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.

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.

Sorgu Profili, Geçmişi ve İçgörüler

Query Profile'da gezinme

QUERY_HISTORY ile  sorguları belirleme

Yavaş sorguları inceleme

En İyi Duruma Getirme Yöntemleri

Seçenekler

Search Optimization

Query Acceleration Service (QAS)

Automatic Clustering

Optimizasyon Araçlarını Sorgu Kalıplarıyla Eşleştirme

İyileştirme Araçları Arasında Seçim Yapma

En İyi Yöntem Hangisi

Snowflake'te Önbellekleme Nasıl Çalışır

Önbellek Katmanını Belirleme

Result cache tekrar kullanımını bozar

Bölüm budamayı engeller

SQL Kalıpları: Önbellek vs Budama

Tebrikler!

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

500 milyon satırlık bir tabloda shipment_id = 'SHP-12345' filtresiyle sorgular

Bir veya iki satır döndüren UUID carrier_id sütununda nokta aramaları

Finans ekibinin 18 aylık teslimat verisini öngörülemez şekilde tarayan tek seferlik toplulaştırma sorguları

Habersiz gelen ve pazartesi sabahları ambarı bunaltan ad-hoc raporlar

Her pano sorgusu delivery_events tablosunu region ve dispatch_date ile filtreliyor

Sorguların %90'ının aynı tarih aralığı sütununu filtrelediği 300 milyon satırlık tablo

Optimizasyon Araçlarını Sorgu Kalıplarıyla Eşleştirme

Snowflake'te Veri Pipeline'larını Otomatikleştirme

Uygulamalı interaktif egzersiz