{"id":169970,"date":"2026-01-28T12:43:53","date_gmt":"2026-01-28T11:43:53","guid":{"rendered":"https:\/\/liora.io\/de\/?p=169970"},"modified":"2026-02-06T04:38:06","modified_gmt":"2026-02-06T03:38:06","slug":"snowflake-alles-ueber-die-data-cloud-und-wie-man-sie-nutzt","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/snowflake-alles-ueber-die-data-cloud-und-wie-man-sie-nutzt","title":{"rendered":"Snowflake: Alles \u00fcber die \u201eData Cloud\u201c und wie man sie nutzt"},"content":{"rendered":"

Snowflake ist ein vollst\u00e4ndig auf der Cloud basierendes Data Warehouse. Erfahre alles, was du \u00fcber diese in der Data Science immer beliebter werdende Plattform wissen musst, und wie du in einer Snowflake-Schulung lernst, sie zu nutzen.<\/strong><\/p>\t\t\n\t\t

Im Zeitalter von Big Data<\/a> werden Data Warehouses immer h\u00e4ufiger eingesetzt. Diese hochparallelen SQL- oder NoSQL-Datenbanken<\/strong> wurden speziell f\u00fcr die Datenanalyse entwickelt.<\/p>

Sie erm\u00f6glichen es, Daten aus vielen verschiedenen Quellen<\/strong> zu importieren und zu analysieren. Die Idee von Snowflake ist es, ein Data Warehouse direkt in der Cloud anzubieten.<\/p>\t\t\n\t\t\t\n

Snowflake lernen<\/a><\/div><\/div>\n\n\t\t\t

Snowflake Cloud – Pr\u00e4sentation<\/h2>\t\t\n\t\thttps:\/\/www.youtube.com\/watch?v=xojAXXRo_S0

Snowflake<\/a> ist ein Data Warehouse<\/a>, das vollst\u00e4ndig und nativ f\u00fcr die Cloud entwickelt wurde. Es ist auf Amazon Web Services<\/a> und Microsoft Azure<\/a> verf\u00fcgbar.<\/p>

Es handelt sich um eine spaltenbasierte relationale Datenbank mit vektorisierter Ausf\u00fchrung.<\/strong> Mit anderen Worten: Sie kann selbst die anspruchsvollsten Datenanalyseaufgaben bew\u00e4ltigen.<\/p>

Ihre Architektur trennt die Berechnung von der Speicherung, so dass Skalierung jederzeit m\u00f6glich ist, auch wenn Abfragen ausgef\u00fchrt werden. Die Nutzer zahlen nur f\u00fcr die genutzte Rechenleistung.<\/p>

Dank seiner adaptiven Optimierungstechnologie<\/strong> erzielt Snowflake<\/strong> automatisch die bestm\u00f6gliche Leistung f\u00fcr jede Abfrage. Es besteht keine Notwendigkeit, die Konfigurationsparameter manuell zu verwalten.<\/p>

Dar\u00fcber hinaus erm\u00f6glicht seine gemeinsame Datenarchitektur mit mehreren Clustern einen unbegrenzten Wettbewerb. Das bedeutet, dass mehrere Rechencluster<\/strong> gleichzeitig mit denselben Daten arbeiten k\u00f6nnen, ohne die Leistung zu beeintr\u00e4chtigen. Die Funktion des virtuellen Multi-Cluster-Data-Warehouse<\/strong> erm\u00f6glicht es \u00fcbrigens, die Leistung automatisch an die Wettbewerbsanforderungen anzupassen.<\/p>\t\t\n\t\t\t

Snowflake Architektkur: Wie funktioniert sie?<\/h2>\t\t\n\t\t

Die Snowflake-Architektur ist unterteilt in virtuelle Recheninstanzen f\u00fcr das Computing und einen Speicherdienst f\u00fcr die Speicherung persistenter Date<\/em><\/p><\/blockquote>

Auf das zentrale Datenverzeichnis<\/a> kann von allen Rechenknoten des Data Warehouse aus zugegriffen werden. Au\u00dferdem wird die Datenverarbeitung von massiv-parallelen Rechenclustern<\/strong> \u00fcbernommen. Jeder Knoten im Cluster speichert einen Teil des Datensatzes lokal.<\/p>

