Forwarded from Future Pulse Persian
🎯اگر علاقه مند به موضوعات👈🏻 بلاکچین/ارزهای دیجیتال/هوش مصنوعی/DeFi/NFTS هستید
👇 چنل زیر رو از دست ندید(با موضاعات متنوع و بروز)
📈 Bitcoin & Ethereum Trends
💰 Exciting Altcoins News
🔗 Cutting-Edge Blockchain Innovations
📊 Business Insights & Market Analysis
📜 Policy & Regulations Updates
🤖 AI: Artificial Intelligence Advancements
🎨 The World of NFTs
🌐 Decentralized Finance (DeFi) News
➖➖➖➖➖➖➖➖
👑 @Blockchain_labdon
👇 چنل زیر رو از دست ندید(با موضاعات متنوع و بروز)
📈 Bitcoin & Ethereum Trends
💰 Exciting Altcoins News
🔗 Cutting-Edge Blockchain Innovations
📊 Business Insights & Market Analysis
📜 Policy & Regulations Updates
🤖 AI: Artificial Intelligence Advancements
🎨 The World of NFTs
🌐 Decentralized Finance (DeFi) News
➖➖➖➖➖➖➖➖
👑 @Blockchain_labdon
🔵 عنوان مقاله
▶ Heroku's Glory Days and Postgres vs The World
🟢 خلاصه مقاله:
در مصاحبهای که با کریگ کرستینس، شخصیت شناختهشده در زمینه Postgres، انجام شده، وی درباره تجربیات خود با Postgres در شرکتهای Heroku، Citus Data و اکنون Crunchy Data صحبت کرده است. این مصاحبه تنها درباره او نیست، بلکه مملو از بینشهایی درباره ساخت اکوسیستمها، افزایش مقیاسپذیری Postgres و حتی DuckDB میباشد. آرون فرانسیس، که در حال کار بر روی دوره آموزشی قریبالوقوع Mastering Postgres است، میزبان این گفتگو بوده و کرستینس به اشتراکگذاری دیدگاهها و تجربیات ارزشمند خود پرداخته است. این مصاحبه پر از نکات کلیدی در مورد نحوه توسعه و مدیریت فناوریهای پایگاه داده به ویژه در محیطهای کسبوکار است که میتواند به علاقهمندان و متخصصان در این حوزه کمک شایانی کند.
🟣لینک مقاله:
https://postgresweekly.com/link/160515/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
▶ Heroku's Glory Days and Postgres vs The World
🟢 خلاصه مقاله:
در مصاحبهای که با کریگ کرستینس، شخصیت شناختهشده در زمینه Postgres، انجام شده، وی درباره تجربیات خود با Postgres در شرکتهای Heroku، Citus Data و اکنون Crunchy Data صحبت کرده است. این مصاحبه تنها درباره او نیست، بلکه مملو از بینشهایی درباره ساخت اکوسیستمها، افزایش مقیاسپذیری Postgres و حتی DuckDB میباشد. آرون فرانسیس، که در حال کار بر روی دوره آموزشی قریبالوقوع Mastering Postgres است، میزبان این گفتگو بوده و کرستینس به اشتراکگذاری دیدگاهها و تجربیات ارزشمند خود پرداخته است. این مصاحبه پر از نکات کلیدی در مورد نحوه توسعه و مدیریت فناوریهای پایگاه داده به ویژه در محیطهای کسبوکار است که میتواند به علاقهمندان و متخصصان در این حوزه کمک شایانی کند.
🟣لینک مقاله:
https://postgresweekly.com/link/160515/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
YouTube
Heroku's glory days & Postgres vs the world, w/ Craig Kerstiens
Want to learn more Postgres? Get on the waiting list for the full course: https://masteringpostgres.com.
In this interview, I dive deep with Craig Kerstiens from Crunchy Data into the world of Postgres, covering its rise to prominence, scaling at Heroku…
In this interview, I dive deep with Craig Kerstiens from Crunchy Data into the world of Postgres, covering its rise to prominence, scaling at Heroku…
امروز میخوام ACID رو توضیح بدم که چهار ویژگی مهم در تراکنشهای پایگاه داده است. بیایید با هم هر کدام از این مفاهیم رو مرور کنیم:
Atomicity (اتمی بودن)
یعنی یا همه عملیاتهای یک تراکنش بهدرستی انجام میشه یا هیچکدام انجام نمیشه. اگر خطایی رخ بده، همه تغییرات برگردونده میشه. مثلاً اگر در هنگام خرید اینترنتی انتقال پول از حساب شما با مشکل مواجه بشه، تراکنش برگردونده میشه و از حساب شما پولی کسر نمیشه.
Consistency (سازگاری)
یعنی پس از هر تراکنش، پایگاه داده همچنان طبق قوانین تعریفشده عمل میکنه. مثلاً در یک سیستم بانکی، قانون اینه که مجموع موجودی حسابها نباید منفی بشه. حالا تصور کنید اگر کسی بخواد پولی از حساب A به حساب B منتقل کنه و این انتقال ناتمام بمونه (پول از A کم بشه ولی به B اضافه نشه)، قوانین Consistency اجازه نمیده این اتفاق بیفته و تراکنش رو برمیگردونه تا موجودیها درست باشه.
Isolation (انزوا)
یعنی تراکنشها از هم جدا هستن و تأثیری روی هم ندارن. به این معنی که اگر دو نفر همزمان در حال انجام تراکنش باشن، یکی روی دیگری تأثیر نمیگذاره و نتایج تراکنشها به هم نمیریزه.
Durability (دوام)
یعنی وقتی یک تراکنش به پایان رسید و تأیید شد، تغییرات اون حتی در صورت بروز مشکل یا قطعی سیستم همچنان ذخیره میمونه. مثلاً وقتی شما پولی به حساب دیگری واریز میکنید، حتی اگر سیستم دچار قطعی بشه، این انتقال در پایگاه داده ثبت شده و از بین نمیره.
DevTwitter | <Firoozeh Daeizadeh/>
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Atomicity (اتمی بودن)
یعنی یا همه عملیاتهای یک تراکنش بهدرستی انجام میشه یا هیچکدام انجام نمیشه. اگر خطایی رخ بده، همه تغییرات برگردونده میشه. مثلاً اگر در هنگام خرید اینترنتی انتقال پول از حساب شما با مشکل مواجه بشه، تراکنش برگردونده میشه و از حساب شما پولی کسر نمیشه.
Consistency (سازگاری)
یعنی پس از هر تراکنش، پایگاه داده همچنان طبق قوانین تعریفشده عمل میکنه. مثلاً در یک سیستم بانکی، قانون اینه که مجموع موجودی حسابها نباید منفی بشه. حالا تصور کنید اگر کسی بخواد پولی از حساب A به حساب B منتقل کنه و این انتقال ناتمام بمونه (پول از A کم بشه ولی به B اضافه نشه)، قوانین Consistency اجازه نمیده این اتفاق بیفته و تراکنش رو برمیگردونه تا موجودیها درست باشه.
Isolation (انزوا)
یعنی تراکنشها از هم جدا هستن و تأثیری روی هم ندارن. به این معنی که اگر دو نفر همزمان در حال انجام تراکنش باشن، یکی روی دیگری تأثیر نمیگذاره و نتایج تراکنشها به هم نمیریزه.
