en
Feedback

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

SQL и Анализ данных

SQL и Анализ данных

Open in Telegram

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

Show more

📈 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 12 480 subscribers, ranking 10 113 in the Technologies & Applications category and 51 480 in the Russia region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 12 480 subscribers.

According to the latest data from 15 November, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 49 over the last 30 days and by -2 over the last 24 hours, overall reach remains high.

  • Verification status: Not verified
  • Engagement rate (ER): The average audience engagement rate is 14.38%. Within the first 24 hours after publication, content typically collects 6.09% reactions from the total number of subscribers.
  • Post reach: On average, each post receives 1 794 views. Within the first day, a publication typically gains 760 views.
  • Reactions and interaction: The audience actively supports content: the average number of reactions per post is 8.
  • 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 16 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.

12 480
Subscribers
-224 hours
-297 days
+4930 days
Posts Archive
Rust, который наконец становится понятным 🦀 Давно хочешь выучить Rust, но ownership, borrowing и lifetimes выглядят как отде
Rust, который наконец становится понятным 🦀 Давно хочешь выучить Rust, но ownership, borrowing и lifetimes выглядят как отдельный вид боли? Этот курс проведёт тебя с самого начала до уровня, где ты уже пишешь реальные системные и сетевые программы. Ты разберёшь: Ownership → Borrowing → ошибки → коллекции → Generics → Traits → модули → тесты → сетевой код Никакого бесконечного чтения документации. После каждого урока ты сразу пишешь код, проходишь тесты и решаешь задачу с автопроверкой. 🔥 Rust с нуля 🔥 5–6 часов в неделю 🔥 Практика после каждого урока 🔥 Подойдёт после Python, JavaScript, Java и других языков 🔥 Можно начать сразу В конце у тебя будет понимание Rust, с которым уже можно писать быстрые backend-сервисы, сетевые приложения и системные утилиты, а не смотреть на borrow checker как на врага. Пора добавить Rust в свой стек. Начинай курс и пиши первый код уже сегодня: https://stepik.org/a/294885/

4 курса на программиста за 90 секунд на примере заказа пиццы Алгоритм считает цену, HTTP-запрос несёт заказ на сервер, база данных сохраняет его в таблицу, а автотесты и деплой выкатывают новую версию приложения. Весь путь от первого курса до диплома на одном заказе пиццы. https://www.youtube.com/shorts/3g0YYKICRc4

Какое ключевое слово используется в оконных функциях PostgreSQL для определения группы строк, к которым применяется функция?
Anonymous voting

Запрос вернул строки. В какой момент они были верны? Изоляция и конкурентные изменения становятся особенно заметны, когда дан
Запрос вернул строки. В какой момент они были верны? Изоляция и конкурентные изменения становятся особенно заметны, когда данные распределены между узлами. На конференции HighLoad++ 2026 разберем инженерные случаи, где свойства системы влияют на результат работы с БД. Андрей Бородин разберет чтение с реплик PostgreSQL: аномалии изоляции и поиск актуального мастера. Максим Рауба, Ozon, покажет, как разбирать гонки при обновлении данных в master- и masterless-системах на примере WMS. Два доклада о том, как свойства распределенной системы влияют на корректность чтения и обновления данных. 30 ноября и 1 декабря 2026, кампус СКОЛКОВО, Москва. Очно и онлайн. Посмотреть программу #реклама О рекламодателе

SQL-задача: почему этот запрос не возвращает ни одной строки? Есть две таблицы:

users
+----+--------+
| id | name   |
+----+--------+
| 1  | Alex   |
| 2  | Maria  |
| 3  | John   |
| 4  | Kate   |
+----+--------+

banned_users
+---------+
| user_id |
+---------+
| 2       |
| NULL    |
+---------+
Выполняем запрос:

SELECT *
FROM users
WHERE id NOT IN (
    SELECT user_id
    FROM banned_users
);
Что вернёт запрос? A. Alex, John, Kate B. Alex, Maria, John, Kate C. Maria D. Пустой результат Здесь спрятана одна из самых коварных особенностей SQL: трёхзначная логика и поведение NULL в операторе NOT IN. Какой вариант правильный? И почему?

