Snowy Peak 的資料平台要服務多個需求差異很大的團隊。雪崩風險模型團隊在大型資料集上以 Python 執行 ML 工作流程。商業團隊每天早上用少量 SQL 查詢重新整理儀表板。資料工程團隊在夜間批次載入 GPS 追蹤資料。
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
先認識 Snowflake 的核心架構——其三層設計如何將運算、儲存與服務分離,進而達成大規模擴充。你也會探索 Snowsight 介面,並學會 Snowflake 中的每個物件如何納入層級化的結構。
學習如何建立與設定驅動你 Snowflake 環境的物件。你會針對不同工作負載調整虛擬倉儲的規模與效能,接著實作將結構化與半結構化資料載入到資料表。
當前練習
深入引擎底層,了解 Snowflake 如何透過微分割與叢集鍵來實體組織資料。你也會比較各種資料表類型與檢視表,掌握各自的適用情境,並探索 Snowflake 如何在傳統資料之外處理非結構化檔案。
以 Snowflake 不斷成長的 AI/ML 生態系作為你的基礎收尾——從 Snowpark 與 Cortex,到 Streamlit 與 Notebooks。你也會學到關鍵的資料保護技術,如 Time Travel 與複製,並了解 Snowflake Marketplace 如何讓資料分享更容易。