کارکردن با افرادی که ...

➖➖➖➖➖➖➖➖
🕸 @labdon_academy

🔵 عنوان مقاله
libpg-query-node: Use Postgres' SQL Parser from Node.js

🟢 خلاصه مقاله:
مقاله‌ مورد بحث راهنمایی‌هایی درباره استفاده از پارسر SQL پستگرس در سطح پایین از طریق Node با استفاده از libpg_query ارائه می‌دهد. اگر به دنبال استفاده از ابزاری با سطح بالاتری هستید، می‌توانید از کتابخانه pgsql-parser استفاده کنید، که امکان پارس و سریال‌سازی پرس و جوها به/از AST‌ها را فراهم می‌کند. این امکانات به شما کمک می‌کنند تا با استفاده از Node، داده‌های SQL را به صورت موثر تجزیه و تحلیل کنید، که این به نوبه خود قابلیت‌های برنامه‌های کاربردی شما را گسترش می‌دهد و به افزایش دقت و کارایی کدهای مربوط به دیتابیس کمک می‌کند. این ابزارها به ویژه برای توسعه‌دهندگانی که به دنبال افزایش تعامل بین Node.js و پستگرس هستند، مناسب است.

🟣لینک مقاله:
https://postgresweekly.com/link/160433/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
pgMustard v5: Review Postgres Query Plans Quickly

🟢 خلاصه مقاله:
این مقاله به توضیح ابزاری جدید برای بررسی و بهبود برنامه‌های درخواستی پایگاه داده‌های Postgres می‌پردازد. ابزار مذکور با پشتیبانی از نسخه جدید Postgres 17 به روز شده‌است و ویژگی‌های تازه‌ای برای شناسایی مشکلات مانند کامپایل JIT ناکارآمد و زمان‌های بیش از حد مجاز برای تریگرها را ارائه می‌کند. گرچه استفاده از این ابزار تنها به صورت رایگان برای پنج بار ممکن است و پس از آن، استفاده از آن نیازمند پرداخت هزینه خواهد بود. این ابزار به کاربران کمک می‌کند تا با شناسایی و اصلاح موارد بهینه نشده، عملکرد پایگاه داده خود را بهبود ببخشند.

🟣لینک مقاله:
https://postgresweekly.com/link/160430/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

Elon Musk

➖➖➖➖➖➖➖➖
🕸 @labdon_academy

نکات و ترفندهای SQL برای بهینه سازی عملکرد دیتابیس شما.

#SQL #Database #Optimization #Performance #TipsAndTricks

https://github.com/ben-n93/SQL-tips-and-tricks

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🗜 ابزار Redis، برای کاهش فشار هارد دیسک 💽

⁉️ ‏Redis، که مخفف ” REmote DIctionary Server” است، برای کار با داده‌ها در حافظه 👨🏻‍💻 طراحی شده و به همین دلیل می‌تواند پاسخگویی بسیار سریعی را ارائه دهد. با استفاده از ابزار Redis، می‌توان به راحتی عملیات پیچیده را با ⚡️ سرعتی بالا و ⏰ تأخیر کم انجام داد.

🔰 ویژگی های Redis:
📲 حافظه درون‌ پایگاهی In-Memory Storage
💥 پشتیبانی از انواع مختلف داده‌ها
💫 پشتیبانی از قابلیت‌های پیشرفته
📐 پایداری و مقیاس‌پذیری


⚠️ اگه میخوای نحوه فعالسازی Redis در سیستم عامل‌های مختلف لینوکس، macOS و ویندوز رو بدونی؛ روی لینک زیر کلیک کن! 👇🏻

📌 در بلاگ تلاش نت بخوانید:  🔗 Redis ابزاری برای کاهش فشار هارد دیسک

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
Playing with BOLT to Get a Faster Postgres

🟢 خلاصه مقاله:
مقاله مورد بحث به بررسی ابزار BOLT از پروژه LLVM می‌پردازد که با تجزیه و تحلیل داده‌های پروفایلر، باینری‌ها را پس از کامپایل بهینه‌سازی می‌کند. پرسش اصلی مقاله این است که آیا می‌توان از BOLT برای افزایش سرعت پایگاه داده Postgres استفاده کرد، و پاسخ به این سوال مثبت است، اما اجرای آن پیچیدگی‌هایی دارد. بهینه‌سازی Postgres با استفاده از BOLT مستلزم درک دقیقی از نحوه تولید و استفاده از داده‌های پروفایلر در محیط‌های واقعی است. همچنین، تنظیمات پیکربندی خاصی لازم است تا به بهترین شکل از ظرفیت‌های BOLT بهره‌مند شد. تأثیرات بهینه‌سازی می‌تواند متفاوت باشد بسته به نوع کاربردها و بارهای کاری Postgres، و تجربیات اولیه نشان داده که بهبود قابل توجهی در عملکرد ممکن است. این تحقیق، در نهایت، به بررسی عمیق‌تر و مستمر تغییرات و تأثیرات ناشی از استفاده از BOLT در محیط‌های پردازشی نیاز دارد.


