Forwarded from Persian Post
🍎 اگر به دنیای Apple علاقهمندی، این کانال رو از دست نده!
آخرین و مهمترین اخبار و رویدادهای اپل:
📱 iPhone و iOS
💻 MacBook و macOS
⌚ Apple Watch
🎧 AirPods و سرویسهای اپل
🚀 تحلیل رویدادها، محصولات و آپدیتهای جدید
📰 خلاصه روزانه مهمترین اخبار دنیای Apple
👇👇👇👇
@mac_labdon
━━━━━━━━━━━━━━
🔥 اگر اخبار Google و Android رو دنبال میکنی، این کانال برای توئه!
جدیدترین و داغترین خبرها از:
📱 گوشیهای سامسونگ، شیائومی و Google Pixel
🤖 Android و جدیدترین آپدیتها
🏠 Google Home و گجتهای هوشمند
🧩 اپلیکیشنها و سرویسهای گوگل
💻 Chromebook و اکوسیستم Google
🚀 معرفی محصولات، تحلیلها و اخبار روز
همهچیز درباره دنیای گوگل و اندروید در یک کانال:
👇👇👇👇
@google_labdon
آخرین و مهمترین اخبار و رویدادهای اپل:
📱 iPhone و iOS
💻 MacBook و macOS
⌚ Apple Watch
🎧 AirPods و سرویسهای اپل
🚀 تحلیل رویدادها، محصولات و آپدیتهای جدید
📰 خلاصه روزانه مهمترین اخبار دنیای Apple
👇👇👇👇
@mac_labdon
━━━━━━━━━━━━━━
🔥 اگر اخبار Google و Android رو دنبال میکنی، این کانال برای توئه!
جدیدترین و داغترین خبرها از:
📱 گوشیهای سامسونگ، شیائومی و Google Pixel
🤖 Android و جدیدترین آپدیتها
🏠 Google Home و گجتهای هوشمند
🧩 اپلیکیشنها و سرویسهای گوگل
💻 Chromebook و اکوسیستم Google
🚀 معرفی محصولات، تحلیلها و اخبار روز
همهچیز درباره دنیای گوگل و اندروید در یک کانال:
👇👇👇👇
@google_labdon
🔵 عنوان مقاله
a myriad of sources and destinations
🟢 خلاصه مقاله:
در دنیای امروز، حجم عظیمی از منابع و مقصدهای مختلف برای انتقال دادهها وجود دارد که نیازمند روشی کارآمد و قابل اطمینان برای مدیریت آنها است. یکی از نکات کلیدی این است که بتوان بدون نیاز به نوشتن کد، این مسیرها را مدیریت و ارتباطات را برقرار کرد، مخصوصاً در سیستمهای پایگاه داده مانند Postgres، که یکی از محبوبترین سیستمهای مدیریت پایگاه داده است. این قابلیت به تیمهای فنی امکان میدهد تا فرآیندهای انتقال و ترافیک داده را به سادگی و با کمترین خطا انجام دهند، بدون اینکه نیاز به برنامهنویسی پیچیده داشته باشند.
در این رویکرد، ابزارها و پلتفرمهای مخصوص فراهم شده است که امکان ارتباط میان منابع داده مختلف و مقصدهای متنوع را بدون نیاز به توسعه کد فراهم میکنند. این امر نه تنها فرآیندهای انتقال داده را سادهتر میکند، بلکه سرعت و انعطافپذیری سیستمها را نیز افزایش میدهد، که برای بسیاری از کسبوکارها اهمیت ویژهای دارد. استفاده از چنین روشهایی، به ویژه در کنار سیستمهای پایگاه داده پیشرفته مانند Postgres، میتواند بهرهوری را به شکل قابل توجهی ارتقاء دهد.
از این رو، بهرهگیری از راهحلهای بدون نیاز به کد در مدیریت منابع و مقصدهای داده، تحولی بزرگ در دنیای فناوری اطلاعات است. این امر به تیمها امکان میدهد تمرکز خود را بر روی توسعه و بهبود استراتژیهای تجاری قرار دهند و از صرف وقت و منابع زیاد برای تنظیم و نگهداری فرآیندهای پیچیده صرفهجویی کنند.
#مدیریت_داده #پایگاه_داده #Postgres #بدون_کد
🟣لینک مقاله:
https://github.com/bruin-data/ingestr#supported-sources--destinations
➖➖➖➖➖➖➖➖
👑 @Database_Academy
a myriad of sources and destinations
🟢 خلاصه مقاله:
در دنیای امروز، حجم عظیمی از منابع و مقصدهای مختلف برای انتقال دادهها وجود دارد که نیازمند روشی کارآمد و قابل اطمینان برای مدیریت آنها است. یکی از نکات کلیدی این است که بتوان بدون نیاز به نوشتن کد، این مسیرها را مدیریت و ارتباطات را برقرار کرد، مخصوصاً در سیستمهای پایگاه داده مانند Postgres، که یکی از محبوبترین سیستمهای مدیریت پایگاه داده است. این قابلیت به تیمهای فنی امکان میدهد تا فرآیندهای انتقال و ترافیک داده را به سادگی و با کمترین خطا انجام دهند، بدون اینکه نیاز به برنامهنویسی پیچیده داشته باشند.
در این رویکرد، ابزارها و پلتفرمهای مخصوص فراهم شده است که امکان ارتباط میان منابع داده مختلف و مقصدهای متنوع را بدون نیاز به توسعه کد فراهم میکنند. این امر نه تنها فرآیندهای انتقال داده را سادهتر میکند، بلکه سرعت و انعطافپذیری سیستمها را نیز افزایش میدهد، که برای بسیاری از کسبوکارها اهمیت ویژهای دارد. استفاده از چنین روشهایی، به ویژه در کنار سیستمهای پایگاه داده پیشرفته مانند Postgres، میتواند بهرهوری را به شکل قابل توجهی ارتقاء دهد.
از این رو، بهرهگیری از راهحلهای بدون نیاز به کد در مدیریت منابع و مقصدهای داده، تحولی بزرگ در دنیای فناوری اطلاعات است. این امر به تیمها امکان میدهد تمرکز خود را بر روی توسعه و بهبود استراتژیهای تجاری قرار دهند و از صرف وقت و منابع زیاد برای تنظیم و نگهداری فرآیندهای پیچیده صرفهجویی کنند.
