مفاهیم و معماری کلیدی

ابر داده Snowflake از یک پلت فرم داده پیشرفته ارائه شده به عنوان یک سرویس خود مدیریت شده بهره می برد. Snowflake امکان ذخیره سازی داده ها ، پردازش و راه حل های تحلیلی را که سریعتر ، آسان تر استفاده می شوند و به مراتب انعطاف پذیر تر از پیشنهادات سنتی امکان پذیر می کند.

پلت فرم داده Snowflake بر روی هیچ فناوری پایگاه داده موجود یا سیستم عامل های نرم افزاری "Big Data" مانند Hadoop ساخته نشده است. در عوض ، Snowflake یک موتور پرس و جو کاملاً جدید SQL را با یک معماری نوآورانه که به طور بومی برای ابر طراحی شده است ، ترکیب می کند. برای کاربر ، Snowflake تمام قابلیت های یک پایگاه داده تحلیلی سازمانی را به همراه بسیاری از ویژگی های ویژه اضافی و قابلیت های منحصر به فرد ارائه می دهد.

پلت فرم داده به عنوان یک سرویس خود مدیریت

Snowflake یک سرویس واقعی خود مدیریت است ، به این معنی:

• هیچ سخت افزاری (مجازی یا فیزیکی) برای انتخاب ، نصب ، پیکربندی یا مدیریت وجود ندارد.
• در واقع هیچ نرم افزاری برای نصب ، پیکربندی یا مدیریت وجود ندارد.
• تعمیر و نگهداری ، مدیریت ، به روزرسانی ها و تنظیمات مداوم توسط Snowflake انجام می شود.

Snowflake کاملاً روی زیرساخت های ابری اجرا می شود. کلیه مؤلفه های سرویس Snowflake (به غیر از مشتری های خط فرمان اختیاری ، درایورها و اتصالات) در زیرساخت های ابری عمومی اجرا می شوند.

Snowflake از نمونه های محاسباتی مجازی برای نیازهای محاسباتی خود و یک سرویس ذخیره سازی برای ذخیره مداوم داده ها استفاده می کند. Snowflake را نمی توان در زیرساخت های ابری خصوصی (در محل یا میزبان) اجرا کرد.

Snowflake یک نرم افزار بسته بندی شده نیست که توسط کاربر قابل نصب است. Snowflake تمام جنبه های نصب و به روزرسانی نرم افزار را مدیریت می کند.

معماری Snowflake معماری

معماری Snowflake ترکیبی از معماری های سنتی دیسک مشترک و مشترک و بدون هیچ چیز است. مشابه معماری های دیسک مشترک ، Snowflake از یک مخزن داده مرکزی برای داده های مداوم استفاده می کند که از همه گره های محاسباتی موجود در سیستم عامل قابل دسترسی است. اما مشابه معماری های مشترک و بدون هیچ چیز ، فرآیندهای برفی با استفاده از MPP (پردازش به طور موازی) خوشه هایی را محاسبه می کنند که در آن هر گره در خوشه بخشی از کل مجموعه داده ها را به صورت محلی ذخیره می کند. این رویکرد سادگی مدیریت داده ها از یک معماری مشترک دیسک را ارائه می دهد ، اما با عملکرد و مزایای مقیاس یک معماری مشترک و مشترک.

معماری منحصر به فرد Snowflake از سه لایه اصلی تشکیل شده است:

ذخیره سازی بانک اطلاعاتی

هنگامی که داده ها در Snowflake بارگذاری می شوند ، Snowflake این داده ها را در قالب ستون بهینه ، فشرده شده داخلی آن سازماندهی می کند. Snowflake این داده های بهینه شده را در ذخیره سازی ابری ذخیره می کند.

Snowflake تمام جنبه های نحوه ذخیره این داده ها را مدیریت می کند - سازمان ، اندازه پرونده ، ساختار ، فشرده سازی ، ابرداده ، آمار و سایر جنبه های ذخیره داده ها توسط برف برفی اداره می شود. اشیاء داده ذخیره شده توسط Snowflake به طور مستقیم قابل مشاهده نیستند و توسط مشتریان قابل دسترسی نیستند. آنها فقط از طریق عملیات پرس و جو SQL با استفاده از Snowflake قابل دسترسی هستند.

پردازش پرس و جو

اجرای پرس و جو در لایه پردازش انجام می شود. فرآیندهای برف با استفاده از "انبارهای مجازی" فرآیندهای برف را انجام می دهند. هر انبار مجازی یک خوشه محاسباتی MPP است که از گره های محاسباتی چندگانه تشکیل شده توسط Snowflake از یک ارائه دهنده ابر تشکیل شده است.

هر انبار مجازی یک خوشه محاسبات مستقل است که منابع محاسباتی را با سایر انبارهای مجازی به اشتراک نمی گذارد. در نتیجه ، هر انبار مجازی هیچ تاثیری در عملکرد سایر انبارهای مجازی ندارد.

برای اطلاعات بیشتر ، به انبارهای مجازی مراجعه کنید.

خدمات ابری

Cloud Services Layer مجموعه ای از خدمات است که فعالیت ها را در سراسر برف هماهنگ می کند. این سرویس ها برای پردازش درخواست های کاربر ، از ورود به سیستم تا اعزام ، همه مؤلفه های مختلف برف را به هم می پیوندند. لایه خدمات ابری همچنین به موارد محاسباتی ارائه شده توسط Snowflake از ارائه دهنده ابر اجرا می شود.

خدمات مدیریت شده در این لایه عبارتند از:

• احراز هویت
• مدیریت زیرساخت
• مدیریت ابرداده
• تجزیه و تحلیل تجزیه و بهینه سازی
• کنترل دسترسی

اتصال به Snowflake¶

Snowflake از چندین روش اتصال به سرویس پشتیبانی می کند:

• رابط کاربری مبتنی بر وب که از آن می توان به تمام جنبه های مدیریت و استفاده از Snowflake دسترسی پیدا کرد.
• مشتریان خط فرمان (به عنوان مثال SNOWSQL) که همچنین می تواند به تمام جنبه های مدیریت و استفاده از Snowflake دسترسی پیدا کند.
• درایورهای ODBC و JDBC که می توانند توسط سایر برنامه ها (به عنوان مثال Tableau) برای اتصال به Snowflake استفاده شوند.
• اتصالات بومی (به عنوان مثال پایتون ، جرقه) که می تواند برای توسعه برنامه های کاربردی برای اتصال به برف برفی استفاده شود.
• اتصالات شخص ثالث که می توانند برای اتصال برنامه های کاربردی مانند ابزارهای ETL (به عنوان مثال Informatica) و ابزارهای BI (به عنوان مثال ThoughtSpot) به برف برفی استفاده شوند.