Database Labdon – Telegram
Database Labdon
835 subscribers
33 photos
3 videos
1 file
822 links
🕸 Database Academy

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

ادمین:
@mrbardia72
Download Telegram
🔵 عنوان مقاله
'self-driving' Postgres

🟢 خلاصه مقاله:
منظور از «Postgres خودران» سامانه‌ای است که با تکیه بر تله‌متری داخلی و معیارهای میزبان، تنظیمات و نگهداشت‌های روزمره را به‌صورت خودکار انجام می‌دهد تا کارایی پایدار با حداقل دخالت انسانی حفظ شود. این سامانه با چرخه مشاهده–تصمیم–اقدام، پارامترهای حافظه و موازی‌سازی، تنظیمات autovacuum/ANALYZE، مدیریت شاخص‌ها و زمان‌بندی وظایف نگهداشت (مانند VACUUM و REINDEX) را به‌صورت ایمن و مرحله‌ای بهینه می‌کند و در صورت افت نسبت به اهداف سطح خدمت (SLO) به‌سرعت بازمی‌گردد. با خط‌کش‌های ایمنی، آزمایش کاناری/نسخه پشتیبان، ثبت شفاف تصمیم‌ها و امکان تأیید انسانی برای ریسک‌های بالا، هدف آن کاهش کار تکراری و خطای انسانی و تقویت نقش DBA است، نه جایگزینی کامل آن.

🟣لینک مقاله:
https://postgresweekly.com/link/173135/web


👑 @Database_Academy
1
Forwarded from AI Labdon
برگه تقلب برنامه نویسی رو از اینجا پیدا کن

▪️اگه داری برنامه نویسی رو یاد میگیری یا دنبال کار میگردی و‌ مصاحبه میری این چیت شیت ها( برگه تقلب ها) گزینه های خیلی خوبی هست برای مرور...

▪️تقریبا اکثر زبان ها و ابزارهارو پوشش میده و میتونی استفاده کنی ؛ نکته جذابش اینه که پرکابرد ترین پرامپت های ChatGPT هم داره :))

آدرس سایت:

Quickref.me
👍1🤡1
🔵 عنوان مقاله
Vector Search Isn't the Answer to Everything. So What Is?

🟢 خلاصه مقاله:
** این مقاله توضیح می‌دهد که جست‌وجوی برداری به‌تنهایی پاسخ‌گوی همه نیازهای بازیابی اطلاعات نیست و رویکرد بهینه، ترکیب جست‌وجوی متنی/کلیدواژه‌ای PostgreSQL با جست‌وجوی معنایی مبتنی بر pgvector است. نویسنده با نگاهی عملی، مراحل ساخت یک سیستم هیبریدی را—including مدل‌سازی و تکه‌کردن داده، تولید بردارها، شاخص‌گذاری، اجرای همزمان مسیرهای متنی و برداری و ادغام امتیازها—شرح می‌دهد و به ارزیابی دقت، تاخیر، هزینه و نگه‌داری اشاره می‌کند. جمع‌بندی: با PostgreSQL و pgvector می‌توان بدون زیرساخت جداگانه، جست‌وجویی کارآمدتر و دقیق‌تر ساخت.

🟣لینک مقاله:
https://postgresweekly.com/link/173138/web


👑 @Database_Academy
2
🔵 عنوان مقاله
Why Postgres is a Good Choice for Durable Workflow Execution

🟢 خلاصه مقاله:
این مطلب توضیح می‌دهد که چرا پستگرس یک گزینه عملی و قابل اعتماد برای اجرای گردش‌کارهای پایدار است، به‌ویژه در برنامه‌های Go. پستگرس با تراکنش‌های ACID و WAL، دوام و درستی را تضمین می‌کند؛ با الگوهایی مثل outbox/inbox، کلیدهای idempotency و محدودیت‌های یکتا می‌توان اثرات جانبی را حتی در صورت تکرار، فقط یک‌بار اعمال کرد. امکاناتی مانند SELECT … FOR UPDATE SKIP LOCKED، قفل‌های مشورتی و LISTEN/NOTIFY ساخت صف‌های کاری، زمان‌بندی وظایف و هماهنگی بین کارگرها را ساده می‌کند. نگهداری وضعیت و لاگ‌ها در جداول SQL، مشاهده‌پذیری، اشکال‌زدایی و بازیابی را آسان می‌سازد. از نظر عملیاتی، پستگرس با پشتیبان‌گیری، تکرار و پارتیشن‌بندی بالغ است و در بسیاری از بارهای کاری نیاز به موتورهای اختصاصی را برطرف می‌کند؛ هرچند در مقیاس‌های بسیار بزرگ یا ارکستراسیون پیچیده، ابزارهای تخصصی همچون Kafka یا Temporal مناسب‌ترند. نتیجه: برای طیف وسیعی از سیستم‌ها، پستگرس انتخاب پیش‌فرضی عالی برای اجرای گردش‌کارهای پایدار است.

