SQL Ready | Базы Данных

رفتن به کانال در Telegram

Авторский канал про Базы Данных и SQL Ресурсы, гайды, задачи, шпаргалки. Информация ежедневно пополняется! Автор: @energy_it РКН: https://clck.ru/3QREBc Реклама на бирже: https://telega.in/c/sql_ready

نمایش بیشتر

روسيا43 153 فناوری و برنامه‌ها8 399...

📈 تحلیل کانال تلگرام SQL Ready | Базы Данных

کانال SQL Ready | Базы Данных (@sql_ready) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 15 544 مشترک است و جایگاه 8 399 را در دسته فناوری و برنامه‌ها و رتبه 43 153 را در منطقه روسيا دارد.

📊 شاخص‌های مخاطب و پویایی

از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 15 544 مشترک جذب کرده است.

بر اساس آخرین داده‌ها در تاریخ 13 ژوئن, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 55 و در ۲۴ ساعت گذشته برابر -4 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.

وضعیت تأیید: تأیید نشده
نرخ تعامل (ER): میانگین تعامل مخاطب 11.74% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 6.25% واکنش نسبت به کل مشترکان کسب می‌کند.
دسترسی پست‌ها: هر پست به طور میانگین 1 826 بازدید دریافت می‌کند. در اولین روز معمولاً 971 بازدید جمع‌آوری می‌شود.
واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 22 است.
علایق موضوعی: محتوا بر موضوعات کلیدی مانند sql, строка, user_id, created_at, desc تمرکز دارد.

📝 توضیح و سیاست محتوایی

نویسنده این فضا را محل بیان دیدگاه‌های شخصی توصیف می‌کند:
“Авторский канал про Базы Данных и SQL Ресурсы, гайды, задачи, шпаргалки. Информация ежедневно пополняется! Автор: @energy_it РКН: https://clck.ru/3QREBc Реклама на бирже: https://telega.in/c/sql_ready”

به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 14 ژوئن, 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.

15 544

مشترکین

-424 ساعت

-127 روز

+5530 روز

1 826

نمایش های پست

~ 97124 ساعت

~ 1 11648 ساعت

11.74%

نرخ مشارکت

~ 1

پست های در روز

Ads index

beta

آرشیو پست ها

15 544

Кросс-таблица для удобного анализа данных! #новичкам Создадим pivot-таблицу для повышения читаемости и визуализации данных о продажах в разных городах. Предположим, что нам дали задание визуализировать продажи за последние 3 месяца. Исходная таблица Sales имеет поля City, Month и Amount. Пусть строками будут города, столбцами — месяцы, а значениями — количество продаж:

SELECT
    City,
    SUM(CASE WHEN Month = 'Январь' THEN Amount ELSE 0 END) AS Январь,
    SUM(CASE WHEN Month = 'Декабрь' THEN Amount ELSE 0 END) AS Декабрь,
    SUM(CASE WHEN Month = 'Ноябрь' THEN Amount ELSE 0 END) AS Ноябрь
FROM Sales

Группируем результаты по городам, чтобы получить сумму продаж за каждый месяц для каждого города:

GROUP BY City

Отсортируем также по городам:

ORDER BY City;

И получаем результат:

 City              | Январь | Декабрь | Ноябрь
-------------------+--------+---------+---------
 Казань            | 97986  | 129960  | 112784
 Москва            | 165678 | 246572  | 198880
 Нижний Новгород   | 112326 | 148901  | 136867
 Новосибирск       | 65920  | 92800   | 88965
 Санкт-Петербург   | 144569 | 213478  | 167450

Теперь данные о продажах находятся в гораздо удобном для чтения и визуализации виде, используйте кросс-таблицы для практичного анализа данных! ➡️ SQL Ready | #практика

15 544

🖥 Получаем доступ к соседним записям с помощью методов: LAG и LEAD — методы оконных функций, которые применяются для сравнения записей: • LEAD — предоставляет доступ к записям следующим за текущей. Принимает текущую запись, значение смещения (в цифрах) и значение по умолчанию в случае отсутствия указанной записи. • LAG — аналогично LEAD, но единственный момент, что он дает доступ к записям предыдущим текущей. 🔥 — если узнал новое 🤝 — если уже пользовался ➡️ SQL Ready | #метод

15 544

Нужно собрать клиентов, которые давно не делали покупок! #новичкам Сегодня мы разберемся, как несложные операции множеств помогут вам в решении подобных задач: Операции множеств — операции объединения, пересечения и вычитания записей из разных таблиц и объединение в одну результирующую. Основные функции:

• UNION — объединение записей по заданным условиям с удалением дубликатов. • INTERSECT — вывод только тех записей, которые есть в обоих таблицах. • EXCEPT — возвращает только те строки, которые присутствуют в первом запросе, но отсутствуют во втором.

🔥 — если узнал новое 🤝 — если уже пользовался ➡️ SQL Ready | #ресурс

15 544

• infosec - это один из самых ламповых каналов по информационной безопасности, где говорят об истории ИТ, публикуют актуальные новости и пишут технический материал на разные темы: - Что из себя представляет официально взломанный iPhone от Apple? - К чему могла привести опечатка в инфраструктуре платёжной системы MasterCard? - Авторский материал для ИБ специалистов с закрытого хакерского форума XSS; - Бесплатный бот, который проверит файлы на предмет угроз более чем 70 антивирусами одновременно. • А еще у нас часто проходят розыгрыши самых актуальных и новых книг для ИБ специалистов. Так что присоединяйся, у нас интересно!

