#postgresql_performance — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #postgresql_performance, aggregated by home.social.
-
Последовательное иерархическое распределение сумм. Создание БД. Распределение сумм по правилам средствами PostgreSQL
В первой статье была описана задача распределения сумм затрат между отделами по заданным правилам, с учётом того что отделы могут передавать свои затраты на другие отделы. Задача этой и следующей статей — показать, как эту задачу можно реализовать относительно просто и легко, не прибегая к созданию больших приложений. В данной статье будет описана структура PostgreSQL-базы данных и реализация данной задачи с помощью SQL в варианте PL/pgSQL . Реализация на Apache Spark будет описана в следующей статье. В качестве примера будут созданы настройки распределения и входные данные для:
https://habr.com/ru/articles/1040376/
#аллокации #аллокация #sql #pgsql #postgresql #postgresql_performance
-
Последовательное иерархическое распределение сумм. Создание БД. Распределение сумм по правилам средствами PostgreSQL
В первой статье была описана задача распределения сумм затрат между отделами по заданным правилам, с учётом того что отделы могут передавать свои затраты на другие отделы. Задача этой и следующей статей — показать, как эту задачу можно реализовать относительно просто и легко, не прибегая к созданию больших приложений. В данной статье будет описана структура PostgreSQL-базы данных и реализация данной задачи с помощью SQL в варианте PL/pgSQL . Реализация на Apache Spark будет описана в следующей статье. В качестве примера будут созданы настройки распределения и входные данные для:
https://habr.com/ru/articles/1040376/
#аллокации #аллокация #sql #pgsql #postgresql #postgresql_performance
-
Последовательное иерархическое распределение сумм. Создание БД. Распределение сумм по правилам средствами PostgreSQL
В первой статье была описана задача распределения сумм затрат между отделами по заданным правилам, с учётом того что отделы могут передавать свои затраты на другие отделы. Задача этой и следующей статей — показать, как эту задачу можно реализовать относительно просто и легко, не прибегая к созданию больших приложений. В данной статье будет описана структура PostgreSQL-базы данных и реализация данной задачи с помощью SQL в варианте PL/pgSQL . Реализация на Apache Spark будет описана в следующей статье. В качестве примера будут созданы настройки распределения и входные данные для:
https://habr.com/ru/articles/1040376/
#аллокации #аллокация #sql #pgsql #postgresql #postgresql_performance
-
Последовательное иерархическое распределение сумм. Создание БД. Распределение сумм по правилам средствами PostgreSQL
В первой статье была описана задача распределения сумм затрат между отделами по заданным правилам, с учётом того что отделы могут передавать свои затраты на другие отделы. Задача этой и следующей статей — показать, как эту задачу можно реализовать относительно просто и легко, не прибегая к созданию больших приложений. В данной статье будет описана структура PostgreSQL-базы данных и реализация данной задачи с помощью SQL в варианте PL/pgSQL . Реализация на Apache Spark будет описана в следующей статье. В качестве примера будут созданы настройки распределения и входные данные для:
https://habr.com/ru/articles/1040376/
#аллокации #аллокация #sql #pgsql #postgresql #postgresql_performance
-
Определение фактического профиля нагрузки в PostgreSQL и динамические состояния БД
Привет, ХАБР! Я Владимир Хаймин , эксперт по системам управления базами данных PostgreSQL в ВТБ. Когда вы знакомитесь с документацией по какой-то системе в части базы данных, то обычно характер нагрузки определяется исходно в архитектуре проекта. Но если система определена архитектором как OLTP, но в действительности может вести себя в некоторые периоды времени как OLAP. Нормально ли такое поведение, и каким образом мы можем определить, что она ведет себя как-то иначе? Как определить фактический профиль нагрузки OLAP или OLTP и выразить это через метрики, пригодные для событийного и графического мониторинга? Эта статья является скорее исследовательской в области Data Science в прикладном контексте PostgreSQL. Data Science – это не только задачи ИИ: (ML, LLM,..), но прежде всего математика. Мы используем регрессивные методы для получения некоторых нужных нам параметров исходя из табличных рекомендованных данных. Также мы делаем упор на исследование состояния БД на основе статистики динамики ожиданий. Задача, несмотря на ее простой смысл, в решении оказалась не такой простой, и мы в итоге работали над ней довольно долго, хоть и в фоновом режиме. Также обратились к студенческому сообществу и провели по этой теме Хакатон ВТБ х Башня , прошедший в МГТУ им. Баумана 27 ноября 2025 года. В нем приняли участие студенты и выпускники НИУ ВШЭ, СПбГУ, ВКА им. А.Ф. Можайского, РАНХИГС, Московского Политехнического университета, НИТУ МИСИС, а также уже действующие архитекторы и администраторы БД. У команд было всего три дня на решение задачи, и хотя полностью её не удалось выполнить никому, совокупный результат всех участников позволил сформировать корректное решение. Результат именно этих работ я и изложил в статье и обязательно буду упоминать команды и авторов интересных идей, о которых пойдет речь.
