SQL и Анализ данных

Новые возможности – рядом! Теперь каждый может протестировать бесплатную «коробочную» версию объектного хранилища «S3 Архипелаг» 👨🏻‍💻 🚪Бесплатная версия снижает порог входа для проектов. Что нужно, чтобы начать? Просто скачайте дистрибутив, установите на свои серверы и приступите к работе сразу после авторизации через корпоративный SSO. Готово! Сам «S3 Архипелаг» от Диасофт – российское S3-совместимое хранилище для работы с петабайтами данных в архитектурах Data Lakehouse, аналитических системах и консолидации разрозненных файловых хранилищ. Оставляем ссылку на «S3 Архипелаг» 🔗 #реклама О рекламодателе

🖥 Race condition в SQL: как продать последний товар дважды? Race condition в SQL: Дио и Джотаро одновременно видят остаток в 1 штуку, оба оформляют заказ, и товар уходит дважды. Проблема в том, что проверка и списание идут разными запросами. Решение простое: UPDATE с условием stock > 0 в одном запросе, тогда заказ получает только тот, кто успел первым.

🔥 Один из лучших обучающих курсов на StepiK по SQL SQL можно знать годами и всё равно теряться, когда запрос внезапно начинает тормозить в проде. Этот курс про уровень, где ты не просто пишешь SELECT, а понимаешь, что происходит внутри MySQL, почему запрос работает медленно и как ускорить его без новых проблем. Здесь разбираются EXPLAIN, индексы, CTE, оконные функции, транзакции, аналитические паттерны, legacy SQL и работа с AI-ассистентами. Каждый урок - с практикой и реальными SQL-задачами на MySQL 8 с автопроверкой. После курса ты сможешь увереннее разбирать чужой код, находить узкие места и предлагать решения, которые действительно работают. Для подписчиков скидка - 49% в течение 2 суток: https://stepik.org/a/298827/

Один товар, два покупателя. Как не продать больше, чем есть на складе? Если сначала прочитать остаток через SELECT, а потом уменьшить его отдельным запросом, два покупателя могут одновременно увидеть последнюю единицу. В PostgreSQL проверку и списание можно объединить:

UPDATE products
SET stock = stock - 1
WHERE id = 42
  AND stock > 0
RETURNING id, stock;

Что получится при одновременных запросах: • Первый покупатель уменьшит остаток с 1 до 0. • Второй дождётся освобождения строки, и условие stock > 0 будет проверено повторно. • Его запрос не обновит строку и ничего не вернёт — товар закончился. Так работает обычный уровень изоляции PostgreSQL READ COMMITTED. Добавьте защиту от отрицательных остатков:

ALTER TABLE products
ADD CONSTRAINT stock_nonnegative
CHECK (stock >= 0);

Списание остатка и создание заказа выполняйте в одной транзакции, чтобы при ошибке заказа изменение остатка тоже откатилось.

🔥 Хочешь расти в IT быстрее остальных? Перестань учиться в одиночку Можно годами смотреть курсы, читать документацию и всё равно топтаться на месте. А можно попасть в правильное окружение, где каждый день обсуждают новые инструменты, вакансии, реальные кейсы, ошибки и то, что уже завтра станет стандартом. Здесь собраны папки и каналы по разным направлениям IT, чтобы ты быстрее находил нужных людей, идеи и полезный контент - без бесконечного поиска. AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii DevOps: t.me/DevOPSitsec Docker: https://t.me/+90Z5TAyfuNU5YmRi Golang: t.me/Golang_google Rust: t.me/rust_code C++: t.me/cpluspluc C#: t.me/csharp_ci Java: t.me/javatg JavaScript: t.me/javascriptv React: t.me/react_tg Frontend: t.me/front PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Базы данных: t.me/sqlhub Data Science: t.me/data_analysis_ml Big Data: t.me/bigdatai Математика: t.me/data_math Физика: t.me/fizmat Kubernetes: t.me/kubernetc GameDev: https://t.me/gamedev Haskell: t.me/haskell_tg Собеседования и карьера: DS собеседования: t.me/machinelearning_interview Python собеседования: t.me/python_job_interview Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy Полезное сверху: ИТ-мемы: t.me/memes_prog Английский для программистов: t.me/english_forprogrammers ИИ и технологии: t.me/vistehno 954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Max Ai: https://max.ru/ai_machinelearning_big_data Max python: https://max.ru/pythonl ТЕХНО: https://max.ru/vistehno Max Go: https://max.ru/Golang_google Max Linux: https://max.ru/linuxkalii Devops: https://max.ru/DevOPSitsec C#: https://max.ru/csharp_ci C++: https://max.ru/cpluspluc SQL: https://max.ru/sqlhub Java: https://max.ru/javatg Подпишись и сохрани, здесь регулярно появляются новые подборки, инструменты и материалы, которые реально помогают расти быстрее.

