Frosty Friday
Snowflake Weekly Challenges
Dopo il lancio a Parigi della versione francese dei FrostyFriday() abbiamo delle novità per voi! Al Data Cloud World Tour di Madrid lanciamo la nostra versione spagnola!
Per festeggiare ecco una sfida spagnola!
Puoi accedere ai dati a questo link:
s3://frostyfridaychallenges/challenge_68/Il tuo compito è di ricreare quanto segue in SiS (Streamlit in Snowflake):
Nell’oscurità delle cripte infestate di Snowflake, una funzione misteriosa si nasconde nell’ombra in attesa di essere evocata durante questa vigilia di Ognissanti.
Questo arcano incantesimo permette alle anime coraggiose di confrontare i sussurri delle corde e di individuare magicamente le loro inquietanti somiglianze. Con l’avvicinarsi dell’ora delle streghe, potresti evocare questa funzione spettrale per decifrare quali incantesimi si allineano di più nelle loro inquietanti armonie. Attenzione però perché solo coloro che sono veramente esperti delle arti oscure riusciranno a padroneggiare questa sfida! 🎃👻
Codice di preparazione
CREATE OR REPLACE TABLE sentence_comparison(sentence_1 VARCHAR, sentence_2 VARCHAR);INSERT INTO sentence_comparison (sentence_1, sentence_2) VALUES
('The cat sat on the', 'The cat sat on thee'),
('Rainbows appear after rain', 'Rainbows appears after rain'),
('She loves chocolate chip cookies', 'She love chocolate chip cookies'),
('Birds fly high in the', 'Birds flies high in the'),
('The sun sets in the', 'The sun set in the'),
('I really like that song', 'I really liked that song'),
('Dogs are truly best friends', 'Dogs are truly best friend'),
('Books are a source of', 'Book are a source of'),
('The moon shines at night', 'The moons shine at night'),
('Walking is good for health', 'Walking is good for the health'),
('Children love to play', 'Children love to play'),
('Music is a universal language', 'Music is a universal language'),
('Winter is coming soon', 'Winter is coming soon'),
('Happiness is a choice', 'Happiness is a choice'),
('Travel broadens the mind', 'Travel broadens the mind'),
('Dogs are our closest companions', 'Cats are solitary creatures'),
('Books are portals to new worlds', 'Movies depict various realities'),
('The moon shines brightly at night', 'The sun blazes hotly at noon'),
('Walking is beneficial for health', 'Running can be hard on knees'),
('Children love to play outside', 'Children love to play'),
('Music transcends cultural boundaries', 'Music is a universal language'),
('Winter is cold and snowy', 'Winter is coming soon'),
('Happiness comes from within', 'Happiness is a choice'),
('Traveling opens up perspectives', 'Travel broadens the mind');I fantasmi del codice ti chiedono di svelare quali sono le frasi con punteggi che superano l’agghiacciante 90!
Il risultato atteso:
La sfida di oggi è stata creata dal nostro ospite Marcel Schwarze!
Un’attività tipica durante l’ottimizzazione della performance e dei costi è identificare i modelli di query comuni ed eseguiti in modo intensivo e il tentativo di ottimizzarli in un secondo momento. Questa sfida riguarda proprio questo: identificare i modelli di query eseguiti frequentemente in combinazione con i tempi di esecuzioni associati. Le seguenti queries, che devono essere eseguite come parte del codice preparativo della sfida, forniscono un esempio di quello che è considerato come “query che seguono lo stesso modello”. Nello scenario corrente, le queries con lo stesso modello hanno lo stesso script e solo i valori dei parametri utilizzati nelle clausole WHERE possono differire (vedi gli esempi).
Il tuo compito è: completare il seguente SQL statement per identificare le query che seguono lo stesso modello (come da definizione o seguendo gli esempi menzionati). Inoltre, devi contare la frequenza di esecuzione per modello e sommare il tempo di esecuzione. Per ogni gruppo mostra una query di esempio. Segue nell’immagine il risultato atteso.