-
Определение фактического профиля нагрузки в PostgreSQL и динамические состояния БД
Привет, ХАБР! Я Владимир Хаймин , эксперт по системам управления базами данных PostgreSQL в ВТБ. Когда вы знакомитесь с документацией по какой-то системе в части базы данных, то обычно характер нагрузки определяется исходно в архитектуре проекта. Но если система определена архитектором как OLTP, но в действительности может вести себя в некоторые периоды времени как OLAP. Нормально ли такое поведение, и каким образом мы можем определить, что она ведет себя как-то иначе? Как определить фактический профиль нагрузки OLAP или OLTP и выразить это через метрики, пригодные для событийного и графического мониторинга? Эта статья является скорее исследовательской в области Data Science в прикладном контексте PostgreSQL. Data Science – это не только задачи ИИ: (ML, LLM,..), но прежде всего математика. Мы используем регрессивные методы для получения некоторых нужных нам параметров исходя из табличных рекомендованных данных. Также мы делаем упор на исследование состояния БД на основе статистики динамики ожиданий. Задача, несмотря на ее простой смысл, в решении оказалась не такой простой, и мы в итоге работали над ней довольно долго, хоть и в фоновом режиме. Также обратились к студенческому сообществу и провели по этой теме Хакатон ВТБ х Башня , прошедший в МГТУ им. Баумана 27 ноября 2025 года. В нем приняли участие студенты и выпускники НИУ ВШЭ, СПбГУ, ВКА им. А.Ф. Можайского, РАНХИГС, Московского Политехнического университета, НИТУ МИСИС, а также уже действующие архитекторы и администраторы БД. У команд было всего три дня на решение задачи, и хотя полностью её не удалось выполнить никому, совокупный результат всех участников позволил сформировать корректное решение. Результат именно этих работ я и изложил в статье и обязательно буду упоминать команды и авторов интересных идей, о которых пойдет речь.
-
Определение фактического профиля нагрузки в PostgreSQL и динамические состояния БД
Привет, ХАБР! Я Владимир Хаймин , эксперт по системам управления базами данных PostgreSQL в ВТБ. Когда вы знакомитесь с документацией по какой-то системе в части базы данных, то обычно характер нагрузки определяется исходно в архитектуре проекта. Но если система определена архитектором как OLTP, но в действительности может вести себя в некоторые периоды времени как OLAP. Нормально ли такое поведение, и каким образом мы можем определить, что она ведет себя как-то иначе? Как определить фактический профиль нагрузки OLAP или OLTP и выразить это через метрики, пригодные для событийного и графического мониторинга? Эта статья является скорее исследовательской в области Data Science в прикладном контексте PostgreSQL. Data Science – это не только задачи ИИ: (ML, LLM,..), но прежде всего математика. Мы используем регрессивные методы для получения некоторых нужных нам параметров исходя из табличных рекомендованных данных. Также мы делаем упор на исследование состояния БД на основе статистики динамики ожиданий. Задача, несмотря на ее простой смысл, в решении оказалась не такой простой, и мы в итоге работали над ней довольно долго, хоть и в фоновом режиме. Также обратились к студенческому сообществу и провели по этой теме Хакатон ВТБ х Башня , прошедший в МГТУ им. Баумана 27 ноября 2025 года. В нем приняли участие студенты и выпускники НИУ ВШЭ, СПбГУ, ВКА им. А.Ф. Можайского, РАНХИГС, Московского Политехнического университета, НИТУ МИСИС, а также уже действующие архитекторы и администраторы БД. У команд было всего три дня на решение задачи, и хотя полностью её не удалось выполнить никому, совокупный результат всех участников позволил сформировать корректное решение. Результат именно этих работ я и изложил в статье и обязательно буду упоминать команды и авторов интересных идей, о которых пойдет речь.
-
Определение фактического профиля нагрузки в PostgreSQL и динамические состояния БД
Привет, ХАБР! Я Владимир Хаймин , эксперт по системам управления базами данных PostgreSQL в ВТБ. Когда вы знакомитесь с документацией по какой-то системе в части базы данных, то обычно характер нагрузки определяется исходно в архитектуре проекта. Но если система определена архитектором как OLTP, но в действительности может вести себя в некоторые периоды времени как OLAP. Нормально ли такое поведение, и каким образом мы можем определить, что она ведет себя как-то иначе? Как определить фактический профиль нагрузки OLAP или OLTP и выразить это через метрики, пригодные для событийного и графического мониторинга? Эта статья является скорее исследовательской в области Data Science в прикладном контексте PostgreSQL. Data Science – это не только задачи ИИ: (ML, LLM,..), но прежде всего математика. Мы используем регрессивные методы для получения некоторых нужных нам параметров исходя из табличных рекомендованных данных. Также мы делаем упор на исследование состояния БД на основе статистики динамики ожиданий. Задача, несмотря на ее простой смысл, в решении оказалась не такой простой, и мы в итоге работали над ней довольно долго, хоть и в фоновом режиме. Также обратились к студенческому сообществу и провели по этой теме Хакатон ВТБ х Башня , прошедший в МГТУ им. Баумана 27 ноября 2025 года. В нем приняли участие студенты и выпускники НИУ ВШЭ, СПбГУ, ВКА им. А.Ф. Можайского, РАНХИГС, Московского Политехнического университета, НИТУ МИСИС, а также уже действующие архитекторы и администраторы БД. У команд было всего три дня на решение задачи, и хотя полностью её не удалось выполнить никому, совокупный результат всех участников позволил сформировать корректное решение. Результат именно этих работ я и изложил в статье и обязательно буду упоминать команды и авторов интересных идей, о которых пойдет речь.
