Understand the certification
SnowPro Advanced: Data Engineer（DEA-C02）是 Snowflake 认证体系里数据工程方向的最高阶证书，必须先持有有效的 SnowPro Core 证书才能报考（Core 过期 Advanced 也跟着失效，这是很多人栽过的坑）。考试费 $375 USD，65 道单选 + 多选题，115 分钟，通过线 750/1000，证书有效期 2 年。
这张证跟 Core 最大的区别是：Core 考"你知不知道 Snowflake 有什么"，Advanced DE 考"你能不能用 Snowflake 解决一个真实的数据工程问题"。题目大量是场景题 — 给你一段业务需求或者一段 SQL + query profile 截图，让你在 4 个看起来都能跑的方案里挑最优解。死记硬背完全不顶用，必须有真实的 hands-on 才能判断 trade-off。
五大考试领域（2024 版 DEA-C02 权重）：
- Data Movement（~28%）：Snowpipe（SQS event、REST API auto-ingest 两种模式）、Snowpipe Streaming（基于 SDK 的行级低延迟写入，跟批式 Snowpipe 是两回事）、COPY INTO 高级选项（ON_ERROR、VALIDATION_MODE、MATCH_BY_COLUMN_NAME）、External Tables + Iceberg Tables、COPY_HISTORY / PIPE_USAGE_HISTORY 的排错用法。
- Performance Optimization（~22%）：Clustering Key 的选择（高基数 + 过滤常用才值得）、AUTOMATIC_CLUSTERING 的成本评估、Search Optimization Service 适用场景（精确点查询、substring 搜索，不是范围查询）、物化视图 vs Dynamic Tables vs Result Cache 三种缓存/预计算机制的选型、Query Profile 里 Spillage / Exploding Join / Pruning 的识别。
- Data Transformation（~27%）：Streams（Standard / Append-only / Insert-only 三种、offset 推进机制、STALE_AFTER 过期）、Tasks（Task Tree/DAG、SYSTEM$STREAM_HAS_DATA() 防空跑、CRON 调度、Serverless Task vs User-managed）、Dynamic Tables（声明式 TARGET_LAG、自动增量刷新、什么时候比 Streams+Tasks 好用）、Snowpark Python/Java DataFrame API、UDF / UDTF / Stored Procedures。
- Storage & Data Protection（~12%）、Security（~11%）：Time Travel 进阶配置（DATA_RETENTION_TIME_IN_DAYS、MIN_DATA_RETENTION_TIME_IN_DAYS 账户 vs 对象级）、Dynamic Data Masking policy、Row Access Policies、Tag-based Masking、External Tokenization。
为什么这张证含金量不低：Snowflake 客户池是 Capital One、Adobe、Disney、DoorDash、Pfizer 这类大 logo，2024-2026 连续三年北美数据工程师岗位里"Snowflake + dbt"技能组合需求同比增长 40%+。很多"Snowflake shop"在 Senior / Staff DE 的 JD 里会直接把 SnowPro Advanced: Data Engineer 写成 "Preferred Qualification"，这是它跟一大堆泛数据工程认证的根本区别 — 它能直接过简历 ATS 关键词筛选。
Exam at a glance
- Exam code
- SnowPro Adv DE
- Provider
- 其他
- Format
- single-choice / multiple-choice
- Language
- English
- Validity
- 3 years
Skills in focus
Learning outcomes
- 熟练使用 Snowpipe Streaming 构建实时数据摄取管道
- 掌握 Streams + Tasks / Dynamic Tables 构建增量 ELT 流程
- 能够制定 Clustering Keys 策略并进行存储性能调优
- 在 Snowpark 中使用 Python/Java 进行复杂数据处理
- 自信通过 SnowPro Advanced Data Engineer（DEA-C01）认证考试
Who this is for
- 数据工程师：在 Snowflake 上构建和优化 ELT/ETL 数据管道
- 现代数据栈（Modern Data Stack）从业者：使用 dbt + Snowflake 组合
- 已持有 SnowPro Core 认证，希望深化数据工程专业能力的工程师
- 数据平台工程师：负责数据摄取、转换和性能调优
Before you start
- 持有有效的 SnowPro Core 认证（必须）
- 1-2 年以上 Snowflake 数据工程实战经验
- 熟练掌握 SQL 和至少一门编程语言（JavaScript 或 Python）
- 有构建生产级 ELT 管道的实际项目经验