🟣لینک مقاله:
https://postgresweekly.com/link/160409/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
Hierarchical Data Types in Postgres

🟢 خلاصه مقاله:
مقاله مورد نظر به بررسی نوع داده خاصی در SQL Server با نام hierarchyid پرداخته است که برای نمایش موقعیت‌ها درون یک سلسله مراتب (مانند درخت) استفاده می‌شود. در حالی که در PostgreSQL می‌توان از هر ستون عددی برای این منظور استفاده کرد، استفاده از ltree امکان پذیر است که گزینه‌ای با ساختار بیشتر به شمار می‌رود. این نوع داده در SQL Server به کاربران اجازه می‌دهد تا داده‌های سلسله مراتبی را به شکل کارآمدتر و سازمان‌دهی شده‌تر مدیریت کنند، در حالی که ltree در PostgreSQL به عنوان یک رویکرد متفاوت برای مدیریت سلسله‌مراتب در اختیار کاربران قرار می‌گیرد که با استفاده از رشته‌های مسیر به عنوان کلیدها عمل می‌کند.

🟣لینک مقاله:
https://postgresweekly.com/link/160419/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

👑 اگر میخوای برنامه نویس گولنگ بشی مارو دنبال کن 👇

🔹آموزش نکات مهم و کلیدی
🔹 نکات مهم طلایی در مصاحبه فنی
🔹 بروز ترین مقالات در زمینه گولنگ
🔹 هرآنچه که با گولنگ نوشته بشه
در کانال گوفر آکادمی👇👇

➖➖➖➖➖➖➖➖
🕊 @gopher_academy

🔵 عنوان مقاله
Building an Image Search Engine on Postgres

🟢 خلاصه مقاله:
مقاله مورد بررسی به تکنیکی در پردازش تصاویر می‌پردازد که در آن از روش‌های مبتنی بر بردار برای جستجو و یافتن تصاویر مشابه استفاده می‌شود. این فرآیند شامل گرفتن تصاویر و سپس ایجاد نمایه‌هایی (embeddings) از آن‌ها است. نمایه‌ها به صورت بردار‌هایی هستند که می‌توانند مشخصات و ویژگی‌های کلیدی تصاویر را در خود جای دهند. سپس، با استفاده از نمایه‌های تصاویر دیگر موجود، تصاویر مشابه توسط جستجوی برداری مبتنی بر شباهت (vector similarity search) شناسایی می‌شوند. این تکنیک کاربرد‌های مهمی در زمینه‌هایی چون تحلیل تصاویر، سیستم‌های پیشنهادگر، و شناسایی محتوا در پلتفرم‌های بزرگ داده ایفا می‌کند. تکنیک pgvector به عنوان ابزاری کارآمد برای مدیریت و جستجوی تصاویر در پایگاه‌های داده بزرگ مورد استفاده قرار می‌گیرد.

🟣لینک مقاله:
https://postgresweekly.com/link/160411/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
The 2024 State of PostgreSQL Survey is Now Open

🟢 خلاصه مقاله:
مقاله بیان می‌کند که نظرسنجی سالانه محبوب Timescale بار دیگر آغاز شده است. افرادی که علاقمند هستند می‌توانند با مراجعه به لینک مذکور در مقاله در این نظرسنجی شرکت کنند. مهلت شرکت در نظرسنجی تا دوشنبه، 30 سپتامبر است. برای کسانی که به دنبال آمار فوری هستند، امکان مشاهده نتایج نظرسنجی سال 2023 فراهم شده است. این اطلاعات می‌تواند به افراد کمک کند تا درک بهتری از تغییرات و پیشرفت‌هایی که در جامعه Timescale روی داده است، بدست آورند و همچنین نقطه نظرات خود را در مورد سرویس‌ها و محصولات Timescale ارائه دهند.

