SQL и Анализ данных
Базы данных и всё, что с ними связано! Сотрудничество: @haarrp РКН № 6766085482
نمایش بیشتر📈 تحلیل کانال تلگرام SQL и Анализ данных
کانال SQL и Анализ данных (@databases_tg) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 12 480 مشترک است و جایگاه 10 113 را در دسته فناوری و برنامهها و رتبه 51 480 را در منطقه روسيا دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 12 480 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 15 نوامبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 49 و در ۲۴ ساعت گذشته برابر -2 بوده و همچنان دسترسی گستردهای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 14.38% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 6.09% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 1 794 بازدید دریافت میکند. در اولین روز معمولاً 760 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 8 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند sql, индекс, user_id, строка, субд تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاههای شخصی توصیف میکند:
“Базы данных и всё, что с ними связано!
Сотрудничество: @haarrp
РКН № 6766085482”
به لطف بهروزرسانیهای پرتکرار (آخرین داده در تاریخ 16 نوامبر, 2026)، کانال همواره بهروز و دارای دسترسی بالاست. تحلیلها نشان میدهد مخاطبان بهطور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته فناوری و برنامهها تبدیل کردهاند.
در حال بارگذاری دادهها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 15 نوامبر | 0 | |||
| 14 نوامبر | 0 | |||
| 13 نوامبر | +2 | |||
| 12 نوامبر | 0 | |||
| 11 نوامبر | 0 | |||
| 10 نوامبر | +3 | |||
| 09 نوامبر | +2 | |||
| 08 نوامبر | 0 | |||
| 07 نوامبر | 0 | |||
| 06 نوامبر | +4 | |||
| 05 نوامبر | 0 | |||
| 04 نوامبر | +1 | |||
| 03 نوامبر | 0 | |||
| 02 نوامبر | 0 | |||
| 01 نوامبر | +1 |
| 2 | 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 | 925 |
| 3 | Какое ключевое слово используется в оконных функциях PostgreSQL для определения группы строк, к которым применяется функция? | 1 142 |
| 4 | 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 | 925 |
| 5 | 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? | 1 508 |
| 6 | 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 | 1 575 |
| 7 | 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? | 1 986 |
| 8 | Какой оператор используется для получения строк, которые есть в первом результате запроса, но отсутствуют во втором? | 2 006 |
| 9 | 💼 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. | 1 808 |
| 10 | 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. | 1 735 |
| 11 | 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/ | 1 668 |
| 12 | AI Data Science Team — команда специалистов по анализу данных на базе искусственного интеллекта поможет вам выполнять стандартные задачи в 10 раз быстрее. | 1 780 |
| 13 | 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. | 2 479 |
| 14 | Какой метод партиционирования в PostgreSQL разделяет данные на основе вхождения значения в определенные диапазоны (например, даты)? | 2 232 |
| 15 | 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! | 2 189 |
| 16 | 🧩 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 | 2 341 |
| 17 | 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 | 776 |
| 18 | 🦀 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 | 2 070 |
| 19 | 🔎 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 | 2 087 |
| 20 | 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/ | 2 011 |