Codice di configurazione
ALTER SESSION SET query_tag = 'ff_challenge';
/* Random queries without common pattern */
SELECT * FROM SNOWFLAKE_SAMPLE_DATA.TPCH_SF1.CUSTOMER;
SELECT COUNT(*) FROM SNOWFLAKE_SAMPLE_DATA.TPCH_SF1.CUSTOMER WHERE C_NATIONKEY = 15;
SELECT C_NAME FROM SNOWFLAKE_SAMPLE_DATA.TPCH_SF1.CUSTOMER WHERE C_PHONE = '19-144-468-5416';
/* First set of queries following the same pattern. Pattern = All columns from customers with one WHERE-condition for C_MKTSEGMENT. */
SELECT * FROM SNOWFLAKE_SAMPLE_DATA.TPCH_SF1.CUSTOMER WHERE C_MKTSEGMENT = 'BUILDING';
SELECT * FROM SNOWFLAKE_SAMPLE_DATA.TPCH_SF1.CUSTOMER WHERE C_MKTSEGMENT = 'AUTOMOBILE';
SELECT * FROM SNOWFLAKE_SAMPLE_DATA.TPCH_SF1.CUSTOMER WHERE C_MKTSEGMENT = 'MACHINERY';
SELECT * FROM SNOWFLAKE_SAMPLE_DATA.TPCH_SF1.CUSTOMER WHERE C_MKTSEGMENT = 'HOUSEHOLD';
SELECT * FROM SNOWFLAKE_SAMPLE_DATA.TPCH_SF1.CUSTOMER WHERE C_MKTSEGMENT = 'BUILDING';
SELECT * FROM SNOWFLAKE_SAMPLE_DATA.TPCH_SF1.CUSTOMER WHERE C_MKTSEGMENT = 'BUILDING';
/*Second set of queries following the same pattern. Pattern= C_NAME and C_NATIONKEY from customers with two WHERE-conditions for C_MKTSEGMENT and C_NATIONKEY. */
SELECT C_NAME, C_NATIONKEY FROM SNOWFLAKE_SAMPLE_DATA.TPCH_SF1.CUSTOMER WHERE C_MKTSEGMENT = 'BUILDING' AND C_NATIONKEY = 21;
SELECT C_NAME, C_NATIONKEY FROM SNOWFLAKE_SAMPLE_DATA.TPCH_SF1.CUSTOMER WHERE C_MKTSEGMENT = 'MACHINERY' AND C_NATIONKEY = 9;Ecco la query da completare:
select ...
from table(information_schema.query_history())
where query_tag = 'ff_challenge' and query_text NOT ILIKE '%information_schema%'
group by ...
order by ... ;Il risultato atteso:
Commenta con il link di GitHub con la tua soluzione!
In uno scenario di BI, gli array di multiinsiemi possono essere utili per rappresentare e analizzare dati con più valori per un singolo attributo. Gli array di multiset possono essere particolarmente importanti in scenari in cui si hanno dati multivalore o gerarchici. Qui ci occupiamo di un caso d’uso comune, ovvero la gestione delle categorie di prodotti, dove un prodotto può appartenere a più categorie.
Codice preparativo
-- Create the Sales table
CREATE OR REPLACE TABLE Sales (
Sale_ID INT PRIMARY KEY,
Product_IDs VARIANT --INT
);
-- Inserting sample sales data
INSERT INTO Sales (Sale_ID, Product_IDs) SELECT 1, PARSE_JSON('[1, 3]');-- Products A and C in the same sale
INSERT INTO Sales (Sale_ID, Product_IDs) SELECT 2, PARSE_JSON('[2, 4]');-- Products B and D in the same sale
-- Create the Products table
CREATE OR REPLACE TABLE Products (
Product_ID INT PRIMARY KEY,
Product_Name VARCHAR,
Product_Categories VARIANT --VARCHAR
);
-- Inserting sample data into Products
INSERT INTO Products (Product_ID, Product_Name, Product_Categories) SELECT 1, 'Product A', ARRAY_CONSTRUCT('Electronics', 'Gadgets');
INSERT INTO Products (Product_ID, Product_Name, Product_Categories) SELECT 2, 'Product B', ARRAY_CONSTRUCT('Clothing', 'Accessories');
INSERT INTO Products (Product_ID, Product_Name, Product_Categories) SELECT 3, 'Product C', ARRAY_CONSTRUCT('Electronics', 'Appliances');
INSERT INTO Products (Product_ID, Product_Name, Product_Categories) SELECT 4, 'Product D', ARRAY_CONSTRUCT('Clothing');
Utilizzando le tabelle appena create, come possiamo trovare categorie comuni tra i prodotti venduti insieme in una singola transazione come nell’esempio riportato di seguito?
