SQL Ready | Базы Данных
18K subscribers
1.41K photos
124 videos
2 files
817 links
Авторский канал про Базы Данных и SQL
Ресурсы, гайды, задачи, шпаргалки.
Информация ежедневно пополняется!

Cотрудничество: @energy_c

Реклама на бирже: https://telega.in/channels/sql_ready/card

РКН: https://clck.ru/3QREBc
Download Telegram
UPDATE ... RETURNING — хак PostgreSQL, который сокращает количество запросов!

После UPDATE часто нужно получить обновлённые данные. Обычно разработчики выполняют отдельный SELECT, хотя PostgreSQL позволяет сделать всё одним запросом.

Таблица:
orders(id, status, amount)


Обычный подход — два обращения к базе:
UPDATE orders
SET status = 'completed'
WHERE id = 100;

SELECT * FROM orders WHERE id = 100;


Но между этими запросами данные могут измениться в другой транзакции. К тому же мы выполняем лишний запрос.

Решение — использовать RETURNING:
UPDATE orders
SET status = 'completed'
WHERE id = 100
RETURNING id, status, amount;


PostgreSQL сразу возвращает обновлённую строку. Если запись не найдена, результат будет пустым — дополнительная проверка не требуется.

Особенно полезен этот приём при списании денег, когда проверку баланса и обновление нужно выполнить атомарно.
UPDATE accounts
SET balance = balance - 500
WHERE id = 10 AND balance >= 500
RETURNING id, balance;


Если средств недостаточно, строка не обновится и RETURNING ничего не вернёт. Даже при параллельных запросах условие защищает от списания сверх доступного баланса.

Ещё одна интересная возможность PostgreSQL 18 — получение старого и нового значения:
UPDATE products
SET price = price * 1.10
WHERE id = 5
RETURNING
old.price AS before,
new.price AS after;


Теперь можно увидеть изменение цены без предварительного SELECT, что особенно удобно для аудита и бизнес-логики.

🔥 RETURNING сокращает количество обращений к базе, упрощает обработку результатов и позволяет писать более надёжные SQL-операции.

➡️ SQL Ready | #практика
Please open Telegram to view this post
VIEW IN TELEGRAM
👍10❤6🔥5
📂 Как SQL-запрос выполняется внутри базы данных!

Прежде чем вернуть результат, СУБД анализирует запрос, оптимизирует его и выбирает подходящий план выполнения.

На картинке — 6 основных этапов обработки SQL-запроса: от проверки синтаксиса до выполнения плана и возврата данных.

Сохрани, чтобы не потерять!

➡️ SQL Ready | #ресурс
Please open Telegram to view this post
VIEW IN TELEGRAM
👍10🤝6❤5🔥1
LATERAL JOIN в PostgreSQL — передаём данные из одной строки прямо в подзапрос!

Иногда нужно выполнить отдельный запрос для каждой строки таблицы. Например, получить три последних заказа каждого пользователя, сохранив все данные этих заказов.

Обычный JOIN здесь неудобен, а оконные функции могут потребовать нумерации большого количества строк. В PostgreSQL для таких задач есть инструмент — LATERAL.

Таблицы:
users(id, email)
orders(id, user_id, amount, created_at)

Попробуем получить последние три заказа для каждого пользователя:
SELECT u.id, o.id, o.amount
FROM users u
JOIN LATERAL (
SELECT id, amount
FROM orders
WHERE user_id = u.id
ORDER BY created_at DESC, id DESC
LIMIT 3
) o ON TRUE;


Главная особенность LATERAL — подзапрос справа может обращаться к колонкам таблицы слева. В данном случае u.id передаётся внутрь подзапроса, который выбирает только три нужные записи.

Но здесь есть нюанс: обычный JOIN LATERAL исключит пользователей, у которых вообще нет заказов.

Если нужно сохранить всех пользователей, используем LEFT JOIN LATERAL:
SELECT u.id, o.id AS order_id, o.amount
FROM users u
LEFT JOIN LATERAL (
SELECT id, amount
FROM orders
WHERE user_id = u.id
ORDER BY created_at DESC, id DESC
LIMIT 3
) o ON TRUE;


Теперь пользователи без заказов тоже останутся в результате, а поля заказа будут NULL.

