03-06 juin 2024 — Annonces du sommet¶

Spécifiez l’apparence dans Snowsight — Avant-première¶

Avec cette version, nous avons le plaisir d’annoncer la possibilité en avant-première de spécifier l’apparence, souvent appelée mode sombre, dans Snowsight. Vous pouvez désormais spécifier la palette de couleurs pour Snowsight, y compris une palette utilisant des couleurs plus sombres avec un texte clair sur un fond sombre conçu pour réduire la fatigue oculaire dans des conditions de faible luminosité et fournir une expérience de navigation confortable pour les utilisateurs qui préfèrent les palettes de couleurs plus sombres.

Cette nouvelle fonction comprend trois paramètres :

• Système - Utilisez le même mode que celui spécifié par le système d’exploitation exécutant Snowsight.

• Léger - Caractères traditionnels foncés sur un fond plus clair, généralement utilisés à la lumière du jour.

• Sombre - Texte clair sur fond sombre pour réduire la fatigue visuelle dans des conditions de faible luminosité.

Pour de plus amples informations et pour savoir comment spécifier l’apparence dans Snowsight, voir Spécifier l’apparence.

SDK natif Snowflake pour les connecteurs — Avant-première¶

Nous avons le plaisir d’annoncer l’avant-première de Snowflake Native SDK for Connectors.

Snowflake Native SDK for Connectors est une bibliothèque comprenant des modèles et des quickstarts en Java que vous pouvez utiliser pour construire rapidement vos propres connecteurs basés sur Snowflake Native App pour ingérer facilement des données d’une source de données externe dans Snowflake. L’exemple de connecteur du SDK présente les meilleures pratiques pour ingérer des données et personnaliser les flux d’application, ainsi que des blocs de code prêts à l’emploi pour votre propre logique d’ingestion.

Pour plus d’informations, voir SDK natif Snowflake pour les connecteurs.

Snowflake Notebooks — Avant-première¶

Nous avons le plaisir d’annoncer l’avant-première de Snowflake Notebooks. Snowflake Notebooks est une interface de développement dans Snowsight qui offre un environnement de programmation interactif, basé sur des cellules, pour Python et SQL. Dans Snowflake Notebooks, vous pouvez effectuer des analyses exploratoires de données, développer des modèles de machine learning et réaliser d’autres tâches de data science et d’ingénierie des données, le tout en un seul endroit.

Pour plus d’informations, voir À propos de Snowflake Notebooks.

API Snowpark pandas – Version préliminaire¶

Nous avons le plaisir d’annoncer l’avant-première de l’API Snowpark pandas. L’API Snowpark pandas vous permet d’exécuter votre code pandas directement sur vos données dans Snowflake.

Il suffit de modifier l’instruction d’importation et quelques lignes de code pour obtenir la même expérience native de pandas avec les avantages d’évolutivité et de sécurité de Snowflake. Avec cette API, vous pouvez travailler avec des ensembles de données beaucoup plus importants, ce qui vous évitera de réécrire vos pipelines pandas vers d’autres frameworks big data. Snowpark pandas exécute des charges de travail nativement dans Snowflake par transpilation vers SQL, ce qui lui permet de tirer parti de la parallélisation et des avantages de Snowflake en matière de gouvernance et de sécurité des données.

Pour plus d’informations, voir pandas on Snowflake.

Mise au point de Snowflake Cortex — Avant-première¶

La mise au point permet aux utilisateurs d’adapter les modèles pré-entraînés à des tâches plus spécialisées. Si vous ne voulez pas supporter le coût élevé de l’entraînement d’un grand modèle à partir de zéro, mais que vous avez besoin d’une meilleure latence et de meilleurs résultats que ceux que vous obtenez avec les méthodes d’ingénierie rapide ou même de génération augmentée par récupération (RAG), vous pouvez mettre au point un grand modèle existant. La mise au point vous permet d’utiliser des exemples pour ajuster le comportement du modèle et améliorer sa connaissance des tâches spécifiques au domaine.

La mise au point de Cortex est un service entièrement géré qui vous permet d’affiner les grands modèles de langage populaires en utilisant vos données, le tout dans Snowflake.

Pour plus d’informations, voir Mise au point (Snowflake Cortex).

Snowflake Native Apps avec Snowpark Container Services — Avant-première¶

Nous avons le plaisir d’annoncer en avant-première Snowpark Native Apps with Snowpark Container Services.

Snowflake Native Apps with Snowpark Container Services vous permet d’exécuter n’importe quel service conteneurisé pris en charge par Snowpark Container Services au sein d’une Snowflake Native App. Snowflake Native Apps with Snowpark Container Services tire parti de toutes les fonctions du Snowflake Native App Framework, y compris la protection de l’IP de fournisseur, la sécurité et la gouvernance, le partage des données, la monétisation et l’intégration avec les ressources de calcul.

Pour plus d’informations, consultez À propos de Snowflake Native Apps with Snowpark Container Services.

Tables Apache Iceberg™ — Disponibilité générale¶

Nous avons le plaisir d’annoncer la disponibilité générale des tables Apache Iceberg™ pour Snowflake, publiées avec la version 8.20 de Snowflake.

Les tables Iceberg pour Snowflake combinent les performances et la sémantique de requête des tables Snowflake standards avec le stockage cloud externe que vous gérez. Elles s’avèrent idéales pour tenir à jour une seule copie de données avec une interopérabilité entre différents moteurs de calcul.

Pour plus d’informations, voir Tables Apache Iceberg™.

Cadre de test local Snowpark Python — Disponibilité générale¶

Nous avons le plaisir d’annoncer la disponibilité générale du cadre de test local Snowpark Python, qui était auparavant disponible en tant que fonctionnalité en avant-première. Ce cadre de test local est un émulateur qui vous permet de tester votre code Python en local lorsque vous travaillez avec la bibliothèque Python Snowpark.

Le cadre de test local Python Snowpark vous permet de créer et d’agir sur des DataFrames Python Snowpark localement sans vous connecter à un compte Snowflake. Vous pouvez utiliser le cadre de test local pour tester vos opérations DataFrame sur votre poste de développement ou dans un pipeline CI (intégration continue), avant de déployer les changements de code sur votre compte. L’API est la même, de sorte que vous pouvez exécuter vos tests localement ou sur un compte Snowflake, sans modifier le code.

Pour plus d’informations, voir Framework de test local.

Universal Search — Disponibilité générale¶

Nous avons le plaisir d’annoncer la disponibilité générale de Universal Search dans Snowsight.

Avec Universal Search, vous trouvez encore plus d’objets qu’auparavant, rapidement et en toute sécurité. La recherche à partir de l’onglet Recherche permet de trouver des tables, des fonctions, des bases de données, des produits de données disponibles sur la place de marché de Snowflake, des sujets pertinents de la documentation de Snowflake et des articles connexes dans la base de connaissances de la communauté de Snowflake. Avec la disponibilité générale, Universal Search inclut désormais les feuilles de calcul et les tableaux de bord dans vos résultats de recherche. Que vous saisissiez un seul mot ou une question complète en langage naturel, Universal Search peut interpréter votre requête en utilisant vos métadonnées d’actifs Snowflake personnalisables.

Pour plus d’informations, voir Recherche d’objets et de ressources Snowflake.