Questa settimana esamineremo una nuova funzionalità di Snowflake: EXECUTE IMMEDIATE.
Prendi il seguente codice SQL:
CREATE TABLE week72_employees (
employeeid int,
firstname string,
lastname string,
dateofbirth date,
position string
);Crea uno stage esterno nella seguente location:
s3://frostyfridaychallengesEsegui immediatamente (Execute immediate) da comando e i dati che otterrai dovrebbero essere simili alla tabella sotto:
Ricordati che per partecipare devi:
Abbiamo ricevuto il messaggio che alcuni dei nostri DBA non riescono a capire bene la struttura interna della nostra FakeCompany Inc. Proviamo ad aiutarli!
Per aiutarci in questo, stiamo lanciando una nuova sfida! Il tuo compito sarà quello di creare una tabella di riferimento che raccoglie tutti i dati essenziali della struttura del nostro database interno.
Cosa devi fare:
Esamina l’immagine sottostante con la tabella attesa: L’immagine di riferimento (sotto) delinea il formato di base e le informazioni che la tabella dovrebbe contenere.
Crea una tabella simile: Sviluppa una tabella che rispecchi la struttura mostrata nell’immagine. Assicurati che la tua tabella sia adattata per riflettere l’architettura del nostro database (architettura specifica di FakeCompany Inc.).
Codice da eseguire utile per questa sfida:
Codice di preparazione
CREATE OR REPLACE table departments (department_name varchar, department_ID int, head_department_ID int);
INSERT INTO departments (department_name, department_ID, head_department_ID) VALUES
('Research & Development', 1, NULL),
-- The Research & Development department is the top level.
('Product Development', 11, 1),
('Software Design', 111, 11),
('Product Testing', 112, 11),
('Human Resources', 2, 1),
('Recruitment', 21, 2),
('Employee Relations', 22, 2);Ricordati che per partecipare devi:
Essere un cattivo è già abbastanza difficile così com’è e i problemi relativi ai dati non sono solo un problema per i buoni. I cattivi hanno molte spese generali e molte informazioni di cui tener traccia e Evil Inc. Corporation ha iniziato ad utilizzare Snowflake per le sue esigenze.
Tuttavia, tu hai notato che la parte più importante delle tue superarmi da cattivo è trapelata: la parola d’ordine!
Fortunatamente hai impostato un tag per consentire di tener traccia di chi ha avuto accesso a quali informazioni.
La tua sfida è capire chi ha avuto accesso ai dati contrassegnati con il tag “Level Super Secret A+++++++”.
Dal momento che potrebbe essere eccessivamente difficile creare utenti per accedere ai dati, utilizzeremo i ruoli invece che gli utenti.
Quello che segue è un codice preliminare che vorremo tu eseguissi prima di iniziare la sfida. Tieni presente che l’aggiornamento dell’account_usage richiede almeno due ore, quindi ti suggeriamo di eseguire il codice seguente e poi tornare alla sfida almeno un paio d’ore dopo.
