Juni 2023¶

Dynamische Tabellen – Vorschau¶

Mit diesem Release können wir die Vorschau von dynamischen Tabellen bekannt geben.

Dynamische Tabellen sind die Bausteine von deklarativen Datentransformationspipelines. Diese Tabellen vereinfachen das Data Engineering in Snowflake erheblich und bieten eine zuverlässige, kostengünstige und automatisierte Methode, Ihre Daten für die weitere Nutzung umzuwandeln. Anstatt die Schritte der Datentransformation als eine Abfolge von Aufgaben zu definieren und die Abhängigkeiten und die Zeitplanung zu überwachen, können Sie einfach den Endzustand der Transformation mithilfe dynamischer Tabellen definieren und das komplexe Pipeline-Management Snowflake überlassen.

Weitere Informationen dazu finden Sie unter Dynamische Tabellen.

Amazon S3-kompatibler Speicher – Allgemeine Verfügbarkeit¶

Mit diesem Release können wird die allgemeine Verfügbarkeit der Unterstützung für den Zugriff auf Daten in Amazon S3-kompatiblem Speicher bekannt geben. Sie können externe Stagingbereiche für lokale oder andere Cloudspeicherdienste und -geräte erstellen, die in hohem Maße mit der Amazon S3-REST-API kompatibel sind. Mit diesem Feature können Sie Ihre Daten effizient verwalten, steuern und analysieren, unabhängig davon, wo die Daten gespeichert sind.

Weitere Informationen dazu finden Sie unter Verwenden von Amazon S3-kompatiblem Speicher.

Übergegen von Referenzen auf Tabellen, Ansichten, Funktionen und Abfragen an eine gespeicherte Prozedur – Vorschau¶

Mit diesem Release können wir eine Vorschau auf die Möglichkeit zur Übergabe von Referenzen auf Tabellen, Ansichten, Funktionen und Abfragen an gespeicherte Prozeduren bekannt geben.

Eine Referenz ist ein eindeutiger Bezeichner für eine Tabelle, Ansicht, Funktion oder Abfrage. Wenn Sie eine Referenz an eine gespeicherte Prozedur übergeben, führt die gespeicherte Prozedur Aktionen unter Verwendung der aktiven Rolle oder der Sekundärrollen des Benutzers aus, der den Verweis erstellt hat. Wenn Sie zum Beispiel eine gespeicherte Prozedur mit Eigentümerrechten aufrufen, können Sie eine Referenz auf eine Tabelle erstellen und übergeben, damit die gespeicherte Prozedur mit Ihrer aktiven Rolle Aktionen auf der Tabelle ausführen kann.

Wenn die Tabelle, Ansicht oder Funktion nicht vollqualifiziert ist, wird der Name des Objekts außerdem anhand der Datenbank und des Schemas aufgelöst, die beim Erstellen der Referenz aktuell waren (d. h. Datenbank und Schema des Benutzers, der den Verweis erstellt hat).

Weitere Informationen dazu finden Sie unter Übergegen von Referenzen auf Tabellen, Ansichten, Funktionen und Abfragen an gespeicherte Prozeduren.

Snowpark ML: Machine Learning in großem Umfang – Vorschau¶

Mit diesem Release können wir eine Vorschau von Snowpark ML bekannt geben. Snowpark ML ist ein Satz von Python-Tools, einschließlich SDKs und der zugrunde liegenden Infrastruktur, für das Erstellen und den Einsatz von Modellen des maschinellen Lernens in Snowflake. Diese Vorschau umfasst Vorverarbeitungs- und Modellierungsklassen, die auf gängigen Bibliotheken für maschinelles Lernen basieren, wie scikit-learn, xgboost und lightgbm.

Snowpark ML funktioniert mit Snowpark Python. Für das Speichern Ihrer Trainings- oder Testdaten und das Bereitstellen von Vorhersageergebnissen verwenden Sie Snowpark-DataFrames.

Weitere Informationen dazu finden Sie unter Snowpark ML: Umfassendes maschinelles Lernen in Snowflake.

ML-gestützte Funktionen – Vorschau¶

Mit diesem Release können wir eine Vorschau auf drei neue Analysetools bereit stellen, die auf Algorithmen des maschinellen Lernens basieren.

Diese drei Features trainieren ein Machine Learning-Modell für Ihre Zeitreihendaten, um festzustellen, wie sich eine bestimmte Kennzahl im Laufe der Zeit und im Verhältnis zu anderen Merkmalen verändert. Das Modell liefert dann Erkenntnisse und Vorhersagen auf der Grundlage der in den Daten erkannten Trends.