#مدیریت_داده #پایگاه_داده #Postgres #بدون_کد
🟣لینک مقاله:
https://github.com/bruin-data/ingestr#supported-sources--destinations
➖➖➖➖➖➖➖➖
👑 @Database_Academy
GitHub
GitHub - bruin-data/ingestr: ingestr is a CLI tool to copy data between any databases with a single command seamlessly.
ingestr is a CLI tool to copy data between any databases with a single command seamlessly. - bruin-data/ingestr
🔵 عنوان مقاله
Handling Graphs with SQL/PGQ in Postgres 19
🟢 خلاصه مقاله:
پستگرس ۱۹ در راه است و به زودی از قابلیتهای جدیدی بهرهمند خواهد شد. یکی از این امکانات اضافه شده، پشتیبانی از استاندارد SQL/PGQ است که به کاربران امکان میدهد گرافهای رفتاری یا خاص را بر روی جداول پایگاه داده تعریف کنند. با این قابلیت، میتوان الگوهای گرافی را در قالب جداول تعریف و اجرا کرد و به صورت مستقیم با آنها کار کرد. این سیستم اجازه میدهد تا الگوهای رسپیشده در زبانهایی مانند Cypher، که برای پرسوجوهای گرافی بسیار محبوب است، در قالب کوئریهای معمول در SQL مورد استفاده قرار گیرد.
در این روند، تمامی عملیات مربوط به تطبیق الگوهای گراف با ساختار دادهها، توسط موتور بازنویسی کوئریها مدیریت میشود. به همین دلیل، الگوهای گرافی به شکل پرسوجوهای معمول رابطهای در میآیند و کاربر نیازی به نوشتن کوئریهای خاص گراف ندارد. این نوآوری، امکان ادغام آسان تر دادههای گرافی با سیستمهای پایگاه داده رابطهای موجود را فراهم میکند، و کار انجام شده را سادهتر و سریعتر میسازد.
در نتیجه، با پشتیبانی SQL/PGQ در نسخه ۱۹، Postgres یک گام بزرگ در مسیر تقویت قابلیتهای گرافپایه خود برمیدارد، و توسعهدهندگان میتوانند به راحتی ساختارهای گرافی پیچیده را در کنار دادههای رابطهای مدیریت کنند، بدون نیاز به سیستمهای جداگانه یا روشهای پیچیده. این امکانات موجب میشود تا پرسوجوی چند بعدی و تحلیل دادههای گرافی در سیستمهای مبتنی بر Postgres بسیار کارآمدتر و انعطافپذیرتر شود.
#پستگرس #گراف #SQL #پایگاهداده
🟣لینک مقاله:
https://www.cybertec-postgresql.com/en/handling-graphs-with-sql-pgq-in-postgresql/
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Handling Graphs with SQL/PGQ in Postgres 19
🟢 خلاصه مقاله:
پستگرس ۱۹ در راه است و به زودی از قابلیتهای جدیدی بهرهمند خواهد شد. یکی از این امکانات اضافه شده، پشتیبانی از استاندارد SQL/PGQ است که به کاربران امکان میدهد گرافهای رفتاری یا خاص را بر روی جداول پایگاه داده تعریف کنند. با این قابلیت، میتوان الگوهای گرافی را در قالب جداول تعریف و اجرا کرد و به صورت مستقیم با آنها کار کرد. این سیستم اجازه میدهد تا الگوهای رسپیشده در زبانهایی مانند Cypher، که برای پرسوجوهای گرافی بسیار محبوب است، در قالب کوئریهای معمول در SQL مورد استفاده قرار گیرد.
در این روند، تمامی عملیات مربوط به تطبیق الگوهای گراف با ساختار دادهها، توسط موتور بازنویسی کوئریها مدیریت میشود. به همین دلیل، الگوهای گرافی به شکل پرسوجوهای معمول رابطهای در میآیند و کاربر نیازی به نوشتن کوئریهای خاص گراف ندارد. این نوآوری، امکان ادغام آسان تر دادههای گرافی با سیستمهای پایگاه داده رابطهای موجود را فراهم میکند، و کار انجام شده را سادهتر و سریعتر میسازد.
در نتیجه، با پشتیبانی SQL/PGQ در نسخه ۱۹، Postgres یک گام بزرگ در مسیر تقویت قابلیتهای گرافپایه خود برمیدارد، و توسعهدهندگان میتوانند به راحتی ساختارهای گرافی پیچیده را در کنار دادههای رابطهای مدیریت کنند، بدون نیاز به سیستمهای جداگانه یا روشهای پیچیده. این امکانات موجب میشود تا پرسوجوی چند بعدی و تحلیل دادههای گرافی در سیستمهای مبتنی بر Postgres بسیار کارآمدتر و انعطافپذیرتر شود.
#پستگرس #گراف #SQL #پایگاهداده
🟣لینک مقاله:
https://www.cybertec-postgresql.com/en/handling-graphs-with-sql-pgq-in-postgresql/
➖➖➖➖➖➖➖➖
👑 @Database_Academy
CYBERTEC PostgreSQL | Services & Support
Handling graphs with SQL/PGQ in PostgreSQL
This blog explores Graph relationships in PostgreSQL with PGQ. Read and learn on, how to traverse and create Graph relationship.
🔵 عنوان مقاله
Leandex: A Pure SQL Way to Keep Your Indexes Lean
🟢 خلاصه مقاله:
در هفته گذشته، لینک نیک با نام «PgQue» به عنوان محبوبترین لینک ما شناخته شد، اما او بلافاصله با یک ابزار جدید بازگشت. ابزار «Leandex» یک پروژه کاملاً مبتنی بر زبان SQL است که هدف اصلیاش مقابله با مشکلات افزونگی و بزرگسازی بیموقع شاخصهای پایگاه داده است. این ابزار با بررسی دقیق وضعیت شاخصها، در صورت تشخیص نیاز، به صورت همزمان و با کمترین وقفه، آنها را مجدداً ساختاری منظم و بهینه میکند.
استفاده از «Leandex» به توسعهدهندگان و مدیران پایگاههای داده اجازه میدهد تا بدون نیاز به عملیات پیچیده و زمانبر، شاخصهای خود را مدیریت و نگهداری کنند. این روش مبتنی بر SQL نه تنها ساده و قابل انعطاف است، بلکه اطمینان میدهد که سیستم در حین عملیات بهینهسازی، کمترین تأثیر منفی را بر روی سرویسها داشته باشد. در نتیجه، بهبود کارایی و نگهداری پایگاه دادهها با کمترین ریسک ممکن، با این ابزار امکانپذیر است.
#پایگاه_داده #SQL #شاخص #کارایی
🟣لینک مقاله:
https://postgresweekly.com/link/184479/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Leandex: A Pure SQL Way to Keep Your Indexes Lean
🟢 خلاصه مقاله:
در هفته گذشته، لینک نیک با نام «PgQue» به عنوان محبوبترین لینک ما شناخته شد، اما او بلافاصله با یک ابزار جدید بازگشت. ابزار «Leandex» یک پروژه کاملاً مبتنی بر زبان SQL است که هدف اصلیاش مقابله با مشکلات افزونگی و بزرگسازی بیموقع شاخصهای پایگاه داده است. این ابزار با بررسی دقیق وضعیت شاخصها، در صورت تشخیص نیاز، به صورت همزمان و با کمترین وقفه، آنها را مجدداً ساختاری منظم و بهینه میکند.
