20 分钟学会使用 Snowflake¶
简介¶
本教程使用 Snowflake 命令行客户端 SnowSQL 来介绍关键概念和任务，包括：
创建 Snowflake 对象 – 创建一个数据库和一个表，用于存储数据。
加载数据 – 我们提供小型的示例 CSV 数据文件供您加载到表中。
查询 – 探索示例查询。
备注
Snowflake 对本教程中示例数据使用的磁盘存储收取最低费用。本教程提供删除数据库并最大程度地降低存储成本的步骤。
Snowflake 需要一个 虚拟仓库 加载数据并执行查询。正在运行的虚拟仓库会使用 Snowflake Credit。在本教程中，您将使用 30 天试用账户 (https://signup.snowflake.com/)，该账户提供免费 Credit，您无需支付任何费用。
您将学习的内容¶
在本教程中，您将学习如何进行以下操作：
创建 Snowflake 对象 – 创建一个数据库和一个表，用于存储数据。
安装 SnowSQL – 安装并使用 Snowflake 命令行查询工具 SnowSQL。
Visual Studio Code 的用户可能会考虑使用 Snowflake Extension for Visual Studio Code 而不是 SnowSQL。
加载 CSV 数据文件 – 使用各种机制将 CSV 文件的数据加载到表中。
编写和执行示例查询 – 针对新加载的数据编写和执行各种查询。
先决条件¶
本教程需要数据库、表和虚拟仓库来加载和查询数据。创建这些 Snowflake 对象需要 Snowflake 用户的角色具有必要的访问控制权限。此外，在本教程中，SnowSQL 需要执行 SQL 语句。最后，本教程需要使用包含可加载示例数据的 CSV 文件。
您可以使用现有的 Snowflake 仓库、数据库和表以及您自己的本地数据文件来完成本教程，但我们建议使用 Snowflake 对象和提供的数据集。
要为本教程设置 Snowflake，请先完成以下操作，然后继续：
创建用户
要创建数据库、表和虚拟仓库，您必须以 Snowflake 用户身份登录，并具有授予您创建这些对象的权限的角色。
如果您使用的是 30 天试用账户，则可使用为该账户创建的用户身份登录。该用户具有创建对象所需的权限的角色。
如果您没有 Snowflake 用户，则无法执行本教程。如果您没有可让您创建用户的角色，请要求有权限的人员为您执行此步骤。具有 ACCOUNTADMIN 或者 SECURITYADMIN 角色的用户可以创建用户。
安装 SnowSQL
要安装 SnowSQL，请参阅 安装 SnowSQL。
下载样本数据文件
要执行本教程，您需要使用 CSV 格式下载 Snowflake 提供的示例员工数据文件。
要下载并解压缩示例数据文件，请执行以下操作：
下载样本数据文件集。右键单击存档文件的名称，
getting-started.zip，然后将链接/文件保存到本地文件系统。解压缩示例文件。本教程假设已将文件解压到下面其中一个目录：
Linux/macOS：
/tmpWindows：
C:\\temp
每个文件有五个数据记录。数据使用逗号 (,) 字符作为字段分隔符。以下是示例记录：
Althea,Featherstone,afeatherstona@sf_tuts.com,"8172 Browning Street, Apt B",Calatrava,7/12/2017
每个记录中分隔字段的逗号前后没有空格。这是 Snowflake 在加载 CSV 数据时期望的默认值。
登录到 SnowSQL¶
安装 SnowSQL 之后，启动 SnowSQL 以连接到 Snowflake：
打开命令行窗口。
启动 SnowSQL：
$ snowsql -a <account_identifier> -u <user_name>
其中：
<account_identifier>是您 Snowflake 账户的唯一标识符。账户标识符 的首选格式如下：
organization_name-account_nameSnowflake 组织和账户的名称。有关更多信息，请参阅 格式 1（首选）：您所在组织的账户名称。
<user_name>是您的 Snowflake 用户的登录名。
备注
如果您的账户已为您的账户定义了身份提供商 (IdP)，则可以使用 Web 浏览器而不是密码进行身份验证，如以下示例所示：
$ snowsql -a <account_identifier> -u <user_name> --authenticator externalbrowser
有关更多信息，请参阅 使用 Web 浏览器进行联合身份验证/SSO。
当 SnowSQL 发出提示时，请输入您的 Snowflake 用户密码。
如果您登录成功，SnowSQL 显示命令提示符，其中包括您当前的仓库、数据库和架构。
备注
如果您被锁定在账户之外并且无法获取账户标识符，您可以在注册试用账户时 Snowflake 发送给您的欢迎电子邮件中找到它，或者您可以使用您的 ORGADMIN 获取账户详细信息。您还可以在欢迎电子邮件中找到 locator、cloud 和 region 的值。
