Dynamiska tabeller

Automatisering av datapipelines i Snowflake

Emily Melhuish

Technical Curriculum Developer, Snowflake

Dynamiska tabeller vs. strömmar och uppgifter

Dynamiska tabeller:

Screenshot 2026-05-11 at 11.14.23 am.png

Förenklar datatransformationer med deklarativa SQL-satser
Automatisk uppdateringsprocess
Snowflake identifierar, schemalägger och sammanfogar

Strömmar och uppgifter:

Screenshot 2026-05-11 at 11.14.13 am.png

¹ * Snowflake Learning Material

Vad är dynamiska tabeller?

Deklarativ pipelineautomatisering

Innehållet definieras av en SELECT-fråga — beskriv resultatet, Snowflake hanterar uppdateringen
Ingen strömkonfiguration, inga uppgifter att schemalägga

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: Minska inaktuell data

Fräschhetskontraktet mellan dig och Snowflake

TARGET_LAG-värde	Effekt
`'5 minutes'`	Tabellen är aldrig mer än 5 minuter gammal — uppdateras ofta
`'1 hour'`	Uppdateras mer sällan — lägre beräkningsförbrukning
`DOWNSTREAM`	Lag härledas från nedströms beroenden — idealiskt för kedjade tabeller

Full vs. inkrementell uppdatering

Inkrementell uppdatering

Spårar exakt vilka källrader som ändrats
Uppdaterar bara berörda rader — snabbare och billigare i stor skala

-- Incremental-friendly: 
SELECT region, COUNT(*) AS shipments
FROM logistics.shipments 
GROUP BY region;

Full uppdatering

Bearbetar hela frågan på nytt
Krävs för vissa aggregeringar och mängdoperationer

Kedja dynamiska tabeller

Pipelinediagram — delivery_events (källa) → cleaned_events (target_lag = DOWNSTREAM) → delivery_summary (target_lag = 1 HOUR)

Varje transformation är en separat dynamisk tabell med en egen fråga
Uppdateringar sprids automatiskt längs kedjan
DOWNSTREAM-lag anpassas efter nästa tabells behov — undviker onödiga uppdateringar

Dynamiska tabeller vs. strömmar och uppgifter

Dynamiska tabeller: deklarativa

Beskriv utdata; Snowflake hanterar uppdatering, enkelt att förvalta
Bäst för analys- och rapporteringslager

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

Strömmar + uppgifter: imperativa

Styr vad som körs och när
Bäst för komplex anpassad logik och operationella pipelines

-- You control every step
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

Låt oss öva!

Automatisering av datapipelines i Snowflake