Bulut veri ambarları: BigQuery, Snowflake, Databricks SQL ve Fabric

Depolama–işlem ayrımı, zaman yolculuğu, sıfır kopya klon ve platform karşılaştırması.

Bu sayfa dersin okuma sürümüdür. Metin bir kutuyu çalıştırmanı ya da adıma geçmeni söylüyorsa dersi uygulamada aç.

Ortak fikir: depolama ve işlem ayrı

Bulut veri ambarlarında veri ucuz nesne depolamasında sütun tabanlı dosyalarda durur; sorgu çalıştığında işlem gücü ayrıca ayrılır. Bu yüzden depolama ve işlem bağımsız ölçeklenir ve ayrı faturalanır.

	BigQuery	Snowflake	Databricks SQL	Microsoft Fabric
Dil	GoogleSQL	Snowflake SQL	Databricks SQL (Spark SQL)	T-SQL (Warehouse)
İşlem	Sunucusuz / slot	Sanal ambar (warehouse) boyutları	SQL warehouse	Kapasite birimleri
Ad yapısı	proje.veriseti.tablo	veritabanı.şema.tablo	katalog.şema.tablo (Unity Catalog)	çalışma alanı / ambar
Zaman yolculuğu	`FOR SYSTEM_TIME AS OF`	`AT(OFFSET => -3600)`	`VERSION AS OF` (Delta)	Var
Yarı yapısal	ARRAY, STRUCT, JSON	VARIANT, FLATTEN	STRUCT, MAP, ARRAY	JSON fonksiyonları
QUALIFY	Var	Var	Var	Yok

Zaman yolculuğu ve klon

-- BigQuery: tablonun 1 saat önceki hali
SELECT * FROM anadolu.orders
FOR SYSTEM_TIME AS OF TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 1 HOUR);

-- Snowflake: yanlışlıkla silinen tabloyu geri getir, sıfır kopya klon
UNDROP TABLE orders;
CREATE TABLE orders_test CLONE orders;

-- Databricks (Delta Lake): sürüm geçmişi ve eski sürüm
DESCRIBE HISTORY orders;
SELECT * FROM orders VERSION AS OF 12;

Madalyon (medallion) mimarisi

Lakehouse dünyasında veri üç katmanda ilerler: bronze (ham), silver (temizlenmiş, birleştirilmiş), gold (iş birimine hazır özetler). Bu, Veri Mühendisliği modülündeki staging → marts yaklaşımının aynısıdır.

Hangisini öğrenmeliyim?SQL'in %90'ı hepsinde aynıdır. Hedeflediğin şirketin kullandığı platformun belgelerine bakıp tarih fonksiyonlarını, yarı yapısal veri sözdizimini ve maliyet modelini öğrenmen yeterli.