Data Science. SQL hub

- Реализована предопределённая роль pg_maintain, предоставляющая пользователю право выполнения операций, связанных с обслуживанием СУБД. - В утилиту pg_basebackup, применяемую для создания резервных копий БД, добавлена поддержка инкрементальных бэкапов. Для реконструирования полного бэкапа из набора инкрементальных копий предложена новая утилита pg_combinebacku. В утилиту pg_dump добавлена опция "--filter" для выбора включаемых в дамп объектов. - При анализе запросов при помощи SQL-команды "EXPLAIN" реализован вывод времени, потраченного на чтение и запись локальных блоков при вводе/выводе. В команду "EXPLAIN" также добавлены две новые опции "MEMORY" и "SERIALIZE", при помощи которых можно определить размер использованной памяти и время, потраченное на преобразование данных для передачи по сети. - Обеспечена индикация прогресса выполнения операции VACUUM с индексами. - Добавлено системное представление pg_wait_events, которое в сочетании с представлением pg_stat_activity позволяет подробнее изучить причины нахождения активных сеансов в состоянии ожидания. @sqlhub

- При выполнении операции VACUUM (сборка мусора, чистка и упаковка дискового хранилища) задействована новая структура данных, потребляющая до 20 раз меньше памяти. Переход на новую структуру позволил ускорить выполнение операций VACUUM и сократить потребление совместно используемых ресурсов. - Продолжена оптимизация производительности ввода/вывода. Благодаря улучшению кода для обработки лога отложенной записи WAL удалось до двух раз повысить пропускную способность операций записи в системах с большим числом одновременно выполняемых запросов. Предложен новый интерфейс потокового ввода/вывода, позволивший повысить скорость последовательного перебора данных в таблицах и ускорить обновление статистики для планировщика запросов после выполнения операции ANALYZE. - Повышена производительность запросов с выражением "IN", если в них используются индексы на базе структуры B-tree. Реализована возможность параллельного построения индексов BRIN (Block Range Index). В планировщике запросов оптимизированы проверки "NOT NULL" и ускорена обработка обобщённых табличных выражений (Common Table Expression, CTE) определяемых при помощи SQL-команды "WITH". Обеспечено использование векторных процессорных инструкций (SIMD) для ускорения некоторых вычислений, например, для ускорения функции bit_count задействованы инструкции AVX-512. - Реализована поддержка новых возможностей для работы с форматом JSON, определённых в стандарте SQL/JSON. Добавлена функция JSON-TABLE для преобразования данных из формата JSON в обычные таблицы PostgreSQL, а также новые операторы jsonpath для преобразования данных JSON в родные для PostgreSQL типы данных. Предложены новые функции для создания (JSON, JSON_SCALAR и JSON_SERIALIZE) и запроса (JSON_EXISTS, JSON_QUERY и JSON_VALUE) данных в формате JSON. - Расширены возможности SQL-команды "MERGE", позволяющей создавать условные SQL-выражения, объединяющие в одном выражении операции INSERT, UPDATE и DELETE. Добавлена поддержка выражения RETURNING, позволяющего вычислять и возвращать значения на основе добавленных, обновлённых или удалённых строк. Реализована поддержка обновления представлений. - Расширены возможности загрузки и экспорта данных в пакетном режиме. В команде COPY до двух раз увеличена скорость экспорта больших строк, оптимизировано копирование при совпадении исходной и целевых кодировок, добавлена опция ON_ERROR, позволяющая продолжить импорт после ошибок при вставке данных. - Для секционированных таблиц добавлена возможность использования столбцов с уникальными идентификаторами и поддержка техники оптимизации запросов "Constraint exclusion". - В механизме подключения внешних таблиц Foreign Data Wrapper (postgres_fdw) реализована возможность передачи на внешний сервер подзапросов "EXISTS" и "IN". - Реализован встроенный платформонезависимый движок для обработки свойств локали "Collation", используемых для задания правил сортировки и методов сопоставления с учётом смысла символов (например, при сортировке цифровых значений учитывается наличие минуса и точки перед числом и разные виды написания, а при сравнении не принимается во внимание регистр символов и наличие знака ударения). Новый движок гарантирует единое поведение при сортировке результатов запросов, не зависящее от того, на какой платформе запускается PostgreSQL. - В механизме логической репликации, позволяющем транслировать на другой сервер изменения, вносимые в БД в ходе добавления, удаления или обновления записей, упрощён процесс обновления СУБД. Если раньше при переходе на новый значительный выпуск приходилось удалять слоты логической репликации и повторно синхронизировать данные, то теперь можно обойтись без удаления слотов. Для отказоустойчивых конфигураций реализована возможность управления переключением на запасной сервер (failover) для логической репликации. Добавлена новая утилита pg_createsubscriber для преобразования физической реплики в новую логическую реплику. - Добавлена новая опция "sslnegotiation" для прямого согласования ащищённых TLS-соединений с использованием TLS-расширения ALPN.