Se vuoi creare un nuovo database e un nuovo schema per questa sfida:
-- Create Database
create or replace database FF_WEEK_7; create or replace warehouse compute_wh with warehouse_size='X-SMALL';
use database FF_WEEK_7;
-- Create Schemas
create schema super_weapons;
create schema super_monsters;
create schema super_villains;
-- Create Tables and Mock data
create or replace table super_villains.villain_information ( id INT, first_name VARCHAR(50), last_name VARCHAR(50), email VARCHAR(50), Alter_Ego VARCHAR(50) );
insert into super_villains.villain_information (id, first_name, last_name, email, Alter_Ego) values
(1, 'Chrissy', 'Riches', 'criches0@ning.com', 'Waterbuck, defassa');
insert into super_villains.villain_information (id, first_name, last_name, email, Alter_Ego) values (2, 'Libbie', 'Fargher', 'lfargher1@vistaprint.com', 'Ibis, puna');
insert into super_villains.villain_information (id, first_name, last_name, email, Alter_Ego) values (3, 'Becka', 'Attack', 'battack2@altervista.org', 'Falcon, prairie');
insert into super_villains.villain_information (id, first_name, last_name, email, Alter_Ego) values (4, 'Euphemia', 'Whale', 'ewhale3@mozilla.org', 'Egyptian goose');
insert into super_villains.villain_information (id, first_name, last_name, email, Alter_Ego) values (5, 'Dixie', 'Bemlott', 'dbemlott4@moonfruit.com', 'Eagle, long-crested hawk');
insert into super_villains.villain_information (id, first_name, last_name, email, Alter_Ego) values (6, 'Giffard', 'Prendergast', 'gprendergast5@odnoklassniki.ru', 'Armadillo, seven-banded');
insert into super_villains.villain_information (id, first_name, last_name, email, Alter_Ego) values (7, 'Esmaria', 'Anthonies', 'eanthonies6@biblegateway.com', 'Cat, european wild');
insert into super_villains.villain_information (id, first_name, last_name, email, Alter_Ego) values (8, 'Celine', 'Fotitt', 'cfotitt7@baidu.com', 'Clark''s nutcracker');
insert into super_villains.villain_information (id, first_name, last_name, email, Alter_Ego) values (9, 'Leopold', 'Axton', 'laxton8@mac.com', 'Defassa waterbuck');
insert into super_villains.villain_information (id, first_name, last_name, email, Alter_Ego) values (10, 'Tadeas', 'Thorouggood', 'tthorouggood9@va.gov', 'Armadillo, nine-banded');
create or replace table super_monsters.monster_information ( id INT, monster VARCHAR(50), hideout_location VARCHAR(50) );
insert into super_monsters.monster_information (id, monster, hideout_location) values (1, 'Northern elephant seal', 'Huangban');
insert into super_monsters.monster_information (id, monster, hideout_location) values (2, 'Paddy heron (unidentified)', 'Várzea Paulista');
insert into super_monsters.monster_information (id, monster, hideout_location) values (3, 'Australian brush turkey', 'Adelaide Mail Centre');
insert into super_monsters.monster_information (id, monster, hideout_location) values (4, 'Gecko, tokay', 'Tafí Viejo');
insert into super_monsters.monster_information (id, monster, hideout_location) values (5, 'Robin, white-throated', 'Turośń Kościelna');
insert into super_monsters.monster_information (id, monster, hideout_location) values (6, 'Goose, andean', 'Berezovo');
insert into super_monsters.monster_information (id, monster, hideout_location) values (7, 'Puku', 'Mayskiy');
insert into super_monsters.monster_information (id, monster, hideout_location) values (8, 'Frilled lizard', 'Fort Lauderdale');
insert into super_monsters.monster_information (id, monster, hideout_location) values (9, 'Yellow-necked spurfowl', 'Sezemice'); insert into super_monsters.monster_information (id, monster, hideout_location) values (10, 'Agouti', 'Najd al Jumā‘ī');
create table super_weapons.weapon_storage_location ( id INT, created_by VARCHAR(50), location VARCHAR(50), catch_phrase VARCHAR(50), weapon VARCHAR(50) );
insert into super_weapons.weapon_storage_location (id, created_by, location, catch_phrase, weapon) values (1, 'Ullrich-Gerhold', 'Mazatenango', 'Assimilated object-oriented extranet', 'Fintone');
insert into super_weapons.weapon_storage_location (id, created_by, location, catch_phrase, weapon) values (2, 'Olson-Lindgren', 'Dvorichna', 'Switchable demand-driven knowledge user', 'Andalax');