Your learning path
3 chapters
Plan your preparation
- Learning hours
- 13h
- With relevant experience
- 4-6 weeks
- Starting from scratch
- 10-14 weeks
- Daily study
- 1.5-2h
Included in your preparation
- 89 道练习题覆盖 DEA-C01 五大考试领域
- 大量真实数据工程场景题，训练最优方案选择能力
- AI 智能辅导针对 Streams/Tasks 与性能优化薄弱点
- 详细解析各特性的限制、trade-offs 与最佳实践
- 进度追踪帮助考前系统查漏补缺
1. 第一阶段：确认 Core 状态 + 梳理日常盲区（第 1 周）
先登 Snowflake Credentials portal 确认 Core 证书还在有效期内（过期了 Advanced 也会失效）。然后做一次"自我考纲 audit"：打开官方 Exam Study Guide（DEA-C02），逐条标记每个 topic 你属于"每周都在用"、"听过但没用过"还是"完全不懂"。Streams 三种类型的差异、Snowpipe Streaming 跟批式 Snowpipe 的区别、Dynamic Tables vs 物化视图的选型 — 这三个是最高频的"以为自己会但其实讲不清楚"的盲区。这周不刷题，只列清单。
2. 第二阶段：Snowflake 免费试用 + 核心特性 hands-on（第 2-4 周）
开一个 Enterprise Edition 30 天试用（$400 credit 足够跑这轮练习）。必须亲手做这 6 个实验：(1) 配置 Snowpipe 从 S3 自动加载，故意投毒一条坏数据看 COPY_HISTORY 的 ERROR 信息；(2) 用 Snowpipe Streaming Java SDK（或 Snowflake Kafka Connector）写一个最小 demo，对比批式 Snowpipe 的延迟；(3) 用 Standard Stream + Task 构建一个增量 MERGE 管道，故意让 Stream offset 超过 STALE_AFTER 看会发生什么；(4) 把同一个管道用 Dynamic Table 重写，对比代码量和 TARGET_LAG 行为；(5) 在一张千万行表上测试 Clustering Key 加前后的 pruning 效果（用 SYSTEM$CLUSTERING_INFORMATION 和 query profile 对比）；(6) 打开 Search Optimization Service 测试一个点查询的延迟变化。这 6 个实验做完，考纲 70% 的"为什么"你就通了。
3. 第三阶段：官方学习资源 + 题库刷题（第 5-7 周）
Snowflake University 的 Advanced Data Engineer Learning Path（免费）是最权威的学习材料，直接按它的模块顺序过一遍，边看边在试用账户复现。配合 Tutorials Dojo Advanced DE 题库（质量最接近真题）或 Whizlabs。刷题时注意：Advanced 的错题复盘必须查官方文档而不是题库解析 — 题库解析有时会过时，Snowflake 每季度都会更新产品特性（比如 Iceberg Tables、Hybrid Tables、Cortex AI 这些新东西 2024-2025 陆续加入了考纲）。重点攻克 Streams offset 推进细节、Task DAG 失败重试策略、Snowpipe 错误代码识别、Clustering depth 解读。模考稳定 80%+ 再约考。
4. 第四阶段：场景题冲刺 + Query Profile 阅读特训（考前 1-2 周）
Advanced 考试最难的是 query profile 分析题 — 会给你一张 profile 截图让你判断瓶颈和优化方案。考前这周每天至少做 5 道 profile 题，把这些关键信号背熟：Bytes spilled to local storage → warehouse 太小内存不够；Bytes spilled to remote storage → 严重警告，几乎肯定需要升 warehouse 或重写查询；Partitions scanned / Partitions total 比例高 → pruning 差，考虑 Clustering Key；Exploding join（输出行数远大于输入）→ join key 有问题或 cardinality 爆炸；Queue 时间长 → 需要 multi-cluster 或更大 warehouse。考前最后 2 天停止做新题，把之前所有错题重做一遍 + 把 Snowpipe / Streams / Tasks 的系统函数（SYSTEM$、PIPE_STATUS、COPY_HISTORY、TASK_HISTORY、STREAM_HAS_DATA）列一张速查表过一遍。
Career value
SnowPro Advanced Data Engineer 的薪资溢价从哪里来
Core 是"入场券"，Advanced DE 是"专家背书"。同样是 5 年经验的数据工程师，只有 Core 的人跟 Core + Advanced DE 的人在 Snowflake shop 的面试通过率差距非常明显 — 招聘方普遍把 Advanced DE 看作"这人真的懂 Streams/Tasks 调优、不是只会写 SELECT"的信号。2026 年北美 Senior DE 市场里，持有 Advanced DE 的候选人平均薪资比只有 Core 的高 15-25k USD。