Durability (دوام)
یعنی وقتی یک تراکنش به پایان رسید و تأیید شد، تغییرات اون حتی در صورت بروز مشکل یا قطعی سیستم همچنان ذخیره میمونه. مثلاً وقتی شما پولی به حساب دیگری واریز میکنید، حتی اگر سیستم دچار قطعی بشه، این انتقال در پایگاه داده ثبت شده و از بین نمیره.
DevTwitter | <Firoozeh Daeizadeh/>
➖➖➖➖➖➖➖➖
👑 @Database_Academy
👍4
🔵 عنوان مقاله
Exploring the Limits of Postgres: When Does It Break?
🟢 خلاصه مقاله:
مقالهای که مورد بررسی قرار گرفته، به بررسی محدودیتها و نقاط ضعف سرورهای تکگرهای Postgres در دنیای واقعی میپردازد. ابتدا، مقاله محدودیتهای نظری Postgres را بیان میکند، سپس به بررسی عملی آنها میپردازد تا مشخص شود که در شرایط واقعی تا چه حدی میتوان به آنها اعتماد کرد. نکته کلیدی مقاله، شناسایی بطنهای اصلی است که در عملکرد سرورهای Postgres تاثیر میگذارند. از جمله این بطنها میتوان به مدیریت حافظه، پردازش موازی، و دسترسی به دیسک اشاره کرد. به علاوه، مقاله به ارائه راهکارهایی برای بهبود عملکرد این سرورها میپردازد، که شامل تنظیمات پیکربندی خاص و استفاده بهینه از منابع سختافزاری است. این بررسیها به شناخت بهتر محدودیتهای عملی Postgres کمک میکند و راهکارهایی برای افزایش کارایی در محیطهای تولیدی ارائه میدهد.
🟣لینک مقاله:
https://postgresweekly.com/link/160524/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Exploring the Limits of Postgres: When Does It Break?
🟢 خلاصه مقاله:
مقالهای که مورد بررسی قرار گرفته، به بررسی محدودیتها و نقاط ضعف سرورهای تکگرهای Postgres در دنیای واقعی میپردازد. ابتدا، مقاله محدودیتهای نظری Postgres را بیان میکند، سپس به بررسی عملی آنها میپردازد تا مشخص شود که در شرایط واقعی تا چه حدی میتوان به آنها اعتماد کرد. نکته کلیدی مقاله، شناسایی بطنهای اصلی است که در عملکرد سرورهای Postgres تاثیر میگذارند. از جمله این بطنها میتوان به مدیریت حافظه، پردازش موازی، و دسترسی به دیسک اشاره کرد. به علاوه، مقاله به ارائه راهکارهایی برای بهبود عملکرد این سرورها میپردازد، که شامل تنظیمات پیکربندی خاص و استفاده بهینه از منابع سختافزاری است. این بررسیها به شناخت بهتر محدودیتهای عملی Postgres کمک میکند و راهکارهایی برای افزایش کارایی در محیطهای تولیدی ارائه میدهد.
🟣لینک مقاله:
https://postgresweekly.com/link/160524/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
stepchange.work
Exploring the limits of Postgres: when does it break? – StepChange
In this post, we explore the limits of single-node Postgres and what optimizations can extend its usefulness as a primary application database before requiring more advanced scaling solutions.
Monolithic ecommerce app on RDS PostgreSQL
Let's use a real…
Monolithic ecommerce app on RDS PostgreSQL
Let's use a real…
🔵 عنوان مقاله
▶ SQL IN Clauses are Miles Faster in Postgres 17
🟢 خلاصه مقاله:
مقالهای که مورد بررسی قرار گرفته، به توضیحات حسین در مورد بهبودهای صورت گرفته در عملکرد اسکن درخت B در نگارش PG17 میپردازد، وقتی که از دستور IN در SQL استفاده میشود. حسین در این مقاله از طریق یک اسکرینکست، جزئیات فنی و نحوه پیادهسازی این ویژگیها را شرح داده و با رویکرد SQL Server در این زمینه مقایسه میکند. علاوه بر ارائه توضیحات تئوری، حسین با اجرای یک دموی زنده، نمایش میدهد که چگونه این بهبودها در عمل عملکرد بهتری را ارائه میدهند. این مقاله نشان میدهد که PG17 چگونه توانسته است به صورت قابل توجهی بهینهسازیهایی در پردازش و کارایی پایگاهداده ایجاد کند و سطح توانمندیهای آن را در رقابت با سایر سیستمهای مدیریت پایگاه داده مطرح نماید.
🟣لینک مقاله:
https://postgresweekly.com/link/160517/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
▶ SQL IN Clauses are Miles Faster in Postgres 17
🟢 خلاصه مقاله:
مقالهای که مورد بررسی قرار گرفته، به توضیحات حسین در مورد بهبودهای صورت گرفته در عملکرد اسکن درخت B در نگارش PG17 میپردازد، وقتی که از دستور IN در SQL استفاده میشود. حسین در این مقاله از طریق یک اسکرینکست، جزئیات فنی و نحوه پیادهسازی این ویژگیها را شرح داده و با رویکرد SQL Server در این زمینه مقایسه میکند. علاوه بر ارائه توضیحات تئوری، حسین با اجرای یک دموی زنده، نمایش میدهد که چگونه این بهبودها در عمل عملکرد بهتری را ارائه میدهند. این مقاله نشان میدهد که PG17 چگونه توانسته است به صورت قابل توجهی بهینهسازیهایی در پردازش و کارایی پایگاهداده ایجاد کند و سطح توانمندیهای آن را در رقابت با سایر سیستمهای مدیریت پایگاه داده مطرح نماید.
🟣لینک مقاله:
https://postgresweekly.com/link/160517/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
YouTube
SQL IN clauses are miles faster in Postgres 17
Fundamentals of Database Engineering udemy course
https://databases.win
Postgres 17 is released! and it brings amazing performance features. In this video I discuss one of those performance features specifically the BTree scan optimization with IN. So…
https://databases.win
Postgres 17 is released! and it brings amazing performance features. In this video I discuss one of those performance features specifically the BTree scan optimization with IN. So…
👍1
🔵 عنوان مقاله
pg_stat_kcache: Gather Statistics About Disk Access and CPU Consumption
🟢 خلاصه مقاله:
مقاله مورد بحث، ابزاری بر بستر pg_stat_statements توصیف میکند که به کاربران اجازه میدهد تا میزان استفاده از منابع سیستم را در سطح دیتابیس و همچنین برای کوئریهای مختلف اندازهگیری کنند. این ابزار با ایجاد چندین نمای داده، امکان پایش زمان CPU، خطاهای صفحه، تعویضها (swaps)، بایتهای خوانده شده و نوشته شده را فراهم میآورد. توانایی تجزیه و تحلیل این دادهها به توسعهدهندگان و مدیران دیتابیس کمک میکند تا عملکرد سیستم را به طور دقیقتری درک کرده و مشکلات مرتبط با عملکرد دیتابیس را شناسایی و مرتفع نمایند. این ابزار بنابراین در بهینهسازی پایگاههای داده نقش کلیدی ایفا میکند، به خصوص در محیطهایی که پردازش دادههای سنگین و حیاتی است.