• Prognosen: Prognostiziert zukünftige Werte von Kennzahlen anhand von Trends in historischen Daten.

• Anomalieerkennung: Markiert Kennzahlenwerte, die von den typischen Erwartungen abweichen.

• Contribution Explorer: Bietet Unterstützung beim Auffinden von Dimensionen und Werten, die Kennzahlen auf überraschende Weise beeinflussen.

Weitere Informationen dazu finden Sie unter ML-gestützte Snowflake Cortex-Funktionen.

Native Applications Framework – Vorschau¶

Mit diesem Release können wir die Vorschau des Native Apps Framework bekannt geben. Dieses Framework erlaubt das Erstellen von Datenanwendungen, mit denen Sie die Möglichkeiten bestimmter Snowflake-Features durch die Freigabe von Daten und Geschäftslogik für andere Snowflake-Konten erweitern.

Weitere Informationen dazu finden Sie unter Allgemeine Informationen zum Native Apps Framework und Tutorial: Entwickeln einer Anwendung mit dem Native Apps Framework.

Custom Event Billing für Anwendungen – Vorschau¶

Wir freuen uns, die Vorschau von Custom Event Billing ankündigen zu können, einem verbrauchsabhängigen Preistarif, mit dem Anbieter die Nutzung von Anwendungen, die mit dem Snowflake Native Apps Framework entwickelt wurden, bei den Verbrauchern abrechnen können.

Weitere Informationen dazu finden Sie unter Preismodelle für kostenpflichtige Freigabeangebote und Hinzufügen von abrechenbaren Ereignissen zu Anwendungen.

Marketplace Capacity Drawdown Program – Allgemeine Verfügbarkeit¶

Mit diesem Release können wir die allgemeine Verfügbarkeit des Marketplace Capacity Drawdown Program bekannt geben. Dieses Programm erlaubt zugelassenen Kunden mit einem Capacity-Vertrag bei Snowflake, Freigabeangebote mit ihrer Kapazitätsverpflichtung zu bezahlen.

Weitere Informationen dazu finden Sie unter Bezahlen für Freigabeangebote.

Unterstützung der Snowpipe Streaming-Replikation – Vorschau¶

Mit diesem Release können wir die Unterstützung für die Snowflake-Replikation von Snowpipe Streaming bekannt geben. Snowflake unterstützt die Replikation und das Failover von Snowflake-Tabellen, die von Snowpipe Streaming und den zugehörigen Kanal-Offsets befüllt werden, von einem Quellkonto zu einem Zielkonto über verschiedene Regionen und verschiedene Cloudplattformen hinweg. Snowpipe Streaming unterstützt sowohl die Datenbankreplikation als auch die gruppenbasierte Replikation.

Weitere Informationen dazu finden Sie unter Replikation und Snowpipe Streaming.

Anonyme Prozeduren – Allgemeine Verfügbarkeit¶

Mit diesem Release können wir die allgemeine Verfügbarkeit für das Erstellen anonymer Prozeduren bekannt geben. Eine anonyme Prozedur ähnelt einer gespeicherten Prozedur, die aber nicht zur späteren Verwendung gespeichert wird.

Sie können eine anonyme Prozedur mit der Syntax WITH…CALL erstellen. Mit diesem Befehl erstellen Sie eine anonyme Prozedur, die durch Parameter in der WITH-Klausel definiert ist, und rufen diese Prozedur auf. Für diesen Befehl benötigen Sie keine Rolle mit CREATE PROCEDURE-Schemaberechtigungen.

Lesen von Dateien mit einer Java-Funktion oder einem Java-Prozedur-Handler – Allgemeine Verfügbarkeit¶

Mit diesem Release können wird die allgemeine Verfügbarkeit der Unterstützung für das Lesen von Stagingdateien mit in Java geschriebenem UDF- oder Prozedur-Handler-Code bekannt geben.

Weitere Informationen dazu finden Sie unter Lesen einer Datei mit einer Java-UDF und Lesen einer Datei mit einer Java-Prozedur.

Lesen von Dateien mit einem in Scala geschriebenen Funktions- oder Prozedur-Handler – Allgemeine Verfügbarkeit¶

Mit diesem Release können wir die Unterstützung für das Lesen von Stagingdateien mit einem in Scala geschriebenen UDF- oder Prozedur-Handler-Code bekannt geben.

