Sobre os notebooks Snowflake¶
Snowflake Notebooks é uma interface de desenvolvimento unificada no Snowsight que oferece um ambiente de programação interativo e baseado em células para Python, SQL e Markdown. Em Snowflake Notebooks, é possível aproveitar os dados Snowflake para realizar análises exploratórias de dados, desenvolver modelos de aprendizado de máquina e realizar outros fluxos de trabalho de ciência e engenharia de dados, tudo na mesma interface.
Explore e experimente dados já existentes no Snowflake ou carregue novos dados para o Snowflake a partir de arquivos locais, armazenamento externo em nuvem ou conjuntos de dados do Snowflake Marketplace.
Escreva SQL ou código Python e compare rapidamente os resultados com o desenvolvimento e a execução célula por célula.
Visualize seus dados interativamente usando exibições incorporadas do Streamlit e outras bibliotecas como Altair, Matplotlib ou Seaborn.
Integre-se ao Git para colaborar com um controle de versão eficaz. Consulte Sincronização dos notebooks Snowflake com um repositório Git.
Contextualize os resultados e faça anotações sobre diferentes resultados com células e gráficos Markdown.
Execute seu notebook em um cronograma para automatizar pipelines. Consulte Como agendar seu notebook Snowflake para ser executado.
Utilize o controle de acesso baseado em função e outras funcionalidades de governança de dados disponíveis no Snowflake para permitir que outros usuários com a mesma função visualizem e colaborem no notebook.
Crie um notebook privado armazenado em seu banco de dados pessoal, onde é possível desenvolver códigos de forma interativa e fazer experiências com ativos de dados de produção. Consulte Notebooks particulares.
Tempos de execução do notebook¶
Snowflake Notebooks oferece dois tipos de tempos de execução, tempo de execução de warehouse e tempo de execução de contêiner. O Notebooks depende de warehouses virtuais e/ou pools de computação Snowpark Container Services para fornecer o recurso de computação. Para ambas as arquiteturas, as consultas SQL e do Snowpark são sempre enviadas para execução no warehouse para desempenho otimizado.
O tempo de execução do warehouse oferece a maneira mais rápida de começar, com um ambiente de warehouse familiar com disponibilidade geral. O container runtime fornece um ambiente mais flexível que pode oferecer suporte a muitos tipos diferentes de cargas de trabalho, incluindo análise SQL e engenharia de dados. Você pode instalar pacotes Python adicionais se o container runtime não incluir o que você precisa por padrão. O tempo de execução do contêiner também vem nas versões CPU e GPU, que têm muitos pacotes de ML populares pré-instalados, o que os torna ideais para cargas de trabalho de ML e de aprendizado profundo.
A tabela a seguir mostra os recursos compatíveis com cada tipo de tempo de execução. Você pode usar essa tabela para ajudar a decidir qual tempo de execução é a escolha certa para seu caso de uso.
Recursos compatíveis |
Warehouse Runtime |
Container Runtime |
|---|---|---|
Computação |
O kernel é executado no warehouse do notebook. |
O kernel é executado no nó Compute Pool. |
Ambiente |
Python 3.9 |
Python 3.10 |
Imagem base |
Streamlit + Snowpark |
Snowflake container runtime. Imagens de CPU e GPU são pré-instaladas com um conjunto de bibliotecas Python. |
Bibliotecas Python adicionais |
Instalar usando o Snowflake Anaconda ou a partir de um estágio do Snowflake. |
Instalar usando |
Suporte de edição |
|
O mesmo que warehouse |
Acesso |
É necessária propriedade para acessar e editar notebooks. |
O mesmo que warehouse |
Recursos do notebook com suporte (ainda em versão preliminar) |
|
O mesmo que warehouse |
Introdução aos Snowflake Notebooks¶
Para começar a experimentar com o Snowflake Notebooks, entre no Snowsight, configure sua conta para usar notebooks e selecione Notebooks no painel Projects. Uma lista de notebooks aos quais você tem acesso na sua conta é exibida. Você pode criar um novo notebook do zero ou carregar um arquivo .ipynb existente.
A tabela a seguir mostra os tópicos a serem revisados se você for novo em Snowflake Notebooks:
Guias de introdução |
|
|---|---|
|
Configuração dos notebooks Snowflake Instruções para desenvolvedores e administradores antes de usar o notebook. |
|
Crie um novo notebook do zero ou a partir de um arquivo existente. |
|
Desenvolvimento e execução de código no notebook Snowflake Crie, edite e execute Python, SQL e células Markdown. |
Guias do desenvolvedor¶
Guia |
Descrição |
|---|---|
Acessando e modificando o contexto de sessão. |
|
Salve notebooks e resultados entre sessões. |
|
Importação de pacote Python do canal Anaconda. |
|
Visualização de dados com Matplotlib, Plotly, Altair e desenvolvimento de um aplicativo de dados com Streamlit. |
|
Referência da saída da célula SQL e os valores das variáveis Python. |
|
Aproveite os atalhos de teclado para navegar e otimizar a experiência de edição. |
Aprimorando os fluxos de trabalho com notebooks¶
Guia |
Descrição |
|---|---|
Realize o controle de versão do seu notebook para colaboração e desenvolvimento. |
|
Gerenciamento e trabalho com arquivos em seu ambiente de notebook. |
|
Cronograma de notebooks para execução e execução de código dentro do Snowflake. |
|
Aproveite outros recursos do Snowflake dentro dos Snowflake Notebooks. |
|
Solução de erros que você pode encontrar ao usar os Snowflake Notebooks. |
Guias de início rápido¶
Introdução ao seu primeiro notebook Snowflake [Vídeo] [Fonte]
Saiba como começar rapidamente seu primeiro projeto em notebook em menos de 10 minutos.
Histórias de dados visuais com os notebooks Snowflake [Vídeo] [Fonte]
Aprenda como você pode criar narrativas de dados atraentes usando visualizações, Markdown, imagens e aplicativos de dados interativos, tudo no seu notebook, junto com seu código e dados.
Casos de uso em destaque¶
Confira os casos de uso em destaque para ciência de dados, engenharia de dados e ML/AI em Github.
|
Desenvolva, gerencie, agende e execute pipelines de dados escaláveis com SQL e Snowpark. |
|
Explore, visualize e analise seus dados com Python e SQL. |
|
Engenharia de recursos, treinamento de modelos e desenvolvimento com ML do Cortex e Snowpark. |
Nota
Esses guias de início rápido são mostrados apenas como exemplos. Seguir o exemplo pode exigir direitos adicionais sobre dados, produtos ou serviços de terceiros que não são de propriedade ou fornecidos pela Snowflake. A Snowflake não garante a precisão desses exemplos.
Recursos adicionais¶
Para obter demonstrações, tutoriais e exemplos de notebook, consulte a coleção de demonstrações do Snowflake Notebooks em GitHub.
Para assistir a tutoriais em vídeo, consulte a lista de reprodução do YouTube do Snowflake Notebooks.
Para aprender sobre comandos SQL para criar, executar e mostrar notebooks, consulte referência de API dos Snowflake Notebooks.
Procurando arquiteturas de referência, casos de uso específicos do setor e práticas recomendadas de soluções usando notebooks? Consulte Exemplos de notebooks no Snowflake Solution Center.