各市场行情（2026 数据）
- 澳洲 Sydney/Melbourne：Senior Snowflake DE AUD 150-190k，Staff / Lead 级别 195-240k。主要雇主：Macquarie、CBA、NAB 数据平台团队，Woolworths / Coles 的零售数据平台，以及 Canva、Atlassian 这类本土科技公司的 Analytics Engineering 团队。持 Advanced DE 的人在招聘市场上属于稀缺品，猎头会主动找。
- 美国：Senior DE USD 160-220k，Staff 级别 220-280k，旧金山/西雅图/纽约溢价 15-25%。Capital One、Adobe、Disney Streaming、DoorDash、Instacart 这些大客户的 JD 里经常直接写 "SnowPro Advanced preferred"。Snowflake 自己的 Partner / PS 团队招人也几乎必看 Advanced 证。
- 中国一线：北上深 RMB 45-80 万，主要在外资银行（汇丰、渣打、摩根）、四大咨询的数据服务部门、以及跨境 SaaS。国内互联网大厂基本不用 Snowflake（走 Flink + Iceberg + StarRocks 自研栈），这张证在字节/阿里数据团队几乎没有加分。
- 新加坡：SGD 130-180k，DBS、Standard Chartered、OCBC 的数据平台团队在从本地数仓迁 Snowflake，Shopee / Lazada 的跨境业务线也在用。
适合考的人
- 已经在 Snowflake shop 干 1-2 年的 Mid/Senior DE：你每天都在写 Streams、调 warehouse、排错 Snowpipe，备考就是把零散的实战知识系统化。考完可以要求加薪或跳去另一家 Snowflake 客户公司拿 15-20% 涨幅，投入产出比极高。
- 想从 Analytics Engineer 升到 Senior DE 的人：你会 dbt + SQL，但平台工程这块（Snowpipe Streaming、Task DAG、Clustering 调优）是短板。Advanced DE 刚好逼你把这些补上。
- Snowflake Partner / 咨询顾问：Deloitte、Accenture、Capgemini、phData、Hakkoda 这类 Snowflake 金牌合作伙伴内部有明确的认证奖励制度，持 Advanced DE 是升 Senior Consultant 的硬门槛。
- 想走 Data Platform Architect 方向：Advanced DE 之后可以接 SnowPro Advanced: Architect，两证组合是做数据平台架构师的标配。
不建议考的人
- 公司是 BigQuery / Redshift / Databricks 栈且短期不会迁 Snowflake：考了两年内基本用不上，Core 的概念还能迁移，Advanced 的细节（Stream offset、Snowpipe Streaming SDK）换平台完全没用。
- 没过 Core 的人：Advanced 前置条件是有效的 Core 证书，别跳级。
- Snowflake 实战经验少于 1 年的转行者：场景题会把你虐哭，光背考点过不了。建议先拿 Core，在工作里用 6-12 个月 Snowflake 再来考 Advanced。
- 澳洲
- AUD 150,000 – 220,000
- 美国
- USD 160,000 – 250,000
- 中国
- CNY 450,000 – 800,000
- 新加坡
- SGD 130,000 – 200,000
Preparation tips
- **题型和时间** — 65 题 / 115 分钟 ≈ 每题 106 秒，比 Core 宽松。但 Advanced 场景题读题时间长（经常有长 SQL 或 query profile 截图），建议第一遍 70 分钟过完 + Mark 不确定的，剩 45 分钟专攻 Mark 题。不要在任何一题上纠结超过 3 分钟。
- **关键词条件反射** — "低延迟 / 秒级 / Kafka 流" → Snowpipe Streaming；"文件批量 / S3 event notification" → Snowpipe；"声明式增量 + join" → Dynamic Tables；"只追踪 INSERT" → Append-only Stream；"CDC 含 UPDATE/DELETE" → Standard Stream；"精确点查询 substring" → Search Optimization Service；"单表聚合自动刷新" → Materialized View；"remote disk spilling" → 升 warehouse；"partition scanned 100%" → 考虑 Clustering Key。
- **记死系统函数速查表** — SYSTEM$STREAM_HAS_DATA、SYSTEM$CLUSTERING_INFORMATION、SYSTEM$CLUSTERING_DEPTH、SYSTEM$PIPE_STATUS、SYSTEM$TASK_DEPENDENTS_ENABLE、COPY_HISTORY、PIPE_USAGE_HISTORY、TASK_HISTORY、VALIDATE(table, job_id)。这些函数考试经常直接问"用哪个函数能查 X"。
- **Query Profile 阅读必练** — 在 trial 账户里故意跑一些 bad query（超大 join、缺 WHERE 条件、warehouse 太小），亲眼看 local vs remote spilling、partitions pruned 的数字，建立直觉。考试一张 profile 截图能秒判断瓶颈这种能力光看 PPT 学不会。