Weitere Informationen dazu finden Sie unter Lesen einer Datei mit einer Scala-UDF und Lesen einer Datei mit einer Scala-Prozedur.

Lesen von Dateien mit einer Python-Funktion oder -Prozedur – Vorschau¶

Mit diesem Release können wir eine Vorschau der Python-Unterstützung für das Lesen von Dateien unter Verwendung von SnowflakeFile bekannt geben.

SnowflakeFile ist eine neue Klasse im Modul snowflake.snowpark.files, die einen dynamischen Lesezugriff auf Dateien in einem internen oder externen Stagingbereich ermöglicht. Mit SnowflakeFile können Sie Dateien streamen, um Aufgaben wie das Lesen unstrukturierter Daten oder das Verwenden eigener Modelle für maschinelles Lernen in einer benutzerdefinierten Funktion (UDF), einer benutzerdefinierten Tabellenfunktion (UDTF) oder einer gespeicherten Prozedur auszuführen.

Weitere Informationen dazu finden Sie unter:

• Lesen einer Datei mit einem Python-UDF-Handler

• Lesen von Dateien mit einer UDF über die Snowpark-API

• Lesen von Dateien mit einer gespeicherten Python-Handler-Prozedur

• Lesen von Dateien mit einer gespeicherten Prozedur über die Snowpark-API

Schemaerkennung für JSON und CSV – Vorschau¶

Mit diesem Release können wir eine Vorschau des Features zur Schemaerkennung für JSON und CSV bekannt geben. Das Feature zur Schemaerkennung verwendet die Funktion INFER_SCHEMA, um das Schema in einer Reihe von Stagingdateien automatisch zu erkennen und die Spaltendefinitionen abzurufen. Die allgemein verfügbare Funktion INFER_SCHEMA gilt für Apache Parquet-, Apache Avro- und ORC-Dateien. Diese Vorschaufunktion erweitert die Unterstützung auf JSON- und CSV-Dateien.

Weitere Informationen dazu finden Sie unter Erkennung von Spaltendefinitionen in semistrukturierten Staging-Datendateien.

Tabellenschemaentwicklung – Vorschau¶

Mit diesem Release können wir eine Vorschau des Features zur Tabellenschemaentwicklung bekannt geben. Die Struktur von Tabellen in Snowflake kann sich nun automatisch weiterentwickeln, um die Struktur neuer Daten in den Datenquellen zu unterstützen. Snowflake ermöglicht das Hinzufügen neuer Spalten oder das Löschen der NOT NULL-Einschränkung von Spalten, die in neuen Datendateien fehlen, und unterstützt das Löschen von Spalten oder das Ändern des Datentyps, der Länge oder der Genauigkeit vorhandener Spalten.

Um die Tabellenschemaentwicklung zu aktivieren, können Sie beim Erstellen oder Ändern einer Tabelle den Parameter ENABLE_SCHEMA_EVOLUTION auf TRUE setzen.

Weitere Informationen dazu finden Sie unter Tabellenschemaentwicklung.

Zugriffssteuerung: Neue Berechtigung für das Delegieren der Warehouse-Verwaltung – Vorschau¶

Mit diesem Release können wir eine Vorschau für eine neue Berechtigung für das Verwalten von Warehouses bekannt geben.

Wenn Sie die Fähigkeit zum Ändern, Anhalten und Fortsetzen eines Warehouse in Ihrem Konto an eine kundenspezifische Rolle delegieren müssen, können Sie dieser Rolle die Berechtigung MANAGE WAREHOUSES erteilen. Das Erteilen der Berechtigung MANAGE WAREHOUSES ist gleichbedeutend mit dem Erteilen der Berechtigungen MODIFY, MONITOR und OPERATE für alle Warehouses des Kontos.

Weitere Informationen dazu finden Sie unter Delegieren der Warehouse-Verwaltung.

Neue SQL-Funktionen¶

Die folgenden Funktionen sind ab diesem Release verfügbar:

Verbesserte Leistung für SELECT-Anweisungen mit LIMIT- und ORDER BY-Klauseln – Allgemeine Verfügbarkeit¶

Mit diesem Release können wir eine erhebliche Verbesserung der Leistung bestimmter SELECT-Anweisungen mit langen Ausführungszeiten bekannt geben, die sowohl LIMIT- als auch ORDER BY-Klauseln enthalten. Diese Verbesserung ist ab sofort für alle Kunden ohne zusätzliche Kosten verfügbar.

