Januar 2022¶

Java-UDFs auf AWS – Allgemeine Verfügbarkeit¶

Mit diesem Release gibt Snowflake die allgemeine Verfügbarkeit der Unterstützung von Java-UDFs (benutzerdefinierten Funktionen) auf AWS bekannt.

Benutzer können kundenspezifische Funktionen in der Programmiersprache Java schreiben und diese so aufrufen, als wären es integrierte Funktionen. Benutzer können Java-Quellcode inline bereitstellen oder ihre JAR-Dateien, einschließlich Bibliotheken, verwenden.

Weitere Informationen dazu finden Sie unter Einführung in Java-UDFs.

Snowpark unter AWS – Allgemeine Verfügbarkeit¶

Mit diesem Release können wir die allgemeine Verfügbarkeit von Snowpark auf AWS bekannt geben.

Snowpark ist ein neues Entwicklertool, das eine intuitive API für das Abfragen und Verarbeiten von Daten in Datenpipelines bereitstellt. Mit dieser Bibliothek können Sie Anwendungen erstellen, die Daten in Snowflake verarbeiten, ohne dass Daten in das System verschoben werden müssen, das Ihren Anwendungscode ausführt.

Snowpark unterscheidet sich von anderen Client-Bibliotheken durch mehrere spezifische Features:

• Die Snowpark-API bietet Programmiersprachenkonstrukte zum Erstellen von SQL-Anweisungen.

  Die API bietet z. B. eine Auswahlmethode für die Angabe der Spaltennamen, die zurückgegeben werden sollen, sodass Sie „select column_name“ nicht als Zeichenfolge schreiben müssen.

  Sie können zwar weiterhin eine Zeichenfolge verwenden, um die auszuführende SQL-Anweisung zu spezifizieren, profitieren bei den von Snowpark bereitgestellten programmiersprachlichen Konstrukten aber von Features wie der intelligenten Codevervollständigung und der Typüberprüfung.

• Snowpark-Operationen werden im Lazy-Modus auf dem Server ausgeführt, wodurch die Menge der zwischen Ihrem Client und der Snowflake-Datenbank übertragenen Daten reduziert wird.

  Die Kernabstraktion in Snowpark ist der DataFrame, der eine Menge von Daten repräsentiert und Methoden zur Verfügung stellt, um auf diesen Daten zu operieren. In Ihrem Clientcode erstellen Sie ein DataFrame-Objekt und richten es so ein, dass es die Daten abruft, die Sie verwenden möchten (z. B. die Spalten, die die Daten enthalten, den Filter, der auf die Zeilen angewendet werden soll, usw.).

  Die Daten werden nicht zu dem Zeitpunkt abgerufen, zu dem Sie das DataFrame-Objekt konstruieren. Stattdessen können Sie, wenn Sie zum Abrufen der Daten bereit sind, eine Aktion ausführen, die die DataFrame-Objekte auswertet und die entsprechenden SQL-Anweisungen zur Ausführung an die Snowflake-Datenbank sendet.

• Sie können in Ihrem Code benutzerdefinierte Funktionen (UDFs) erstellen, und Snowpark kann Ihren Code an den Server übertragen, wo der Code auf den Daten operieren kann.

  Sie können Funktionen in der gleichen Sprache schreiben, in der Sie Ihren Clientcode schreiben (z. B. durch Verwendung anonymer Funktionen in Scala). Um diese Funktionen für die Verarbeitung von Daten in der Snowflake-Datenbank zu verwenden, definieren Sie in Ihrem kundenspezifischen Code benutzerdefinierte Funktionen (UDFs) und rufen diese auf.

  Snowpark überträgt den kundenspezifischen Code für UDFs automatisch in die Snowflake-Datenbank. Wenn Sie die UDF in Ihrem Clientcode aufrufen, wird Ihr kundenspezifischer Code auf dem Server ausgeführt (wo sich die Daten befinden). Sie müssen die Daten nicht auf Ihren Client übertragen, um die Funktion auf den Daten auszuführen.

Snowpark ist für die Programmiersprache Scala verfügbar.

Weitere Informationen dazu finden Sie unter Snowpark-API.

