SQL и Анализ данных

Open in Telegram

Базы данных и всё, что с ними связано! Сотрудничество: @haarrp РКН № 6766085482

Network:Java Developer Russia52 105 Technologies & Applications9 980...

📈 Analytical overview of Telegram channel SQL и Анализ данных

Channel SQL и Анализ данных (@databases_tg) in the Russian language segment is an active participant. Currently, the community unites 12 575 subscribers, ranking 9 980 in the Technologies & Applications category and 52 105 in the Russia region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 12 575 subscribers.

According to the latest data from 12 July, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -87 over the last 30 days and by -1 over the last 24 hours, overall reach remains high.

Verification status: Not verified
Engagement rate (ER): The average audience engagement rate is 10.28%. Within the first 24 hours after publication, content typically collects 5.92% reactions from the total number of subscribers.
Post reach: On average, each post receives 1 292 views. Within the first day, a publication typically gains 744 views.
Reactions and interaction: The audience actively supports content: the average number of reactions per post is 6.
Thematic interests: Content is focused on key topics such as sql, индекс, user_id, строка, субд.

📝 Description and content policy

The author describes the resource as a platform for expressing subjective opinions:
“Базы данных и всё, что с ними связано! Сотрудничество: @haarrp РКН № 6766085482”

Thanks to the high frequency of updates (latest data received on 13 July, 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.

12 575

Subscribers

-124 hours

-147 days

-8730 days

1 292

Post views

~ 74424 hours

~ 84148 hours

10.28%

Engagement rate

~ 1

Posts per day

Ads index

beta

Data loading in progress...

Similar Channels

No data

Any problems? Please refresh the page or contact our support manager.

Incoming and Outgoing Mentions

---

Attracting Subscribers

July '26

+13

in 0 channels

June '26

+32

in 0 channels

Get PRO

May '26

+90

in 0 channels

Get PRO

April '26

+79

in 0 channels

Get PRO

March '26

+144

in 0 channels

Get PRO

February '26

+171

in 1 channels

Get PRO

January '26

+212

in 3 channels

Get PRO

December '25

+118

in 0 channels

Get PRO

November '25

+248

in 4 channels

Get PRO

October '25

+89

in 0 channels

Get PRO

September '25

+186

in 2 channels

Get PRO

August '25

+272

in 1 channels

Get PRO

July '25

+439

in 46 channels

Get PRO

June '25

+183

in 0 channels

Get PRO

May '25

+339

in 3 channels

Get PRO

April '25

+346

in 0 channels

Get PRO

March '25

+587

in 0 channels

Get PRO

February '25

+832

in 19 channels

Get PRO

January '25

+754

in 5 channels

Get PRO

December '24

+923

in 7 channels

Get PRO

November '24

+1 736

in 45 channels

Get PRO

October '24

+8 262

in 265 channels

Date	Subscriber Growth	Mentions	Channels
13 July	+1
12 July	+1
11 July	+1
10 July	+3
09 July	+2
08 July	+1
07 July	0
06 July	0
05 July	+3
04 July	+1
03 July	0
02 July	0
01 July	0

Channel Posts

SQL-задача с подвохом посложнее Нужно найти пользователей, у которых последний заказ был оплачен. Есть таблица:


orders
id | user_id | status    | created_at
1  | 10      | paid      | 2026-01-01
2  | 10      | cancelled | 2026-01-05
3  | 20      | paid      | 2026-01-03
4  | 30      | failed    | 2026-01-02

Кто-то пишет так:


WITH ranked AS (
    SELECT *,
           ROW_NUMBER() OVER (
               PARTITION BY user_id
               ORDER BY created_at DESC
           ) AS rn
    FROM orders
    WHERE status = 'paid'
)
SELECT *
FROM ranked
WHERE rn = 1;

