2023년 6월¶

동적 테이블 - 미리 보기¶

동적 테이블의 미리 보기를 제공합니다.

동적 테이블은 선언적 데이터 변환 파이프라인의 기본 구성 요소입니다. 동적 테이블은 Snowflake의 데이터 엔지니어링을 크게 단순화해주고 데이터를 사용할 수 있도록 변환하는 안정적이고 비용 효율적이며 자동화된 방법을 제공합니다. 데이터 변환 단계를 일련의 작업으로 정의하고 종속성과 일정을 모니터링해야 하는 대신, 단순히 동적 테이블을 사용하여 변환의 최종 상태를 정의하고 복잡한 파이프라인 관리를 Snowflake에 맡길 수 있습니다.

자세한 내용은 동적 테이블 을 참조하십시오.

Amazon S3 호환 저장소 — 일반 공급¶

Amazon S3 호환 저장소의 데이터에 액세스할 수 있도록 해주는 지원을 일반 공급으로 제공합니다. Amazon S3 REST API를 철저히 준수하는 온프레미스 또는 기타 클라우드 저장소 서비스와 디바이스를 위한 외부 스테이지를 생성할 수 있습니다. 이 기능을 사용하면 데이터 저장 위치에 관계없이 데이터를 효율적으로 관리, 제어, 분석할 수 있습니다.

자세한 내용은 Amazon S3 호환 저장소 사용하기 섹션을 참조하십시오.

저장 프로시저에 테이블, 뷰, 함수 및 쿼리에 대한 참조 전달하기 — 미리 보기¶

저장 프로시저에 대한 테이블, 뷰, 함수 및 쿼리에 대한 참조를 전달하는 기능의 미리 보기를 제공합니다.

참조는 테이블, 뷰, 함수 또는 쿼리의 고유 식별자입니다. 저장 프로시저에 대한 참조를 전달하면 저장 프로시저는 참조를 만든 사용자의 활성 역할 또는 보조 역할을 사용하여 작업을 수행합니다. 예를 들어 소유자의 권한 저장 프로시저를 호출하는 경우 저장 프로시저가 활성 역할을 사용하여 테이블에서 작업을 수행하도록 허용하기 위해 테이블에 대한 참조를 생성하고 전달할 수 있습니다.

또한 테이블, 뷰 또는 함수가 정규화되지 않은 경우 참조 생성 시의 현재 데이터베이스 및 스키마(즉, 해당 참조를 생성한 사용자의 데이터베이스와 스키마)를 사용하여 오브젝트 이름을 확인합니다.

자세한 내용은 저장 프로시저에 테이블, 뷰, 함수 및 쿼리에 대한 참조 전달하기 섹션을 참조하십시오.

Snowpark ML: 대규모 머신 러닝 — 미리 보기¶

Snowpark ML의 미리 보기를 제공합니다. Snowpark ML은 Snowflake 내에서 머신 러닝 모델을 개발하고 배포하기 위한 SDK와 기본 인프라를 포함한 Python 도구 세트입니다. 이 미리 보기에는 널리 사용되는 머신 러닝 라이브러리(예: scikit-learn, xgboost, lightgbm)를 기반으로 하는 사전 처리 및 모델링 클래스가 포함됩니다.

Snowpark ML은 Snowpark Python 에서 작동합니다. Snowpark DataFrame을 사용하여 학습 데이터나 테스트 데이터를 보유하고 예측 결과를 받을 수 있습니다.

자세한 내용은 SnowparkML: Snowflake용 머신 러닝 툴킷 섹션을 참조하십시오.

ML 기반 함수 — 미리 보기¶

머신 러닝 알고리즘으로 구동되는 세 가지 새로운 분석 도구의 미리 보기를 제공합니다.

이 세 가지 기능은 시계열 데이터를 기반으로 머신 러닝 모델을 학습시켜 지정된 메트릭이 시간의 경과에 따라 변하는 양상과 다른 특징과 비교하여 어떻게 변하는지 확인합니다. 그러면 이 모델이 데이터에서 감지된 추세를 기반으로 인사이트와 예측 결과를 제공합니다.

