Библиотека баз данных
Самая большая библиотека бесплатных книг по SQL По всем вопросам- @haarrp @ai_machinelearning_big_data - machine learning @pythonl - Python @itchannels_telegram - 🔥 best it channels @ArtificialIntelligencedl - AI РКН: № 5037640984
Show more📈 Analytical overview of Telegram channel Библиотека баз данных
Channel Библиотека баз данных (@sql_lib) in the Russian language segment is an active participant. Currently, the community unites 10 345 subscribers, ranking 11 961 in the Technologies & Applications category and 63 498 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 10 345 subscribers.
According to the latest data from 05 June, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -68 over the last 30 days and by -3 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 7.07%. Within the first 24 hours after publication, content typically collects N/A% reactions from the total number of subscribers.
- Post reach: On average, each post receives 732 views. Within the first day, a publication typically gains 0 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 2.
- Thematic interests: Content is focused on key topics such as sql, субд, индекс, user_id, архитектура.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Самая большая библиотека бесплатных книг по SQL
По всем вопросам- @haarrp
@ai_machinelearning_big_data - machine learning
@pythonl - Python
@itchannels_telegram - 🔥 best it channels
@ArtificialIntelligencedl - AI
РКН: № 5037640984”
Thanks to the high frequency of updates (latest data received on 06 June, 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.
📎Решение застарелых архитектурных проблем PostgreSQL для современных нагрузок и масштабирования 📎Временные таблицы для Postgres. Почему это важно для платформы 1С и что можно улучшить? 📎Разделение Compute и Storage: архитектурный прорыв для PostgreSQL в облаке 📎Опыт вынесения OLAP-нагрузки на реплику 📎Highload "из ниоткуда": когда проблема не в СУБД, а в клиентской архитектуре 📎Опыт эксплуатации, проблемы и производительность PostgreSQL на Эльбрус, Baikal-S, Loongson, Repka Pi, x86 📎Поиск проблем планирования запросов до их воздействия на производительность 📎Тестирование, баги и уроки работы с патчем 64-битного счетчика транзакций PostgreSQL 📎Работа с логами PostgreSQL 📎…и другие (всего 25 выступлений)🗓 19 марта 📍 Москва, офлайн + онлайн ➡️ БЕСПЛАТНАЯ РЕГИСТРАЦИЯ
Существующие решения не подходят для маломощных устройств: Faiss дает только ANN-индекс без скалярного хранилища и крэш-рекавери; DuckDB-VSS ограничен в опциях индексирования; Milvus и облачные векторные хранилища требуют сеть.Под капотом - Proxima, векторный движок продакшен-уровня, который Alibaba сама использует в собственных сервисах. Поверх него сделали лаконичный Python API: 🟢полный CRUD и поддержка схем; 🟢поиск по нескольким векторам для комбинации разных эмбеддинг-моделей; 🟢встроенный реранкер с weighted и RRF; 🟢гибридный поиск (векторный + фильтры по скалярным полям) с инвертированными индексами. Это позволяет собирать локальных ассистентов, которые одновременно используют семантический поиск, множественную фильтрацию и несколько эмбеддинг-моделей - все в одном движке. По производительности Zvec заявляет победу на бенче VectorDBBench с датасетом Cohere 10M - более 8 000 QPS при сопоставимом реколле. Это вдвое больше, чем у лидера ZillizCloud и с более быстрым построением индекса. Авторы объясняют успех глубокой оптимизацией под CPU: SIMD, кэш-эффективные структуры, многопоточность и prefetching. Пока платформенная поддержка ограничена (Windows отсутствует), но для Linux x86/ARM64 и macOS Zvec уже готов к экспериментам на Python 3.10–3.12. 📌Лицензирование: Apache 2.0 License. 🟡Статья 🟡Документация 🖥GitHub @ai_machinelearning_big_data #AI #ML #VDB #ZVEC #Alibaba
-- Плохо
SELECT COUNT(*)
FROM orders
WHERE user_id = 123;
-- Хорошо
SELECT EXISTS (
SELECT 1
FROM orders
WHERE user_id = 123
);
-- Или в условии
SELECT *
FROM users u
WHERE EXISTS (
SELECT 1
FROM orders o
WHERE o.user_id = u.id
);🔸 Узнаете об эффективных подходах — от тактических SQL-приёмов до стратегических архитектурных решений. 🔸 Разберёте конкретные методы, применимые к любой СУБД, и тонкие нюансы оптимизации. 🔸 Получите готовый набор фишек для ускорения запросов и витрин уже на следующий день.Проведет вебинар Георгий Семенов, руководитель команды Analytics Engineering в Яндексе. Его опыт (VK, Wildberries, ЦУМ, ВТБ) и 14 лет в управлении IT-проектами — это концентрат практических знаний без воды. Все участники получат в подарок практический урок из курса SQL Pro про оптимизацию запросов — навсегда. Ускорьте свою аналитику одним кликом: simulative.ru/web-sql-speedup
NULL, то NOT IN ломает логику и не вернёт ничего.
Правило:
- ❌ Не используй `NOT IN` с подзапросами
- ✅ Используй `NOT EXISTS` или LEFT JOIN ... IS NULL
-- ❌ ПЛОХО: NOT IN ломается из-за NULL
SELECT *
FROM users u
WHERE u.id NOT IN (
SELECT user_id
FROM banned_users
);
-- ✅ ХОРОШО: NOT EXISTS безопасен
SELECT *
FROM users u
WHERE NOT EXISTS (
SELECT 1
FROM banned_users b
WHERE b.user_id = u.id
);COUNT(*) FILTER вместо CASE WHEN — быстрее, чище и читаемее.
❌ Как делают обычно:
SELECT
COUNT(CASE WHEN status = 'success' THEN 1 END) AS success_cnt,
COUNT(CASE WHEN status = 'error' THEN 1 END) AS error_cnt
FROM events;
✅ Как делают профи:
Копировать код
SELECT
COUNT(*) FILTER (WHERE status = 'success') AS success_cnt,
COUNT(*) FILTER (WHERE status = 'error') AS error_cnt
FROM events;
Почему это важно:
- меньше вычислений внутри агрегаций
- оптимизатору проще строить план
- код короче и легче поддерживать
- особенно эффективно в аналитических запросах
Где работает:
- PostgreSQL
- SQLite (частично)
- DuckDB
- ClickHouse (через аналоги)
Мелочь, но именно из таких мелочей складывается SQL уровня senior.IN (subquery) - почти всегда выгоднее заменить его на EXISTS.
❌ Часто медленно:
SELECT *
FROM orders o
WHERE o.user_id IN (
SELECT u.id FROM users u WHERE u.country = 'US'
);
✅ Обычно быстрее и безопаснее:
SELECT *
FROM orders o
WHERE EXISTS (
SELECT 1
FROM users u
WHERE u.id = o.user_id
AND u.country = 'US'
);
Почему это важно:
- IN может материализовать подзапрос целиком
- EXISTS работает как semi-join и рано останавливается
- Лучше масштабируется на больших данных
- Меньше сюрпризов с NULL
Особенно критично в PostgreSQL, MySQL и Oracle на больших таблицах.
Available now! Telegram Research 2025 — the year's key insights 
