👋🏼 Поговорим сегодня о трех популярных реляционных СУБД (системах управления базами данных). Они служат посредниками между пользователем и базой данных, при помощи ранее известного нам языка SQL.

🔹 MySQL - является одной из самых популярных и широко используемых СУБД. Она отличается простотой в использовании, высокой производительностью и богатым набором функций.

🔹 PostgreSQL - еще одна известная СУБД. Она известна своей надежностью, поддержкой расширений и возможностью работы с географическими данными.

🔹 Microsoft SQL Server - является одним из самых популярных коммерческих решений для работы с данными.

🔸 Выбор подходящей СУБД зависит от требований конкретного проекта и его целей.

Например, ранее для Telegram бота я использовал - PostgreSQL.

Определенно, реляционные СУБД SQL являются незаменимым инструментом для работы с данными в современном мире.

Спасибо за вашу активность ❤️
Вечером будет тема для продвинутых пользователей SQL

#Начинающий #SQL

Друзья, сегодня хочу поделиться с вами двумя методами оптимизации SQL запросов чтобы они стали более эффективными и быстрыми.

🔹Метод Explain - это отличный инструмент для анализа выполнения SQL запросов. Он помогает нам понять, как база данных обрабатывает запросы и какие индексы и операции используются. Обычно, когда мы выполняем Explain для нашего запроса, мы получаем план выполнения, который показывает последовательность операций, сделанных базой данных для выполнения запроса. Это может быть очень полезно для определения неэффективных операций или использования неверных индексов.

🔹Метод Explain analyze - это расширение метода Explain, которое помимо плана выполнения показывает также информацию о времени выполнения запроса. Он помогает нам понять, где возникают узкие места в выполнении запроса и дает нам информацию о времени, затраченном на каждую операцию.

Спасибо всем за поддержку ❤️
Безумно приятно читать ваши отзывы! Скоро будет Python 🐍

#Продвинутый #Теория #SQL #Оптимизация

Друзья 👋🏼 Сегодня мы поговорим о немаловажной функции OVER PARTITION BY в SQL.

Она позволяет выполнять агрегацию данных внутри каждой группы, соответствующей определенным полем или набором полей. Данная функция работает в сочетании с другими аналитическими функциями, такими как SUM, AVG, MIN, MAX, и другими.

Синтаксис функции OVER PARTITION BY выглядит следующим образом:

<агрегатная функция> OVER (PARTITION BY <поле 1>, <поле 2>, ...)


Здесь <агрегатная функция> - это функция агрегации, которую вы хотите применить к данным внутри каждой группы, а <поле 1>, <поле 2>, ... - это поля, по которым вы хотите распределить данные на группы. Например:

SELECT
user_id,
date,
sum(amount) OVER (PARTITION BY user_id) AS total_amount
FROM
purchases

В этом примере мы выбираем user_id, date и сумму amount для каждого user_id. Функция SUM применяется к полю amount внутри каждой группы, образованной по полю user_id.

#Продвинутый #Теория #SQL

Подписывайтесь и читайте
➡️ Дзен и Telegram ❤️

Привет, друзья 👋🏼 Сегодня хотел бы поделиться с вами некоторыми этапами, которые помогут вам написать правильный и эффективный скрипт на SQL 🧑🏼‍💻

🔹Определите цель: Понять, что именно вы хотите достичь с помощью своего скрипта.

🔹Планирование структуры: Разделите его на логические блоки и определите последовательность выполнения команд.

🔹Выбор данных: Используйте правильные операторы SQL, такие как SELECT, FROM и WHERE, чтобы выбрать нужные вам данные.

🔹Уточнение условий: Используйте операторы, такие как LIKE, NOT и IN, чтобы точно указать, какие данные вам необходимы.

🔹Сортировка данных: Используйте оператор ORDER BY, чтобы упорядочить данные по определенным столбцам.