🟣لینک مقاله:
https://postgresweekly.com/link/160529/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
pg_stat_kcache: Gather Statistics About Disk Access and CPU Consumption
🟢 خلاصه مقاله:
مقاله مورد بحث، ابزاری بر بستر pg_stat_statements توصیف میکند که به کاربران اجازه میدهد تا میزان استفاده از منابع سیستم را در سطح دیتابیس و همچنین برای کوئریهای مختلف اندازهگیری کنند. این ابزار با ایجاد چندین نمای داده، امکان پایش زمان CPU، خطاهای صفحه، تعویضها (swaps)، بایتهای خوانده شده و نوشته شده را فراهم میآورد. توانایی تجزیه و تحلیل این دادهها به توسعهدهندگان و مدیران دیتابیس کمک میکند تا عملکرد سیستم را به طور دقیقتری درک کرده و مشکلات مرتبط با عملکرد دیتابیس را شناسایی و مرتفع نمایند. این ابزار بنابراین در بهینهسازی پایگاههای داده نقش کلیدی ایفا میکند، به خصوص در محیطهایی که پردازش دادههای سنگین و حیاتی است.
🟣لینک مقاله:
https://postgresweekly.com/link/160529/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
GitHub
GitHub - powa-team/pg_stat_kcache: Gather statistics about physical disk access and CPU consumption done by backends.
Gather statistics about physical disk access and CPU consumption done by backends. - powa-team/pg_stat_kcache
🔵 عنوان مقاله
Are You Qualified to Use NULL in SQL?
🟢 خلاصه مقاله:
مقاله مورد نظر به بررسی و آزمایش شهود خوانندگان در مورد رفتار NULL در برنامهنویسی میپردازد و اینکه چگونه این مفهوم با انواع دادههای دیگر، فرضیات، تجمیعها و موارد دیگر تعامل دارد. از طریق یک آزمون سرگرم کننده (یا شاید هم نه)، نویسنده قصد دارد درک خواننده را از پیچیدگیها و تفاوتهای رفتاری NULL در محیطهای مختلف برنامهنویسی مورد آزمایش قرار دهد. توجه ویژهای به اینکه چگونگی رفتار پستگرس (Postgres) در پاسخ به سؤال نهایی آزمون با انتظارات متفاوت است نشان میدهد که موضوع میتواند بسیار گیج کننده باشد. این مقاله نه تنها آگاهیهایی را در مورد NULL ارائه میدهد، بلکه به خوانندگان کمک میکند تا درک بهتری از چالشهای برنامهنویسی مرتبط با آن داشته باشند.
🟣لینک مقاله:
https://postgresweekly.com/link/160514/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Are You Qualified to Use NULL in SQL?
🟢 خلاصه مقاله:
مقاله مورد نظر به بررسی و آزمایش شهود خوانندگان در مورد رفتار NULL در برنامهنویسی میپردازد و اینکه چگونه این مفهوم با انواع دادههای دیگر، فرضیات، تجمیعها و موارد دیگر تعامل دارد. از طریق یک آزمون سرگرم کننده (یا شاید هم نه)، نویسنده قصد دارد درک خواننده را از پیچیدگیها و تفاوتهای رفتاری NULL در محیطهای مختلف برنامهنویسی مورد آزمایش قرار دهد. توجه ویژهای به اینکه چگونگی رفتار پستگرس (Postgres) در پاسخ به سؤال نهایی آزمون با انتظارات متفاوت است نشان میدهد که موضوع میتواند بسیار گیج کننده باشد. این مقاله نه تنها آگاهیهایی را در مورد NULL ارائه میدهد، بلکه به خوانندگان کمک میکند تا درک بهتری از چالشهای برنامهنویسی مرتبط با آن داشته باشند.
🟣لینک مقاله:
https://postgresweekly.com/link/160514/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
🔵 عنوان مقاله
What's So Great About Postgres 17?
🟢 خلاصه مقاله:
مقالهای که به بررسی ارتقاءها و بهبودهای نسخه ۱۷ پایگاه داده Postgres میپردازد، توسط Laurenz نگاشته شده است. Postgres 17، که به تازگی منتشر شده، دارای تعدادی تغییرات و افزودنیهای قابل توجه است که در مقاله به آنها پرداخته شده است. نویسنده مقاله به برخی از این تغییرات که بیشترین تأثیر را بر روی کاربران و مدیران دیتابیس خواهد داشت، میپردازد و آنها را با نگاهی نقادانه مورد بررسی قرار میدهد. این مقاله منبع خوبی برای فهمیدن جزئیات و تحلیلهای کاربردی از جدیدترین عرضه Postgres است و به خوانندگان کمک میکند تا درک بهتری از نوآوریها و بهبودهای ارائه شده در این نسخه پیدا کنند.
🟣لینک مقاله:
https://postgresweekly.com/link/160512/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
What's So Great About Postgres 17?
🟢 خلاصه مقاله:
مقالهای که به بررسی ارتقاءها و بهبودهای نسخه ۱۷ پایگاه داده Postgres میپردازد، توسط Laurenz نگاشته شده است. Postgres 17، که به تازگی منتشر شده، دارای تعدادی تغییرات و افزودنیهای قابل توجه است که در مقاله به آنها پرداخته شده است. نویسنده مقاله به برخی از این تغییرات که بیشترین تأثیر را بر روی کاربران و مدیران دیتابیس خواهد داشت، میپردازد و آنها را با نگاهی نقادانه مورد بررسی قرار میدهد. این مقاله منبع خوبی برای فهمیدن جزئیات و تحلیلهای کاربردی از جدیدترین عرضه Postgres است و به خوانندگان کمک میکند تا درک بهتری از نوآوریها و بهبودهای ارائه شده در این نسخه پیدا کنند.
🟣لینک مقاله:
https://postgresweekly.com/link/160512/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
CYBERTEC PostgreSQL | Services & Support
What's so great about PostgreSQL v17?
PostgreSQL v17 has been released. If the list of new features does not inspire you, this article will try to change your mind.
🔵 عنوان مقاله
pgsql-tweaks: A Grab Bag of Useful Postgres Functions
🟢 خلاصه مقاله:
خلاصهی مقالهی مورد نظر به بررسی مجموعهای از توابع مورد استفاده توسط نویسنده (که پیشتر بهعنوان شخصیت هفتهی PostgreSQL شناخته شده) در شغل روزانهاش بهعنوان کاربر Postgres میپردازد. این توابع شامل زمینههایی مانند بررسی انواع دادهها، جمعآوری آمار، تعدادی تجمعی، و توابع تبدیل هستند. نویسنده توضیح میدهد که چگونه از این توابع برای بهینهسازی و مدیریت پایگاه دادههای Postgres در محیط کاری خود بهره میبرد. مقاله همچنین بر اهمیت داشتن دانش کافی در مورد توابع مختلف و کاربرد آنها در پایگاهدادههای بزرگ تأکید دارد، که میتواند به افزایش کارایی و بهبود عملیات دادهها کمک کند.