如果您的 Snowflake 用户没有默认的仓库、数据库和架构，或者您没有配置 SnowSQL 来指定默认仓库、数据库和架构，则提示将显示 no warehouse、no database 和 no schema。例如：
user-name#(no warehouse)@(no database).(no schema)>
该提示表明当前会话没有选择仓库、数据库和架构。您将在下一步中创建这些对象。当您按照本教程中的后续步骤创建这些对象时，提示会自动更新以包含这些对象的名称。
有关更多信息，请参阅 通过 SnowSQL 进行连接。
创建 Snowflake 对象¶
在此步骤中，您将创建以下 Snowflake 对象：
一个数据库 (
sf_tuts) 和一个表 (emp_basic)。您将示例数据加载到该表中。虚拟仓库 (
sf_tuts_wh)。该仓库提供将数据加载到表中和查询表所需的计算资源。在本教程中，您将创建一个 X-小的仓库。
完成本教程后，您将删除这些对象。
创建数据库¶
使用 CREATE DATABASE 命令创建 sf_tuts 数据库：
CREATE OR REPLACE DATABASE sf_tuts;
在本教程中，您将使用每个数据库可用的默认架构 (public)，而不是创建新架构。
请注意，您刚刚创建的数据库和架构现在正在用于当前会话，如 SnowSQL 命令提示符中所示。您还可以使用上下文函数来获取此信息。
SELECT CURRENT_DATABASE(), CURRENT_SCHEMA();
以下是示例结果：
+--------------------+------------------+
| CURRENT_DATABASE() | CURRENT_SCHEMA() |
|--------------------+------------------|
| SF_TUTS | PUBLIC |
+--------------------+------------------+
创建表格¶
使用 CREATE TABLE 命令在 sf_tuts.public 下创建一个名为 emp_basic 的表：
CREATE OR REPLACE TABLE emp_basic (
first_name STRING ,
last_name STRING ,
email STRING ,
streetaddress STRING ,
city STRING ,
start_date DATE
);
请注意，表中的列数、列的位置和数据类型与您在本教程下一步中暂存的示例 CSV 数据文件中的字段相对应。
创建虚拟仓库¶
使用 CREATE WAREHOUSE 命令创建一个名为 sf_tuts_wh 的 X-小仓库：
CREATE OR REPLACE WAREHOUSE sf_tuts_wh WITH
WAREHOUSE_SIZE='X-SMALL'
AUTO_SUSPEND = 180
AUTO_RESUME = TRUE
INITIALLY_SUSPENDED=TRUE;
该 sf_tuts_wh 仓库最初已暂停，但 DML 语句仍设置为 AUTO_RESUME = true。AUTO_RESUME 设置会导致在执行需要计算资源的 SQL 语句时自动启动仓库。
创建仓库后，它现在用于当前会话。此信息显示在 SnowSQL 命令提示符中。您还可以使用以下上下文函数检索仓库的名称：
SELECT CURRENT_WAREHOUSE();
以下是示例结果：
+---------------------+
| CURRENT_WAREHOUSE() |
|---------------------|
| SF_TUTS_WH |
+---------------------+
暂存数据文件¶
Snowflake 暂存区是云存储中的一个位置，用于从表中加载和卸载数据。Snowflake 支持以下暂存区类型：
内部暂存区 – 用于在 Snowflake 内部存储数据文件。Snowflake 中的每个用户和表默认都会获得一个内部暂存区来暂存数据文件。
外部暂存区 – 用于将数据文件存储在外部 Amazon S3、Google Cloud Storage 或 Microsoft Azure 中。如果您的数据已存储在这些云存储服务中，则可以使用外部暂存区将数据加载到 Snowflake 表中。
在本教程中，我们将示例数据文件（已在 先决条件 部分下载）上传到您之前创建的 emp_basic 表的内部暂存区。您使用 PUT 命令将示例数据文件上传到该暂存区。
暂存示例数据文件¶
在 SnowSQL 中执行 PUT，将本地数据文件上传到为您创建的 emp_basic 表提供的表暂存区。
PUT file://<file-path>[/\]employees0*.csv @sf_tuts.public.%emp_basic;
例如：
Linux 或 macOS
PUT file:///tmp/employees0*.csv @sf_tuts.public.%emp_basic;
Windows
PUT file://C:\temp\employees0*.csv @sf_tuts.public.%emp_basic;
我们来详细看看该命令：
