CI/CD avec Datavault Builder sur Snowflake

Comment utiliser le Zero Copy Cloning de Snowflake avec Datavault Builder pour construire un pipeline CI/CD puissant pour votre data warehouse.

CI/CD avec Datavault Builder sur Snowflake

Nous avons mis en ligne une courte présentation sur la façon d’utiliser la fonctionnalité unique Zero Copy Cloning de Snowflake avec Datavault Builder pour créer un pipeline CI/CD très puissant.

Cela fonctionne si bien parce que Datavault Builder stocke toutes ses métadonnées, structures et données dans une seule base de données. En clonant cette base, vous obtenez une copie parfaite d’un environnement existant. Ce processus est simple — il suffit de démarrer un nouvel environnement avec Datavault Builder via Docker — et très rapide grâce aux performances exceptionnelles et scalables de Snowflake. Mettre en place un nouvel environnement prend littéralement quelques minutes.

Datavault Builder tire parti de la fonctionnalité Zero Copy Cloning pour un CI/CD complet en permettant aux développeurs de démarrer de nouveaux sandboxes en instances et de redéployer les changements dans le modèle via GIT et APIs. Votre CI/CD basé sur GIT-flow vous permet de travailler simultanément sur différentes branches de développement et de créer une pipeline de développement solide. La combinaison de Datavault Builder et Snowflake fait du DataOps une réalité.

À propos de Snowflake : Snowflake est une Cloud Data Platform utilisée comme service en pay-per-use ou sur la base de tokens prépayés. Le support de Snowflake pour le data warehousing et l’analytique offre aux organisations un moyen rentable et à faible maintenance de consolider tous leurs silos de données en une seule source de vérité qu’elles peuvent interroger pour obtenir des résultats rapides. En savoir plus sur Snowflake sur Snowflake.com.

À propos de Datavault Builder : Datavault Builder est un outil d’automatisation DWH cloud-native, piloté par modèle, qui ajoute une couche visuelle sur la Cloud Data Platform de Snowflake ou sur des bases de données plus traditionnelles pour :

  • Vous aider à modéliser votre modèle de données métier

  • Rapprocher utilisateurs métier et IT

  • Réduire votre time-to-market