PostgreSQL: от SQL до внутреннего устройства Практический курс на русском для разработчиков, аналитиков и инженеров, которым
PostgreSQL: от SQL до внутреннего устройства Практический курс на русском для разработчиков, аналитиков и инженеров, которым важно понимать не только синтаксис запросов, но и поведение базы под нагрузкой. Вы построите учебный сервис заказов, исследуете планы запросов, воспроизведёте блокировки и разберёте MVCC, WAL и vacuum. https://github.com/justxor/postgresql-deep-dive-ru

SQL-ловушка: оконная функция считает не так, как вы ожидаете Даже опытные разработчики иногда ошибаются с SUM() OVER(). Что вернёт этот запрос в PostgreSQL?

WITH sales(id, amount) AS (
    VALUES
        (1, 10),
        (2, 10),
        (3, 20)
)
SELECT
    id,
    SUM(amount) OVER (
        ORDER BY amount
    ) AS running_total
FROM sales
ORDER BY id;
Какой будет столбец `running_total`? А) 10, 20, 40 Б) 20, 20, 40 В) 10, 10, 40 Г) Запрос завершится ошибкой На первый взгляд обычная накопительная сумма. Но PostgreSQL по умолчанию использует оконный фрейм, поведение которого при одинаковых значениях сортировки легко упустить. Какой вариант правильный и что изменится, если явно указать ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW?

Какой оператор используется для получения строк, которые есть в первом результате запроса, но отсутствуют во втором?
Anonymous voting

💼 Войти в ИБ можно начать сегодня вечером, с телефона Не обязательно бросать работу и покупать курс за сотни тысяч, чтобы по
💼 Войти в ИБ можно начать сегодня вечером, с телефона Не обязательно бросать работу и покупать курс за сотни тысяч, чтобы понять, твоё ли это. Начать можно с бесплатного мини-курса! ➡️ Начать в Telegram
За пару часов разберёшься, чем вообще занимаются в кибербезопасности: что защищают, как работают атаки, как устроена защита и какие есть профессии с их зарплатами. Открывается в мессенджере, проходится по дороге с работы, без сайтов и долгих регистраций.
А дальше, если зацепит, прямо в боте можно записаться на бесплатный разбор карьерного трека: куда идти с твоим опытом и как.

SQL-задача с подвохом: почему `LAG()` неправильно объединяет интервалы? Есть интервалы. Нужно объединить пересекающиеся и соприкасающиеся:

start_at | end_at
---------+-------
1        | 10
2        | 3
9        | 12
15       | 18
18       | 20
Ожидаемый результат:

1  | 12
15 | 20
Ловушка: сравнить начало интервала с концом предыдущего через LAG(end_at). Для [9,12] предыдущий интервал – [2,3]. Кажется, появился разрыв. Но [9,12] пересекается с более ранним [1,10]. Нужен максимальный конец среди всех предыдущих строк. Решение для PostgreSQL:

WITH bounds AS (
    SELECT *,
        MAX(end_at) OVER (
            ORDER BY start_at, end_at
            ROWS BETWEEN UNBOUNDED PRECEDING
                     AND 1 PRECEDING
        ) AS prev_max
    FROM intervals
),
groups AS (
    SELECT *,
        SUM(CASE
            WHEN prev_max IS NULL
              OR start_at > prev_max THEN 1
            ELSE 0
        END) OVER (
            ORDER BY start_at, end_at
            ROWS UNBOUNDED PRECEDING
        ) AS grp
    FROM bounds
)
SELECT MIN(start_at) AS start_at,
       MAX(end_at) AS end_at
FROM groups
GROUP BY grp
ORDER BY start_at;
Разбор: MAX() находит границу уже просмотренных интервалов. Начало правее неё – новая группа. Накопительная сумма нумерует группы, а MIN/MAX собирают итоговые границы. Условие > объединяет соприкасающиеся интервалы. Если соприкосновение объединять нельзя, используйте >=. Предполагаем, что границы не NULL и start_at < end_at.

