Database Labdon – Telegram
Database Labdon
833 subscribers
33 photos
3 videos
1 file
817 links
🕸 Database Academy

حمایت مالی:
https://www.coffeete.ir/mrbardia72

ادمین:
@mrbardia72
Download Telegram
🔵 عنوان مقاله
POSETTE 2025: Call for Proposals (CFP) Closes February 9!

🟢 خلاصه مقاله:
رویداد POSETTE، رویدادی مجازی و رایگان برای توسعه‌دهندگان Postgres، قرار است از تاریخ 10 تا 12 ژوئن برگزار شود. فرصت ارسال پیشنهادات برای سخنرانی در این رویداد تا تاریخ 9 فوریه و تا ساعت 11:59 شب به وقت اقیانوس آرام باز است. از سخنرانان جدید و با تجربه دعوت می‌شود تا پیشنهادات خود را ارائه دهند. موضوعات پیشنهادی، منابع مفید برای سخنرانان و جزئیات ارسال پیشنهادات در دسترس هستند و می‌توانند به عنوان راهنمای مفیدی برای علاقه‌مندان به سخنرانی از آن‌ها استفاده کنند. این اطلاعات به افرادی که علاقمند به مشارکت در این رویداد هستند کمک می‌کند تا با آمادگی بیشتر و دانش لازم به تهیه و ارسال پیشنهادات خود بپردازند.

🟣لینک مقاله:
https://postgresweekly.com/link/165371/web


👑 @Database_Academy
Forwarded from Future Pulse Persian
📚 معرفی دو کتاب عالی در زمینه ساختمان داده و الگوریتم‌ها

اگر به دنبال منابع قوی برای یادگیری ساختمان داده‌ها (Data Structures) و الگوریتم‌ها (Algorithms) هستید، این دو کتاب را از دست ندهید:👇

🔵https://skybooks.ir/products/Grokking-Algorithms

Table of Contents

1. Introduction to algorithms
2. Selection sort
3. Recursion
4. Quicksort
5. Hash tables
6. Beadth-first search
7. Trees
8. Balanced trees
9. Dijkstra’s algorithm
10. Greedy algorithms
11. Dynamic programming
12. k-nearest neighbors
13. where to go next

🔵https://skybooks.ir/products/Grokking-Data-Structures

Table of Contents

1. Introducing data structures: Why you should learn about data structures
2. Static arrays: Building your first data structure
3. Sorted arrays: Searching faster, at a price
4. Big-O notation: A framework for measuring algorithm efficiency
5. Dynamic arrays: Handling dynamically sized datasets
6. Linked lists: A flexible dynamic collection
7. Abstract data types: Designing the simplest container—the bag
8. Stacks: Piling up data before processing it
9. Queues: Keeping information in the same order as it arrives
10. Priority queues and heaps: Handling data according to its priority
11. Binary search trees: A balanced container
12. Dictionaries and hash tables: How to build and use associative arrays
13. Graphs: Learning how to model complex relationships in data
🤩1
🔵 عنوان مقاله
commit_delay for Better Performance: A Postgres Benchmark

🟢 خلاصه مقاله:
مقاله‌ای که توسط لارنز نوشته شده، روی بهبود عملکرد سیستم‌های پردازش تراکنشی تمرکز دارد. این بهبود از طریق استفاده بهینه از تنظیمات commit_delay و commit_siblings برای گروه‌بندی فلاش‌های WAL (Write-Ahead Logging) انجام می‌پذیرد. لارنز نتایج بنچمارک را به اشتراک گذاشته که نشان می‌دهد استفاده از این تنظیمات می‌تواند به طور قابل توجهی موجب بهبود عملکرد در محیط‌های تراکنشی شود. این تکنیک‌ها باعث می‌شوند که زمان لازم برای فلاش شدن لاگ‌های WAL کاهش یابد و در نتیجه، هزینه‌های عملیاتی نیز کمتر شود. این امر به خصوص در سیستم‌هایی با حجم بالای تراکنش‌، مزیت قابل توجهی به شمار می‌رود. به‌طور کلی، مقاله نشان می‌دهد که با استفاده صحیح و بهینه از پارامترهای commit_delay و commit_siblings، می‌توان به افزایش کارایی در مدیریت پایگاه‌داده‌ها دست یافت.