Wenn Daten auf Snowflake geladen werden, werden sie in seinem komprimierten Spaltenformat reorganisiert. Auf die Daten kann mithilfe von SQL-Abfragen<\/strong> zugegriffen werden.<\/p>

Da es sich um eine 100%ige Cloud-Plattform handelt, ist es nicht m\u00f6glich, sie auf einer privaten Cloud-Infrastruktur vor Ort oder gehostet laufen zu lassen. Einer der Vorteile ist, dass keine Installation oder Konfiguration erforderlich ist. Die Wartung und die Einstellungen werden von Snowflake \u00fcbernommen.<\/p>

Verbindungen zu Snowflake k\u00f6nnen \u00fcber seine Webschnittstelle, \u00fcber das SnowSQL CLI, \u00fcber ODBC- und JDBC-Treiber<\/strong> von Anwendungen wie Tableau, \u00fcber native Konnektoren f\u00fcr Programmiersprachen oder \u00fcber Drittanbieter-Konnektoren von BI- und ETL-Tools hergestellt werden.<\/p>\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\n

Snowflake Fernkurs<\/a><\/div><\/div>\n\n\t\t\t

Snowflake Funktionen<\/h2>\t\t\n\t\t

Die Data Warehouse Cloud<\/strong> von Snowflake ist mit den meisten der in SQL:1999 definierten DDLs und DMLs<\/strong> und den analytischen Erweiterungen von SQL:2003 kompatibel. In Bezug auf die Konnektivit\u00e4t gibt es Konnektoren und Treiber f\u00fcr Python, Spark, Node.js, Go, .Net, JDBC, ODBC und die Open-Source-Erweiterung<\/strong> dplyr-snowflakedb.<\/p>

Virtuelle Warehouses k\u00f6nnen \u00fcber die GUI oder \u00fcber Befehlszeilen gesteuert werden. Sie k\u00f6nnen erstellt, in der Gr\u00f6\u00dfe ver\u00e4ndert, angehalten oder gel\u00f6scht werden. Die Gr\u00f6\u00dfen\u00e4nderung kann w\u00e4hrend der Ausf\u00fchrung einer Abfrage ohne Downtime durchgef\u00fchrt werden. Dies erweist sich als sehr praktisch, um eine Anfrage zu beschleunigen.<\/p>

Die Plattform ist mit einer Vielzahl von Daten- und Dateiformaten kompatibel. Es ist m\u00f6glich, komprimierte Dateien oder Formate wie JSON, Avro, ORC, Parquet und XML hochzuladen. S3-Datenquellen und lokale Dateien werden ebenfalls unterst\u00fctzt. Die Daten k\u00f6nnen auf sichere Weise mit anderen Snowflake-Konten<\/strong> geteilt werden.<\/p>

Die Sicherheitsfunktionen variieren je nach Edition. Die Standard Edition bietet automatische Verschl\u00fcsselung aller Daten, Multi-Faktor-Authentifizierung und Single Sign-On.<\/strong><\/p>

Bei der Enterprise Edition kommt das regelm\u00e4\u00dfige „Re-Keying“ verschl\u00fcsselter Daten hinzu. Die Enterprise Edition for Sensitive Data f\u00fcgt HIPAA- und PCI DSS-Kompatibilit\u00e4t<\/strong> hinzu. Du kannst auch ausw\u00e4hlen, wo die Daten gespeichert werden, um die Einhaltung der DSGVO zu erleichtern.<\/p>\t\t\n\t\t\t

Snowflake Vorteile<\/h2>\t\t\n\t\t

In der Vergangenheit wurden die Daten von den Unternehmen lokal gespeichert. Data Engineers und Analysten betrieben Open-Source-Software wie Apache Hadoop f\u00fcr die Datenspeicherung und -analyse.<\/p>

Es gibt jedoch nur wenige Data Engineers, die ein solches System entwickeln und pflegen k\u00f6nnen. Mit seinem Data Warehouse als SaaS (Software as a Cloud Service)<\/strong> schafft Snowflake Abhilfe f\u00fcr diesen Mangel.<\/p>

