Summit-Ankündigungen – 26.-29. 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.