SQL Ready | Базы Данных

Собрал чат-бота за вечер → заработал 9 000₽. Так и работают специалисты по чат-ботам: открыл шаблон → собрал бота как конструктор → получил деньги. Работы — на 2–3 часа. Оплата — 9–15 000₽ за сборку. Никакого программирования и долгих задач. Если умеешь открыть ворд или запустить косынку — справишься. А спрос сейчас бешеный: более 10 000 предпринимателей в месяц ищут тех, кто делает ботов и авторассылки. Это одна из самых простых и пустых ниш в онлайне — бери и зарабатывай. И главное: Собрать первого бота без опыта и получить клиента — проще, чем кажется. Все инструкции лежат здесь: 👉 @other_digital_bot Кто готов кликать мышкой и брать заказы — тот спокойно накопит на отдых, машину, квартиру и любые хотелки. Пробуй: @other_digital_bot

😎 Kaggle Learn — короткие практические модули с упражнениями и датасетами! Серия коротких и чётких микро-курсов с упором на практику: каждый модуль - это конкретная тема, упражнения и работа с настоящими датасетами прямо в браузере. Подходит для быстрого освоения основ языка, закрепления синтаксиса и понимания, как Python используется в реальных задачах. 📌 Оставляю ссылочку: kaggle.com ➡️ SQL Ready | #сайт

NTILE — разбиение данных на равные группы внутри партиций! Оконные функции полезны не только для топов и агрегатов. Частый аналитический кейс — разложить данные по корзинам одинакового размера: квартилям, децилям, сегментам. Представим таблицу:

users(id, country, revenue)

Нужно разбить пользователей каждой страны на 4 группы по выручке — от меньшей к большей. Решение через NTILE:

SELECT
    id,
    country,
    revenue,
    NTILE(4) OVER (
        PARTITION BY country
        ORDER BY revenue
    ) AS revenue_quartile
FROM users;

NTILE(4) распределяет строки внутри каждой партиции на 4 группы максимально равного размера. ORDER BY определяет, какие значения попадут в «нижние» и «верхние» группы. Результат: quartile = 1 — пользователи с минимальной выручкой, quartile = 4 — пользователи с максимальной выручкой Важно: группы не всегда будут строго одинаковыми по размеру. Если строк не делится нацело, первые группы получат на одну строку больше. Если убрать PARTITION BY:

NTILE(4) OVER (ORDER BY revenue)

Разбиение произойдёт по всей таблице, без учёта страны. Практический кейс — сегментация:

SELECT *
FROM (
    SELECT
        *,
        NTILE(10) OVER (
            PARTITION BY country
            ORDER BY revenue DESC
        ) AS decile
    FROM users
) t
WHERE decile = 1;

Так можно выбрать топ-10% пользователей в каждой стране. NTILE работает построчно и не агрегирует данные — каждая строка сохраняется, а группа добавляется как аналитическая метка. 🔥 Используйте NTILE, когда нужно сегментировать данные внутри группы на равные части без предварительной агрегации. ➡️ SQL Ready | #практика

Бесплатные нейронки, изменившие жизнь: 🤬 Обход GPT, Deepseek, Gemini, Sora - Читать гайд 🎁 Флирт бот, влюбит в тебя любую только он - Узнать название 💪 Помогает накачаться знает ВСЁ о питании - Узнать название 🎁 Решает домашку, по фотке твоего задания - Узнать название 💸 Генерир‌‎ует идеи для заработка, без бюджета - Узнать название 📉 Мониторит сайты и уведомляет о падении цен - Узнать название 📹 Делает тиктоки на сотни тысяч просмотров - Узнать название

👍 SQL Bootcamp — структурированная практика с упором на реальные задачи! Этот репозиторий построен как полноценный тренажёр: реальные схемы данных, последовательные задания и разборы запросов разной сложности. Помогает системно разобраться в работе с базами данных: выборки, сложные JOIN, агрегации, подзапросы, фильтрация, изменение данных и др.

Оставляю ссылочку: GitHub 📱

➡️ SQL Ready | #репозиторий

🖥 Oracle: условная логика и выбор значений! Разбор типовых приёмов классификации данных, обработки NULL, подстановки значений по условиям и вычисления итоговых результатов прямо в запросах. Полезно для отчётов, аналитики, бизнес-логики в SELECT, упрощения WHERE и ORDER BY, а также для написания компактного и читаемого SQL без изменения схемы БД. ➡️ SQL Ready | #шпора

Пачку офферов заказывали? О всех трудоустройствах через ИИ-ассистента Софи ребята узнают от пользователей. И какой же кайф, когда они делятся своими историями. Вот так в чате узнали сразу о трех новых офферах: • Кейс Сергея - 2 недели в Софи и 2 оффера. • Кейс Елены - 1 неделя в Софи и оффер спустя 10 лет перерыва в работе. Елене 52 года. • Кейс Юлии - 1 месяц в Софи, свитчер из финансового аналитика в разработчика SQL. И еще один оффер🎉 Искренние поздравления ребятам и удачи им на новой работе! В следующий раз доступ в Софи откроется 24 февраля. Если хочешь получить 3 дня бесплатного доступа - подписывайся на этот канал, все анонсы будут там.