استفاده از «Leandex» به توسعهدهندگان و مدیران پایگاههای داده اجازه میدهد تا بدون نیاز به عملیات پیچیده و زمانبر، شاخصهای خود را مدیریت و نگهداری کنند. این روش مبتنی بر SQL نه تنها ساده و قابل انعطاف است، بلکه اطمینان میدهد که سیستم در حین عملیات بهینهسازی، کمترین تأثیر منفی را بر روی سرویسها داشته باشد. در نتیجه، بهبود کارایی و نگهداری پایگاه دادهها با کمترین ریسک ممکن، با این ابزار امکانپذیر است.
#پایگاه_داده #SQL #شاخص #کارایی
🟣لینک مقاله:
https://postgresweekly.com/link/184479/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
GitHub
GitHub - NikolayS/leandex: Keep your Postgres indexes lean — rebuild, drop, and suggest
Keep your Postgres indexes lean — rebuild, drop, and suggest - NikolayS/leandex
🔵 عنوان مقاله
Postgres at 30: A Chat With Its Creator
🟢 خلاصه مقاله:
بیست و نهمین سالگرد راهاندازی پایگاه داده پستگرس است و این مناسبت فرصتی است تا با یکی از شخصیتهای تاثیرگذار در دنیای فناوری، مایک استونبریکر، گفتوگو کنیم. ایشان بنیانگذار پروژه پستگرس هستند و نقش کلیدی در شکلگیری و توسعه این سیستم پایگاه داده Open Source داشتهاند. در این گفتگو، به تاریخچه شکلگیری پستگرس، چالشها و موفقیتهایی که طی این سالها کسب کرده، و تأثیر آن بر صنعت فناوری اطلاعات پرداخته شده است. همچنین، آقای استونبریکر نظرات خود را درباره رویکردهای نادرست شرکتهایی مانند گوگل و آمازون در مدیریت دادهها بیان میکند و افقهای آیندهای را که در ذهن دارد، شرح میدهد.
در این مصاحبه، ابتدا به روند توسعه پستگرس پرداختیم و دیدگاههای ایشان درباره مهمترین ویژگیهای این پایگاه داده و دلیل محبوبیت آن توضیح داده شد. ایشان معتقدند که معماری قدرتمند و انعطافپذیر پستگرس، آن را به ابزاری ایدهآل برای انواع پروژهها تبدیل کرده است. سپس، نظرات او درباره روندهای جدید در مدیریت دادهها و تفاوتهای مهم بین پستگرس و فناوریهایی که شرکتهای بزرگ در نظر دارند، ارائه شد. در ادامه، نگاهی به پروژهها و ابتکارهای آینده این دانشمند برجسته در زمینه فناوری اطلاعات و پایگاههای داده داشتیم.
در مجموع، این گفتوگو نمایی کامل و در عین حال مختصر از سیر تکاملی پستگرس است و نقشآفرینی مایک استونبریکر را در شکلگیری این ابزار حیاتی مشخص میکند. او با دیدگاهی نو و خلاقانه، آیندهای پرامید و پرچالش را در حوزه فناوری و دادهها ترسیم میکند و بیان میدارد که چگونه میتوان با بهرهگیری از فناوریهای باز و نوآوریهای مداوم، راهحلهایی کارآمد و مؤثر برای چالشهای امروزی پیدا کرد.
#پایگاه_داده #پستگرس #فناوری_اطلاعات #نوآوری
🟣لینک مقاله:
https://www.youtube.com/watch?v=YPObBOwIrHk
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Postgres at 30: A Chat With Its Creator
🟢 خلاصه مقاله:
بیست و نهمین سالگرد راهاندازی پایگاه داده پستگرس است و این مناسبت فرصتی است تا با یکی از شخصیتهای تاثیرگذار در دنیای فناوری، مایک استونبریکر، گفتوگو کنیم. ایشان بنیانگذار پروژه پستگرس هستند و نقش کلیدی در شکلگیری و توسعه این سیستم پایگاه داده Open Source داشتهاند. در این گفتگو، به تاریخچه شکلگیری پستگرس، چالشها و موفقیتهایی که طی این سالها کسب کرده، و تأثیر آن بر صنعت فناوری اطلاعات پرداخته شده است. همچنین، آقای استونبریکر نظرات خود را درباره رویکردهای نادرست شرکتهایی مانند گوگل و آمازون در مدیریت دادهها بیان میکند و افقهای آیندهای را که در ذهن دارد، شرح میدهد.
در این مصاحبه، ابتدا به روند توسعه پستگرس پرداختیم و دیدگاههای ایشان درباره مهمترین ویژگیهای این پایگاه داده و دلیل محبوبیت آن توضیح داده شد. ایشان معتقدند که معماری قدرتمند و انعطافپذیر پستگرس، آن را به ابزاری ایدهآل برای انواع پروژهها تبدیل کرده است. سپس، نظرات او درباره روندهای جدید در مدیریت دادهها و تفاوتهای مهم بین پستگرس و فناوریهایی که شرکتهای بزرگ در نظر دارند، ارائه شد. در ادامه، نگاهی به پروژهها و ابتکارهای آینده این دانشمند برجسته در زمینه فناوری اطلاعات و پایگاههای داده داشتیم.
در مجموع، این گفتوگو نمایی کامل و در عین حال مختصر از سیر تکاملی پستگرس است و نقشآفرینی مایک استونبریکر را در شکلگیری این ابزار حیاتی مشخص میکند. او با دیدگاهی نو و خلاقانه، آیندهای پرامید و پرچالش را در حوزه فناوری و دادهها ترسیم میکند و بیان میدارد که چگونه میتوان با بهرهگیری از فناوریهای باز و نوآوریهای مداوم، راهحلهایی کارآمد و مؤثر برای چالشهای امروزی پیدا کرد.
#پایگاه_داده #پستگرس #فناوری_اطلاعات #نوآوری
🟣لینک مقاله:
https://www.youtube.com/watch?v=YPObBOwIrHk
➖➖➖➖➖➖➖➖
👑 @Database_Academy
YouTube
Turing Award Winner: Disagreeing with Google, Postgres, Future Problems | Mike Stonebraker
Mike Stonebraker is a Turing Award winner famous for his contributions to fundamental database technologies. We discussed the story behind building Postgres, where he disagrees with Google/Amazon on databases, and what he's working on now.
