Interogarea datelor semi-structurate

Automatizarea pipeline-urilor de date în Snowflake

Emily Melhuish

Technical Curriculum Developer, Snowflake

Încărcarea datelor semi-structurate

data loading.png

¹ * Snowflake Learning Material

Gestionarea structurilor de date diferite

Transportator A JSON Transportator A

Transportator B

JSON Transportator B

Exemplu de transformare

Screenshot 2026-05-11 at 5.56.34 pm.png

Tipuri de date Snowflake

Categorie	Tipuri	Exemplu
Numeric	NUMBER, INT, FLOAT	`credits_used NUMBER(10,2)`
Text	VARCHAR, STRING, TEXT	`carrier_name VARCHAR`
Dată / Oră	DATE, TIME, TIMESTAMP	`dispatch_date DATE`
Boolean	BOOLEAN	`is_active BOOLEAN`
Semi-structurat	VARIANT, OBJECT, ARRAY	`event_payload VARIANT`

Tipul VARIANT

VARIANT stochează date semi-structurate ca atare: nu necesită schemă
Încărcați direct JSON, Parquet, Avro, ORC sau XML
Structura este rezolvată la momentul interogării, nu la încărcare (schema-on-read)

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

Nor de cuvinte VARIANT cu toate tipurile de date semi-structurate pe care le stochează: JSON, ARRAY, OBJECT, AVRO, PARQUET, SEMI-STRUCTURED

Navigarea în JSON

Exemplu JSON

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

Navigarea în JSON

Traversarea structurii:

<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;

Transformarea array-urilor în rânduri cu FLATTEN

Utilizarea LATERAL FLATTEN

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;

Să exersăm!

Automatizarea pipeline-urilor de date în Snowflake