🟣لینک مقاله:
https://postgresweekly.com/link/165380/web


👑 @Database_Academy
وقتی Cache بیشتر از این که کمک کنه، دردسر می سازه!

چند وقت پیش روی یه پروژه بزرگ کار می کردم که توش Redis برای کشینگ استفاده می کردیم. همه چیز خوب پیش می رفت تا اینکه یه روز، یه تغییر ظاهرا بی ضرر تو کد باعث شد کش درست Invalid نشه. نتیجه چی شد؟ کاربرا داده های قدیمی رو می دیدن، بعضیا نمی تونستن اطلاعاتشون رو آپدیت کنن، و پشتیبانی حسابی شلوغ شد!

کش توزیع شده یه شمشیر دولبه ست!
از یه طرف، می تونه فشار روی دیتابیس رو کم کنه و سرعت پاسخ گویی رو بالا ببره، ولی از طرف دیگه، اگه درست مدیریت نشه، مشکلاتی مثل:

مشکل Cache Inconsistency – وقتی دیتا تو کش و دیتابیس ناهماهنگ می شه و بعضی کاربرا داده های قدیمی می بینن.

مشکل Cache Stampede – همه درخواست ها همزمان به کش می رسن و فشار زیادی ایجاد می کنن.

مشکل TTL Misconfiguration – تنظیم اشتباه زمان اعتبار کش که باعث می شه یا دیتا زودتر از حد لازم حذف بشه یا تا مدت زیادی به روز نشه.


اون تجربه یه درس مهم بهم داد: کش چیزی نیست که فقط یه بار تنظیمش کنیم و فراموشش کنیم. باید یه استراتژی کش هوشمند داشته باشیم که همیشه بهینه بمونه.

<Hamed Farzanefar/>

https://news.1rj.ru/str/addlist/KpzXaiSpKENkMGM0
👍2
🔵 عنوان مقاله
🤖 Automating Data Summarization in Postgres with Claude

🟢 خلاصه مقاله:
مقاله‌ی مورد نظر به بررسی چگونگی استفاده از ابزارهای pgvector و pgai شرکت Timescale برای ادغام PostgreSQL با سیستم هوش مصنوعی کلود Anthropic می‌پردازد؛ به این ترتیب، بدون نیاز به نوشتن اسکریپت‌های خارجی، PostgreSQL قادر خواهد بود وظایف خلاصه‌سازی را انجام دهد. این رویکرد امکان بهره‌گیری از توانایی‌های AI را در درون بانک اطلاعاتی فراهم می‌آورد و می‌تواند برای تحلیل داده‌ها و مدیریت اطلاعات به‌شکل کارآمدتری استفاده شود. ادغام این دو ابزار، pgvector را به عنوان واسط برای کار با وکتورها و pgai را به عنوان مدیوم برقراری ارتباط با هوش مصنوعی کلود Anthropic به کار می‌برد. این روش نه تنها کارایی فرآیندهای مربوط به AI را در پایگاه‌های داده تسهیل می‌کند بلکه منجر به بهینه‌سازی عملیات خلاصه‌سازی داده‌ها نیز می‌شود.

🟣لینک مقاله:
https://postgresweekly.com/link/165378/web


👑 @Database_Academy
Forwarded from Future Pulse Persian
درود دوستان عزیز، اگر انتقاد یا پیشنهادی دارید که می‌تواند به بهبود چنل ها کمک کند، خوشحال می‌شوم از نظرات شما استفاده کنم. می‌توانید از طریق آی‌دی زیر با من در ارتباط باشید:

@mrbardia72


منتظر نظرات سازنده‌تان هستم! 😊
🔵 عنوان مقاله
DB Fiddle: An Online SQL Database Playground