file://<file-path>[/]employees0*.csv指定本地计算机上要暂存的文件的完整目录路径和名称。请注意，可以使用文件系统通配符，如果多个文件符合该模式，则它们都会显示。@<namespace>.%<table_name>指示使用指定表（在本例中为emp_basic表）的暂存区。
该命令返回以下结果，显示暂存文件：
+-----------------+--------------------+-------------+-------------+--------------------+--------------------+----------+---------+
| source | target | source_size | target_size | source_compression | target_compression | status | message |
|-----------------+--------------------+-------------+-------------+--------------------+--------------------+----------+---------|
| employees01.csv | employees01.csv.gz | 360 | 287 | NONE | GZIP | UPLOADED | |
| employees02.csv | employees02.csv.gz | 355 | 274 | NONE | GZIP | UPLOADED | |
| employees03.csv | employees03.csv.gz | 397 | 295 | NONE | GZIP | UPLOADED | |
| employees04.csv | employees04.csv.gz | 366 | 288 | NONE | GZIP | UPLOADED | |
| employees05.csv | employees05.csv.gz | 394 | 299 | NONE | GZIP | UPLOADED | |
+-----------------+--------------------+-------------+-------------+--------------------+--------------------+----------+---------+
PUT 命令默认使用 gzip 压缩文件，如 TARGET_COMPRESSION 列中所示。
列出暂存文件（可选）¶
您可以使用以下 LIST 命令列出暂存文件。
LIST @sf_tuts.public.%emp_basic;
以下是示例结果：
+--------------------+------+----------------------------------+------------------------------+
| name | size | md5 | last_modified |
|--------------------+------+----------------------------------+------------------------------|
| employees01.csv.gz | 288 | a851f2cc56138b0cd16cb603a97e74b1 | Tue, 9 Jan 2018 15:31:44 GMT |
| employees02.csv.gz | 288 | 125f5645ea500b0fde0cdd5f54029db9 | Tue, 9 Jan 2018 15:31:44 GMT |
| employees03.csv.gz | 304 | eafee33d3e62f079a054260503ddb921 | Tue, 9 Jan 2018 15:31:45 GMT |
| employees04.csv.gz | 304 | 9984ab077684fbcec93ae37479fa2f4d | Tue, 9 Jan 2018 15:31:44 GMT |
| employees05.csv.gz | 304 | 8ad4dc63a095332e158786cb6e8532d0 | Tue, 9 Jan 2018 15:31:44 GMT |
+--------------------+------+----------------------------------+------------------------------+
将数据复制到目标表中¶
执行 COPY INTO <table> 可将暂存数据加载到目标表中。
COPY INTO <table> 命令使用您在 创建 Snowflake 对象 中创建的虚拟仓库复制文件。
COPY INTO emp_basic
FROM @%emp_basic
FILE_FORMAT = (type = csv field_optionally_enclosed_by='"')
PATTERN = '.*employees0[1-5].csv.gz'
ON_ERROR = 'skip_file';
