Erläuterung
Die Fehlermeldung "Funktion hat die falsche Anzahl von Zeilen erhalten" wird dadurch verursacht, dass die Rückmeldung nicht die gleiche Anzahl von Zeilen liefert, die sie erhalten hat. Externe Funktionen erfordern, dass der Remote-Dienst genau eine Zeile für jede Eingabezeile zurückgibt, die er von Snowflake erhält. Wenn der Remote-Dienst mehr oder weniger Zeilen als erwartet zurückgibt, löst Snowflake einen Fehler aus und bricht die Ausführung der Funktion ab. Die anderen Optionen sind keine Ursache für diese Fehlermeldung. Option A ist falsch, da externe Funktionen mehrere Zeilen unterstützen, solange sie mit den Eingabezeilen übereinstimmen. Option B ist falsch, da verschachtelte Arrays in der JSON-Antwort unterstützt werden, solange sie mit der Rückgabetypdefinition der externen Funktion übereinstimmen. Option C ist nicht korrekt, da das vom Remote-Dienst zurückgegebene JSON zwar korrekt aufgebaut sein kann, aber dennoch eine andere Anzahl von Zeilen als erwartet liefert.

Erläuterung
Die empfohlene Methode zur Übernahme von Rechnungsdaten im PDF-Format in Snowflake besteht darin, eine benutzerdefinierte Java-Funktion (UDF) zu erstellen, die Java-basierte PDF-Parser-Bibliotheken nutzt, um PDF-Daten in strukturierte Daten umzuwandeln. Diese Option bietet mehr Flexibilität und Kontrolle darüber, wie die PDF-Daten extrahiert und umgewandelt werden. Die anderen Optionen eignen sich nicht für die Übernahme von PDF-Daten in Snowflake. Die Optionen A und B sind falsch, da Snowpipe und die COPY INTO-Befehle nur Dateien in unterstützten Dateiformaten wie CSV, JSON, XML usw. einlesen können. PDF-Dateien werden von Snowflake nicht unterstützt und führen zu Fehlern oder unerwarteten Ergebnissen.
Option C ist falsch, da externe Tabellen nur Dateien abfragen können, die auch in unterstützten Dateiformaten vorliegen.
PDF-Dateien können von externen Tabellen nicht geparst werden und führen zu Fehlern oder unerwarteten Ergebnissen.

Erläuterung
Intern bereitgestellte Dateien überwachen
Snowflake verwaltet detaillierte Metadaten für jede in die interne Phase hochgeladene Datei (für Benutzer, Tabellen und Phasen), einschließlich:
Name der Datei
Dateigröße (komprimiert, wenn die Komprimierung beim Hochladen angegeben wurde)
LAST_MODIFIED-Datum, d. h. der Zeitstempel, an dem die Datendatei ursprünglich bereitgestellt oder zuletzt geändert wurde, je nachdem, was später eintritt. Außerdem speichert Snowflake historische Daten für COPY INTO-Befehle, die innerhalb der letzten 14 Tage ausgeführt wurden. Die Metadaten können zur Überwachung und Verwaltung des Ladevorgangs verwendet werden, einschließlich des Löschens von Dateien nach Abschluss des Uploads:
Verwenden Sie den Befehl LIST, um den Status von Datendateien, die bereitgestellt wurden, anzuzeigen.
Überwachen Sie den Status der einzelnen COPY INTO <table> auf der Registerkarte Verlauf der klassischen Weboberfläche.
Verwenden Sie die Funktion VALIDATE, um die geladenen Datendateien zu überprüfen und eventuelle Fehler, die während des Ladevorgangs aufgetreten sind, abzurufen.
Verwenden Sie die Ansicht LOAD_HISTORY Information Schema, um die Historie der Daten abzurufen, die mit dem Befehl COPY INTO in Tabellen geladen wurden.

Erläuterung
Die Funktion TABLE mit der Funktion FLATTEN wird verwendet, um halbstrukturierte Daten, wie JSON oder XML, in ein relationales Format zu konvertieren. Die TABLE-Funktion gibt einen Tabellenausdruck zurück, der in der FROM-Klausel einer Abfrage verwendet werden kann. Die TABLE-Funktion mit der FLATTEN-Funktion erfordert eine andere Quelle in der FROM-Klausel, auf die verwiesen werden soll, z. B. eine Tabelle, Ansicht oder Unterabfrage, die die halbstrukturierten Daten enthält. Zum Beispiel:
SELECT t.wert:stadt::string AS stadt, f.wert AS bevölkerung FROM städte t, TABLE(FLATTEN(input => t.wert:bevölkerung)) f; In diesem Beispiel bezieht sich die Funktion TABLE mit der Funktion FLATTEN auf die Tabelle städte in der FROM-Klausel, die JSON-Daten in einer Variant-Spalte namens wert enthält. Die Funktion FLATTEN glättet das Array population in jedem JSON-Objekt und gibt einen Tabellenausdruck mit zwei Spalten zurück: key und value.
Die Abfrage wählt dann die Stadt- und Bevölkerungswerte aus dem Tabellenausdruck aus.