🔸 My keyboard…
🔸 My keyboard…
🔵 عنوان مقاله
Scaling Recommendation Systems with Request-Level Deduplication (9 minute read)
🟢 خلاصه مقاله:
در مهندسی پینترست، راهحلی نوین برای گسترش سیستمهای پیشنهادی ارائه شده است که بر اساس حذف تکراری در سطح درخواست استوار است. این رویکرد به کمک تکنیکهایی مانند تنظیم دادهها بر اساس شناسه کاربری و درخواست در قالب سیستمهای مدیریت دادههای بزرگ مانند Apache Iceberg، باعث کاهش حجم دادهها و بهبود کارایی شده است. با سازماندهی دادهها به این شکل، پینترست توانسته است هر درخواست یکتا را تنها یکبار در فرآیندهای پردازش و ذخیره سازی ثبت کند، که این امر موجب کاهش چشمگیر نیاز به فضای ذخیرهسازی و افزایش سرعت پردازش میشود.
برای این منظور، سیستم از یک تبدیلکننده زمینه جداگانه که از حافظه کش کلید-مقدار در فرآیند رتبهبندی استفاده میکند بهره میبرد. این تکنیکها باعث میشوند سیستم بهتر بتواند درخواستهای مشابه را شناسایی و حذف کند، در نتیجه کیفیت توصیهها حفظ شده و در عین حال منابع مورد نیاز کاهش مییابد. علاوه بر این، تیم مهندسی پینترست با پیادهسازی اصلاحاتی هدفمند مانند استفاده از SyncBatchNorm و ماسک کردن سطح کاربر در حین آموزش، به بهبود فرآیندهای یادگیری ماشین کمک کرده است. این تغییرات در کنار سایر تکنیکها، سیستم پیشنهاددهی را قادر میسازد که در مقیاس بزرگ به شکلی مؤثر و پایدار عمل کند.
در نتیجه، این نوآوری در کاهش تکرار و بهبود کارایی سیستمهای پیشنهاد دهنده، نشانگر پیشرفت قابل توجه در مهندسی داده و یادگیری ماشین است. استفاده از تکنیکهای پیشرفته مانند درخواستسطح ددوبلیکیشن، راهکارهای عملی برای بهبود عملکرد سرویسهای بزرگ و پیچیده را فراهم میآورد و امکان ارائه پیشنهادهای دقیق و سریعتر به میلیونها کاربر را فراهم میسازد.
#سیستم_پیشنهاد #یادگیری_ماشین #پایگاه_داده #هوش_مصنوعی
🟣لینک مقاله:
https://medium.com/pinterest-engineering/scaling-recommendation-systems-with-request-level-deduplication-93bd514142d9?utm_source=tldrdata
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Scaling Recommendation Systems with Request-Level Deduplication (9 minute read)
🟢 خلاصه مقاله:
در مهندسی پینترست، راهحلی نوین برای گسترش سیستمهای پیشنهادی ارائه شده است که بر اساس حذف تکراری در سطح درخواست استوار است. این رویکرد به کمک تکنیکهایی مانند تنظیم دادهها بر اساس شناسه کاربری و درخواست در قالب سیستمهای مدیریت دادههای بزرگ مانند Apache Iceberg، باعث کاهش حجم دادهها و بهبود کارایی شده است. با سازماندهی دادهها به این شکل، پینترست توانسته است هر درخواست یکتا را تنها یکبار در فرآیندهای پردازش و ذخیره سازی ثبت کند، که این امر موجب کاهش چشمگیر نیاز به فضای ذخیرهسازی و افزایش سرعت پردازش میشود.
برای این منظور، سیستم از یک تبدیلکننده زمینه جداگانه که از حافظه کش کلید-مقدار در فرآیند رتبهبندی استفاده میکند بهره میبرد. این تکنیکها باعث میشوند سیستم بهتر بتواند درخواستهای مشابه را شناسایی و حذف کند، در نتیجه کیفیت توصیهها حفظ شده و در عین حال منابع مورد نیاز کاهش مییابد. علاوه بر این، تیم مهندسی پینترست با پیادهسازی اصلاحاتی هدفمند مانند استفاده از SyncBatchNorm و ماسک کردن سطح کاربر در حین آموزش، به بهبود فرآیندهای یادگیری ماشین کمک کرده است. این تغییرات در کنار سایر تکنیکها، سیستم پیشنهاددهی را قادر میسازد که در مقیاس بزرگ به شکلی مؤثر و پایدار عمل کند.
در نتیجه، این نوآوری در کاهش تکرار و بهبود کارایی سیستمهای پیشنهاد دهنده، نشانگر پیشرفت قابل توجه در مهندسی داده و یادگیری ماشین است. استفاده از تکنیکهای پیشرفته مانند درخواستسطح ددوبلیکیشن، راهکارهای عملی برای بهبود عملکرد سرویسهای بزرگ و پیچیده را فراهم میآورد و امکان ارائه پیشنهادهای دقیق و سریعتر به میلیونها کاربر را فراهم میسازد.
#سیستم_پیشنهاد #یادگیری_ماشین #پایگاه_داده #هوش_مصنوعی
🟣لینک مقاله:
https://medium.com/pinterest-engineering/scaling-recommendation-systems-with-request-level-deduplication-93bd514142d9?utm_source=tldrdata
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Medium
Scaling Recommendation Systems with Request-Level Deduplication
Authors: Matt Lawhon | Sr. Machine Learning Engineer; Filip Ryzner | Machine Learning Engineer II; Kousik Rajesh | Machine Learning…
🔵 عنوان مقاله
Why Postgres Lacks Transparent Data Encryption
🟢 خلاصه مقاله:
در دنیای مدیریت دادهها، امنیت اطلاعات همیشه یکی از اصلیترین نگرانیها است. بسیاری از سیستمهای پایگاه داده مدرن، از جمله برخی رقبا، قابلیت رمزگذاری شفاف دادهها یا همان Transparent Data Encryption (TDE) را به صورت داخلی و استاندارد در اختیار کاربران قرار میدهند. این قابلیت به مدیران و توسعهدهندگان این امکان را میدهد تا دادههای حساس را هنگام ذخیرهسازی در پایگاه داده بهصورت خودکار رمزگذاری کنند، بدون آنکه نیاز باشد برنامهنویسی خاصی انجام شود یا ابزارهای جانبی به کار گرفته شود. اما در مورد پایگاه داده محبوب PostgreSQL، این ویژگی به صورت پیشفرض وجود ندارد و کاربران برای استفاده از آن باید به خدمات واسطه یا افزونههایی مانند pg-tde متکی باشند.