其中：
FROM 子句指定包含数据文件的位置（表的内部暂存区）。
这 FILE_FORMAT 子句将文件类型指定为 CSV，并指定使用双引号字符 (
") 包围字符串。Snowflake 支持多种文件类型和选项。这些在 CREATE FILE FORMAT 中有说明。PATTERN 子句指定该命令应从与此正则表达式 (
.*employees0[1-5].csv.gz) 匹配的文件名中加载数据。ON_ERROR 子句指定当 COPY 命令在文件中遇到错误时要执行的操作。默认情况下，该命令在遇到第一个错误时停止加载数据。此示例跳过任何包含错误的文件并继续加载下一个文件。（这仅用于说明目的；本教程中的任何文件均不包含错误。）
COPY 命令还提供了在加载文件之前验证文件的选项。有关其他错误检查和验证说明的详细信息，请参阅 COPY INTO <table> 主题和其他 数据加载教程。
COPY 命令返回一个结果，其中显示已复制的文件的名称和相关信息：
+--------------------+--------+-------------+-------------+-------------+-------------+-------------+------------------+-----------------------+-------------------------+
| file | status | rows_parsed | rows_loaded | error_limit | errors_seen | first_error | first_error_line | first_error_character | first_error_column_name |
|--------------------+--------+-------------+-------------+-------------+-------------+-------------+------------------+-----------------------+-------------------------|
| employees02.csv.gz | LOADED | 5 | 5 | 1 | 0 | NULL | NULL | NULL | NULL |
| employees04.csv.gz | LOADED | 5 | 5 | 1 | 0 | NULL | NULL | NULL | NULL |
| employees05.csv.gz | LOADED | 5 | 5 | 1 | 0 | NULL | NULL | NULL | NULL |
| employees03.csv.gz | LOADED | 5 | 5 | 1 | 0 | NULL | NULL | NULL | NULL |
| employees01.csv.gz | LOADED | 5 | 5 | 1 | 0 | NULL | NULL | NULL | NULL |
+--------------------+--------+-------------+-------------+-------------+-------------+-------------+------------------+-----------------------+-------------------------+
查询加载的数据¶
您可以使用标准 SQL 以及任何支持的 函数 和 运算符 查询 emp_basic 表中加载的数据。
您还可以使用标准 DML 命令 操作数据，例如更新加载的数据或插入更多数据。
检索所有数据¶
返回表中的所有行和列：
SELECT * FROM emp_basic;
以下为部分结果：
+------------+--------------+---------------------------+-----------------------------+--------------------+------------+
| FIRST_NAME | LAST_NAME | EMAIL | STREETADDRESS | CITY | START_DATE |
|------------+--------------+---------------------------+-----------------------------+--------------------+------------|
| Arlene | Davidovits | adavidovitsk@sf_tuts.com | 7571 New Castle Circle | Meniko | 2017-05-03 |
| Violette | Shermore | vshermorel@sf_tuts.com | 899 Merchant Center | Troitsk | 2017-01-19 |
| Ron | Mattys | rmattysm@sf_tuts.com | 423 Lien Pass | Bayaguana | 2017-11-15 |
...
...
...