Одна таблица играет сразу несколько ролей? Иногда данные уже есть в одной таблице, но логически это разные сущности. Классический пример, иерархия: сотрудник и его менеджер хранятся в одной таблице employees:

FROM employees e
JOIN employees m

e — это сотрудник, m — это менеджер. Физически это одна и та же таблица, но логически, разные роли:

ON m.id = e.manager_id

Связь читается так, у сотрудника есть manager_id, который указывает на id другого сотрудника. 🔥 Такой приём используется не только для менеджеров. Категории и родительские категории, комментарии и ответы, версии сущностей, связи предыдущий / следующий, графы, цепочки состояний и др. ➡️ SQL Ready | #совет

🖥 Стажировки и вакансии для SQL разработчиков и администраторов. - Вакансии которых нет на джоб-агрегаторах - Только прямые контакты HR в Telegram 👉 @jobs_sql 🤖 ML & DS 👩‍💻 DevOps 👨‍✈️ ИБ & OSINT 👣 Go 👩‍💻 Mobile 👩‍💻 C# 👩‍💻 Node.js 👩‍💻 Python 🔎 QA 👩‍💻 Java 👩‍💻 UX/UI 👩‍💻 Frontend 🖼️ PHP 📋 Analyst 💼 1C 🖥 SQL 👩‍💻 IT HR Пока другие листают джоб-сайты — ты уже пишешь HR в Telegram.

😎 На Хабре вышла полезнейшая статья про репликацию в 1С и реальные нагрузки на СУБД! В этой статье: • Разбирается, как вынести тяжёлые отчёты 1С с мастер-базы на реплику; • Показывается настройка репликации PostgreSQL/Tantor DB под реальные сценарии 1С; • Анализируются узкие места, задержки репликации и влияние отчётных запросов; • Даются результаты нагрузочного тестирования и выводы, которые можно применить в системах.

🔊 Продолжайте читать на Habr!

➡️ SQL Ready | #статья

ORDER BY в подзапросах: почему порядок не гарантируется! ORDER BY управляет порядком строк только в финальном результате запроса. В подзапросах и CTE он не гарантирует порядок строк, если не используется вместе с ограничением количества возвращаемых данных. Причина в том, что оптимизатор может свободно менять план выполнения, пока итоговый результат формально остаётся корректным. Таблица событий:

events(id, user_id, created_at)

Попытка взять последние события через подзапрос:

SELECT *
FROM (
    SELECT *
    FROM events
    ORDER BY created_at DESC
) t;

Несмотря на явный ORDER BY внутри подзапроса, внешний запрос не содержит сортировки. Это означает, что порядок строк на выходе не определён, и СУБД имеет право проигнорировать внутреннюю сортировку как не влияющую на результат. Корректный вариант — сортировать во внешнем запросе:

SELECT *
FROM events
ORDER BY created_at DESC;

Именно этот ORDER BY гарантирует порядок строк, который получит клиент или приложение. Когда ORDER BY в подзапросе имеет смысл — он становится значимым только вместе с ограничением:

SELECT *
FROM (
    SELECT *
    FROM events
    ORDER BY created_at DESC
    LIMIT 10
) t
ORDER BY created_at DESC;

В этом случае сортировка в подзапросе используется для выбора нужных строк, а не для их отображения. Внутренний ORDER BY определяет, какие именно 10 строк попадут в подзапрос, а внешний ORDER BY задаёт порядок финального результата. Аналогичный принцип работает с оконными функциями:

SELECT id, user_id, created_at
FROM (
    SELECT
        id,
        user_id,
        created_at,
        ROW_NUMBER() OVER (
            PARTITION BY user_id
            ORDER BY created_at DESC
        ) AS rn
    FROM events
) s
WHERE rn = 1;

Здесь ORDER BY влияет на вычисление ROW_NUMBER, то есть на логику нумерации строк внутри окна, но не определяет порядок вывода строк в результирующем наборе. 🔥 ORDER BY — это про порядок выдачи результата, а не про порядок хранения данных. Без внешнего ORDER BY СУБД не обязана возвращать строки в каком-либо определённом порядке. ➡️ SQL Ready | #практика

Все надоело и пропал интерес, чувствуешь себя амебой и хочется только залипать в телефоне. Бывает? Homo Manifestans — канал для айтишников, у которых периодически опускаются руки и отключается мозг, ибо переработки и постоянная тревожность не приводят к другим исходам 🤗 ✓ Как научиться отвлекаться от работы и отдыхать? ✓ Как совместить кучу рабочих задач и время с семьей? ✓ Как справиться с прокрастинацией? ✓ Как не растерять запал, даже если начальник и коллеги 💩 и кажется, что ничего не выходит? Подписывайтесь на канал @vadimpetrovpsi и научитесь работать без упахивания, выгорания и ущерба для личной жизни! Псс. Заходите в закреп — там много полезного, и даже бесплатный мини-курс по выходу из апатии: 👉 https://t.me/+1JwcbmRaKrFlZmQy