Die Nutzer m\u00fcssen sich weder um physische oder virtuelle Hardware k\u00fcmmern, noch m\u00fcssen sie Software installieren. Die Updates und die Wartung werden von den Snowflake-Teams \u00fcbernommen.<\/p>

Diese L\u00f6sung ist au\u00dferdem schneller, benutzerfreundlicher und flexibler als herk\u00f6mmliche Data Warehouses. Au\u00dferdem basiert diese Plattform nicht auf einer bereits existierenden Softwareplattform wie Hadoop.<\/p>

Sie basiert auf einer brandneuen SQL-Datenbank-<\/a>Engine, die von Snowflake mit einer f\u00fcr die Cloud entwickelten Architektur erstellt wurde. So kann jeder Softwareingenieur mit SQL-Kenntnissen Snowflake<\/strong> verstehen und nutzen.<\/p>\t\t\n\t\t\t\n

Data Engineer Fernkurs<\/a><\/div><\/div>\n\n\t\t\t

Konkurrenz & Alternativen zu Snowflake<\/h2>\t\t\n\t\t

Zu den Hauptkonkurrenten von Snowflake geh\u00f6ren Amazon Redshift, Google BigQuery und Microsoft Azure SQL Data Warehouse<\/strong>. Dabei handelt es sich um die Data Warehouse-Angebote der drei gr\u00f6\u00dften Cloud-Anbieter.<\/p>

Zu ihren weiteren Rivalen geh\u00f6ren auch Teradata, Oracle Exadata, MarkLogic und SAP BW\/4HANA.<\/strong> Diese L\u00f6sungen k\u00f6nnen in der Cloud, aber auch vor Ort installiert werden.<\/p>

 <\/p>\t\t\n\t\t\t

Benutzung von Snowflake<\/h2>\t\t\n\t\t

Snowflake<\/strong> bietet viele Vorteile, aber seine Nutzung kann sich als kompliziert erweisen. Aus diesem Grund bietet die Firma mehrere Tutorials und Videos an, die Dir helfen, die Plattform zu beherrschen. Einige sind allgemein gehalten und richten sich an Anf\u00e4nger, andere bieten die M\u00f6glichkeit, spezifische Funktionen genauer zu entdecken.<\/p>

Du kannst dich auch f\u00fcr eine Snowflake-Schulung entscheiden. Liora bietet dir die M\u00f6glichkeit, das Cloud Data Warehouse<\/strong> durch unseren Machine Learning Engineer-Kurs<\/a> und unseren Data Engineer-Kurs<\/a> zu beherrschen.<\/p> \t\t\n\t\t\t\n

Machine Learning Engineer Fernkurs<\/a><\/div><\/div>\n\n\t\t\t

Was unterscheidet Snowflake von der Konkurrenz ?<\/h2>\t\t\n\t\t

Es gab Zeiten, in denen der Kaufpreis f\u00fcr einen Kabelfernsehdienst bedeutete, dass Infrastruktur und Inhalte in einem einzigen Angebot enthalten waren. Heute sind diese Elemente getrennt und die Nutzer haben mehr Kontrolle dar\u00fcber, was sie nutzen und wie sie daf\u00fcr bezahlen.<\/p>

Die Architektur von Snowflake<\/strong> erm\u00f6glicht eine \u00e4hnliche Flexibilit\u00e4t bei Big Data. Dieses Cloud-Computing-Tool<\/strong> trennt Speicher- und Rechenfunktionen, was bedeutet, dass Unternehmen, die einen hohen Speicherbedarf haben, aber weniger CPU-Zyklen ben\u00f6tigen, oder umgekehrt, nicht f\u00fcr ein integriertes Paket zahlen m\u00fcssen, bei dem sie f\u00fcr beides bezahlen m\u00fcssen.<\/p>

