Tabelas Dinâmicas

Automação de Pipelines de Dados no Snowflake

Emily Melhuish

Technical Curriculum Developer, Snowflake

Tabelas Dinâmicas vs Streams e Tasks

Tabelas dinâmicas:

Captura de tela 11/05/2026 às 11:14:23

Simplificam transformações do pipeline com SQL declarativo
Processo de refresh automático
Snowflake detecta, agenda e faz merge

Streams e tasks:

Captura de tela 11/05/2026 às 11:14:13

¹ * Snowflake Learning Material

O que são Tabelas Dinâmicas?

Automação declarativa de pipeline

Conteúdo definido por uma query SELECT — descreva o resultado; a Snowflake cuida do refresh
Sem configurar streams, sem tasks para agendar

CREATE DYNAMIC TABLE logistics.delivery_summary
  TARGET_LAG = '1 hour'
  WAREHOUSE = harbr_wh
AS
  SELECT region, COUNT(*) AS shipments,
         AVG(delivery_days) AS avg_days
  FROM logistics.shipments GROUP BY region;

TARGET_LAG: Reduza a defasagem

O contrato de frescor entre você e a Snowflake

Valor de TARGET_LAG	Efeito
`'5 minutes'`	Tabela nunca fica mais de 5 min defasada — atualiza com frequência
`'1 hour'`	Atualiza menos — menor consumo de compute
`DOWNSTREAM`	Infere do dependente a jusante — ideal para tabelas encadeadas

Refresh completo vs incremental

Refresh incremental

Rastreia exatamente quais linhas de origem mudaram
Atualiza só as linhas afetadas — mais rápido e barato em escala

-- Compatível com incremental: 
SELECT region, COUNT(*) AS shipments
FROM logistics.shipments 
GROUP BY region;

Refresh completo

Reprocessa a query inteira
Necessário para certas agregações e operações de conjunto

Encadeando Tabelas Dinâmicas

Diagrama do pipeline — delivery_events (origem) → cleaned_events (target_lag = DOWNSTREAM) → delivery_summary (target_lag = 1 HOUR)

Cada transformação é uma tabela dinâmica com sua própria query
Atualizações se propagam automaticamente na cadeia
Lag DOWNSTREAM segue a próxima tabela — evita atualizar em excesso

Tabelas Dinâmicas vs Streams e Tasks

Tabelas dinâmicas: declarativas

Descreva o resultado; a Snowflake gerencia o refresh, fácil de manter
Melhor para camadas de analytics/relatórios

-- Declare o resultado para a Snowflake 
CREATE DYNAMIC TABLE logistics.summary
  TARGET_LAG = '1 hour' 
  WAREHOUSE = harbr_wh
AS SELECT region, COUNT(*) 
FROM shipments 
GROUP BY 1;

Streams + Tasks: imperativas

Controle o que roda e quando
Melhor para lógica complexa ramificada e pipelines operacionais

-- Você controla cada etapa
CREATE TASK process_events 
  SCHEDULE = '5 MINUTE'
  WHEN SYSTEM$STREAM_HAS_DATA
  ('events_stream')
AS CALL logistics.process_new_events();

DYNAMIC_TABLE_REFRESH_HISTORY

SELECT name, state, refresh_start_time, refresh_end_time
FROM TABLE (
    INFORMATION_SCHEMA.DYNAMIC_TABLE_REFRESH_HISTORY (
      NAME_PREFIX => 'HARBR_DB.DELIVERY_SUMMARY.', ERROR_ONLY => TRUE
    )
  )
ORDER BY name, data_timestamp;

NAME	TRIGGER	STATE	START	END
DELIVERY_SUMMARY	SCHEDULED	SUCCEEDED	2026-03-01 05:00:00	2024-03-01 05:00:08
DELIVERY_SUMMARY	SCHEDULED	FAILED	2026-03-01 04:00:00	2024-03-01 04:00:03

Vamos praticar!

Automação de Pipelines de Dados no Snowflake