Самое интересное начинается при добавлении подходящего индекса:
CREATE INDEX idx_orders_user_latest
ON orders(user_id, created_at DESC, id DESC);


С таким индексом PostgreSQL может находить последние заказы конкретного пользователя непосредственно через Index Scan, не сортируя всю таблицу orders.

Полезно это при работе с большими таблицами, когда нужно получить небольшой топ-N для ограниченного набора пользователей.

Проверить выбранную стратегию можно через:
EXPLAIN (ANALYZE, BUFFERS)
SELECT id, amount
FROM orders
WHERE user_id = 10
ORDER BY created_at DESC, id DESC
LIMIT 3;


Если план использует подходящий индекс, база может остановить чтение после получения трёх записей, вместо обработки всех заказов пользователя.

🔥 LATERAL JOIN — приём для top-N по группам, связанных подзапросов и выборки последних событий. В сочетании с правильным индексом он нередко позволяет существенно сократить объём обрабатываемых данных.

➡️ SQL Ready | #практика
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥14👍9❤4🤝4
This media is not supported in your browser
VIEW IN TELEGRAM
🧐 SQLCode — русскоязычный ресурс для изучения SQL!

Сайт с материалами по SQL и работе с реляционными базами данных. Подойдёт для самостоятельного изучения языка запросов, повторения основных конструкций и систематизации знаний. Ресурс поможет разобраться в написании SQL-запросов, работе с таблицами, выборке и обработке данных. Материалы можно использовать как дополнительный источник информации при обучении и решении практических задач.

📌 Оставляю ссылочку: sqlcode.ru

➡️ SQL Ready | #сайт
Please open Telegram to view this post
VIEW IN TELEGRAM
👍12❤7🔥6
CREATE INDEX CONCURRENTLY — добавляем индексы без остановки записи в PostgreSQL!

На больших таблицах создание индекса может стать проблемой: обычный CREATE INDEX блокирует INSERT, UPDATE и DELETE до завершения построения индекса.

Если таблица содержит миллионы строк, создание индекса может занять заметное время, а запросы на запись будут ждать.

Представим таблицу:
orders(id, user_id, status, created_at)

Обычное создание индекса:
CREATE INDEX idx_orders_user
ON orders(user_id);


Пока PostgreSQL строит индекс, операции изменения данных в этой таблице блокируются. На загруженной базе это может привести к очередям запросов и таймаутам.

Для таких случаев существует CONCURRENTLY:
CREATE INDEX CONCURRENTLY idx_orders_user
ON orders(user_id);


PostgreSQL строит индекс в несколько этапов, позволяя другим транзакциям продолжать чтение и запись данных.

Это не означает, что операция бесплатная: создание индекса всё равно потребляет CPU, I/O и может ожидать завершения старых транзакций.

Но есть важный нюанс, о котором часто забывают: CONCURRENTLY нельзя выполнять внутри явного блока транзакции.
BEGIN;

CREATE INDEX CONCURRENTLY idx_orders_user
ON orders(user_id);

COMMIT;


Такой код завершится ошибкой. Поэтому при использовании миграций нужно отключать автоматическую транзакцию для этой операции.

Также, если построение индекса прервётся, PostgreSQL может оставить невалидный индекс.

Проверить такие индексы можно запросом:
SELECT indexrelid::regclass
FROM pg_index
WHERE NOT indisvalid;


Невалидный индекс не используется планировщиком для обычных запросов, но может занимать место и создавать дополнительные накладные расходы.

Удалить конкретный невалидный индекс можно отдельно:
DROP INDEX CONCURRENTLY idx_orders_user;


После этого построение можно повторить, предварительно выяснив причину сбоя.

🔥 CREATE INDEX CONCURRENTLY — важный инструмент безопасных миграций. Он позволяет добавлять индексы на работающей базе без длительной блокировки операций записи, но требует контроля транзакций и состояния индекса.