Модель OpenAI опровергла ETH и взялась за задачу тысячелетия OpenAI заявила о трех открытиях своих моделей: опровержении ETH,
Модель OpenAI опровергла ETH и взялась за задачу тысячелетия OpenAI заявила о трех открытиях своих моделей: опровержении ETH, доказательстве гипотезы Какея и существовании теории Янга-Миллса. OpenAI опубликовала сразу три результата, которые получили ее внутренние модели: в гармоническом анализе, теории сложности и квантовой теории поля. Каждый из них, если подтвердится, закрывает вопрос, над которым специалисты бились десятилетиями. Сама компания называет эти рукописи «сырыми исследовательскими данными» и впервые отдает их на разбор внешним группам ученых. https://uproger.com/openai-eth-yang-mills-kakeya/

AI Data Science Team — команда специалистов по анализу данных на базе искусственного интеллекта поможет вам выполнять стандартные задачи в 10 раз быстрее.

Вопрос с собеседования по ML: зачем делить на корень из d в attention? Разбор популярного вопроса на собеседованиях по машинному обучению: почему в attention скалярное произведение делят на корень из d. Показываем на реальных расчётах, как без этого softmax насыщается, а градиенты пропадают. Сохрани, чтобы не завалить на интервью.

Какой метод партиционирования в PostgreSQL разделяет данные на основе вхождения значения в определенные диапазоны (например, даты)?
Anonymous voting

One Day Offer: стань щитом для миллионов клиентов! 🔥 В департамент противодействия мошенничеству Сбера нужен аналитик данных
One Day Offer: стань щитом для миллионов клиентов! 🔥 В департамент противодействия мошенничеству Сбера нужен аналитик данных в антифрод — чтобы разбирать тренды мошенничества, находить скрытые паттерны и превращать их в правила защиты. Готов к таким задачам — добро пожаловать на One Day Offer: отбор за один день, разбор реальных кейсов, быстрая обратная связь. 24 октября, онлайн, регистрация и подробности — здесь!

🧩 SQL-задача: опечатка, которую база не заметит

CREATE TABLE users (user_id INT PRIMARY KEY);
CREATE TABLE orders (order_id INT PRIMARY KEY, buyer_id INT);

INSERT INTO users VALUES (1), (2), (3);
INSERT INTO orders VALUES (101, 1);

SELECT user_id
FROM users
WHERE user_id IN (
    SELECT user_id FROM orders
);
Что вернёт запрос? Ошибку, только 1 или всех пользователей? 👇 Разбор Вернёт 1, 2, 3. В orders нет user_id, поэтому SQL находит колонку во внешнем запросе. Подзапрос становится коррелированным: для каждого пользователя он возвращает его собственный ID по одному разу на каждую строку orders. Пока в orders есть строки, условие истинно для каждого пользователя. Если таблица пуста, запрос не вернёт ничего. Правильный вариант:

SELECT u.user_id
FROM users AS u
WHERE u.user_id IN (
    SELECT o.buyer_id
    FROM orders AS o
);
💡 Указывайте алиасы таблиц: o.user_id вызвал бы ошибку и сразу выдал опечатку. #SQL

Как не дать проекту по переходу на российскую базу данных превратиться в долгострой и сожрать вашу прибыль? Ответ: увидеть ми
Как не дать проекту по переходу на российскую базу данных превратиться в долгострой и сожрать вашу прибыль? Ответ: увидеть миграцию вживую! 27 октября в Москве, в Кибердоме, пройдёт День СУБД 2026 от «Диасофт». В программе: 📍 Демо переноса схемы с MS SQL и Oracle без переписывания кода – на сцене, с реальной консолью 📍 Кейсы клиентов с цифрами и сроками 📍 Готовый чек-лист и методика оценки трудоёмкости миграции 📍 Личные консультации с архитекторами Digital Q.DataBase – без тикетов и SLA 📍 3 часа нетворкинга с теми, кто уже завершил переход Формат офлайн. Участие бесплатное, но количество мест ограничено. 📅 27 октября, 14:00–23:00 📍 Москва, Кибердом 🔗 Регистрация