🟣لینک مقاله:
https://postgresweekly.com/link/160530/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
pgsql-tweaks: A Grab Bag of Useful Postgres Functions
🟢 خلاصه مقاله:
خلاصهی مقالهی مورد نظر به بررسی مجموعهای از توابع مورد استفاده توسط نویسنده (که پیشتر بهعنوان شخصیت هفتهی PostgreSQL شناخته شده) در شغل روزانهاش بهعنوان کاربر Postgres میپردازد. این توابع شامل زمینههایی مانند بررسی انواع دادهها، جمعآوری آمار، تعدادی تجمعی، و توابع تبدیل هستند. نویسنده توضیح میدهد که چگونه از این توابع برای بهینهسازی و مدیریت پایگاه دادههای Postgres در محیط کاری خود بهره میبرد. مقاله همچنین بر اهمیت داشتن دانش کافی در مورد توابع مختلف و کاربرد آنها در پایگاهدادههای بزرگ تأکید دارد، که میتواند به افزایش کارایی و بهبود عملیات دادهها کمک کند.
🟣لینک مقاله:
https://postgresweekly.com/link/160530/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
GitHub
GitHub - sjstoelting/pgsql-tweaks: Contains PostgreSQL functions which I regularly needed.
Contains PostgreSQL functions which I regularly needed. - sjstoelting/pgsql-tweaks
🔵 عنوان مقاله
pg_qualstats: Extension for Collecting Statistics About Predicates
🟢 خلاصه مقاله:
مقالهای که بررسی شده، به تجزیه و تحلیل شایعترین شرطهای (Predicates) استفاده شده در پرسوجوهای انجام شده روی پایگاهدادهها پرداخته و این بحث را در چارچوب پروژهی POWA (تحلیلگر بار کاری Postgres) مطرح میکند. هدف اصلی این تحلیل، شناسایی شرطهای که بیشترین استفاده را دارند است تا بر این اساس بتوان ایجاد شاخصها (Indexes) مؤثرتری را پیشنهاد داد. این شاخصها به افزایش کارایی و بهبود عملکرد پایگاهدادهها کمک شایانی میکنند. تاکید این مطالعه بر این است که با داشتن درک بهتری از الگوهای استفاده شده در پرسوجوها، میتوان استراتژیهای بهینهسازی موثرتری را تعریف کرد که در نهایت به بهرهوری بهتر دسترسیها و استخراج دادهها منجر میشود. این تحلیل میتواند به عنوان ابزاری کلیدی در مدیریت پایگاه داده و تصمیمگیریهای فنی عمل کند.
🟣لینک مقاله:
https://postgresweekly.com/link/160532/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
pg_qualstats: Extension for Collecting Statistics About Predicates
🟢 خلاصه مقاله:
مقالهای که بررسی شده، به تجزیه و تحلیل شایعترین شرطهای (Predicates) استفاده شده در پرسوجوهای انجام شده روی پایگاهدادهها پرداخته و این بحث را در چارچوب پروژهی POWA (تحلیلگر بار کاری Postgres) مطرح میکند. هدف اصلی این تحلیل، شناسایی شرطهای که بیشترین استفاده را دارند است تا بر این اساس بتوان ایجاد شاخصها (Indexes) مؤثرتری را پیشنهاد داد. این شاخصها به افزایش کارایی و بهبود عملکرد پایگاهدادهها کمک شایانی میکنند. تاکید این مطالعه بر این است که با داشتن درک بهتری از الگوهای استفاده شده در پرسوجوها، میتوان استراتژیهای بهینهسازی موثرتری را تعریف کرد که در نهایت به بهرهوری بهتر دسترسیها و استخراج دادهها منجر میشود. این تحلیل میتواند به عنوان ابزاری کلیدی در مدیریت پایگاه داده و تصمیمگیریهای فنی عمل کند.
🟣لینک مقاله:
https://postgresweekly.com/link/160532/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
GitHub
GitHub - powa-team/pg_qualstats: A PostgreSQL extension for collecting statistics about predicates, helping find what indices are…
A PostgreSQL extension for collecting statistics about predicates, helping find what indices are missing - powa-team/pg_qualstats
❤1
اینن دو تا سایت در کنار هم میتونن یک سرویس back-end قدرتمند و مقیاسپذیر ارائه بدن. supabase یه جورایی سرویس دیتابیس Postgres در بستر REST عه یا چیزی شبیه به postgREST و buildship هم یه ابزار low-code برای کارهای مختلف backend به حساب میاد.
#Database #Supabase #SQL #Realtime #Backend
https://supabase.com
https://buildship.com
➖➖➖➖➖➖➖➖
👑 @Database_Academy
#Database #Supabase #SQL #Realtime #Backend
https://supabase.com
https://buildship.com
➖➖➖➖➖➖➖➖
👑 @Database_Academy
🤩2🔥1
🔵 عنوان مقاله
▶ Building a Private RAG System with Llama 3, Ollama, and Postgres
🟢 خلاصه مقاله:
این مقاله به بررسی انتخابهای موجود برای استفاده از مدلهای هوش مصنوعی در محیطهایی که نیاز به حفاظت دقیق از دادهها دارند، پرداخته است. ذکر میکند که استفاده از ارائهدهندگان خارجی مانند OpenAI یا Anthropic ممکن است با سیاستهای حفاظت از دادههای سازمانها سازگار نباشد. به همین دلیل، پیشنهاد میدهد که استفاده از مدلهای محلی و باز میتواند راه حل مناسبی باشد که امکان اجرای کنترل دقیقتر بر دادهها و همچنین انطباق با سیاستهای دادهای سختگیرانهتر را فراهم میکند. این رویکرد به سازمانها این امکان را میدهد که بدون نیاز به وابستگی به سرویسهای برونسپاری که ممکن است خطرات امنیتی داشته باشند، از فناوریهای نوین هوش مصنوعی به صورت ایمنتر استفاده کنند.
🟣لینک مقاله:
https://postgresweekly.com/link/160801/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
▶ Building a Private RAG System with Llama 3, Ollama, and Postgres
🟢 خلاصه مقاله:
این مقاله به بررسی انتخابهای موجود برای استفاده از مدلهای هوش مصنوعی در محیطهایی که نیاز به حفاظت دقیق از دادهها دارند، پرداخته است. ذکر میکند که استفاده از ارائهدهندگان خارجی مانند OpenAI یا Anthropic ممکن است با سیاستهای حفاظت از دادههای سازمانها سازگار نباشد. به همین دلیل، پیشنهاد میدهد که استفاده از مدلهای محلی و باز میتواند راه حل مناسبی باشد که امکان اجرای کنترل دقیقتر بر دادهها و همچنین انطباق با سیاستهای دادهای سختگیرانهتر را فراهم میکند. این رویکرد به سازمانها این امکان را میدهد که بدون نیاز به وابستگی به سرویسهای برونسپاری که ممکن است خطرات امنیتی داشته باشند، از فناوریهای نوین هوش مصنوعی به صورت ایمنتر استفاده کنند.
