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.

Aşamalar, Dosya Biçimleri ve COPY INTO

Seçenekler

Kullanıcı Stage’i (@~)

Tablo Stage’i (%table_name)

Adlandırılmış Stage (@stage_name)

Stage Türlerini Sınıflandırma

COPY INTO Hata Yönetimi

Snowpipe ve Snowpipe Streaming

Doğru Yükleme Mekanizmasını Seçmek

COPY INTO

Snowpipe

Snowpipe Streaming

Alım Yöntemlerinin Özellikleri

Veri Boşaltma ve Bağlanabilirlik

Veriyi Bulut Depolamaya Dışa Aktarma

Yutma (Ingestion)

Dönüşüm (Transformation)

BI / Raporlama

Bağlantı Mekanizmaları

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.

Semi-Structured Data Querying

Extracting Nested Fields

Unnesting JSON Arrays

Intermediate Aggregate Functions

Writing a ROLLUP Query

Choosing the Right Grouping Extension

Window Functions

Ranking Records with ROW_NUMBER

RANK vs DENSE_RANK

Period-over-Period Change with LAG

Running totals with SUM

User-Defined Functions and Stored Procedures

Creating and Calling a SQL UDF

UDF vs Stored Procedure

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

Uçtan uca veri pipeline'larını Snowflake'te kur. COPY INTO, Snowpipe ve Snowpipe Streaming ile veri alımını öğren; ardından akışları, görevleri ve dinamik tabloları kullanarak iş akışlarını otomatikleştir. Yarı-yapısal verileri sorgulamayı, pencere fonksiyonlarını uygulamayı ve Snowflake'in profil oluşturma araçları ile önbellek katmanlarını kullanarak sorgu performansını iyileştirmeyi de ustalıkla kavra.

Snowflake'ta güvenilir, otomatik işlem hattı oluşturmak için araçları ve teknikleri ustalıkla öğrenin. Verileri büyük ölçekte nasıl alacağınızı öğrenerek başlayacaksınız — aşamaları ve dosya biçimlerini yapılandırarak, COPY INTO ile veri yükleyerek ve farklı gecikme ve hacim gereksinimleri için toplu yükleme, Snowpipe ve Snowpipe Streaming arasında seçim yaparak.
Buradan itibaren, satır düzeyindeki değişiklikleri stream’lerle yakalama, çok adımlı iş akışlarını görev DAG’leriyle zincirleme ve dinamik tablolarla bildirimsel, otomatik yenilenen işlem hatları oluşturma becerileri kazanacaksınız. Ayrıca, çoklu motor ve bulut yerel senaryolar için harici ve Iceberg tablolarını ne zaman kullanmanız gerektiğini de öğreneceksiniz.
Kursun ikinci yarısı, sorgulama ve dönüştürme becerilerinizi geliştirir — VARIANT sütunlarından yarı yapılandırılmış JSON’u çıkarıp iç içe yapısını açmayı, gelişmiş analizler için gruplama uzantılarını ve pencere fonksiyonlarını uygulamayı ve yeniden kullanılabilir mantığı UDF’ler ve saklı yordamlar içinde kapsüllemeyi öğrenirsiniz.
Son olarak, sorgu performansını ele alacaksınız: darboğazları belirlemek için Snowflake’in Query Profile’ını okumayı, doğru optimizasyon aracını — Search Optimization, Query Acceleration Service, clustering keys veya materialized views — seçmeyi ve performansı sessizce düşüren yaygın anti-pattern’lerden kaçınan cache-friendly SQL yazmayı öğreneceksiniz.

COPY INTO, Snowpipe, stream, görevler, dinamik tablolar ve sorgu araçlarıyla Snowflake'te veri işleyin.

Snowflake'te Veri Pipeline'larını Otomatikleştirme

Essentials for Snowflake SnowPro® Core Certification

Birkaç saatlik gecikmenin kabul edilebilir olduğu gece toplu yükleri için en uygunudur

Talep üzerine çalıştırılır veya harici bir zamanlayıcı tarafından tetiklenir

Bulut depolama kovasına yeni bir dosya indiğinde otomatik olarak tetiklenir

Bir aşamaya dosyalar geldikten sonra veriyi dakikalar içinde yükler

Önce dosyaları aşamaya koymadan, satırları doğrudan bir uygulamadan kabul eder

Gecikme dakikalardan ziyade saniyelerle ölçülür

Alım Yöntemlerinin Özellikleri

Snowflake'te Veri Pipeline'larını Otomatikleştirme

Uygulamalı interaktif egzersiz