-
Ох уж эти join-ы: 4 способа ускорить ваши запросы в 10 раз
Все мы прекрасно знаем, join – одна из самых важных вещей в любой базе данных, но в то же время одна из самых ресурсозатратных операций. Да что уж там, в мире аналитики (OLAP) десятилетиями адепты различных подходов моделирования данных все спорят без остановки что лучше: нормализация (то есть много join) или денормализация (то есть мало join). Но все понимают, если можно без join, лучше без. Проблема в том, что они нужны практически всегда. В этой статье давайте посмотрим, можно ли реально обойдись без join и в каких ситуациях? А также 4 способа, которые кратно ускорят ваши запросы.
https://habr.com/ru/articles/1004888/
#sql #postgresql #postgresql_performance #ускорение_запросов #базы_данных #оптимизация_sql #покрывающие_индексы #redis #materialized_view #материализованные_представления
-
Ох уж эти join-ы: 4 способа ускорить ваши запросы в 10 раз
Все мы прекрасно знаем, join – одна из самых важных вещей в любой базе данных, но в то же время одна из самых ресурсозатратных операций. Да что уж там, в мире аналитики (OLAP) десятилетиями адепты различных подходов моделирования данных все спорят без остановки что лучше: нормализация (то есть много join) или денормализация (то есть мало join). Но все понимают, если можно без join, лучше без. Проблема в том, что они нужны практически всегда. В этой статье давайте посмотрим, можно ли реально обойдись без join и в каких ситуациях? А также 4 способа, которые кратно ускорят ваши запросы.
https://habr.com/ru/articles/1004888/
#sql #postgresql #postgresql_performance #ускорение_запросов #базы_данных #оптимизация_sql #покрывающие_индексы #redis #materialized_view #материализованные_представления
-
Ох уж эти join-ы: 4 способа ускорить ваши запросы в 10 раз
Все мы прекрасно знаем, join – одна из самых важных вещей в любой базе данных, но в то же время одна из самых ресурсозатратных операций. Да что уж там, в мире аналитики (OLAP) десятилетиями адепты различных подходов моделирования данных все спорят без остановки что лучше: нормализация (то есть много join) или денормализация (то есть мало join). Но все понимают, если можно без join, лучше без. Проблема в том, что они нужны практически всегда. В этой статье давайте посмотрим, можно ли реально обойдись без join и в каких ситуациях? А также 4 способа, которые кратно ускорят ваши запросы.
https://habr.com/ru/articles/1004888/
#sql #postgresql #postgresql_performance #ускорение_запросов #базы_данных #оптимизация_sql #покрывающие_индексы #redis #materialized_view #материализованные_представления
-
Ох уж эти join-ы: 4 способа ускорить ваши запросы в 10 раз
Все мы прекрасно знаем, join – одна из самых важных вещей в любой базе данных, но в то же время одна из самых ресурсозатратных операций. Да что уж там, в мире аналитики (OLAP) десятилетиями адепты различных подходов моделирования данных все спорят без остановки что лучше: нормализация (то есть много join) или денормализация (то есть мало join). Но все понимают, если можно без join, лучше без. Проблема в том, что они нужны практически всегда. В этой статье давайте посмотрим, можно ли реально обойдись без join и в каких ситуациях? А также 4 способа, которые кратно ускорят ваши запросы.
https://habr.com/ru/articles/1004888/
#sql #postgresql #postgresql_performance #ускорение_запросов #базы_данных #оптимизация_sql #покрывающие_индексы #redis #materialized_view #материализованные_представления
-
Отчет по анализу публикаций на Хабре о производительности СУБД PostgreSQL (июнь – декабрь 2025)
Статья, включая иллюстрацию, сгенерирована нейросетью DeepSeek. Авторский только промпт: Проанализируй публикации на Хабре по теме производительности СУБД PostgreSQL за последние полгода . Подготовь отчет о наиболее интересных публикациях и общем интересе читателей Хабра к теме производительности СУБД PostgreSQL. Если интересно, читайте.
-
PG_EXPECTO: Анализ влияния размера shared_buffers на производительность СУБД PostgreSQL
Производительность СУБД — ключевой фактор , однако спонтанные проверки часто искажают реальную картину. PG_EXPECTO — это не просто набор скриптов, а чёткая методология, превращающая анализ PostgreSQL из хаотичного поиска проблем в структурированный , воспроизводимый эксперимент . Задача Используя классическую задачу о влиянии значения параметра shared_buffers на производительность СУБД, подготовить и протестировать общую методологию проведения экспериментов по анализу производительности СУБД PostgerSQL c использованием нейросети для анализа статистических данных, собранных комплексом pg_expecto в ходе нагрузочного тестирования.