🐘 pgbot - диагностика PostgreSQL для AI-агентов и приложений, написанная на Go Один исполняемый файл подключается к базе в режиме чтения, собирает встроенную статистику PostgreSQL и показывает проблемы: * замедление запросов и ожидание блокировок * неиспользуемые индексы * состояние vacuum и репликации * загрузку соединений и взаимные блокировки * изменения относительно предыдущих проверок Диагностика рассчитывается кодом на Go. Опциональный AI-слой объясняет найденные проблемы и позволяет задавать вопросы обычным текстом. Для агентов и автоматизации предусмотрены MCP и версионированный JSON-вывод. Есть плагин для Claude Code. Базовые проверки работают без ключа LLM и внешнего сервиса. Проект находится в бете. GitHub - https://github.com/pgrundev/pgbot @Golang_google

Тариф действует до конца месяца. Роль сотрудника — до определённой даты. Бронь — с одного дня по другой. Как хранить такие данные в PostgreSQL и не поддерживать собственный набор триггеров и проверок? ⏰ 16 сентября в 20:00 МСК на открытом уроке разберём темпоральные возможности PostgreSQL 18. Посмотрим, как WITHOUT OVERLAPS и PERIOD позволяют самой базе контролировать пересечение периодов и целостность связанных данных. На примерах тарифов, бронирований и версионируемых сущностей разберём Range-типы, GiST и новые ограничения PostgreSQL 18. Вы поймёте, как проектировать таблицы с историей и переносить существующие решения на встроенные возможности базы. 🔥Урок проходит в преддверии старта курса «PostgreSQL для администраторов баз данных и разработчиков». 👉Зарегистрируйтесь и разберите PostgreSQL 18 на практике: https://otus.pw/Sz0m/?erid=2W5zFJQwyow Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

10 лучших промптов для программиста в 2026 году: готовые шаблоны для работы с кодом Хороший промпт для программирования помогает получить проверяемый результат: найти причину ошибки, внести нужное изменение, оценить риски и проверить поведение программы. Для этого модели нужны контекст проекта, ограничения и понятные критерии готовности. Ниже – 10 готовых промптов для повседневной разработки: от исправления багов до ревью pull request и знакомства с чужим репозиторием. Подставьте свои данные вместо текста в квадратных скобках. https://uproger.com/10-luchshih-promptov-dlya-programmista-v-2026-godu-gotovye-shablony-dlya-raboty-s-kodom/

Python и ИИ в 2026 году: как правильно работать с кодом через ChatGPT, Claude, Cursor и AI-агентов Как использовать ИИ для написания, проверки, рефакторинга и отладки Python-кода. Лучшие промпты, примеры, workflow и правила работы с AI-ассистентами в 2026 году. https://uproger.com/python-i-ii-v-2026-godu-kak-pravilno-rabotat-s-kodom-cherez-chatgpt-claude-cursor-i-ai-agentov/

GreptimeDB - open-source база для observability, которая пытается собрать metrics, logs и traces в одном backend. Вместо отдельных систем для каждого типа телеметрии здесь используется общий табличный подход с тегами, timestamp и полями поверх колонночного движка и object storage. Что умеет: - объединять metrics, logs и traces и связывать их через SQL по service, host, trace ID и другим идентификаторам - принимать данные через OpenTelemetry, Prometheus Remote Write, Loki Push, Elasticsearch Bulk, InfluxDB Line Protocol и gRPC - поддерживать SQL, PromQL и Jaeger-совместимые запросы для traces - хранить данные в S3, GCS, Azure Blob и S3-совместимых хранилищах - настраивать retention, downsampling, continuous aggregation, partitioning и индексы Может быть интересен тем, кто устал поддерживать несколько отдельных хранилищ для телеметрии и хочет свести observability-стек к одной системе. Apache 2.0. https://github.com/GreptimeTeam/greptimedb

