Snowflake 关键概念和架构¶

数据库存储¶

Snowflake 支持以下类型的数据：

• 结构化数据 – 例如表中的行和列，遵循严格的表格架构。

• 半结构化数据 – 例如 JSON 文件或 XML 文件，具有灵活的架构。

• 非结构化数据 – 例如文档、图像或音频文件，没有固有架构。

Snowflake 支持多种类型的表进行数据存储，包括以下表类型：

• Snowflake 表

• Apache Iceberg™ 表

• 混合表

计算¶

虚拟仓库 是 Snowflake 中的计算资源群集。虚拟仓库流程 SQL 语句，并使用 Snowpark，运行 Java、Python 和 Scala 等语言的代码。借助 Snowpark Connect for Spark，您还可以在虚拟仓库上运行 Apache Spark™ 工作负载。

每个虚拟仓库都是一个独立的计算群集，不与其他虚拟仓库共享计算资源。因此，每个虚拟仓库不会对其他虚拟仓库的性能产生影响。

有关更多信息，请参阅 虚拟仓库。

云服务¶

云服务层是协调 Snowflake 中活动的服务集合。这些服务将 Snowflake 的所有不同组件结合在一起，以便处理从登录查询调度的用户请求。云服务层同样运行在由 Snowflake 从云服务提供商处调配的计算实例上。

此层管理的服务包括以下内容：

• 安全、身份验证和访问控制

• Snowflake Horizon 目录

• 使用云平台管理基础设施

• 元数据管理，包括 SNOWFLAKE 数据库 和 Snowflake Information Schema

• Query parsing and optimization

• 法规合规性

数据工程¶

Snowflake 将存储和计算分开，这简化了数据工程的一些传统挑战，例如基础设施管理和性能调整。数据工程师可以专注于实施引入、转换和交付数据的管道。

Snowflake 提供了几种引入数据的方法，包括以下选项：

• COPY INTO <table> 命令 – 将数据从文件加载到表中。

• Snowpipe – 当文件在暂存区中可用时，立即加载文件中的数据。

• Snowpipe Streaming – 使用 Snowflake SDKs 或 REST API，将行级数据以低延迟连续加载到 Snowflake 表和 Snowflake 管理的 Iceberg 表中，而不是从文件加载数据。

• Openflow 连接器 – 使用基于 Apache NiFi 构建的连接器（例如 Microsoft Sharepoint 和 Google Drive）从特定来源引入数据。

• Snowflake 连接器 – 从外部应用程序和系统连接，并将数据流式传输到 Snowflake 中。

Snowflake 还提供了几种转换数据的方法，包括以下选项：

• 动态表 – 定义根据目标新鲜度自动刷新的表和执行数据转换的查询。

• 流和任务 – 使用流获取对基础对象所做的更改，并定义执行数据转换的任务。

• Snowpark – 使用 Python、Java 和 Scala 等编程语言执行更复杂的转换。

• dbt – 使用开源数据转换工具和框架来定义、测试和部署 SQL 转换。

此外，SnowConvert AI 可以引入和转换数据，并且 Snowpark Migration Accelerator 可以将各种平台的代码转换为 Snowflake。

有关更多信息，请参阅 数据加载概述。

分析¶

借助 Snowflake，您可以根据需求动态扩展工作负载，访问不同类型的数据（包括结构化、半结构化和非结构化），并轻松共享数据。这些功能可让您分析存储在 Snowflake 中的数据，为分析用例（例如商业智能或预测建模）提取有意义的见解、模式和趋势。

Snowflake 提供了多种分析数据的方法，包括以下选项：

• 系统函数和 SQL 构造 – 使用以下 Snowflake 系统函数和 SQL 构造执行计算和统计分析：

  • 聚合函数 – 通过对一组相关行执行计算并返回单个值来汇总数据。

  • 窗口函数 – 对分区中的一组相关行执行计算，以便对每个分区中的行子集进行滚动操作，例如计算累计总数或移动平均线。

  • 公用表表达式 (CTEs) – 提高复杂查询的可读性和可重用性，这些查询可能执行多个数据转换步骤。

• Cortex AI Functions --- Run unstructured analytics on text and images with large language models (LLMs) from OpenAI, Anthropic, Meta, Mistral AI, and DeepSeek.

• 语义视图 – 将语义业务概念直接存储在数据库中，以定义业务指标并为业务实体及其关系建模。

AI 和 ML¶

Snowflake 简化了人工智能 (AI) 和机器学习 (ML) 功能，以便您可以使用 Snowflake 数据执行 AI 和 ML 特征工程、训练和推理。模型可以在安全的环境中访问最新数据。借助 Snowflake，您可以避免将数据移动到单独的平台进行 AI 和 ML 任务的成本和复杂性。

Snowflake 提供两大功能套件的 AI 和 ML 功能：

• Snowflake Cortex – 使用 LLMs 的 AI 功能可理解非结构化数据，回答自由形式的问题，并提供智能帮助。Cortex AI functions 可以自动执行日常任务，例如简单的摘要和快速翻译。

• Snowflake ML – 可用于构建自己的模型的功能。ML 函数 通过 ML 为您提供对数据的自动预测和见解。Snowflake ML 是一个统一的 ML 开发环境。

有关更多信息，请参阅 Snowflake AI 和 ML。

应用程序和协作¶

Snowflake 提供了多种构建应用程序并与团队、合作伙伴和客户共享应用程序的方法。当您使用 Snowflake 共享数据时，您可以控制对数据的访问，并避免在不同位置保持数据同步的挑战。

以下列表显示了一些可用于在 Snowflake 中构建、部署和管理应用程序的工具和服务：

• Streamlit – 使用开源 Python 库创建和共享采用 ML 和数据科学的交互式用户界面 (UI) 的自定义 Web 应用程序。

• Snowpark Container Services – 直接从 Snowflake 内部部署、管理和扩展容器化应用程序。

• Snowflake Native App Framework – 通过与其他 Snowflake 账户共享数据和相关业务逻辑，构建可扩展其他 Snowflake 功能的应用程序。应用程序的业务逻辑可以包括 Streamlit 应用程序、存储过程和使用 Snowpark API、JavaScript 和 SQL 的编写的函数。Snowflake Native App 还可以使用 Snowpark Container Services 运行容器工作负载。

Snowflake 支持以下类型的协作：

• Secure Data Sharing – 与其他 Snowflake 账户共享您账户中数据库中的选定对象。

• 列表 – 向其他 Snowflake 用户提供数据和其他信息，或访问 Snowflake 提供商共享的数据和其他信息。您可以私下或在 Snowflake Marketplace 上探索、访问并向使用者提供列表。

• Data Clean Room – 定义可以对共享数据运行哪些分析，这允许使用者从数据中收集见解，而无需无限制地访问数据。