➡️ SQL Ready | #практика
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥9👍7🤝3❤1
GROUP BY GROUPING SETS — несколько отчётов за один SQL-запрос!

В аналитике часто нужно получить статистику сразу на нескольких уровнях: по пользователям, по статусам и общий итог. Обычно для этого пишут несколько GROUP BY и объединяют результаты через UNION ALL.

Но в PostgreSQL есть малоиспользуемая возможность — GROUPING SETS, которая позволяет рассчитывать разные группировки в одном запросе.

Представим таблицу заказов:
orders(id, user_id, status, amount)

Обычная группировка по пользователям:
SELECT user_id, SUM(amount)
FROM orders
GROUP BY user_id;


Она возвращает суммы по каждому пользователю, но не показывает итоги по статусам или общую выручку. Для них пришлось бы писать дополнительные запросы.

Вместо этого можно задать сразу несколько уровней агрегации:
SELECT user_id, status, SUM(amount)
FROM orders
GROUP BY GROUPING SETS (
(user_id),
(status),
()
);


PostgreSQL сформирует три набора результатов: суммы по пользователям, суммы по статусам и общий итог по всей таблице.

Пустая группировка () означает агрегацию всех строк без разделения на группы.

Но в результирующих строках отсутствующие измерения заполняются NULL. Как понять, где общий итог, а где значение действительно отсутствовало в данных?

Для этого существует функция GROUPING():
SELECT
user_id, status,
GROUPING(user_id, status) AS level,
SUM(amount) AS total
FROM orders
GROUP BY GROUPING SETS (
(user_id), (status), ()
);


GROUPING возвращает битовую маску, показывающую, какие колонки исключены из текущей группировки.

В нашем случае level = 1 означает группировку по user_id, level = 2 — по status, а level = 3 — общий итог.

Есть ещё более короткий синтаксис для иерархических отчётов:
SELECT user_id, status, SUM(amount)
FROM orders
GROUP BY ROLLUP (user_id, status);


ROLLUP автоматически рассчитает суммы по каждой паре user_id и status, промежуточные итоги по user_id и общий итог.

Это удобно для финансовых отчётов, аналитических витрин и дашбордов, где одни и те же данные нужно агрегировать на нескольких уровнях.

🔥 GROUPING SETS и ROLLUP позволяют заменить несколько отдельных агрегаций одним SQL-запросом. Это сокращает дублирование кода и может уменьшить объём работы с исходными данными.

➡️ SQL Ready | #практика
Please open Telegram to view this post
VIEW IN TELEGRAM
❤12🔥8👍5🤝4
🖥 EXCEPT в SQL — как быстро найти расхождения в данных!

После миграции или обновления ETL-пайплайна количество строк совпало. Но означает ли это, что данные идентичны? Далеко не всегда.

Сегодня в гайде:
• Как находить различия между двумя наборами данных через EXCEPT;

• Как проверять расхождения в обоих направлениях;

• Зачем нужен EXCEPT ALL и как учитывать дубликаты;

• Как автоматизировать проверку совпадения данных.


Полезный приём для проверки миграций, сверки витрин и тестирования ETL — когда важно убедиться, что совпадают сами данные, а не только количество строк.

➡️ SQL Ready | #гайд
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥10👍8🤝4❤2
Получайте SQL-определения объектов из PostgreSQL!

Когда нужно перенести индекс, проверить ограничение или восстановить определение объекта, необязательно искать исходную миграцию или вручную собирать SQL из системных каталогов.

PostgreSQL умеет самостоятельно восстанавливать определения объектов через встроенные функции.

Например, получить SQL всех индексов таблицы:
SELECT pg_get_indexdef(indexrelid)
FROM pg_index
WHERE indrelid = 'public.orders'::regclass;


Аналогично можно получить определения ограничений:
SELECT conname,
pg_get_constraintdef(oid)
FROM pg_constraint
WHERE conrelid = 'public.orders'::regclass;


Для представлений есть отдельная функция:
SELECT pg_get_viewdef('public.active_orders'::regclass, true);


И даже тело пользовательской функции можно получить непосредственно из базы:
SELECT pg_get_functiondef(
'public.calculate_discount(numeric)'::regprocedure
);


Это удобно при анализе чужой базы, восстановлении миграций и проверке расхождений между окружениями.

