Certified Solution
为 AI 构建自主式管道
AITransformation
Snowflake 动态表
定义所需的数据状态，Snowflake 将管理增量更新和编排 — 无需手动编码，也无需第三方工具。
概述
从构建、编排 到优化
动态表能够包揽数据管道中的棘手环节，从而让您的团队可以专注于业务洞察。
实施与测试，简单易行
通过 Snowflake CoCo，用自然语言来构建管道、排查问题，同时也可以只用一条 SQL 语句来进行定义转换。原生支持 DAG（有向无环图）可观测性，无需第三方工具。
管道编排，化繁为简
用 TARGET_LAG 设定数据新鲜度，Snowflake 会自动推断依赖关系，并按您的目标安排刷新。您无需手动搭建 DAG，更无需编排工具。
运行维护，经济高效
增量刷新只处理有变更的数据，避免整表重新计算。 能够根据不可变性锁定稳定数据，按照自动查询模式按照您的服务等级协议（SLA）进行优化。
深受以下企业的数据团队信赖
主要特点
强大功能，内置其中
构建自主式数据管道所需的一切，尽在于此
Snowflake CoCo
面向数据工程的编码智能体，内置技能与工作流，用自然语言即可构建、排查和优化动态表。支持在 Snowflake Workspaces 和 CLI（命令行界面）中运行。
动态表中的 Cortex AI 函数
用自然语言即可构建、排查和优化动态表的 AI 智能体。支持在 Snowflake Workspaces 和 CLI 中运行。
具有不可变性的成本控制
锁定动态表中的部分数据，刷新时不再重新计算。重新计算减少了，刷新成本也会显著降低。
动态 Apache Iceberg™ 表
功能强大的自主式管道，现已支持您的 Iceberg 湖仓。
自定义增量处理
精细掌控增量刷新处理数据的方式。详情敬请期待。
自适应刷新模式
智能选择刷新模式，并根据工作负载自动优化。详情敬请期待。
应用场景
专为您的数据管道需求而生
从分析管道到实时变更数据处理，再到湖仓工作流， 皆可胜任。
分析管道
对于数据转换与建模进行分析，无需第三方转换或编排工具。
- 会写 SQL，就能上手
- 以不可变性管控成本
- 智能体辅助编写与故障排查
变更数据处理
持续将摄取的变更数据转换为随时可用的数据集，并随上游数据的变化保持同步。
同时进行自动化增量更新，让数据新鲜度保持在一分钟以内。
湖仓管道
让开放式湖仓中的管道开发更简单。
- 一条 SQL 查询即可定义管道，简单易用
- 自主管理编排与增量刷新计划
- 节省开发时间，交付稳定可靠的转换管道
开始使用
与 Snowflake 一起 迈出下一步开始使用
以 $40 免费额度²开始入门试用²
- 加速端到端开发
- 默认上下文感知语境
- 开放、可扩展且可投入生产
已经拥有 Snowflake 帐户？
动态表
常见问题 问题
Snowflake 动态表是什么？如何简化数据管道？
动态表是一种在 Snowflake 中构建数据管道的声明式方式。您不必手动编写和调度转换逻辑，只需用 SQL 查询定义想要的结果，Snowflake 便会自动完成刷新，同时也无需管道编排。
Snowflake 动态表与传统 ETL 管道有何不同？
传统 ETL 管道需要自行实现编排、调度和增量逻辑。动态表只需用一条 SQL 定义就能化繁为简：由 Snowflake 判断哪些数据有变更，只刷新需要更新的部分。
动态表如何自动刷新，并让数据保持及时更新？
动态表将会采用用户定义的目标延迟，即从源数据发生变更到变更体现在表中，可接受的时间上限。 Snowflake 会持续监控上游数据，并自动触发增量刷新，使延迟保持在这一范围内。
什么是动态表中的目标延迟，它如何影响管道延迟？
目标延迟决定了数据需要多新鲜度。例如， TARGET_LAG = '1 minute' 表示上游发生变更后， Snowflake 会在一分钟内刷新该表。您也可以将其设为 DOWNSTREAM，让 Snowflake 根据依赖该表的下游对象来优化延迟。
如何在 Snowflake 中监控动态表管道并排查故障？
用 SHOW DYNAMIC TABLES 查看状态和延迟，并查询 Information Schema 中的 DYNAMIC_TABLE_REFRESH_HISTORY() 以获取刷新日志。Snowsight 还提供管道的可视化 DAG 视图，故障、瓶颈以及卡在 UPSTREAM_FAILED 状态的表都一目了然。
在构建数据管道方面，Snowflake 动态表与 dbt 相比如何？
dbt 与动态表相辅相成：dbt 擅长转换建模、测试、文档和血缘追踪，而动态表则提供自动化的增量刷新引擎，无需手动调度即可让数据保持及时更新。
从 dbt 1.12 版本起，您可以直接在 dbt 项目中将动态表用作原生物化类型。这样一来便能两全其美：在 Snowflake 自动化增量处理的基础上，叠加 dbt 的开发工作流、测试与文档能力。只需在模型配置中设置 materialized='dynamic_table' 及所需的 target_lag，dbt 就会为您创建并管理动态表，并且对于性能测试来说也很方便。
因此，对于已经在用 dbt 的团队来说，动态表是在 Snowflake 上构建增量管道的推荐方式。