На вид логично. Но запрос неверный. Подвох: фильтр WHERE status = 'paid' срабатывает до ROW_NUMBER(). То есть SQL сначала выбрасывает все неоплаченные заказы, а потом ищет последний среди оставшихся оплаченных. Пользователь 10 попадёт в результат, хотя его реальный последний заказ — cancelled. Правильно так:


WITH ranked AS (
    SELECT *,
           ROW_NUMBER() OVER (
               PARTITION BY user_id
               ORDER BY created_at DESC, id DESC
           ) AS rn
    FROM orders
)
SELECT *
FROM ranked
WHERE rn = 1
  AND status = 'paid';

Сначала находим последний заказ вообще, и только потом проверяем его статус. Вот почему порядок фильтрации в SQL может полностью менять смысл запроса.

2	Algebra, Topology, Differential Calculus, and Optimization Theory For Computer Science and Machine Learning Недавно был обновлен огромный PDF-учебник по математике на 2204 страницы: Внутри - алгебра, топология, дифференциальное исчисление и теория оптимизации для Computer Science и Machine Learning. Найти можно здесь: https://cis.upenn.edu/~jean/gbooks/geomath.html	1 102
3	+2 🌟 TabFM: модель для работы с табличными данными от Google Google Research опубликовала модель машинного обучения для классификации и регрессии на табличных данных. TabFM делает прогнозы на ранее не встречавшихся таблицах без отдельной тренировки под каждый набор данных. Табличные данные лежат в основе множества прикладных задач - от прогноза оттока клиентов до выявления финансового мошенничества. Десятилетиями здесь доминировали алгоритмы на основе деревьев решений, которые требуют долгого подбора параметров и выстраивания признаков под каждую новую задачу. TabFM использует подход, заимствованный у LLM - обучение в контексте. Модель получает всю таблицу целиком как единый запрос и определяет связи между столбцами и строками прямо в момент прогноза, не меняя своих внутренних параметров. Эту архитектуру Гугл описывает как гибрид двух ранее опубликованных решений TabPFN и TabICL. TabFM обучалась на сотнях миллионов сгенерированных таблиц, построенных с помощью структурных причинных моделей. Разработку проверили на бенчмарке TabArena, который ранжирует системы по итогам прямых сравнений между собой. Тестирование включало 38 наборов для классификации и 13 для регрессии, размером от 700 до 150 000 строк. По результатам TabFM обошла тщательно настроенные отраслевые решения TabPFN-3, AutoGluon и RealMLP. В ближайшие недели TabFM будет встроена в сервис Google BigQuery, там классификацию и регрессию можно будет запускать одной SQL-командой, без специальных знаний в области ML. 📌Лицензирование: Tabfm Non-commercial 🟡Блогпост 🟡Модель 🖥GitHub @ai_machinelearning_big_data #AI #ML #TabFM #Google	1 719
4	`O_DIRECT`: когда база данных обходит page cache В Linux флаг O_DIRECT позволяет читать и писать файл почти напрямую, минуя page cache ядра. Зачем это нужно базам данных? У PostgreSQL, MySQL, RocksDB и других систем часто уже есть свой buffer pool. Если ещё и ядро будет кэшировать те же страницы, получится двойное кэширование и лишняя трата памяти. Но у O_DIRECT есть неприятное условие: всё должно быть выровнено по блоку. • buffer • file offset • размер чтения / записи Например, под 4 KB блоки нельзя просто так прочитать 123 байта в любой `malloc`-буфер. Промахнулся с alignment — read() вернёт EINVAL. Именно поэтому низкоуровневый I/O в базах выглядит таким странным: там важны не только данные, но и то, как они лежат в памяти.	1 458
5	Как называется специальная схема в PostgreSQL, где хранятся временные таблицы, созданные в рамках текущей сессии?	1 781
