Data Science. SQL hub
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
Show more📈 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 35 979 subscribers, ranking 3 608 in the Technologies & Applications category and 17 754 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 35 979 subscribers.
According to the latest data from 04 September, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 108 over the last 30 days and by 10 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 6.17%. Within the first 24 hours after publication, content typically collects 3.48% reactions from the total number of subscribers.
- Post reach: On average, each post receives 2 219 views. Within the first day, a publication typically gains 1 251 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 05 September, 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.
npm i graphjin
GraphJin позволяет создавать NodeJS / Go API за 5 минут, а не за несколько недель.
Достаточно использовать простой запрос GraphQL для определения API, а GraphJin автоматически преобразует его в SQL.
GraphJin поддерживает Postgres, MySQL, Yugabyte, AWS Aurora/RDS и Google Cloud SQL
🖥 GitHub
🟡 Доки
@sqlhubpip install piccolo
piccolo playground run
Piccolo — это быстрый, простой в освоении ORM и конструктор запросов.
Особенности Piccolo:
— поддержка sync и async
— встроенная платформа для тестирования запросов
— отлично интегрируется с iPython и VSCode
🖥 GitHub
🟡 Доки
@sqlhubcurl https://sh.edgedb.com --proto '=https' -sSf1 | sh
EdgeDB — это БД, поддерживающая сложные иерархические запросы; EdgeDB собрала в себе лучшее реляционных БД, графовых БД и ORM.
🖥 GitHub
🟡 Доки
@sqlhubgit clone git@github.com:<your-username>/beekeeper-studio.git beekeeper-studio
cd beekeeper-studio/
yarn install
yarn run electron:serve
Beekeeper Studio без проблем работает на всех платформах: Linux, MacOS и Windows
🖥 GitHub
@sqlhubInnovation" рекомендованы для пользователей, желающих получать доступ к новым функциям как можно раньше. Эти версии публикуются каждые 3 месяца и поддерживаются только до выхода следующего значительного релиза (например, поддержка ветки 9.0 прекратится с появлением ветки 9.1).
Примерно через год планируется выпустить LTS-релиз, который будет рекомендован для внедрений, требующих стабильности и длительной поддержки. После LTS-релиза будет создана новая ветка "Innovation" — MySQL 10.0.
Главные изменения в MySQL 9.0:
При выполнении конструкции "EXPLAIN ANALYZE INTO" добавлена возможность сохранения вывода в формате JSON в пользовательскую переменную, которая затем может использоваться в качестве аргумента в функциях для работы с JSON.
sqlEXPLAIN ANALYZE FORMAT=JSON INTO @variable select_stmt
Разрешено оформление выражений "CREATE EVENT", "ALTER EVENT" и "DROP EVENT" в виде параметризованных запросов внутри хранимых процедур. Создание параметризованного запроса осуществляется с использованием выражения PREPARE, а выполнение - выражения EXECUTE.
CREATE PROCEDURE sp(n INT)
BEGIN
SET @s1 = "CREATE EVENT e ON SCHEDULE EVERY ";
SET @s2 = " SECOND
STARTS CURRENT_TIMESTAMP + INTERVAL 10 SECOND
ENDS CURRENT_TIMESTAMP + INTERVAL 2 MINUTE
ON COMPLETION PRESERVE
DO
INSERT INTO d.t VALUES ROW(NULL, NOW(), FLOOR(RAND()*100))";
SET @s = CONCAT(@s1, n, @s2);
PREPARE ps FROM @s;
EXECUTE ps;
DEALLOCATE PREPARE ps;
END
Добавлены две новые системные таблицы, содержащие сведения о системных переменных: variables_metadata - содержит информацию об именах, области действия, типах и диапазонах значений всех поддерживаемых MySQL-сервером системных переменных; global_variable_attributes - содержит значения атрибутов, выставленных для глобальных переменных, таких как offline_mode и read_only.
Удалён ранее объявленный устаревшим серверный плагин mysql_native_password, обеспечивающий аутентификацию при помощи паролей.
Вместо mysql_native_password рекомендуется перейти на использование плагина caching_sha2_password, применяющего для хэширования алгоритм SHA2 вместо SHA1.
Добавлено 15 переменных для настройки и инспектирования движка MLE (Multilingual Engine Component), позволяющего использовать в хранимых процедурах и функциях код на языках, отличных от SQL.
@sqlhubdocker run --pull=always -tip 6543:3000 ghcr.io/xtdb/xtdb-standalone-ea
🖥 GitHub
🟡 Доки
@sqlhubgit clone https://github.com/IceFireDB/IceFireDB.git IceFireDB-NoSQL
cd IceFireDB-NoSQL
make && ls ./bin/IceFireDB
Один из компонентов IceFireDB — IceFireDB-SQLite, — децентрализованная база данных SQLite. Предоставляет удобный механизм для построения глобальной распределенной системы баз данных. Поддерживает запись данных в IceFireDB-SQLite по протоколу MySQL. IceFireDB-SQLite хранит данные в SQLite и синхронизирует их между узлами в автоматической сети P2P.
🖥 GitHub
🟡 Доки
@sqlhubnpx azimutt explore $db_url
Azimutt — это многофункциональный инструмент для изучения баз данных
Позволяет быстро перемещаться по БД, облегчает документирование и анализ данных.
Быстрый старт с Docker:
docker run -d --name azimutt \
--env-file <path_to_your_env_file> \
-p 4000:4000 \
ghcr.io/azimuttapp/azimutt:main
🖥 GitHub
🟡 Исследовать свою БД с Azimutt онлайн
🟡 Доки
@sqlhubpip install -U pymilvus
Milvus — это векторная база данных с открытым исходным кодом, которая подходит для ИИ-приложений любого масштаба (почти) — от запуска демонстрационного чатбота в Jupyter Notebook до создания веб-поиска, обслуживающего миллиарды пользователей.
Можно установить Milvus локально и использовать для создания, хранения и поиска векторов.
🖥 GitHub
🟡 Доки
@sqlhub