🟣لینک مقاله:
https://postgresweekly.com/link/173140/web


👑 @Database_Academy
🔵 عنوان مقاله
PlanetScale's new Postgres offering

🟢 خلاصه مقاله:
** پلنت‌اسکیل دسترسی به سرویس جدید پایگاه‌داده PostgreSQL خود را آغاز کرده است و اعلام کرده همه افراد در لیست انتظار طی این هفته دعوت می‌شوند. همچنین برای تسهیل مهاجرت، راهنمای گام‌به‌گامی منتشر کرده که مراحل آماده‌سازی، انتقال داده و قطع‌و‌وصل کم‌ریسک را برای جابه‌جایی پایگاه‌داده‌های موجود به پلتفرم آن‌ها توضیح می‌دهد.

🟣لینک مقاله:
https://postgresweekly.com/link/173130/web


👑 @Database_Academy
🔵 عنوان مقاله
Postgres Logging for Performance Optimization

🟢 خلاصه مقاله:
** این مقاله نشان می‌دهد که لاگ‌گیری در PostgreSQL، با وجود نادیده‌گرفته‌شدنش، ابزاری کلیدی برای بهینه‌سازی کارایی است. الیزابت با راهنمایی جامع و عملی از ابتدا تا انتها، سطوح لاگ، انتخاب این‌که چه پرس‌وجوهایی را ثبت کنیم، قالب‌بندی، چرخش و نگهداشت لاگ‌ها، و شیوه‌های پردازش و تحلیل آن‌ها را پوشش می‌دهد تا لاگ‌ها به بینش‌های قابل‌اقدام برای پیدا کردن گلوگاه‌ها و تأیید بهبودهای عملکردی تبدیل شوند.

🟣لینک مقاله:
https://postgresweekly.com/link/173127/web


👑 @Database_Academy
Forwarded from Future Pulse Persian
🚀 به دنیای توسعه و تکنولوژی خوش اومدی!

اگر به موضوعات زیر علاقه‌مندی:

🔹 Golang
🔹 Linux & DevOps
🔹 Software Engineering
🔹 AI & Machine Learning
🔹 فرصت‌های شغلی ریموت (خارجی و داخلی)

ما برات یه مجموعه کانال‌های تخصصی ساختیم تا همیشه به‌روز، حرفه‌ای و الهام‌بخش بمونی!
📚 یادگیری، فرصت، شبکه‌سازی و پیشرفت، همش اینجاست...

📌 از این لینک همه چنل‌هامونو یه‌جا ببین و جوین شو:

👉 https://news.1rj.ru/str/addlist/QtXiQlynEJwzODBk
🔵 عنوان مقاله
DocumentDB Joins the Linux Foundation

🟢 خلاصه مقاله:
** DocumentDB یک پایگاه داده سندمحور و متن‌باز با مجوز MIT است که بر پایه یک افزونه برای PostgreSQL ساخته شده و مایکروسافت آن را اوایل امسال متن‌باز کرد. برای افزایش شفافیت، همکاری بین‌شرکتی و حکمرانی بی‌طرفانه، این پروژه به بنیاد لینوکس واگذار می‌شود تا توسعه آن آسان‌تر و جامعه مشارکت‌کنندگان گسترده‌تر شود. این انتقال قرار است مسیر مشارکت، تصمیم‌گیری شفاف و پایداری بلندمدت پروژه را تقویت کند.