6	Мы годами строили предсказуемые монолиты и микросервисы, но AI превратил PDLC в Дикий Запад, где старые паттерны проектирования больше не работают. Хватит делать вид, что ты контролируешь ситуацию, просто прикрываясь новой версией TOGAF. Приходи 1 июля на Arch.Meetup, где мы поговорим про архитектурный подход AI disrupt PDLC, и вместе со спикерами из Сбера, Вебпрактик и Газпром нефти будем учиться управлять этим хаосом, пока нейросети не начали проектировать системы вместо нас. 🔗Выбирай удобный формат и регистрируйся по ссылке 📍Встречаемся очно на Кутузовском 32, а ссылку для онлайн пришлем накануне.	1 810
7	SQL-инъекция за 40 секунд: Лайт против L Разбираем SQL-инъекцию на пальцах в формате Лайт против L. Что это такое, как обычная строка ввода меняет логику запроса, к чему это приводит и какими способами реально закрыть дыру. Коротко, по делу и так, чтобы запомнилось. Больше таких видео: https://www.youtube.com/shorts/c4gBi094jkU @sqlhub	1 880
8	Какая системная переменная в функции PL/pgSQL позволяет узнать, была ли команда (например, UPDATE) выполнена успешно и затронула ли она строки?	1 873
9	🚀XSQUARE 6.6 — большой релиз уже скоро! 🎨 Новая дизайн-система — три уровня кастомизации, настройки layout и расширенные CSS-переменные и анонс «Менеджера визуальных тем». Обновленный подход к созданию сайтов и личных кабинетов на XSQUARE. ⚙️ Что ещё в релизе — Обновлённая компонентно-ориентированная архитектура jsAPI — Kanban-доски в библиотеке UI-компонентов — Работа с 4 типами СУБД на уровне ядра + дорожная карта до конца 2026 — Объявляем о поддерxжке MS SQL Server/РЕД БД на уровне ядра! 📦 XDAC 6.0 — Database Reverse Proxy Server — Поддержка DML и выгрузка больших объёмов данных — Уже 5 типов БД на уровне ядра ☁️ Развёртывание — VK Cloud, Yandex Cloud, Selectel, TimeWeb, Docker, архитектуры x86/ARM/e2k/LoongArch. 🔥 И главное — идём в массы! Анонсируем тарифы для малого и среднего бизнеса, условия для физлиц и бесплатные тарифы. 25 июня в 11:00 МСК 🎯 Зарегистрироваться на вебинар Реклама. ООО "ХИ-КВАДРАТ". ИНН 7718990614. erid: 2W5zFHBrDcV	829
10	Вы можете выучить SQL по «Тетради смерти» О времена, о нравы)	1 872
11	🌟 MolmoMotion: модель прогнозирования движения объектов в трёхмерном пространстве Институт Аллена (Ai2) выпустил MolmoMotion - модель, которая предсказывает, как отмеченный в кадре объект будет двигаться в ближайшие секунды. На вход подаётся кадр или короткая видеоистория, на видимом в сцене предмете отмечаются опорные точки, и добавляется текстовая инструкция (например, "подвинь и поверни деревянную миску с фруктами"). На выходе модель строит траекторию этих точек в трёхмерном пространстве, в метрах относительно камеры. Под капотом - модель Molmo 2 на 4 млрд параметров. Институт обучил 2 версии: 🟢Авторегрессионный вариант, который достраивает траекторию по шагам; 🟠Версию на основе flow-matching для случаев, когда у действия есть несколько вероятных продолжений. 🟡В открытый релиз вошли только 2 AR-чекпойнта 🟢H3-F30 для типичного видео: 3 кадра истории и прогноз примерно на 2 секунды при 15 FPS; 🟢H1-F32 - когда доступен лишь один кадр. 🟡Помимо моделей опубликованы датасет и бенчмарк MolmoMotion-1M - набор из 1,16 млн видео, который охватывает 736 типов движения и около 5,6 тыс. объектов. PointMotionBench состоит из 2,7 тыс. размеченных людьми видеоклипов из сетов DAVIS, HOT3D и WorldTrack. По замерам Ai2, на этом бенче MolmoMotion точнее всех методов, с которыми его сравнивали, включая генераторы видео и более простые базовые модели. В симуляции система управления на базе MolmoMotion успешно выполняла 76,3% операций "взять и переставить" против 56,0% у аналога на Molmo 2, а при генерации видео модель улучшила движение по всем пяти измеряемым показателям. Среди ограничений авторы называют использование лишь 8 точек на объект при обучении. Этого достаточно для общей траектории, но мало для точного описания сложных деформаций. 📌Лицензирование: Apache 2.0 License 🟡Блогпост 🟡Релиз на HuggingFace 🟡Техотчёт 🖥Github @ai_machinelearning_big_data #AI #ML # #MolmoMotion #Ai2	1 545