🔹Объединение таблиц: Используйте операторы JOIN или UNION, чтобы объединить данные по определенным столбцам.

🔹Использование агрегированных функций: такие как COUNT, SUM, AVG и т. д.

🔹Тестирование и отладка: убедиться, что он работает правильно.

#Начинающий #Теория #SQL

Подписывайтесь и читайте
➡️ Дзен и Telegram ❤️

Знаешь что такое DWH? 📊

🔸DWH (Data Warehouse) – это хранилище данных, которое используется для анализа и отчетности. Оно позволяет собирать, хранить и обрабатывать большие объемы данных из различных источников. Благодаря DWH компании могут принимать обоснованные решения на основе фактов и цифр.

Существует несколько основных видов DWH:

🔹Традиционные DWH – это классические решения, которые используются уже долгое время. Они обычно базируются на реляционных базах данных и предоставляют мощные инструменты для аналитики.

🔹Cloud DWH – это относительно новое направление, которое предполагает хранение данных в облаке. Это обеспечивает масштабируемость, гибкость и возможность работы с данными из любой точки мира.

🔹Big Data DWH – это решения, специально адаптированные для работы с большими объемами данных. Они позволяют справляться с огромными массивами информации и проводить сложные аналитические расчеты.

#CODERIKK #DWH #SQL

Виды соединений в SQL 🛠

🔸SQL предоставляет мощные инструменты для работы с данными, и одним из ключевых аспектов является использование соединений (JOINs). В этом посте мы рассмотрим все виды соединений в SQL, их применение и цели.

🔹INNER JOIN
❕Описание: Соединяет строки из двух таблиц, возвращая только те строки, где совпадают значения в указанных столбцах.
❕Применение: Часто используется для получения данных, где есть соответствие в обеих таблицах.

🔹LEFT JOIN (или LEFT OUTER JOIN)
❕Описание: Возвращает все строки из левой таблицы и соответствующие строки из правой таблицы. Если нет совпадения, в правой таблице будут NULL значения.
❕Применение: Полезен для получения всех данных из одной таблицы и только соответствующих данных из другой.

🔹RIGHT JOIN (или RIGHT OUTER JOIN)
❕Описание: Возвращает все строки из правой таблицы и соответствующие строки из левой таблицы. Если нет совпадения, в левой таблице будут NULL значения.
❕Применение: Менее популярен, но используется для получения всех данных из правой таблицы.

🔹FULL JOIN (или FULL OUTER JOIN)
❕Описание: Возвращает строки, где есть совпадения в одной из таблиц или обеих таблицах. Если нет совпадений, возвращает NULL для недостающих столбцов.
❕Применение: Используется для объединения всех данных из обеих таблиц.

🔹CROSS JOIN
❕Описание: Возвращает декартово произведение строк двух таблиц. Каждая строка из первой таблицы соединяется с каждой строкой из второй таблицы.
❕Применение: Используется реже из-за объема возвращаемых данных, но полезен для генерации всех возможных комбинаций.

🔹SELF JOIN
❕Описание: Соединение таблицы с самой собой. Часто используется для сравнения строк в одной таблице.
❕Применение: Полезен для иерархических данных или когда требуется сравнение строк.

🔸Соединения позволяют:
1) Объединять данные из нескольких таблиц.
2) Уменьшать избыточность данных.
3) Выполнять сложные запросы для получения нужной информации.
4) Оптимизировать процесс извлечения данных.

🔸Соединения — это фундаментальная часть работы с реляционными базами данных, делая SQL мощным инструментом для анализа и манипуляции данными.

#Coderikk #SQL #DataScience #Database

SQL соединения бывают не только сбоку, но и «снизу» 🙈

Сегодня хочу поделиться с вами интересным взглядом на SQL соединения. Обычно мы привыкли думать о соединениях "сбоку", представляя себе привычные операции JOIN, которые объединяют строки из двух таблиц по заданному условию. Но что если я скажу вам, что соединения могут быть и "снизу"?