Die Verbesserung erfolgt durch das Verkürzen (Pruning) von Mikropartitionen, die keinen Einfluss auf die Ergebnisse solcher „Top K“-Abfragen haben. Das zusätzliche Verkürzen (Pruning) gilt für Abfragen, bei denen ein als Ganzzahl (Integer) darstellbarer Wert (Zeitstempel oder Ganzzahl, oder eine explizit in Ganzzahl umgewandelter Variant-Wert, aber kein Ausdruck) die erste oder einzige in der ORDER BY-Klausel angegebene Spalte ist. Wenn die Abfrage eine JOIN-Klausel enthält, muss die ORDER BY-Spalte aus der Faktentabelle (oder der Probe-Seite) stammen, was normalerweise die größere der beiden Tabellen ist.

Abfragen auf kleinen Tabellen profitieren im Allgemeinen nicht von dieser Verbesserung. Abfragen, die weniger als die in der LIMIT-Klausel angegebene Anzahl von Zeilen zurückgeben, oder die Aggregationen verwenden, profitieren ebenfalls nicht.

Beachten Sie, dass nicht alle Abfragen davon profitieren – nicht einmal alle Abfragen, die diese Anforderungen erfüllen.

Weitere Informationen zu Mikropartitionen und Abfrageoptimierung durch Pruning finden Sie unter Mikropartitionen und Daten-Clustering.

Unterstützung von Python 3.10 in Snowpark, UDFs, UDTFs und gespeicherten Prozeduren – Vorschau¶

Mit diesem Release können wir die Unterstützung von Python 3.10 in Snowpark Python, Python-UDFs, Python-UDTFs und gespeicherten Python-Prozeduren als Vorschau-Feature für alle Konten bereit stellen.

Weitere Informationen dazu finden Sie unter:

• Einrichten Ihrer Entwicklungsumgebung für Snowpark Python

• Einführung in Python-UDFs

• Schreiben von gespeicherten Prozeduren in Python

Unterstützung von Python 3.9 in Snowpark, UDFs und gespeicherten Prozeduren – Vorschau¶

Mit diesem Release können wir die Unterstützung von Python 3.9 in Snowpark Python, Python-UDFs und gespeicherten Python-Prozeduren als Vorschau-Feature für alle Konten bereit stellen.

Weitere Informationen dazu finden Sie unter:

• Einrichten Ihrer Entwicklungsumgebung für Snowpark Python

• Einführung in Python-UDFs

• Schreiben von gespeicherten Prozeduren in Python

UDFs, UDTFs und gespeicherte Prozeduren unterstützen Übergabe von Argumenten über den Namen¶

Wenn Sie eine UDF, UDTF oder eine gespeicherte Prozedur aufrufen, können Sie jetzt Argumente nicht nur über die Position, sondern auch über den Namen übergeben.

Angenommen, Sie haben eine UDF mit der folgenden Anweisung erstellt:

CREATE OR REPLACE FUNCTION add_numbers (n1 NUMBER, n2 NUMBER)
  RETURNS NUMBER
  AS 'n1 + n2';

Um die Argumente über den Namen zu übergeben, geben Sie den Argumentnamen gefolgt von => und dem Argumentwert an. Beispiel:

SELECT add_numbers(n1 => 10, n2 => 5);

Sie können die Argumente in beliebiger Reihenfolge übergeben:

SELECT add_numbers(n2 => 5, n1 => 10);

Weitere Informationen dazu finden Sie unter:

• Aufrufen einer UDF

• Aufrufen einer gespeicherten Prozedur

Wenn es mehrere Funktionen oder Prozeduren mit demselben Namen, derselben Anzahl von Argumenten und unterschiedlichen Datentypen für die Argumente gibt, können Sie die Argumentnamen im Aufruf angeben, um zu kennzeichnen, welche Funktion oder Prozedur auszuführen ist. Die Argumentnamen, die Sie im Aufruf angeben, haben Vorrang vor den Argumentpositionen. Weitere Informationen dazu finden Sie unter Überladen von Prozeduren und Funktionen.