insert into super_weapons.weapon_storage_location (id, created_by, location, catch_phrase, weapon) values (3, 'Rodriguez, Flatley and Fritsch', 'Palmira', 'Persevering directional encoding', 'Toughjoyfax');
insert into super_weapons.weapon_storage_location (id, created_by, location, catch_phrase, weapon) values (4, 'Conn-Douglas', 'Rukem', 'Robust tangible Graphical User Interface', 'Flowdesk'); insert into super_weapons.weapon_storage_location (id, created_by, location, catch_phrase, weapon) values (5, 'Huel, Hettinger and Terry', 'Bulawin', 'Multi-channelled radical knowledge user', 'Y-Solowarm');
insert into super_weapons.weapon_storage_location (id, created_by, location, catch_phrase, weapon) values (6, 'Torphy, Ritchie and Lakin', 'Wang Sai Phun', 'Self-enabling client-driven project', 'Alphazap');
insert into super_weapons.weapon_storage_location (id, created_by, location, catch_phrase, weapon) values (7, 'Carroll and Sons', 'Digne-les-Bains', 'Profound radical benchmark', 'Stronghold');
insert into super_weapons.weapon_storage_location (id, created_by, location, catch_phrase, weapon) values (8, 'Hane, Breitenberg and Schoen', 'Huangbu', 'Function-based client-server encoding', 'Asoka');
insert into super_weapons.weapon_storage_location (id, created_by, location, catch_phrase, weapon) values (9, 'Ledner and Sons', 'Bukal Sur', 'Visionary eco-centric budgetary management', 'Ronstring');
insert into super_weapons.weapon_storage_location (id, created_by, location, catch_phrase, weapon) values (10, 'Will-Thiel', 'Zafar', 'Robust even-keeled algorithm', 'Tin');
--Create Tags
create or replace tag security_class comment = 'sensitive data'; --Apply tags alter table super_villains.villain_information set tag security_class = 'Level Super Secret A+++++++';
alter table super_monsters.monster_information set tag security_class = 'Level B';
alter table super_weapons.weapon_storage_location set tag security_class = 'Level Super Secret A+++++++';
--Create Roles create role user1; create role user2; create role user3;
--Assign Roles to yourself with all needed privileges
grant role user1 to role accountadmin; grant USAGE on warehouse compute_wh to role user1;
grant usage on database ff_week_7 to role user1;
grant usage on all schemas in database ff_week_7 to role user1;
grant select on all tables in database ff_week_7 to role user1;
grant role user2 to role accountadmin;
grant USAGE on warehouse compute_wh to role user2;
grant usage on database ff_week_7 to role user2;
grant usage on all schemas in database ff_week_7 to role user2;
grant select on all tables in database ff_week_7 to role user2;
grant role user3 to role accountadmin; grant USAGE on warehouse compute_wh to role user3;
grant usage on database ff_week_7 to role user3;
grant usage on all schemas in database ff_week_7 to role user3;
grant select on all tables in database ff_week_7 to role user3;
--Queries to build history
use role user1;
use database FF_WEEK_7;
select * from super_villains.villain_information; use role user2; use database FF_WEEK_7; select * from super_monsters.monster_information;
use role user3;
use database FF_WEEK_7;
select * from super_weapons.weapon_storage_location; Se non vuoi creare un nuovo database/schemi per questa sfida:
USE WAREHOUSE <enter_wh_here>;
USE DATABASE <enter_db_here>;
USE SCHEMA <enter_schema_here>;
create or replace table week7_villain_information (
id INT,
first_name VARCHAR(50),
last_name VARCHAR(50),
email VARCHAR(50),
Alter_Ego VARCHAR(50)
);
insert into week7_villain_information (id, first_name, last_name, email, Alter_Ego) values (1, 'Chrissy', 'Riches', 'criches0@ning.com', 'Waterbuck, defassa');
insert into week7_villain_information (id, first_name, last_name, email, Alter_Ego) values (2, 'Libbie', 'Fargher', 'lfargher1@vistaprint.com', 'Ibis, puna');
insert into week7_villain_information (id, first_name, last_name, email, Alter_Ego) values (3, 'Becka', 'Attack', 'battack2@altervista.org', 'Falcon, prairie');
insert into week7_villain_information (id, first_name, last_name, email, Alter_Ego) values (4, 'Euphemia', 'Whale', 'ewhale3@mozilla.org', 'Egyptian goose');
insert into week7_villain_information (id, first_name, last_name, email, Alter_Ego) values (5, 'Dixie', 'Bemlott', 'dbemlott4@moonfruit.com', 'Eagle, long-crested hawk');
