# Os melhores data warehouses em nuvem de 2026: comparação entre Snowflake, BigQuery e Redshift > Compare Snowflake, BigQuery e Redshift em preço, arquitetura e performance. Veja qual data warehouse na nuvem combina com seu time e orçamento. Source: https://www.erathos.com/blog/melhor-data-warehouse-na-nuvem Published: 2026-08-28 Category: Engenharia de Dados ![Os melhores data warehouses em nuvem de 2026](https://cms-media.erathos.com/Os melhores data warehouses em nuvem de 2026.png) Snowflake, Google BigQuery e Amazon Redshift armazenam o mesmo tipo de dado analítico e rodam o mesmo tipo de SQL. A maior diferença entre eles é o medidor de cobrança. Snowflake cobra créditos por hora de warehouse, BigQuery cobra bytes escaneados ou horas de slot, e Redshift cobra horas de node ou horas de RPU (RPU é a unidade de capacidade de computação serverless do Redshift). Escolher um warehouse significa escolher um medidor e um modelo operacional com o qual você vai conviver por anos. Os preços deste guia são preços de tabela oficiais, com a região informada, e as afirmações sobre funcionalidades linkam para a documentação oficial. ### Qual é o melhor data warehouse na nuvem em 2026? O melhor data warehouse na nuvem depende da sua nuvem: BigQuery para times no Google Cloud, Redshift para times na AWS, e Snowflake para times que rodam em mais de uma nuvem ou querem isolamento estrito de computação entre workloads. Nenhum benchmark recente mostra um motor vencendo em todos os workloads. Seu cenário Melhor opção Por quê Dados e ferramentas no Google Cloud BigQuery Serverless, sem instâncias ou VMs para provisionar Dados na AWS, muitas vezes com um data lake em S3 Redshift Serviço AWS com transferência de dados gratuita para S3 na mesma região para cargas e descargas Mais de uma nuvem, ou muitos workloads isolados Snowflake Roda em AWS, Azure e Google Cloud, e times podem ter warehouses separados Essas indicações vêm do encaixe de arquitetura e ecossistema. Performance depende das suas queries. ### Como as arquiteturas de Snowflake, BigQuery e Redshift diferem? Elas diferem em quem executa a computação: o [Snowflake](https://www.snowflake.com/en/pricing-options/) te dá warehouses virtuais que você mesmo dimensiona e suspende, o BigQuery atribui slots de computação às queries sem nenhuma máquina para você gerenciar, e o Redshift te dá clusters provisionados que você dimensiona ou capacidade Serverless medida em RPUs. O Snowflake se divide em três camadas: armazenamento, warehouses virtuais para computação, e serviços de nuvem. Um warehouse vem em tamanhos de XS a 4XL. Um XS usa 1 crédito por hora, e a taxa dobra a cada tamanho até 128 créditos por hora em um 4XL. Warehouses rodam lado a lado contra o mesmo armazenamento, então uma carga pesada de dashboard não consegue deixar seu time de ciência de dados mais lento. Warehouses multi-cluster, que adicionam clusters quando as queries entram em fila, exigem edição Enterprise ou superior. Um slot do [BigQuery](https://cloud.google.com/bigquery/pricing) é uma unidade virtual de computação. Queries on-demand puxam slots de um pool compartilhado. Reservas de capacidade dão a você um número fixo de slots, e o Google escala reservas quase instantaneamente. O [Redshift Serverless](https://aws.amazon.com/redshift/pricing) mede computação em RPUs, onde um RPU vem com 16 GB de memória e a capacidade base pode ir de 4 a 1024 RPUs. ![How do Snowflake, BigQuery, and Redshift architectures differ](https://cms-media.erathos.com/drawing-sBLjKwc0_5UFH7ko3apTw.png) ### Quanto custam Snowflake, BigQuery e Redshift em 2026? A computação on-demand do Snowflake custa de $2,00 a $4,00 por crédito, dependendo da edição, na AWS US East (N. Virginia). O BigQuery cobra $6,25 por TiB escaneado on-demand, ou de $0,04 a $0,10 por hora de slot em Iowa (um TiB é um pouco mais que um terabyte). O Redshift Serverless custa $0,375 por hora de RPU na US East (N. Virginia). As regiões diferem porque é assim que os três fornecedores publicam seus preços de tabela. Confira sua própria região antes de orçar. Warehouse (região) Preço de tabela de computação Preço de tabela de armazenamento Mínimo de cobrança [Snowflake](https://www.snowflake.com/en/pricing-options/) (AWS US East, N. Virginia) $2,00 Standard, $3,00 Enterprise, $4,00 Business Critical por crédito $23 por TB por mês Por segundo após um mínimo de um minuto ao retomar [BigQuery](https://cloud.google.com/bigquery/pricing) (Iowa, us-central1) $6,25 por TiB escaneado on-demand, ou $0,04 a $0,10 por hora de slot dependendo da edição $23,552 por TiB por mês para armazenamento lógico ativo On-demand por query; capacidade por segundo com mínimo de um minuto por padrão [Redshift](https://aws.amazon.com/redshift/pricing) (US East, N. Virginia) Serverless $0,375 por hora de RPU; provisionado a partir de $0,543 por hora $0,024 por GB por mês em armazenamento gerenciado Serverless por segundo com mínimo de 60 segundos O armazenamento está praticamente empatado. Os três ficam entre $23 e $24 por terabyte-mês no preço de tabela, então a computação é onde as contas divergem. Um exemplo prático para o Snowflake: um warehouse Medium usa 4 créditos por hora, então na edição Standard custa 4 x $2,00 = $8,00 por hora enquanto está rodando, tenha ou não queries chegando, com o warehouse esperando ou não. As cotas gratuitas também diferem. O BigQuery oferece o primeiro 1 TiB de queries e os primeiros 10 GiB de armazenamento gratuitos por mês. Novos usuários do Redshift Serverless recebem $300 em créditos, que expiram em 90 dias. Compromissos de capacidade no BigQuery vêm com desconto de 20% para um ano e 40% para três anos. ![Redshift serverless](https://cms-media.erathos.com/Redshift serverless.png) _Preços do Redshift Serverless na _[_página de preços da AWS_](https://aws.amazon.com/redshift/pricing)_. A região padrão mostrada é US East (Ohio), onde uma hora de RPU custa $0,36; em N. Virginia é $0,375._ ### Qual modelo de precificação é mais fácil de controlar na prática? Redshift Serverless e BigQuery on-demand são os mais fáceis de manter próximos de zero quando ociosos, porque nenhum dos dois cobra enquanto nenhuma query está rodando. O Snowflake cobra qualquer warehouse que esteja em execução, e o BigQuery cobra a linha de base de capacidade o tempo todo. Um warehouse do Snowflake usa créditos o tempo inteiro em que está rodando, com ou sem queries. O auto-suspend resolve a maior parte desse problema, e um timer baixo, como 5 ou 10 minutos, limita por quanto tempo um warehouse ocioso continua cobrando. Um retorno reinicia a cobrança mínima de um minuto, e um warehouse suspenso perde seu cache local, então um timer de suspensão muito curto troca velocidade por economia. O custo on-demand do BigQuery segue os bytes que uma query escaneia, então uma única query sobre uma tabela enorme pode custar mais que um dia inteiro de queries pequenas. No lado da capacidade, a linha de base é a quantidade de slots sempre alocada e sempre cobrada, e slots com escala automática são cobrados por segundo, com mínimo de um minuto por padrão. Um cluster provisionado do Redshift cobra enquanto está rodando. O Serverless cobra horas de RPU por segundo, com mínimo de cobrança de 60 segundos, e a configuração de capacidade base limita quanto ele pode gastar. A movimentação de dados é uma linha de custo à parte. O Snowflake não cobra nada para trazer dados para dentro, mas cobra por saída de dados (egress), e copiar dados entre regiões ou nuvens adiciona taxas de transferência. A camada de serviços de nuvem do Snowflake só é cobrada quando o uso diário ultrapassa 10% do uso diário de warehouse. ### Como Snowflake, BigQuery e Redshift se comparam em performance? Os dois testes de performance mais citados são conduzidos pelos próprios fornecedores, e as escolhas de configuração de cada um decidem boa parte do que eles encontram. O mais recente é o [CostBench, da ClickHouse](https://clickhouse.com/blog/costbench-data-warehouse-cost-performance), que rodou 43 queries do ClickBench em 1, 10 e 100 bilhões de linhas no Snowflake, BigQuery, Redshift, Databricks e ClickHouse Cloud. A configuração importa mais que os números finais. O teste reporta tempos de execução "quentes" (o melhor de três execuções) com o cache de resultados desligado, e precifica a computação como se todos os sistemas cobrassem por segundo. Ele rodou o Snowflake em warehouses Gen 1, o BigQuery tanto com uma reserva de 2.000 slots quanto a preços on-demand, e o Redshift Serverless nos 128 RPUs padrão. O teste não diz nada sobre custo ocioso ou cold starts. O [benchmark mais antigo, da Fivetran com a Brooklyn Data](https://www.fivetran.com/blog/warehouse-benchmark), rodou 99 queries do TPC-DS em 1 TB de dados, uma query por vez, lá em 2022. TPC-DS é um conjunto padrão de