آموزش Snowpark: مهندسی داده با Snowflake.

Snowpark : Data engineering with Snowflake.

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: اصول Snowflake-Snowpark API را بیاموزید. Snowpark API را با snowflake وصل کنید. عملیات خواندن و نوشتن اولیه با استفاده از Snowpark. بایدها و نبایدها هنگام استفاده از Snowpark. ساخت اجزای داده و خط لوله داده های اساسی. پیش نیازها: دانش پایه در مورد پایتون.

Snowpark چیست؟

با Snowpark، Snowflake به توسعه دهندگان اجازه می دهد تا به زبان دلخواه خود کد بنویسند.

همراه با رابط اصلی SQL Snowflake اکنون snowflake به شما امکان می دهد کد را در آن بنویسید،

1. پایتون

2. Scala

3. جاوا

برخی از ویژگی های کلیدی Snowpark عبارتند از،

  1. کد شما با استفاده از قدرت محاسباتی انبارهای دانه‌های برف به دانه‌های برف هدایت می‌شود.

  2. در نهایت داده‌ها را به محیط‌های مختلف صادر نمی‌کنید، بلکه کد شما به داده‌ها ارسال می‌شود.

  3. می توانید خطوط لوله داده پیچیده یا محصولات داده را با استفاده از Snowpark بسازید


Snowpark همچنین در خطوط لوله داده مرسوم، هزینه های زیر را نشان می دهد،

  1. زمان راه اندازی طولانی خوشه های گره: سیستم هایی مانند Hadoop و Spark برای پردازش داده ها به خوشه ای از گره ها نیاز دارند. بیشتر اوقات فقط شروع خوشه 5-10 دقیقه طول می کشد. در مورد Snowpark، ما از انبار دانه‌های برف برای پردازش داده‌های خود استفاده خواهیم کرد.

  2. مشکل فایل‌های کوچک، مشکل استفاده از اتصال‌های راست برای به هم زدن داده‌ها در گره‌ها، مشکل جمع‌آوری زباله. عدم قطعیت زمانی که گره های محاسباتی پایین می آیند.


    همه مشکلات فوق با Snowpark به خوبی حل می شوند.

چه چیزی یاد خواهید گرفت؟

شما اصول اولیه SNOWPARK API را خواهید آموخت.

عملیات خواندن و نوشتن اولیه.

داده‌ها را از s3 بخوانید و در جدول دانه‌های برف بارگیری کنید.

ما تجزیه و تحلیل عمیقی از نحوه عملکرد SNOWPARK API انجام خواهیم داد.

بایدها و نبایدهای SNOWPARK.

اجزای داده را برای پردازش داده بسازید.

خط لوله داده را برای پردازش داده ایجاد کنید.


سرفصل ها و درس ها

معرفی Introduction

  • معرفی پارک برفی Snowpark introduction

  • تست اتصال Test connection

  • Snowpark-Demo Part 1 Snowpark-demo part 1

  • Snowpark-Demo part2 Snowpark-demo part2

  • بازنگری بخش Section revise

  • آزمون-1 Quize-1

  • [اختیاری] - داده های مورد استفاده در این دوره [Optional]-Data used in this course

Snowpark-- خواندن عملیات Snowpark-- Read operations

  • ایجاد Dataframe--part1 Create dataframe--part1

  • ایجاد دیتافریم--part2 Create dataframe--part2

  • طرحواره را اعمال کنید Apply schema

  • ایجاد Dataframe--part3 Create dataframe--part3

  • ایجاد دیتافریم--part4 Create dataframe--part4

  • خواندن از جدول -- قسمت 1 Read from table--part1

  • از s3 csv بخوانید Read from s3 csv

  • از s3 json بخوانید Read from s3 json

تکالیف -- عملیات خواندن Assignments-- Read operation

  • ایجاد dataframe-Local data Create dataframe-Local data

  • ایجاد چارچوب داده با طرحواره Create data frame- with schema

  • خواندن به چارچوب داده از جدول Read to dataframe from table

Snowpark --- عملیات را بنویسید Snowpark---Write operations

  • عملیات نوشتن پایه Basic write operation

  • از s3 به جدول بنویسید--json Write from s3 to table--json

  • از s3 به جدول بنویسید - csv Write from s3 to table--csv

تکالیف -- عملیات نوشتن Assignments -- write operations

  • Dataframe را در snowflake بنویسید Write dataframe to snowflake

  • داده ها را با خطا بنویسید Write data with errors

تکالیف-- خواندن و نوشتن داده های نیمه ساختار یافته. Assignments-- Read and write semistructured data.

