Przejdź do treści
Biblioteka skilli
Dane i analityka · Budowanie i kod

snowflake

/snowflake

Wspiera pracę z platformą Snowflake: magazyny wirtualne, Snowpipe, klonowanie zero-copy, time travel i Streamlit, przy budowie hurtowni danych i analityce big data.

Repozytorium
Agent-Skills ↗
Licencja
MIT
Ostatnia zmiana repozytorium
01.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
1
Przestarzałość

Brak sygnałów. Repozytorium zmienione 01.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Wspiera pracę z platformą Snowflake: magazyny wirtualne, Snowpipe, klonowanie zero-copy, time travel i Streamlit, przy budowie hurtowni danych i analityce big data.

Oryginalny opis (EN)

Expert Snowflake cloud data warehouse assistance covering Virtual Warehouses, Snowpipe, zero-copy cloning, time travel, and Streamlit. Use when building enterprise analytical data warehouses or running big data analytics.

Jak działa

  1. When to Use
  2. Quick Start
  3. Core Concepts
  4. Common Patterns
  5. Best Practices
  6. Troubleshooting
  7. References
Sekcje z nagłówków SKILL.md, w oryginale · 108 linii, 577 słów
Podgląd SKILL.md
---
name: snowflake
description: Expert Snowflake cloud data warehouse assistance covering Virtual Warehouses, Snowpipe, zero-copy cloning, time travel, and Streamlit. Use when building enterprise analytical data warehouses or running big data analytics.
---

# Snowflake

Snowflake is a cloud-native data warehouse. It separates compute ("Virtual Warehouses") from storage, allowing them to scale independently.

## When to Use

- **Cloud Data Warehousing & Data Lakes**: Consolidating enterprise data across AWS, Azure, and GCP into a single analytical platform.
- **Separation of Compute and Storage (Virtual Warehouses)**: Scaling compute clusters up, down, or suspending instantly without copying data.
- **Zero-Copy Data Cloning & Time Travel**: Cloning multi-terabyte production databases in seconds for dev/test without storage cost duplication.
- **Secure Cross-Company Data Sharing**: Sharing live, governed datasets with external partners without ETL replication.

## Quick Start

```sql
-- Create warehouse (Compute)
CREATE WAREHOUSE my_wh WITH WAREHOUSE_SIZE = 'X-SMALL';

-- Query JSON directly (Variant type)
SELECT src:sales.order_id::integer
FROM raw_data;
```

## Core Concepts

### Multi-Cluster Shared Data Architecture

Decouples centralized cloud storage from independent, autoscaling virtual compute warehouses:

```text
[ Central Cloud Storage (AWS S3 / Azure Blob / GCS) ]
         ├── [ Virtual Warehouse: ETL (Size: X-Large) ]
         ├── [ Virtual Warehouse: BI Reports (Size: Medium, Autoscale) ]
         └── [ Virtual Warehouse: Data Science (Size: Large) ]
```

### Time Travel & Zero-Copy Cloning

Restores historical data and creates instant instant clones without data duplication:

```sql
-- Query data as it existed 2 hours ago
SELECT * FROM analytics.orders
AT(OFFSET => -60*120)
WHERE status = 'FAILED';

-- Instant zero-copy clone for testing (takes 2 seconds, zero storage added)
CREATE OR REPLACE DATABASE dev_clone_2026 CLONE production;
```

### Native Semi-Structured VARIANT Querying

Ingests and queries nested JSON, Avro, and Parquet data directly:

```sql
SELECT
  raw_payload:user_id::string AS user_id,
  raw_payload:event_name::string AS event_name,
  raw_payload:metadata.device.os::string AS os_system
FROM raw_logs.event_stream
WHERE raw_payload:event_name = 'checkout_completed';
```