🔥 pg_get_*def() позволяет получать SQL-определения объектов прямо из PostgreSQL, не разбирая системные каталоги вручную.

➡️ SQL Ready | #совет
Please open Telegram to view this post
VIEW IN TELEGRAM
👍12🔥10🤝4❤2
✍️ Попалась увлекательная статья на Хабре: «Локальная LLM миграция Vertica2Trino. Как довести до рабочего состояния, если модель не тянет»!

В этой статье:
• Узнаете, как инженеры Авито автоматизировали миграцию SQL-витрин с Vertica на Trino с помощью локальной LLM, не передавая данные в облако;
• Разберётесь, как DSPy, разбиение SQL на части и многоэтапная проверка помогают бороться с галлюцинациями и ошибками небольших моделей;
• Посмотрите, как удалось сократить время переноса одной витрины с 3–5 часов до 30–60 минут, сохранив контроль над корректностью данных.

🔊 Продолжай читать на Habr!


➡️ SQL Ready | #статья
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥10👍5🤝5❤1
Как сохранить исходные ID при переносе данных в PostgreSQL?

Если идентификатор объявлен как GENERATED ALWAYS AS IDENTITY, PostgreSQL не разрешает напрямую указывать его значение.

Например, обычная вставка завершится ошибкой:
INSERT INTO users (id, name)
VALUES (1001, 'Alex');


Но при миграции иногда необходимо сохранить исходные ID, чтобы не нарушить связи между таблицами.

Для этого существует OVERRIDING SYSTEM VALUE:
INSERT INTO users (id, name)
OVERRIDING SYSTEM VALUE
VALUES (1001, 'Alex');


PostgreSQL разрешит явно передать идентификатор, не меняя определение колонки и не отключая генерацию значений.

Есть и обратная возможность — OVERRIDING USER VALUE. Она заставляет PostgreSQL игнорировать переданные значения identity-колонок и генерировать новые:
INSERT INTO users (id, name)
OVERRIDING USER VALUE
SELECT id, name
FROM users_backup;


После переноса с сохранением ID не забудьте проверить состояние последовательности: явная вставка не сдвигает её автоматически.

🔥 OVERRIDING SYSTEM VALUE позволяет переносить записи с исходными идентификаторами без изменения схемы таблицы и временного отключения генерации ID.

➡️ SQL Ready | #совет
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥16👍8❤7
This media is not supported in your browser
VIEW IN TELEGRAM
❤️ Postgres Pro Enterprise 16 — учебный курс по возможностям СУБД!

Курс рассчитан на разработчиков и администраторов баз данных, уже имеющих опыт работы с PostgreSQL. Программа охватывает установку и обновление СУБД, миграцию данных, оптимизацию SQL-запросов, анализ производительности, безопасность, резервное копирование и отказоустойчивость. Отдельное внимание уделяется инструментам и механизмам, специфичным для редакции Enterprise.

📌 Оставляю ссылочку: edu.postgrespro.ru

➡️ SQL Ready | #сайт
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥10❤5🤝4
Условный UPDATE в SQL — как избежать потери изменений при конкурентных запросах?

При конкурентном изменении одной записи возникает риск lost update — когда одно обновление перезаписывает результат другого.

Рассмотрим таблицу товаров в MySQL/InnoDB с остатками, ценами и версией записи.
CREATE TABLE products (
id INT PRIMARY KEY,
stock INT NOT NULL,
price INT NOT NULL,
version INT NOT NULL DEFAULT 0
) ENGINE=InnoDB;

INSERT INTO products VALUES (100, 10, 1000, 5);


Предположим, два запроса читают stock = 10 и пытаются списать по 7 единиц. Если оба вычислят новое значение в приложении и запишут его без проверки исходного состояния, они могут установить stock = 3, фактически потеряв одно списание.

