Bearbeiten und Ausführen von Notebooks in Workspaces¶

Ausführungskontext festlegen¶

Notebooks in Workspaces legen nicht automatisch eine Datenbank oder ein Schema fest. Um Daten abzufragen, müssen Sie den Ausführungskontext in einer Zelle mit den folgenden SQL-Befehlen definieren:

USE DATABASE <database>;
USE SCHEMA <schema>;

Um sicherzustellen, dass Notebooks über Umgebungen und Clients hinweg konsistent ausgeführt werden, verwenden Sie vollqualifizierte Namen für Tabellen und andere Objekte. Beispiel:

-- Query data objects using a fully qualified name
SELECT * FROM TABLE <database_name.schema_name.table_name>;

-- Create a table using a fully qualified name
WITH filtered_events AS (
    SELECT
        user_id,
        event_type,
        event_timestamp
    FROM raw_events
    WHERE event_timestamp >= '2025-01-01'
)
CREATE OR REPLACE TABLE <database_name.schema_name.table_name> AS
SELECT *
FROM filtered_events;

Rollen- und Warehouse-Auswahl verwenden¶

Sie können die aktive Rolle und das aktive Warehouse für Ihr Notebook festlegen.

SnowsightSQL

Verwenden Sie die Auswahl oben links im Notebooks-Editor:

Das Abfrage-Warehouse wird zur Ausführung von SQL-Abfragen und Snowpark-Pushdown-Compute, das vom Notebook aufgerufen wird, verwendet. Es wird auch verwendet, um das interaktive Datenraster zu rendern, aber für diesen Vorgang fallen keine Credit-Gebühren an.

Mehr über die Credit-Nutzung erfahren Sie unter Einrichten von Computeressourcen.

Snowpark-Sitzung erstellen¶

Snowpark ist ein Snowflake-Entwickler-Framework, mit dem Sie Datenpipelines, Transformationen und Logik für maschinelles Lernen direkt innerhalb von Snowflake erstellen können, ohne Daten aus der Plattform verschieben zu müssen. Es bietet APIs, die Snowflake-Daten als DataFrames verarbeiten und Berechnungen zur Sicherstellung von Skalierbarkeit, Leistung und Sicherheit an die Snowflake-Engine delegieren.

Um Snowpark Python APIs in Notebooks zu verwenden, erstellen Sie zunächst eine Snowpark-Sitzung in einer Python-Zelle:

from snowflake.snowpark.context import get_active_session
session = get_active_session()

Zellen ausführen¶

Es gibt vier unterstützte Ausführungsoptionen:

• Alle Zellen ausführen

• Eine einzelne Zelle ausführen

• Aktuelle Zelle und alle darüber befindlichen Zellen ausführen (über das Ellipsenmenü der Zelle)

• Aktuelle Zelle und alle darunter liegenden Zellen ausführen (über das Dreipunktmenü der Zelle)

Zellennamen¶

Sie können den Zellen Namen zuweisen, um die Navigation zu erleichtern und kontextbezogene Beschriftungen bereitzustellen.

Wenn eine importierte .ipynb-Datei bereits Metadaten zum Namen oder Titel enthält, werden diese Werte automatisch verwendet.

Zellenreferenzierung¶

Bidirektionales Referenzieren von SQL in Python-Zellen ermöglicht Ihnen, Ergebnisse und Variablen über Zellen hinweg in beiden Sprachen wiederzuverwenden, was nahtlose Übergänge zwischen SQL- und Python-Workflows ermöglicht.

Sie können den Mauszeiger über die Ergebnis-QuickInfo bewegen, um den DataFrame-Namen anzuzeigen, mit dem Sie das Ergebnis in Python und SQL referenzieren können.

SELECT * FROM {{uploaded_df}} WHERE "price" > 326;

import pandas as pd

uploaded_df = pd.read_csv("../data/diamonds.csv")
uploaded_df

SELECT * FROM {{uploaded_df}} WHERE "price" > 326;

SELECT * FROM {{dataframe_1}} WHERE "carat" < 1.0
UNION ALL
SELECT * FROM {{dataframe_2}} WHERE "carat" >= 1.0;

Interaktives Datenraster¶

Das Datenraster unterstützt Folgendes:

• Scrollen

• Suche

• Filtern

• Sortierung

• Diagrammerstellung ohne Code

Minimap und Zellenstatus¶

Die Minimap generiert ein Inhaltsverzeichnis aus den Markdown-Headern und zeigt einen umfassenden Sitzungsstatus für jede Zelle an (ausgeführt, erfolgreich, fehlgeschlagen und geändert).

