home.social

#sql — Public Fediverse posts

Live and recent posts from across the Fediverse tagged #sql, aggregated by home.social.

  1. Is there a modern, interactive, syntax-highlighted, tab-completed (let me dream) REPL to learn SQL and build queries?
    Maybe I am spoiled by Python/IPython, but I feel that this could exist maybe?

    #SQL

  2. FSRS-плагин для Obsidian: SQL-подобные запросы к карточкам, Rust/WASM

    Инструмент интервального повторения заметок Obsidian должен использовать современный алгоритм, работать локально с заметками как есть (без переписывания в карточки). Существующие в Obsidian плагины останавливаются на алгоритме SM-2 образца 1987 года. Альтернативные решения есть «где-то еще», вне свободного ПО, вне Markdown‑first архитектуры — привязаны к облаку или проприетарному формату. Я написал свой, потому что не нашёл подходящего. FSRS, вычислительное ядро на Rust, скомпилированное в WebAssembly, и SQL‑подобный синтаксис для табличной выборки. В статье — архитектура с WebAssembly, собственный парсер, лексер, замеры производительности. Любые запросы обрабатываются в сотых долях секунды. Blazingly fast 🦀 Это техническая статья. Если хотите пошаговое руководство для пользователя — вот обзорная статья .

    habr.com/ru/articles/1030950/

    #obsidian #FSRS #rust #webassembly #интервальное_повторение #typescript #sql #spaced_repetition

  3. FSRS-плагин для Obsidian: SQL-подобные запросы к карточкам, Rust/WASM

    Инструмент интервального повторения заметок Obsidian должен использовать современный алгоритм, работать локально с заметками как есть (без переписывания в карточки). Существующие в Obsidian плагины останавливаются на алгоритме SM-2 образца 1987 года. Альтернативные решения есть «где-то еще», вне свободного ПО, вне Markdown‑first архитектуры — привязаны к облаку или проприетарному формату. Я написал свой, потому что не нашёл подходящего. FSRS, вычислительное ядро на Rust, скомпилированное в WebAssembly, и SQL‑подобный синтаксис для табличной выборки. В статье — архитектура с WebAssembly, собственный парсер, лексер, замеры производительности. Любые запросы обрабатываются в сотых долях секунды. Blazingly fast 🦀 Это техническая статья. Если хотите пошаговое руководство для пользователя — вот обзорная статья .

    habr.com/ru/articles/1030950/

    #obsidian #FSRS #rust #webassembly #интервальное_повторение #typescript #sql #spaced_repetition

  4. FSRS-плагин для Obsidian: SQL-подобные запросы к карточкам, Rust/WASM

    Инструмент интервального повторения заметок Obsidian должен использовать современный алгоритм, работать локально с заметками как есть (без переписывания в карточки). Существующие в Obsidian плагины останавливаются на алгоритме SM-2 образца 1987 года. Альтернативные решения есть «где-то еще», вне свободного ПО, вне Markdown‑first архитектуры — привязаны к облаку или проприетарному формату. Я написал свой, потому что не нашёл подходящего. FSRS, вычислительное ядро на Rust, скомпилированное в WebAssembly, и SQL‑подобный синтаксис для табличной выборки. В статье — архитектура с WebAssembly, собственный парсер, лексер, замеры производительности. Любые запросы обрабатываются в сотых долях секунды. Blazingly fast 🦀 Это техническая статья. Если хотите пошаговое руководство для пользователя — вот обзорная статья .

    habr.com/ru/articles/1030950/

    #obsidian #FSRS #rust #webassembly #интервальное_повторение #typescript #sql #spaced_repetition

  5. FSRS-плагин для Obsidian: SQL-подобные запросы к карточкам, Rust/WASM

    Инструмент интервального повторения заметок Obsidian должен использовать современный алгоритм, работать локально с заметками как есть (без переписывания в карточки). Существующие в Obsidian плагины останавливаются на алгоритме SM-2 образца 1987 года. Альтернативные решения есть «где-то еще», вне свободного ПО, вне Markdown‑first архитектуры — привязаны к облаку или проприетарному формату. Я написал свой, потому что не нашёл подходящего. FSRS, вычислительное ядро на Rust, скомпилированное в WebAssembly, и SQL‑подобный синтаксис для табличной выборки. В статье — архитектура с WebAssembly, собственный парсер, лексер, замеры производительности. Любые запросы обрабатываются в сотых долях секунды. Blazingly fast 🦀 Это техническая статья. Если хотите пошаговое руководство для пользователя — вот обзорная статья .

