Heim

Skill

Datenbankverwaltung

snowflake-semanticview

github/awesome-copilot

Erstellen, ändern und validieren Sie semantische Ansichten von Snowflake mithilfe der Snowflake CLI (snow). Verwenden Sie sie, wenn Sie aufgefordert werden, semantische Ansichten oder Definitionen von semantischen Schichten mit den Befehlen CREATE/ALTER SEMANTIC VIEW zu erstellen oder zu beheben, semantische Ansichten mittels CLI gegen die Vorgaben von Snowflake zu überprüfen, oder bei der Installation der Snowflake CLI sowie bei der Einrichtung der Verbindung zu helfen.

...Alle erweitern

Zeit aktualisiert 23. August 2026

# cli # data-engineering # sql # validation # Database Management # snowflake # semantic-layer

Über Snowflake-semanticview

Diese Fähigkeit führt den Assistenten bei der Erstellung, Änderung und Überprüfung von Snowflake-Semantikansichten mithilfe der offiziellen Snowflake CLI (snow). Sie löst das Problem der Erstellung zuverlässiger Definitionen auf semantischer Ebene, indem sie einen strukturierten Arbeitsablauf mit Fokus auf Überprüfungen vorschreibt: Anstatt ungetesteten DDL-Code zu erzeugen, erstellt der Assistent zunächst CREATE/ALTER SEMANTIC VIEW-Anweisungen, überprüft diese über die CLI unter einem vorübergehenden Namen gegen Snowflake, wiederholt den Vorgang, bis die Überprüfungen erfolgreich sind, und wendet erst danach die endgültige Definition an. Zudem werden einmalige Anleitungen zur Installation der Snowflake CLI sowie zur Konfiguration einer Verbindung über „snow connection add“ bereitgestellt, wobei auf die offiziellen Snowflake-Dokumentationen verwiesen wird.

Der Arbeitsablauf ist ausführlich gestaltet. Der Assistent muss dabei die Ziel-Datenbank, das Schema, die Rolle, das Warehouse sowie den Namen der Ansicht bestätigen, ein Sternschemas-Modell überprüfen und DDL-Code nach der offiziellen Syntax erstellen. Für jede Dimension, jeden Faktor und jede Metrik müssen Synonyme sowie Kommentare erstellt werden, wobei bevorzugt bereits vorhandene Spaltenkommentare in Snowflake als Quelle genutzt werden und vor der Erstellung neuer Kommentare eine Genehmigung eingeholt wird. Zur Erfassung von Beziehungen und Spaltenarten werden ausschließlich lesbare SELECT-Anweisungen mit DISTINCT sowie einer Begrenzung auf maximal 1000 Zeilen verwendet. Der DDL-Code wird unter einem vorübergehenden Namen (zum Beispiel mit dem Suffix __tmp_validate) überprüft, um eine Überwrite der eigentlichen Ansicht zu vermeiden. Anschließend wird eine Beispielabfrage SEMANTIC_VIEW gestartet, um das Verhalten zu überprüfen, und die temporären Objekte werden wieder gelöscht.

Zielgruppe sind Dateningenieure und Analyseingenieure, die Snowflake-Semantikschichten oder Metrikdefinitionen erstellen. Die Handhabung von Zugangsdaten erfolgt über die Konfiguration der offiziellen Snowflake CLI-Verbindung und nicht durch diese Fähigkeit selbst. Der Fokus auf vorübergehende Überprüfungsnamen, Begrenzungen für die Anzahl der Zeilen sowie die Notwendigkeit einer Genehmigung vor der Erstellung von Kommentaren spiegeln sorgfältige und risikominimierende Datenpraktiken wider.

FAQ

Welche Voraussetzungen sind erforderlich?

Die Snowflake CLI (snow) muss installiert sein und eine Verbindung muss über „snow connection add“ konfiguriert werden. Die Fähigkeit verweist auf die offiziellen Snowflake-Dokumentationen zur Installation und Verbindungsanlage und betrachtet diese Schritte als einmalig.

Wie werden Zugangsdaten gehandhabt?

Die Authentifizierung wird der Konfiguration der offiziellen Snowflake CLI-Verbindung überlassen. Die Fähigkeit verwendet die konfigurierte Verbindung zur Überprüfung und Ausführung und verwaltet oder speichert keine Zugangsdaten selbst.

Wie wird verhindert, dass eine vorhandene Ansicht überschrieben wird?

Der DDL-Code wird unter einem vorübergehenden Namen überprüft, beispielsweise durch Hinzufügen des Suffixes __tmp_validate in derselben Datenbank und im selben Schema. Erst nach erfolgreicher Überprüfung wird der endgültige DDL-Code angewendet, anschließend werden die temporären Objekte gelöscht.

