Запускайте SQL-запросы прямо на сайте! 🤙 SQL Workbench Embedded — лёгкая (<10kb) и хорошо настраиваемая обёртка над duckdb :

https://embedded.sql-workbench.com/

👉 @SQLPortal

Для тех, кто работает с JSON в Postgres: JSONB_OBJECT_KEYS позволяет заглянуть в структуру внутри неструктурированных данных.

Пример запроса:

SELECT DISTINCT key_name
FROM 
   (SELECT JSONB_OBJECT_KEYS(data) AS key_name FROM app_settings) 
AS all_keys;

👉 @SQLPortal

От таймстампов к пониманию продуктивности: как посчитать рабочие часы за день для нескольких сотрудников с помощью SQL

Для аналитика одна из стандартных задач — посчитать ежедневные рабочие часы сотрудников на основе логов событий.

Как это работает:

1️⃣Сопоставляем Login и Logout события

Используем CTE (WITH paired) вместе с LEAD(), чтобы получить время следующего события для каждого логина.
Разбиваем данные по employee_id и дню, чтобы считать длительность отдельно по каждому сотруднику за каждый день.

2️⃣Фильтруем только логины

Берем только Login, чтобы посчитать время до следующего события (обычно Logout).

3️⃣Считаем длительность в часах

EXTRACT(EPOCH FROM (logout_time - login_time)) / 3600 переводит разницу во времени из секунд в часы.

4️⃣Агрегация часов за день

С помощью SUM() и GROUP BY получаем итоговые рабочие часы для каждого сотрудника за день.
Такой подход корректно работает с несколькими логин-логаут сессиями в течение дня, суммируя их в точное общее рабочее время.

👉 @SQLPortal

Postgres INNER JOIN и CROSS JOIN.

🚫 SELECT * FROM users, accounts; это CROSS JOIN и декартово произведение.

✅ SELECT * FROM users u JOIN accounts a ON u.user_id = a.user_id; это INNER JOIN и он связывает таблицы по совпадающим строкам.

👉 @SQLPortal

Умные мысли часто преследовали разработчика

Но он быстрее

👉 @SQLPortal

Explain это мощный инструмент в Postgres.

Если важна производительность, стоит регулярно запускать команды explain и explain analyze и разобраться, как читать их вывод.

Вот отличный вводный материал

👉 @SQLPortal

Новый опенсорс-экстеншен для Postgres — pg_lake

- Создание и запросы к Iceberg-таблицам
- Запросы и импорт данных в Iceberg, Parquet, CSV, JSON и другие файлы в объектном хранилище
- Экспорт и копирование данных в lakehouse-хранилища

👉 @SQLPortal

В DBeaver появилась удобная возможность для работы с геоданными.

Теперь можно выделять несколько областей на карте за секунды с помощью инструмента лассо. Фича уже доступна во всех редакциях DBeaver, включая бесплатную Community. Работает с PostgreSQL, MySQL и другими базами, поддерживающими Spatial-данные.

Подробности есть в документации: https://dbeaver.com/docs/dbeaver/Working-with-Spatial-GIS-data/

👉 @SQLPortal

Создать flashback-архив в Oracle AI Database для записи всех изменений таблицы

CREATE FLASHBACK ARCHIVE ... RETENTION ...
ALTER TABLE ... FLASHBACK ARCHIVE

Затем можно просматривать изменения через

SELECT * FROM ... VERSIONS BETWEEN ...

Демо от Matt_Mulvaney: читать

👉 @SQLPortal

@> проверяет: диапазон слева содержит дату справа

SELECT '[2025-11-01, 2025-11-10)'::daterange @> '2025-11-05'::date;
-- true, потому что 5-е число внутри диапазона

<@ проверяет наоборот: дата слева лежит внутри диапазона справа

SELECT '2025-12-25'::date <@ '[2025-12-01, 2026-01-01)'::daterange;
-- true, потому что 25-е попадает в интервал

Квадратная скобка - включительно, круглая - не включительно.
То есть [2025-11-01, 2025-11-10) содержит 1 ноября, но не содержит 10 ноября.

👉 @SQLPortal

По умолчанию используется timestamptz(6) — то есть с точностью до 6 знаков после запятой. Можно указать любое значение от 0 до 6. При timestamptz(0) время округляется до секунд.