Erläuterung
Ein Stream-Objekt zeichnet DML-Änderungen (Data Manipulation Language) an Tabellen auf, einschließlich Einfügungen, Aktualisierungen und Löschungen, sowie Metadaten zu jeder Änderung, so dass Aktionen unter Verwendung der geänderten Daten durchgeführt werden können. Dieser Prozess wird als Änderungsdatenerfassung (CDC) bezeichnet. Ein einzelner Tabellenstrom verfolgt die Änderungen, die an Zeilen in einer Quelltabelle vorgenommen wurden. Ein Tabellen-Stream (auch einfach "Stream" genannt) stellt eine "Änderungstabelle" mit den Änderungen auf Zeilenebene zwischen zwei Zeitpunkten in einer Tabelle zur Verfügung. Dies ermöglicht die Abfrage und den Konsum einer Folge von Änderungsdatensätzen in einer transaktionalen Weise.
Streams können erstellt werden, um Änderungsdaten zu den folgenden Objekten abzufragen:
Standardtische, einschließlich gemeinsam genutzter Tische.
Ansichten, einschließlich sicherer Ansichten
Verzeichnis-Tabellen
Externe Tabellen
Bei der Erstellung nimmt ein Stream logischerweise einen anfänglichen Schnappschuss von jeder Zeile im Quellobjekt (z. B. Tabelle, externe Tabelle oder die zugrunde liegenden Tabellen für einen View) auf, indem ein Zeitpunkt (Offset genannt) als die aktuelle Transaktionsversion des Objekts initialisiert wird. Das vom Stream verwendete Änderungsverfolgungssystem zeichnet dann Informationen über die DML-Änderungen auf, nachdem dieser Snapshot erstellt wurde. Änderungsaufzeichnungen geben den Zustand einer Zeile vor und nach der Änderung an. Die Änderungsinformationen spiegeln die Spaltenstruktur des verfolgten Quellobjekts wider und enthalten zusätzliche Metadatenspalten, die jedes Änderungsereignis beschreiben.
Beachten Sie, dass ein Stream selbst keine Tabellendaten enthält. Ein Stream speichert nur einen Offset für das Quellobjekt und gibt CDC-Datensätze zurück, indem er den Versionsverlauf für das Quellobjekt nutzt. Wenn der erste Stream für eine Tabelle erstellt wird, wird ein Paar versteckter Spalten zur Quelltabelle hinzugefügt und beginnt mit der Speicherung von Metadaten zur Änderungsverfolgung. Diese Spalten verbrauchen eine geringe Menge an Speicherplatz. Die CDC-Datensätze, die bei der Abfrage eines Streams zurückgegeben werden, beruhen auf einer Kombination aus dem im Stream gespeicherten Offset und den in der Tabelle gespeicherten Metadaten für die Änderungsverfolgung. Beachten Sie, dass für Streams auf Views die Änderungsverfolgung explizit für den View und die zugrunde liegenden Tabellen aktiviert werden muss, um die versteckten Spalten zu diesen Tabellen hinzuzufügen.
Streams auf Ansichten unterstützen sowohl lokale Ansichten als auch Ansichten, die mit Snowflake Secure Data Sharing freigegeben wurden, einschließlich sicherer Ansichten. Derzeit können Streams keine Änderungen in materialisierten Ansichten verfolgen.
Ansichten mit den folgenden Operationen werden noch nicht unterstützt:
GROUP BY-Klauseln
QUALIFY-Klauseln
Unterabfragen, die nicht in der FROM-Klausel enthalten sind
Korrelierte Unterabfragen
LIMIT-Klauseln
Verfolgung von Änderungen:
Die Änderungsverfolgung muss in den zugrunde liegenden Tabellen aktiviert sein.
Bevor Sie einen Stream für eine Ansicht erstellen, müssen Sie die Änderungsverfolgung für die zugrunde liegenden Tabellen der Ansicht aktivieren.
Setzen Sie den Parameter CHANGE_TRACKING bei der Erstellung eines Views (mit CREATE VIEW) oder später (mit ALTER VIEW).
Alternativ zu Streams unterstützt Snowflake die Abfrage von Änderungsverfolgungs-Metadaten für Tabellen oder Ansichten mithilfe der CHANGES-Klausel für SELECT-Anweisungen. Die CHANGES-Klausel ermöglicht die Abfrage von Änderungsverfolgungs-Metadaten zwischen zwei Zeitpunkten, ohne dass ein Stream mit einem expliziten Transaktions-Offset erstellt werden muss.