12	+4 ⚡️AI-системы давно вышли за пределы экспериментов и прототипов. Но между обученной моделью и решением, которое стабильно работает в продакшене, остается много инженерных задач. На конференции SmartData 2026 разберут, как строить надежные data-платформы, проектировать ML-инфраструктуру и работать с современными AI-сценариями. 🗓23–24 сентября, Москва + online Первые доклады уже появились в программе: — LLM и современные подходы к AI; — проектирование data-платформ и хранилищ; — потоковая обработка данных; — ML-пайплайны и запуск моделей в продакшене. SmartData — конференция про инженерию данных для backend-разработчиков, аналитиков и ML-инженеров. 🖥В программе — практический опыт, архитектурные решения и разбор технологий изнутри. Программа будет пополняться, а следить за новыми темами можно на сайте и через email-рассылку конференции. До встречи на SmartData 2026!	295
13	+4 ⚡️AI-системы давно вышли за пределы экспериментов и прототипов. Но между обученной моделью и решением, которое стабильно работает в продакшене, остается много инженерных задач. На конференции SmartData 2026 разберут, как строить надежные data-платформы, проектировать ML-инфраструктуру и работать с современными AI-сценариями. 🗓23–24 сентября, Москва + online Первые доклады уже появились в программе: — LLM и современные подходы к AI; — проектирование data-платформ и хранилищ; — потоковая обработка данных; — ML-пайплайны и запуск моделей в продакшене. SmartData — конференция про инженерию данных для backend-разработчиков, аналитиков и ML-инженеров. 🖥В программе — практический опыт, архитектурные решения и разбор технологий изнутри. Программа будет пополняться, а следить за новыми темами можно на сайте и через email-рассылку конференции. До встречи на SmartData 2026!	1 904
14	Тест прошёл. А PostgreSQL вообще в курсе? Интеграционные тесты часто выглядят надёжно ровно до того момента, пока приложение не встречается с настоящей базой. На локалке всё зелёное. В CI всё зелёное. Моки довольны. In-memory база тоже не против. А потом в проде внезапно выясняется, что реальный PostgreSQL иначе обрабатывает запрос, constraint не даёт сохранить данные, транзакция ведёт себя не так, как ожидалось, а Redis показывает проблему, которую тесты вообще не могли поймать. Именно поэтому Testcontainers в .NET так хорошо заходят для интеграционных тестов. Вместо имитации базы вы поднимаете настоящий PostgreSQL, Redis или другой сервис в Docker-контейнере, прогоняете приложение против реальной зависимости и удаляете контейнер после тестов. Это даёт намного больше уверенности, чем тесты против подмены. При этом не нужен общий тестовый сервер, который кто-то сломал, не почистил или настроил иначе. В хорошей схеме контейнеры запускаются через fixture, приложение получает connection string динамически, версии образов фиксируются, а настройка прячется за небольшими helper-классами. Сам тест при этом остаётся читаемым: он проверяет бизнес-сценарий, а не превращается в простыню из настройки базы и очистки состояния. Есть важный нюанс. Общие fixtures ускоряют тесты, но требуют дисциплины со shared state. Когда изоляция важнее скорости, лучше использовать отдельные fixtures и не ловить фантомные падения из-за данных, оставшихся от соседнего теста. Мне нравится этот подход именно за баланс. Вы тестируете не идеальную игрушечную модель приложения, а поведение, максимально близкое к реальному окружению. Но без боли ручной инфраструктуры. Поэтому в следующий раз, когда интеграционный тест прошёл против in-memory базы, стоит задать неприятный вопрос: а настоящая база с ним согласится?	1 777
