Master Snowflake's data ingestion pipeline — from staging files through COPY INTO, Snowpipe, and Snowpipe Streaming — and connect Snowflake to the broader data ecosystem through connectors, drivers, and export tools.

Stages, File Formats, and COPY INTO

Classifying Stage Types

COPY INTO Error Handling

Snowpipe and Snowpipe Streaming

Choosing the Right Ingestion Mechanism

Ingestion Method Characteristics

Data Unloading and Connectivity

Unloading Data to Cloud Storage

Connectivity Mechanisms

Data Loading, Ingestion, and Connectivity

Build robust data pipelines using Snowflake-native orchestration — streams for change capture, tasks for scheduling, dynamic tables for declarative transformation, and external and Iceberg tables for open-format storage.

Streams and Change Data Capture

Querying a Stream

Choosing the Right Stream Type

Tasks and DAG Orchestration

Task Scheduling and Dependencies

Warehouse-Based vs Serverless Tasks

Dynamic Tables

Dynamic Table TARGET_LAG and Refresh

Choosing Your Orchestration Mechanism

Designing an End-to-End Pipeline

External and Iceberg Tables

When to Use External Tables

Table Types by Storage and Engine

Pipeline Orchestration and Data Objects

Query semi-structured JSON with dot notation and FLATTEN, aggregate data with GROUPING SETS, ROLLUP, and CUBE, compute window functions, and encapsulate reusable logic in UDFs and stored procedures.

Consulta de datos semiestructurados

Extracción de campos anidados

Desanidar arrays JSON

Funciones agregadas intermedias

Escribir una consulta con ROLLUP

Elegir la extensión de agrupación adecuada

Funciones de ventana

Clasificar registros con ROW_NUMBER

RANK vs DENSE_RANK

Cambio periodo a periodo con LAG

Totales acumulados con SUM

Funciones definidas por el usuario y procedimientos almacenados

Creación y llamada de una UDF de SQL

UDF vs Procedimiento almacenado

Querying and Transforming Data

Profile queries in Snowsight, identify bottlenecks with QUERY_HISTORY, apply Search Optimization, Query Acceleration Service, Automatic Clustering, and Materialized Views, and write SQL that benefits from Snowflake's three caching layers.

Query Profile,  History, and Insights

Navigating Query Profile

Identifying  queries with QUERY_HISTORY

Investigating slow queries

Optimization Methods

Matching Optimization Tools to Query Patterns

Choosing Between Optimization Tools

What Method Works Best

How Caching Works in Snowflake

Identifying the Caching Layer

SQL Patterns: Cache vs Pruning

Congratulations!

Query Performance and Optimization

18:05Claude responded: Crea canalizaciones de datos de extremo a extremo en Snowflake. Crea canalizaciones de datos de extremo a extremo en Snowflake. Aprende a ingerir datos con COPY INTO, Snowpipe y Snowpipe Streaming, y luego automatiza los flujos de trabajo con streams, tasks y dynamic tables. También dominarás las consultas sobre datos semiestructurados, el uso de funciones de ventana y la optimización del rendimiento de consultas con las herramientas de perfilado y las capas de caché de Snowflake.

Domina las herramientas y técnicas para crear canalizaciones de datos fiables y automatizadas en Snowflake. Empezarás aprendiendo a ingerir datos a gran escala: configurando etapas y formatos de archivo, cargando datos con COPY INTO y eligiendo entre carga por lotes, Snowpipe y Snowpipe Streaming para distintos requisitos de latencia y volumen.
A partir de ahí, desarrollarás habilidades de orquestación de canalizaciones de extremo a extremo: capturando cambios a nivel de fila con streams, encadenando flujos de trabajo de varios pasos con DAG de tareas y creando canalizaciones declarativas con actualización automática mediante tablas dinámicas. También aprenderás cuándo recurrir a tablas externas y Iceberg para escenarios multiengine y cloud-native.
La segunda mitad del curso afina tus habilidades de consulta y transformación: extraer y desanidar JSON semiestructurado de columnas VARIANT, aplicar extensiones de agrupación y funciones de ventana para analítica avanzada, y encapsular lógica reutilizable en UDF y procedimientos almacenados.
Por último, abordarás el rendimiento de las consultas: leer el Query Profile de Snowflake para identificar cuellos de botella, seleccionar la herramienta de optimización adecuada — Search Optimization, Query Acceleration Service, claves de clustering o vistas materializadas — y escribir SQL compatible con la caché que evite los anti-patrones habituales que degradan el rendimiento de forma silenciosa.

Carga, automatiza y optimiza datos en Snowflake con COPY INTO, Snowpipe, streams, tasks y tablas dinámicas.

Automatización de canalizaciones de datos en Snowflake

Essentials for Snowflake SnowPro® Core Certification

Technical Curriculum Developer, Snowflake

¿Qué es una UDF?

UDF en SQL

UDF en Python y otros lenguajes

UDF en el pipeline

¿Qué es un procedimiento almacenado?

Procedimiento almacenado: Snowflake Scripting

UDF vs. procedimientos almacenados

¡Vamos a practicar!

Querying and Transforming Data - Funciones definidas por el usuario y procedimientos almacenados

Funciones definidas por el usuario y procedimientos almacenados

Create Your Free Account