اکنون در دسترس! پژوهش تلگرام ۲۰۲۵ — مهمترین بینشهای سال 
DATABASE DESIGN
رفتن به کانال در Telegram
Лучшие материалы по работе с хранилищами данных на русском и английском языке Разместить рекламу: @tproger_sales_bot Правила общения: https://tprg.ru/rules Другие каналы: @tproger_channels Другие наши проекты: https://tprg.ru/media
نمایش بیشتر1 354
مشترکین
-324 ساعت
-27 روز
-830 روز
در حال بارگیری داده...
کانالهای مشابه
ابر برچسبها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
ژوئن '26
ژوئن '26
+5
در 0 کانالها
مه '26
+4
در 0 کانالها
Get PRO
آوریل '26
+9
در 0 کانالها
Get PRO
مارس '26
+4
در 0 کانالها
Get PRO
فوریه '26
+5
در 0 کانالها
Get PRO
ژانویه '26
+8
در 0 کانالها
Get PRO
دسامبر '25
+9
در 0 کانالها
Get PRO
نوامبر '25
+21
در 0 کانالها
Get PRO
اکتبر '25
+19
در 0 کانالها
Get PRO
سپتامبر '25
+27
در 0 کانالها
Get PRO
اوت '25
+15
در 0 کانالها
Get PRO
ژوئیه '25
+4
در 0 کانالها
Get PRO
ژوئن '25
+7
در 0 کانالها
Get PRO
مه '25
+25
در 0 کانالها
Get PRO
آوریل '25
+13
در 0 کانالها
Get PRO
مارس '25
+34
در 0 کانالها
Get PRO
فوریه '25
+18
در 0 کانالها
Get PRO
ژانویه '25
+15
در 0 کانالها
Get PRO
دسامبر '24
+14
در 0 کانالها
Get PRO
نوامبر '24
+17
در 0 کانالها
Get PRO
اکتبر '24
+9
در 0 کانالها
Get PRO
سپتامبر '24
+17
در 0 کانالها
Get PRO
اوت '24
+18
در 0 کانالها
Get PRO
ژوئیه '24
+20
در 0 کانالها
Get PRO
ژوئن '24
+24
در 0 کانالها
Get PRO
مه '24
+20
در 0 کانالها
Get PRO
آوریل '24
+18
در 0 کانالها
Get PRO
مارس '24
+20
در 0 کانالها
Get PRO
فوریه '24
+20
در 0 کانالها
Get PRO
ژانویه '24
+26
در 0 کانالها
Get PRO
دسامبر '23
+51
در 0 کانالها
Get PRO
نوامبر '23
+21
در 0 کانالها
Get PRO
اکتبر '23
+48
در 0 کانالها
Get PRO
سپتامبر '23
+47
در 0 کانالها
Get PRO
اوت '23
+39
در 0 کانالها
Get PRO
ژوئیه '23
+19
در 0 کانالها
Get PRO
ژوئن '23
+28
در 0 کانالها
Get PRO
مه '23
+19
در 0 کانالها
Get PRO
آوریل '23
+43
در 0 کانالها
Get PRO
مارس '23
+38
در 0 کانالها
Get PRO
فوریه '23
+29
در 0 کانالها
Get PRO
ژانویه '23
+25
در 0 کانالها
Get PRO
دسامبر '22
+69
در 0 کانالها
Get PRO
نوامبر '22
+44
در 0 کانالها
Get PRO
اکتبر '22
+48
در 0 کانالها
Get PRO
سپتامبر '22
+67
در 0 کانالها
Get PRO
اوت '22
+88
در 0 کانالها
Get PRO
ژوئیه '22
+131
در 0 کانالها
Get PRO
ژوئن '22
+68
در 0 کانالها
Get PRO
مه '22
+86
در 0 کانالها
Get PRO
آوریل '22
+358
در 0 کانالها
Get PRO
مارس '22
+1 291
در 0 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 24 ژوئن | 0 | |||
| 23 ژوئن | 0 | |||
| 22 ژوئن | 0 | |||
| 21 ژوئن | 0 | |||
| 20 ژوئن | 0 | |||
| 19 ژوئن | 0 | |||
| 18 ژوئن | +1 | |||
| 17 ژوئن | 0 | |||
| 16 ژوئن | +2 | |||
| 15 ژوئن | +1 | |||
| 14 ژوئن | 0 | |||
| 13 ژوئن | 0 | |||
| 12 ژوئن | +1 | |||
| 11 ژوئن | 0 | |||
| 10 ژوئن | 0 | |||
| 09 ژوئن | 0 | |||
| 08 ژوئن | 0 | |||
| 07 ژوئن | 0 | |||
| 06 ژوئن | 0 | |||
| 05 ژوئن | 0 | |||
| 04 ژوئن | 0 | |||
| 03 ژوئن | 0 | |||
| 02 ژوئن | 0 | |||
| 01 ژوئن | 0 |
پستهای کانال
Архитектура, которая не прощает ошибок
Представьте систему, где вы не можете накатить хотфикс, перезагрузить сервер или добавить памяти. Ваш код летит в межзвездном пространстве, и любая ошибка в проектировании приведет к полной потере данных.
