Abfragen halbstrukturierter Daten

Automatisierung von Datenpipelines in Snowflake

Emily Melhuish

Technical Curriculum Developer, Snowflake

Laden halbstrukturierter Daten

¹ * Snowflake Lernmaterial

Unterschiedliche Datenschemata handhaben

Carrier A Carrier A JSON

Carrier B

Carrier B JSON

Transformationsbeispiel

Screenshot 2026-05-11 at 5.56.34 pm.png

Snowflake-Datentypen

Kategorie	Typen	Beispiel
Numerisch	NUMBER, INT, FLOAT	`credits_used NUMBER(10,2)`
Text	VARCHAR, STRING, TEXT	`carrier_name VARCHAR`
Datum/Zeit	DATE, TIME, TIMESTAMP	`dispatch_date DATE`
Boolean	BOOLEAN	`is_active BOOLEAN`
Halbstrukturiert	VARIANT, OBJECT, ARRAY	`event_payload VARIANT`

Der Typ VARIANT

VARIANT speichert halbstrukturierte Daten unverändert: kein Schema nötig
JSON, Parquet, Avro, ORC oder XML direkt laden
Struktur wird zur Abfragezeit aufgelöst, nicht beim Laden (Schema-on-Read)

COPY INTO shipment_events
FROM @harbr_stage/events/
FILE_FORMAT = (TYPE = 'JSON');

VARIANT-Wortwolke mit allen von VARIANT gehaltenen halbstrukturierten Typen: JSON, ARRAY, OBJECT, AVRO, PARQUET, SEMI-STRUCTURED

JSON navigieren

Beispiel-JSON

{
  "shipment_id": "SHP-001",
  "carrier": { "name": "FastFreight" },
  "stops": [
    { "location": "Rotterdam Port" },
    { "location": "Amsterdam Hub" }
  ]
}

JSON navigieren

Struktur durchlaufen:

<column>:<level1_element>.<level2_element>

SELECT 
event:id::STRING AS shipment_id
, event:carrier.name::STRING AS carrier
, event:stops[0]:location::STRING 
AS first_stop 
FROM shipment_events;

Arrays mit FLATTEN in Zeilen umwandeln

LATERAL FLATTEN verwenden

SELECT 
  s.event_data:shipment_id::STRING AS shipment_id,
  f.value:location::STRING AS stop,
  f.value:arrived_at::TIMESTAMP AS arrived_at 
FROM shipment_events s,
  LATERAL FLATTEN(input => s.event_data:stops) f;

Lass uns üben!

Automatisierung von Datenpipelines in Snowflake