• 예측: 과거 데이터의 추세에서 미래의 메트릭 값을 예측합니다.

• 변칙 검색: 일반적인 기대치와 다른 메트릭 값에 플래그를 지정합니다.

• Contribution Explorer: 놀라운 방식으로 메트릭에 영향을 미치는 차원과 값을 찾는 데 도움이 됩니다.

자세한 내용은 Snowflake Cortex ML 기반 함수 섹션을 참조하십시오.

Native Applications Framework — 미리 보기¶

데이터와 관련 비즈니스 논리를 다른 Snowflake 계정과 공유하여 다른 Snowflake 기능의 영향력과 범위를 확장하는 데이터 애플리케이션을 만들 수 있게 해주는 Native Apps Framework의 미리 보기를 제공합니다.

자세한 내용은 Native Apps Framework 정보 및 자습서: Native Apps Framework로 애플리케이션 개발하기 를 참조하십시오.

애플리케이션에 대한 Custom Event Billing — 미리 보기¶

공급자가 Snowflake Native Apps Framework로 개발한 앱 사용에 대해 컨슈머에게 요금을 청구하는 데 사용할 수 있는 사용량 기반 요금제인 Custom Event Billing의 미리 보기를 제공합니다.

자세한 내용은 유료 목록 가격 책정 모델 및 애플리케이션에 청구 가능한 이벤트 추가하기 를 참조하십시오.

Marketplace Capacity Drawdown Program — 일반 공급¶

Snowflake에서 용량 계약을 체결해 자격을 갖춘 고객이 약정 용량으로 목록 사용료를 결제할 수 있는 Marketplace Capacity Drawdown Program을 일반 공급으로 제공합니다.

자세한 내용은 목록 사용료 결제하기 를 참조하십시오.

Snowpipe Streaming 복제 지원 — 미리 보기¶

이 릴리스에서는 Snowflake 복제 와 함께 Snowpipe Streaming 지원을 제공합니다. Snowflake는 복제 기능을 사용하여 Snowpipe Streaming과 이와 연결된 채널 오프셋으로 채워진 Snowflake 테이블의 복제와 장애 조치를 지원하는데, 원본 계정에서 다른 리전 에 있는 대상 계정으로, 그리고 여러 클라우드 플랫폼 에 걸쳐 지원합니다. Snowpipe Streaming은 데이터베이스 복제와 그룹 기반 복제를 모두 지원합니다.

자세한 내용은 복제 및 Snowpipe Streaming 섹션을 참조하십시오.

익명 프로시저 — 일반 공급¶

이 릴리스에서는 익명 프로시저 생성을 위한 지원을 일반 공급으로 제공합니다. 익명 프로시저는 저장 프로시저와 유사하지만 나중에 사용할 수 있도록 저장되지 않습니다.

WITH…CALL 구문을 사용하여 익명 프로시저를 생성할 수 있습니다. 이 명령으로 WITH 절의 매개 변수로 정의된 익명 프로시저를 만들고 그 프로시저를 호출하기도 합니다. 이 명령을 실행하려고 CREATE PROCEDURE 스키마 권한이 있는 역할이 있어야 하는 것은 아닙니다.

Java 함수 또는 프로시저 처리기로 파일 읽기 — 일반 공급¶

이 릴리스에서는 UDF 또는 Java로 작성된 프로시저 처리기 코드로 스테이징된 파일 읽기를 위한 지원을 일반 공급으로 제공합니다.

자세한 내용은 Java UDF로 파일 읽기 및 Java 프로시저로 파일 읽기 섹션을 참조하십시오.

Scala 함수 또는 프로시저 처리기로 파일 읽기 — 미리 보기¶

이 릴리스에서는 UDF 또는 Scala로 작성된 프로시저 처리기 코드로 스테이징된 파일 읽기를 위한 지원 기능을 미리 보기로 제공합니다.