علت این وضعیت، به دلایل تاریخی و طراحی درونی پایگاه داده برمیگردد. در بررسیهای قدیمی و مناقشات طولانیمدت، یکی از مهمترین چالشها، تعریف دقیق مشکل اصلی است که TDE قرار است حل کند، عنوان شده است. در حقیقت، باید سوال کرد که آیا نیاز به رمزگذاری شفاف دادهها، در حال حاضر و در محیطهایی که PostgreSQL مورد استفاده قرار میگیرد، واقعاً ضروری است یا شاید راهکارهای دیگری نیز وجود دارد که هنوز به اندازه کافی مورد توجه قرار نگرفتهاند؟
Shaun در تحلیلهای خود به بحثهای قدیمی در جامعه توسعهدهندگان پایگاه داده اشاره میکند و نشان میدهد که یکی از بزرگترین موانع در پیادهسازی داخلی TDE در PostgreSQL، همین ابهام در تعریف مشکل است. این ابهام باعث شده است که توسعهدهندگان نتوانند یک راهحل یکپارچه و native برای این قابلیت ارائه دهند، چرا که قبل از هر چیز باید بدانند چه مشکلی قرار است حل شود. نتیجه این که، در غیاب یک راهحل داخلی قوی، کاربران باید به سمت راهحلهای سوم شخص و توسعههای بیرونی روی آورند، امری که ممکن است مسائل امنیتی، نگهداری و ادغام را پیچیدهتر کند.
در نهایت، باید گفت که عدم وجود رمزگذاری شفاف در PostgreSQL، یکی از تفاوتهای شاخص آن با دیگر سیستمهای پایگاه داده است؛ تفاوتی که کاربرانی را که به این قابلیت نیاز دارند، مجبور میکند تا به راهکارهای جانبی و غیر استاندارد تکیه کنند. هرچند این وضعیت ممکن است در کوتاهمدت چالشهایی به همراه داشته باشد، اما در عین حال نشاندهنده مسیر آینده و نیاز به گفتوگوهای بیشتر در جامعه توسعهدهندگان است که میتواند منجر به بهبودهای اساسی در نسخههای آینده PostgreSQL شود.
#PostgreSQL #امنیت_داده #رمزگذاری #پایگاه_داده
🟣لینک مقاله:
https://www.pgedge.com/blog/why-postgres-lacks-transparent-data-encryption
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Why Postgres Lacks Transparent Data Encryption
🟢 خلاصه مقاله:
در دنیای مدیریت دادهها، امنیت اطلاعات همیشه یکی از اصلیترین نگرانیها است. بسیاری از سیستمهای پایگاه داده مدرن، از جمله برخی رقبا، قابلیت رمزگذاری شفاف دادهها یا همان Transparent Data Encryption (TDE) را به صورت داخلی و استاندارد در اختیار کاربران قرار میدهند. این قابلیت به مدیران و توسعهدهندگان این امکان را میدهد تا دادههای حساس را هنگام ذخیرهسازی در پایگاه داده بهصورت خودکار رمزگذاری کنند، بدون آنکه نیاز باشد برنامهنویسی خاصی انجام شود یا ابزارهای جانبی به کار گرفته شود. اما در مورد پایگاه داده محبوب PostgreSQL، این ویژگی به صورت پیشفرض وجود ندارد و کاربران برای استفاده از آن باید به خدمات واسطه یا افزونههایی مانند pg-tde متکی باشند.
علت این وضعیت، به دلایل تاریخی و طراحی درونی پایگاه داده برمیگردد. در بررسیهای قدیمی و مناقشات طولانیمدت، یکی از مهمترین چالشها، تعریف دقیق مشکل اصلی است که TDE قرار است حل کند، عنوان شده است. در حقیقت، باید سوال کرد که آیا نیاز به رمزگذاری شفاف دادهها، در حال حاضر و در محیطهایی که PostgreSQL مورد استفاده قرار میگیرد، واقعاً ضروری است یا شاید راهکارهای دیگری نیز وجود دارد که هنوز به اندازه کافی مورد توجه قرار نگرفتهاند؟
Shaun در تحلیلهای خود به بحثهای قدیمی در جامعه توسعهدهندگان پایگاه داده اشاره میکند و نشان میدهد که یکی از بزرگترین موانع در پیادهسازی داخلی TDE در PostgreSQL، همین ابهام در تعریف مشکل است. این ابهام باعث شده است که توسعهدهندگان نتوانند یک راهحل یکپارچه و native برای این قابلیت ارائه دهند، چرا که قبل از هر چیز باید بدانند چه مشکلی قرار است حل شود. نتیجه این که، در غیاب یک راهحل داخلی قوی، کاربران باید به سمت راهحلهای سوم شخص و توسعههای بیرونی روی آورند، امری که ممکن است مسائل امنیتی، نگهداری و ادغام را پیچیدهتر کند.
در نهایت، باید گفت که عدم وجود رمزگذاری شفاف در PostgreSQL، یکی از تفاوتهای شاخص آن با دیگر سیستمهای پایگاه داده است؛ تفاوتی که کاربرانی را که به این قابلیت نیاز دارند، مجبور میکند تا به راهکارهای جانبی و غیر استاندارد تکیه کنند. هرچند این وضعیت ممکن است در کوتاهمدت چالشهایی به همراه داشته باشد، اما در عین حال نشاندهنده مسیر آینده و نیاز به گفتوگوهای بیشتر در جامعه توسعهدهندگان است که میتواند منجر به بهبودهای اساسی در نسخههای آینده PostgreSQL شود.
#PostgreSQL #امنیت_داده #رمزگذاری #پایگاه_داده
🟣لینک مقاله:
https://www.pgedge.com/blog/why-postgres-lacks-transparent-data-encryption
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Pgedge
Why Postgres Lacks Transparent Data Encryption
Oracle, SQL Server, and MySQL all ship Transparent Data Encryption. Postgres doesn't... yet the mailing list threads go back to 2016. Here's the full history: five implementations, four remaining, zero in community PostgreSQL, and why the debate hasn't closed.
🔵 عنوان مقاله
Helping the Planner Help You
🟢 خلاصه مقاله:
وقتی دو ستون با هم همبستگی دارند، پایگاه داده پستگرس تصور میکند که این ستونها مستقل از یکدیگر هستند. این فرض نادرست میتواند منجر به تخمین نادرست برآوردهای ردیفها در طرحهای استراتژیک کوئری شود و در نتیجه، برنامههای اجرا ناپایدار و ناکارآمدی را به همراه داشته باشد. در این حالت، برنامهریزان کوئری به دلیل فرض نادرستی که درباره استقلال این ستونها دارند، تصمیمات نادرستی میگیرند و ممکن است نتایج مطلوبی حاصل نشود.
در این مقاله، به معرفی امکان CREATE STATISTICS در پستگرس میپردازیم، ابزاری که به کمک آن میتوان اطلاعات دقیقتری درباره روابط بین ستونها جمعآوری کرد. این ویژگی به پایگاه داده کمک میکند تا درک بهتری از وابستگیهای موجود در دادهها داشته باشد و بر اساس آن، طرحهای کوئری بهبود یافتهای ارائه دهد. در نتیجه، برنامهریز قادر است برآوردهای خود را بر اساس دادههای واقعی تنظیم کند، که این امر منجر به تولید طرحهای اجرایی کاراتر و سریعتر میشود.
