SQL Ready | Базы Данных

Он тимлид в российском бигтехе! Но ещё с универа мечтает о переезде в Лондон! Он отправил уже несколько тысяч откликов на вакансии! Позади — сотни собеседований и столько же отказов 😳 Какое-то время он даже жил в лесу, чтобы ничего не отвлекало его от подготовки к интервью. Он 14 лет в ИТ: писал сервисы, менеджерил команды, ломал монолиты и собирал новые 😅 Он видел всё — и даже то, чего не стоило бы видеть. Весь свой опыт, знания и советы он публикует в своём канале, говорит простым и понятным языком. Подпишись на его канал @artur_speaking Узнай первым о том, что тебя ждёт впереди, чтобы оставить конкурентов далеко позади, добраться до самых вершин карьеры — и наказать своих врагов и завистников 💀

Индексы: когда они вредят вместо помощи! Разбираем типичные ошибки при работе с индексами. Неправильное использование может замедлить базу данных вместо ускорения. Каждый индекс замедляет INSERT/UPDATE операции:

CREATE INDEX idx_user_name ON users(name);
CREATE INDEX idx_user_email ON users(email);
CREATE INDEX idx_user_phone ON users(phone);
CREATE INDEX idx_user_city ON users(city);

При каждой вставке СУБД обновляет все 4 индекса, что сильно замедляет запись. Функции делают индексы бесполезными:

SELECT * FROM orders WHERE YEAR(order_date) = 2024;
-- Индекс на order_date не используется

Правильно без функций:

SELECT * FROM orders WHERE order_date >= '2024-01-01' AND order_date < '2025-01-01';

Порядок столбцов критичен:

CREATE INDEX idx_user_city_age ON users(city, age);

Работает для поиска по city или city+age, но бесполезен для поиска только по age. 🔥 Поэтому используйте EXPLAIN для проверки, что индексы действительно работают! ➡️ SQL Ready | #практика

🖥 Поиск пропусков в данных — контроль качества прямо в скл! Часто нужно не только считать суммы и средние, но и находить дыры в данных: пустые даты, отсутствующие ID, пропавшие заказы. SQL умеет это делать без скриптов и процедур. В этом посте:

• Построение календаря для поиска дней без событий. • Проверка целостности ID и нахождение «дыр». • Анализ длины пустых промежутков во временных рядах.

Это помогает находить ошибки, следить за качеством данных и строить надёжную аналитику. ➡️ SQL Ready | #гайд

🤔 Слишком поздно заходить в IT в 2025? Врать не буду, скорее да, чем нет: за последние пять лет порог вхождения сильно поднялся, и теперь нередко от джуна требуют навыки грейдом выше. Что делать в такой ситуации? Учиться эффективнее остальных и знать, как подать себя на рынке других. Разобраться со всем этим вам поможет База Знаний — место, где за вас уже отобрали лучшие материалы по самым востребованным вакансиям: 🖥 Python Dev – 1558+ материалов 👩‍💻 Frontend Dev – 1241+ материалов 👩‍💻 Backend Dev – 1095+ материалов 📊 Data Scientist – 978+ материалов 🎨 UX/UI Designer – 885+ материалов 🤖 Нейросети – 824+ материалов 📖 Книги по IT – 779+ материалов Советую перейти и начать учиться уже сейчас — так уже через пару месяцев сможете претендовать на вакансию c хорошим окладом 👍

❤️ Codedex — учи SQL через приключение! Здесь ты научишься создавать таблицы, фильтровать данные, использовать операторы и агрегатные функции — всё через увлекательные практические задания. 📌 Оставляю ссылочку: codedex.io ➡️ SQL Ready | #ресурс

🖥 SQL-анализ брошенных корзин и упущенной выручки! Корзина есть, товары добавлены, но заказ так и не оформлен. Это и есть «брошенные» корзины, которые напрямую означают потерянные деньги. Сегодня в задаче:

• Находим корзины, по которым заказ не был создан в течение 24 часов; • Считаем их стоимость; • Получаем статистику по пользователям, какой средний чек и сколько денег «ушло в никуда».