Чтобы исключить такую ситуацию, проверку остатка и изменение выполняют одним SQL-оператором.
UPDATE products
SET stock = stock - 7,
version = version + 1
WHERE id = 100
AND stock >= 7;


В InnoDB при стандартном REPEATABLE READ конкурентные UPDATE одной строки координируются блокировками.

Если первый запрос зафиксирует изменение, остаток станет равен 3, а версия — 6. Второй запрос после ожидания блокировки проверит актуальный остаток и не выполнит списание.

Количество затронутых строк позволяет определить результат: одна — списание выполнено, ноль — запись отсутствует или остатка недостаточно.

В MySQL результат можно проверить сразу после UPDATE:
SELECT ROW_COUNT();


Однако условный UPDATE защищает только инварианты, явно указанные в запросе. Для обнаружения конфликтующих изменений записи применяется optimistic locking с версионированием.

Рассмотрим отдельный пример. Сначала восстановим исходное состояние записи:
DELETE FROM products WHERE id = 100;
INSERT INTO products VALUES (100, 10, 1000, 5);
Приложение получает данные и текущую версию.
SELECT price, version
FROM products
WHERE id = 100;


При изменении цены ранее прочитанная версия включается в условие обновления.
UPDATE products
SET price = 1500,
version = version + 1
WHERE id = 100
AND version = 5;


Если другая транзакция уже увеличила version и зафиксировала изменение, запрос затронет ноль строк. Приложение обнаружит конфликт и сможет повторно прочитать данные, чтобы принять решение о повторном обновлении.

Все изменения, участвующие в контроле версий, должны увеличивать version. В явных транзакциях изменения фиксируются через COMMIT.
Для проверки конкурентного поведения запросы необходимо выполнять в двух независимых сессиях MySQL.

🔥 Итог: атомарный UPDATE с проверкой условий защищает числовые инварианты, а optimistic locking позволяет обнаруживать конкурентные изменения записи. При необходимости оба механизма используются совместно.

➡️ SQL Ready | #практика
Please open Telegram to view this post
VIEW IN TELEGRAM
❤9🤝6👍5🔥3
📂 Шпаргалка по AI для разработчиков!

Например, Vector Database позволяет искать данные по смыслу, а RAG помогает нейросетям получать актуальную информацию из баз данных, документов и других источников.

На картинке — 5 важных AI-технологий, включая AI-агентов, reasoning-модели и MCP, которые полезно знать при разработке современных приложений.

Сохрани, чтобы не потерять!

➡️ SQL Ready | #ресурс
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥15❤7🤝3👍1
Псс, хочешь перестать мониторить Telegram в поисках работы? 👀

Ты листаешь каналы, видишь вакансию, сохраняешь и откладываешь отклик «на потом».

Потому что на каждую нужно потратить минут 20. В итоге из десятков сохранённых вакансий до отклика доходят единицы.

Софи забирает эту рутину на себя.

Она сама находит подходящие вакансии в 350+ Telegram-каналах, изучает их, пишет персональное сопроводительное и отправляет отклик.

А еще она умеет откликаться на:

▫️ hh ru
▫️ карьерных сайтах компаний - Авито, Сбер, Т-Банк
▫️ Geekjob

Тебе больше не нужно выбирать, где сегодня искать работу.

Софи будет искать везде.

В следующий раз доступ в Софи откроется 24 ноября.

Чтобы получить 3 дня бесплатного доступа - подписывайся на этот канал, все анонсы будут там.
This media is not supported in your browser
VIEW IN TELEGRAM
✍️ SQL Trainer — практический тренажёр для изучения SQL!

В репозитории собраны задания, которые помогают закрепить работу с базами данных: от простых выборок и фильтрации до объединения таблиц, группировки и более сложных запросов. Хороший способ перейти от чтения теории к самостоятельному решению задач, проверить свои знания и подготовиться к техническим собеседованиям.

Оставляю ссылочку: GitHub 📱


➡️ SQL Ready | #репозиторий
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥16❤15👍13