https://habr.com/ru/articles/976344/
#postgresql #postgresql_performance #статистический_анализ #нагрузочное_тестирование #нейросеть #deepseek #vmstat #iostat #сезон_ии_в_разработке
-
Оптимизация пагинации в PostgreSQL: Как настройка work_mem превратила ROW_NUMBER в лидера производительности
В мире высоконагруженных баз данных выбор метода пагинации может стать решающим фактором для производительности системы. Эксперимент, проведённый с двумя подходами — классическим ROW_NUMBER и отложенным соединением ( Deferred Join ) — показал, что даже архитектурно более совершенный метод не гарантирует победы без тонкой настройки СУБД. Исследование раскрывает, как правильная конфигурация памяти PostgreSQL перевесила преимущества Deferred Join и позволила ROW_NUMBER добиться превосходства на параллельной нагрузке . Пример использования нейросети для анализа
https://habr.com/ru/articles/975556/
#postgresql #postgresql_performance #пагинация #нагрузочное_тестирование #статистический_анализ #нейросеть #сезон_ии_в_разработке
-
Маленькие, но мощные оптимизации: как pgpro_planner спасает запросы из мира 1С
Что общего у запросов из 1С, конструкции IN (VALUES ...) и безобидного выражения x + 0? Все они способны превратить выполнение запроса из миллисекундного дела в многоминутное ожидание, потому что стандартный планировщик PostgreSQL на них «спотыкается». Разбираем, как расширение pgpro_planner переписывает неудобные куски дерева запросов в дружелюбный вид еще до того, как оптимизатор успеет выбрать неудачный план, и почему некоторые из этих решений уже попали в ванильный PostgreSQL 18.
https://habr.com/ru/companies/postgrespro/articles/974652/
#optimizer #Postgres #postgresql #postgresql_performance #postgres_pro #pg_planner #pgpro_planner
-
Маленькие, но мощные оптимизации: как pgpro_planner спасает запросы из мира 1С
Что общего у запросов из 1С, конструкции IN (VALUES ...) и безобидного выражения x + 0? Все они способны превратить выполнение запроса из миллисекундного дела в многоминутное ожидание, потому что стандартный планировщик PostgreSQL на них «спотыкается». Разбираем, как расширение pgpro_planner переписывает неудобные куски дерева запросов в дружелюбный вид еще до того, как оптимизатор успеет выбрать неудачный план, и почему некоторые из этих решений уже попали в ванильный PostgreSQL 18.
https://habr.com/ru/companies/postgrespro/articles/974652/
#optimizer #Postgres #postgresql #postgresql_performance #postgres_pro #pg_planner #pgpro_planner
-
Маленькие, но мощные оптимизации: как pgpro_planner спасает запросы из мира 1С
Что общего у запросов из 1С, конструкции IN (VALUES ...) и безобидного выражения x + 0? Все они способны превратить выполнение запроса из миллисекундного дела в многоминутное ожидание, потому что стандартный планировщик PostgreSQL на них «спотыкается». Разбираем, как расширение pgpro_planner переписывает неудобные куски дерева запросов в дружелюбный вид еще до того, как оптимизатор успеет выбрать неудачный план, и почему некоторые из этих решений уже попали в ванильный PostgreSQL 18.
https://habr.com/ru/companies/postgrespro/articles/974652/
#optimizer #Postgres #postgresql #postgresql_performance #postgres_pro #pg_planner #pgpro_planner
-
Маленькие, но мощные оптимизации: как pgpro_planner спасает запросы из мира 1С
Что общего у запросов из 1С, конструкции IN (VALUES ...) и безобидного выражения x + 0? Все они способны превратить выполнение запроса из миллисекундного дела в многоминутное ожидание, потому что стандартный планировщик PostgreSQL на них «спотыкается». Разбираем, как расширение pgpro_planner переписывает неудобные куски дерева запросов в дружелюбный вид еще до того, как оптимизатор успеет выбрать неудачный план, и почему некоторые из этих решений уже попали в ванильный PostgreSQL 18.
https://habr.com/ru/companies/postgrespro/articles/974652/
#optimizer #Postgres #postgresql #postgresql_performance #postgres_pro #pg_planner #pgpro_planner
-
Когда теория проигрывает практике: почему ROW_NUMBER() не стал королём пагинации PostgreSQL
Исследование сравнило два метода пагинации — ROW_NUMBER() и Deferred Join — под нагрузкой до 22 параллельных сессий. Прогноз нейросети предсказывал преимущество ROW_NUMBER() , но реальные тесты показали обратное: Deferred Join оказался на 29,3% быстрее, создавал на 70% меньше ожиданий и лучше масштабировался. Этот кейс демонстрирует, как теоретические оптимизации могут не учитывать реальные ограничения СУБД: работу с памятью, параллелизм и стоимость операций ввода-вывода.
https://habr.com/ru/articles/975266/
#сезон_ии_в_разработке #postgresql #postgresql_performance #пагинация #нагрузочное_тестирование #статистический_анализ
-
Оптимизация пагинации в PostgreSQL: сравнительный анализ производительности методов выборки случайных данных
Для высоконагруженных систем выбор оптимального метода пагинации становится критически важным для производительности приложений. Данное исследование представляет собой сравнительный анализ трех основных подходов к пагинации в PostgreSQL при работе с таблицей в 15+ миллионов записей. Результаты не просто демонстрируют количественные различия в скорости выполнения запросов, но и раскрывают фундаментальные различия в использовании системных ресурсов, что позволяет принимать архитектурные решения на основе данных, а не предположений.
https://habr.com/ru/articles/974852/
#postgresql #postgresql_performance #пагинация #нагрузочное_тестирование #статистический_анализ
-
Пагинация в PostgreSQL: ROW_NUMBER убивает производительность
Эффективная пагинация — не просто удобство, а необходимость. Анализ нагрузочного тестирования, метрик системы и планов выполнения показывает, что выбор неправильного метода может замедлить приложение в 15 раз, создавая катастрофическую нагрузку на СУБД. Одни методы работают с молниеносной скоростью, а другие превращаются в «убийц производительности».
https://habr.com/ru/articles/974126/
#postgresql #postgresql_performance #пагинация #нагрузочное_тестирование #статистический_анализ
-
Итоги анализа вариантов оптимизации ресурсоёмкого SQL-запроса
Исследовать и определить наиболее эффективный SQL-запрос, позволяющий получить информацию для анализа: -Неполных бронирований -Билетов без привязки к рейсам -Рейсов без процедуры посадки -Статистики по незавершённым операциям
https://habr.com/ru/articles/973126/
#postgresql #postgresql_performance #нагрузочное_тестирование #vmstat #статистический_анализ
-
Анализ вариантов оптимизации ресурсоёмкого SQL-запроса: Вариант-5 «Условие WHERE»
Оптимизировать запрос в вакууме — просто. Но как он поведет себя, когда десятки таких же запросов одновременно борются за ресурсы? Эксперимент-5 : Условие WHERE
https://habr.com/ru/articles/972676/
#postgresq #postgresql_performance #join #where #нагрузочное_тестирование #vmstat #статистический_анализ
-
Прогноз vs Реальность: прогноз нейросети «Временная таблица vs CTE в многопользовательской среде PostgreSQL»
Дополнительный материал к статье Анализ вариантов оптимизации ресурсоёмкого SQL-запроса: Вариант-4 «Временная таблица» Предупреждение: статья подготовлена с использованием ответов нейросети DeepSeek.
https://habr.com/ru/articles/972286/
#postgresql #postgresql_performance #нагрузочное_тестирование #нейросеть #deepseek #прогнозирование
-
Анализ вариантов оптимизации ресурсоёмкого SQL-запроса: Вариант-4 «Временная таблица»
Оптимизировать запрос в вакууме — просто. Но как он поведет себя, когда десятки таких же запросов одновременно борются за ресурсы? Эксперимент-4 : Временная таблица
https://habr.com/ru/articles/972276/
#postgresql #postgresql_performance #join #нагрузочное_тестирование #vmstat #статистический_анализ
-
Анализ вариантов оптимизации ресурсоёмкого SQL-запроса: Вариант-3 «Частичная агрегация»
Оптимизировать запрос в вакууме — просто. Но как он поведет себя, когда десятки таких же запросов одновременно борются за ресурсы? Эксперимент-3 : Частичная агрегация
https://habr.com/ru/articles/971882/
#postgresql #postgresql_performance #join #array #нагрузочное_тестирование #iostat #vmstat #статистический_анализ
-
Анализ вариантов оптимизации ресурсоёмкого SQL-запроса: Вариант-2 «TUNING»
Оптимизировать запрос в вакууме — просто. Но как он поведет себя, когда десятки таких же запросов одновременно борются за ресурсы? Эксперимент-2 : Оптимизация структуры запроса
https://habr.com/ru/articles/971690/
#postgresql #postgresql_performance #join #нагрузочное_тестирование #iostat #vmstat #статистический_анализ
-
Анализ вариантов оптимизации ресурсоёмкого SQL-запроса: Часть-1 «EXISTS»
Оптимизировать запрос в вакууме — просто. Но как он поведет себя, когда десятки таких же запросов одновременно борются за ресурсы?
https://habr.com/ru/articles/971606/
#postgresql #postgresql_performance #join #exists #нагрузочное_тестирование #iostat #vmstat #статистический_анализ
-
PostgreSQL Antipatterns? Анализ эффективности замены агрегатной функции MAX на ARRAY
Статья на Хабре "PostgreSQL Antipatterns: отказ от агрегатных функций = кратное ускорение" послужила отправной точкой для данного исследования. После ее изучения возникла гипотеза о возможности значительного повышения производительности PostgreSQL через замену агрегатных функций на конструкции ARRAY.
https://habr.com/ru/articles/971314/
#postgresql #postgresql_performance #статистический_анализ #паттерны #инфраструктура #нагрузочное_тестирование
-
PostgreSQL Antipatterns? Анализ эффективности замены агрегатной функции MAX на ARRAY
Статья на Хабре "PostgreSQL Antipatterns: отказ от агрегатных функций = кратное ускорение" послужила отправной точкой для данного исследования. После ее изучения возникла гипотеза о возможности значительного повышения производительности PostgreSQL через замену агрегатных функций на конструкции ARRAY.