Wird meine tatsächliche Datenmenge abgerufen?

Es werden ausschließlich lesbare SELECT-Anweisungen mit DISTINCT sowie einer Begrenzung auf maximal 1000 Zeilen ausgeführt, um Beziehungen zwischen Faktoren und Dimensionen sowie Spaltenarten zu ermitteln, damit sinnvolle Kommentare und Synonyme erstellt werden können.

Werden Synonyme oder Kommentare selbst erstellt?

Nein. Bevorzugt werden bereits vorhandene Spaltenkommentare in Snowflake als Quelle, und es wird gefragt, ob neue Kommentare erstellt werden dürfen, ob Sie Text bereitstellen möchten oder ob Vorschläge zur Genehmigung erstellt werden sollen, bevor etwas hinzugefügt wird.

Auf GitHub ansehen

One-Time Setup

Verify Snowflake CLI installation by opening a new terminal and running snow --help.
If Snowflake CLI is missing or the user cannot install it, direct them to https://docs.snowflake.com/en/developer-guide/snowflake-cli/installation/installation.
Configure a Snowflake connection with snow connection add per https://docs.snowflake.com/en/developer-guide/snowflake-cli/connecting/configure-connections#add-a-connection.
Use the configured connection for all validation and execution steps.

Workflow For Each Semantic View Request

Confirm the target database, schema, role, warehouse, and final semantic view name.
Confirm the model follows a star schema (facts with conformed dimensions).
Draft the semantic view DDL using the official syntax:
- https://docs.snowflake.com/en/sql-reference/sql/create-semantic-view
Populate synonyms and comments for each dimension, fact, and metric:
- Read Snowflake table/view/column comments first (preferred source):
  - https://docs.snowflake.com/en/sql-reference/sql/comment
- If comments or synonyms are missing, ask whether you can create them, whether the user wants to provide text, or whether you should draft suggestions for approval.
Use SELECT statements with DISTINCT and LIMIT (maximum 1000 rows) to discover relationships between fact and dimension tables, identify column data types, and create more meaningful comments and synonyms for columns.
Create a temporary validation name (for example, append __tmp_validate) while keeping the same database and schema.
Always validate by sending the DDL to Snowflake via Snowflake CLI before finalizing:
- Use snow sql to execute the statement with the configured connection.
- If flags differ by version, check snow sql --help and use the connection option shown there.
If validation fails, iterate on the DDL and re-run the validation step until it succeeds.
Apply the final DDL (create or alter) using the real semantic view name.
Run a sample query against the final semantic view to confirm it works as expected. It has a different SQL syntax as can be seen here: https://docs.snowflake.com/en/user-guide/views-semantic/querying#querying-a-semantic-viewExample:

SELECT * FROM SEMANTIC_VIEW(    my_semview_name    DIMENSIONS customer.customer_market_segment    METRICS orders.order_average_value)ORDER BY customer_market_segment;

Clean up any temporary semantic view created during validation.

Synonyms And Comments (Required)

Use the semantic view syntax for synonyms and comments:

WITH SYNONYMS [ = ] ( 'synonym' [ , ... ] )COMMENT = 'comment_about_dim_fact_or_metric'

Treat synonyms as informational only; do not use them to reference dimensions, facts, or metrics elsewhere.
Use Snowflake comments as the preferred and first source for synonyms and comments:
- https://docs.snowflake.com/en/sql-reference/sql/comment
If Snowflake comments are missing, ask whether you can create them, whether the user wants to provide text, or whether you should draft suggestions for approval.
Do not invent synonyms or comments without user approval.

Validation Pattern (Required)

Never skip validation. Always execute the DDL against Snowflake with Snowflake CLI before presenting it as final.
Prefer a temporary name for validation to avoid clobbering the real view.

Example CLI Validation (Template)

# Replace placeholders with real values.snow sql -q "<CREATE OR ALTER SEMANTIC VIEW ...>" --connection <connection_name>

If the CLI uses a different connection flag in your version, run:

snow sql --help

Notes

Treat installation and connection setup as one-time steps, but confirm they are done before the first validation.
Keep the final semantic view definition identical to the validated temporary definition except for the name.
Do not omit synonyms or comments; consider them required for completeness even if optional in syntax.

Alle Dateien

0 Dateien

snowflake-semanticview installieren

Laden Sie die Skill-Dateien herunter und extrahieren Sie sie in Ihren Ordner .claude/skills/.

ZIP herunterladen

Klonen Sie das Repository und kopieren Sie die Skill-Dateien in Ihr Projekt.

git clone https://github.com/github/awesome-copilot/blob/main/skills/snowflake-semanticview/SKILL.md # Copy SKILL.md to your .claude/skills/ directory