Sau khi hoàn thành các khóa học này, tôi cảm thấy tự tin khi tạo các trực quan hóa và bảng điều khiển chuyên nghiệp
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Mở khóa hàng loạt công cụ giải quyết vấn đề mới với sức mạnh của window functions trong Snowflake! Trong khóa học này, bạn sẽ làm chủ các công cụ cần thiết để giải quyết những bài toán như phát hiện điểm ngoại lai trong dữ liệu và tính trung bình động.Trước hết, bạn sẽ phân biệt giữa các hàm tổng hợp truyền thống và window functions. Bạn sẽ nắm vững cấu trúc của một window function bằng cách gán số thứ tự hàng và xếp hạng cho mọi bản ghi trong một truy vấn Snowflake. Khi đã vững vàng, bạn sẽ kết hợp các window functions này với phân vùng (partitions). Điều này cho phép bạn tạo các nhóm bản ghi có thứ tự và so sánh các giá trị theo chuỗi.Bạn sẽ kết thúc khóa học với các aggregate window functions và rolling averages — hai ứng dụng hữu ích nhất của window functions trong việc xử lý và phân tích dữ liệu. Khi hoàn thành, bạn sẽ có một bộ kỹ năng hoàn toàn mới để tăng tốc các truy vấn Snowflake!
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Window Functions
Mở cánh cửa đến vô vàn khả năng với window functions trong Snowflake! Bạn sẽ khởi động bằng cách phân biệt window functions với các hàm truyền thống. Sau đó, bạn sẽ học cách gán số thứ tự hàng và xếp hạng cho mỗi bản ghi trong một truy vấn. Khi đã nắm vững nền tảng, bạn sẽ đặt "cửa sổ" vào window functions bằng cách dùng PARTITION BY. Bạn sẽ khám phá cách tìm và sử dụng giá trị đầu tiên và cuối cùng trong một cửa sổ nhất định trước khi kết lại bằng phần giới thiệu nhanh về các hàm tổng hợp.
- Gán số thứ tự hàng50 XP
- Xây dựng một window function100 XP
- Thêm số thứ tự dòng cho các phiên sạc100 XP
- Lướt theo làn sóng nhiệt100 XP
- Hàm cửa sổ xếp hạng50 XP
- Sạc có nhanh không?100 XP
- So sánh năng lượng đã tiêu thụ100 XP
- Phân vùng dữ liệu trong một window function50 XP
- Lần theo dòng tiền!100 XP
- Đào sâu vào chi phí sạc100 XP
2
Ranking Window Functions
Đã đến lúc tăng tốc! Trong chương này, bạn sẽ đưa các hàm xếp hạng lên một tầm cao mới. Bạn sẽ bắt đầu với một biến thể của RANK, gọi là DENSE_RANK, xử lý các trường hợp đồng hạng theo cách hơi khác. Bạn cũng sẽ khám phá một phiên bản mạnh mẽ hơn của những hàm bạn đã thấy ở bài học trước bằng NTH_VALUE. Tiếp theo, bạn sẽ tạo các “bucket” dữ liệu bằng NTILE, hữu ích hơn bạn tưởng. Bạn cũng sẽ làm quen với một công cụ gọn nhẹ tên là CUME_DIST để tìm số bản ghi nhỏ hơn hoặc bằng một bản ghi nhất định trong một cửa sổ. Bạn sẽ kết thúc chương với một trong những ứng dụng mạnh mẽ nhất của window functions từ trước đến nay: LAG và LEAD.
3
Aggregate Window Functions
Bạn sẽ bắt đầu chương cuối cùng này với các hàm tổng hợp như AVG, COUNT và SUM. Bạn sẽ so sánh đầu ra của các hàm này với từng bản ghi trong một cửa sổ, cũng như dùng chúng để thực hiện các phép tính bổ sung. Sau đó, bạn sẽ làm chủ ứng dụng thú vị nhất của window functions: các phép tính chạy dồn (running) và di động (moving)! Bạn sẽ bắt đầu bằng cách tính trung bình và tổng chạy dồn cho các chỉ số liên quan đến sạc xe điện. Cuối cùng, bạn sẽ kết thúc khóa học bằng cách tạo tổng và trung bình di động với một cửa sổ trượt!
S
Window Functions trong Snowflake
Hoàn
thành khóa học