Именно с такими вызовами сталкивались инженеры прошлого. Ребята из Яндекса и Tproger собрали главные архитектурные парадоксы в интерактивный квест.
Они нарисовали космическую карту, где каждая планета — это отдельный инструмент для разработчика (от облачных сред до сканера уязвимостей). Вы летите по планетарной системе, изучаете фичи и разминаете мозги историческими загадками.
А если хотите выиграть настоящие космические призы вроде профессионального телескопа:
1. Проходите квест. Каждый правильный ответ — плюс балл для розыгрыша.
2. Регистрируйтесь на платформе SourceCraft.
3. Присылайте ссылку на свой репозиторий.
Запускайте миссию и проверьте свою эрудицию.
| 2 | Один логический оператор ускоряет запрос в 32 раза: почему NOT EXISTS быстрее
Если в таблице есть булево поле (например, deleted), и большинство строк имеют одно значение, а меньшинство — другое, то способ написания запроса может кардинально повлиять на скорость.
Пример: 50 млн записей, удалено всего 2%. Для активных строк построен большой индекс (1 ГБ), для удалённых — маленький (22 МБ). Логически одинаковые запросы:
— EXISTS (SELECT ... WHERE NOT deleted) — ищет в большом индексе, находит строку почти всегда, и затем идёт в основную таблицу, чтобы проверить актуальность данных.
— NOT EXISTS (SELECT ... WHERE deleted) — ищет в маленьком индексе, не находит строку в 98% случаев и сразу завершает работу, не обращаясь к основной таблице.
Результат: 22,5 секунды против 717 миллисекунд. Разница в 32 раза.
Суть в том, что проверка «не найдено» обходится дешево. А «найдено» требует дополнительного чтения из основной таблицы. Эту логику можно применять к любым полям, где одно значение встречается редко: is_archived, is_banned, is_draft.
Подробные бенчмарки и объяснения : https://postgres.ai/blog/20260311-not-exists-vs-exists-partial-index | 0 |
| 3 | Cosine, Euclidean, Dot Product — что ставить в векторной базе
Разберём, что делает каждый из этих вариантов, и почему cosine стоит по умолчанию.
Euclidean (L2) — считает расстояние между двумя точками в пространстве. Чем ближе друг к другу точки, тем ближе и смыслы, стоящие за ними. Зависит и от направления векторов, и от их длины.
Cosine — считает угол между векторами, длина не учитывается. Два вектора с одинаковым направлением дадут сходство 1, даже если абсолютные значения их компонент различаются в разы.
Dot product — скалярное произведение, учитывает и направление, и длину. Чем больше значение, тем сильнее похожи векторы. Это полезно, когда длина вектора несёт смысл — например, отражает «уверенность» модели.
Большинство популярных моделей эмбеддингов (OpenAI, Cohere, модели из MTEB-лидербордов) выдают нормализованные векторы — единичной длины. Для таких векторов все три метрики дают одинаковый ранкинг результатов.
Тогда почему косинус дефолтный
Потому что он более безопасный и надёжный. Если векторы не нормализованы (вы используете кастомную модель, дообучали что-то своё, берёте эмбеддинги из промежуточных слоёв) — cosine всё равно будет работать корректно, потому что длина вектора на результат не повлияет. Euclidean и dot product в этой ситуации начнут учитывать длину вектора наравне со смысловой близостью, и порядок результатов будет другим.
Что делать
Проверить, нормализованы ли эмбеддинги модели (обычно это написано в документации). Если да — можно ставить что угодно, разницы не будет. Если нет или непонятно — cosine. Если длина вектора значима — dot product.
Если хотите разобраться более системно, посмотрите курс «Математика для анализа данных» от Яндекс Практикума PRO.
В курсе нужная вам база: линейная алгебра, матанализ, теория вероятностей и статистика. Те самые векторы, нормы, косинусные расстояния, градиентный спуск, регрессия, SVD, A/B-тесты. Попробуйте силы на вводной части, это бесплатно.
Реклама. Рекламодатель: АНО ДПО «Образовательные технологии Яндекса» ИНН 7704282033, erid: 2W5zFJLXwkm | 0 |