🔸Соединения "сбоку" – это то, к чему мы привыкли. Включают INNER JOIN, LEFT JOIN, RIGHT JOIN и FULL JOIN. Все эти операции выполняются по горизонтальной оси, объединяя строки из одной таблицы со строками другой таблицы:

🔹INNER JOIN: возвращает строки, которые имеют совпадения в обеих таблицах.
🔹LEFT JOIN: возвращает все строки из левой таблицы и совпадающие строки из правой таблицы.
🔹RIGHT JOIN: возвращает все строки из правой таблицы и совпадающие строки из левой таблицы.
🔹FULL JOIN: возвращает все строки, если есть совпадения в одной из таблиц.

🔸Соединения "снизу" – это менее очевидные, но не менее важные операции UNION и UNION ALL. Они объединяют результаты нескольких SELECT-запросов вертикально:

🔹UNION: объединяет результаты двух или более SELECT-запросов, удаляя дубликаты.
🔹UNION ALL: объединяет результаты двух или более SELECT-запросов, включая все дубликаты.

🔸Пример: Предположим, у нас есть две таблицы: employees и managers.

-- Соединение "сбоку" (INNER JOIN)
SELECT employees.name, managers.name
FROM employees
INNER JOIN managers ON employees.manager_id = managers.id;

-- Соединение "снизу" (UNION)
SELECT name FROM employees
UNION
SELECT name FROM managers;

В первом случае мы получаем только тех сотрудников, которые имеют менеджера. Во втором случае – список всех сотрудников и менеджеров, но без дубликатов.

Использование UNION и UNION ALL может быть очень полезным, когда нужно собрать результаты из нескольких запросов в единый список, например, для отчетности.

Надеюсь, этот небольшой экскурс в мир SQL соединений был полезным и интересным для вас! Если у вас есть вопросы или хотите узнать больше – пишите в комментариях! 💬

#CODERIKK #SQL

Сегодня мы поговорим о том, что общего между тремя важными терминами из различных инструментов для работы с данными: ВПР в Excel, merge в Pandas и JOIN в SQL. Несмотря на то, что они используются в разных средах, все эти функции выполняют схожую задачу – объединение данных из разных источников.

🔸ВПР (VLOOKUP) в Excel
ВПР (Вызов по параметру строки) – это функция Excel, которая используется для поиска значения в одном столбце и возврата соответствующего значения из другого столбца.

=ВПР(A2; Лист2!A:B; 2; ЛОЖЬ)

Этот пример ищет значение из ячейки A2 на листе Лист2 в столбце A и возвращает значение из столбца B в той же строке.

🔸merge в Pandas
Это метод библиотеки Pandas в Python, который используется для объединения DataFrame'ов по определенным ключам или столбцам.

import pandas as pd

df1 = pd.DataFrame({'key': ['A', 'B', 'C'], 'value': [1, 2, 3]})
df2 = pd.DataFrame({'key': ['A', 'B', 'D'], 'value': [4, 5, 6]})

merged_df = pd.merge(df1, df2, on='key', how='inner')
print(merged_df)

Этот пример объединяет два DataFrame по ключевому столбцу key и использует тип соединения inner, который возвращает только совпадающие записи.

🔸 JOIN в SQL
Это операция, которая используется для объединения строк из двух или более таблиц на основе связанного столбца между ними.

SELECT A.*, B.*
FROM TableA A
JOIN TableB B ON A.key = B.key

Этот запрос объединяет таблицы TableA и TableB по общему столбцу key и возвращает строки, где значения в этом столбце совпадают.

