Don't get caught by a cheater! Telemetrio finds and tags such channels 👉 If you want to see the tag, subscribe

Data Science. SQL hub

Open in Telegram

По всем вопросам- @workakkk @itchannels_telegram - 🔥лучшие ит-каналы @ai_machinelearning_big_data - Machine learning @pythonl - Python @pythonlbooks- python книги📚 @datascienceiot - ml книги📚 РКН: https://vk.cc/cIi9vo #VRHSZ

Network: MachinelearningRussia17 596Technologies & Applications3 735...

📈 Analytical overview of Telegram channel Data Science. SQL hub

Channel Data Science. SQL hub (@sqlhub) in the Russian language segment is an active participant. Currently, the community unites 36 030 subscribers, ranking 3 735 in the Technologies & Applications category and 17 596 in the Russia region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 36 030 subscribers.

According to the latest data from 07 November, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 60 over the last 30 days and by -8 over the last 24 hours, overall reach remains high.

Verification status: Not verified
Engagement rate (ER): The average audience engagement rate is 9.74%. Within the first 24 hours after publication, content typically collects 3.88% reactions from the total number of subscribers.
Post reach: On average, each post receives 3 511 views. Within the first day, a publication typically gains 1 398 views.
Reactions and interaction: The audience actively supports content: the average number of reactions per post is 9.
Thematic interests: Content is focused on key topics such as sql, индекс, postgres, index, sqlite.

📝 Description and content policy

The author describes the resource as a platform for expressing subjective opinions:
“По всем вопросам- @workakkk @itchannels_telegram - 🔥лучшие ит-каналы @ai_machinelearning_big_data - Machine learning @pythonl - Python @pythonlbooks- python книги📚 @datascienceiot - ml книги📚 РКН: https://vk.cc/cIi9vo #VRHSZ”

Thanks to the high frequency of updates (latest data received on 08 November, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.

36 030

Subscribers

-824 hours

-527 days

+6030 days

3 511

Post views

~ 1 39824 hours

~ 1 66048 hours

9.74%

Engagement rate

No data

Posts per day

Ads index

Posts Archive

36 029

Выбор между SQL и NoSQL: ACID и CAP, схема и транзакции https://nuancesprog.ru/p/14796/ @sqlhub

36 029

Пример пошагового решения проблемы производительности на базе Postgres SQL с картинками https://infostart.ru/1c/articles/1611069/ @sqlhub

36 029

Оптимизация SQL запросов Часть 1 Часть 2 @sqlhub

36 029

С помощью какого запроса можно получить пользователей, в email которых содержится более двух точек?

Anonymous voting

36 029

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

36 029

Какого строкового типа данных нет в SQL:

Anonymous voting

36 029

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

36 029

🚀 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

36 029

⚡️ 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

36 029

Шпаргалка по оконным функциям в SQL

36 029

✅ 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

36 029

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

36 029

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

36 029

MSSQL server cheat-sheet

36 029

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

36 029

Типы баз данных

36 029

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

36 029

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

36 029

Отличаются ли в SQL операторы AND и & (амперсанд)?

Anonymous voting

36 029

Repost from Анализ данных (Data analysis)

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