Zero to Snowflake

1.최적화된 스토리지 2.탄력성 있는 컴퓨트 엔진 3.데이터와 결합된 AI 4.거버넌스와 자동관리서비스 5.리전 및 클라우드간 협업

30일간 사용할 수 있는 무료 계정을 생성하고, Snowflake에 접속하여 Snowsight UI를 간략히 확인해 봅니다

1.다양한 적재 옵션 2.데이터적재 후 데이터파이프라인 개선 방법 3.예시

S3의 데이터를 테이블로 적재하는 방법을 실습합니다.익스터널 스테이지를 만들고 데이터 파일포맷을 정의하고 데이터 적재를 위한 웨어하우스를 만드는 등의 과정을 진행합니다

1. Snowflake 아키텍처 구성 요소 2. 가상 웨어하우스 (Virtual Warehouse) 3. 가상 웨어하우스 모니터링 4. 가상 웨어하우스 생성 5. 가상 웨어하우스 사용

웨어하우스의 크기를 변경하면서 raw_pos 스키마의 fact 테이블을 추가로 적재합니다. 웨어하우스 크기에 따라 적재 성능의 변화를 확인해 봅니다.

1. 마이크로파티션 요약 2. 마이크로파티션과 메타데이터 3. 파티션 푸르닝(Pruning)

실행한 쿼리가 전체 데이터 중 얼마나 데이터를 스캔했는지 쿼리 프로파일을 통해 확인해 봅니다.

1. 무복사 복제(Zero Copy Cloning) 2. Clone 동작 예시

CTAS를 이용한 테이블 복제 방식과 Clone을 이용한 테이블 복제 방식을 비교해 봅니다

1. Time Travel 개요 2. Time Travel 설정 파라매터 3. Time Travel 사용 4. Fail-Safe

수많은 데이터 테이블을 관리하다보면 한순간의 실수로 데이터를 잘못 수정,삭제하거나 드롭하는 상황이 종종 발생합니다. Time Travel을 이용해서 빠르게 복구해 봅니다

1. Snowflake의 데이터 보호 방안 2. RBAC(Role Based Access Control) 3. RBAC 구성 예시 4. 시스템 정의 역할(Role) 5. Role 설정 방법 6. Role 사용 현황 조회

신규 DBA가 사용할 역할(role)을 부여하고 compute_wh 웨어하우스와 tasty_db 데이터베이스를 사용할 수 있는 권한을 주려고 합니다

1. 쿼리 실행 과정 2.멀티레이어 캐시로 쿼리 처리 성능 향상

쿼리 캐시의 사용 여부와 효과를 확인하고자 웨어하우스를 크기와 종류를 변경하면서 지역별 주문 금액을 집계하는 쿼리를 수행합니다.

1. 손쉬운 반정형 데이터 처리 2. Flatten 3. Infer_schema 4. Schema Evolution

0. 실습 시나리오 푸드트럭 브랜드 메뉴의 재료 및 영양소를 파악하기 위해 JSON 데이터를 정형화하여 분석이 용이하도록 만듭니다 이번 실습을 위해 JSON 데이터를 먼저 적재하고, JSON 데이터를 점 표기법과 flatten 함수를 이용해 정형화하는 과정을 확인합니

1. 데이터 공유 기술의 특징 2. 데이터 공유 동작 방식 3. 동일 리전 내의 데이터 공유 4. 글로벌 데이터 공유 5. 마켓플레이스

매출과 날씨가 관련이 있는지 마켓플레이스에서 날씨 데이터를 가져와 이를 확인하도록 하겠습니다

지금까지 모든 실습 과정을 마쳤습니다. 수고하셨습니다. 다음 처음부터 복습을 원하시면 다음 단계를 따라서 실습 내용을 초기화하시면 됩니다. 공유 데이터 제거 Snowsight 왼쪽 아래 로그인 사용자 이름을 클릭하여 메뉴를 열어 Role을 ACCOUNTADMIN으로