    habr.com/ru/articles/1030950/

    #obsidian #FSRS #rust #webassembly #интервальное_повторение #typescript #sql #spaced_repetition

  6. Архитектура автоматической трансформации данных JSON и XML любой структуры унифицированным способом

    В современном IT ландшафте широко используютя форматы представления данных JSON и XML, используемые в качестве своеобразного "общего языка", lingua franca для обмене информацией. Данная статья представит архитектуру интеграции данных иерархических форматов, позволяющую кардинально уменьшить трудоемкость процесса до практически полностью универсального пайплайна, обрабатывающего любые виды исходных документов вплоть до автоматического маппинга в табличные структуры данных.

    habr.com/ru/articles/1034884/

    #xml #json #api #nosql #sql #базы_данных #алгоритмы #архитектура #автоматизация

  7. Архитектура автоматической трансформации данных JSON и XML любой структуры унифицированным способом

    В современном IT ландшафте широко используютя форматы представления данных JSON и XML, используемые в качестве своеобразного "общего языка", lingua franca для обмене информацией. Данная статья представит архитектуру интеграции данных иерархических форматов, позволяющую кардинально уменьшить трудоемкость процесса до практически полностью универсального пайплайна, обрабатывающего любые виды исходных документов вплоть до автоматического маппинга в табличные структуры данных.

    habr.com/ru/articles/1034884/

    #xml #json #api #nosql #sql #базы_данных #алгоритмы #архитектура #автоматизация

  8. Архитектура автоматической трансформации данных JSON и XML любой структуры унифицированным способом

    В современном IT ландшафте широко используютя форматы представления данных JSON и XML, используемые в качестве своеобразного "общего языка", lingua franca для обмене информацией. Данная статья представит архитектуру интеграции данных иерархических форматов, позволяющую кардинально уменьшить трудоемкость процесса до практически полностью универсального пайплайна, обрабатывающего любые виды исходных документов вплоть до автоматического маппинга в табличные структуры данных.

    habr.com/ru/articles/1034884/

    #xml #json #api #nosql #sql #базы_данных #алгоритмы #архитектура #автоматизация

  9. Never underestimate learning by putting things together in an inefficient way to discover how to reach an outcome

    (Re: #SQL in previous toot)

    With some understanding you can iterate to something less awful

    select lead(tkr.id, 1) over (partition by tkr.ticket_purchase_id order by tkr.re
    issue_date desc) as next_history_id ...

    Obviously a better way to learn is also to be in a team which hasn't been decimated after someone sold management a handful of magic AI beans (so far lucky on that)

  10. Today in "finally taking time to try to learn #SQL Window functions":

    select last_value(tkr.id) over (partition by tkr.ticket_purchase_id order by tkr.reissue_date desc rows between 1 following and 1 following) as next_history_id ...

    Now, I could have asked an LLM for an answer, but would I have understood *why*? No.

    Do I understand why now? Maaaaybe?

    Will I understand why next week? Also no, but that is a problem for future me, and he never put in the work

    (next toot for improved SQL)

  11. The Game III: The Incinerator
    Legacy syntax is the only thing standing between you and the next level. Are your CF skills sharp enough or will you end up in the Incinerator?

    #CyberSecurity #PowerShell #CFML #AI #Networking #SQL #Cloud #GRC #Gaming #Technology #Python #ZeroTrust #DevSecOps #FinOps #Programming

    Game Link: blackcatwhitehatsecurity.com/t

  12. Инфраструктура для изучения основ машинного обучения на локальном компьютере с помощью Apache Spark

    Первой задачей будет следующая. Предположим, откуда-то получаются файлы нескольких типов. Один из получаемых типов будет вызывать увеличение загрузки процессора. Необходимо найти, какой тип файлов вызывает загрузку процессора, применив машинное обучение. Решение должно запускаться на локальном компьютере, но в тоже время быть готовым развернутым в рабочем окружении.