با بهرهگیری از این امکانات، میتوانید عملکرد پایگاه دادهتان را ارتقاء دهید و کوئریهای پیچیده و حساستر را با دقت بیشتر اجرا کنید. در نتیجه، به جای تکیه بر فرضیات نادرست، تصمیمات بهتری در طراحی و بهینهسازی کوئریها خواهید داشت و هزینههای مربوط به منابع سیستم کاهش مییابد.
#پستگرس #بهینگی_کوئری #پایگاه_داده #توسعه_فناوری
🟣لینک مقاله:
https://www.valerieparhamthompson.com/posts/extended-statistics-postgres/
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Helping the Planner Help You
🟢 خلاصه مقاله:
وقتی دو ستون با هم همبستگی دارند، پایگاه داده پستگرس تصور میکند که این ستونها مستقل از یکدیگر هستند. این فرض نادرست میتواند منجر به تخمین نادرست برآوردهای ردیفها در طرحهای استراتژیک کوئری شود و در نتیجه، برنامههای اجرا ناپایدار و ناکارآمدی را به همراه داشته باشد. در این حالت، برنامهریزان کوئری به دلیل فرض نادرستی که درباره استقلال این ستونها دارند، تصمیمات نادرستی میگیرند و ممکن است نتایج مطلوبی حاصل نشود.
در این مقاله، به معرفی امکان CREATE STATISTICS در پستگرس میپردازیم، ابزاری که به کمک آن میتوان اطلاعات دقیقتری درباره روابط بین ستونها جمعآوری کرد. این ویژگی به پایگاه داده کمک میکند تا درک بهتری از وابستگیهای موجود در دادهها داشته باشد و بر اساس آن، طرحهای کوئری بهبود یافتهای ارائه دهد. در نتیجه، برنامهریز قادر است برآوردهای خود را بر اساس دادههای واقعی تنظیم کند، که این امر منجر به تولید طرحهای اجرایی کاراتر و سریعتر میشود.
با بهرهگیری از این امکانات، میتوانید عملکرد پایگاه دادهتان را ارتقاء دهید و کوئریهای پیچیده و حساستر را با دقت بیشتر اجرا کنید. در نتیجه، به جای تکیه بر فرضیات نادرست، تصمیمات بهتری در طراحی و بهینهسازی کوئریها خواهید داشت و هزینههای مربوط به منابع سیستم کاهش مییابد.
#پستگرس #بهینگی_کوئری #پایگاه_داده #توسعه_فناوری
🟣لینک مقاله:
https://www.valerieparhamthompson.com/posts/extended-statistics-postgres/
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Valerie Parham-Thompson: Database architecture for teams ready to launch and scale
Extended Statistics in Postgres
Using extended statistics helps improve performance for queries in postgres.
🔵 عنوان مقاله
pg_column_size(): What You See Isn't What You Get
🟢 خلاصه مقاله:
در مورد تابع pg_column_size()، باید توجه داشت که چیزی که در ظاهر مشاهده میشود، همیشه نشاندهنده اندازه واقعی دادهها نیست. این تابع در پایگاه دادههای PostgreSQL میزان حجم فضایی که یک ستون یا مقدار خاص اشغال میکند را برمیگرداند، اما این محاسبه ممکن است با انتظارات برخی کاربران متفاوت باشد. گاهی اوقات، اطلاعاتی نشان داده میشود که به خاطر جزئیات داخلی پیدرپیها یا ساختارهای ذخیرهسازی، ممکن است کمی ابهامآمیز باشد و تصور کنید که اندازه واقعی دادهها را نشان میدهد، در حالی که در واقع اینطور نیست.
تیم توسعه و مستندسازی PostgreSQL در حال تلاش است تا این سوءتفاهم را برطرف کند و مستندات مربوط به تابع pg_column_size() را دقیقتر و شفافتر ارائه دهد. لایتیشیا نیز خواستار اصلاح این مستندات است تا توسعهدهندگان بتوانند بهتر درک کنند که این تابع چه مقدار از فضای ذخیرهسازی حقیقی دادهها را نشان میدهد و چگونه باید از آن استفاده کنند تا نتایج دقیقی دریافت کنند. در نهایت، هدف این است که کاربران بتوانند با اطمینان بیشتری از این تابع بهرهمند شوند و تفسیر درستی از اندازههای ارائه شده داشته باشند.
در نتیجه، مهم است که هم توسعهدهندگان و هم کاربران پایگاه داده، بدانند که آن چه در ظاهر و در خروجی تابع مشاهده میشود، ممکن است واقعیت کامل اندازه دادهها را منعکس نکند. اصلاح مستندات و شفافسازی این موضوع، گامی مهم در راستای بهبود کاربری و تفسیر صحیح اطلاعات در PostgreSQL است.
#PostgreSQL #مدیریت_پایگاه_داده #برنامه_نویسی #پایگاه_داده
🟣لینک مقاله:
https://postgresweekly.com/link/183424/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
pg_column_size(): What You See Isn't What You Get
🟢 خلاصه مقاله:
در مورد تابع pg_column_size()، باید توجه داشت که چیزی که در ظاهر مشاهده میشود، همیشه نشاندهنده اندازه واقعی دادهها نیست. این تابع در پایگاه دادههای PostgreSQL میزان حجم فضایی که یک ستون یا مقدار خاص اشغال میکند را برمیگرداند، اما این محاسبه ممکن است با انتظارات برخی کاربران متفاوت باشد. گاهی اوقات، اطلاعاتی نشان داده میشود که به خاطر جزئیات داخلی پیدرپیها یا ساختارهای ذخیرهسازی، ممکن است کمی ابهامآمیز باشد و تصور کنید که اندازه واقعی دادهها را نشان میدهد، در حالی که در واقع اینطور نیست.
تیم توسعه و مستندسازی PostgreSQL در حال تلاش است تا این سوءتفاهم را برطرف کند و مستندات مربوط به تابع pg_column_size() را دقیقتر و شفافتر ارائه دهد. لایتیشیا نیز خواستار اصلاح این مستندات است تا توسعهدهندگان بتوانند بهتر درک کنند که این تابع چه مقدار از فضای ذخیرهسازی حقیقی دادهها را نشان میدهد و چگونه باید از آن استفاده کنند تا نتایج دقیقی دریافت کنند. در نهایت، هدف این است که کاربران بتوانند با اطمینان بیشتری از این تابع بهرهمند شوند و تفسیر درستی از اندازههای ارائه شده داشته باشند.
در نتیجه، مهم است که هم توسعهدهندگان و هم کاربران پایگاه داده، بدانند که آن چه در ظاهر و در خروجی تابع مشاهده میشود، ممکن است واقعیت کامل اندازه دادهها را منعکس نکند. اصلاح مستندات و شفافسازی این موضوع، گامی مهم در راستای بهبود کاربری و تفسیر صحیح اطلاعات در PostgreSQL است.