Erläuterung
UDFs können skalar oder tabellarisch sein.
Eine Skalarfunktion gibt eine Ausgabezeile für jede Eingabezeile zurück. Die zurückgegebene Zeile besteht aus einer einzigen Spalte/einem einzigen Wert.
Eine tabellarische Funktion, auch Tabellenfunktion genannt, gibt für jede Eingabezeile null, eine oder mehrere Zeilen zurück. Eine tabellarische UDF wird definiert, indem eine Rückgabeklausel angegeben wird, die das Schlüsselwort TABLE enthält und die Namen und Datentypen der Spalten in den Tabellenergebnissen angibt. Tabellarische UDFs werden oft als UDTFs (user-defined table functions) oder Tabellen-UDFs bezeichnet.

Erläuterung
Bei Verwendung der Funktionen CURRENT_ROLE und CURRENT_USER mit sicheren Ansichten, die für andere Snowflake-Konten freigegeben werden, gibt Snowflake einen NULL-Wert für diese Funktionen zurück. Der Grund dafür ist, dass der Eigentümer der freigegebenen Daten normalerweise nicht die Benutzer oder Rollen in dem Konto kontrolliert, für das die Ansicht freigegeben wird.

Erläuterung
Der empfohlene Ansatz zur Maximierung der Leistung dieser Abfrage, wenn das Profil Datenverluste aufweist, besteht darin, die Größe des Warehouse zu erhöhen. Data Spillage tritt auf, wenn die Abfrage mehr Speicher benötigt, als das Warehouse zur Verfügung stellen kann, und einige Zwischenergebnisse auf die Festplatte ausgelagert werden müssen. Dies kann die Abfrageleistung beeinträchtigen, da sich die Festplatten-IO-Zeit erhöht. Durch eine Erhöhung der Warehouse-Größe kann der für die Abfrage verfügbare Speicherplatz vergrößert und das Überlaufen von Daten verringert oder beseitigt werden.

Erläuterung
Die Merkmale der Snowpark Python-Pakete sind:
Pakete von Drittanbietern können mit der Methode session.import() als Abhängigkeit für die Snowpark-Sitzung registriert werden.
Der SQL-Befehl DESCRIBE FUNCTION listet die importierten Python-Pakete der Python User-Defined Function (UDF) auf.
Die Abfrage von information_schema.packages liefert eine Liste der unterstützten Python-Pakete und -Versionen.
Diese Merkmale geben an, wie Snowpark-Python-Pakete in Snowflake importiert, inspiziert und überprüft werden können. Die anderen Optionen sind keine Merkmale von Snowpark-Python-Paketen. Option B ist falsch, da Python-Pakete mit Snowpark sowohl in lokalen als auch in entfernten Umgebungen geladen werden können. Option C ist falsch, da unterstützte Python-Pakete von Drittanbietern nicht gesperrt werden, um zu verhindern, dass sie auf externe Endpunkte treffen, sondern durch Netzwerkrichtlinien und Sicherheitseinstellungen eingeschränkt werden.

Erläuterung
Für das Datenladen von Dateien mit Trennzeichen (CSV, TSV usw.) ist der Standardzeichensatz UTF-8. Um andere Zeichensätze zu verwenden, müssen Sie explizit die Kodierung angeben, die für das Laden verwendet werden soll.
Für halbstrukturierte Dateiformate (JSON, Avro, usw.) wird nur der Zeichensatz UTF-8 unterstützt.
Der Rest der Aussagen ist richtig.