| Carson | Bedder | cbedderh@sf_tuts.co.au | 71 Clyde Gallagher Place | Leninskoye | 2017-03-29 |
| Dana | Avory | davoryi@sf_tuts.com | 2 Holy Cross Pass | Wenlin | 2017-05-11 |
| Ronny | Talmadge | rtalmadgej@sf_tuts.co.uk | 588 Chinook Street | Yawata | 2017-06-02 |
+------------+--------------+---------------------------+-----------------------------+--------------------+------------+
另外插入数据行¶
除了将暂存文件中的数据加载到表中之外，您还可以使用 INSERT DML 命令将行直接插入表中。
例如，要向表中插入另外两行：
INSERT INTO emp_basic VALUES
('Clementine','Adamou','cadamou@sf_tuts.com','10510 Sachs Road','Klenak','2017-9-22') ,
('Marlowe','De Anesy','madamouc@sf_tuts.co.uk','36768 Northfield Plaza','Fangshan','2017-1-26');
根据电子邮件地址查询行¶
使用 [ NOT ] LIKE 函数返回具有英国顶级域的电子邮件地址列表：
SELECT email FROM emp_basic WHERE email LIKE '%.uk';
以下是示例结果：
+--------------------------+
| EMAIL |
|--------------------------|
| gbassfordo@sf_tuts.co.uk |
| rtalmadgej@sf_tuts.co.uk |
| madamouc@sf_tuts.co.uk |
+--------------------------+
根据开始日期查询行¶
例如，要计算某些员工福利的开始时间，请使用 DATEADD 函数在员工开始日期上添加 90 天。按开始日期早于 2017 年 1 月 1 日的员工筛选列表：
SELECT first_name, last_name, DATEADD('day',90,start_date) FROM emp_basic WHERE start_date <= '2017-01-01';
以下是示例结果：
+------------+-----------+------------------------------+
| FIRST_NAME | LAST_NAME | DATEADD('DAY',90,START_DATE) |
|------------+-----------+------------------------------|
| Granger | Bassford | 2017-03-30 |
| Catherin | Devereu | 2017-03-17 |
| Cesar | Hovie | 2017-03-21 |
| Wallis | Sizey | 2017-03-30 |
+------------+-----------+------------------------------+
总结、清理和其他资源¶
恭喜！您已成功完成本入门教程。
请花几分钟时间查看简短的总结和教程中涵盖的要点。您可能还需要考虑删除在教程中创建的任何对象进行清理。通过查看 Snowflake 文档中的其他主题了解更多信息。
总结和要点¶
总之，数据加载分两步进行：
暂存要加载的数据文件。这些文件可以在内部（在 Snowflake 中）暂存，也可以在外部位置暂存。在本教程中，您将在内部暂存文件。
将数据从暂存文件复制到现有目标表中。此步骤需要一个正在运行的仓库。
请记住以下有关加载 CSV 文件的要点：
CSV 文件包括 1 条或多条记录，每条记录中有 1 个或多个字段，有时还包含标头记录。
每个文件中的记录和字段由分隔符分隔。默认分隔符是：
- 记录:
换行符
- 字段:
逗号
换句话说，Snowflake 期望 CSV 文件中的每条记录都用换行符分隔，每个记录中的字段（即各个值）都用逗号分隔。如果使用 不同 的字符作为记录和字段分隔符，则必须在加载时将其 显式 指定为文件格式的一部分。
文件中的字段与您将加载的表中的列之间存在 直接 关联，具体如下：
字段（在文件中）和列（在目标表中）的数量。
字段和列在各自文件/表中的位置。
字段和列的数据类型，例如字符串、数字或日期。
如果数字、位置和数据类型与数据不对齐，则不会加载记录。
备注
Snowflake 支持加载字段与目标表中的列不完全对齐的文件。然而，这是一个更高级的数据加载主题（在 在加载期间转换数据 中介绍）。
教程清理（可选）¶
如果不再需要您在本教程中创建的对象，可以使用 DROP <object> 语句将它们从系统中删除。
DROP DATABASE IF EXISTS sf_tuts;
DROP WAREHOUSE IF EXISTS sf_tuts_wh;
退出连接¶
要退出连接，请使用 SnowSQL 的 !exit 命令（或其别名 !disconnect）。
如果当前连接是最后一个连接，则退出将删除当前连接并且退出 SnowSQL。
下一步是什么？¶
请使用以下资源继续了解 Snowflake ：
完成 Snowflake 提供的其他教程：
熟悉 Snowflake 的关键概念和功能，以及执行查询和插入/更新数据的 SQL 命令：