🟢 خلاصه مقاله:
این مقاله به یک ابزار آنلاین بسیار مفید اشاره دارد که امکان دسترسی به مجموعه‌ای از سیستم‌های پایگاه داده، از جمله نسخه‌های 9.4 تا 17 پستگرس را فراهم می‌کند. اگرچه استفاده از پایگاه داده‌های محلی برای آزمایشات بزرگ‌تر توصیه می‌شود، اما این ابزار آنلاین برای بررسی تغییرات دستورالعمل‌ها قبل از ارتقا نسخه‌ها یا تست کردن پرسش‌ها روی نسخه‌های قدیمی‌تر پستگرس یا حتی مای‌اس‌کیو‌ال گزینه‌ای سریع و آسان است. این ابزار به کاربران این امکان را می‌دهد که بدون نیاز به نصب پایگاه داده‌ها، به سرعت و به راحتی تغییرات سینتکسی یا عملکردی را ارزیابی کنند. از این رو، می‌تواند بسیار مفید باشد برای توسعه‌دهندگان داده‌ها و مدیران دیتابیس که به دنبال آزمودن و تعدیل کردن پرسش‌های پایگاه داده خود در محیطی امن و بدون دردسر هستند.

🟣لینک مقاله:
https://postgresweekly.com/link/165388/web


👑 @Database_Academy
👍1
🔵 عنوان مقاله
Replacing Oracle Hints: Best Practices with pg_hint_plan

🟢 خلاصه مقاله:
این مقاله به بررسی نحوه استفاده از 'hints' توسط کاربران دیتابیس Oracle می‌پردازد و روشی را برای تکرار این فرآیند در Postgres با استفاده از ابزار pg_hint_plan ارائه می‌دهد. 'Hints' ابزاری هستند که به کاربران اجازه می‌دهد در فرآیند تصمیم‌گیری بهینه‌سازی پرس‌و‌جو دخالت کنند. این مقاله توضیح می‌دهد که چه زمانی ممکن است از 'hints' استفاده کنید و چگونه می‌توان 'hints' مورد استفاده در Oracle را به Postgres نقشه‌برداری کرد. لوکاس توضیحاتی را در مورد استراتژی‌های مختلف و راه حل‌هایی برای پیاده‌سازی 'hints' در Postgres ارائه می‌دهد و به بررسی مزایا و معایب استفاده از 'hints' در فرآیند بهینه‌سازی پرس‌و‌جو می‌پردازد. همچنین، در مورد چالش‌های احتمالی و روش‌هایی برای دستیابی به بهینه‌سازی مؤثرتر صحبت می‌شود.

🟣لینک مقاله:
https://postgresweekly.com/link/165381/web


👑 @Database_Academy
👍1
🔵 عنوان مقاله
Just Because You’re Getting an Index Scan, Doesn't Mean You Can’t Do Better

🟢 خلاصه مقاله:
در بررسی برنامه‌های پرس و جو، ممکن است مشاهده اسکن‌های ایندکس به‌عنوان نشان‌دهنده‌ی بهینه‌سازی خوب پرس و جو به نظر رسد، اما مایکل معتقد است که هنوز فرصت‌هایی برای بهبود بیشتر وجود دارد. او توصیه‌های کاربردی را برای استخراج بیشترین کارایی از پرس و جوها ارائه می‌دهد. تفسیر اولیه از اسکن‌های ایندکس به عنوان یک رویکرد کارآمد می‌تواند گمراه‌کننده باشد و به همین دلیل است که درک عمیق‌تری از چگونگی و به چه میزان این اسکن‌ها می‌توانند به افزایش کارآیی کمک کنند، اهمیت پیدا می‌کند.

🟣لینک مقاله:
https://postgresweekly.com/link/165372/web


👑 @Database_Academy
🙏2
سازنده ردیس، چند وقتی میشه که به تیمش برگشته، و چند روز پیش این پست رو با عنوان "We are destroying software" تو بلاگ شخصیش منتشر کرده

