Snowflake fügt neue Entwicklungs-Schnittstelle für maschinelles Lernen hinzu
Das Cloud-basierte Data-Warehouse-Unternehmen Snowflake hat eine neue Entwicklungsschnittstelle für maschinelles Lernen zu seiner Plattform hinzugefügt, zusammen mit anderen Updates für Entwickler, die auf dem laufenden Snowflake Summit angekündigt wurden.
Zu diesen Updates gehören die neue Schnittstelle namens Snowflake Notebooks, die Hinzufügung einer Pandas-API, neue Observability-Funktionen und die Integration des Native App Framework des Unternehmens mit den Snowpark Container Services.
Snowflake Notebooks, die sich derzeit in der öffentlichen Vorschau befinden, sind nativ in alle Teile der Snowflake-Plattform integriert, einschließlich Snowpark ML, Streamlit und Cortex. Es handelt sich um eine einzige Entwicklungsschnittstelle für Python, SQL und Markdown, die Entwickler zur Experimentierung und Iteration ihrer maschinellen Lern-Pipelines nutzen können, um AI-gestützte Bearbeitungsfunktionen zu nutzen und Daten-Engineering-Workflows zu vereinfachen, so das Unternehmen.
Derweil wird eine Snowpark Pandas-API es Python-Entwicklern ermöglichen, mit der vertrauten Syntax der Pandas Open-Source-Python-Bibliothek für das Laden, Manipulieren, Ausrichten, Zusammenführen und Visualisieren von Daten-Tabellen direkt in Python zu arbeiten. Die Pandas-API befindet sich derzeit in der öffentlichen Vorschau.
Updates für DevOps-Tools
Um bei DevOps zu helfen, hat Snowflake Funktionen wie Database Change Management hinzugefügt, um den gewünschten Zustand von Datenpipelines mit Infrastruktur-als-Code-Prinzipien zu definieren, anstatt komplexe Workflows zeilenweise zu skripten, sowie Git-Integration, um die Entwicklungszusammenarbeit über Teams hinweg zu ermöglichen und Bereitstellungen in verschiedenen Umgebungen zu optimieren. Beides befindet sich in der öffentlichen Vorschau.
Weitere DevOps-Updates umfassen die baldige allgemeine Verfügbarkeit der Python-API und des Snowflake CLI.
Snowflake fügt Observability-Funktionen über Trail hinzu
Das Unternehmen hat auch neue Observability-Funktionen in Form von Snowflake Trail hinzugefügt, die Einblick in Datenqualität, Pipelines und Anwendungen bieten und es Entwicklern ermöglichen, ihre Workflows zu überwachen, Fehler zu beheben und zu optimieren. Es ist nach OpenTelemetry-Standards aufgebaut, sodass Entwickler mit beliebten Observability- und Alarmplattformen wie Datadog, Grafana, Metaplane, PagerDuty und Slack integrieren können.
Zusätzlich bietet Snowflake eingebaute Telemetriesignale für Snowpark und Snowpark Container Services, die es Benutzern ermöglichen, Fehler mithilfe von Metriken, Logs und verteiltem Tracing einfach zu diagnostizieren und zu beheben, ohne manuell Agenten einrichten oder Daten übertragen zu müssen.
Um Anwendungen schneller zu erstellen, integriert das Unternehmen das Native App Framework in die Snowpark Container Services.
Fazit
Snowflake erweitert kontinuierlich seine Plattform, um Entwicklern leistungsstarke Tools und Funktionen für maschinelles Lernen und DevOps zu bieten. Mit der Einführung von Snowflake Notebooks, der Snowpark Pandas-API und neuen Observability-Funktionen wie Snowflake Trail zeigt das Unternehmen sein Engagement, die Datenverarbeitung und -analyse zu vereinfachen und zu optimieren. Diese Updates werden Entwicklern helfen, effizienter zu arbeiten und qualitativ hochwertige AI- und Datenlösungen zu entwickeln.
