Темпоральные типы в PostgreSQL и их использование

Меня зовут Фролков Иван, я работаю программистом с 1993 года, и уже восемь лет — в Postgres Professional. Периодически выступаю на конференциях. В этой статье я расскажу вам про темпоральные типы данных в PostgreSQL — доклад о них я читал на PGConf.Russia 2022. Почему меня это заинтересовало? Мне много раз приходилось сталкиваться с тем, что из-за разницы часовых поясов не сходились отчёты за месяц или даже за сутки. Подобные проблемы возникают из-за н

https://habr.com/ru/companies/postgrespro/articles/766998/

#db

👉 @database_info

QueryFlow

Анализ и визуализация выполнения SQL-запросов

https://github.com/oslabs-beta/QueryFlow

#db

👉 @database_info

LIKE в SQL

До сих пор мы сталкивались с условими, которые определяют точную строку, например WHERE name='Lois Lane'. Но в SQL можно использовать частичное или шаблонное сопоставление, используя оператор LIKE.

Оператор LIKE обеспечивает соответствие заданному шаблону, позволяя указывать подстановочные знаки для одного или нескольких символов. Для этого можно использовать следующие символы подстановки:

https://telegra.ph/LIKE-v-SQL-10-17

#db

👉 @database_info

Оптимизация работы с большим объемом данных при помощи партиционирования в SQL

Работа с большим объемом данных является неотъемлемой частью профессиональной разработки. Независимо от того, занимаетесь ли вы разработкой веб-приложений, аналитикой данных или созданием сложных систем управления, эффективная обработка больших объемов данных – это фундамент успеха вашего проекта.

Как разработчики, мы часто сталкиваемся с задачами, в которых требуется обрабатывать и анализировать огромные объемы данных. Наша задача – сделать это эффективно и быстро.

Оптимизация работы с данными позволяет нам снизить временные затраты, улучшить производительность и повысить доступность нашего приложения. Быстрая и надежная обработка данных также улучшает качество принимаемых решений и способствует успешным бизнес-операциям. Поэтому важно научиться эффективно работать с большими объемами данных и использовать подходы, которые позволят нам извлекать максимальную выгоду из наших ресурсов.

Одним из эффективных методов оптимизации работы с большим объемом данных является партиционирование. Партиционирование – это разделение таблицы на отдельные части (партиции) с целью улучшить производительность выполнения SQL запросов.

https://habr.com/ru/companies/otus/articles/745872/

#db

👉 @database_info

Процедуры в Postgres

источник

#db

👉 @database_info