کل پست صرفاً چند جمله که با همین عبارت شروع میشه، ولی واقعاً جای تفکر داره

چیزی نمیگم، خیلی کوتاهه خودتون بخونید :)

antirez.com/news/145


<Taqi/>
5👍1
🔵 عنوان مقاله
Pig v0.1.4: Now with 400 Postgres Extensions

🟢 خلاصه مقاله:
مقاله مورد نظر درباره ابزاری به نام Pig (مخفف Postgres Install Genius) است که جزو تلاش‌های جدید برای مدیریت افزونه‌های Postgres به شکل بسته‌ای است. نسخه جدید Pig از DocumentDB مایکروسافت، به همراه افزونه‌هایی مانند pg_tracing برای ردیابی فعالیت‌ها، pg_cooldown برای کنترل دسترسی به دیتابیس، و VectorChord-bm25 که به بهبود عملکرد جست‌وجو کمک می‌کند، پشتیبانی می‌کند. این ابزار به کاربران امکان مدیریت راحت‌تر و کارآمدتر افزونه‌ها را داده و به آنها امکان می‌دهد تا از آخرین تکنولوژی‌ها استفاده کنند. Pig پتانسیل تحول در نحوه نصب و پیکربندی افزونه‌ها را دارد، زیرا استفاده‌اش آسان و در عین حال بسیار پیشرفته است.

🟣لینک مقاله:
https://postgresweekly.com/link/165764/web


👑 @Database_Academy
1👍1
🔵 عنوان مقاله
pgroll 0.9.0 Released with New Schema Migration Features

🟢 خلاصه مقاله:
مقاله مورد نظر به بررسی ابزاری به نام pgroll می‌پردازد که برای انجام مهاجرت‌های قابل برگشت ساختار داده‌ها در بانک اطلاعاتی Postgres طراحی شده است، بدون اینکه نیاز به توقف عملیات بانک داده باشد. نسخه ۰.۹ این ابزار قابلیت‌های جدیدی را معرفی می‌کند، از جمله امکان افزودن محدودیت‌های سطح جدول در هنگام فرایند ایجاد جدول، و همچنین ستون‌های تولید شده. این توانایی‌ها به توسعه‌دهندگان این امکان را می‌دهد که با اطمینان بیشتر و بدون اختلال در دسترسی به داده‌ها، تغییرات ساختاری را بر روی پایگاه داده‌ اعمال کنند. pgroll با طراحی مؤثر خود، گزینه‌ای ایده‌آل برای پروژه‌هایی است که نیازمند انعطاف‌پذیری بالا در مدیریت پایگاه داده هستند و به دنبال راهکاری برای به‌روزرسانی پویا و بدون وقفه می‌باشند.

🟣لینک مقاله:
https://postgresweekly.com/link/165762/web


👑 @Database_Academy
👍1
🔵 عنوان مقاله
Citus 13: Now with Postgres 17 Support

🟢 خلاصه مقاله:
Citus یک افزونه منبع باز است که به طور گسترده‌ای کاربرد دارد و تسهیل‌گر افقی‌سازی مقیاس پایگاه‌داده Postgres به شمار می‌رود. این افزونه که چندین سال پیش توسط مایکروسافت خریداری شد، همچنان به دریافت به‌روزرسانی‌های جدید ادامه می‌دهد. آخرین نسخه منتشر شده از Citus، پشتیبانی کامل از Postgres 17 را شامل شده است، که این شامل قابلیت‌های جدید برای اجرای پرس‌وجوهای توزیع‌شده با استفاده از JSON_TABLE() و همچنین بهبود پشتیبانی برای جداول تقسیم‌بندی شده می‌باشد. این امکانات نوین به کاربران اجازه می‌دهد تا با استفاده از قابلیت‌های جدید، داده‌های بزرگ‌تر و پیچیده‌تری را به شکل مؤثرتری مدیریت و تحلیل کنند، بالا بردن کارایی و قابلیت اطمینان در در زمان اجرای پرس‌وجوهای پیچیده‌تر.