## Common Patterns

### Zero-Copy Cloning with Time Travel Recovery

**Problem**: Creating staging replicas of terabyte datasets for testing consumes massive storage and time.

**Solution**:
Use metadata-only Zero-Copy Cloning with Time Travel:

```sql
-- Instantly clone production database without duplicating underlying micro-partitions
CREATE OR REPLACE DATABASE dev_db CLONE prod_db;

-- Recover accidentally dropped or updated table state from 2 hours ago
CREATE OR REPLACE TABLE orders_restored CLONE prod_db.public.orders
  AT (OFFSET => -60*120);
```

## Best Practices

**Do**:

- Enable Auto-Suspend and Auto-Resume: Set warehouses to auto-suspend after 60 seconds of inactivity (`AUTO_SUSPEND = 60`) to stop billing.
- Cluster by Primary Query Dimensions: Apply cluster keys (`CLUSTER BY (event_date, customer_id)`) on multi-terabyte tables to optimize micro-partition pruning.
- Leverage Transient Tables for Staging: Use `CREATE TRANSIENT TABLE` for intermediate ETL steps to eliminate Time Travel storage costs.
- Use Dynamic Data Masking: Protect sensitive PII columns using role-based masking policies.

**Don't**:

- Leave oversized virtual warehouses running 24/7: Size warehouses appropriately; scale down when batch jobs complete.
- Use Snowflake for single-row transactional OLTP: High latency per single insert makes Snowflake unsuitable for low-latency operational backends.
- Ignore micro-partition pruning: Always filter queries by date or clustered keys to avoid full table scans.

## Troubleshooting

| Error                                               | Cause                                                        | Solution                                                              |
| :-------------------------------------------------- | :----------------------------------------------------------- | :-------------------------------------------------------------------- |
| `Warehouse '...' has exceeded maximum credit limit` | Long-running queries keeping large virtual warehouse active. | Configure `AUTO_SUSPEND = 60` and `AUTO_RESUME = TRUE` on warehouses. |
| `Query compilation error: ambiguous column name`    | Joins referencing shared column names without table aliases. | Qualify all column references with explicit table aliases.            |
| `Snowpipe load error: File size exceeds maximum`    | Staged file too large for streaming ingestion.               | Split input files into optimal 100MB-250MB compressed chunks.         |

## References

- [Snowflake Documentation](https://docs.snowflake.com/)

Wersje

RepozytoriumWynikLicencja
Ta strona · G1Joshi/Agent-Skills100MIT
adobe/skills100Apache-2.0

Migawka bazy z 13.11.2026 · wersja paczki 8519d9f6c99d (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100snowflake-data-engineering
    Zbiera dobre praktyki dla Snowflake SQL, danych półstrukturalnych i potoków z Dynamic Tables, Streams, Tasks i Snowpipe, w tym dostrajanie wydajności i kosztów, Time Travel, klonowanie, RBAC i tabele Iceberg.
  • 100snowflake-expert
    Wspiera pracę z hurtownią danych Snowflake: architekturę i magazyny wirtualne, obiekty bazy, ładowanie danych i stage'e, udostępnianie danych, streamy, taski i optymalizację SQL.
  • 100snowflake-data-cloud-architecture
    Projektuje w Snowflake współdzielone dane z wieloklastrowymi hurtowniami wirtualnymi i klonowaniem bez kopiowania danych.
  • 100snowflake-development
    Optymalizuje zapytania Snowflake, analizuje wydajność SQL, dobiera rozmiar magazynów, przegląda modele danych i diagnozuje problemy z kosztami.
  • 90snowflake-native-pipelines-and-governance
    Prowadzi agentów przez natywne przepływy Snowflake: pipeline'y ze Streams, Tasks, Dynamic Tables, Snowpipe i Snowpark oraz maskowanie, dostęp do wierszy i bezpieczne udostępnianie.
  • 95setup-warehouse-snowflake
    Konfiguruje Snowflake jako hurtownię danych dla Confidence, gdy użytkownik wybrał tę platformę.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.