Data Science. SQL hub

Полезные библиотеки Python Hunner - микро фреймворк для тестирования на проникновение. Сканирует на sql, xss, ddos, bruteforce ftp, ssh и д.р уязвимости. Установка ⚙️ $ git clone https://github.com/b3-v3r/Hunner $ cd Hunner Использование ▶️ $ python hunner.py 💡 GitHub #soft #code #python

SQLite: как организовывать таблицы https://nuancesprog.ru/p/12028/ @sqlhub

🚀 Советы по производительности оператора SQL TOP Оператор TOP используется для ограничения числа строк, которые извлекаются или обновляются в одной или нескольких таблицах. Это ограничение на число строк можно задать как фиксированным значением, так и процентом строк в таблице. Например, следующий запрос вернет первые 10 случайных строк из таблицы Production. SELECT TOP 10 Name,ProductNumber,SafetyStockLevel FROM Production.Product Читать дальше @sqlhub

⚡️ Аналитика данных с SQL- блог ведущего Дата саентиста, работющего с данными в Uber, одного из авторов🔥 Machine Learning. Материал канала поможет реально вырасти до профессионала по работе с данными и получить самую высокоплачиваю ит-профессию. 1 канал вместо тысячи учебников и курсов, подписывайтесь: 👇👇👇 @data_analysis_ml

✅ 50 популярных вопросов и ответов на собеседовании по SQL Server Здесь мы составили список из 50 популярных вопросов для собеседований по SQL. Эти вопросы охватывают все, от основ SQL Server до некоторых его сложных концепций: Читать @sqlhub

Что такое SQL-инъекции и как им противостоять SQL-инъекции (SQL injections, SQLi) — самый хорошо изученный и простой для понимания тип атаки на веб-сайт или веб-приложение. Тем не менее, он странным образом остается весьма распространенным и в наши дни. Организация OWASP (Open Web Application Security Project) упоминает SQL-инъекции в своем документе OWASP Top 10 2017 как угрозу номер один для безопасности веб-приложений, и вряд ли положение сильно изменилось за четыре года. Читать @sqlhub

Поясните разницу между кластерными и некластерными индексами #вопросы_с_собеседований Кластерный индекс используется для сортировки данных в строках по их ключевым значениям. Кластерный индекс напоминает телефонный справочник. Мы можем открыть справочник на David (например, в поисках «David, Thompson») и найти информацию обо всех Дэвидах, по порядку. Поскольку данные расположены друг за другом, это помогает выбирать их в запросах с указанием диапазона. Также кластерный индекс имеет отношение к тому, как, собственно, хранятся данные. В таблице может быть только один кластерный индекс. Некластерный индекс хранит данные в одном месте, а индексы — в другом. Этот индекс имеет указатели на расположение данных. Поскольку индекс не хранится там же, где и данные, для каждой таблицы может существовать много некластерных индексов. Давайте рассмотрим основные различия между кластерными и некластерными индексами. @sqlhub

5 полезных запросов для MS SQL За 2 года работы с MS SQL у меня накопился перечень из 5 запросов: для поиска, отладки, агрегации и обработки множеств и таблиц. https://tproger.ru/articles/5-poleznyh-zaprosov-dlja-ms-sql/ @sqlhub

Типы баз данных

​​Колоночные базы данных #nosql "Колоночные базы данных позволяют эффективно делать сложные выборки на больших таблицах. Изменение структуры больших таблиц происходит мгновенно, а сжатие данных позволяет сэкономить кучу места. Однако не следует использовать колоночные базы для случаев с обычными выборками по ключу и известными структурами запросов. Для этого лучше подойдут обычные (строчные) СУБД." Читать

Библиотеки Python для работы с базами данных и SQL-запросами 1. sqlite3 Библиотека позволяет работать с базами данных SQLite, которые записывают и читают данные с файлов, а значит пользователю не нужно устанавливать сервер для БД, что очень удобно) 2. psycopg2 Модуль для работы с базами данных PostgreSQL. Также позволяет все основные функции с базой данных: работа с таблицами, написание запросов и т.д. 3. mysql-connector-python Как уже понятно из названия, модуль позволяет подключаться к БД MySQL) Включает в себя все те же функции, что и описанные выше модули. Подробная документация доступна по ссылкам в названии модулей 4. pymssql Модуль позволяет подключаться к БД Microsoft SQL Server 5. SQLAlchemy Алхимия при работе с базами данных из python) Библиотека позволяет подключаться к различным БД. Есть множество функций: создание/изменение/удаление таблиц, извлечение/вставка данных, написание запросов, изменение данных. Библиотека позволяет работать с БД с помощью объектно-ориентированного кода, не используя при этом SQL 6. PandaSQL Модуль позволяет расширить функционал pandas и писать SQL запросы прямо к датафреймам. Как вариант использования модуля с другими библиотеками, после подключения к БД и извлечения данных, к датафрейму можно писать запросы как будто бы к обычной таблице в БД, не используя синтаксис pandas

Автоматическое масштабирование БД в Kubernetes для MongoDB, MySQL и PostgreSQL Читать @data_analysis_ml

​​Интерактивный учебник по SQL #sql Перейти

Иерархические структуры данных и Doctrine Введение Хранение иерархических данных (или попросту — деревьев) в реляционных структурах задача довольно нетривиальная и вызывает некоторые проблемы, когда разработчики сталкиваются с подобной задачей. В первую очередь, это связано с тем, что реляционные базы не приспособлены к хранению иерархических структур (как, например, XML-файлы), структура реляционных таблиц представляет из себя простые списки. Иерархические же данные имеют связь родитель-наследники, которая не реализована в реляционной структуре. Тем не менее, задача хранить деревья в базе данных рано или поздно возникает перед любым разработчиком. Ниже мы подробно рассмотрим, какие существуют подходы в организации хранения деревьев в реляционных БД, а также рассмотрим инструментарий, который нам предоставляет ORM Doctrine для работы с такими структурами. Читать дальше @sqlhub