Schließlich unterstützen die folgenden integrierten Funktionen die Übergabe von Argumenten über den Namen:

• CHECK_XML

• PARSE_XML

• ROUND

Verwenden der kommenden ML-Features von Snowflake¶

Mit diesem Release wird ein neues Schema „ML“ für die Snowflake-Datenbank eingeführt und außerdem die SNOWFLAKE-Datenbankrolle ML_USER, die der Rolle PUBLIC in allen Snowflake-Konten zugewiesen wird, die eine freigegebene SNOWFLAKE-Datenbank enthalten.

Weitere Informationen dazu finden Sie unter:

• Das Schema ML der SNOWFLAKE-Database

• SNOWFLAKE-Datenbankrollen

Schema, Rollen und Berechtigungen unterstützen Features, die beim Snowflake Summit 2023 als Public Preview, also als öffentliche Vorschau zur Verfügung gestellt werden.

Ansicht ACCOUNTS (Organization Usage) – Vorschau¶

Mit diesem Release stellen wird eine Vorschau für die Ansicht ACCOUNTS im ORGANIZATION_USAGE-Schema bereit. Die Ansicht ACCOUNTS ermöglicht es einem Organisationsadministrator, Details zu den Konten in einer Organisation zu erhalten, einschließlich der Konten, die im letzten Jahr gelöscht wurden.

Weitere Informationen dazu finden Sie unter Ansicht ACCOUNTS.

Unterstützung von REPLACE_INVALID_CHARACTERS für Avro, Parquet, Orc und XML¶

Mit diesem Release können wir die Unterstützung der Befehle COPY INTO und CREATE EXTERNAL TABLE für die Dateiformatoption REPLACE_INVALID_CHARACTERS für Avro, Parquet, Orc und XML bekannt geben. Bisher funktionierte diese Dateiformatoption nur mit CSV und JSON.

Weitere Informationen dazu finden Sie unter CREATE FILE FORMAT.

Tag-basierte Maskierungsrichtlinie: Unterstützung von Datenbank und Schema – Vorschau¶

Mit diesem Release können wir die Vorschau für das Einrichten von Tag-basierten Maskierungsrichtlinien für Datenbanken und Schemas bekannt geben. Durch dieses Update können Data Engineers alle Spalten alle Spalten in einem Schema oder einer Datenbank schützen, wenn der Datentyp der Spalte mit dem Datentyp der für das Tag festgelegten Richtlinie übereinstimmt. Außerdem ist eine neue Spalte geschützt, wenn ihr Datentyp mit dem Datentyp der für das Tag festgelegten Richtlinie übereinstimmt. Das Festlegen der Tag-basierten Maskierungsrichtlinie für Datenbanken oder Schemas vereinfacht das Datenschutzmanagement, da Sie die Tag-basierte Richtlinie nur einmal festlegen brauchen und nicht für jede Spalte der Datenbank oder des Schemas eine eigene Maskierungsrichtlinie festlegen müssen.

Weitere Informationen dazu finden Sie unter Tag-basierte Maskierungsrichtlinien.

Zugriffsverlauf: Verfolgen von Objekten, die durch DDL-Operation geändert wurden – Vorschau¶

Mit diesem Release können wir eine Vorschau für das Verfolgen von Objekten, die durch eine DDL-Operation geändert wurden, über die Account Usage-Ansicht ACCESS_HISTORY bekannt geben. Zu diesen Operation gehören:

• Verfolgen, wie sich die Zuweisungen von Tags und Richtlinien ändern.

• Verfolgen des Lebenszyklus von Tabellen und Spalten.

Diese Änderungen werden in der Spalte object_modified_by_ddl erfasst. Sie können diese Spalte verwenden, um Ihre Daten-Audit-Verfahren zu verbessern und neue Objekte zu ermitteln, die Sie klassifizieren müssen, um PII-Nachweisanforderungen zu erfüllen.

Weitere Informationen dazu finden Sie unter Zugriffsverlauf.

Laden von Dateien aus einem Stagingbereich in eine Tabelle – Allgemeine Verfügbarkeit¶

Mit diesem Release können wir die allgemeine Verfügbarkeit für das Laden von Dateien aus einem Stagingbereich in eine Tabelle mithilfe von Snowsight bekannt geben.

Weitere Informationen dazu finden Sie unter Dateien aus einem Stagingbereich in eine Tabelle laden.

Neue Organisationen haben nur Snowsight-Zugriff¶

Ab dem 30. Mai 2023 haben neue Snowflake-Organisationen nur noch Zugriff auf Snowsight und nicht mehr auf die klassische Konsole.

Weitere Informationen dazu finden Sie unter Allgemeine Informationen zum Snowsight-Upgrade.