Метода join()

При использовании метода join() мы объединяем элементы списка в строку.

В этом примере мы объединяем элементы списка фруктов в строку, разделяя их запятой и пробелом.

Партиционирование в SQL (ч.1)

Партиционирование - техника, позволяющая разбить таблицу на несколько физических или логических разделов. Это улучшает производительность и эффективность работы с базой данных.

В SQL партиционирование может быть реализовано путем разделения таблицы на физические или логические единицы хранения данных. Разделение может основываться на различных критериях, таких как диапазон значений столбца, хеш-значение, список значений и т. д.

Данные операции, такие как выборка, вставка, обновление и удаление, выполняются над каждой партицией независимо друг от друга. Это позволяет реализовать параллельную обработку данных, что положительно влияет на производительность запросов.

Варианты партиционирования: горизонтальное и вертикальное

Существует два основных варианта партиционирования в SQL — горизонтальное и вертикальное.

Горизонтальное партиционирование - разделение таблицы на партиции по строкам. Это полезно для таблиц с большим объемом данных, так как обработка становится более эффективной.

Вертикальное партиционирование - разделяет таблицу по столбцам. Это может быть полезно для таблиц с множеством столбцов, из которых используются только некоторые.

Выбор типа партиционирования зависит от требований базы данных. При правильном применении, партиционирование может значительно улучшить производительность работы с SQL-базами данных.

​​🧾 Работа с JSON в PostgreSQL (часть 1).

В этой заметке начнем разговаривать о знаменитой возможности PostgreSQL работать с форматом данных JSON. Разберемся что такое JSON, чем он удобен и за чем он нужен.

JSON расшифровывается как JavaScript Object Notation. Фактически, это еще один формат представления данных по типу XML. JSON стал популярен, благодаря своей простоте и гибкости. Этот формат легко читается как человеком так и машиной и поддерживается практически всеми языками программирования.

PostgreSQL, когда получила возможность хранить в своих базах данных и извлекать информацию в формате JSON, зашла на территорию так называемых NoSQL баз данных. Эта возможность дала PostgreSQL более гибко работать с данными чем это дает реляционная модель.

Представим пример. У нас есть какой-то объект и мы хотим дать пользователю возможность самостоятельно добавлять атрибуты к этому объекту. Реляционная модель не даст нам хранить кучу атрибутов в одной ячейке таблицы, это противоречит правилам нормализации данных. По этому нам придется что-то выдумывать для решения такой задачи, либо добавлять новую колонку в таблицу при каждом добавлении нового атрибута, либо организовывать данные по модели Entity Attribute Value (о ней мы с вами как-нибудь поговорим в будущих постах). Т.е. фактически, JSON в PostgreSQL нам становится нужен, когда возникает необходимость в работе с неструктурированными данными.

И тут к нам на помощь приходит JSON. Сам формат выглядит очень просто, ниже пример:

{
"id": "1",
"username": "Ilya",
"location": "Moscow"
}

В фигурных скобках у нас находится объект, который представляет собой набор пар ключ-значение. Ключ записывается до знака двоеточия в кавычках, значение - после, все пары разделены между собой запятыми. В рамках одного объекта ключ должен быть уникальным. Значение может быть разными типами данных: цифра, строка, булево, другой объект, ноль или массив. Пары можно записывать и в одну строку, но запись в столбик (как в примере) повышает удобство их чтения.

Массивы в JSON записываются так:

{
"username": "Ilya",
"location": "Moscow",
"posts": [
{
"id":"1",
"title":"Hello"
},
{
"id":"4",
"title":"Enjoy"
}
]
}

Т.е. массив начинается с квадратной скобки и представляет собой упорядоченный набор объектов.

В PostgreSQL есть два варианта работы с JSON. Это собственно сам JSON и JSONB. JSONB считается более продвинутой технологией для работы с форматом JSON в PostgreSQL. О различиях этих двух подходов, а так же о дальнейшей работе с JSON в PostgreSQL мы с вами поговорим в будущих постах.

#pgbase #queries #pgjson

Microsoft добавит первые ИИ-функции в Windows 11 для всех пользователей уже 26 сентября и представит Microsoft 365 Copilot платным клиентам с 1 ноября.

Первым бот поможет упорядочить открытые окна и удалить фон с изображения из интернета. Вторым перескажет непрочитанные письма, составит план мероприятия на основе данных из Excel-таблиц и поможет завести «тикет» в Jira

vc.ru/services/847081

Конституция try-except

При использовании конструкции try-except мы обрабатываем ошибки в коде. Если в блоке try происходит ошибка, то программа переходит в блок except, где можно обработать ошибку и продолжить выполнение программы.

