Padroneggia la pipeline di ingestion dei dati di Snowflake — dallo staging dei file con COPY INTO, Snowpipe e Snowpipe Streaming — e collega Snowflake al più ampio ecosistema dati tramite connettori, driver e strumenti di esportazione.

Stage, formati di file e COPY INTO

Opzioni

User Stage (@~)

Table Stage (%table_name)

Named Stage (@stage_name)

Classificare i tipi di stage

Gestione errori con COPY INTO

Snowpipe e Snowpipe Streaming

Scegliere il meccanismo di ingestione giusto

COPY INTO

Snowpipe

Snowpipe Streaming

Caratteristiche dei metodi di ingestion

Esportazione dei dati e connettività

Esportare dati su Cloud Storage

Options

Ingestion

Transformation

BI / Reporting

Meccanismi di connettività

Caricamento, Ingestion e Connettività dei Dati

Costruisci pipeline di dati robuste usando l’orchestrazione nativa di Snowflake — stream per la cattura delle modifiche, task per la pianificazione, dynamic table per trasformazioni dichiarative ed external e Iceberg table per l’archiviazione in formati aperti.

Stream e Change Data Capture

Interrogare uno Stream

Scegliere il tipo di stream giusto

Task e orchestrazione dei DAG

Pianificazione dei task e dipendenze

Attività basate su warehouse vs serverless

Tabelle dinamiche

TARGET_LAG e refresh delle Dynamic Table

Scegliere il meccanismo di orchestrazione

Progettare una pipeline end-to-end

Tabelle esterne e Iceberg

Quando usare le External Tables

Tipi di tabelle per storage e motore

Orchestrazione delle Pipeline e Oggetti Dati

Interroga JSON semi-strutturati con la dot notation e FLATTEN, aggrega i dati con GROUPING SETS, ROLLUP e CUBE, calcola funzioni finestra e incapsula logica riutilizzabile in UDF e stored procedure.

Query su dati semi-strutturati

Estrazione di campi annidati

Espansione di array JSON

Funzioni di aggregazione intermedie

Scrivere una query con ROLLUP

Scegliere l'estensione di raggruppamento giusta

Funzioni finestra

Classificare i record con ROW_NUMBER

RANK vs DENSE_RANK

Variazione periodo su periodo con LAG

Totali progressivi con SUM

Funzioni definite dall’utente e stored procedure

Creare e chiamare una UDF SQL

UDF vs Stored Procedure

Interrogazione e Trasformazione dei Dati

Profila le query in Snowsight, individua colli di bottiglia con QUERY_HISTORY, applica Search Optimization, Query Acceleration Service, Automatic Clustering e Materialized View, e scrivi SQL che sfrutta i tre livelli di cache di Snowflake.

Query Profile, History e Insights

Esplorare il Query Profile

Identificare le query con QUERY_HISTORY

Indagare sulle query lente

Metodi di ottimizzazione

Abbina gli strumenti di ottimizzazione ai pattern di query

Scegliere tra gli strumenti di ottimizzazione

Qual è il metodo migliore

Come funziona la cache in Snowflake

Identificare il livello di cache

Pattern SQL: Cache vs Pruning

Congratulazioni!

Prestazioni e Ottimizzazione delle Query

Crea pipeline di dati end-to-end in Snowflake. Impara a ingerire dati usando COPY INTO, Snowpipe e Snowpipe Streaming, quindi automatizza i workflow con stream, task e dynamic table. Imparerai anche a interrogare dati semi-strutturati, applicare funzioni finestra e ottimizzare le prestazioni delle query usando gli strumenti di profiling e i livelli di cache di Snowflake.

Padroneggia gli strumenti e le tecniche per creare pipeline dati affidabili e automatizzate in Snowflake. Inizierai imparando come acquisire dati su larga scala — configurando stage e formati di file, caricando i dati con COPY INTO e scegliendo tra caricamento batch, Snowpipe e Snowpipe Streaming in base ai diversi requisiti di latenza e volume.
Da lì, svilupperai competenze di orchestrazione end-to-end delle pipeline: acquisendo le modifiche a livello di riga con gli stream, concatenando workflow multi-step con i DAG di task e creando pipeline dichiarative, con aggiornamento automatico, tramite tabelle dinamiche. Imparerai anche quando utilizzare tabelle esterne e tabella Iceberg per scenari multi-engine e cloud-native.
La seconda metà del corso affina le tue competenze di query e trasformazione — estraendo e annidando JSON semi-strutturato dalle colonne VARIANT, applicando estensioni di raggruppamento e funzioni finestra per analisi avanzate, e incapsulando logica riutilizzabile in UDF e stored procedure.
Infine, affronterai le prestazioni delle query: leggere il Query Profile di Snowflake per individuare i colli di bottiglia, scegliere lo strumento di ottimizzazione giusto — Search Optimization, Query Acceleration Service, chiavi di clustering o viste materializzate — e scrivere SQL compatibile con la cache che evita i comuni anti-pattern che degradano silenziosamente le prestazioni.

Carica, automatizza e ottimizza pipeline dati in Snowflake con COPY INTO, Snowpipe, stream e task.

Automazione delle pipeline di dati in Snowflake

Essentials for Snowflake SnowPro® Core Certification

Ideale per carichi batch notturni quando sono accettabili alcune ore di latenza

Eseguito su richiesta o attivato da uno scheduler esterno

Si attiva automaticamente quando un nuovo file arriva in un bucket di cloud storage

Carica i dati entro pochi minuti dall’arrivo dei file in uno stage

Accetta righe direttamente da un’applicazione senza fare staging dei file prima

Latenza misurata in secondi, non in minuti

Caratteristiche dei metodi di ingestion

Automazione delle pipeline di dati in Snowflake

esercizio interattivo pratico