コホートパイプライン:Lambdaコンバーター(CSV → Parquet)+ Athenaジョイン + ECS Fargateエクスポート。月額$5の運用コストでアトリビューションデータをクロスアカウントで外部モデリングパートナーに配信。

BI移行

1,294のMetabase質問をSnowflake SQLからネイティブAthenaクエリに移行。コスト制御付き4つのAthenaワークグループ。カットオーバー前にSnowflakeベースラインに対する自動クエリ検証。

技術スタック

ターゲットスタック

S3 + Glue + Athena(Apache Iceberg)

ソーススタック

Snowflake(1.1 TB、5データベース)

パイプライン

ECS Fargate + Lambda(Python 3.12)

オーケストレーション

EventBridge + Step Functions

BI

Metabase(1,294クエリ移行済み)

配信

クロスアカウントS3 pLTVエクスポート

成果

80%

予測コスト削減

1.1 TB

移行中データ

1,294

移行済みBIクエリ

223

Glueカタログテーブル

$5/月

pLTVパイプラインコスト

91–100%

照合精度

Advisory Mandate

近いテーマをご検討中ですか?

課題、制約、そして最も現実的な前進の道筋について、直接話すためのディスカバリーコールです。

営業時間内は4時間以内にご返信いたします

本番AIリーダーのための運用ブリーフ

本番AIを出荷するCTOと創業者のための、1日2回の運用ブリーフです。