В результате получаем готовый инструмент для запуска ремаркетинга, персональных скидок и писем-напоминаний. ➡️ SQL Ready | #задача

⚡️ Айтишник из «VISION» скупил курсы айти школ и выложил гигабайты материалов к себе Каждый найдет что-то по душе: 1202 ГБ — Python 1811 ГБ — Frontend 1100 ГБ — C / C++ / C# 804 ГБ — Java 411 ГБ — SQL & БД 309 ГБ — DevOps 998 ГБ — ИБ & Хакинг 773 ГБ — Kotlin / Swift 189 ГБ — PHP 201 ГБ — GoLang 170 ГБ — Rust 167 ГБ — QA / Тестирование 310 ГБ — 1C + Лицензии 495 ГБ — Машинное обучение 704 ГБ — Аналитика Данных 991 ГБ — Дизайн Материалы в закрепе, постоянно пополняются👆🏻

Всем привет 👋🏼 Ровно год назад я создал этот канал и не только (не важно что 12 июля, главное первый пост был 8 сентября 😁). Спасибо всем кто подписан на этот склчик, особенно благодарю тех, кто ставит реакции. 🖥 За это время контент намного стал лучше, с таких постов, до таких как сейчас. Но кстати всё равно, раньше тоже круто было, можете перейти в закреп и там посмотреть на старые постики. В общем, поздравляю сам себя с годовщиной! 🥳

🖥 Функции для работы с массивами! В этой шпаргалке собраны 8 методов для сбора, развертывания, подсчёта и преобразования массивов и строк. Короткие примеры помогут быстро ориентироваться в аналитических запросах и готовить данные для отчётов, API или BI-инструментов. ➡️ SQL Ready | #шпора

erid: 2W5zFJvmTRS RYBE — одежда с твоим языком программирования. Где два айтишника могут познакомиться? В офисе и на конференции. Нам этого мало. Мы захотели объединить людей, у которых одни интересы. Дать возможность узнать друг друга. В метро, на прогулке, в офисе, на конференции, в походе, в баре, в самолёте. В каком-то смысле это мерч для твоего языка программирования. А что еще? - отшиваемся в Москве; - плотный премиум-хлопок; - фичи типа люверсов для крепления пропуска, кармана для наушников и салфетки для очков Выбирай свой язык, заказывай, выбирай в подарок, носи сам: http://rybe.store/ Наш tg: @rybe_store

🖥 Транзакции и блокировка строк! При конкурентных изменениях данных важно исключить конфликты. Используем транзакции, блокировки строк и правильный уровень изоляции. Создадим таблицу счетов:

CREATE TABLE Accounts (
    id INT PRIMARY KEY,
    name VARCHAR(50),
    balance DECIMAL(10,2)
);

Начинаем транзакцию и блокируем строку:

SET TRANSACTION ISOLATION LEVEL REPEATABLE READ; -- защита от грязных чтений
BEGIN;

SELECT balance FROM Accounts 
WHERE id = 1 FOR UPDATE; -- эксклюзивная блокировка строки

Выполняем перевод и фиксируем результат:

UPDATE Accounts SET balance = balance - 500 WHERE id = 1;
UPDATE Accounts SET balance = balance + 500 WHERE id = 2;
COMMIT; -- сохраняем изменения

Откат транзакции:

ROLLBACK; -- можно вызвать до COMMIT при ошибке

🔥 FOR UPDATE ставит row-level exclusive lock: другие транзакции ждут, пока вы завершите свою. ➡️ SQL Ready | #практика

🖥 Накопительные итоги — running totals без циклов! Хотите видеть, как растут продажи день за днём или отслеживать баланс по пользователям? С функциями SQL можно посчитать нарастающий итог прямо в одном запросе. Сегодня в посте:

• Считаем общий running total по датам. • Считаем накопительные суммы отдельно для каждого пользователя. • Контролируем диапазон расчёта с ROWS BETWEEN.

Это делает SQL-запросы компактными, наглядными и готовыми к использованию в отчётах. ➡️ SQL Ready | #гайд

🔥Прими участие в Хакатоне Т1 в Нижнем Новгороде и поборись за призовой фонд 600 000 рублей! 📅 Когда: 19 – 22 сентября 🌐 Формат: онлайн + финал на площадке  Участвуй, если ты: 🔹студент тех/ИТ-направлений; 🔹развиваешься в dev, аналитике, дизайне, AI/DS/ML, DevOps; 🔹сможешь быть в Нижнем Новгороде 22-09. Выбери свой кейс: 🔸PingTower — сервис круглосуточного отслеживания доступности сайтов и мгновенных уведомлений о сбоях, позволяющий бизнесу не терять клиентов. 🔸HR Консультант — ИИ-консультант для карьерных сценариев и поиска талантов по умным фильтрам. Почему стоит участвовать: 🔻Кейс в портфолио и полезная обратная связь от менторов Т1; 🔻Шанс проявить себя, чтобы начать карьеру в одной из крупнейших ИТ-компаний; 🔻Реальный опыт командной работы. Регистрация открыта!   ➡️ Успей до 17 сентября по ссылке   Ты не из Нижнего Новгорода? Смотри расписание хакатонов в других городах.  #реклама О рекламодателе