insert into week7_villain_information (id, first_name, last_name, email, Alter_Ego) values (6, 'Giffard', 'Prendergast', 'gprendergast5@odnoklassniki.ru', 'Armadillo, seven-banded');
insert into week7_villain_information (id, first_name, last_name, email, Alter_Ego) values (7, 'Esmaria', 'Anthonies', 'eanthonies6@biblegateway.com', 'Cat, european wild');
insert into week7_villain_information (id, first_name, last_name, email, Alter_Ego) values (8, 'Celine', 'Fotitt', 'cfotitt7@baidu.com', 'Clark''s nutcracker');
insert into week7_villain_information (id, first_name, last_name, email, Alter_Ego) values (9, 'Leopold', 'Axton', 'laxton8@mac.com', 'Defassa waterbuck');
insert into week7_villain_information (id, first_name, last_name, email, Alter_Ego) values (10, 'Tadeas', 'Thorouggood', 'tthorouggood9@va.gov', 'Armadillo, nine-banded');
create or replace table week7_monster_information (
id INT,
monster VARCHAR(50),
hideout_location VARCHAR(50)
);
insert into week7_monster_information (id, monster, hideout_location) values (1, 'Northern elephant seal', 'Huangban');
insert into week7_monster_information (id, monster, hideout_location) values (2, 'Paddy heron (unidentified)', 'Várzea Paulista');
insert into week7_monster_information (id, monster, hideout_location) values (3, 'Australian brush turkey', 'Adelaide Mail Centre');
insert into week7_monster_information (id, monster, hideout_location) values (4, 'Gecko, tokay', 'Tafí Viejo');
insert into week7_monster_information (id, monster, hideout_location) values (5, 'Robin, white-throated', 'Turośń Kościelna');
insert into week7_monster_information (id, monster, hideout_location) values (6, 'Goose, andean', 'Berezovo');
insert into week7_monster_information (id, monster, hideout_location) values (7, 'Puku', 'Mayskiy');
insert into week7_monster_information (id, monster, hideout_location) values (8, 'Frilled lizard', 'Fort Lauderdale');
insert into week7_monster_information (id, monster, hideout_location) values (9, 'Yellow-necked spurfowl', 'Sezemice');
insert into week7_monster_information (id, monster, hideout_location) values (10, 'Agouti', 'Najd al Jumā‘ī');
create table week7_weapon_storage_location (
id INT,
created_by VARCHAR(50),
location VARCHAR(50),
catch_phrase VARCHAR(50),
weapon VARCHAR(50)
);
insert into week7_weapon_storage_location (id, created_by, location, catch_phrase, weapon)
values (1, 'Ullrich-Gerhold', 'Mazatenango', 'Assimilated object-oriented extranet', 'Fintone');
insert into week7_weapon_storage_location (id, created_by, location, catch_phrase, weapon)
values (2, 'Olson-Lindgren', 'Dvorichna', 'Switchable demand-driven knowledge user', 'Andalax');
insert into week7_weapon_storage_location (id, created_by, location, catch_phrase, weapon)
values (3, 'Rodriguez, Flatley and Fritsch', 'Palmira', 'Persevering directional encoding', 'Toughjoyfax');
insert into week7_weapon_storage_location (id, created_by, location, catch_phrase, weapon)
values (4, 'Conn-Douglas', 'Rukem', 'Robust tangible Graphical User Interface', 'Flowdesk');
insert into week7_weapon_storage_location (id, created_by, location, catch_phrase, weapon)
values (5, 'Huel, Hettinger and Terry', 'Bulawin', 'Multi-channelled radical knowledge user', 'Y-Solowarm');
insert into week7_weapon_storage_location (id, created_by, location, catch_phrase, weapon)
values (6, 'Torphy, Ritchie and Lakin', 'Wang Sai Phun', 'Self-enabling client-driven project', 'Alphazap');
insert into week7_weapon_storage_location (id, created_by, location, catch_phrase, weapon)
values (7, 'Carroll and Sons', 'Digne-les-Bains', 'Profound radical benchmark', 'Stronghold');
insert into week7_weapon_storage_location (id, created_by, location, catch_phrase, weapon)
values (8, 'Hane, Breitenberg and Schoen', 'Huangbu', 'Function-based client-server encoding', 'Asoka');
insert into week7_weapon_storage_location (id, created_by, location, catch_phrase, weapon)
values (9, 'Ledner and Sons', 'Bukal Sur', 'Visionary eco-centric budgetary management', 'Ronstring');
insert into week7_weapon_storage_location (id, created_by, location, catch_phrase, weapon)
values (10, 'Will-Thiel', 'Zafar', 'Robust even-keeled algorithm', 'Tin');
--Create Tags
create or replace tag security_class comment = 'sensitive data';
--Apply tags
alter table week7_villain_information set tag security_class = 'Level Super Secret A+++++++';
