AI 资源库 · 已整理 2 项

Snowflake

查看与Snowflake相关的 AI 资讯、工具、Skill、工作流和开源项目。

Dynatrace 正式发布端到端 Snowflake 可观测性功能

Dynatrace 宣布其 Snowflake 可观测性功能正式可用。此前,企业用 Snowflake 做数据分析、数据管线和 AI 工作负载时,成本、性能、安全、运维和数据质量的信息分散在不同工具里,出问题常要人工在 Snowflake、监控工具和表格之间来回切换拼凑原因。现在,团队通过 Dynatrace 的 Data Observability 应用就能统一查看这五方面情况:它带引导式接入、自动采集遥测,并预置 14 个仪表盘,接上就能用,不用从空白画布搭起。对读者的用处是:更容易在用户抱怨前发现性能瓶颈、在账单飙升前发现仓库消耗异常、在数据变旧或结构被改时及早察觉,从而减少依赖这些数据的 AI 应用出错。该功能由开源项目 Dynatrace Snowflake Observability Agent 支撑,偏好自行部署的团队仍可用开源版本。

文中可用工具

  • Dynatrace Snowflake Observability统一查看 Snowflake 的成本、性能、安全、运维和数据质量
  • Dynatrace Data Observability app提供引导式接入和预置仪表盘的入口应用
  • Dynatrace Snowflake Observability Agent (DSOA)开源代理,负责采集 Snowflake 遥测数据并支撑仪表盘
☆ 收藏查看来源 ↗

监控仓库数据质量不能只看管道健康

销售副总裁让一个连着 Snowflake 的 AI 智能体查上季度收入,结果数字不对。检查发现管道任务全部按时跑完、日志也没报错,但底层表已经连续好几天少了约 22% 的行,还有三个关键字段几乎一半是空的,全程没有任何告警,等发现时报表和决策已经受影响。这篇文章讲的是:管道跑成功不代表表里的数据是对的,还要直接对表本身做检查,比如数据是否按时刷新、行数是否异常变化、字段空值或分布是否漂移、有没有重复记录,并用管道信息帮忙定位是源头、调度还是转换逻辑出的问题。这样能更早发现“管道正常但数据悄悄变坏”的情况,避免拿错数据做决策。

文中可用工具

提供的材料未提及具体可用工具。

☆ 收藏查看来源 ↗