- **Core 和 Advanced 考点重叠部分不要掉以轻心** — Time Travel、Zero-copy Clone、Secure Data Sharing 这些 Core 考过的内容在 Advanced 里会出"进阶版"题（比如跨账户 Share 的 consumer 能否用 Time Travel 查历史 — 不能）。别以为 Core 过了这些就稳。
- **关于 Iceberg Tables 和 Hybrid Tables** — 2024-2025 Snowflake 新 GA 的功能陆续进考纲。Iceberg Tables 让 Snowflake 直接读写开放格式的数据湖，Hybrid Tables（Unistore）支持行存 + 事务，对标 OLTP。考前一周刷一遍官方最新 release notes，题库可能还没覆盖。
- **2 年有效期 + 需要 Core 续期** — Advanced 证书 2 年有效，**且依赖 Core 证书的有效状态** — Core 过期，Advanced 也跟着失效。规划续期时要同时考虑两张证。一个省钱技巧：在 Advanced 到期前考 Recertification 版本或直接考另一张 Advanced（比如 Architect），可以自动刷新所有相关证书有效期。
Common mistakes
- **Streams 的变更追踪机制理解错** — Stream 不是"表的副本"也不是"队列"，它是一个**基于 offset 的元数据指针**，指向底层 Time Travel 里的一个时间点。当你 SELECT Stream 时看到的是"自上次消费后"的所有变更。**只有在一个 DML 事务中消费 Stream，offset 才会推进**（比如 INSERT INTO target SELECT * FROM stream 这种语句）。光 SELECT 查看不会推进 offset。另一个致命坑：Stream 的 offset 受 **STALE_AFTER** 保护，默认等于 DATA_RETENTION_TIME_IN_DAYS，**Stream 过期后无法恢复**，需要重建 — 考题常问"Stream 连续 15 天未消费 + 源表 retention 14 天会发生什么"，答案是 Stream 变 STALE，后续读取报错。
- **Task DAG 的依赖和调度理解不到位** — Task Tree 里**只有根 Task 能设置 schedule**（CRON 或 interval），子 Task 通过 AFTER 子句链到父 Task 上，不能自己调度。Task 默认是**串行执行**（父跑完才跑子），想并行需要显式建多个 Task 分支。常见错误：以为在子 Task 上设 schedule 会生效（不会，会报错）。另一个高频错题：**SYSTEM$STREAM_HAS_DATA()** 必须放在 Task 的 **WHEN** 子句里用，不是在 Task body 里 IF，否则空跑也会消耗 credit。Serverless Task 和 User-managed Task（需要指定 warehouse）的计费模型也经常考。
- **Snowpipe 和 Snowpipe Streaming 混为一谈** — 这是两个完全不同的产品。**Snowpipe**（批式）：基于文件，你上传文件到 stage → 事件触发 → Snowpipe 执行 COPY INTO，延迟约 1 分钟，按加载的文件数付费，使用 Snowflake 管理的 serverless 资源。**Snowpipe Streaming**：基于行，通过 Java SDK 或 Kafka Connector 直接写入表，不经过 stage 文件，延迟 **秒级**，按写入行数 + 计算时间付费，使用 client 端资源 + Snowflake 服务端 row buffering。考题会给场景让你选：有"上传 CSV 文件"关键词选批式 Snowpipe，有"Kafka / 实时事件流 / 亚秒级延迟"选 Snowpipe Streaming。它们也可以混用（lambda 架构），但计费和监控接口完全不同。
- **物化视图 vs Dynamic Tables vs Result Cache 选型不清** — **Result Cache**：Cloud Services 层免费的查询结果缓存，24 小时有效，源数据未变时命中，**零成本**但不可控。**物化视图（Materialized View）**：Enterprise Edition 起支持，自动后台刷新，**限制很严**（单表、不支持 joins、不支持 window functions、不支持 UDF），适合对单大表做聚合。**Dynamic Tables**：2023 年 GA 的新特性，**声明式增量计算**，支持 joins 和复杂 SQL，用 TARGET_LAG 控制新鲜度，是 Streams+Tasks 的简化替代。考题最爱出"一个需要 join 两张表 + 5 分钟新鲜度"的场景 — 物化视图做不了（不支持 join），Streams+Tasks 能做但代码复杂，Dynamic Tables 才是最优解。