Unterstützung von unstrukturierten Daten – Allgemeine Verfügbarkeit¶

Mit diesem Release können wird die allgemeine Verfügbarkeit der Unterstützung von unstrukturierten Daten in Snowflake bekannt geben. Dieses Feature ermöglicht den Zugriff, die Freigabe sowie das Laden und Verarbeiten von unstrukturierten Dateien mit Datentypen, für die Snowflake keine native Unterstützung bietet, einschließlich einiger branchenspezifischer Typen. Die Unterstützung von unstrukturierten Dateien ergänzt die bereits bestehende robuste Unterstützung von strukturierten und semistrukturierten Daten.

Die Unterstützung von unstrukturierten Datendateien wird über die folgenden Funktionen bereitgestellt:

• Dateifunktionen

• REST-API für die Unterstützung unstrukturierter Daten

• Verzeichnistabellen

Snowflake Scripting – Vorschau¶

Mit diesem Release können wir eine Vorschau für Snowflake Scripting bekannt geben.

Snowflake Scripting ist eine Erweiterung von Snowflake SQL, die Unterstützung für prozedurale Logik bereitstellt. Mithilfe von Snowflake Scripting können Sie gespeicherte Prozeduren in SQL schreiben.

Weitere Informationen dazu finden Sie unter Snowflake Scripting-Entwicklerhandbuch.

Snowpipe: Fehlerbenachrichtigungen für Snowflake-Konten auf Amazon Web Services – Vorschau¶

Mit diesem Release können wir eine Vorschau von Fehlerbenachrichtigungen für Snowpipe bekannt geben. Wenn Snowpipe beim Laden von Daten aus einer Stagingdatei auf Fehler stößt, löst dieses Feature eine Benachrichtigung aus, die die Fehler mithilfe von Cloudmessaging beschreibt und eine weitere Analyse der Daten in der Datei ermöglicht.

Unterstützung von Snowflake-Konten, die auf Google Cloud oder Microsoft Azure gehostet werden, und die entsprechenden Cloudmessagingdienste sind in Planung.

Dieses Feature unterstützt sowohl Aufrufe über die Snowpipe-REST-API als auch Snowpipe mit automatisierter Erfassung über einen Cloudmessagingdienst.

Vorschau-Features sind für Evaluierungs- und Testzwecke vorgesehen und sollten nicht in der Produktionsumgebung verwendet werden.

Maskierungsrichtlinie mit bedingten Spalten – Allgemeine Verfügbarkeit¶

Mit diesem Release gibt Snowflake die allgemeine Verfügbarkeit von bedingten Spalten (d. h. Argumenten) als optionale Konfiguration für die Maskierungsrichtliniensignatur bekannt. Bei der Verwendung von bedingten Spalten in der Signatur einer Maskierungsrichtlinie gibt die erste Spalte inklusive Datentyp immer die Spalte an, auf die der Maskierungsrichtlinienausdruck angewendet wird (d. h. die Daten maskiert oder nicht maskiert werden).

Diese zusätzlichen Spalten können in den Ausdruck der Maskierungsrichtlinie aufgenommen werden, um zu bestimmen, ob die Daten in der ersten Spalte maskiert oder nicht maskiert werden sollen. Die Verwendung von bedingten Spalten in einer Maskierungsrichtliniensignatur gibt den Administratoren von Maskierungsrichtlinien mehr Freiheit beim Erstellen von Richtlinienbedingungen für das Maskieren oder Nichtmaskieren von Daten.

Weitere Informationen dazu finden Sie unter Grundlegendes zur Sicherheit auf Spaltenebene.

Neue Weboberfläche: Dashboard für den Kopierverlauf – Vorschau¶

Mit diesem Release führt Snowflake das Copies Over Time-Dashboard ein, das eine 365-Tage-Ansicht des Kopierverlaufs für das Massenladen von Daten (d. h. mit dem COPY INTO <Tabelle>-Befehl) und für Snowpipe anzeigt. Um den Kopierverlauf für alle Tabellen in Ihrem Konto anzuzeigen, klicken Sie in der linken Navigationsleiste auf Compute » History » Copies.

Sie können für eine Tabelle auch die Seite Copies Over Time anzeigen. Um das Dashboard anzuzeigen, durchsuchen Sie Ihre Datenbankobjekte, und wählen Sie eine Tabelle aus. Klicken Sie auf der Seite mit den Tabellendetails auf Copy History.

Beachten Sie, dass sich die neue Weboberfläche noch in der Vorschau befindet.