Zvládni pipeline pro příjem dat ve Snowflake – od souborů ve staging oblasti přes COPY INTO, Snowpipe až po Snowpipe Streaming – a propoj Snowflake s širším datovým ekosystémem pomocí konektorů, ovladačů a nástrojů pro export.

Stages, formáty souborů a COPY INTO

Klasifikace typů stage

Ošetření chyb v COPY INTO

Snowpipe a Snowpipe Streaming

Výběr správného způsobu ingestion dat

Vlastnosti metod ingestion

Exportování dat a konektivita

Export dat do cloudového úložiště

Mechanismy konektivity

Načítání, příjem a připojení dat

Vytvárej robustní datové pipeline pomocí nativní orchestrace Snowflake – streamy pro zachytávání změn, úlohy pro plánování, dynamické tabulky pro deklarativní transformace a externí tabulky a tabulky Iceberg pro ukládání v otevřených formátech.

Streamy a Change Data Capture

Dotazování na stream

Výběr správného typu streamu

Tasky a orchestrace DAG

Plánování tasků a závislosti

Tasky na virtuálním skladu vs. serverless tasky

Dynamické tabulky

TARGET_LAG a refresh dynamické tabulky

Výběr orchestračního mechanismu

Návrh pipeline od začátku do konce

Externí a Iceberg tabulky

Kdy použít externí tabulky

Typy tabulek podle úložiště a dotazovacího modulu

Orchestrace pipeline a datové objekty

Dotazuj se na polostrukturovaná data JSON pomocí tečkové notace a FLATTEN, agreguj data pomocí GROUPING SETS, ROLLUP a CUBE, počítej okenní funkce a zapouzdřuj znovupoužitelnou logiku do UDF a uložených procedur.

Dotazování na polostrukturovaná data

Extrakce vnořených polí

Rozbalení JSON polí

Středně pokročilé agregační funkce

Sestavení dotazu s ROLLUP

Výběr správného rozšíření pro seskupování

Okenní funkce

Řazení záznamů pomocí ROW_NUMBER

RANK vs DENSE_RANK

Meziobodbová změna pomocí LAG

Průběžné součty pomocí SUM

Uživatelsky definované funkce a uložené procedury

Vytvoření a volání SQL UDF

UDF vs. uložená procedura

Dotazování a transformace dat

Profiluj dotazy v Snowsight, identifikuj úzká místa pomocí QUERY_HISTORY, využívej Search Optimization, Query Acceleration Service, Automatic Clustering a Materialized Views a piš SQL, které těží ze tří cachovacích vrstev Snowflake.

Query Profile, Historie a přehledy

Procházení Query Profile

Identifikace dotazů pomocí QUERY_HISTORY

Analýza pomalých dotazů

Metody optimalizace

Možnosti

Search Optimization

Query Acceleration Service (QAS)

Automatic Clustering

Přiřazení optimalizačních nástrojů ke vzorům dotazů

Volba správného optimalizačního nástroje

Která metoda funguje nejlépe

Jak funguje caching ve Snowflake

Identifikace vrstvy cache

Zneplatňuje výsledkovou cache

Brání partition pruning

SQL vzory: cache vs. partition pruning

Gratulujeme!

Výkon a optimalizace dotazů

Vytvárej end-to-end datové pipeline ve Snowflake. Naučíš se načítat data pomocí COPY INTO, Snowpipe a Snowpipe Streaming, automatizovat pracovní toky pomocí streamů, úloh a dynamických tabulek. Zvládneš také dotazování na polostrukturovaná data, práci s okenními funkcemi a optimalizaci výkonu dotazů pomocí profilovacích nástrojů a cachovacích vrstev Snowflake.

Ovládněte nástroje a techniky pro vytváření spolehlivých automatizovaných datových pipeline ve Snowflake. Začnete tím, že se naučíte, jak ingestovat data ve velkém měřítku — jak konfigurovat stages a formáty souborů, jak načítat data pomocí COPY INTO a jak vybírat mezi batch loadingem, Snowpipe a Snowpipe Streaming podle různých požadavků na latenci a objem dat.
Odtud si vybudujete dovednosti v orchestraci end-to-end pipeline: zachycování změn na úrovni řádků pomocí streamů, řetězení vícekrokových workflow pomocí task DAGů a vytváření deklarativních, automaticky obnovovaných pipeline s dynamickými tabulkami. Naučíte se také, kdy sáhnout po externích a Iceberg tabulkách pro scénáře s více enginy a cloud-native prostředím.
Druhá polovina kurzu zdokonaluje vaše dovednosti v dotazování a transformaci — extrahování a rozbalování polostrukturovaného JSONu ze sloupců VARIANT, používání rozšíření pro seskupování a okenních funkcí pro pokročilou analytiku a zapouzdření znovupoužitelné logiky do UDF a uložených procedur.
Nakonec se pustíte do výkonu dotazů: naučíte se číst Query Profile ve Snowflake a přesně identifikovat úzká místa, vybrat správný optimalizační nástroj — Search Optimization, Query Acceleration Service, clustering keys nebo materialized views — a psát SQL přívětivé pro cache, které se vyhýbá běžným anti-patternům, jež nenápadně zhoršují výkon.

Načítejte, automatizujte a optimalizujte datové toky ve Snowflake pomocí COPY INTO, Snowpipe a dalších nástrojů.

Automatizace datových pipeline ve Snowflake

Načítej, automatizuj a optimalizuj datové pipeline ve Snowflake pomocí COPY INTO, Snowpipe, streams, tasks, dynamic tables a nástrojů pro výkon dotazů.

Essentials for Snowflake SnowPro® Core Certification

Identifikace dotazů pomocí QUERY_HISTORY

Automatizace datových pipeline ve Snowflake

Interaktivní praktické cvičení