🖥 Релиз СУБД PostgreSQL 17 После года разработки опубликована новая стабильная ветка СУБД PostgreSQL 17. Обновления для новой ветки будут выходить в течение пяти лет до ноября 2029 года. Поддержка PostgreSQL 12.x, самой старой из поддерживаемых веток, будет прекращена 14 ноября. 📌 Основные новшества:

🖥 SQL tips and tricks Круташий набор лайфхаков и советов по улучшению SQL запросов. В нём представлены методы повышения читаемости кода и предотвращения распространённых ошибок и рекомендации по оптимизации. ▪ Github @sqlhub

❓️ Ваших знаний в области управления базами данных не хватает для успешного выполнения рабочих задач и карьерного роста? 🚀  Всего за 4 месяца вы научитесь настраивать кластер PostgreSQL на оптимальную производительность, организовывать систему резервного копирования и оперативно решать проблемы сбоев, блокировок и deadlock. Вы сможете использовать индексы, джойны и статистику для оптимизации производительности, а также решать проблемы работы с большими объемами данных. Ваши знания и навыки позволят проектировать БД так, чтобы впоследствии не приходилось тушить пожары из-за не оптимально заложенных основ. 🚀💻🔥 Присоединяйтесь к курсу «PostgreSQL для администраторов баз данных и разработчиков». Решайтесь сейчас — до 30 сентября действует скидка 🤑🤑! Забронировать место в группе по скидке: https://otus.pw/AUDB/?erid=LjN8KBPcJ #реклама О рекламодателе

🖥 Учебный курс «DBA2. Администрирование PostgreSQL 13. Настройка и мониторинг» DBA2-13. 00. Введение DBA2-13. 01. Изоляция DBA2-13. 02. Страницы и версии строк DBA2-13. 03. Снимки данных DBA2-13. 04. HOT-обновления DBA2-13. 05. Очистка DBA2-13. 06. Автоочистка DBA2-13. 07. Заморозка DBA2-13. 08. Буферный кеш DBA2-13. 09. Журнал предзаписи DBA2-13. 10. Контрольная точка DBA2-13. 11. Настройка журнала DBA2-13. 12. Блокировки объектов DBA2-13. 13. Блокировки строк DBA2-13. 14. Блокировки в оперативной памяти DBA2-13. 15. Управление расширениями DBA2-13. 16. Локализация DBA2-13. 17. Обновление сервера ▪Источник @sqlhub

Yandex Cloud открыла доступ к Yandex Cloud AI Studio – единой платформе для создания приложений на базе ИИ Платформа объединяет все доступные ML-решения компании, включая генеративные нейросети: YandexGPT и YandexART. Единый интерфейс позволяет упростить разработку и ускорить запуск многофункциональных ИИ-приложений. Чтобы писать меньше кода для интеграции нейросетей, разработчики могут воспользоваться SDK-библиотекой с готовыми примерами кода. Также пользователи смогут тестировать ML-решения в AI Playground: в нем можно вести одновременно несколько диалогов, в каждом из которых сохраняется история обращений. Читайте подробнее в статье.

🖥 Phidias Генеративная модель для создания 3D-контента из текста, изображения и 3D-условий с помощью диффузии с добавлением ссылок https://huggingface.co/papers/2409.11406 @sqlhub

Как эффективно работать с запросами в PostgreSQL? Приходите на открытый вебинар 24 сентября в 20:00 мск, где мы разберем: - основы и использование Common Table Expressions (CTE); - применение и типы JOIN для объединения таблиц; - анализ и понимание планов выполнения запросов; - методы оптимизации запросов для повышения производительности; - работу с рекурсивными запросами в PostgreSQL. 👨‍💻🛠👨🏻‍💻 Урок полезен для разработчиков БД, аналитиков данных и всех, кто хочет углубить свои знания в работе с PostgreSQL. Встречаемся в преддверии старта курса «PostgreSQL для администраторов баз данных и разработчиков». Все участники вебинара получат специальную цену на обучение! ➡️ Регистрируйтесь прямо сейчас, чтобы не пропустить мероприятие: https://otus.pw/TjP9/?erid=LjN8KZeR1 О рекламодателе

🖥 Ползеная шпаргалка по SQL с примерами запросов На это Гите есть практически все, что касается SQL, начиная от запросов к базе данных и создания таблиц и заканчивая соединением (joining) данных. Информация представлена наглядно и очень доступно. GitHub @sqlhub