🟣لینک مقاله:
https://postgresweekly.com/link/173450/web


👑 @Database_Academy
🔵 عنوان مقاله
And.. AWS Joins the DocumentDB Project

🟢 خلاصه مقاله:
این خبر می‌گوید AWS به پروژه‌ای با نام DocumentDB پیوسته است؛ موضوعی که با توجه به وجود سرویس «Amazon DocumentDB» در AWS ممکن است کمی ابهام ایجاد کند، زیرا آن سرویس از نظر کد و پیاده‌سازی ارتباطی با این پروژه ندارد. با این حال، این رخداد یک امتیاز مهم برای اکوسیستم PostgreSQL و قابلیت گسترش‌پذیری آن است و به پیشبرد ویژگی‌های شبیه MongoDB در بستر Postgres کمک می‌کند؛ به‌گونه‌ای که تیم‌ها بتوانند قابلیت‌های اسنادی را در کنار توانمندی‌های SQL و تراکنش‌های Postgres استفاده کنند.

🟣لینک مقاله:
https://postgresweekly.com/link/173454/web


👑 @Database_Academy
1
🔵 عنوان مقاله
BemiDB 1.0: Postgres Read Replica Optimized for Analytics

🟢 خلاصه مقاله:
BemiDB 1.0 یک «رپلیکای خواندنیِ» Postgres بهینه‌شده برای تحلیل داده است که نقش جایگزینی ساده برای ترکیب Snowflake/Fivetran را ایفا می‌کند. این سامانه داده را از منابع مختلف جمع‌آوری کرده، آن را به‌صورت ستونیِ فشرده روی S3 همگام می‌کند و امکان اجرای کوئری‌های پیچیده را با یک موتور تحلیلی سازگار با Postgres فراهم می‌سازد. ذخیره‌سازی ستونی روی S3 کارایی پرس‌وجوهای تحلیلی را بهبود می‌دهد و هزینه را قابل پیش‌بینی می‌کند، در حالی‌که سازگاری با Postgres اتصال ابزارهای رایج BI و کلاینت‌های SQL را ساده می‌کند. این پروژه متن‌باز با مجوز AGPL-3.0 عرضه می‌شود.

🟣لینک مقاله:
https://postgresweekly.com/link/173147/web


👑 @Database_Academy
🤝1
Forwarded from Job Labdon
🟢 اگر کارفرما یا کارجو هستی

و دنبال نیرو یا موقعیت شغلی توی حوزه‌های زیر هستی، به من پیام بده 👇

⚔️ DevOps Engineer
⚔️ Site Reliability Engineer (SRE)
⚔️ Linux SysAdmin
⚔️ Cloud Engineer (AWS/GCP/Azure)
⚔️ Infrastructure Engineer
⚔️ Security Engineer (DevSecOps/Linux)
⚔️ Automation Engineer
⚔️ Platform Engineer
⚔️ Software Security
⚔️ Software QA
⚔️ Backend
⚔️ AI Engineer / Machine Learning
⚔️ Database Engineer / DBA

📩 همین الان پیام بده و استارت بزن! تا هم بتونی نیروی خوب پیدا کنی و یا یتونی یه موقعیت شغلی مناسب پیدا کنی

به من پیام بده آگهی یا رزومه ات رو قرار بدم اینجا

@mrbardia72
🔵 عنوان مقاله
Postgres 13 is End of Life, Here's How to Migrate to Version 17

🟢 خلاصه مقاله:
PostgreSQL 13 به پایان عمر رسیده و دیگر به‌روزرسانی امنیتی دریافت نمی‌کند؛ بنابراین مهاجرت به نسخه 17 برای امنیت و پشتیبانی توصیه می‌شود. مقاله با ترسیم یک برنامه عملی مهاجرت—including فهرست‌برداری دارایی‌ها، بررسی تغییرات نسخه‌های 14 تا 17، انتخاب بین pg_upgrade یا تکثیر منطقی برای حداقل وقفه، آزمون در محیط staging، پشتیبان‌گیری و انجام کارهای پسامهاجرت—نشان می‌دهد چگونه با کمترین ریسک ارتقا دهیم. همچنین به مزایای نسخه 17 مانند بهبودهای کارایی، تکرار منطقی، رفتار بهتر vacuum و پیش‌فرض‌های امنیتی قوی‌تر اشاره می‌کند. در بخش مکمل، با استناد به کار Julien Singler، نحوه انجام عملیات بین‌پایگاه‌داده‌ای با Foreign Data Wrappers توضیح داده می‌شود تا بتوان از PostgreSQL به پایگاه‌هایی مانند PlanetScale متصل شد؛ روشی مفید برای مهاجرت مرحله‌ای و فدراسیون داده با رعایت ملاحظات کارایی و سازگاری.

