如何在雪花上构建成功的数据应用程序2020年1月16日|3分钟读取作者：雪花杖现在是构建SaaS数据应用程序的最佳时机。国际数据公司（IDC）表示，大数据和业务分析解决方案将在未来三年内实现两位数的年增长，到2022年，BDA全球收入将达到2743亿美元。但要想成功，这些应用程序必须能够快速、方便地接收和分析大量数据云构建的数据平台为数据应用程序提供了开发基础设施，以处理现代客户需求。如今，许多数据应用程序都是建立在传统数据栈上的，包括传统的内部部署和"云清洗"数据仓库。这些都缺乏使现代应用程序成功的属性。雪花云数据平台提供了开发和扩展现代数据应用程序所需的堆栈。雪花是建立在云端之上的，它提供了一些基本的好处，当你检查它的体系结构、部署和操作时，这些好处就显而易见了如果您希望在雪花云数据平台上构建您的数据应用程序，以下是三种最佳实践，它们将帮助您提供卓越的客户体验，同时保证为您自己的有机增长提供正确的框架和支持。按服务或功能选择战略虚拟仓库大小在设置和自定义雪花解决方案时，请根据使用需求为您的工作负载专用单独的雪花虚拟仓库（计算集群）。这种做法通过将适当大小的计算资源分配给特定的服务、特性或工作负载，有助于降低计算使用率。例如，您可能会发现中型虚拟仓库（每小时4个学分）和小型虚拟仓库（每小时两个学分）更符合应用程序的需要，而不是使用大型虚拟仓库（每小时8个学分）。这种策略每小时可节省两个学分，而不会牺牲性能。而且，对于那些需要大量一次性分析的情况，您可以在不影响其他查询的单独大小的仓库上运行查询。如果工作量是固定的，那么使用最大的仓库大小通常是有意义的。查询性能趋向于线性扩展，因此大型仓库最终将提供更快的分析，其成本与较小的仓库相同，后者需要更多的时间。调整最小和最大集群数量以匹配预期的工作负载选择一个仓库大小（小、中、大），为每个运行的单个查询提供足够的性能，请记住，给定的仓库大小可以使单个查询的运行速度是其下方的两倍，并且每个额外的集群都允许仓库并行运行更多的查询，以提高并发性。然后，为了最大限度地提高性能和降低成本，必须根据您期望的工作负载的相应并发吞吐量来调整虚拟仓库的最小和最大集群数量。请记住，随着工作负载的减少，一次只关闭一个集群，因此您只需为任何给定时刻所需的资源付费。这种雪花策略提供了一致的性能，而不考虑查询的数量。将工作负载定向到正确的服务如果您从多个源接收多种类型的数据，那么必须认识到您的数据需要什么，并设置您的体系结构以支持针对最有意义的技术的单独工作负载。例如，您可能希望近乎实时地处理某些流数据并对其采取行动，而其他数据类型可能不需要立即关注，而是应该直接发送到存储中，以便将来进行复杂的分析分段。通过尽早将这些功能构建到您的体系结构中，您可以加快管理数据的能力，并准确地获得所需位置的快速洞察。使用Snowflake，每一块数据都可以发送到两个地方，这使得立即处理和存储变得很容易，并且可以轻松地处理非结构化数据，而不必将模式强加给客户。这些只是一些最佳实践，它们将使您能够在雪花云数据平台上开发现代数据应用程序。有关更多最佳实践，请下载我们的电子书《在雪花上构建数据应用程序的7个最佳实践》。 就像你读的？通过喜欢和分享来表达你的感激之情！Facebook推特LinkedIn