🔸Общее между ВПР, merge и JOIN
Все три функции выполняют задачу объединения данных:
🔹Поиск и сопоставление: Все эти методы ищут совпадающие значения в разных источниках данных и объединяют их.
🔹Ключи для объединения: Они используют ключевые столбцы или поля для определения, какие строки данных должны быть объединены.
🔹Типы объединений: В случае с merge и JOIN можно использовать различные типы объединений, такие как inner, outer, left, и right, что определяет, какие данные включать в результат объединения.

🔸Заключение
Независимо от инструмента, будь то Excel, Pandas или SQL, умение объединять данные является важным навыком для анализа и обработки данных. Эти функции помогают эффективно работать с большими наборами данных, делая процесс анализа более удобным и продуктивным.

➡️Читайте нас в Telegram и Сетке

#CODERIKK #Excel #Python #Pandas #SQL #Данные #Программирование #Обучение

Вопросы с собеседований #27

🔹Что такое SQL и для чего он используется?

🔸SQL (Structured Query Language) — это язык программирования, используемый для управления и манипуляции данными в базах данных. SQL позволяет выполнять запросы к базе данных, извлекать, обновлять, вставлять и удалять данные, а также управлять структурой базы данных.

➡️Читайте нас в Telegram и Сетке

#Coderikk #Собеседование #SQL

Шардирование в SQL #1

🔸Это метод горизонтального разделения данных, при котором таблица базы данных разделяется на более мелкие, управляемые части, называемые "шардами". Каждая шарда хранит подмножество данных и располагается на отдельном сервере или узле базы данных. Это позволяет масштабировать базу данных путем добавления новых серверов, а не увеличения мощности одного сервера.

🔹Преимущества шардирования

🔸Масштабируемость: Позволяет обрабатывать большие объемы данных и увеличивать производительность базы данных путем добавления новых серверов.

🔸Производительность: Уменьшает нагрузку на один сервер, распределяя запросы и операции между несколькими серверами.

🔸Отказоустойчивость: Повышает отказоустойчивость системы за счет распределения данных и операций между несколькими узлами. Сбой одного узла не приводит к полной недоступности данных.

🔸Улучшение времени отклика: Разгружает отдельные сервера, что улучшает время отклика на запросы.

➡️Читайте нас в Telegram и Сетке

#Coderikk #SQL

Шардирование в SQL #2

🔹Основные подходы к шардированию

🔸Горизонтальное шардирование: разделение данных по строкам. Например, при шардировании таблицы пользователей по диапазонам идентификаторов (ID).

🔸Вертикальное шардирование: разделение данных по столбцам. Каждая шарда хранит подмножество столбцов таблицы.

🔸Диапазонное шардирование: данные разделяются на основе значений ключа шарда в определенных диапазонах.

🔸Хэш-шардирование: данные распределяются между шардами на основе хэш-функции, применяемой к ключу шарда.

🔸Географическое шардирование: данные разделяются на основе географической локации.

➡️Читайте нас в Telegram и Сетке

#Coderikk #SQL

Вопросы с собеседований #28

🔹Объясните разницу между INNER JOIN, LEFT JOIN, RIGHT JOIN и FULL JOIN.

🔸INNER JOIN: Возвращает только те строки, которые имеют совпадения в обеих таблицах.
🔸LEFT JOIN: Возвращает все строки из левой таблицы и совпадающие строки из правой таблицы. Если нет совпадений, возвращаются NULL для столбцов правой таблицы.
🔸RIGHT JOIN: Возвращает все строки из правой таблицы и совпадающие строки из левой таблицы. Если нет совпадений, возвращаются NULL для столбцов левой таблицы.
🔸FULL JOIN: Возвращает все строки из обеих таблиц. Если нет совпадений, возвращаются NULL для столбцов отсутствующих строк.

➡️Читайте нас в Telegram и Сетке

#Coderikk #Собеседование #SQL

Вопросы с собеседований #29

🔹Как можно получить уникальные значения из столбца в SQL?

🔸Используйте оператор DISTINCT, чтобы получить уникальные значения из столбца.