Globales Suchen und Ersetzen¶

Sie können in allen Zellen des aktuellen Notebooks nach Schlüsselwörtern suchen. Wenn Sie eine bestimmte Zelle bearbeiten, drücken Sie esc, um zuerst den Bearbeitungsmodus für diese Zelle zu verlassen.

Um nach Schlüsselwörtern in allen Zellen des aktuellen Notebooks zu suchen, gehen Sie wie folgt vor:

• Um nach Schlüsselwörtern zu suchen, wählen Sie Search in der Minimap aus, oder verwenden Sie das Tastaturkürzel CTRL + F.

  Übereinstimmende Schlüsselwörter in allen Zellen werden angezeigt. Optional können Sie den Suchbegriff mithilfe von Replace next oder Replace all durch den gewünschten Wert ersetzen.

Notebook-Kernel¶

Der Notebook-Kernel bleibt aktiv, solange der Notebook-Service sich im Status RUNNING befindet, der eine ununterbrochene Ausführung von kritischen, langlaufenden Prozessen wie ML-Training und Data-Engineering-Jobs ermöglicht.

Aktionen, die sich nicht auf die Kernel-Ausführung auswirken:

• Navigation zu anderen Seiten

• Arbeiten an anderen Stellen in Snowsight

• Schließen des Browsers

• Herunterfahren des Computers

Sie können den Kernel über die Dropdown-Liste Connected herunterfahren oder neu starten.

Wenn der Notebook-Service ausgesetzt wird, wird auch der Notebook-Kernel heruntergefahren. Weitere Informationen dazu finden Sie unter Einrichten von Computeressourcen.

Zellenausgabe¶

• Die Zellausgaben werden nicht in der .ipynb-Datei gespeichert und können nicht exportiert werden.

• Die Zellenausgabe in einem Notebook in Arbeitsbereichen (sowohl private als auch freigegebene Arbeitsbereiche) ist für den Benutzenden zugänglich, der das Notebook ausgeführt hat.

• Die Sichtbarkeit der Zellenausgabe ist auf den Benutzenden beschränkt, der die Ausführung initiiert hat. Um Zellen auszuführen, muss Ihrer aktiven Standardrolle entweder die OWNERSHIP- oder die USAGE-Berechtigung für das Notebook-Projektobjekt (NPO) zugewiesen sein.

Jupyter Magics¶

Notebooks in Workspaces führen den IPython-Kernel (Interaktiver Python-Kernel) aus und stellen Standard-Jupyter-Zellen- und -Zeilen-Magics bereit. Führen Sie %lsmagic aus, um die verfügbaren Magics anzuzeigen.

Sie können zum Beispiel den Magic-Befehl %run verwenden, um ein anderes Notebook aufzurufen:

• Rufen Sie in einer Python-Zelle von notebook_a %run path/to/notebook_b.ipynb auf. Dadurch wird notebook_b im selben Python-Prozess wie notebook_a ausgeführt.

• Damit Variablen und pandas-DataFrames aus notebook_b in den Zellen von notebook_a angezeigt werden, müssen sie explizit ausgegeben werden. Beispiel: print(var) oder display(df)

Entwicklertools¶

Zu den Entwicklertools gehören Terminal, Scratchpad und Variables Explorer. Mit diesen Tools können Sie Ihre Daten und die Notebook-Umgebung erkunden und mit ihnen interagieren.

Um auf die Entwicklertools zuzugreifen, wählen Sie in der Kontrollleiste am oberen Rand des Notebooks <icon>:ui:Tools aus.

Sie müssen mit einem Notebook-Service verbunden sein, um die Entwicklertools verwenden zu können. Wenn Sie zu einem anderen Service wechseln, werden die Tools neu gestartet.

# If installation fails, run `apt update` first
# Install `htop`
apt install htop

# Run `htop`
htop