В этом примере мы используем конструкцию try-except для обработки ошибки, которая может возникнуть при попытке преобразовать введенную пользователем строку в целое число. Если введенная строка не может быть преобразована в целое число, то программа переходит в блок except и выводит сообщение об ошибке.

Трюк дня. Как сохранить и восстановить базу данных PostgreSQL?

Для сохранения кластера базы данных:

pg_dumpall -U postgres -w > backup

Для восстановления кластера базы данных:

psql -U postgres -w -f backup postgres

#tips

Ближайший общий предок в дереве SQL

В SQL, деревья представляют собой структуры данных, которые используются для организации иерархических данных. Одним из интересных аспектов работы с деревьями в SQL является поиск ближайшего общего предка.

Поиск ближайшего общего предка

Для поиска общего предка в дереве SQL можно использовать алгоритм поиска в глубину или алгоритм поиска в ширину. Оба алгоритма имеют свои преимущества и недостатки, и выбор зависит от задачи.

Алгоритм поиска в глубину начинает с корневого узла и рекурсивно обходит все его потомки. При нахождении искомого узла, возвращается путь от корневого узла до него. Затем можно выполнить аналогичный обход для второго искомого узла и найти их общего предка.

Алгоритм поиска в ширину, наоборот, начинает с корневого узла и последовательно обходит все узлы на каждом уровне дерева. При нахождении искомого узла, возвращается путь от корневого узла до него. Затем можно выполнить аналогичный обход для второго искомого узла и найти их общего предка.

Модуль os.path

Модуль реализует некоторые полезные функции для имён путей. Для чтения или записи файлов open(), а для доступа к файловой системе модуль os. Параметры пути могут передаваться в виде строк или байтов. Приложениям рекомендуется представлять имена файлов в виде Юникод строк. К сожалению, некоторые имена файлов не могут быть представлены в виде строк в Unix, поэтому приложения, которым необходимо поддерживать произвольные имена файлов в Unix, должны использовать байтовые объекты для представления имён путей.

И наоборот, использование байтовых объектов не может представлять все имена файлов в Windows (в стандартной кодировке mbcs), поэтому приложения Windows должны использовать строковые объекты для доступа ко всем файлам.

usql

usql – это мощный инструмент, который позволяет легко работать с базами данных SQL и NoSQL через командную строку. Созданный на основе популярного psql от PostgreSQL, usql предоставляет удобный интерфейс для выполнения запросов и манипуляций с данными.

Одной из главных особенностей usql является поддержка множества баз данных. Вы можете легко переключаться между разными базами данных, копировать данные между ними и выполнять другие операции без необходимости покидать командную строку.

usql также предоставляет множество удобных функций, таких как подсветка синтаксиса и завершение на основе контекста. Это помогает сделать процесс написания и отладки запросов более эффективным.

💻🤔🥤Сегодня многие компании используют нейросети для генерации названий своих продуктов. Но впервые это опробовали 60 лет назад. Рассказываем историю, когда для этих целей компании Coca-Cola потребовался дорогостоящий компьютер.

В 1963 году Coca-Cola решила выпустить на рынок свой первый напиток без сахара. Само решение было для того времени необычным, поэтому дать новому напитку название тоже решили нестандартным способом.

В распоряжении компании был компьютер IBM 1401 — один из первых компьютеров, который пошёл в массовое производство. Хотя занимал он целую комнату, а его месячная аренда стоила в современных ценах около $25 000. При поддержке инженеров IBM сотрудники Coca-Cola сгенерировали с помощью компьютера 185 тысяч односложных слов из четырёх букв — изначально предполагалось, что название должно состоять именно из такого количества знаков. Затем при помощи компьютера были отброшены все труднопроизносимые слова, потом отбраковали те, что напоминали ругательства или вызывали ассоциации с другими брендами. В самом конце из нескольких десятков слов вручную был выбран вариант Tabb.

Он и должен был стать названием нового напитка, но в последний момент его сократили до TaB — так он и поступил в продажу и продавался десятилетия. Увы, попробовать его сегодня не получится: в 2020 году выпуск прекратили. В интернете даже появились петиции с требованием вернуть TaB, но они ни к чему не привели.

Подписывайтесь 👉@techno_yandex

Не пропускайте новости Яндекса тут @yandex

Как добавить бесящую плашку про куки себе на сайт

Иногда без этого не обойтись

https://v.thecode.media/8yw3h

#проект_Код #лучшее_Код

Агрегация данных

В это видео автор рассказывает про агрегацию данных. Существуют такие статистические показатели, как минимум, максимум, среднее и сумма. Приводятся примеры работы с функциями: SUM, MIN, MAX, AVG.

📖Видео урок