- **Query Profile 误读导致优化方向错** — Profile 里最容易看错的几个信号：(1) **Local Disk Spilling** 不等于灾难，小量 spilling 正常；但 **Remote Disk Spilling** 几乎肯定是性能杀手，必须立刻升 warehouse 或重写查询。(2) **Partitions Scanned / Partitions Total** 比例接近 100% 不代表一定是坏事（小表本来就全扫），关键看绝对数字 + 扫描字节数。(3) **Exploding Join**（输出行数 >> 输入行数之和）通常是 join key cardinality 没算清楚或有笛卡尔积，不是 warehouse 问题，升 size 没用必须改 SQL。(4) **Bytes sent over the network** 高 → 可能有跨 region 数据传输或 Result Cache miss。考题会给 profile 截图让你二选一"该升 warehouse 还是该改 SQL"，答错直接送分。
- **Clustering Key 的选择误区** — 不是所有表都该加 Clustering Key。选型原则：(1) 表足够大（> 1TB 才值得）；(2) 查询常用这一列做过滤或 join；(3) 列的基数适中（太低如 gender 无效，太高如 uuid 维护成本爆炸）；(4) 数据不是自然按这一列加载的。**AUTOMATIC_CLUSTERING** 开了之后 Snowflake 会后台持续重聚类，消耗 credit — 对写入频繁的表成本可能高于收益。考题爱出"这张表该加 Clustering 吗"的场景，答案经常是 "不加 / 先看 SYSTEM$CLUSTERING_INFORMATION 的 depth"。另一个坑：加 Clustering Key **不会立刻重组历史数据**，需要 ALTER TABLE ... RECLUSTER 或等自动聚类慢慢做。
- **UDF / UDTF / Stored Procedure 的边界混淆** — UDF（标量函数，一行输入一行输出）、UDTF（表函数，一行输入多行输出）、Stored Procedure（过程，可以执行 DML 和事务）三者能做什么不能做什么考试经常细抠。**UDF 不能有副作用**（不能 INSERT / UPDATE），**Stored Procedure 才能**。**EXECUTE AS CALLER vs EXECUTE AS OWNER** 决定了权限检查逻辑 — OWNER 模式下 proc 以创建者权限跑（常用于数据脱敏场景），CALLER 模式下以调用者权限跑。Python Snowpark 的 UDF 装饰器 @udf 和存储过程装饰器 @sproc 别搞混。
- **Time Travel 和 Fail-safe 的对象级配置** — 账户级 DATA_RETENTION_TIME_IN_DAYS 是默认值，**可以在 database / schema / table 级别覆盖**。**MIN_DATA_RETENTION_TIME_IN_DAYS**（账户级）可以强制下限防止用户把表的 retention 改到 0。临时表（TEMPORARY）和 transient 表**没有 Fail-safe**，transient 表 retention 最多 1 天 — 考题会问"创建 transient table 意味着省多少钱"，答案是没有 Fail-safe 的 7 天存储成本。
Before you register
What is the exam format for SnowPro Advanced Data Engineer?
The SnowPro Advanced Data Engineer exam contains 65 questions (single-select and multi-select), with a 115-minute time limit and a passing score of approximately 750 out of 1000. The exam fee is $375 USD. You must hold an active SnowPro Core certification before registering. The certification is valid for 2 years. The difficulty level is significantly higher than Core, focusing on advanced feature application in real-world data engineering scenarios.
What key domains does the SnowPro Advanced Data Engineer exam cover?
The exam covers five domains: Data Movement (~25%, including Snowpipe, Snowpipe Streaming, COPY INTO, external tables), Performance Optimization (~25%, including Clustering Keys, Search Optimization Service, materialized views), Data Engineering with Snowflake (~25%, including Streams, Tasks, Dynamic Tables, UDFs/UDTFs), Storage and Data Protection (~15%), and Data Sharing and Collaboration (~10%). The Streams + Tasks combination and Snowpipe are exam essentials.
How heavily are Streams and Tasks tested in the exam?
