DATABASE DESIGN – Telegram
DATABASE DESIGN
1.41K subscribers
2.09K photos
3 videos
5.31K links
Лучшие материалы по работе с хранилищами данных на русском и английском языке

Разместить рекламу: @tproger_sales_bot

Правила общения: https://tprg.ru/rules

Другие каналы: @tproger_channels

Другие наши проекты: https://tprg.ru/media
Download Telegram
Оператор LIKE в SQL: примеры и синтаксис

LIKE в SQL выполняет функцию оператора, который помогает фильтровать результаты. Показываем, как правильно использовать оператор LIKE.

Читать: «Оператор LIKE в SQL: примеры и синтаксис»
Аномалии под нагрузкой в PostgreSQL: о чём стоит помнить и с чем надо бороться

В этой статье мы разберём несколько аномальных случаев высокой нагрузки в СУБД PostgreSQL. Что это такое? Обычно PostgreSQL хорошо показывает себя под нагрузкой и оправдывает ожидания в отношении производительности — она остаётся высокой. Но при определённых профилях нагрузки СУБД может вести себя не так, как мы ожидаем. Это и есть аномалии, на которых мы сосредоточимся в данной статье (для тех, кто предпочитает видео, эта информация доступна в виде записи доклада на HighLoad++).

Наша компания помогает обслуживать мультитерабайтные базы данных в крупных проектах, поэтому мой рассказ об аномалиях основан на реальном опыте промышленной эксплуатации СУБД в Postgres Professional — порой мы сталкиваемся с тем, что СУБД ведёт себя не так, как мы ожидали.

Также в рамках статьи мы рассмотрим следующее:


Читать: https://habr.com/ru/post/720272/
👍1
Как мы сокращаем время простоя при установке обновлений схемы базы данных. Советы разработчикам

Привет! Я работаю в компании Bercut, которая более 20 лет занимается разработкой и поддержкой ПО для операторов сотовой и фиксированной связи. Сегодня я хочу рассказать о наших подходах к сокращению времени простоя продуктивного комплекса при установке обновлений схемы данных на СУБД Oracle. Целевая аудитория — начинающие и продолжающие разработчики, которым интересно узнать о различных вариантах распараллеливания и ускорения работы DDL, DML и прочих штуках, облегчающих процесс отладки и установки.


Читать: https://habr.com/ru/post/720282/
Проблема построения оптимального плана выполнения запроса при использовании коллекций. Применение Extensible Optimizer

Привет! Я работаю в компании Bercut, мы более 20 лет занимается разработкой и поддержкой ПО для операторов сотовой и фиксированной связи. Прошел путь от инженера в отделе сопровождения до менеджера продукта. В последние годы работаю ведущим специалистом в отделе администрирования (Senior DBA) и решаю проблемы производительности высоконагруженных биллинговых базах данных, обслуживающих от сотен тысяч до десятков миллионов абонентов. Сегодня я хочу рассказать про проблему построения оптимального плана выполнения запроса при использовании коллекций в качестве входных переменных запроса и вариантах ее решения.


Читать: https://habr.com/ru/post/720326/
SQL запрос SELECT: значение и примеры

SELECT Name SQL, SQL запрос SELECT WHERE, выбор столбца, упорядочивание и другие практические примеры использования оператора.

Читать: «SQL запрос SELECT: значение и примеры»
SQL запрос SELECT: значение и примеры

SELECT Name SQL, SQL запрос SELECT WHERE, выбор столбца, упорядочивание и другие практические примеры использования оператора.

Читать: «SQL запрос SELECT: значение и примеры»
👍1
5 лучших практик для успешной стратегии управления мастер-данными

Задумывались ли вы, во сколько вашему бизнесу обходятся ошибки в справочниках компании? По данным Gartner - ведущей мировой исследовательской компании, неверные данные о клиентах могут стоить компании 30% ее годового дохода. С точки зрения информационных технологий, данные о клиентах относятся к мастер-данным или, как они еще называются, - основным данным.

ИТ-компания Qlever Solutions подготовила цикл материалов о том, что такое мастер-данные, почему ими важно управлять и как с помощью внедрения стратегии управления мастер-данными (master data management - MDM) сократить потери бизнеса.

Потребность в разработке стратегии MDM тесно связана с назревшей необходимостью цифровой трансформации бизнеса. Этот процесс сопровождается накоплением и умножением десятков, иногда сотен различных приложений и систем, которые генерируют и используют данные. Сведения передаются от отдела к отделу, от бизнеса к бизнесу и в конечном итоге фрагментируются, повреждаются, дублируются…

В таких обстоятельствах использование данных становится все более трудным, если не сказать – невозможным. Причем это касается не только сложных проектов! Даже выявление наиболее прибыльных клиентов или высокомаржинальных продуктов является невыполнимой задачей, если не научиться управлять мастер-данными.