📂 Напоминалка по шардингу баз данных! Например, шардинг позволяет масштабировать базу данных, распределяя данные по нескольким серверам, а правильно выбранный ключ шарда напрямую влияет на производительность и равномерность нагрузки. На картинке — основные принципы шардинга баз данных, которые стоит держать под рукой. Сохрани, чтобы не забыть! ➡️ SQL Ready | #ресурс

Частая проблема в аналитике и BI - таблицы с десятками колонок? Пока колонок три это может быть терпимо. Когда их становится двадцать и больше, запросы, джоины и графики начинают разваливаться. UNPIVOT позволяет превратить колонки в строки на уровне SQL, без переписывания данных и логики приложения (синтаксис зависит от СУБД):

UNPIVOT (value FOR metric IN (views, clicks))

На выходе получается универсальная структура metric / value, которая хорошо ложится в агрегации, фильтры и визуализации BI. Полезно, когда нужно сравнивать метрики между собой или передавать данные в BI без кастомной логики:

WHERE metric IN ('views', 'orders')

🔥 Один запрос - десятки метрик и минимум изменений при росте отчёта (новые метрики просто добавляются в список UNPIVOT). ➡️ SQL Ready | #совет

👨👨👨👨👨👨👨👨👨👨 Каналы с IT мероприятиями Подписывайся, чтобы не пропустить 🤘 1. IT мероприятия для стажеров и студентов 2. IT мероприятия по РФ 3. IT мероприятия и хакатоны 4. Бесплатные IT мероприятия 5. IT мероприятия онлайн 6. IT мероприятия Москва 7. IT мероприятия Санкт-Петербург

☕️ PGExercises — тренажер с различными задачами для обучения! Если хочешь не просто учить синтаксис, а писать реальные запросы и практиковаться. Это отличный способ закрепить знания по выборкам, фильтрации, сортировке, условиям и множеству других тем, особенно если готовишься к собесам. 📌 Оставляю ссылочку: pgexercises.com ➡️ SQL Ready | #ресурс

LATERAL — коррелированные подзапросы! Часто бывает нужно для каждой строки основной таблицы взять одну лучшую связанную строку - последнюю, первую, максимальную, минимальную, валидную. Обычно это делают через оконки, CTE или GROUP BY + JOIN, что сложно читать и часто ломается при расширении логики:

LEFT JOIN LATERAL (...)

Выполняет подзапрос для каждой строки слева, подставляя её значения.

ORDER BY created_at DESC
LIMIT 1

Гарантирует, что ты берёшь именно нужную запись:

ON true

Потому что связь уже внутри подзапроса, JOIN тут формальность. 🔥 Это отличный инструмент, когда нужна одна зависимая строка на родителя ➡️ SQL Ready | #совет

WHERE vs HAVING — фильтрация строк и фильтрация групп! В SQL иногда путают WHERE и HAVING, потому что внешне они решают похожую задачу — отфильтровать результат. На практике это два разных этапа выполнения запроса с разной семантикой. Представим таблицу заказов:

orders(id, customer_id, amount)

Нужно выбрать заказы дороже 100. Корректный и очевидный вариант:

SELECT *
FROM orders
WHERE amount > 100;

WHERE применяется до агрегации и фильтрует отдельные строки исходной таблицы. Теперь другая задача: найти клиентов, у которых сумма всех заказов больше 1000. Интуитивная, но неверная попытка:

SELECT customer_id, SUM(amount) AS total_amount
FROM orders
WHERE SUM(amount) > 1000
GROUP BY customer_id;

Этот запрос некорректен: агрегатные функции не могут использоваться в WHERE, потому что на момент применения WHERE агрегатов ещё не существует. Правильный вариант — HAVING:

SELECT customer_id, SUM(amount) AS total_amount
FROM orders
GROUP BY customer_id
HAVING SUM(amount) > 1000;

HAVING применяется после GROUP BY и фильтрует уже сформированные группы. Важно понимать разницу по этапам: WHERE — фильтрует строки до группировки; GROUP BY — формирует группы; HAVING — фильтрует группы; SELECT — формирует итоговый результат. Частая оптимизационная ошибка — переносить условия из WHERE в HAVING без необходимости:

SELECT customer_id, SUM(amount)
FROM orders
GROUP BY customer_id
HAVING amount > 100;

Такой запрос либо не выполнится, либо будет логически неверным: amount — это поле строки, а HAVING работает с группой. Корректный и оптимальный вариант — комбинировать:

SELECT customer_id, SUM(amount) AS total_amount
FROM orders
WHERE amount > 100
GROUP BY customer_id
HAVING SUM(amount) > 1000;

Здесь: WHERE отсекает мелкие заказы до агрегации (меньше данных); HAVING проверяет условие на уровне группы. 🔥 Используй WHERE для фильтрации строк и HAVING — только для условий на агрегаты и группы. Это влияет не только на корректность, но и на производительность запроса ➡️ SQL Ready | #практика