En arquitecturas modernas de datos, uno de los mayores retos es mantener datasets transformados y actualizados de forma automática y eficiente.

Tradicionalmente, en Snowflake, esto se resolvía mediante:

• Streams
• Tasks
• Procedimientos almacenados
• Orquestadores externos

Con la introducción de Dynamic Tables, Snowflake simplifica este modelo y permite definir pipelines declarativos que se actualizan automáticamente.

¿Qué es una Dynamic Table?

Una Dynamic Table es una tabla que se actualiza automáticamente en función de una consulta declarativa y un objetivo de frescura (target lag).

En lugar de programar tareas manuales, simplemente definimos:

• La consulta base
• El tiempo máximo de retraso permitido

Snowflake se encarga de mantener la tabla actualizada.

Sintaxis básica

Ejemplo:

CREATE OR REPLACE DYNAMIC TABLE sales_summary

TARGET_LAG = ‘5 minutes’

WAREHOUSE = analytics_wh

AS

SELECT

    customer_id,

    SUM(total_amount) AS total_spent

FROM orders

GROUP BY customer_id;

En este ejemplo:

• La tabla se actualiza automáticamente.
• Se mantiene con un retraso máximo de 5 minutos.
• Snowflake gestiona el refresco.

El problema que resuelven

Antes de Dynamic Tables, mantener transformaciones incrementales requería:

• Crear un Stream
• Crear un Task
• Gestionar dependencias
• Manejar fallos manualmente
• Supervisar ejecución

Esto añadía complejidad operativa.

Dynamic Tables eliminan gran parte de esta fricción.

Diferencia frente a Streams + Tasks

Dynamic Tables simplifican pipelines incrementales.

¿Cómo funcionan internamente?

Snowflake:

• Analiza la consulta
• Determina dependencias
• Ejecuta actualizaciones incrementales
• Mantiene el estado interno

Se construye automáticamente un DAG (grafo de dependencias).

El usuario define el “qué”, no el “cómo”.

Target Lag: el concepto clave

TARGET_LAG define la frescura deseada.

Ejemplo:

TARGET_LAG = ‘1 hour’

Esto significa que la tabla puede tener hasta una hora de retraso respecto a las tablas base.

No es ejecución en tiempo real estricto, sino actualización basada en SLA de frescura.

Casos de uso ideales

Dynamic Tables son especialmente útiles para:

• Transformaciones agregadas recurrentes
• Modelos analíticos intermedios
• Data marts derivados
• Pipelines declarativos
• Sustitución de procesos batch simples

No son necesariamente la mejor opción para lógica extremadamente compleja.

Ejemplo más avanzado

CREATE OR REPLACE DYNAMIC TABLE customer_metrics

TARGET_LAG = ’10 minutes’

WAREHOUSE = analytics_wh

AS

SELECT

    c.customer_id,

    COUNT(o.order_id) AS total_orders,

    SUM(o.total_amount) AS lifetime_value

FROM customers c

LEFT JOIN orders o

    ON c.customer_id = o.customer_id

GROUP BY c.customer_id;

Snowflake mantiene esta tabla actualizada automáticamente.

Beneficios principales

🔹 Simplicidad

Se elimina la necesidad de múltiples objetos de orquestación.

🔹 Declarativo

El desarrollador define la transformación, no la ejecución.

🔹 Mantenimiento reducido

Menos código, menos dependencias manuales.

🔹 Integración nativa

Totalmente integrado en el ecosistema Snowflake.

Consideraciones importantes

Antes de usar Dynamic Tables:

• Evaluar coste del warehouse asociado
• Definir correctamente el target lag
• Entender dependencias
• Evaluar impacto en consumo
• Revisar frecuencia de actualización necesaria

No todo necesita refresco frecuente.

Cuándo no usar Dynamic Tables

Puede no ser la mejor opción cuando:

• Se requiere control muy específico de ejecución
• La lógica es altamente procedural
• Se necesita integración con sistemas externos
• La transformación depende de eventos fuera de Snowflake

En esos casos, Streams + Tasks o herramientas externas pueden seguir siendo válidas.

Dynamic Tables y arquitectura moderna

Dynamic Tables refuerzan el enfoque:

• ELT declarativo
• Menos orquestación manual
• Más automatización nativa
• Arquitectura simplificada

Son un paso hacia pipelines más mantenibles y escalables.

Conclusión

Dynamic Tables representan una evolución significativa en Snowflake al simplificar la creación y mantenimiento de pipelines de transformación incrementales.

Al adoptar un enfoque declarativo basado en frescura objetivo, reducen complejidad operativa y permiten a los equipos centrarse en la lógica de negocio en lugar de la orquestación.

Para arquitecturas modernas basadas en Snowflake, Dynamic Tables son una herramienta poderosa que merece ser evaluada estratégicamente.