자세한 내용은 Scala UDF로 파일 읽기 및 Scala 프로시저로 파일 읽기 섹션을 참조하십시오.

Python 함수 또는 프로시저로 파일 읽기 — 미리 보기¶

이 릴리스에서는 SnowflakeFile 클래스로 파일을 읽기 위한 Python 지원 기능을 미리 보기로 제공합니다.

SnowflakeFile 은 내부 또는 외부 스테이지의 파일에 대한 동적 읽기 액세스를 제공하는 snowflake.snowpark.files 모듈의 새 클래스입니다. SnowflakeFile 을 사용하면 파일을 스트리밍하여 UDF(사용자 정의 함수), UDTF(사용자 정의 테이블 함수) 또는 저장 프로시저에서 자체적인 머신 러닝 모델을 사용하거나 비정형 데이터를 읽는 것과 같은 작업을 수행할 수 있습니다.

자세한 내용은 다음을 참조하십시오.

• Python UDF 처리기에서 파일 읽기

• Snowpark API로 UDF에서 파일 읽기

• Python 저장 프로시저 처리기에서 파일 읽기

• Snowpark API로 저장 프로시저에서 파일 읽기

JSON 및 CSV의 스키마 감지 — 미리 보기¶

이 릴리스에서는 JSON과 CSV의 스키마 감지 기능이 미리 보기로 제공됩니다. 스키마 감지 기능은 INFER_SCHEMA 함수를 사용하여 스테이징된 데이터 파일 세트에서 스키마를 자동으로 감지하고 열 정의를 검색합니다. 일반 공급되는 INFER_SCHEMA 함수는 Apache Parquet, Apache Avro 및 ORC 파일에 적용됩니다. 이 미리 보기 기능은 JSON 및 CSV 파일을 포함하도록 지원을 확장합니다.

자세한 내용은 스테이징된 반정형 데이터 파일에서 열 정의 감지 섹션을 참조하십시오.

테이블 스키마 진화 — 미리 보기¶

이 릴리스에서는 테이블 스키마 진화 기능이 미리 보기로 제공됩니다. Snowflake의 테이블 구조는 이제 데이터 원본에서 받은 새 데이터의 구조를 지원하도록 자동으로 진화할 수 있습니다. Snowflake를 사용하면 새 열을 추가하거나 새 데이터 파일에 누락된 열에서 NOT NULL 제약 조건을 삭제할 수 있으며 열 삭제 또는 기존 열의 데이터 타입, 길이 또는 전체 자릿수 변경이 지원됩니다.

테이블 스키마 진화를 활성화하려면 테이블을 생성하거나 변경할 때 ENABLE_SCHEMA_EVOLUTION 매개 변수를 TRUE로 설정할 수 있습니다.

자세한 내용은 테이블 스키마 진화 섹션을 참조하십시오.

액세스 제어: 웨어하우스 관리 위임을 위한 새로운 권한 — 미리 보기¶

이 릴리스에서는 웨어하우스 관리를 위한 새로운 권한의 미리 보기를 제공합니다.

계정의 웨어하우스를 변경, 일시 중단 또는 재개하는 기능을 사용자 지정 역할에 위임해야 하는 경우 그 역할에 MANAGE WAREHOUSES 권한을 부여할 수 있습니다. MANAGE WAREHOUSES 권한을 부여하는 것은 계정의 모든 웨어하우스에 대해 MODIFY, MONITOR 및 OPERATE 권한을 부여하는 것과 같습니다.

자세한 내용은 웨어하우스 관리 위임하기 섹션을 참조하십시오.

새 SQL 함수¶

이제 이 릴리스에서 다음과 같은 함수를 사용할 수 있습니다.

LIMIT 절 및 ORDER BY 절이 있는 SELECT 문에 대해 향상된 성능 — 일반 공급¶

이 릴리스에서는 LIMIT 절과 ORDER BY 절을 모두 포함하여 장시간 실행되는 특정 SELECT 문의 성능이 크게 향상되었습니다. 이 개선 사항은 추가 비용 없이 모든 고객에게 즉시 제공됩니다.