Проверяем дубликаты и считаем уникальные значения! В больших таблицах важно быстро находить повторяющиеся записи и понимать, сколько уникальных элементов. Это полезно для контроля качества данных и аналитики. Создадим таблицу пользователей:

CREATE TABLE users (
    user_id INT,
    email VARCHAR(100)
);

INSERT INTO users VALUES
(1, 'alice@mail.com'),
(2, 'bob@mail.com'),
(3, 'alice@mail.com'),
(4, 'carol@mail.com'),
(5, 'bob@mail.com');

Запрос для выявления дубликатов и подсчёта уникальных email:

SELECT email, COUNT(*) AS cnt,
       CASE WHEN COUNT(*)>1 THEN 'Duplicate' ELSE 'Unique' END AS status
FROM users
GROUP BY email;

Функция COUNT() + GROUP BY группирует одинаковые значения, а CASE сразу классифицирует их как дубликаты или уникальные. Результат:

email           | cnt | status
-----------------------------
alice@mail.com  | 2   | Duplicate
bob@mail.com    | 2   | Duplicate
carol@mail.com  | 1   | Unique

🔥 Это простой способ контролировать качество данных, выявлять ошибки и готовить отчёты для команды. ➡️ SQL Ready | #практика

❤️ Codedex — учи SQL через приключение! Здесь ты научишься создавать таблицы, фильтровать данные, использовать операторы и агрегатные функции — всё через увлекательные и практические задания. 📌 Оставляю ссылочку: codedex.io ➡️ SQL Ready | #ресурс

🖥 Анализируем музыкальные тренды! Хотим узнать, какие жанры и исполнители сейчас популярны, и в какие дни они слушаются чаще всего. Это помогает прогнозировать и подобрать рекомендации для плейлистов. В этом посте:

• EXTRACT(DOW FROM play_time) — выделяем день недели прослушивания. • EXTRACT(HOUR FROM play_time) — смотрим, в какие часы включают музыку. • COUNT(*) + GROUP BY — считаем, сколько треков играло по жанрам и времени. • ORDER BY — сортируем, чтобы увидеть пики популярности.

В итоге получаем SQL-инструмент для поиска «вирусных» жанров и артистов. ➡️ SQL Ready | #задача

GROUP BY с HAVING — фильтруем агрегированные данные! Когда нужно сгруппировать данные и одновременно применить фильтр к агрегатам, обычный WHERE не работает. HAVING позволяет фильтровать уже агрегированные результаты. Посчитаем количество заказов на каждого клиента:

SELECT CustomerID, COUNT(*) AS OrdersCount
FROM Orders
GROUP BY CustomerID;

Теперь выберем только тех клиентов, у кого больше 5 заказов:

SELECT CustomerID, COUNT(*) AS OrdersCount
FROM Orders
GROUP BY CustomerID
HAVING COUNT(*) > 5;

Можно комбинировать разные агрегаты, например сумма и среднее:

SELECT CustomerID, SUM(TotalAmount) AS Total, AVG(TotalAmount) AS AvgOrder
FROM Orders
GROUP BY CustomerID
HAVING SUM(TotalAmount) > 1000;

🔥 Но помните: фильтр с HAVING применяется после агрегации — сначала агрегируем, потом фильтруем. ➡️ SQL Ready | #практика

🖥 Какие фильмы лидируют в каждом жанре по среднему рейтингу и количеству отзывов? Для этого посчитаем среднюю оценку, количество голосов и выведем позицию фильма внутри жанра. В этом посте:

• JOIN — объединяем фильмы, жанры и оценки в единую выборку. • AVG + COUNT — считаем средний рейтинг и количество отзывов. • RANK + PARTITION BY — ранжируем фильмы внутри каждого жанра.

В итоге получаем топ фильмов по каждому жанру с учётом рейтинга и популярности. ➡️ SQL Ready | #задача