Продуктовые аналитики, это вам В Т-Банке пройдет Week Offer для специалистов уровня middle и senior. Можете пройти все этапы собеседования за неделю и присоединиться к ИТ-команде. Дальше будете выдвигать гипотезы, принимать решения на основе данных и влиять на продукты для миллионов. Рутинные задачи можно автоматизировать и полностью сосредоточиться на аналитике. В компании используют актуальный стек. Будете работать с базами данных Greenplum, Hadoop, Hive, ClickHouse. Для визуализации использовать Tableau, Grafana, а разрабатывать — на Python, SQL. Узнайте больше и успейте подать заявку до 25 сентября

🖥 SQL для Data Science: ключевые вопросы с собеседований по разным уровням Подборка важных SQL вопросов для разных уровней👇 🔹 Начинающие (0-2 года): ▪️ В чем разница между WHERE и HAVING? ▪️ Какие виды JOIN существуют в SQL? 🔹 Опытные (2-5 лет): ▪️ Запрос для поиска второй по величине зарплаты. ▪️ Оконные функции в SQL, пример с ROW_NUMBER(). 🔹 Эксперты (5+ лет): ▪️ Как оптимизировать медленный запрос? ▪️ Когда использовать кластеризованные и некластеризованные индексы? 🖥 Ссылка @sqlhub

7️⃣самых эффективных стратегий для масштабирования БД 🔵 Материализованные представления: Предварительно рассчитывайте результаты сложных запросов и сохраняйте их для быстрого доступа. 🔵 Денормализация: Упрощайте сложные соединения для повышения скорости выполнения запросов. 🔵 Вертикальное масштабирование: Увеличивайте ресурсы сервера (процессоры, оперативную память, хранилище) для улучшения производительности. 🔵 Индексация: Анализируйте запросы вашего приложения и создавайте подходящие индексы для ускорения работы. 🔵 Кэширование: Храните часто запрашиваемые данные в быстром хранилище, чтобы снизить нагрузку на базу данных. 🔵 Репликация: Создавайте копии основной базы данных на разных серверах для увеличения объема операций чтения. 🔵 Шардинг: Разделяйте таблицы на более мелкие части и распределяйте их по серверам для улучшения работы с записью и чтением. @sqlhub

Освойте универсальные навыки в мире цифровых профессий — научитесь работать с SQL, Python, Power BI и DataLens на бесплатном курсе от Нетологии. В результате вы: — разберётесь в основах Python для анализа данных и узнаете, как извлекать информацию. — научитесь делать запросы и отчёты с помощью SQL. — сможете строить интерактивные дашборды в Power BI и DataLens. Курс подойдёт новичкам и тем, кто хочет расширить свои навыки. Присоединяйтесь бесплатно Реклама. ООО "Нетология". Erid 2VSb5wd5PB6

🖥 Интерактивная схема устройства работы векторных баз данных @sqlhub

✊Расширьте свой стек и апнитесь в зарплате! 👉Начните на бесплатном вебинаре онлайн-курса «Greenplum для разработчиков и аналитиков» - «Введение в Greenplum и её архитектуру»: регистрация На вебинаре вы узнаете о структуре системы, параллелизме и масштабируемости. В практической части будут продемонстрированы примеры работы с запросами и оптимизации производительности. Цели вебинара: 1. Основы: Познакомить участников с архитектурой Greenplum и её концепциями. 2. Распределенная обработка: Объяснить преимущества MPP (Massively Parallel Processing). 3. Практика: Показать, как разрабатывать и оптимизировать запросы. 4. Сравнение: Рассмотреть отличия от других СУБД, таких как PostgreSQL. 🤝Понравится урок — продолжите обучение на курсе по спеццене и даже в рассрочку! erid: LjN8Jyi6D

💻 eralchemy — простой инструмент на Python для отрисовки взаимоотношений таблиц SQ — pip install eralchemy eralchemy — это генератор диаграмм для баз данных а также для различных объектов SQLAlchemy. eralchemy работает с SQLAlchemy < 1.4, а также с версиями выше 1.4. 🖥 GitHub @sqlhub

❓Игры собирают персональные данные — как это влияет на вашу безопасность? Узнайте на открытом вебинаре 17 сентября в 20:00 мск, где мы разберем: - что такое обработка персональных данных; - способы обработки данных в играх; - какие игры собирают персональные данные и для чего; - персональные данные как нематериальное благо человека; - монетизацию обработки персональных данных. Встречаемся в преддверии старта курса «Data Protection Officer». Все участники вебинара получат специальную цену на обучение! 👉 Регистрируйтесь прямо сейчас, чтобы не пропустить мероприятие: https://otus.pw/mKHs/?erid=LjN8K7i58 Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

Тоже так считаете ?) @sqlhub

🖥 Крутая шпаргалка по SQL. В ней, предоставлены основные примеры запросов, а также пояснения к ним на русском языке. Сохраняйте, чтобы не потерять #шпаргалка #sql @sqlhub