queries de teste para análise de dados. O teste deixou de fora propositalmente sort keys, clustering e particionamento por data, então mediu os motores sem nenhum ajuste. O próprio texto da Fivetran diz que benchmarks feitos por fornecedores que favorecem o próprio produto "devem ser vistos com ressalva". Um benchmark com suas próprias queries vale mais que os dois juntos. ### Onde Iceberg, compartilhamento de dados e suporte a machine learning diferem? Os três warehouses funcionam com Apache Iceberg, um formato de tabela aberto que mantém os dados no seu próprio armazenamento em nuvem, e os três têm um recurso de compartilhamento de dados. Os detalhes diferem o suficiente para pesar numa decisão. Warehouse Apache Iceberg Compartilhamento de dados [Snowflake](https://docs.snowflake.com/en/user-guide/tables-iceberg) Tabelas Iceberg mantêm dados e metadados no seu próprio S3, Google Cloud Storage ou Azure Storage, sem custo de armazenamento do Snowflake, embora a computação ainda seja cobrada Secure Data Sharing não copia dados; os objetos compartilhados são somente leitura e os consumidores pagam apenas pela computação das queries [BigQuery](https://docs.cloud.google.com/bigquery/docs/biglake-iceberg-tables-in-bigquery) Tabelas gerenciadas Iceberg nos seus próprios buckets do Cloud Storage, sem taxa de armazenamento do BigQuery, mas sem suporte ao tipo de dado JSON Publicação e assinatura de datasets, além de data clean rooms [Redshift](https://docs.aws.amazon.com/redshift/latest/dg/querying-iceberg.html) Consulta tabelas Iceberg catalogadas no AWS Glue; nodes RA3 passam pelo Spectrum, e time travel do Iceberg não é suportado Compartilhamento ao vivo sem cópia entre clusters, workgroups, contas e regiões Para machine learning em SQL, o BigQuery ML vem nas edições Enterprise, Enterprise Plus e on-demand. O Redshift ML permite que usuários de SQL treinem modelos através do SageMaker AI e depois rodem previsões direto do banco de dados. ### Um time de GCP, AWS ou multicloud deveria escolher Snowflake, BigQuery ou Redshift? A nuvem onde seus dados estão geralmente decide a escolha: o BigQuery roda no Google Cloud, o Redshift roda na AWS, e o Snowflake roda em AWS, Azure e Google Cloud. Mover dados entre nuvens adiciona custos de transferência em cima da computação e do armazenamento. A outra pergunta é quem você quer fazendo o ajuste fino. Com o BigQuery, o Google roda a computação e seu trabalho principal é acompanhar bytes escaneados e reservas. Com Snowflake e Redshift, as decisões de dimensionamento (tamanhos de warehouse e timers de suspensão, ou clusters e limites de RPU) ficam com o seu time, o que te dá mais controle e mais formas de gastar além do previsto. ### O que você deveria testar antes de escolher um data warehouse? Rode uma prova de conceito (POC) curta com seus dados de produção e sua mistura real de queries, em configurações de custo de tabela similar, e meça computação, armazenamento, movimentação de dados e tempo ocioso. Números do ambiente de outra pessoa dizem pouco sobre o seu. - Carregue as mesmas tabelas de produção em dois ou três candidatos com o mesmo pipeline de ELT (extrair, carregar e depois transformar os dados), para que os motores recebam dados idênticos. - Rode sua mistura real de queries, incluindo sua concorrência de pico, em vez de uma query por vez. - Equipare as configurações pelo custo de tabela por hora. - Mantenha o teste rodando durante noites e finais de semana, para que o comportamento ocioso apareça na conta. - Contabilize armazenamento, transferência e ingestão junto com a computação. ![Warehouse proof of concept](https://cms-media.erathos.com/drawing-qbGOIb6ph8iBFqFIYZrd9.png) ### Pronto para parar de adivinhar e começar a testar? Carregar os mesmos dados de produção em dois ou três warehouses é a parte mais lenta de qualquer POC de Snowflake vs BigQuery vs Redshift. A Erathos cuida dessa etapa para você: [pipelines de mais de 100 fontes](https://www.erathos.com/connectors), rodando de forma incremental por padrão, direto para [BigQuery](https://www.erathos.com/connectors/bigquery), [Redshift ](https://www.erathos.com/connectors/redshift)e outros destinos. [Comece seu teste gratuito de 14 dias com a Erathos](https://app.erathos.com/signup?slug=blog&button=cta&utm_campaign=snowflake-vs-bigquery-vs-redshift) e carregue seus dados reais nos seus principais candidatos antes de decidir.