Erläuterung
Eine Stufe gibt an, wo Datendateien gespeichert werden (d. h. "gestaged"), damit die Daten in den Dateien in eine Tabelle geladen werden können.
Arten von internen Phasen
Benutzer-Stufen
Tabelle Etappen
Benannte Etappen
Standardmäßig wird jedem Benutzer und jeder Tabelle in Snowflake automatisch eine interne Stufe für die Bereitstellung der zu ladenden Datendateien zugewiesen. Darüber hinaus können Sie benannte interne Stages erstellen.
Bei beiden Schritten des Datenladevorgangs werden Informationen über die Bereitstellung von Dateien benötigt:
Beim Hochladen von Dateien in Snowflake müssen Sie im PUT-Befehl eine interne Stufe angeben.
Sie müssen die gleiche Stufe in der COPY INTO <table> beim Laden von Daten in eine Tabelle aus den Staged Files.
Überlegen Sie, welche Art von Bühne für bestimmte Dateien am besten geeignet ist. Jede Option bietet Vorteile und potenzielle Nachteile.
Benutzer-Stufen
Jedem Benutzer ist standardmäßig eine Snowflake-Stage für die Speicherung von Dateien zugewiesen. Diese Stufe ist eine praktische Option, wenn nur ein einziger Benutzer Zugriff auf Ihre Dateien hat, diese aber in mehrere Tabellen kopiert werden müssen.
Die Benutzerstufen haben die folgenden Merkmale und Einschränkungen:
Auf Benutzerstufen wird mit @~ verwiesen; verwenden Sie z. B. LIST @~, um die Dateien in einer Benutzerstufe aufzulisten.
Im Gegensatz zu benannten Stufen können Benutzerstufen nicht geändert oder gelöscht werden.
In Benutzerstufen können keine Dateiformatoptionen festgelegt werden. Stattdessen müssen Sie das Dateiformat und die Kopieroptionen als Teil des Befehls COPY INTO <table> Befehl.
Diese Option ist nicht geeignet, wenn:
Mehrere Benutzer benötigen Zugriff auf die Dateien.
Der aktuelle Benutzer hat keine INSERT-Rechte für die Tabellen, in die die Daten geladen werden sollen.
Tabelle Etappen
Jeder Tabelle ist standardmäßig eine Snowflake-Stage zum Speichern von Dateien zugewiesen. Diese Stufe ist eine praktische Option, wenn Ihre Dateien für mehrere Benutzer zugänglich sein sollen und nur in eine einzige Tabelle kopiert werden müssen.
Tischstufen haben die folgenden Merkmale und Einschränkungen:
Tabellenstufen haben den gleichen Namen wie die Tabelle; z. B. hat eine Tabelle namens mytable eine Stufe, die als
@%mytable.
Im Gegensatz zu benannten Stufen können Tabellenstufen nicht geändert oder gelöscht werden.
Tabellenstufen unterstützen nicht die Umwandlung von Daten während des Ladens (d.h. die Verwendung einer Abfrage als Quelle für den COPY-Befehl).
Beachten Sie, dass eine Tabellenstufe kein separates Datenbankobjekt ist, sondern eine implizite Stufe, die an die Tabelle selbst gebunden ist. Eine Tabellenstufe hat keine eigenen Rechte, die gewährt werden können. Um Dateien auf einer Tabellenstufe bereitzustellen, die Dateien aufzulisten, sie auf der Stufe abzufragen oder sie zu löschen, müssen Sie der Tabellenbesitzer sein (die Rolle mit dem OWNERSHIP-Recht auf der Tabelle haben).
Diese Option ist nicht geeignet, wenn Sie die Daten in den Dateien in mehrere Tabellen kopieren müssen.
Benannte Etappen
Benannte Stufen sind Datenbankobjekte, die den größten Grad an Flexibilität beim Laden von Daten bieten:
Benutzer mit den entsprechenden Berechtigungen auf der Bühne können Daten in jede Tabelle laden.
Da die Stufe ein Datenbankobjekt ist, gelten die Sicherheits-/Zugriffsregeln, die für alle Objekte gelten. Die Berechtigungen zur Nutzung einer Stufe können von Rollen gewährt oder entzogen werden. Darüber hinaus kann das Eigentum an der Stufe auf eine andere Rolle übertragen werden.
Wenn Sie vorhaben, Datendateien bereitzustellen, die nur von Ihnen geladen werden oder nur in eine einzige Tabelle geladen werden, sollten Sie entweder Ihre Benutzerstufe oder die Stufe für die Tabelle verwenden, in die Sie die Daten laden wollen.
Benannte Stufen sind optional, werden aber empfohlen, wenn Sie regelmäßige Datenladungen planen, die mehrere Benutzer und/oder Tabellen umfassen können.