15 544

codechef — платформа, на которой доступно множество языков программирования, задачи можно решать прямо в редакторе кода, а встроенный AI-ассистент поможет найти и исправить ошибку в коде. 📌 Ссылочка: codechef.com ➡️ SQL Ready | #ресурс

15 544

🖥 Агрегатные функции SQL

В этой шпаргалке собраны 7 агрегатных функций, который позволяют выполнять вычисления на наборе значений и возвращать одно значение, что полезно для анализа данных и создания отчетов.

➡️ SQL Ready | #шпора

15 544

💡 Лучшие Менторы выложили в открытый доступ свои базы знаний 10 000+ вопросов с собеседований и 1 000+ курсов и материалов по самым популярным направлениям: 👩‍💻 C# 🤖 ML Engineer 👩‍💻 C/C++ 🖥 Data Science 👩‍💻 Java 👩‍💻 Python 🖥 PHP 👩‍💻 Frontend 👣 Rust 👣 Golang 🖥 Ruby 👩‍💻 Node.js 👩‍💻 QA 👩‍💻 Android 👩‍💻 iOS 👩‍💻 Game Dev 💻 DevOps 🖥 Общее IT 📆 Митапы 👨‍💻 Вакансии Всё, что нужно для подготовки к собеседованию — в одном месте! 💬 Выбирай направление и становись частью IT

15 544

👍 Еще одна интересная статья попалась мне на Хабре — подборка прикладных задач для аналитики данных В этой статье:

• Работа с NULL и применение логики ветвления IF-THEN-ELSE
• Дедупликация данных 
• Анализ

истории со Slowly Changing Dimensions

🔊 Продолжить читать можешь на Habr!

➡️ SQL Ready | #статья

15 544

Что же выведет консоль?

Anonymous voting

15 544

Знали про StrataScratch? Это платформа по типу leetcode, но только для SQL На этом сайте вы сможете выбрать задачи разного уровня и профиля, а также выбрать подходящую СУБД для практики. 📌 Ссылочка: stratascratch.com ➡️ SQL Ready | #ресурс

15 544

🖥 Разберем два похожих метода для работы с разными типами данных Как мы помним из викторины, чтобы не столкнуться с неожиданным результатом запроса, важно явно указать типы данных при взаимодействии разных типов. Для этого существуют методы: • CAST — преобразует указанное значение в заданный тип данных. Необходимо для преобразования строковых значений в числовые, чтобы их можно было сравнить. • CONVERT — аналогичный метод преобразования данных, но предлагает расширенный функционал для форматирования, но поддерживается не всеми СУБД. 🔥 — если узнал новое 🤝 — если уже пользовался ➡️ SQL Ready | #метод

15 544

«Вместо философии учил java, вместо доты — питон. Через 3 месяца нашёл работу с зп 90к» Думаете, повезло? Уверен, что так сможет каждый — потому что эти языки востребованы (70% программ и сервисов работают на них) и просты в усвоении (за 3 месяца можно выйти на достойный уровень без напряга). А вот и каналы, где нашёл всю инфу. Её грамотно собрали, даже сложные темы изучаются легко: Java (теория) Java (практика) Python Уже через месяц сможете писать простеньких ботов для телеги и продавать по 5-7к, кайф же 🥰

15 544

😎 Нашел для вас незаконно полезную статью на Хабре, в которой автор делится своим опытом и хитростями в работе с БД и SQL. В этой статье:

• Лайфхаки при работе с большими загрузками.
• В каком виде стоит загружать данные.
• Неочевидные советы при работе с индексами

🔊 Продолжить читать можешь на Habr!

➡️ SQL Ready | #статья

15 544

📥 7539 ГБ ~~платного~~ контента из онлайн-школ утекли в Telegram и теперь лежат в открытом доступе: 😡 Hacking & InfoSec (644 ГБ) 🖥 Python (724 ГБ) 🖥 Frontend (981 ГБ) 🖥 Backend (817 ГБ) 🖥 Все направления (4373 ГБ) Вход открыт ровно на 48 часов 🕔

15 544

Что же выведет консоль?

Anonymous voting

15 544

Почему неожиданно увеличилось время запроса? Причин тому может быть много - неоптимизированный запрос, запрос вне индекса, устаревшая статистика таблицы и так далее. И точно определить причину помогут инструменты EXPLAIN и ANALYZE. Предположим, у нас есть большая таблица, которая содержит около миллиона строк с разными книгами. Естественно у нас уже есть некластерный индекс по столбцу жанр — для быстрого поиска книг по жанрам, сделаем запрос:

SELECT book_title, author FROM books WHERE genre = 'Фантастика';

Но запрос возвращает результат не за 200 ожидаемых мс, а за 900 мс. Многовато, надо разбираться, проанализируем запрос:

EXPLAIN ANALYZE SELECT book_title, author FROM books WHERE genre = 'Фантастика';

Запрос EXPLAIN ANALYZE возвращает план запроса и время выполнения каждой операции в запросе:

                            QUERY PLAN
 Seq Scan on books (cost=0.00..25000.00 rows=1000 width=100) (actual time=0.010..900.000 rows=500 loops=1)
  Filter: (genre = 'Фантастика'::text)
  Rows Removed by Filter: 999500
 Planning Time: 0.200 ms
 Execution Time: 900.500 ms
(4 rows)

Проанализируем план запроса и увидим, что планировщик запроса собирается обойти всю таблицу — Seq Scan on books, хотя должен использовать индекс по жанру. Это значит, планировщик не использует индекс из-за устаревшей статистики или из-за быстрого роста записей в таблице. 🔥 В следующей части расскажу, что делать для обновления статистики таблицы и как избежать таких ситуаций с помощью VACUUM ANALYZE. ➡️ SQL Ready | #практика