🟣لینک مقاله:
https://postgresweekly.com/link/159303/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
pg_easy_replicate Now Supports Schema Change Tracking During Logical Replication

🟢 خلاصه مقاله:
مقاله‌ی مورد نظر به ابزاری با نام pg_easy_replicate پرداخته که تسهیلاتی در راه‌اندازی و اجرای تکثیر منطقی در پایگاه‌های داده و انجام تعویض‌های سرور اصلی با حداقل زمان خاموشی ارائه می‌دهد. این ابزار اخیراً قابلیت ردیابی تغییرات DDL (توصیف‌کننده‌ی ساختار داده‌ها) را نیز به خدمات خود افزوده است. این ویژگی جدید به کاربران امکان می‌دهد که علاوه بر تکثیر داده‌ها، تغییرات ساختاری اعمال شده بر پایگاه داده را نیز به صورت خودکار ردیابی و تکثیر کنند. این تکثیر شامل تحولاتی چون ایجاد، تغییر، و حذف جداول و سایر اشیاء داده‌یی می‌شود. کاربرد این قابلیت‌های جدید می‌تواند به بهبود چشمگیر در مدیریت پایگاه‌های داده و کاهش زمانهای تعطیلی اجباری هنگام نیاز به بروزرسانی‌های ساختاری کمک کند.

🟣لینک مقاله:
https://postgresweekly.com/link/159321/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
Pigsty v3.0: An Extension-Rich Postgres Distribution

🟢 خلاصه مقاله:
مقاله مذکور به معرفی توزیع پستگرس به نام Pigsty می‌پردازد که با وعده «همه‌چیز آماده» عرضه شده است. Pigsty به عنوان یک پلتفرم مشابه RDS معرفی شده است اما با این تفاوت که کاربران می‌توانند آن را به دلخواه خود مستقر کنند. یکی از ویژگی‌های بارز Pigsty این است که این توزیع امکان نصب آسان 336 افزونه اضافی را فراهم می‌آورد. این مؤلفه به خصوص برای توسعه‌دهندگانی که به دنبال انعطاف‌پذیری بیشتر و گسترش قابلیت‌های پایگاه داده خود هستند، بسیار مفید است. در نتیجه، Pigsty گزینه‌ای جذاب برای کسانی است که به دنبال یک راه‌حل قدرتمند و متنوع برای مدیریت داده‌های خود به صورت سفارشی هستند.

🟣لینک مقاله:
https://postgresweekly.com/link/159314/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
PgCat 1.2: Modern Postgres Pooler and Proxy

🟢 خلاصه مقاله:
مقاله معرفی شده به بررسی ویژگی‌ها و کاربردهای «PgCat»، یک ابزار توسعه یافته به زبان برنامه‌نویسی Rust، می‌پردازد. PgCat برای پشتیبانی از شاردینگ (تقسیم پایگاه داده به بخش‌های کوچکتر برای بهبود عملکرد)، که به صورت تجربی بر اساس دستورات SQL انجام می‌گیرد، طراحی شده است. علاوه براین، این ابزار امکانات متعددی در زمینه تعادل بار و پشتیبانی از خرابی سیستم (failover) را فراهم می‌آورد. توانایی‌های مذکور به کاربران امکان می‌دهد تا سیستم‌های پایگاه داده‌ی خود را برای دستیابی به عملکرد بهینه و اطمینان بیشتر در دسترس بودن خدمات، به طور مؤثرتری مدیریت کنند. در نتیجه، PgCat ابزاری قدرتمند برای مدیریت پایگاه‌های داده‌ در مقیاس‌های بزرگ و با پیچیدگی بالا است.

🟣لینک مقاله:
https://postgresweekly.com/link/159320/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
▶  SQL IN Clauses are Miles Faster in Postgres 17

🟢 خلاصه مقاله:
خلاصه‌ی مقاله:
مقاله به بررسی پیشرفت‌های ایجاد شده در PG17 برای افزایش کارآیی اسکن درخت‌های B هنگام استفاده از عملگر IN می‌پردازد. حسین از این پیشرفت‌ها به حدی شگفت‌زده شده است که یک ویدئوکست تهیه کرده تا نحوه کارکرد آن را توضیح دهد، آن را با روش‌های مورد استفاده در SQL Server مقایسه کند و در یک دموی زنده نمایش دهد. این ویدئوکست نه تنها به تشریح فنی می‌پردازد بلکه با استفاده از مثال‌های عملی، کارایی بهبود یافته‌ی PG17 را در مقایسه با راه‌حل‌های موجود به نمایش می‌گذارد. این مقاله برای کسانی که به بهینه‌سازی و عملکرد پایگاه‌های داده علاقه‌مند هستند، منبع ارزشمندی است.