🟣لینک مقاله:
https://postgresweekly.com/link/165760/web


👑 @Database_Academy
👏2
🔵 عنوان مقاله
Scaling Postgres without Boiling the Ocean

🟢 خلاصه مقاله:
مقاله مورد نظر به بررسی توانایی‌های اولیه سیستم مدیریت پایگاه داده Postgres در مقابله با بارهای کاری بالا پرداخته و مشکلات رایجی که ممکن است هنگام افزایش بار کاری رخ دهند را تشریح می‌کند. نویسنده، Shayon، به شناسایی و راه‌حل‌هایی برای این مسائل می‌پردازد. به طور خاص، مقاله بیان می‌کند که Postgres به صورت پیش‌فرض تا حد زیادی قابلیت مقیاس‌پذیری دارد، اما با افزایش جدی بار کاری، مشکلاتی مثل "مسائل عجیب" ممکن است ظاهر شوند. هرچند جزئیات خاصی از مسائل و راه‌حل‌های مورد نظر ارائه نشده است، اما تاکید مقاله بر این است که با تنظیم دقیق و مناسب می‌توان این مشکلات را مدیریت کرد و بهره‌وری Postgres را حتی در شرایط سنگین بار کاری حفظ کرد. این یادآوری می‌کند اهمیت داشتن درک عمیقی از تنظیمات و بهینه‌سازی‌های داخلی Postgres برای رسیدگی به چالش‌های مرتبط با مقیاس بزرگ است.

🟣لینک مقاله:
https://postgresweekly.com/link/165750/web


👑 @Database_Academy
🔵 عنوان مقاله
Dealing With "found xmin ... from before relfrozenxid"

🟢 خلاصه مقاله:
مقاله مورد بررسی به خطای رایجی در فرایند وکیومینگ پایگاه داده می‌پردازد که به دلیل استفاده از عبارات نامفهوم، درک آن دشوار است. این خطا زمانی رخ می‌دهد که یک تاپل غیریخ‌زده (unfrozen tuple) با xmin قدیمی‌تر از relfrozenxid جدول وجود داشته باشد، که نشان‌دهنده فساد داده است. این خطا در جریان فرایند وکیومینگ پدیدار می‌شود و موجب خرابی آن می‌گردد. خوشبختانه، راهکارهایی برای مقابله با این مشکل وجود دارد. این راهکارها شامل بروزرسانی و تنظیمات مجدد پارامترهای مربوط به حافظه و مدیریت تراکنش‌ها است تا از بروز این خطاها در آینده پیشگیری شود. امکانات نظارتی و ابزارهای تخصصی نیز می‌توانند به شناسایی و حل این مشکلات کمک کنند.

🟣لینک مقاله:
https://postgresweekly.com/link/165756/web


👑 @Database_Academy
🔵 عنوان مقاله
How About Trailing Commas in SQL?

🟢 خلاصه مقاله:
خلاصه مقاله:
مقاله پیرامون ویژگی ساده اما بسیار درخواستی در زبان SQL بحث می‌کند که در برخی گویش‌ها پیاده‌سازی شده است و این سوال را مطرح می‌کند که آیا این ویژگی می‌تواند در گویش Postgres نیز پیاده‌سازی شود و آیا باید چنین کاری انجام شود. نویسنده توضیح می‌دهد که این موضوع بسیار پیچیده‌تر از آن است که به نظر می‌رسد و به بررسی مسائل فنی و چالش‌هایی که باید در نظر گرفته شود پرداخته است. این مقاله به تحلیل اهمیت و تاثیر احتمالی این ویژگی بر کاربردهای کنونی و آینده SQL می‌پردازد.


🟣لینک مقاله:
https://postgresweekly.com/link/165751/web


👑 @Database_Academy
🔵 عنوان مقاله
Find Your Flow with Heroku Postgres

🟢 خلاصه مقاله:
مقاله به بررسی سرویس پایگاه داده PostgreSQL ارائه‌شده توسط Heroku می‌پردازد و تأکید دارد که این ابزار، پیشرفته‌ترین پایگاه داده متن‌باز در دنیا است که استفاده از آن به لطف Heroku آسان‌تر از همیشه شده‌است. با استفاده از این سرویس، کاربران می‌توانند به بهره‌برداری حداکثری از داده‌ها بپردازند در حالی که مدیریت و نگهداری سیستم به عهده Heroku می‌باشد. این امر به کاربران اجازه می‌دهد تا تمرکز خود را بر روی توسعه اپلیکیشن‌های مبتنی بر داده قرار دهند بدون نگرانی از جنبه‌های اداری و فنی.