🟣لینک مقاله:
https://postgresweekly.com/link/160801/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
YouTube
Local RAG Using Llama 3, Ollama, and PostgreSQL
Build a fully local, private RAG Application with Open Source Tools (Meta Llama 3, Ollama, PostgreSQL and pgai)
🛠 𝗥𝗲𝗹𝗲𝘃𝗮𝗻𝘁 𝗥𝗲𝘀𝗼𝘂𝗿𝗰𝗲𝘀
📌 Try pgai PostgreSQL extension ⇒ https://github.com/timescale/pgai
📌 Github repo with code used in the video: https://…
🛠 𝗥𝗲𝗹𝗲𝘃𝗮𝗻𝘁 𝗥𝗲𝘀𝗼𝘂𝗿𝗰𝗲𝘀
📌 Try pgai PostgreSQL extension ⇒ https://github.com/timescale/pgai
📌 Github repo with code used in the video: https://…
🔵 عنوان مقاله
▶ Hands on Postgres 17: What's New and How It Impacts Performance
🟢 خلاصه مقاله:
مقاله مورد نظر بررسی یک وبینار یک ساعته است که به بررسی دقیق و مبتنی بر عملکرد به پیشرفتهای متعدد و چشمگیر PostgreSQL نسخه 17 میپردازد. وبیناری که انجام شده، تمرکز اصلی خود را روی ارتقاءها و بهبودهای جدید در این نسخه قرار داده است که شامل تغییرات عمده در پایگاه دادهها و ویژگیهای بروز شده به منظور بهبود عملکرد و کارایی است. این به روزرسانیها در پوسترس 17 میتواند به کاربران کمک کند تا با سرعت بیشتری دادهها را پردازش کنند و با افزایش کارایی سیستمهای مختلف، نتایج بهتری را در زمینه پردازش اطلاعات و مدیریت دادهها بدست آورند. وبینار توضیحاتی مفصل در مورد نحوه استفاده کاربران از این قابلیتهای جدید و تأثیرات آنها در فضای فناوری اطلاعات ارائه داده است.
🟣لینک مقاله:
https://postgresweekly.com/link/160789/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
▶ Hands on Postgres 17: What's New and How It Impacts Performance
🟢 خلاصه مقاله:
مقاله مورد نظر بررسی یک وبینار یک ساعته است که به بررسی دقیق و مبتنی بر عملکرد به پیشرفتهای متعدد و چشمگیر PostgreSQL نسخه 17 میپردازد. وبیناری که انجام شده، تمرکز اصلی خود را روی ارتقاءها و بهبودهای جدید در این نسخه قرار داده است که شامل تغییرات عمده در پایگاه دادهها و ویژگیهای بروز شده به منظور بهبود عملکرد و کارایی است. این به روزرسانیها در پوسترس 17 میتواند به کاربران کمک کند تا با سرعت بیشتری دادهها را پردازش کنند و با افزایش کارایی سیستمهای مختلف، نتایج بهتری را در زمینه پردازش اطلاعات و مدیریت دادهها بدست آورند. وبینار توضیحاتی مفصل در مورد نحوه استفاده کاربران از این قابلیتهای جدید و تأثیرات آنها در فضای فناوری اطلاعات ارائه داده است.
🟣لینک مقاله:
https://postgresweekly.com/link/160789/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
YouTube
Webinar Recording: Hands on Postgres 17: What's New & How It Impacts Performance
Find the presentation slide deck and all other shared material below! On September 26, 2024, we hosted our webinar on the release of Postgres 17, it's updates & how they're set to impact performance.
You can find the presentation slides and references here:…
You can find the presentation slides and references here:…
خیلی وسوسه انگیزه ولی چرا نباید از فیلدهای جیسون در پایگاههای داده رابطهای مانند PostgreSQL و MySQL برای دادههای تراکنشی استفاده کرد؟
به دلایل زیر:
١) کاهش کارایی جستجو و عملکرد:
جستجو و فیلتر کردن دادهها در یک فیلد JSON به طور کلی کندتر از جستجو در جداول ساختاریافته است. برای دادههای تراکنشی که نیاز به جستجوهای سریع و مکرر دارند، کار با فیلدهای JSON میتواند منجر به کاهش کارایی شود. این به دلیل عدم امکان استفاده کامل از ایندکسهای کارآمد درون فیلدهای JSON است.
۲) فرم ها:
پایگاه دادههای رابطهای بر اساس طراحی ساختاریافته جداول با کلیدهای اصلی و خارجی استوار هستند تا بتوان روابط بین دادهها را بهینه مدیریت کرد. استفاده از فیلدهای JSON میتواند به ایجاد دادههای غیر نرمال (Denormalized) منجر شود، که این امر مدیریت و بهروزرسانی دادهها را پیچیدهتر میکند و میتواند منجر به ناسازگاری دادهها شود.
۳) مشکل در صحت دادهها (Data Integrity):
در جداول ساختاریافته، میتوان محدودیتهایی مانند نوع داده و روابط بین جداول را تعریف کرد که صحت دادهها را تضمین کند. در JSON، این نوع کنترلها به طور ذاتی وجود ندارد و دادهها به صورت آزاد وارد میشوند، که میتواند منجر به ورود دادههای نادرست یا ناسازگار شود.
۴) گزارش گیری:
بسیاری از ابزارهای گزارشگیری و تحلیلی به دادههای ساختاریافته نیاز دارند. دادههای ذخیره شده به صورت JSON نیاز به تجزیه و تبدیل به قالبهای ساختاریافته دارند، که این کار اضافهای است و ممکن است بر سرعت و کارایی تحلیل دادهها تأثیر منفی بگذارد.
۵) افزایش پیچیدگی مدیریت تراکنشها:
مدیریت تراکنشها و قفلگذاری دادهها (locking) برای فیلدهای JSON در برخی موارد پیچیدهتر میشود. همچنین اگر بخواهید چندین مقدار درون یک فیلد JSON را همزمان بهروزرسانی کنید، ممکن است کنترل نسخهگذاری و سازگاری دادهها دشوارتر شود.
۶) مشکل در ایندکسگذاری کارآمد:
اگرچه PostgreSQL و MySQL قابلیت ایندکسگذاری محدود روی فیلدهای JSON را فراهم میکنند، اما این ایندکسها در مقایسه با ایندکسهای سنتی روی جداول ساختاریافته به اندازه کافی کارآمد نیستند و ممکن است در حجمهای بزرگ داده باعث کاهش عملکرد شوند.
