Inhalte
- Snowflake Architektur & Ingestion Patterns
- Micro-Partitions und Clustering Keys verstehen
- Virtual Warehouses: Scaling Policies und Kostenkontrolle
- Datenladen optimieren: COPY INTO vs. Snowpipe
- Semi-strukturierte Daten (JSON, Parquet) nativ verarbeiten
- Orchestrierung mit Streams & Tasks
- Change Data Capture (CDC) Strategien implementieren
- Stream-Typen: Standard vs. Append-only
- Task-Abhängigkeiten und Tree-Strukturen designen
- Serverless Tasks für flexible Automatisierung
- Transformation & Snowpark Integration
- Erweiterung von SQL durch Python und Java UDFs
- Snowpark DataFrames für komplexe Logik nutzen
- Dynamic Tables für deklarative Pipelines
- Fehlerbehandlung und Monitoring von Pipelines
- Production Engineering & Data Ops
- Zero-Copy Cloning für Dev/Test-Umgebungen
- Time Travel und Fail-Safe im Disaster Recovery
- Data Sharing und Secure Views konfigurieren
- Performance Tuning und Query Profiling
- Snowflake Architektur & Ingestion Patterns
- Micro-Partitions und Clustering Keys verstehen
- Virtual Warehouses: Scaling Policies und Kostenkontrolle
- Datenladen optimieren: COPY INTO vs. Snowpipe
- Semi-struktu...
Mehr Informationen
Zielgruppen
Data EngineersETL-EntwicklerData ArchitectsBackend-Entwickler mit DatenfokusFür alle, die performante Pipelines in der Snowflake Cloud designen und betreiben wollen.
Termine und Orte