Very heavily — they are among the core exam topics. You need deep understanding of: Standard Streams vs Append-only Streams differences and use cases, Stream offset management and STALE_AFTER concepts, Task Trees (DAGs) creation and scheduling, Task WHEN conditions and the SYSTEM$STREAM_HAS_DATA() function, and how to build incremental ELT pipelines using Streams + Tasks. You also need to understand Dynamic Tables as an alternative to Streams + Tasks, including the pros, cons, and use cases of each approach.
What foundation do I need to prepare for SnowPro Advanced Data Engineer?
You must first hold a valid SnowPro Core certification. At least 1-2 years of hands-on Snowflake experience is recommended, especially in data engineering work. You should be proficient in: configuring and monitoring Snowpipe and Snowpipe Streaming, Clustering Key selection strategies and AUTOMATIC_CLUSTERING, writing stored procedures and UDFs/UDTFs (JavaScript or Python), and using Data Sharing and Secure Views. Using a Snowflake free trial account to actually build ELT pipelines for practice is highly recommended.
How is SnowPro Advanced Data Engineer harder than Core?
Core focuses on conceptual understanding and basic operations, while Advanced Data Engineer focuses on best practices and troubleshooting in complex scenarios. For example, Core only requires knowing what Snowpipe is, while Advanced requires knowing how to troubleshoot Snowpipe errors, how to use the COPY_HISTORY function, and how to handle duplicate data loads. The exam features many scenario-based questions presenting data engineering requirements and asking for the optimal implementation approach. You need to understand the limitations and trade-offs of various features, not just their descriptions.
What is the value of this certification for data engineers?
SnowPro Advanced Data Engineer is one of the more valuable certifications in the data engineering field. As Snowflake becomes increasingly prevalent in enterprise data platforms, engineers who can design and optimize data pipelines on Snowflake are in high demand. This certification proves you can handle complex ETL/ELT scenarios, perform performance tuning, and implement data governance — not just understand Snowflake basics. For data engineers focusing on the Modern Data Stack direction, this certification provides strong competitive differentiation.
Learner experiences
Loading reviews…
我 Core 是 2024 年考的，3 年都在银行用 Snowflake + dbt 跑监管报表。考 Advanced 主要是公司推一个内部认证项目，考过报销还加 5k 年奖金。实测场景题比 Core 难一个档次 — 有一题给了一段 query profile，显示 remote disk spilling + queue 长，让我在 4 个选项里选优化方案，4 个看起来都沾边但只有一个是最优。备考过程中最大的收获是终于搞懂了 Append-only Stream 为什么在某些 CDC 场景比 Standard 便宜得多（不追踪 UPDATE/DELETE，offset 推进更简单）。回去把一条每 5 分钟跑一次的 Task 改成 Dynamic Table，代码少了 60% 还更稳定。
R. Tan
Senior Data Engineer（某澳洲银行数据平台团队） · 863/1000 · 5 weeks
我之前 3 年都是写 dbt model 的 Analytics Engineer，只在 Snowflake 上写 SELECT，从来没碰过 Snowpipe 或 Task。为了升 Senior DE 硬着头皮考 Advanced。最痛苦的是 Snowpipe Streaming 那块 — 完全是新领域，需要搞懂 Channel、Row Buffering、offset token 这些 SDK 概念。花了 2 周把 Java SDK 的 demo 自己跑通才算入门。Streams 三种类型（Standard / Append-only / Insert-only）的差异我考前一天还在混，最后靠一张手绘表格背下来。考完以后回去第一件事就是把原来用 Fivetran 拉 Kafka 数据的管道评估能不能换成 Snowpipe Streaming 自己直写 — 老板很开心。
M. Chen
Analytics Engineer → Senior DE 转型 · 782/1000 · 8 weeks
在一家 Snowflake 金牌合作伙伴公司做顾问，内部有明确规定 Senior Consultant 必须持 Advanced 级别证书之一。我选 DE 是因为客户项目最常接触 ETL 管道和性能调优。备考最大的感受是：Advanced 的题不靠背，靠经验 — 考题描述的场景有 80% 我在真实客户项目里都遇到过，比如"客户抱怨 Snowpipe 延迟从 1 分钟涨到 10 分钟怎么排查"这种，只要真的做过几次就能秒选。没有实战经验硬背完全没用。强烈建议至少 1 年 hands-on 再来考，不然 $375 打水漂。
P. Kumar
Snowflake Partner 咨询顾问 · 821/1000 · 4 weeks
Start with the first chapter.
2 free chapters · Full preparation from $39