چکار باید کرد؟
۱- استفاده ترکیبی از فیلدهای رابطهای و فیلد JSON
۲- ایجاد جداول مرتبط برای دادههای غیرساختاریافته با این شرط که حجم جیسون شما محدوده
۳- ایندکس فیلد JSON (فقط در صورت استفاده)
۴ - طرحی برای تبدیل و مهاجرت تدریجی
۵ - استفاده از NoSQL در کنار پایگاه داده رابطهای
چکار نباید کرد؟
۱- ذخیره کل دادههای مهم در فیلد JSON
۲- عدم استفاده از ایندکسگذاری برای فیلد JSON
۳- استفاده از JSON به جای نرمالسازی دادهها
۴- نادیده گرفتن نیازهای گزارشگیری و تحلیلی
۵- استفاده از JSON برای دادههایی که اغلب تغییر میکنند
۶- عدم در نظر گرفتن تراکنشها و قفلگذاری مناسب
۷- ذخیرهسازی دادههای حجیم به صورت JSON
۸- عدم طراحی برای مهاجرت به ساختارهای بهتر
۹- عدم استفاده از ابزارها و توابع مناسب برای کار با JSON
خلاصه:
با توجه به این نکات، برای دادههای تراکنشی که نیاز به عملکرد سریع، جستجوهای مکرر، و یکپارچگی داده دارند، بهتر است از جداول ساختاریافته با طرحهای نرمال استفاده شود و JSON را تنها در مواردی به کار برد که نیاز به انعطافپذیری زیاد در ساختار دادهها دارید، مانند ذخیرهسازی دادههای غیرساختاریافته یا لاگهای پیچیده.
درصورت نیاز اجتناب ناپذیر مطمئن باشید که با برنامه این کار رو انجام میدهید در غیر اینصورت خبر بدی دارم براتون، به زودی مشکل پرفرمنس جدی خواهید داشت و کسب و کارتون با ریسک جدی روبرو خواهد شد. اگر هزینه برای شما مطرح نیست از گزینه هایی مثل Cassandra همینطور Google Bigtable به راحتی رد نشید.
DevTwitter | <Mohammad Javidan Darugar/>
➖➖➖➖➖➖➖➖
👑 @Database_Academy
به دلایل زیر:
١) کاهش کارایی جستجو و عملکرد:
جستجو و فیلتر کردن دادهها در یک فیلد JSON به طور کلی کندتر از جستجو در جداول ساختاریافته است. برای دادههای تراکنشی که نیاز به جستجوهای سریع و مکرر دارند، کار با فیلدهای JSON میتواند منجر به کاهش کارایی شود. این به دلیل عدم امکان استفاده کامل از ایندکسهای کارآمد درون فیلدهای JSON است.
۲) فرم ها:
پایگاه دادههای رابطهای بر اساس طراحی ساختاریافته جداول با کلیدهای اصلی و خارجی استوار هستند تا بتوان روابط بین دادهها را بهینه مدیریت کرد. استفاده از فیلدهای JSON میتواند به ایجاد دادههای غیر نرمال (Denormalized) منجر شود، که این امر مدیریت و بهروزرسانی دادهها را پیچیدهتر میکند و میتواند منجر به ناسازگاری دادهها شود.
۳) مشکل در صحت دادهها (Data Integrity):
در جداول ساختاریافته، میتوان محدودیتهایی مانند نوع داده و روابط بین جداول را تعریف کرد که صحت دادهها را تضمین کند. در JSON، این نوع کنترلها به طور ذاتی وجود ندارد و دادهها به صورت آزاد وارد میشوند، که میتواند منجر به ورود دادههای نادرست یا ناسازگار شود.
۴) گزارش گیری:
بسیاری از ابزارهای گزارشگیری و تحلیلی به دادههای ساختاریافته نیاز دارند. دادههای ذخیره شده به صورت JSON نیاز به تجزیه و تبدیل به قالبهای ساختاریافته دارند، که این کار اضافهای است و ممکن است بر سرعت و کارایی تحلیل دادهها تأثیر منفی بگذارد.
۵) افزایش پیچیدگی مدیریت تراکنشها:
مدیریت تراکنشها و قفلگذاری دادهها (locking) برای فیلدهای JSON در برخی موارد پیچیدهتر میشود. همچنین اگر بخواهید چندین مقدار درون یک فیلد JSON را همزمان بهروزرسانی کنید، ممکن است کنترل نسخهگذاری و سازگاری دادهها دشوارتر شود.
۶) مشکل در ایندکسگذاری کارآمد:
اگرچه PostgreSQL و MySQL قابلیت ایندکسگذاری محدود روی فیلدهای JSON را فراهم میکنند، اما این ایندکسها در مقایسه با ایندکسهای سنتی روی جداول ساختاریافته به اندازه کافی کارآمد نیستند و ممکن است در حجمهای بزرگ داده باعث کاهش عملکرد شوند.
چکار باید کرد؟
۱- استفاده ترکیبی از فیلدهای رابطهای و فیلد JSON
۲- ایجاد جداول مرتبط برای دادههای غیرساختاریافته با این شرط که حجم جیسون شما محدوده
۳- ایندکس فیلد JSON (فقط در صورت استفاده)
۴ - طرحی برای تبدیل و مهاجرت تدریجی
۵ - استفاده از NoSQL در کنار پایگاه داده رابطهای
چکار نباید کرد؟
۱- ذخیره کل دادههای مهم در فیلد JSON
۲- عدم استفاده از ایندکسگذاری برای فیلد JSON
۳- استفاده از JSON به جای نرمالسازی دادهها
۴- نادیده گرفتن نیازهای گزارشگیری و تحلیلی
۵- استفاده از JSON برای دادههایی که اغلب تغییر میکنند
۶- عدم در نظر گرفتن تراکنشها و قفلگذاری مناسب
۷- ذخیرهسازی دادههای حجیم به صورت JSON
۸- عدم طراحی برای مهاجرت به ساختارهای بهتر
۹- عدم استفاده از ابزارها و توابع مناسب برای کار با JSON
خلاصه:
با توجه به این نکات، برای دادههای تراکنشی که نیاز به عملکرد سریع، جستجوهای مکرر، و یکپارچگی داده دارند، بهتر است از جداول ساختاریافته با طرحهای نرمال استفاده شود و JSON را تنها در مواردی به کار برد که نیاز به انعطافپذیری زیاد در ساختار دادهها دارید، مانند ذخیرهسازی دادههای غیرساختاریافته یا لاگهای پیچیده.
درصورت نیاز اجتناب ناپذیر مطمئن باشید که با برنامه این کار رو انجام میدهید در غیر اینصورت خبر بدی دارم براتون، به زودی مشکل پرفرمنس جدی خواهید داشت و کسب و کارتون با ریسک جدی روبرو خواهد شد. اگر هزینه برای شما مطرح نیست از گزینه هایی مثل Cassandra همینطور Google Bigtable به راحتی رد نشید.
DevTwitter | <Mohammad Javidan Darugar/>
➖➖➖➖➖➖➖➖
👑 @Database_Academy
❤2
🔵 عنوان مقاله
The Value of 'VALUES -> ANY' Transformations?
🟢 خلاصه مقاله:
در این مقاله، نویسندگان به بررسی اهمیت و ضرورت بهینهسازی پرس و جوها در سیستمهای مدیریت پایگاه داده رابطهای (RDBMS) پیش از تلاش برای تهیه یک برنامه اجرایی میپردازند. آنها این موضوع را در شرایطی مورد تجزیه و تحلیل قرار میدهند که در آن تعداد پرس و جوهای دستی و به دقت ساخته شدهای که اجرا میشوند، کاهش یافته است. نویسندگان بر این نکته تاکید میکنند که با توجه به پیچیدگیهای موجود در پایگاههای داده مدرن و تنوع بالای دادهها و درخواستها، لزوم پیش بهینهسازی پرس و جوها بیش از پیش احساس میشود تا اطمینان حاصل شود که برنامههای اجرایی تولید شده هرچه موثرتر و کارا تر باشند. این رویکرد میتواند به کاهش زمان پاسخگویی و بهبود کارایی کلی سیستمهای مدیریت پایگاه داده کمک کند.