#PostgreSQL #مدیریت_پایگاه_داده #برنامه_نویسی #پایگاه_داده
🟣لینک مقاله:
https://postgresweekly.com/link/183424/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
mydbanotebook.org
pg_column_size(): What you see is not what you get | My DBA Notebook
Thanks to my colleague Ozair, who sent me a JIRA ticket saying “I need to drop that huge column, what are the consequences?” My first question was: how huge? That’s when the rabbit hole opened.
It looks simple. It is simple. Just use the administrative function…
It looks simple. It is simple. Just use the administrative function…
🔵 عنوان مقاله
Benchmarking How Workflow Execution Scales on Postgres
🟢 خلاصه مقاله:
در دنیای دیتابیسها و سیستمهای مدیریت داده، توانایی اندازهگیری و ارزیابی عملکرد اجرای فرآیندهای کاری اهمیت زیادی دارد. مقاله اخیر در خبرنامه هفتگی Golang، به بررسی نحوه سنجش و مقیاسپذیری اجرای کارها بر روی پایگاه داده PostgreSQL میپردازد. این موضوع برای توسعهدهندگان، مدیران سیستم و مهندسان داده حائز اهمیت است، چون درک صحیح از نحوه عملکرد پایگاه داده در حجمهای کاری مختلف، میتواند تأثیر قابل توجهی بر بهبود کارایی و بهرهوری سیستمها داشته باشد.
در این مقاله، ابتدا مفاهیم پایه مربوط به اجرای فرآیندها و نحوه اندازهگیری عملکرد آنها در PostgreSQL توضیح داده میشود. سپس، روشها و ابزارهایی که برای سنجش کارایی سیستم در سناریوهای مختلف به کار میروند، معرفی میشوند. این بخش همچنین به چالشهایی که در مقیاسپذیری فرآیندهای کاری ممکن است پیش بیاید و راهکارهای مقابله با آنها اشاره دارد.
در ادامه، مقاله به تحلیل نتایج و نمونههای عملی میپردازد، نشان میدهد که چگونه میتوان عملکرد پایگاه داده را در شرایط گوناگون ارزیابی و بهینهسازی کرد. این دادهها به توسعهدهندگان و مدیران کمک میکند تا نقاط ضعف و قوت سیستم را شناسایی کرده و تصمیمات مناسبتری برای توسعه و نگهداری پایگاههای داده اتخاذ نمایند.
در کل، این مطالعه ابزاری ارزشمند برای کسانی است که به دنبال افزایش مقیاسپذیری سیستمهای پایگاه داده بر مبنای PostgreSQL هستند، و میتواند راهنمایی مناسب در جهت بهبود کارایی عملیاتهای پیچیده در محیطهای بزرگ باشد.
پایان، این مقاله راهکارهای مؤثری برای مدیریت و بهبود عملکرد سیستمهای مبتنی بر PostgreSQL ارائه میدهد که در زمان نیاز، میتواند به بهبود چشمگیر عملکرد سیستمها کمک کند.
#پایگاهداده #PostgreSQL #مقیاسپذیری #بهینهسازی
🟣لینک مقاله:
https://postgresweekly.com/link/184476/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Benchmarking How Workflow Execution Scales on Postgres
🟢 خلاصه مقاله:
در دنیای دیتابیسها و سیستمهای مدیریت داده، توانایی اندازهگیری و ارزیابی عملکرد اجرای فرآیندهای کاری اهمیت زیادی دارد. مقاله اخیر در خبرنامه هفتگی Golang، به بررسی نحوه سنجش و مقیاسپذیری اجرای کارها بر روی پایگاه داده PostgreSQL میپردازد. این موضوع برای توسعهدهندگان، مدیران سیستم و مهندسان داده حائز اهمیت است، چون درک صحیح از نحوه عملکرد پایگاه داده در حجمهای کاری مختلف، میتواند تأثیر قابل توجهی بر بهبود کارایی و بهرهوری سیستمها داشته باشد.
در این مقاله، ابتدا مفاهیم پایه مربوط به اجرای فرآیندها و نحوه اندازهگیری عملکرد آنها در PostgreSQL توضیح داده میشود. سپس، روشها و ابزارهایی که برای سنجش کارایی سیستم در سناریوهای مختلف به کار میروند، معرفی میشوند. این بخش همچنین به چالشهایی که در مقیاسپذیری فرآیندهای کاری ممکن است پیش بیاید و راهکارهای مقابله با آنها اشاره دارد.
در ادامه، مقاله به تحلیل نتایج و نمونههای عملی میپردازد، نشان میدهد که چگونه میتوان عملکرد پایگاه داده را در شرایط گوناگون ارزیابی و بهینهسازی کرد. این دادهها به توسعهدهندگان و مدیران کمک میکند تا نقاط ضعف و قوت سیستم را شناسایی کرده و تصمیمات مناسبتری برای توسعه و نگهداری پایگاههای داده اتخاذ نمایند.
در کل، این مطالعه ابزاری ارزشمند برای کسانی است که به دنبال افزایش مقیاسپذیری سیستمهای پایگاه داده بر مبنای PostgreSQL هستند، و میتواند راهنمایی مناسب در جهت بهبود کارایی عملیاتهای پیچیده در محیطهای بزرگ باشد.
پایان، این مقاله راهکارهای مؤثری برای مدیریت و بهبود عملکرد سیستمهای مبتنی بر PostgreSQL ارائه میدهد که در زمان نیاز، میتواند به بهبود چشمگیر عملکرد سیستمها کمک کند.
#پایگاهداده #PostgreSQL #مقیاسپذیری #بهینهسازی
🟣لینک مقاله:
https://postgresweekly.com/link/184476/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
www.dbos.dev
Benchmarking How Workflow Execution Scales on Postgres | DBOS
Benchmarking the workflow execution and workflow queueing scalability of a single Postgres server.
Forwarded from VIP
🚀 دنبال یک VPN سریع، پایدار و امن هستید؟ این فرصت را از دست ندهید!
❤️ با کد تخفیف اختصاصی Labdon، ۲۰٪ تخفیف دریافت کنید. ❤️
✅ مناسب برای برنامهنویسان و توسعهدهندگان
✅ عالی برای وبگردی و شبکههای اجتماعی
✅ سرعت بالا و پینگ مناسب
✅ امنیت و پایداری فوقالعاده
✅ سازگار با انواع دستگاهها
🎁 همین حالا سرویس خود را با تخفیف ویژه تهیه کنید.
👇🐝👇🐝👇🐝👇
https://xn--r1a.website/SiftalNetBot
❤️ با کد تخفیف اختصاصی Labdon، ۲۰٪ تخفیف دریافت کنید. ❤️
✅ مناسب برای برنامهنویسان و توسعهدهندگان
✅ عالی برای وبگردی و شبکههای اجتماعی
✅ سرعت بالا و پینگ مناسب
✅ امنیت و پایداری فوقالعاده
✅ سازگار با انواع دستگاهها
🎁 همین حالا سرویس خود را با تخفیف ویژه تهیه کنید.
