Domine o pipeline de ingestão de dados do Snowflake — desde a preparação de arquivos com COPY INTO, Snowpipe e Snowpipe Streaming — e conecte o Snowflake ao ecossistema de dados por meio de conectores, drivers e ferramentas de exportação.

Stages, formatos de arquivo e COPY INTO

Classificando tipos de Stage

Tratamento de erros no COPY INTO

Snowpipe e Snowpipe Streaming

Escolhendo o mecanismo de ingestão certo

Características dos Métodos de Ingestão

Exportação de dados e conectividade

Descarregando dados para o armazenamento em nuvem

Mecanismos de Conectividade

Carregamento, Ingestão e Conectividade de Dados

Construa pipelines de dados robustos usando a orquestração nativa do Snowflake — streams para captura de alterações, tasks para agendamento, dynamic tables para transformação declarativa e external e Iceberg tables para armazenamento em formatos abertos.

Streams e captura de dados de alteração

Consultando um Stream

Escolhendo o tipo certo de Stream

Tasks e orquestração de DAG

Agendamento de Tarefas e Dependências

Tarefas baseadas em Warehouse vs. Serverless

Tabelas Dinâmicas

TARGET_LAG e atualização de Dynamic Table

Escolhendo seu mecanismo de orquestração

Projetando um pipeline de ponta a ponta

Tabelas Externas e Iceberg

Quando usar External Tables

Tipos de tabela por armazenamento e mecanismo

Orquestração de Pipelines e Objetos de Dados

Consulte JSON semiestruturado com notação de ponto e FLATTEN, agregue dados com GROUPING SETS, ROLLUP e CUBE, calcule funções de janela e encapsule lógica reutilizável em UDFs e stored procedures.

Consulta de dados semiestruturados

Extraindo campos aninhados

Desaninhando arrays JSON

Funções de Agregação Intermediárias

Escrevendo uma consulta com ROLLUP

Escolhendo a Extensão de Agrupamento Certa

Funções de janela

Classificando registros com ROW_NUMBER

RANK vs DENSE_RANK

Variação Período a Período com LAG

Totais acumulados com SUM

Funções Definidas pelo Usuário e Procedures Armazenadas

Criando e Chamando uma UDF SQL

UDF vs Stored Procedure

Consultando e Transformando Dados

Faça o perfil de consultas no Snowsight, identifique gargalos com QUERY_HISTORY, aplique Search Optimization, Query Acceleration Service, Automatic Clustering e Materialized Views, e escreva SQL que se beneficie das três camadas de cache do Snowflake.

Query Profile, History e Insights

Navegando pelo Query Profile

Identificando consultas com QUERY_HISTORY

Investigando consultas lentas

Métodos de otimização

Opções

Search Optimization

Query Acceleration Service (QAS)

Automatic Clustering

Relacionando ferramentas de otimização a padrões de consulta

Escolhendo entre ferramentas de otimização

Qual método funciona melhor

Como o cache funciona no Snowflake

Identificando a camada de cache

Quebra a reutilização do cache de resultados

Impede a poda de partições

Padrões de SQL: Cache vs Poda

Parabéns!

Desempenho e Otimização de Consultas

Construa pipelines de dados de ponta a ponta no Snowflake. Aprenda a ingerir dados usando COPY INTO, Snowpipe e Snowpipe Streaming, depois automatize fluxos de trabalho com streams, tasks e dynamic tables. Você também vai dominar consultas a dados semiestruturados, aplicar funções de janela e otimizar o desempenho de consultas usando as ferramentas de perfil do Snowflake e camadas de cache.

Domine as ferramentas e técnicas para criar pipelines de dados confiáveis e automatizados no Snowflake. Você começará aprendendo como ingerir dados em escala — configurando stages e formatos de arquivo, carregando dados com COPY INTO e escolhendo entre carregamento em lote, Snowpipe e Snowpipe Streaming para diferentes requisitos de latência e volume.
A partir daí, você desenvolverá habilidades de orquestração de pipelines de ponta a ponta: capturando alterações no nível de linha com streams, encadeando fluxos de trabalho de várias etapas com DAGs de tarefas e criando pipelines declarativos com atualização automática usando tabelas dinâmicas. Você também aprenderá quando recorrer a tabelas externas e Iceberg para cenários multi-engine e cloud-native.
A segunda metade do curso aprimora suas habilidades de consulta e transformação — extraindo e desaninhando JSON semiestruturado de colunas VARIANT, aplicando extensões de agrupamento e funções de janela para análises avançadas e encapsulando lógica reutilizável em UDFs e procedimentos armazenados.
Por fim, você vai enfrentar o desempenho de consultas: ler o Query Profile do Snowflake para identificar gargalos, escolher a ferramenta de otimização certa — Search Optimization, Query Acceleration Service, chaves de clustering ou views materializadas — e escrever SQL amigável ao cache que evita os anti-patterns comuns que degradam o desempenho silenciosamente.

Carregue, automatize e otimize pipelines de dados no Snowflake com COPY INTO, Snowpipe, streams e tasks.

Parabéns!

Create Your Free Account