🦀 SurrealDB заменяет RocksDB собственным движком на Rust. Команда выпустила SurrealKV 1.0 под лицензией Apache 2.0. В Surrea
🦀 SurrealDB заменяет RocksDB собственным движком на Rust. Команда выпустила SurrealKV 1.0 под лицензией Apache 2.0. В SurrealDB 4 он станет единственным движком постоянного хранения. В тестах разработчиков, где каждый коммит сохраняется на диск до подтверждения, SurrealKV обошёл RocksDB: ⚡ Точечное чтение в 7,95 раза ⚡ Обновление в 6,10 раза ⚡ Создание записей в 26,8 раза В основе ускорения: radix tree для данных в памяти, групповая запись коммитов в журнал и дешёвые операции чтения. Есть транзакции с изоляцией снимков, история версий и шифрование данных на диске. Цифры зависят от режима: без синхронного сохранения RocksDB быстрее на записи. Каждый результат получен за один прогон, а необычно большой разрыв на создании записей авторы пока не объяснили. https://surrealdb.com/blog/we-are-replacing-rocksdb-with-surrealkv-1-0

🔎 Конец программирования: создатель InfluxDB считает, что код скоро перестанут писать и читать люди Пол Дикс, основатель Inf
🔎 Конец программирования: создатель InfluxDB считает, что код скоро перестанут писать и читать люди Пол Дикс, основатель InfluxData и автор InfluxDB, опубликовал эссе «The end of programming». Его тезис: ручное написание кода и построчное ревью вымирают. Софт будут производить агенты, а люди будут проверять результат работы системы, в сам код почти не заглядывая. Главный аргумент Дикса связан с Bun 1.4. Рантайм переписали с Zig на Rust, это больше миллиона новых строк. Сделал это один разработчик, Джаред Самнер, вместе с предрелизной Fable 5 и почти безлимитным бюджетом на токены. Он собрал харнесс для параллельной работы агентов, и за 11 дней они сделали 6778 коммитов. По API это стоило бы около $165 тысяч. На возражение, что переписывать готовую программу легко, ведь старая версия служит эталоном, Дикс отвечает так: если есть система верификации и толковое направление, ИИ доводит до рабочего состояния очень сложный софт. Его собственные эксперименты на форке InfluxDB. Интеграцию с Apache Iceberg, где задействованы API, CLI, компактор, манифесты и S3, Fable собрала за 14 часов: Дикс только описал архитектуру, а дальше работали сабагенты с код-ревью. Репликацию данных с edge-узлов в центральный кластер модель сделала за 28 часов, сама развернула в AWS и чинила баги по логам и метрикам. Система крутится до сих пор. Обе фичи пока остаются прототипами, а держать агента в постоянном цикле улучшений Дикс не может себе позволить: по его оценке, это сотни тысяч долларов в месяц. По словам Дикса, в Anthropic и OpenAI разработчики уже выпускают десятки и сотни PR в неделю. Они строят системы, промпты и инструменты проверки и не читают каждую строку. Остальная индустрия придёт к этому примерно через год. К концу 2027 года интеллект уровня Fable должен стать достаточно дешёвым для работы на полный день, а железо вроде Cerebras даст в 10-100 раз больше токенов в секунду. При этом Дикс не обещает мгновенной революции. Из-за инерции организаций ручной код с построчным ревью во многих компаниях проживёт ещё лет десять. И вместе с полезным софтом нас ждёт море слопа. Самыми продуктивными станут те, кто управляет агентами, строит харнессы, фабрики софта и системы QA. Главными вопросами будут «что мы хотим выпустить?» и «что мы готовы поддерживать?». https://pauldix.com/the-end-of-programming

Трюк Карпаты сработал: локальная LLM на Mac M5 выдает 117 токенов в секунду Как open-source движок Uzu от Mirai обходит потол
Трюк Карпаты сработал: локальная LLM на Mac M5 выдает 117 токенов в секунду Как open-source движок Uzu от Mirai обходит потолок пропускной способности памяти на Apple M5 и разгоняет Qwen3.5 9B с 22 до 117 токенов в секунду: квантизация, спекулятивный декодинг, Weaver и бенчмарк против llama.cpp и MLX. https://uproger.com/uzu-uskorenie-lokalnyh-llm-apple-m5/