⚡️ Qwen представила E-Commerce Bench - новый бенчмарк для проверки AI-агентов на долгосрочном управлении бизнесом. Агент получает ¥100 000 и должен целый год управлять интернет-магазином: - искать поставщиков - торговаться - выставлять цены - запускать акции - контролировать склад - управлять денежным потоком Среда построена на реальных данных электронной коммерции. Внутри: - 6886 товаров - 576 поставщиков - 152 из них мошенники - комиссии за хранение - возвраты - репутация - ограниченный рабочий день Оценка идёт сразу по 7 направлениям, поэтому одной модели, которая была бы лучшей во всём, пока нет. Blog: https://qwen.ai/blog?id=e-commerce-bench Paper: https://arxiv.org/abs/2608.30730 Project: https://ecbench.github.io Code: https://github.com/QwenLM/E-CommerceBench @ai_machinelearning_big_data #Qwen

Какие локальные AI-модели запускать на разном железе в 2026 году Подборка от 8 до 512 ГБ памяти. 8 ГБ LFM2.5-2.6B - небольшой, но крепкий вариант для локального запуска. Подойдёт для: - простых tool calls - небольших автоматизаций - экспериментов с локальной инфраструктурой - лёгких чат-задач https://huggingface.co/LiquidAI/LFM2.5-2.6B 16 ГБ Здесь уже интереснее смотреть на две модели. Gemma 4 12B - более универсальный вариант для чата и vision. https://huggingface.co/google/gemma-4-12B-it Ornith-1.5-9B - сильнее ориентирована на tool calling и agentic-сценарии. https://huggingface.co/ornith-ai/Ornith-1.5-9B 24-96 ГБ Qwen3.8-27B - уже серьёзный вариант для локального кодинга. Для такого объёма памяти особенно интересны EXL3-квантизации. https://huggingface.co/turboderp/Qwen3.8-27B-exl3/tree/SC_3.00bpw_H4_V4 96-196 ГБ Qwen3.8-Flash-Next. Модель хорошо подходит для более длинного контекста и высокой скорости. Часть нагрузки можно выносить в RAM, а KV-cache относительно компактный. https://huggingface.co/Qwen/Qwen3.8-Flash-Next 196-384 ГБ GLM-5.3-Flash - уже почти frontier-уровень дома. Подходит для: - coding - agentic-задач - 3D - мультимодальных сценариев - длинного контекста - высокой параллельной нагрузки https://huggingface.co/zai-org/GLM-5.3-Flash 384-512 ГБ GLM-5.3. Медленнее Flash-версии, но заметно сильнее в сложном coding и systems work. https://huggingface.co/zai-org/GLM-5.3 Если коротко по уровням: 8 ГБ - маленькие локальные модели 16 ГБ - хороший универсальный локальный AI 24+ ГБ - уже нормальный coding 96+ ГБ - большие модели и длинный контекст 196+ ГБ - почти frontier дома 384+ ГБ - максимум качества среди open-weight моделей

SQL: Один NULL в списке, и NOT IN возвращает ноль строк WHERE id NOT IN (1, 2, NULL) раскрывается в id <> 1 AND id <> 2 AND id <> NULL. Последнее сравнение всегда даёт UNKNOWN, а WHERE пропускает только TRUE, поэтому запрос молча возвращает пустой результат. Одно неизвестное значение отравляет весь фильтр. Если в подзапросе возможен NULL, бери NOT EXISTS: он на NULL не ломается и читается понятнее, чем костыль с IS NOT NULL. #sql #deathnote