Dieses Unterscheidungsmerkmal ist einer der Faktoren, die es den Mitbegr\u00fcndern (Marcin Zukowski, Beno\u00eet Dageville und Thierry Cruanes) erm\u00f6glicht haben, mehreren Organisationen Millionen von Dollar einzusparen und gleichzeitig ihr Start-up seit der Finanzierungsrunde im Februar 2020<\/strong> auf heute zweistellige Milliardenbetr\u00e4ge zu bewerten.<\/p>

Die Nutzer k\u00f6nnen ihre Kapazit\u00e4t je nach Bedarf erh\u00f6hen oder verringern und zahlen nur f\u00fcr die so ben\u00f6tigte Arbeitslast bei Snowflake.<\/p>

Die Nutzung wird in gespeicherten Terabytes pro Monat abgerechnet. Und die Berechnung wird pro Sekunde abgerechnet. Im Grunde besteht die Snowflake-Architektur aus drei Schichten, von denen jede unabh\u00e4ngig skalierbar ist:<\/p>

  1. Speicher<\/li>
  2. Berechnung<\/li>
  3. und Dienste.<\/li><\/ol>\t\t\n\t\t\t

    Datenspeicherschicht<\/h3>\t\t\n\t\t

    Die Speicherschicht der Datenbank<\/a> enth\u00e4lt alle in Snowflake geladenen Daten, einschlie\u00dflich strukturierter und halbstrukturierter Daten. Snowflake bietet eine automatische Verwaltung der Speicheraufgaben, die von der Organisation der Daten \u00fcber die Strukturierung<\/strong> bis hin zur Komprimierung reichen. Au\u00dferdem ist der Betrieb dieser Datenspeicherungsschicht v\u00f6llig unabh\u00e4ngig von dem der Rechenschicht.<\/p>\t\t\n\t\t\t

    Berechnungsschicht<\/h3>\t\t\n\t\t

    Die Rechenschicht besteht aus virtuellen Warehouses,<\/a> die die f\u00fcr die Abfragen notwendigen Datenverarbeitungsaufgaben ausf\u00fchren. Jedes virtuelle Warehouse (oder Cluster) kann auf alle Daten in der Speicherschicht zugreifen und dann unabh\u00e4ngig arbeiten, so dass die Warehouses die Rechenressourcen nicht teilen oder um sie konkurrieren. Dies erm\u00f6glicht eine automatische Skalierung ohne Unterbrechung, was bedeutet, dass sich die Rechenressourcen<\/strong> w\u00e4hrend der Ausf\u00fchrung von Abfragen \u00e4ndern oder nicht \u00e4ndern und daher keine Neuverteilung oder Neuabstimmung der Daten in der Datenspeicherschicht erforderlich ist.<\/p>\t\t\n\t\t\t

    Cloudschicht<\/h3>\t\t\n\t\t

    Die Schicht der Cloud-Dienste verwendet ANSI SQL<\/strong> und koordiniert das gesamte System. Sie macht eine manuelle Verwaltung und Anpassung des Data Warehouse<\/a> \u00fcberfl\u00fcssig. Zu den Diensten dieser Schicht geh\u00f6ren Authentifizierung, Infrastruktur- und Metadatenverwaltung, Analyse und Optimierung von Abfragen sowie Zugriffskontrolle.<\/p>\t\t\n\t\t\t\n

    Machine Learning Fernkurs<\/a><\/div><\/div>\n\n\t\t

    Du wei\u00dft jetzt einiges \u00fcber Snowflake. Schau dir unser komplettes Dossier \u00fcber Docker<\/a> an, ein weiteres Schl\u00fcsselwerkzeug f\u00fcr Big Data.<\/p>","protected":false},"excerpt":{"rendered":"

    Snowflake ist ein vollst\u00e4ndig auf der Cloud basierendes Data Warehouse. Erfahre alles, was du \u00fcber diese in der Data Science immer beliebter werdende Plattform wissen musst, und wie du in einer Snowflake-Schulung lernst, sie zu nutzen.<\/p>\n","protected":false},"author":47,"featured_media":169971,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2472],"class_list":["post-169970","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ki"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/169970","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/47"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=169970"}],"version-history":[{"count":3,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/169970\/revisions"}],"predecessor-version":[{"id":216539,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/169970\/revisions\/216539"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/169971"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=169970"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=169970"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}