🟣لینک مقاله:
https://postgresweekly.com/link/160788/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
The Value of 'VALUES -> ANY' Transformations?
🟢 خلاصه مقاله:
در این مقاله، نویسندگان به بررسی اهمیت و ضرورت بهینهسازی پرس و جوها در سیستمهای مدیریت پایگاه داده رابطهای (RDBMS) پیش از تلاش برای تهیه یک برنامه اجرایی میپردازند. آنها این موضوع را در شرایطی مورد تجزیه و تحلیل قرار میدهند که در آن تعداد پرس و جوهای دستی و به دقت ساخته شدهای که اجرا میشوند، کاهش یافته است. نویسندگان بر این نکته تاکید میکنند که با توجه به پیچیدگیهای موجود در پایگاههای داده مدرن و تنوع بالای دادهها و درخواستها، لزوم پیش بهینهسازی پرس و جوها بیش از پیش احساس میشود تا اطمینان حاصل شود که برنامههای اجرایی تولید شده هرچه موثرتر و کارا تر باشند. این رویکرد میتواند به کاهش زمان پاسخگویی و بهبود کارایی کلی سیستمهای مدیریت پایگاه داده کمک کند.
🟣لینک مقاله:
https://postgresweekly.com/link/160788/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Conserving CPU's cycles ...
PostgreSQL 'VALUES -> ANY' transformation
Should a DBMS mend query structure ?
🔵 عنوان مقاله
Optimizing Postgres Table Layout for Maximum Efficiency
🟢 خلاصه مقاله:
مطالعه رناتو در مورد چگونگی تأثیر طرح جدولها در پایگاه دادههای Postgres بر کارایی ذخیرهسازی و عملکرد پرسوجو تمرکز دارد. رعایت موضوع همترازی دادهها در ساختارهای دادهای بزرگتر، که از موارد مهم در برنامهنویسی سطح پایین است، در جداول Postgres نیز مهم است زیرا نحوه چیدمان و فضای پر کردن دادهها بر روی دیسک میتواند تأثیر قابل توجهی بر کارایی داشته باشد. همترازی نامناسب درون جداول میتواند به فضای دیسک اضافی منجر شود و باعث کندی عملکرد پرسوجو شود. در نتیجه، طراحی بهینه جداول با در نظر گرفتن چگونگی ترتیب دادهها برای به حداقل رساندن پدینگ و بهینهسازی دسترسی به دادهها پیشنهاد میشود. این بررسی تأکید میکند که دانش مهندسی دقیق و آگاهی از تنظیمات داخلی پایگاه داده برای بهبود عملکرد کلی سیستم ضروری است.
🟣لینک مقاله:
https://postgresweekly.com/link/160787/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Optimizing Postgres Table Layout for Maximum Efficiency
🟢 خلاصه مقاله:
مطالعه رناتو در مورد چگونگی تأثیر طرح جدولها در پایگاه دادههای Postgres بر کارایی ذخیرهسازی و عملکرد پرسوجو تمرکز دارد. رعایت موضوع همترازی دادهها در ساختارهای دادهای بزرگتر، که از موارد مهم در برنامهنویسی سطح پایین است، در جداول Postgres نیز مهم است زیرا نحوه چیدمان و فضای پر کردن دادهها بر روی دیسک میتواند تأثیر قابل توجهی بر کارایی داشته باشد. همترازی نامناسب درون جداول میتواند به فضای دیسک اضافی منجر شود و باعث کندی عملکرد پرسوجو شود. در نتیجه، طراحی بهینه جداول با در نظر گرفتن چگونگی ترتیب دادهها برای به حداقل رساندن پدینگ و بهینهسازی دسترسی به دادهها پیشنهاد میشود. این بررسی تأکید میکند که دانش مهندسی دقیق و آگاهی از تنظیمات داخلی پایگاه داده برای بهبود عملکرد کلی سیستم ضروری است.
🟣لینک مقاله:
https://postgresweekly.com/link/160787/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Renato's Runtime Reflections
Optimizing Postgres table layout for maximum efficiency
Introduction When modeling a Postgres database, you probably don’t give much thought to the order of columns in your tables. After all, it seems like the kind of thing that wouldn’t affect storage or performance. But what if I told you that simply reordering…
🔵 عنوان مقاله
IvorySQL 3.4: Open Source Oracle-Compatible Postgres
🟢 خلاصه مقاله:
مقاله مورد نظر به بررسی روشهای مختلف انتقال از Oracle به Postgres میپردازد و تمرکز خاص خود را بر رویکرد IvorySQL قرار داده است. IvorySQL یک استراتژی متفاوت را پیشنهاد میکند که شامل افزودن عناصر سازگاری به Postgres است تا بتواند از syntax PL/SQL و توابع XML اوراکل پشتیبانی کند. این امر به کاربران اجازه میدهد تا کد های موجود اوراکل خود را با حداقل تغییرات به Postgres منتقل کنند، که در نتیجه فرآیند مهاجرت را سادهتر و کمهزینهتر میکند. استفاده از این رویکرد میتواند مزایایی نظیر بهبود عملکرد، کاهش وابستگی به تکنولوژی خاص و کاهش هزینههای لایسنس داشته باشد. تقویت Postgres با این ویژگیهای سازگاری، آن را به گزینهای جذاب برای سازمانهایی میکند که به دنبال جایگزینی برای Oracle هستند.
🟣لینک مقاله:
https://postgresweekly.com/link/160808/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
IvorySQL 3.4: Open Source Oracle-Compatible Postgres
🟢 خلاصه مقاله:
مقاله مورد نظر به بررسی روشهای مختلف انتقال از Oracle به Postgres میپردازد و تمرکز خاص خود را بر رویکرد IvorySQL قرار داده است. IvorySQL یک استراتژی متفاوت را پیشنهاد میکند که شامل افزودن عناصر سازگاری به Postgres است تا بتواند از syntax PL/SQL و توابع XML اوراکل پشتیبانی کند. این امر به کاربران اجازه میدهد تا کد های موجود اوراکل خود را با حداقل تغییرات به Postgres منتقل کنند، که در نتیجه فرآیند مهاجرت را سادهتر و کمهزینهتر میکند. استفاده از این رویکرد میتواند مزایایی نظیر بهبود عملکرد، کاهش وابستگی به تکنولوژی خاص و کاهش هزینههای لایسنس داشته باشد. تقویت Postgres با این ویژگیهای سازگاری، آن را به گزینهای جذاب برای سازمانهایی میکند که به دنبال جایگزینی برای Oracle هستند.