🟣لینک مقاله:
https://postgresweekly.com/link/160517/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

به‌روزرسانی پایگاه‌داده‌ی اصلی ترب

https://vrgl.ir/4472h

📝 @This_ds

✍️ Farhad BagheriFarhad Bagheri


چرا تو MySQL استفاده از UUIDv4 به عنوان primary key ممکنه مناسب نباشه؟

وقتی یک رکورد جدید insert کنیم MySQL و انجین InnoDB باید تو دیسک بر اساس ترتیب primary key تو page مشخصی اضافش کنه، سر همین اگه pk ایدی عددی یا هرچیزی که ترتیب داره باشه هر رکوردی که اضافه میشه میره به انتهای تیبل ولی اگه از UUID استفاده کنیم چون رندومه هزینه بیشتری داره چون باید دنبال جای insert بگردیم و بعد اضافش کنیم و اگرم نیاز باشه بقیه row ها جابجا شن تا رکورد ما اضافه شه.

برای حل شدن این مشکل چند تا راه حل هست، مثلا اینکه بیایم از ULID یا ورژن های دیگه UUID مثل V7 استفاده کنیم که یک حالت ترتیبی با timestamp به خودشون میگیرن، یا بیایم pk رو ایدی عددی بزاریم و اون فیلدی که میخوایم uuid باشه رو ایندکس عادی بزنیم.

و یکی دیگه از بدی هاش که شاید زیاد اهمیتی نداشته باشه، هر ایندکس دیگه ای جز primary key مقدار pk رو تو خودش ذخیره میکنه، یعنی اگه یه فیلد ایندکس عادی داشته باشه و ما کوئری بزنیم اول تو اون ایندکس، pk رو پیدا میکنیم بعد بر اساس اون موقعیت row رو از ایندکس pk میگیریم و سر همین حجم secondary index ها میتونه زیاد بشه به نسبت ایدی عددی.

البته بگم که این قضیه برای هر دیتابیسی که سیستم Clustered Index رو داشته باشه صدق میکنه.

این مقاله خیلی خوب توضیح داده مشکل uuid رو:

https://lnkd.in/d7GMda5v
➖➖➖➖➖➖➖➖
👑 @Database_Academy

زبان RSQL مخفف Restricted SQL برای فیلتر کردن داده‌ها در APIهای RESTful استفاده میشه

اگر نیاز به پیاده سازی فیلتر های RQL/RSQL/FIQL
در پایتون روی Django REST framework داشتید

این کتابخانه را یک نگاهی داشته باشید
https://github.com/njoyard/django-rql-filter

➖➖➖➖➖➖➖➖
👑 @Database_Academy

یک پیشنهاد جذاب کاری
براتون رزومه هم میشه تازه :))
➖➖➖➖➖➖➖➖
🕸 @labdon_academy

🔵اثر دانینگ کروگر (Dunning-Kruger Effect) چیست؟


🟢 «افرادی که دانش کمتر از میانگین دارند، با دو مشکل به‌صورت هم‌زمان مواجه هستند: نه تنها نتیجه‌گیری‌های اشتباهی دارند و بر اساس همان نتیجه‌گیری‌ها خطاهای مکرری را مرتکب می‌شوند، بلکه به دلیل همین مشکل، عدم توانایی خود را نیز درک نمی‌کنند و متوجه این عدم توانایی نخواهند شد.»

🔴 https://karboom.io/mag/articles/%D8%A7%D8%AB%D8%B1-%D8%AF%D8%A7%D9%86%DB%8C%D9%86%DA%AF-%DA%A9%D8%B1%D9%88%DA%AF%D8%B1

➖➖➖➖➖➖➖➖
🕸 @labdon_academy

🔵 عنوان مقاله
Optimizing Your Database for Analytics

🟢 خلاصه مقاله:
مقاله مورد نظر به چالش‌هایی که هنگام استفاده از پایگاه‌های داده در عملیات روزمره هنگام اجرای پرس و جوهای تحلیلی پیچیده بروز می‌دهد می‌پردازد. نویسنده بررسی می‌کند که چگونه می‌توان داده‌ها را به منظور تحلیل در مکان‌های دیگر تکثیر کرد یا از طریق اصلاحاتی در Postgres، کارایی سیستم را بهبود بخشید. مقاله یک بررسی کلی و معتبر در مورد مفاهیم درگیر در این روند ارائه می‌دهد و همچنین نسخه ویدئویی این بحث نیز در دسترس است. این مطلب کمک می‌کند تا خوانندگان بتوانند تصمیم‌های آگاهانه‌ای در مورد بهینه‌سازی و مدیریت داده‌های خود بگیرند، خصوصاً زمانی که نیاز به تحلیل داده‌های بزرگ باشد.

🟣لینک مقاله:
https://postgresweekly.com/link/159925/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy