Pular para o conteúdo principal

Início Snowflake

Curso

Automação de Pipelines de Dados no Snowflake

BásicoNível de habilidade

Atualizado 05/2026

Iniciar Curso Gratuitamente

SnowflakeData Engineering

3 h

15 vídeos

48 Exercícios

3,350 XP

Certificado de conclusão

Crie sua conta gratuita

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados serão armazenados nos EUA.

Preferido por alunos de milhares de empresas

Training a Team?

Try for Business

Descrição do curso

Domine as ferramentas e técnicas para criar pipelines de dados confiáveis e automatizados no Snowflake. Você começará aprendendo como ingerir dados em escala — configurando stages e formatos de arquivo, carregando dados com COPY INTO e escolhendo entre carregamento em lote, Snowpipe e Snowpipe Streaming para diferentes requisitos de latência e volume. A partir daí, você desenvolverá habilidades de orquestração de pipelines de ponta a ponta: capturando alterações no nível de linha com streams, encadeando fluxos de trabalho de várias etapas com DAGs de tarefas e criando pipelines declarativos com atualização automática usando tabelas dinâmicas. Você também aprenderá quando recorrer a tabelas externas e Iceberg para cenários multi-engine e cloud-native. A segunda metade do curso aprimora suas habilidades de consulta e transformação — extraindo e desaninhando JSON semiestruturado de colunas VARIANT, aplicando extensões de agrupamento e funções de janela para análises avançadas e encapsulando lógica reutilizável em UDFs e procedimentos armazenados. Por fim, você vai enfrentar o desempenho de consultas: ler o Query Profile do Snowflake para identificar gargalos, escolher a ferramenta de otimização certa — Search Optimization, Query Acceleration Service, chaves de clustering ou views materializadas — e escrever SQL amigável ao cache que evita os anti-patterns comuns que degradam o desempenho silenciosamente.

Pré-requisitos

Não há pré-requisitos para esse curso

1

Data Loading, Ingestion, and Connectivity

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

Iniciar Capítulo

2

Pipeline Orchestration and Data Objects

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

Iniciar Capítulo

3

Querying and Transforming Data

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

Iniciar Capítulo

4

Query Performance and Optimization

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!

Iniciar Capítulo

Automação de Pipelines de Dados no Snowflake

Curso
concluído

Obtenha um certificado de conclusão

Adicione esta credencial ao seu perfil do LinkedIn, currículo ou CV
Compartilhe nas redes sociais e em sua avaliação de desempenhoInscreva-se Agora

Faça como mais de 19 milhões de alunos e comece Automação de Pipelines de Dados no Snowflake hoje mesmo!

Crie sua conta gratuita

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados serão armazenados nos EUA.

Desenvolva suas habilidades em dados com o app do DataCamp

Continue progredindo em qualquer lugar com nossos cursos para celular e desafios diários de programação de 5 minutos.