Читать: https://habr.com/ru/post/720738/
Building Digital Data Pipelines - Transforming Underwriting with Usage-based Insurance and MongoDB

Read: https://www.mongodb.com/blog/post/building-digital-data-pipelines-transforming-underwriting-usage-based-insurance-mongodb
Clear: Enabling Seamless Tax Management for Millions of People with MongoDB Atlas

Read: https://www.mongodb.com/blog/post/clear-enabling-seamless-tax-management-millions-people-atlas
Long-Term Backups (up to 10 years) on Autonomous Dedicated!

Blog that describes Long-Term backups on Autonomous Dedicated Infrastructure and Exadata Cloud@Customer

Read: https://blogs.oracle.com/database/post/long-term-backups-on-autonomous-dedicated
Какое хранилище данных выбрать для электронной почты

При развертывании почтового сервера Carbonio в формате On‑Premise, системному администратору приходится решать вопрос хранения данных — главной ценности информационных систем. Для почтовых систем именно хранилище данных является ключевой составляющей, обеспечивающей отзывчивость и стабильную работу сервиса. Однако не бывает таких хранилищ, которые были бы одновременно быстрыми, надежными и недорогими. Обычно администратору приходится выбирать два, а иногда и один из этих параметров. В данной статье мы расскажем о том, по какому принципу следует выбирать хранилища для почтового сервера Carbonio.


Читать: https://habr.com/ru/post/721244/
1
Оператор SQL IN на понятных примерах

Подробно разберём синтаксис оператора фильтрации SQL IN и рассмотрим его использование на парктических примерах.

Читать: «Оператор SQL IN на понятных примерах»
Оператор SQL IN на понятных примерах

Подробно разберём синтаксис оператора фильтрации SQL IN и рассмотрим его использование на парктических примерах.

Читать: «Оператор SQL IN на понятных примерах»
Поиск и устранение повреждений данных

Это выдержка из восьмой главы книги Rodney Landrum: «SQL Server Tacklebox», в которой описывается, как DBA может устранить последствия повреждения данных. Будут продемонстрированы инструменты и сценарии, необходимые для своевременного поиска и устранения повреждений данных и предотвращения их попадания в резервные копии.


Читать: https://habr.com/ru/post/721348/
🔥1
Большая часть работы с базами данных — бесполезна

Я привык к привкусу отчаяния, которое так глубоко укоренилось в моем сердце и сердцах моих коллег, что превратилась в безнадежную пассивность. Это отчаяние, которое приходит от осознания того, что мы тратим большую часть нашего времени, не производя ничего ценного.
Это то, в чем мы признаемся тихо, иногда со смехом, потому что знаем, что могло быть намного хуже. По большей части все мы работаем в пространстве данных в крупных организациях либо в государственном секторе, либо что-то вроде этого. Это невероятно комфортная жизнь. Давления не существует, мы заканчиваем работу в 17:00, и, безусловно, бывают судьбы гораздо хуже. Но все же мы отчаиваемся.
В чем смысл вашей работы?

Читать: https://habr.com/ru/post/721372/
🤔2
Эволюция электронного наряда-допуска или как исключить убытки, избавившись от бумаги, и зачем для этого лицензия ФСБ

Эволюция электронного наряда-допуска или как исключить убытки, избавившись от бумаги, и зачем для этого лицензия ФСБ


Читать: https://habr.com/ru/post/702516/
Десять самых распространённых проблем с качеством данных и способы их устранения

Введение

Данные стали основой всех бизнесов мира. В процессе принятия решений организации сильно полагаются на свои ресурсы данных, но, к сожалению, «на 100% чистых и точных данных» не существует. На данные влияют различные факторы, снижающие их качество. По словам специалистов, лучшим способом борьбы с проблемами данных является выявление их первопричин и внедрение новых процессов для повышения их качества. В этой статье рассказывается о распространённых проблемах с качеством данных и об оптимальных способах их устранения. Но сначала давайте разберёмся, почему важно знание этих проблем и как они могут влиять на ведение бизнеса.


Читать: https://habr.com/ru/post/718708/
Women Leaders at MongoDB: Raising the Bar with May Petry

Read: https://www.mongodb.com/blog/post/women-leaders-mongodb-raising-bar-may-petry
New Backported Features Available in MariaDB Enterprise Server Releases 10.3-10.6

Read: https://mariadb.com/?p=35037