🟣لینک مقاله:
https://postgresweekly.com/link/173462/web


👑 @Database_Academy
1
🔵 عنوان مقاله
Why I Started Using Postgres (And You Might Too)

🟢 خلاصه مقاله:
**برنت اوزار، متخصص شناخته‌شده SQL Server، با تجربه میدانی به محدودیت‌ها و هزینه‌های این پلتفرم در برخی سناریوها پی برد و برای تکمیل جعبه‌ابزار خود به PostgreSQL نیز رو آورد. او نمی‌گوید همه باید مهاجرت کنند، بلکه پیشنهاد می‌کند بسته به نیاز، Postgres را هم ارزیابی کنید: متن‌باز و قابل‌حمل است، هزینه‌ها را قابل پیش‌بینی‌تر می‌کند و از قفل‌شدن به یک فروشنده می‌کاهد، در عین حال از نظر بلوغ و امکانات نیز غنی است. اگر به یکپارچگی عمیق با محصولات مایکروسافت یا قابلیت‌های خاص نیاز دارید، SQL Server همچنان می‌تواند بهترین گزینه باشد. نتیجه‌گیری او عمل‌گرایانه است: با توجه به بارکاری و محدودیت‌ها، پایگاه‌داده‌ای را انتخاب کنید که بیشترین تناسب را دارد—و در بسیاری موارد، Postgres ارزش امتحان‌کردن را دارد.

🟣لینک مقاله:
https://postgresweekly.com/link/173461/web


👑 @Database_Academy
1
🔵 عنوان مقاله
pg_hint_plan 1.8: Tweak Query Execution Plans with 'Hints'

🟢 خلاصه مقاله:
pg_hint_plan 1.8 یک افزونه برای PostgreSQL است که وقتی برنامه‌ریز هزینه‌محور پایگاه داده در شرایط پیچیده به طرح اجرای بهینه نمی‌رسد، امکان «تلنگر» زدن به آن را می‌دهد. با قرار دادن hintها به‌صورت توضیح (کامنت) در کنار کوئری، می‌توانید انتخاب ایندکس، ترتیب و روش جوین، نوع اسکن، میزان موازی‌سازی و برخی تنظیمات مرتبط با برنامه‌ریز را در سطح همان کوئری کنترل کنید؛ این راهنماها مشورتی‌اند و در صورت نامعتبر بودن نادیده گرفته می‌شوند.

کاربردهای معمول شامل پایدارسازی عملکرد گزارش‌های حساس، کنترل طرح‌های متزلزل در کوئری‌های چندجوینه، و حفظ پاسخ‌دهی هنگام تغییر توزیع داده است. با این حال، hintها جایگزین طراحی درست، آمار دقیق و ایندکس‌گذاری مناسب نیستند و استفاده بیش از حد می‌تواند باعث شکنندگی کوئری‌ها شود. آن‌ها را محدود، آزمایش‌شده و موقت به کار ببرید. این قابلیت به‌صورت افزونه و خارج از هسته‌ی Postgres عرضه می‌شود و پیش از اثرگذاری باید نصب و فعال شود. نسخه 1.8 همچنان هدف فراهم‌کردن امکان هدایت کنترل‌شده برنامه‌ریز را برای دستیابی به عملکرد قابل پیش‌بینی دنبال می‌کند.

🟣لینک مقاله:
https://postgresweekly.com/link/173464/web


👑 @Database_Academy
1
🔵 عنوان مقاله
Basic Cross-Database Operations with Foreign Data Wrappers

🟢 خلاصه مقاله:
این مطلب توضیح می‌دهد که Foreign Data Wrapperها (FDW) چگونه امکان اجرای عملیات بین‌بانکی/بین‌پایگاه‌داده‌ای را ساده می‌کنند؛ به‌ویژه در PostgreSQL و با نکاتی کاربردی برای توسعه‌دهندگان Go. با FDW می‌توان منابع داده‌ی خارجی را به‌صورت «جدول خارجی» در پایگاه‌داده محلی دید و روی آن‌ها SELECT و JOIN و در برخی موارد INSERT/UPDATE/DELETE انجام داد.

مراحل اصلی راه‌اندازی شامل: فعال‌سازی افزونه (مثلاً postgres_fdw)، تعریف سرور خارجی، ساخت user mapping امن، و واردکردن شِما یا تعریف دستی جداول خارجی است. مقاله بر سازگاری انواع داده، کولیشن‌ها و رفتار NULL/DEFAULT در اتصال به سامانه‌های ناهمگون تأکید می‌کند.