https://habr.com/ru/articles/971314/
#postgresql #postgresql_performance #статистический_анализ #паттерны #инфраструктура #нагрузочное_тестирование
-
PostgreSQL Antipatterns? Анализ эффективности замены агрегатной функции MAX на ARRAY
Статья на Хабре "PostgreSQL Antipatterns: отказ от агрегатных функций = кратное ускорение" послужила отправной точкой для данного исследования. После ее изучения возникла гипотеза о возможности значительного повышения производительности PostgreSQL через замену агрегатных функций на конструкции ARRAY.
https://habr.com/ru/articles/971314/
#postgresql #postgresql_performance #статистический_анализ #паттерны #инфраструктура #нагрузочное_тестирование
-
PostgreSQL Antipatterns? Анализ эффективности замены агрегатной функции MAX на ARRAY
Статья на Хабре "PostgreSQL Antipatterns: отказ от агрегатных функций = кратное ускорение" послужила отправной точкой для данного исследования. После ее изучения возникла гипотеза о возможности значительного повышения производительности PostgreSQL через замену агрегатных функций на конструкции ARRAY.
https://habr.com/ru/articles/971314/
#postgresql #postgresql_performance #статистический_анализ #паттерны #инфраструктура #нагрузочное_тестирование
-
pg_expecto + Демобаза 2.0: тестовый стенд для экспериментов с СУБД PostgreSQL
Нагрузочное тестирование — это не просто «нагрузить систему до падения». Это точный инструмент для поиска причинно-следственных связей. В этой статье описан пример использования связки из Демобазы 2.0 и комплекса pg_expecto, чтобы провести контролируемый эксперимент. Изменим один SQL-запрос, запустим тест и проанализируем, как это изменение отразилось на производительности СУБД, и показателях инфраструктуры. ℹ️ Демобаза 2.0 Демобаза 2.0 для PostgreSQL / Хабр ℹ️ Новый инструмент с открытым исходным кодом для статистического анализа, нагрузочного тестирования и построения отчетов доступен в репозитории GitFlic и GitHub kznalp/PG_EXPECTO: Комплекс статистического анализа производительности СУБД PostgreSQL pg-expecto/pg_expecto: Комплекс pg_expecto для статистического анализа производительности и нагрузочного тестирования СУБД PostgreSQL
https://habr.com/ru/articles/969260/
#postgresql #postgresql_performance #нагрузочное_тестирование #статистический_анализ #инфраструктура #vmstat
-
Нейросеть против PostgreSQL: системные ошибки AI в прогнозировании производительности под нагрузкой
Использование нейросетей для оптимизации баз данных кажется перспективным направлением, но реальная эффективность таких систем требует тщательной проверки. В данном исследовании проанализирована способность нейросетевой модели точно прогнозировать производительность СУБД PostgreSQL в условиях экстремальной параллельной нагрузки. Результаты демонстрируют систематические ошибки AI, связанные с неспособностью учесть динамические аспекты работы СУБД. ℹ️ Новый инструмент с открытым исходным кодом для статистического анализа, нагрузочного тестирования и построения отчетов доступен в репозитории GitFlic и GitHub kznalp/PG_EXPECTO: Комплекс статистического анализа производительности СУБД PostgreSQL pg-expecto/pg_expecto: Комплекс pg_expecto для статистического анализа производительности и нагрузочного тестирования СУБД PostgreSQL
https://habr.com/ru/articles/969082/
#postgresql #postgresql_performance #искусственный_интеллект #нейросети #прогнозирование #анализ_производительности #индексы #высокая_нагрузка #статистический_анализ #deepseek
-
Нейросеть против PostgreSQL: системные ошибки AI в прогнозировании производительности под нагрузкой
Использование нейросетей для оптимизации баз данных кажется перспективным направлением, но реальная эффективность таких систем требует тщательной проверки. В данном исследовании проанализирована способность нейросетевой модели точно прогнозировать производительность СУБД PostgreSQL в условиях экстремальной параллельной нагрузки. Результаты демонстрируют систематические ошибки AI, связанные с неспособностью учесть динамические аспекты работы СУБД. ℹ️ Новый инструмент с открытым исходным кодом для статистического анализа, нагрузочного тестирования и построения отчетов доступен в репозитории GitFlic и GitHub kznalp/PG_EXPECTO: Комплекс статистического анализа производительности СУБД PostgreSQL pg-expecto/pg_expecto: Комплекс pg_expecto для статистического анализа производительности и нагрузочного тестирования СУБД PostgreSQL
https://habr.com/ru/articles/969082/
#postgresql #postgresql_performance #искусственный_интеллект #нейросети #прогнозирование #анализ_производительности #индексы #высокая_нагрузка #статистический_анализ #deepseek
-
Нейросеть против PostgreSQL: системные ошибки AI в прогнозировании производительности под нагрузкой
Использование нейросетей для оптимизации баз данных кажется перспективным направлением, но реальная эффективность таких систем требует тщательной проверки. В данном исследовании проанализирована способность нейросетевой модели точно прогнозировать производительность СУБД PostgreSQL в условиях экстремальной параллельной нагрузки. Результаты демонстрируют систематические ошибки AI, связанные с неспособностью учесть динамические аспекты работы СУБД. ℹ️ Новый инструмент с открытым исходным кодом для статистического анализа, нагрузочного тестирования и построения отчетов доступен в репозитории GitFlic и GitHub kznalp/PG_EXPECTO: Комплекс статистического анализа производительности СУБД PostgreSQL pg-expecto/pg_expecto: Комплекс pg_expecto для статистического анализа производительности и нагрузочного тестирования СУБД PostgreSQL
