公共预览公告
Snowpark
使用Scala、Python(私有预览)或Java和熟悉的DataFrame构造来构建功能强大、高效的管道、ML工作流和数据应用程序。并且在Snowflake的数据云中工作时获得性能、易用性、治理和安全性。
使用雪花技术的现代数据工程
强大而高效的管道多亏了Snowflake的易用性和性能。
指南书
傻瓜云数据工程
数据工程的雪花:性能、简单性和可靠性
轻松地吸收、转换和交付数据，以获得更快、更深入的见解。使用Snowflake，数据工程师可以花费很少的时间来管理基础设施，从而避免了容量规划和并发处理等任务。因此，将重点放在交付数据的高附加值活动上。
任何数据，任何速度
使用数据云，支持批量和连续接收结构化、半结构化和非结构化数据(公开预览)确保几乎所有数据消费者都在实时数据上操作，加速数据的洞察力。
提高管道性能和可靠性
使用专用的、弹性的、大小合适的计算资源运行管道，以获得最佳性能、可靠的数据处理和显著的成本节约。
减少管道的复杂性
通过利用SQL和Snowpark来简化架构和管道开发，为管道带来可扩展性，无需管理额外的集群、服务或数据副本。
了解更多关于雪花的处理引擎在这里。
雪花如何实现现代数据工程
量身定制转型需求的大规模绩效
传统的解决方案需要专门的时间窗口来执行管道。另一方面，Snowflake采用独特的架构来提供多集群计算，并为每个工作负载提供资源隔离。
- 得益于Snowflake的多集群共享数据架构，可以在几乎无限的并发工作负载上保持性能。
- 使用Snowflake的弹性数据处理引擎处理数据转换工作负载。
- 通过优化管道性能和价格，只需为所使用的内容付费，并即时调整专用计算集群的大小。
- 只需点击几下鼠标，就可以增加或减少几乎无限的计算资源。
简化数据转换和体系结构
使用Snowflake简化管道开发和管理，减少用于管理基础设施的时间，增加用于交付数据的时间。
- 借助于Snowflake的开发框架Snowpark，以及我们对ANSI SQL的原生支持，可以将具有不同编码偏好的用户团结在一起。
- 用Scala、Python(私有预览)和Java构建;扩展更多的功能;在雪花中执行得更快;不需要额外的处理系统
- 使用读时模式构建弹性数据管道，而不需要预先定义模式
- 使用Snowflake使您的其他数据工作负载——数据仓库、数据湖、数据科学、安全数据共享以及构建和运行数据应用程序。
- 只管理数据的一个副本，以简化数据管理和治理，并改进DevOps和DataOps。
- 轻松、安全地共享和使用实时、受控的数据。
“有了Snowflake，我们每天运行100多个数据集，400-500个工作岗位，超过1万次，成功率为99.5%。”
马克Stange-Tregear
分析副总裁，乐天奖励
“雪花让我们把重点从灭火和解决问题转移到设计和提供新的见解上。”
迈克尔Garlick
导演,软件工程，Xevo
广泛的合作伙伴生态系统
从广泛的数据集成合作伙伴生态系统中进行选择。