15	Классика	2 124
16	Одна маленькая звёздочка в SQL может незаметно просадить весь backend. На первый взгляд всё логично: зачем перечислять поля, если можно забрать из таблицы сразу всё? На тестах быстро, в разработке удобно, проблем не видно. Но потом в таблицу добавляют тяжёлый JSON, аватар, длинный текст или служебные данные. И старый код внезапно начинает таскать лишние мегабайты на каждый запрос. Дальше всё сыпется по цепочке: растёт трафик, запросы тормозят, память уходит быстрее, кэш работает хуже, а любое изменение схемы становится рискованнее. Поэтому в продакшене лучше выбирать только те поля, которые реально нужны приложению. Звёздочка удобна для быстрой проверки. Но в рабочем коде это та самая лень, которая потом больно бьёт по продакшену. #sql #backend #database #postgresql #mysql #разработка #программирование #devtips #webdev	2 375
17	Сегодня вместо опроса настоящий хакатон: Ozon Tech запустил Робозон с задачами по автоматизации складов и призовым фондом 15 000 000 рублей. Три трека: — имитационное моделирование сортировочного центра; — инженерные решения для автоматизированной сортировки; — системы компьютерного зрения для классификации товаров. Всё на реальных данных, и решать можно онлайн. Команду можно собрать свою или вписаться в существующую на платформе хакатона. И до 6 сентября есть время предложить решение. Тех, кто пройдёт в финал, организаторы привезут на E-CODE. На конференции пройдёт и защита, и награждение. Проезд и проживание за счёт компании. Регистрация до 11 июля. Задачи уже выложены на сайте	2 140
18	⚡️ Ling & Ring 2.6: новый техрепорт и open-weight модели Ant Ling выпустили технический отчёт по Ling & Ring 2.6 и открыли два base checkpoint. Главное: * 7:1 Hybrid Linear Attention: 7 Lightning Attention слоёв + 1 MLA слой, чтобы сделать 256K context практичнее * KPop RL: адаптивный Binary KL вместо uniform KL, прирост SWE-bench Verified с 70.8% до 76.28% * ~4× token efficiency: больше “интеллекта” на меньшее число output-токенов * Ling-2.6-flash: 104B, быстрый inference * Ling-2.6-1T: trillion-scale flagship * Ring-2.6-1T: deep reasoning и long-horizon agentic задачи Суть релиза: команда оптимизирует не только модель, а всю связку architecture + training + agentic capability. Открыты: * Ling-2.6-1T-base * Ling-2.6-flash-base * код и inference-стек 📑 Full technical report: http://arxiv.org/abs/2606.15079 🧱 Ling-2.6-1T-base: http://huggingface.co/inclusionAI/Ling-2.6-1T-base 🧱 Ring-2.6-flash-base: http://huggingface.co/inclusionAI/Ling-2.6-flash-base 💻 Code: http://github.com/inclusionAI/Ling-V2.5 ⚙️ Inference: http://github.com/inclusionAI/linghe	2 022
19	Google Research представила Gemini-SQL2 - новую систему text-to-SQL на базе Gemini 3.1 Pro. Она превращает вопросы на обычном языке в исполняемые SQL-запросы, позволяя получать данные из баз без ручного написания кода. На бенчмарке BIRD система показала state-of-the-art результат - 80,04% execution accuracy. BIRD реально запускает запрос и проверяет, возвращает ли он правильный результат. https://x.com/GoogleResearch/status/2065475343205740911 @data_analysis_ml	1 951
20	Как получить значение текущего года в SQL?	2 289

View all posts