https://habr.com/ru/articles/969082/
#postgresql #postgresql_performance #искусственный_интеллект #нейросети #прогнозирование #анализ_производительности #индексы #высокая_нагрузка #статистический_анализ #deepseek
-
Нейросеть против PostgreSQL: системные ошибки AI в прогнозировании производительности под нагрузкой
Использование нейросетей для оптимизации баз данных кажется перспективным направлением, но реальная эффективность таких систем требует тщательной проверки. В данном исследовании проанализирована способность нейросетевой модели точно прогнозировать производительность СУБД PostgreSQL в условиях экстремальной параллельной нагрузки. Результаты демонстрируют систематические ошибки AI, связанные с неспособностью учесть динамические аспекты работы СУБД. ℹ️ Новый инструмент с открытым исходным кодом для статистического анализа, нагрузочного тестирования и построения отчетов доступен в репозитории GitFlic и GitHub kznalp/PG_EXPECTO: Комплекс статистического анализа производительности СУБД PostgreSQL pg-expecto/pg_expecto: Комплекс pg_expecto для статистического анализа производительности и нагрузочного тестирования СУБД PostgreSQL
https://habr.com/ru/articles/969082/
#postgresql #postgresql_performance #искусственный_интеллект #нейросети #прогнозирование #анализ_производительности #индексы #высокая_нагрузка #статистический_анализ #deepseek
-
Что происходит, когда вы добавляете строку в PostgreSQL
Привет, Хабр! Меня зовут Александр Гришин, я руководитель по развитию продуктов хранения данных Погнали!
https://habr.com/ru/companies/selectel/articles/967294/
#postgresql #postgresql_performance #dbaas #Облачные_базы_данных #selectel
-
Разгоним Unicode в PostgreSQL
Всем привет! Меня зовут Александр Борисов, я главный эксперт по технологиям в СберТехе. В статье расскажу про свой алгоритм, который позволил повысить скорость Unicode в PostgreSQL 18. На эту тему уже выпущен патч Optimization for lower(), upper(), casefold() functions , принятый сообществом PostgreSQL. Статья будет интересна разработчикам, которые работают с большими объёмами текстовых данных, а также всем, кто следит за развитием PostgreSQL и интересуется оптимизацией. Начнём с краткого обзора: что же удалось ускорить в PostgreSQL? Начнём!
-
Шпаргалка по работе с PostgreSQL для бэкенд-разработчиков
Лайфхаки для миграций, оптимизации и избегания граблей Реальные лайфхаки и проверенные практики по миграциям, оптимизации запросов, управлению индексами и обратной совместимости кода. Узнайте, как: - Не сломать прод при миграции. - Избежать N+1 и других проблем SQL-запросов. - Планировать откаты и работать безопасно на высоконагруженных БД.
https://habr.com/ru/companies/beget/articles/920772/
#postgresql_naming_conventions #postgresql_performance #высоконагруженные_системы #миграции_базы_данных #лучшие_практики_orm_или_sql
-
[Перевод] UUIDv7 в PostgreSQL 18
Совсем скоро (в конце сентября) выйдет PostgreSQL 18. Релиз готовит важные обновления — от асинхронного I/O до EXPLAIN с показателями CPU и WAL. Довольно громкая новинка — нативная поддержка UUIDv7, нового стандарта уникальных идентификаторов, идеально подходящих для B-tree индексов. В новом переводе от команды Spring АйО рассказывается, почему это важно, как работает UUIDv7 и чем он лучше UUIDv4 для современных распределённых систем.
https://habr.com/ru/companies/spring_aio/articles/946168/
#java #kotlin #database #postgres #sql #postgresql #postgresql_performance #spring #spring_boot #spring_framework
-
Все что нужно PostgreSQL: быстрые диски, дорогой процессор и терабайты RAM
В облачном мире PostgreSQL возникает много вопросов. Какую конфигурацию выбрать для старта кластера? Сколько оперативной памяти и ядер CPU нужно под мою базу данных? Нужны ли под такой профиль нагрузки высокочастотные процессоры? Какое должно быть соотношение RAM к Storage в кластере? Хватает ли ресурсов и на системные службы, и на кэширование запросов? Не переплачиваю ли я? Всем привет! Меня зовут Гришин Александр, я руководитель по развитию продуктов хранения данных в Selectel, отвечаю за
https://habr.com/ru/companies/selectel/articles/912996/
#selectel #postgresql_performance #selectel_cloud #dbaas #базы_данных #облачные_сервисы
-
Онлайн-мониторинг производительности, импорт внешних СУБД, DBaaS и сертификат ФСТЭК: главное о Proxima DB 3.1
Привет, Хабр! В конце января мы получили сертификат ФСТЭК на нашу СУБД Proxima DB и выпустили новую версию 3.1 для редакций Proxima DB Core и Advanced. На самом деле по количеству добавленных фич новую версию можно было бы переименовывать в 4.0 или даже в 5.0 (софтверные гиганты здесь обычно показывают гору фантиков от сникерсов и пустых стаканчиков от кофе, использованных при выпуске нового релиза). Но мы придерживаемся концепции изменения мажорной версии Proxima DB с изменением мажорной версии PostgreSQL, поэтому новая версия — именно 3.1 . В этой статье хотим поделиться: • С какими новыми требованиями регуляторов мы столкнулись в процессе; • Как технически реализовали новую для российских СУБД функцию мониторинга производительности в реальном времени; • Как работают другие ключевые фичи: возможность подключать другие СУБД на основе PostgreSQL, новая роль DBaaS-сервера, упрощенный процесс инсталляции базовой редакции СУБД.