از نظر کارایی، تا حد امکان فیلتر، مرتب‌سازی و JOIN به سمت منبع دوردست «push down» می‌شود تا حجم انتقال داده کم شود؛ ایندکس‌های مناسب در منبع و کاهش تأخیر شبکه اهمیت دارد و اجرای ANALYZE روی جداول خارجی به بهینه‌ساز کمک می‌کند. در حوزه تراکنش‌ها، تضمین دو‌مرحله‌ای بودن به‌صورت پیش‌فرض وجود ندارد؛ پس برای عملیات نوشتن باید به ایزولیشن، تکرارپذیری و بازیابی خطا توجه کرد.

برای برنامه‌های Go، کافی است از همان اتصال معمولی به PostgreSQL (database/sql) استفاده کرده و SQL عادی روی جداول خارجی بنویسید؛ نیازی به منطق اختصاصی در کد نیست. مقاله استفاده از FDW را با گزینه‌هایی مثل نماهای مادی‌شده، CDC/استریمینگ و خطوط ETL/ELT مقایسه می‌کند: FDW برای خواندن بلادرنگ، مهاجرت تدریجی و یکپارچه‌سازی کم‌هزینه مناسب است، درحالی‌که برای تحلیل‌های سنگین یا قیود سخت سازگاری، تکرار یا پردازش‌های دسته‌ای مناسب‌ترند.

در نهایت، بر امنیت و حاکمیت داده—حداقل‌سازی دسترسی، SSL، حسابرسی، و پایش تأخیر و خطا—تأکید می‌شود. با رعایت این اصول، FDW راهی عمل‌گرایانه برای کوئری‌های بین‌پایگاه‌داده‌ای فراهم می‌کند که مانند داده محلی احساس می‌شوند و بدون یکپارچه‌سازی زودهنگام همه داده‌ها، نیازهای عملی را برآورده می‌سازند.

🟣لینک مقاله:
https://postgresweekly.com/link/173463/web


👑 @Database_Academy
🔵 عنوان مقاله
Fun and Weirdness with SSDs

🟢 خلاصه مقاله:
**این مقاله نشان می‌دهد که خصوصیات غیرمنتظره SSDها می‌تواند عملکرد کوئری‌های پایگاه‌داده را به شیوه‌هایی تغییر دهد که مدل‌های هزینه سنتی پیش‌بینی نمی‌کنند. رفتارهایی مانند حساسیت به الگوی دسترسی و عمق صف، جمع‌آوری زباله داخلی، و نوسان‌های تأخیر باعث می‌شوند عملیات منطقا مشابه، زمان‌های بسیار متفاوتی داشته باشند. نتیجه این است که انتخاب‌هایی مثل اسکن در برابر ایندکس، موازی‌سازی و راهبردهای اتصال ممکن است نادرست ارزیابی شوند. نویسندگان بر لزوم اندازه‌گیری و کالیبراسیون دقیق، طراحی طرح‌های مقاوم و استفاده از سازوکارهای تطبیقی برای مواجهه با تغییرپذیری SSD تأکید می‌کنند.

🟣لینک مقاله:
https://postgresweekly.com/link/173136/web


👑 @Database_Academy
1
Forwarded from Future Pulse Persian
ارتباط IPv6 از سمت زیرساخت کشور دچار اختلال و قطعی شده است.
🔵 عنوان مقاله
▶️ speak with esteemed LLM-whisperer Simon Willison