이 개선 사항은 이러한 《상위 K개》 쿼리의 결과에 영향을 줄 수 없는 마이크로 파티션을 잘라내는 방식으로 작동합니다. 추가 잘라내기는 정수로 표현할 수 있는 값(타임스탬프 또는 정수 또는 정수로 명시적으로 캐스트되지만 식은 아닌 베리언트)이 ORDER BY 절에 지정된 첫 번째 열 또는 유일한 열인 쿼리에 적용됩니다. 쿼리에 JOIN 절이 포함되는 경우 ORDER BY 열은 일반적으로 두 테이블 중 더 큰 테이블인 팩트 테이블(또는 프로브 측)에서 가져와야 합니다.

작은 테이블에 대한 쿼리는 일반적으로 이 개선 사항의 이점을 얻지 못합니다. LIMIT 절에 지정된 행 수보다 적은 수의 행을 반환하거나 집계를 사용하는 쿼리도 이점을 취하지 못합니다.

모든 쿼리에 이익이 되는 것은 아니며, 심지어 이러한 요구 사항을 충족하는 쿼리 중에도 그 이점을 누리지 못하는 쿼리가 있습니다.

마이크로 파티션과 쿼리 잘라내기에 대한 자세한 내용은 마이크로 파티션 및 데이터 클러스터링 섹션을 참조하십시오.

Snowpark, UDF, UDTF, 저장 프로시저에서 Python 3.10 지원 — 미리 보기¶

이 릴리스에서는 Snowpark Python, Python UDF, Python UDTF, Python 저장 프로시저에서 Python 3.10에 대한 지원을 모든 계정에 미리 보기 기능으로 제공합니다.

자세한 내용은 다음을 참조하십시오.

• Snowpark Python을 위한 개발 환경 설정하기

• Python UDF 소개

• Python으로 저장 프로시저 작성하기

Snowpark, UDF, 저장 프로시저에서 Python 3.9 지원 — 미리 보기¶

이 릴리스에서는 Snowpark Python, Python UDF, Python 저장 프로시저에서 Python 3.9에 대한 지원을 모든 계정에 미리 보기 기능으로 제공합니다.

자세한 내용은 다음을 참조하십시오.

• Snowpark Python을 위한 개발 환경 설정하기

• Python UDF 소개

• Python으로 저장 프로시저 작성하기

UDF, UDTF, 저장 프로시저는 이름으로 인자 전달 지원¶

UDF, UDTF 또는 저장 프로시저를 호출할 때 이제는 위치 외에 이름으로도 인자를 전달할 수 있습니다.

예를 들어 다음 문으로 UDF를 만들었다고 가정합니다.

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

이름으로 인자를 전달하려면 인자 이름 뒤에 => 및 인자 값을 지정하십시오. 예:

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

임의의 순서로 인자를 전달할 수 있습니다.

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

자세한 내용은 다음을 참조하십시오.

• UDF 호출하기

• 저장 프로시저 호출하기

이름과 인자 개수가 같고 인자의 데이터 타입은 서로 다른 함수 또는 프로시저가 여러 개 있는 경우 호출에서 인자 이름을 지정하여 실행할 함수 또는 프로시저를 나타낼 수 있습니다. 호출에서 지정하는 인자 이름이 인자 위치보다 우선합니다. 자세한 내용은 프로시저 및 함수 오버로딩하기 섹션을 참조하십시오.

마지막으로, 다음 기본 제공 함수는 이름으로 인자를 전달하는 기능을 지원합니다.

• CHECK_XML

• PARSE_XML

• ROUND

Snowflake의 향후 ML 기능 사용하기¶

이 릴리스에서는 공유 SNOWFLAKE 데이터베이스를 포함하는 모든 Snowflake 계정의 PUBLIC 역할에 부여되는 ML_USER SNOWFLAKE 데이터베이스 역할과 함께 Snowflake 데이터베이스에 새 스키마 《ML》을 도입합니다.