🟣لینک مقاله:
https://postgresweekly.com/link/165749/web


👑 @Database_Academy
🔵 عنوان مقاله
Locksmith: Detect SQL Migration Issues Quickly

🟢 خلاصه مقاله:
این مقاله به معرفی ابزار جدیدی پرداخته است که با زبان برنامه‌نویسی Rust نوشته شده و برای شناسایی قفل‌های جدول، بازنویسی‌های جدول و تغییرات اعمال شده بر روی جدول‌ها، ستون‌ها و شاخص‌ها در جریان یک مهاجرت اسکما طراحی شده است. این ابزار قادر است به توسعه‌دهندگان کمک کند تا اطمینان حاصل کنند که تغییرات اسکما بدون اختلال در دسترسی کاربران به داده‌ها و بدون ایجاد خطای عملیاتی مرتبط با قفل شدن داده‌ها انجام می‌گیرد. ابزار به گونه‌ای طراحی شده که ردیابی و تجزیه و تحلیل تغییرات را در زمان واقعی امکان‌پذیر می‌سازد، که می‌تواند به طور چشمگیری در مینیمایز کردن زمان توقف سیستم به هنگام اعمال مهاجرت‌های پیچیده کمک کند. این ابزار خصوصاً برای محیط‌هایی با حجم داده بالا و نیاز به عملیات پایدار بسیار مفید است.

🟣لینک مقاله:
https://postgresweekly.com/link/165761/web


👑 @Database_Academy
👍1
🔵 عنوان مقاله
A Look at Virtual Generated Columns in Postgres 18

🟢 خلاصه مقاله:
مقاله‌ای که مطالعه کردید به توصیف ویژگی جدید در نسخه 18 پایگاه داده Postgres می‌پردازد که قابلیت افزودن 'ستون‌های مجازی تولیدی' را معرفی می‌کند. این ستون‌ها در زمان خواندن داده‌ها محاسبه می‌شوند و بر خلاف ستون‌های تولیدی فعلی، روی دیسک ذخیره نمی‌شوند. استفاده از ستون‌های مجازی تولیدی باعث صرفه‌جویی در فضای ذخیره‌سازی می‌شود، زیرا داده‌های محاسبه‌شده تنها در زمان نیاز و در حافظه اصلی ایجاد می‌گردند. بنابراین، این ویژگی ممکن است به بهبود کارایی در مصرف منابع و عملکرد کلی سیستم کمک کند، به ویژه در مواردی که مقادیر ستون محاسبه‌شده به ندرت مورد استفاده قرار می‌گیرند. این تغییر جایگاه Postgres را به عنوان یکی از پایگاه‌های داده پیشرو و نوآور در صنعت تقویت می‌نماید.

🟣لینک مقاله:
https://postgresweekly.com/link/165888/web


👑 @Database_Academy
👍1
🔵 عنوان مقاله
Representing Graphs in Postgres

🟢 خلاصه مقاله:
مقاله‌ به بررسی امکان استفاده از پایگاه داده‌ Postgres به‌عنوان یک پایگاه داده‌ گرافی می‌پردازد. اگرچه Postgres به‌طور طبیعی یک پایگاه داده‌ گرافی نیست، امکان شبیه‌سازی مفاهیم مربوط به گراف در آن وجود دارد. به‌عنوان جایگزین، استفاده از افزونه‌هایی مثل Apache AGE را پیشنهاد می‌کند که از کوئری‌های گرافی شبیه به Cypher پشتیبانی می‌کنند. این افزونه‌ها امکان بکارگیری ویژگی‌های پایگاه داده گرافی را در Postgres فراهم می‌آورند، بدون آنکه نیاز به تغییر داده‌ پایه‌ای یا مهاجرت داده‌ها به یک سیستم جدید باشد. این رویکرد می‌تواند به‌خصوص برای کاربرانی که قبلاً از Postgres استفاده می‌کنند و نیاز به انجام پرس و جوهای پیچیده گرافی دارند، مفید باشد.

🟣لینک مقاله:
https://postgresweekly.com/link/165895/web


👑 @Database_Academy