Cloud-basiertes Data Warehousing umfasst in der modernen Datenpraxis eine Vielzahl von Aufgaben - von der skalierbaren Datenspeicherung über die SQL-basierte Analyse bis hin zur Integration in Datenpipelines und Visualisierungstools. Snowflake hat sich als führende Cloud-Data-Platform etabliert und zeichnet sich durch seine Trennung von Compute- und Storage-Ressourcen sowie seinen Multi-Cloud-Ansatz aus. Das Verständnis der Snowflake-Architektur, der Virtual Warehouses und der Datenorganisation ist Voraussetzung für den produktiven Einsatz.
Kursinhalt1. Snowflake-Architektur und Multi-Cloud-Konzept
- Drei-Schichten-Architektur: Storage, Compute, Cloud Services
- Virtual Warehouses: Typen, Größen und Auto-Suspend
- Snowflake auf AWS, Azure und GCP
2. Datenorganisation und -verwaltung
- Datenbanken, Schemas und Tabellen in Snowflake
- Tabellentypen: Permanent, Transient, Temporary und External
- Clustering Keys und Micro-Partition-Konzept
3. SQL in Snowflake und erweiterte Funktionen
- Snowflake SQL: Besonderheiten und Erweiterungen
- Semi-strukturierte Daten: JSON, Parquet, Avro
- Time Travel, Fail-safe und Zero-Copy Cloning
4. Datenzugriff, Sharing und Integration
- Rollen, Rechte und Zugriffssteuerung in Snowflake
- Snowflake Data Sharing und Marketplace
- Integration mit Datenpipeline-Tools (dbt, Fivetran, Airflow)
Berufliche Relevanz
- Snowflake-Kenntnisse werden in Data-Engineering-, Analytics-Engineering- und BI-Positionen eingesetzt
- Ermöglicht skalierbares Cloud-Data-Warehousing ohne infrastrukturelle Vorabinvestitionen
- Grundlage für moderne Data-Lakehouse- und Data-Mesh-Architekturen