Бесплатный доступ к ChatGPT и Claude без аккаунта? 👀 DuckDuckGo добавил в Duck.ai несколько популярных AI-моделей: Claude Haiku 4.5, GPT-5.4 mini, Mistral Small 4, gpt-oss-120b и Gemma 4 31B. Можно переключаться между разными моделями прямо в одном диалоге: если одна AI застряла на задаче, передать разговор другой. DuckDuckGo делает упор на приватность: запросы проходят через анонимизирующий прокси, а провайдеры моделей ограничены в использовании данных для обучения. Получается удобный «AI-комбайн»: несколько нейросетей в одном месте вместо десятка вкладок. https://duck.ai

🖥 Учим SQL не по учебнику, а расследуя преступления В Steam выходит Ghost in the SQL - детективная игра, где главный инструмент расследования не лупа и не допросы, а SQL-запросы. Чтобы найти подозреваемого, восстановить события или докопаться до нужной улики, придётся работать с базами данных, фильтровать информацию, связывать таблицы и писать запросы. Каждое дело постепенно знакомит с SQL через практику - от простых выборок до более сложного анализа данных. Обещают разные расследования - поджоги, убийства и другие преступления. Редкий случай, когда SELECT, JOIN и WHERE действительно помогают найти преступника. https://store.steampowered.com/app/5072430/Ghost_in_the_SQL_Data/

☁️☁️☁️☁️☁️☁️☁️ 24 сентября Yandex Cloud проведёт ежегодную флагманскую технологическую конференцию Yandex Scale 2026.

🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨 🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨 🎨🎨🎨🎨🎨🎨🎨🎨🎨 В программе четыре продуктовых трека — AI, Data, Security и Hybrid Infrastructure & DevOps, — и отдельный углублённый технологический трек DeepTech, который пройдёт только онлайн. В треке Data расскажем, как Yandex Cloud развивает аналитику от отдельных сервисов к единой бесшовной среде: от загрузки данных до готовых бизнес-инсайтов, где ИИ помогает на каждом этапе. Разберём, как YDB помогает строить рекомендательные и поисковые системы и ИИ‑ассистентов. «Додо Пицца» представит честную историю миграции десятков терабайт данных в Yandex Cloud, а также расскажет о сравнении с западным облаком и совместном преодолении ограничений. Расскажем, как Yandex Cloud движется к самоуправляемым базам данных на основе опыта эксплуатации тысяч баз в Яндексе. «Азбука вкуса» разберёт миграцию Oracle Exadata на Lakehouse в Yandex Cloud без единого аврала. И покажем, как Yandex Managed Service for Valkey научили растягиваться под нагрузку — и вширь, и вглубь.

🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨 🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨 🎨🎨🎨🎨🎨🎨🎨🎨🎨 Отдельно пройдут воркшопы по Data: разберём ключевые сценарии использования ИИ‑агента Нейроаналитика в Yandex DataLens. На практике посмотрим, как PGHouse позволяет OLTP‑базе PostgreSQL прозрачно выполнять OLAP‑запросы в ClickHouse без переписывания SQL. И соберём поисковую систему на Serverless YDB с настройкой полнотекстовых и векторных индексов.

🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨 🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨 И это ещё не всё: демозоны, питчинг решений, IT-квест и мерч — офлайн, а розыгрыши призов и секретный гость — в онлайн-студии.

Вся программа — на сайте, регистрация занимает пару минут, а участие бесплатное!

Создатель PostgreSQL фактически поблагодарил Oracle за успех своей базы Майкл Стоунбрейкер считает, что поворотным моментом стала покупка MySQL компанией Oracle в 2010 году. Разработчики испугались, что MySQL теперь зависит от одного владельца, и начали активнее смотреть в сторону PostgreSQL. По словам Стоунбрейкера, именно тогда и начался его взлёт. Спустя годы PostgreSQL стал одной из главных баз для разработчиков, а AWS, Google и Microsoft построили вокруг его протокола собственные сервисы. Стоунбрейкер объясняет успех просто: PostgreSQL контролирует не корпорация, а небольшая группа очень сильных open source-разработчиков. Ирония в том, что Oracle 15 лет строила главное преимущество PostgreSQL даже не специально: у PostgreSQL нет одного владельца, которого все должны бояться.