alter table week7_monster_information set tag security_class = 'Level B';
alter table week7_weapon_storage_location set tag security_class = 'Level Super Secret A+++++++';
--Create Roles
create role user1;
create role user2;
create role user3;
--Assign Roles to yourself with all needed privileges
grant role user1 to role accountadmin;
grant USAGE on warehouse <enter_wh_here> to role user1;
grant usage on database <enter_db_here> to role user1;
grant usage on all schemas in database <enter_db_here> to role user1;
grant select on all tables in database <enter_db_here> to role user1;
grant role user2 to role accountadmin;
grant USAGE on warehouse <enter_wh_here> to role user2;
grant usage on database <enter_db_here> to role user2;
grant usage on all schemas in database <enter_db_here> to role user2;
grant select on all tables in database <enter_db_here> to role user2;
grant role user3 to role accountadmin;
grant USAGE on warehouse <enter_wh_here> to role user3;
grant usage on database <enter_db_here> to role user3;
grant usage on all schemas in database <enter_db_here> to role user3;
grant select on all tables in database <enter_db_here> to role user3;
--Queries to build history
use role user1;
select * from week7_villain_information;
use role user2;
select * from week7_monster_information;
use role user3;
select * from week7_weapon_storage_location;Risultato atteso:
Ricordati che per partecipare devi:
Questa settimana ci concentreremo sulle funzioni spaziali. Frosty Lobbing sta pensando di sostenere alcuni candidati alle prossime elezioni generali nel Regno Unito. Ciò di cui hanno bisogno è di capire la distribuzione geografica dei candidati per nazione o regione del Regno Unito.
Il tuo obiettivo è di costruire sia le nazione/regioni che i seggi parlamentari in poligoni e, quindi calcolare quanti seggi di Westminster si intersecano con i poligoni regionali.
Stai attentə perché alcuni seggi potrebbero trovarsi in due regioni diverse, altri invece potrebbero non trovarsi in nessuna di queste (l’Irlanda del Nord non è inclusa nei dati che ti forniamo) e alcuni potrebbero essere semplicemente strani.
Da notare: all’interno dei dati, la colonna “PART” è un numero intero assegnato a ciascuna massa continentale che costituisce quella regione/nazione/circoscrizione elettorale – ad esempio – l’Isola di Mull potrebbe essere “part 34” della Scozia e “part 12” del collegio elettorale di Argyll e Bute.
Puoi trovare i dati delle nazioni e sulle regioni qui e i dati sulla circoscrizione elettorale di Westminster qui.
Fonte: ONS, Open Geography Portal.
Risultato finale:
| NATION_OR_REGION | INTERSECTING_CONSTITUENCIES |
|---|---|
| South East | 116 |
| North West | 95 |
| London | 91 |
| East of England | 82 |
| West Midlands | 80 |
| East Midlands | 78 |
| Yorkshire and The Humber | 76 |
| South West | 70 |
| Scotland | 63 |
| Wales | 52 |
| North East | 33 |
Ricordati che per partecipare devi:
Se hai qualsiasi domanda tecnica che desideri porre alla community, puoi chiedere qui nel nostro thread dedicato.
Questa settimana utilizzeremo una funzionalità che, rispetto a quando scriviamo, è piuttosto recente: Python in Snowflake.
Per iniziare, crea una semplice tabella con una singola colonna con un numero, la dimensione e il valore dipendono da te.
Poi inizieremo con una funziona molto semplice: moltiplicare i valori che hai inserito nella tabella per 3.
La sfida qui non è “costruire una difficilissima funzione in Python” ma costruire e usare una funzione di Python e usarla in Snowflake.
Possiamo testare il codice con un semplice SELECT statement:
SELECT timesthree(start_int)
FROM FF_week_5Ricordati che per partecipare devi:
Se hai qualsiasi domanda tecnica che desideri porre alla community, puoi chiedere qui nel nostro thread dedicato.
I consulenti di Frosty Friday sono stati assunti dal Dipartimento di Storia dell’Università di Frost. L’università vuole i dati dei monarchi nella loro data warehouse per l’analisi. Il tuo compito è quello di prendere il file JSON che si trova qui, inserirlo nel data warehouse e analizzarlo in una tabella simile a questa:
Risultato finale:
Suggerimenti:
Ricordati che per partecipare devi:
Se hai qualsiasi domanda tecnica che desideri porre alla community, puoi chiedere qui nel nostro thread dedicato.