Все варианты занимают по 8 байт, поэтому timestamptz(0) не экономит место на диске. Обычно рекомендуют оставлять точность 6.

👉 @SQLPortal

Что происходит, когда вы вставляете строку (INSERT) в Postgres?

Postgres должен обеспечить надёжное сохранение данных, не теряя в скорости записи и сохраняя возможность восстановиться после сбоя. Ключевую роль здесь играет журнал предзаписи (Write-Ahead Log, WAL).

1. Получение запроса

Postgres принимает запрос и определяет, на какую страницу данных поместить новую запись.
Эта страница может уже быть в памяти (в буфере), может быть подгружена с диска, а может быть создана заново.

2. Запись в память

Новая строка записывается только в страницу, находящуюся в оперативке.
Эта страница помечается как *грязная*, то есть её нужно будет когда-то сбросить на диск, но не сразу.

3. Формирование записи в WAL

В буфер WAL в памяти добавляется новая запись, содержащая всю информацию, нужную для восстановления этой операции вставки.

4. Сброс WAL на диск

WAL синхронно сбрасывается на диск (через fsync или аналог). Это гарантирует, что данные попали в надёжное хранилище.
После успешного сброса Postgres отправляет клиенту ответ success.

Когда клиент получает подтверждение, данные уже точно записаны в WAL (а значит, безопасны с точки зрения crash recovery), но сами данные таблицы могут пока оставаться только в памяти.
Их сброс на диск произойдёт позже — при контрольных точках (checkpoint), в фоновом процессе или при вытеснении страниц из памяти.

Если сервер упадёт до того, как грязные страницы будут записаны, при старте Postgres просто воспроизведёт WAL и восстановит все зафиксированные изменения.

WAL это сердце механизма надёжности Postgres.

Он обеспечивает быструю запись и устойчивость к сбоям.

👉 @SQLPortal

DISTINCT ON в Postgres - это особый синтаксис SQL, который позволяет выбрать одну строку с максимальным, минимальным, первой или последней записью в пределах каждой группы.

Эта конструкция требует обязательного использования ORDER BY. Если две строки полностью идентичны, Postgres просто возьмёт одну из них.

👉 @SQLPortal

Появился ИИ-ассистент, который сам пишет и оптимизирует SQL-запросы.

Он понимает обычный язык, достаточно спросить «какие пользователи были активны за месяц?» и всё готово.

Сейчас поддерживается PostgreSQL, а скоро подтянутся MySQL и MongoDB.
Безопасность на месте: шифруются строки подключения, пароли и сами запросы.
Плюс можно выбрать, на какой модели работает ИИ

https://github.com/wannabespace/conar

👉 @SQLPortal

Базовые вещи по базам данных, которые стоит изучить, если хочешь реально разобраться в масштабировании:

Сохрани это.

B+ деревья
LSM деревья
Write-Ahead Logging (журналирование перед записью)
Двухфазный коммит
Трёхфазный коммит
Реплики только для чтения
Репликация по схеме лидер–фолловер
Шардинг / партиционирование (Partitioning)
Кэширование запросов
Вторичные индексы
Векторные индексы (Vector Indexes, например FAISS, HNSW)
Распределённые JOIN’ы
Материализованные представления
Event Sourcing (событийное хранение состояния)
Change Data Capture (отслеживание изменений данных)

👉 @SQLPortal

В выводе Postgres EXPLAIN есть полезная информация о том, что происходит с запросом.
Основные вещи, на которые стоит обратить внимание в плане EXPLAIN:

Использовался ли индекс?

Были ли данные уже в shared buffer cache?

Сколько времени заняло планирование и выполнение запроса.

👉 @SQLPortal

Плохо написанный SQL легко превращается в тормозящий и трудноподдерживаемый кошмар.

Джордан Гудман разобрал типичные анти-паттерны, которых стоит избегать:

- использовать CASE вместо нормальных таблиц,
- вызывать функции на индексированных колонках,
- злоупотреблять DISTINCT, чтобы “починить” дубли.

Подробности — в его статье

👉 @SQLPortal

В копилку полезного: принёс ещё одну огромную базу бесплатных API. Внутри аж 1511 штуки на любой вкус: от игр и погоды до финансов и здоровья

Забираем здесь ✌️

👉 @SQLPortal