https://habr.com/ru/companies/orion_soft/articles/887410/
#orion_soft #proxima_db #dbaas #postgresql #postgresql_performance
-
Оптимизация БД начинается в пятницу
Всем привет, меня зовут Денис Лимарев, я руковожу разработкой в одной из продуктовых команд Uzum Tezkor. В этой статье разберу несколько оптимизаций запросов к БД, которыми наша команда пользуется при разработке своих сервисов, и опишу подход к оптимизациям запросов в целом. В своих проектах мы используем PostgreSQL версии 14.15, поэтому все запросы я проанализировал на ней, и ваши результаты могут отличаться в зависимости от вашей версии.
https://habr.com/ru/companies/uzum/articles/940624/
#postgresql #postgresql_performance #оптимизация_запросов #оптимизация #оптимизация_кода #uzum #uzumtech
-
[Перевод] Почему SELECT FOR UPDATE считается вредным в PostgreSQL
Разбирая взаимоблокировки, Лоренс вспомнил, насколько опасным может быть использование SELECT FOR UPDATE при конкурентном доступе. В этом нет ничего нового, но Лоренс заметил, что многие не знают о режимах блокировки строк в PostgreSQL. Лоренс решил подробно описать, когда следует избегать SELECT FOR UPDATE.
https://habr.com/ru/articles/940066/
#postgres #postgresql #postgresql_performance #select_for_update #locking #locks
-
[Перевод] Как я от нечего делать замедлил Postgres в 42 000 раз
Всех постоянно интересует, как сделать Postgres быстрее, эффективнее и всё такое, но никто не задумывался, как её замедлить. Да, большинству этих людей платят за то, чтобы они повышали скорость, но ко мне это не относится. Недавно я писал более полезное руководство , и мне вдруг пришла мысль, что кто-то должен попробовать создать такую конфигурацию Postgres, которая будет настроена на максимально медленную обработку запросов. Зачем? Сложно сказать, но вот такая возникла мысль.
https://habr.com/ru/companies/ruvds/articles/932278/
#ruvds_перевод #postgresql_performance #postgresql #базы_данных #обработка_данных #хранение_данных #производительность
-
Когда JOIN тянет ко дну: как одно изменение ускорило запрос в 75 раз
TL;DR Иногда «убить» самый тяжёлый JOIN — проще, чем кажется. Достаточно вынести агрегат в коррелированный под-запрос и дать движку опереться на индекс.
https://habr.com/ru/articles/927390/
#postgresql #postgresql_performance #оптимизация #план_запроса
-
Как мы под Новый Год загрузили в PostgreSQL петабайт данных и что из этого вышло
Эта история началась с шутки на офисной кухне 10 декабря, но, как водится, у каждой приличной шутки, она вдруг стала интересной для воплощения, а в конце переросла в не самую технически простую реализацию с хождением по многочисленным граблям. А началось всё просто: пока все вокруг спорят как настраивать железо и тюнить операционные системы дабы выжать лишних TPS, мы решили проверить как отреагирует движок PostgreSQL если загрузить в него действительно большой объём данных. Например, давайте сделаем базу размером один петабайт и посмотрим как он это переживёт. На дворе было 10 декабря, руководство поставило задачу сдать отчёт 20 января, до нового года оставалось меньше месяца, а в руках появился знакомый всем инженерам зуд.
https://habr.com/ru/companies/postgrespro/articles/908604/
#postgresql #postgresql_performance #postgresql_scaling #postgrespro
-
Использование Daterange для поиска разрывов истории записей SCD2
Привет, Хабр! Меня зовут Сергей Аладышев, работаю системным аналитиком на протяжении 10 лет, и в работе часто сталкиваюсь с задачами, в том числе типовыми, решения для которых выглядят понятными, но не всегда оптимальными, а главное затратными по времени. Появляется непреодолимое желание их оптимизировать. Сегодня хочу обсудить похожую задачу: «поиск разрывов истории записей», она же: «поиск разрывов истории SCD2 в SQL ». С задачей сталкивался несколько раз, но статей с её разбором не нашел, поэтому решил, что тема актуальна. Началось все, как и всегда, с получения исчерпывающих требований от заказчика:
https://habr.com/ru/articles/907688/
#tensorflow #системный_анализ #sql #postgresql #postgresql_performance #оконные_функции