자세한 내용은 다음을 참조하십시오.

• SNOWFLAKE 데이터베이스의 ML 스키마

• SNOWFLAKE 데이터베이스 역할

스키마, 역할, 권한은 Snowflake Summit 2023에서 공개 미리 보기로 제공할 기능을 지원합니다.

ACCOUNTS 뷰(조직 사용량) — 미리 보기¶

이 릴리스에서는 ORGANIZATION_USAGE 스키마에서 ACCOUNTS 뷰의 미리 보기를 제공합니다. 조직 관리자는 ACCOUNTS 뷰를 통해 작년에 삭제된 계정을 포함하여 조직의 계정에 대한 세부 정보를 얻을 수 있습니다.

자세한 내용은 ACCOUNTS 뷰 섹션을 참조하십시오.

Avro, Parquet, Orc, XML에 대한 REPLACE_INVALID_CHARACTERS 지원¶

이 릴리스에서는 COPY INTO 명령과 CREATE EXTERNAL TABLE 명령이 Avro, Parquet, Orc, XML에 대해 REPLACE_INVALID_CHARACTERS 파일 형식 옵션을 지원합니다. 이전에는 이 파일 형식 옵션이 CSV 및 JSON에서만 작동했습니다.

자세한 내용은 CREATE FILE FORMAT 섹션을 참조하십시오.

태그 기반 마스킹 정책: 데이터베이스 및 스키마 지원 — 미리 보기¶

이 릴리스에서는 데이터베이스 및 스키마에 태그 기반 마스킹 정책을 설정하는 미리 보기를 제공합니다. 데이터 엔지니어는 이 업데이트를 통해 열의 데이터 타입이 태그에 설정된 정책의 데이터 타입과 일치할 때 스키마 또는 데이터베이스의 모든 열을 보호할 수 있습니다. 또한 데이터 타입이 태그에 설정된 정책의 데이터 타입과 일치할 때 새 열이 보호됩니다. 태그 기반 정책을 한 번만 설정해두면 데이터베이스 또는 스키마의 모든 열에 대해 마스킹 정책을 개별적으로 설정할 필요가 없으므로 데이터베이스 또는 스키마에 태그 기반 마스킹 정책을 설정하면 간단하게 데이터 보호 관리를 수행할 수 있습니다.

자세한 내용은 태그 기반 마스킹 정책 섹션을 참조하십시오.

액세스 기록: DDL 작업으로 수정한 오브젝트 추적 — 미리 보기¶

이 릴리스에서는 Account Usage ACCESS_HISTORY 뷰에서 DDL 작업으로 수정된 오브젝트 추적의 미리 보기를 제공합니다. 이러한 작업에는 다음 사항이 포함됩니다.

• 태그 및 정책 할당이 어떻게 변경되는지 추적합니다.

• 테이블 및 열 수명 주기를 추적합니다.

object_modified_by_ddl 열은 이러한 변경 사항을 기록합니다. 이 열을 사용하여 데이터 감사 방법을 향상하고 PII 감지 요구 사항을 충족하기 위해 분류할 새 오브젝트를 감지할 수 있습니다.

자세한 내용은 액세스 기록 섹션을 참조하십시오.

스테이지에서 테이블로 파일 로딩하기 — 일반 공급¶

이 릴리스에서는 Snowsight를 사용하여 스테이지에서 테이블로 파일을 로딩하는 기능을 일반 공급으로 제공합니다.

자세한 내용은 스테이지에서 기존 테이블에 파일 로드하기 섹션을 참조하십시오.

새 조직은 Snowsight 액세스 권한만 가짐¶

2023년 5월 30일부터 새로운 Snowflake 조직은 Snowsight에만 액세스할 수 있으며 Classic Console에는 더 이상 액세스할 수 없습니다.

자세한 내용은 Snowsight 업그레이드 정보 섹션을 참조하십시오.