SELECT DISTINCT column_name
FROM table_name;

➡️Читайте нас в Telegram и Сетке

#Coderikk #Собеседование #SQL

Вопросы с собеседований #30

🔹Что такое агрегатные функции и приведите примеры.

🔸Агрегатные функции выполняют вычисления на наборе значений и возвращают одно значение.

Примеры включают:
🔸COUNT(): Подсчитывает количество строк.
🔸SUM(): Вычисляет сумму значений.
🔸AVG(): Вычисляет среднее значение.
🔸MAX(): Находит максимальное значение.
🔸MIN(): Находит минимальное значение.

➡️Читайте нас в Telegram и Сетке

#Coderikk #Собеседование #SQL

Вопросы с собеседований #31

🔹Как создать временную таблицу и какие у нее ограничения?

🔸Временные таблицы используются для хранения данных временно в рамках текущего сеанса или транзакции. Они создаются с помощью CREATE TEMPORARY TABLE. Временные таблицы автоматически удаляются после завершения сеанса или транзакции.

CREATE TEMPORARY TABLE temp_table (
    id INT,
    value VARCHAR(100)
);

➡️Читайте нас в Telegram и Сетке

#Coderikk #Собеседование #SQL

Вопросы с собеседований #32

🔹Как использовать подзапросы в SQL?

🔸Подзапросы — это запросы, которые выполняются внутри другого запроса. Они могут использоваться в SELECT, INSERT, UPDATE, и DELETE. Подзапросы могут быть в WHERE, FROM или SELECT частях основного запроса.

SELECT employee_id, name
FROM employees
WHERE department_id IN (SELECT department_id FROM departments WHERE location = 'New York');

➡️Читайте нас в Telegram и Сетке

#Coderikk #Собеседование #SQL

Вопросы с собеседований #33

🔹Объясните разницу между WHERE и HAVING.

🔸WHERE: Используется для фильтрации строк перед агрегацией. Применяется к строкам таблицы.
🔸HAVING: Используется для фильтрации групп строк после агрегации. Применяется к результатам группировки.

SELECT department_id, COUNT(*)
FROM employees
GROUP BY department_id
HAVING COUNT(*) > 10;

➡️Читайте нас в Telegram и Сетке

#Coderikk #Собеседование #SQL

Вопросы с собеседований #34

🔹Как выполнить обновление данных в таблице?

🔸Для обновления данных используется оператор UPDATE, который позволяет изменить существующие строки в таблице. Не забудьте использовать WHERE для ограничения обновлений.

UPDATE employees
SET salary = salary * 1.05
WHERE department_id = 2;

➡️Читайте нас в Telegram и Сетке

#Coderikk #Собеседование #SQL

Вопросы с собеседований #35

🔹Как удалить дублирующиеся строки в таблице?

🔸Для удаления дублирующихся строк сначала можно использовать CTE (Common Table Expression) с функцией ROW_NUMBER() или RANK(), чтобы идентифицировать дубликаты, а затем удалить их.

WITH cte AS (
    SELECT *,
           ROW_NUMBER() OVER (PARTITION BY column_name ORDER BY id) AS row_num
    FROM table_name
)
DELETE FROM cte
WHERE row_num > 1;

➡️Читайте нас в Telegram и Сетке

#Coderikk #Собеседование #SQL

Вопросы с собеседований #36

🔹Как использовать оконные функции в SQL и приведите примеры?

🔸Оконные функции выполняют расчеты на наборе строк, определенном оконной функцией, не изменяя результат строки. Они используются с оператором OVER().

Примеры оконных функций:
🔸ROW_NUMBER(): Присваивает уникальный номер строкам в пределах окна.
🔸RANK(): Присваивает ранг строкам с учетом их значений и порядков.
🔸SUM(), AVG(): Выполняют агрегацию в пределах окна.


➡️Читайте нас в Telegram и Сетке

#Coderikk #Собеседование #SQL