🟣لینک مقاله:
https://postgresweekly.com/link/160808/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
www.ivorysql.org
IvorySQL | IvorySQL
Open Source Oracle compatible PostgreSQL
Forwarded from DevOps Labdon
🔵 عنوان مقاله
Redis Users Want a Change (3 minute read)
🟢 خلاصه مقاله:
تغییرات اخیر در لایسنس Redis باعث شده است که 75٪ از کاربران آن به دنبال جایگزینهایی باشند، که در این میان فورک متنباز Valkey مورد توجه قابل توجهی قرار گرفته است. بر اساس نظرسنجی، 63٪ از کاربران با Valkey آشنایی دارند. با توجه به این تغییرات لایسنس، بسیاری از سازمانها در حال ارزیابی Valkey به دلیل پشتیبانی متنباز آن هستند. ارائه پشتیبانی عملیاتی قابل اطمینان برای پذیرش گسترده این فورک، حیاتی خواهد بود. این تغییرات نشاندهنده نیاز به توجه به نگرانیهای کاربران در مورد مدیریت لایسنسهای نرمافزاری و همچنین اهمیت پشتیبانی متنباز در جذب و حفظ کاربران فعال است.
🟣لینک مقاله:
https://thenewstack.io/redis-users-want-a-change/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Redis Users Want a Change (3 minute read)
🟢 خلاصه مقاله:
تغییرات اخیر در لایسنس Redis باعث شده است که 75٪ از کاربران آن به دنبال جایگزینهایی باشند، که در این میان فورک متنباز Valkey مورد توجه قابل توجهی قرار گرفته است. بر اساس نظرسنجی، 63٪ از کاربران با Valkey آشنایی دارند. با توجه به این تغییرات لایسنس، بسیاری از سازمانها در حال ارزیابی Valkey به دلیل پشتیبانی متنباز آن هستند. ارائه پشتیبانی عملیاتی قابل اطمینان برای پذیرش گسترده این فورک، حیاتی خواهد بود. این تغییرات نشاندهنده نیاز به توجه به نگرانیهای کاربران در مورد مدیریت لایسنسهای نرمافزاری و همچنین اهمیت پشتیبانی متنباز در جذب و حفظ کاربران فعال است.
🟣لینک مقاله:
https://thenewstack.io/redis-users-want-a-change/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
The New Stack
Redis Users Want a Change
Open source Valkey is emerging as a top contender for the 75% of companies concerned about Redis’ licensing change, finds Percona research.
🔵 عنوان مقاله
Building AI Apps on Postgres? Start with pgai
🟢 خلاصه مقاله:
مقاله مربوط به پسوند PostgreSQL با عنوان pgai پرداخته است که قابلیتهای هوش مصنوعی را به این دیتابیس اضافه میکند. این پسوند امکان ایجاد ویژگیها و تکمیل مدلها را برای کاربران فراهم میآورد، و از این طریق به توسعهدهندگان اجازه میدهد تا نرمافزارهایی با قابلیت جستجوی پیشرفته و بازیابی اطلاعات را به راحتی بسازند. pgai با استفاده از عملکردهایی نظیر ساخت امبد (embedding) و تکمیل مدل، به توسعهدهندگان کمک میکند تا با بهرهگیری از قابلیتهای هوش مصنوعی، اپلیکیشنهایی با کارایی بالا را توسعه دهند. انتهای مقاله نیز بر این نکته تاکید دارد که pgai به سادهسازی و قدرتمندسازی برنامهنویسی با استفاده از AI در محیط PostgreSQL کمک شایانی میکند.
🟣لینک مقاله:
https://postgresweekly.com/link/160786/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Building AI Apps on Postgres? Start with pgai
🟢 خلاصه مقاله:
مقاله مربوط به پسوند PostgreSQL با عنوان pgai پرداخته است که قابلیتهای هوش مصنوعی را به این دیتابیس اضافه میکند. این پسوند امکان ایجاد ویژگیها و تکمیل مدلها را برای کاربران فراهم میآورد، و از این طریق به توسعهدهندگان اجازه میدهد تا نرمافزارهایی با قابلیت جستجوی پیشرفته و بازیابی اطلاعات را به راحتی بسازند. pgai با استفاده از عملکردهایی نظیر ساخت امبد (embedding) و تکمیل مدل، به توسعهدهندگان کمک میکند تا با بهرهگیری از قابلیتهای هوش مصنوعی، اپلیکیشنهایی با کارایی بالا را توسعه دهند. انتهای مقاله نیز بر این نکته تاکید دارد که pgai به سادهسازی و قدرتمندسازی برنامهنویسی با استفاده از AI در محیط PostgreSQL کمک شایانی میکند.
🟣لینک مقاله:
https://postgresweekly.com/link/160786/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
GitHub
GitHub - timescale/pgai: Bring AI models closer to your PostgreSQL data
Bring AI models closer to your PostgreSQL data. Contribute to timescale/pgai development by creating an account on GitHub.
🔵 عنوان مقاله
How We Built a Content Recommendation System with Pgai and Pgvectorscale
🟢 خلاصه مقاله:
مقالهای که مورد بررسی قرار گرفته، به بحث در مورد pgvectorscale پرداخته، که یک افزونه برای pgvector است و از دو ویژگی اصلی تشکیل شده است. اولین ویژگی، پشتیبانی از ایندکس StreamingDiskANN است که به بهبود جستجو در دیتابیسهای بزرگ کمک میکند. ویژگی دوم، بهبود quantization میباشد که به فشردهسازی دادهها و کاهش حجم اطلاعات نیازمند برای ذخیرهسازی و پردازش کمک میکند. این افزونه با هدف ارتقا قابلیتهای pgvector طراحی شده، که خود بر اساس ذخیرهسازی و جستجوی کارآمد بردارها در پایگاههای دادهی PostgreSQL میباشد. با استفاده از pgvectorscale، کاربران قادر به مدیریت دادههای برداری بزرگتر و پیچیدهتر به طرز موثری هستند، در حالی که هزینههای زمانی و مالی مرتبط با پردازش این دادهها را کاهش میدهند.
🟣لینک مقاله:
https://postgresweekly.com/link/160798/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
How We Built a Content Recommendation System with Pgai and Pgvectorscale
🟢 خلاصه مقاله:
مقالهای که مورد بررسی قرار گرفته، به بحث در مورد pgvectorscale پرداخته، که یک افزونه برای pgvector است و از دو ویژگی اصلی تشکیل شده است. اولین ویژگی، پشتیبانی از ایندکس StreamingDiskANN است که به بهبود جستجو در دیتابیسهای بزرگ کمک میکند. ویژگی دوم، بهبود quantization میباشد که به فشردهسازی دادهها و کاهش حجم اطلاعات نیازمند برای ذخیرهسازی و پردازش کمک میکند. این افزونه با هدف ارتقا قابلیتهای pgvector طراحی شده، که خود بر اساس ذخیرهسازی و جستجوی کارآمد بردارها در پایگاههای دادهی PostgreSQL میباشد. با استفاده از pgvectorscale، کاربران قادر به مدیریت دادههای برداری بزرگتر و پیچیدهتر به طرز موثری هستند، در حالی که هزینههای زمانی و مالی مرتبط با پردازش این دادهها را کاهش میدهند.
🟣لینک مقاله:
https://postgresweekly.com/link/160798/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Timescale Blog
How We Built a Content Recommendation System With Pgai and Pgvectorscale
Learn how and why Pondhouse Data built a content recommendation system using pgai and pgvectorscale, and how to access these AI tools for your use case.
👍1