🟢 خلاصه مقاله:
گفت‌وگویی با سایمون ویلیسون، «زمزمه‌کنندهٔ LLM» و هم‌بنیان‌گذار جنگو، دربارهٔ کاربردهای عملی هوش مصنوعی برای مهندسان داده امروز. او بر استفاده‌های ملموس تأکید می‌کند: کمک به نوشتن SQL، تولید و بازآرایی کد ETL، اسکفلد کردن پایپ‌لاین‌ها، ساخت تست‌ها، مستندسازی، پیشنهادهای کنترل کیفیت داده، استنباط شِما، خلاصه‌سازی لاگ‌ها و ساخت رابط‌های زبانی ساده روی داده‌های داخلی—همه با بازبینی انسانی. ویلیسون الگوهای کاری مطمئن را توصیه می‌کند: بازیابی متن از منابع داخلی، خروجی‌های ساخت‌یافته و قابل‌اعتبارسنجی، نسخه‌بندی پرامپت‌ها و ارزیابی منظم، همراه با توجه جدی به حریم خصوصی و امنیت. او به محدودیت‌ها و ریسک‌ها مانند توهّم، شکنندگی و حملات پرامپت نیز می‌پردازد و بر بازبینی، منشأدهی و گاردریل‌ها تأکید دارد. در نگاه کلی‌تر، تجربهٔ او در ابزارهای متن‌باز و توجه به ارگونومی توسعه‌دهنده، ترکیب‌پذیری و بازتولیدپذیری را به دنیای مهندسی دادهِ مجهز به AI می‌آورد؛ پیشنهاد عملی او: از دستیارهای کم‌ریسک شروع کنید، مستندسازی و QA را خودکار کنید، و اثر را اندازه‌گیری کنید تا AI به شکلی ایمن و مؤثر بهره‌وری را بالا ببرد.

🟣لینک مقاله:
https://postgresweekly.com/link/173456/web


👑 @Database_Academy
🔵 عنوان مقاله
The Internals of PostgreSQL: An Introduction

🟢 خلاصه مقاله:
این مقاله یک منبع کلاسیک و به‌روز برای درک سازوکار درونی PostgreSQL است و به کاربرانی می‌پردازد که می‌خواهند فراتر از سطح SQL، منطق موتور پایگاه‌داده را بفهمند. مباحث اصلی شامل معماری ذخیره‌سازی و بافر، WAL و بازیابی، چرخه کامل اجرای پرس‌وجو (از برنامه‌ریزی تا اجرا)، ایندکس‌ها و آمار، MVCC و کنترل همزمانی، تراکنش‌ها و ایزولیشن، و VACUUM/Autovacuum است. تمرکز آن بر تبدیل این سازوکارها به بینش‌های عملی برای عیب‌یابی، بهینه‌سازی عملکرد، و تصمیم‌گیری بهتر در طراحی و تنظیمات است. با وجود قدمت، به‌روز نگه داشته شده و پلی قابل اتکا میان تجربه کاربری و شناخت موتور محسوب می‌شود.

🟣لینک مقاله:
https://postgresweekly.com/link/173459/web


👑 @Database_Academy
🔵 عنوان مقاله
Using JWT to Establish a Trusted Context for RLS

🟢 خلاصه مقاله:
این مجموعه به چند موضوع مهم در دنیای PostgreSQL می‌پردازد: استفاده از JWT برای ایجاد یک زمینه مورد اعتماد جهت اعمال RLS، تا هویت و نقش کاربر به‌صورت قابل‌اعتبار در خود پایگاه‌داده اعمال شود؛ دلایل گرایش برنت اوزار، متخصص شناخته‌شده SQL Server، به استفاده از پستگرس و مقایسه واقع‌بینانه مزایا و هزینه‌های هر دو جهان؛ هشدار پایان عمر PostgreSQL 13 و راهنمایی‌های عملی برای مهاجرت برنامه‌ریزی‌شده به نسخه‌های جدید مانند 17؛ و در نهایت معرفی کلی قابلیت Foreign Data Wrapper برای انجام عملیات بین‌پایگاه‌داده‌ای، همراه با کاربردها و ملاحظات کارایی و امنیت.

🟣لینک مقاله:
https://postgresweekly.com/link/173460/web


👑 @Database_Academy
🔵 عنوان مقاله
Postgres 17.6, 16.10, 15.14, 14.19, 13.22, and 18 Beta 3 Released

🟢 خلاصه مقاله:
تمام نسخه‌های پشتیبانی‌شدهٔ پستگرس به‌روزرسانی شده‌اند (17.6، 16.10، 15.14، 14.19، 13.22) و در کنار آن Beta 3 از نسخهٔ 18 نیز منتشر شده است. هدف این انتشارها رفع چند آسیب‌پذیری امنیتی و اعمال تعداد زیادی باگ‌فیکس است. انتشار نهایی نسخهٔ 18 حدود یک ماه دیگر انتظار می‌رود؛ توصیه می‌شود نسخه‌های فعلی سریع‌تر به‌روزرسانی شوند و Beta 3 فقط در محیط‌های غیرتولیدی آزمایش گردد.

🟣لینک مقاله:
https://postgresweekly.com/link/173129/web


👑 @Database_Academy