  • ایجاد دیتافریم از s3 - json Create dataframe from s3 - json

  • فایل های دیتافریم را از پارکت ایجاد کنید Create dataframe from-parquet files

  • ایجاد دیتافریم از s3- avro Create dataframe from s3- avro

  • ایجاد دیتافریم از s3-orc Create dataframe from s3- orc

Snowpark - دستورات را کپی کنید Snowpark--Copy commands

  • با استفاده از کپی بنویسید Write using copy

  • کپی داده ها از s3 به جدول برف ریزه. Copy data from s3 to snowflake table.

  • شناسه پرس و جو را دریافت کنید و سوابق رد شده را جمع آوری کنید Get query id and collect rejected records

  • کپی داده ها از محلی به دانه برف Copy data from local to snowflake

  • دانلود داده ها از snowflake به محلی Download data from snowflake to local

تحولات و پرس و جو Transformations and query

  • تجمع در پارک برفی Aggregation in snowpark

  • گروه بندی بر اساس -- قسمت 1 Group by --part 1

  • گروه بندی بر اساس -- قسمت 2 Group by --part 2

  • عملکرد پنجره Window function

  • می پیوندد Joins

  • استفاده در بند Using in clause

تکالیف --- تبدیل و پرس و جو Assignments---Transformation and query

  • داده ها را آماده کنید Prepare data

  • اطلاعات را در پارک برفی بخوانید و سفارش دهید Read and order data in snowpark

  • خواندن و جمع آوری بر اساس نام ستون Read and aggregate by column name

  • ستون ها را بخوانید و جمع کنید Read and aggregate columns

  • بخوانید و فیلتر کنید Read and filter

  • تکلیف 1 Assignment1

ساخت اجزای عمومی Building generic components

  • دانلود منابع Download resources

  • ایجاد مؤلفه اتصال برفی - قسمت 1 Create snow connection component-- part1

  • ایجاد مؤلفه اتصال برف - قسمت 2 Create snow connection component--part2

  • در جدول دانه های برف کپی کنید Copy to snowflake table

  • ایجاد فایل پیکربندی Creating configuration file

  • ردها را جمع آوری کنید Collect rejects

  • قسمت 1 داده های نیمه ساختار یافته را کپی کنید Copy semi structured data part 1

  • قسمت 2 داده های نیمه ساختار یافته را کپی کنید Copy semi structured data part 2

  • ستون های نقشه Map columns

  • راه حل ستون های نقشه Map columns solution

  • خلاصه Summary

UDF پایتون پارک اسنو Snowpark python UDF

  • مقدمه Python Udf Python Udf intro

  • منابع بخش Section resources.

  • بسته های آناکوندا پایتون را فعال کنید Enable anaconda python packages

  • Snowpark UDF را ایجاد کنید Create Snowpark UDF

  • Snowpark UDF زیر کاپوت. Snowpark UDF under the hood.

  • روش های مختلف موجود است. Different methods available.

  • استفاده از بسته های آناکوندا Using anaconda packages.

  • UDF بردار Vectorized UDF

  • با بسته های خارجی تماس بگیرید Call external packages

  • خلاصه Summary

نمایش نظرات

آموزش Snowpark: مهندسی داده با Snowflake.
جزییات دوره
5 hours
46
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
631
4.5 از 5
دارد
دارد
دارد
Pradeep H C
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Pradeep H C Pradeep H C

مهندس داده