    habr.com/ru/articles/1034338/

    #apache_spark #machine_learning #machinelearning #postgresql #sql

  13. Код как документация: как мы строим самодокументируемые витрины данных в Почте Mail

    В аналитике больших данных есть старая проблема: код ETL-витрин живет своей жизнью, а документация — своей. Изменяешь логику, забываешь обновить описание колонки — и через месяц никто не помнит, что означает wallet_cards_category_hits. В Почте Mail (VK) мы решили эту проблему системно, разработав внутренний фреймворк, который делает код витрины и ее документацию неразрывными. На связи Дима Швеенков. Я все так же руковожу направлением аналитики в команде и отвечаю за данные в Почте Mail , а теперь еще и отвечаю за DWH в VK Tech . В предыдущих статьях я подробно рассказывал о нашем Data Driven-подходе к работе с данными, а также, в частности, как мы работаем со Spark и какие ключевые проблемы с данными мы решили, чтобы построить свое хранилище данных. Сегодня хотел бы остановиться на более узкой теме — как держать в порядке документацию, если у вас такое же огромное хранилище, как и у нас. Материал короткий, но, надеюсь, будет для вас полезным.

    habr.com/ru/companies/vktech/a

    #big_data #apache_spark #airflow #clickhouse #sql #документация #dwh #metadata #dbt #vk_tech

  14. The EXPORT metacommand of the execsql.py SQL script processor now will export a database table, view, or query to a Typst table. The `format` argument should be "typst". If a description is included, the table will be wrapped in a figure and the description used as the caption.

    execsql.readthedocs.io/en/late

    execsql can be installed from PyPI:

    pypi.org/project/execsql/

    #Database #Databases #SQL #Scripting #Typst #Python

  15. 🚀 Hiring Alert | Business Analyst – Insurance Domain

    📍 Locations: Pune | Bangalore | Hyderabad | Chennai | Gurgaon | Greater Noida
    💰 CTC: Up to 30 LPA | 📌 Band: B2

    INTERESTED CANDIDATE CAN APPLY ON - zurl.co/xZ8ag
    #Hiring #BusinessAnalyst #InsuranceDomain #Qlik #Salesforce #SQL #Snowflake #DataAnalytics #BusinessIntelligence

  16. 🚀 Hiring Alert | Business Analyst – Insurance Domain

    📍 Locations: Pune | Bangalore | Hyderabad | Chennai | Gurgaon | Greater Noida
    💰 CTC: Up to 30 LPA | 📌 Band: B2

    INTERESTED CANDIDATE CAN APPLY ON - zurl.co/xZ8ag
    #Hiring #BusinessAnalyst #InsuranceDomain #Qlik #Salesforce #SQL #Snowflake #DataAnalytics #BusinessIntelligence

  17. 🚀 Hiring Alert | Business Analyst – Insurance Domain

    📍 Locations: Pune | Bangalore | Hyderabad | Chennai | Gurgaon | Greater Noida
    💰 CTC: Up to 30 LPA | 📌 Band: B2

    INTERESTED CANDIDATE CAN APPLY ON - zurl.co/xZ8ag
    #Hiring #BusinessAnalyst #InsuranceDomain #Qlik #Salesforce #SQL #Snowflake #DataAnalytics #BusinessIntelligence

  18. 🚀 Hiring Alert | Business Analyst – Insurance Domain

    📍 Locations: Pune | Bangalore | Hyderabad | Chennai | Gurgaon | Greater Noida
    💰 CTC: Up to 30 LPA | 📌 Band: B2

    INTERESTED CANDIDATE CAN APPLY ON - zurl.co/xZ8ag
    #Hiring #BusinessAnalyst #InsuranceDomain #Qlik #Salesforce #SQL #Snowflake #DataAnalytics #BusinessIntelligence

  19. 🚀 Hiring Alert | Business Analyst – Insurance Domain

    📍 Locations: Pune | Bangalore | Hyderabad | Chennai | Gurgaon | Greater Noida
    💰 CTC: Up to 30 LPA | 📌 Band: B2

    INTERESTED CANDIDATE CAN APPLY ON - zurl.co/xZ8ag
    #Hiring #BusinessAnalyst #InsuranceDomain #Qlik #Salesforce #SQL #Snowflake #DataAnalytics #BusinessIntelligence