👇🐝👇🐝👇🐝👇
https://xn--r1a.website/SiftalNetBot
🔵 عنوان مقاله
The Potential Consequences of Using Postgres as a Job Queue
🟢 خلاصه مقاله:
در کارهای کوچک، استفاده از پایگاه داده پستگرس به عنوان صف وظایف معمولاً مشکلی ایجاد نمیکند و کارایی مناسبی دارد. اما زمانی که پروژه بزرگتر و نیازهای سیستم پیچیدهتر میشود، ممکن است این روش دچار مشکلاتی شود. به مرور زمان، با افزایش حجم کارها و تعداد درخواستها، کارایی و قابلیت اطمینان پایگاه داده در مدیریت صفها کاهش یافته و ممکن است باعث کندی سیستم، خطاهای در انتظار و مشکلات در زمانبندی وظایف شود.
در چنین شرایطی، متخصصان و توسعهدهندگان باید به دنبال راهکارهای جایگزین باشند که بتوانند نیازهای مقیاسپذیری و کارایی را بهتر برآورده کنند. گزینههایی مانند RabbitMQ، Kafka یا دیگر سامانههای صفبندی معمولاً در مواردی که حجم کار بالا، درخواستهای موازی و نیاز به اطمینان در اجرای وظایف وجود دارد، پیشنهاد میشوند. این ابزارها امکانات پیشرفتهتری برای مدیریت صفها، همگامسازی و انجام عملیات و دستهبندی وظایف ارائه میدهند.
در نهایت، شناخت محدودیتهای پستگرس در استفاده به عنوان صف وظایف و داشتن آگاهی درباره گزینههای دیگر، به تیمهای توسعه کمک میکند تا در زمان مناسب تصمیمهای بهتری بگیرند و سیستمهای مقیاسپذیر و پایدارتر طراحی کنند. بر اساس تجربیات و راهنماییهای عملی، میتوان راهکارهای مناسب برای کنار گذاشتن پستگرس در پروژههای بزرگتر یافت.
#پایگاه_داده #صفوظایف #مقیاسپذیری #توسعه
🟣لینک مقاله:
https://postgresweekly.com/link/184809/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
The Potential Consequences of Using Postgres as a Job Queue
🟢 خلاصه مقاله:
در کارهای کوچک، استفاده از پایگاه داده پستگرس به عنوان صف وظایف معمولاً مشکلی ایجاد نمیکند و کارایی مناسبی دارد. اما زمانی که پروژه بزرگتر و نیازهای سیستم پیچیدهتر میشود، ممکن است این روش دچار مشکلاتی شود. به مرور زمان، با افزایش حجم کارها و تعداد درخواستها، کارایی و قابلیت اطمینان پایگاه داده در مدیریت صفها کاهش یافته و ممکن است باعث کندی سیستم، خطاهای در انتظار و مشکلات در زمانبندی وظایف شود.
در چنین شرایطی، متخصصان و توسعهدهندگان باید به دنبال راهکارهای جایگزین باشند که بتوانند نیازهای مقیاسپذیری و کارایی را بهتر برآورده کنند. گزینههایی مانند RabbitMQ، Kafka یا دیگر سامانههای صفبندی معمولاً در مواردی که حجم کار بالا، درخواستهای موازی و نیاز به اطمینان در اجرای وظایف وجود دارد، پیشنهاد میشوند. این ابزارها امکانات پیشرفتهتری برای مدیریت صفها، همگامسازی و انجام عملیات و دستهبندی وظایف ارائه میدهند.
در نهایت، شناخت محدودیتهای پستگرس در استفاده به عنوان صف وظایف و داشتن آگاهی درباره گزینههای دیگر، به تیمهای توسعه کمک میکند تا در زمان مناسب تصمیمهای بهتری بگیرند و سیستمهای مقیاسپذیر و پایدارتر طراحی کنند. بر اساس تجربیات و راهنماییهای عملی، میتوان راهکارهای مناسب برای کنار گذاشتن پستگرس در پروژههای بزرگتر یافت.
#پایگاه_داده #صفوظایف #مقیاسپذیری #توسعه
🟣لینک مقاله:
https://postgresweekly.com/link/184809/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Richyen
Potential Consequences of Using Postgres as a Job Queue
This post was originally published on the Microsoft Tech Community Blog.
🔵 عنوان مقاله
"it appears all but certain that [he] will be able to secure enough funding to continue the project."
🟢 خلاصه مقاله:
به نظر میرسد که تقریباً قطعی است او بتواند میزان کافی سرمایهگذاری را برای ادامه پروژه تامین کند. این موضوع نشان دهندهی اعتماد و حمایتهایی است که در مسیر پیشرفت این پروژه وجود دارد و احتمالا با تامین منابع لازم، کار به سمت اهداف موردنظر حرکت خواهد کرد. پس از این روند، انتظار میرود که پروژه با قدرت بیشتری ادامه یابد و به نتایج مطلوبتری دست یابد.
پیشنهاد میشود برای آینده، تمرکز بر جذب سرمایه و منابع مالی پایدار همچنان حفظ شود تا از هرگونه نگرانی مالی در مسیر توسعه جلوگیری گردد. با این اقدام، مطمئنتر میتوان برنامهریزیهای بلندمدت انجام داد و پروژه را با آرامش بیشتری پیش برد.
#سرمایهگذاری #پروژه_توسعه #پشتیبانی #کسبوکار
🟣لینک مقاله:
https://postgresweekly.com/link/184811/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
"it appears all but certain that [he] will be able to secure enough funding to continue the project."
🟢 خلاصه مقاله:
به نظر میرسد که تقریباً قطعی است او بتواند میزان کافی سرمایهگذاری را برای ادامه پروژه تامین کند. این موضوع نشان دهندهی اعتماد و حمایتهایی است که در مسیر پیشرفت این پروژه وجود دارد و احتمالا با تامین منابع لازم، کار به سمت اهداف موردنظر حرکت خواهد کرد. پس از این روند، انتظار میرود که پروژه با قدرت بیشتری ادامه یابد و به نتایج مطلوبتری دست یابد.
پیشنهاد میشود برای آینده، تمرکز بر جذب سرمایه و منابع مالی پایدار همچنان حفظ شود تا از هرگونه نگرانی مالی در مسیر توسعه جلوگیری گردد. با این اقدام، مطمئنتر میتوان برنامهریزیهای بلندمدت انجام داد و پروژه را با آرامش بیشتری پیش برد.
#سرمایهگذاری #پروژه_توسعه #پشتیبانی #کسبوکار
🟣لینک مقاله:
https://postgresweekly.com/link/184811/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
GitHub
GitHub - pgbackrest/pgbackrest: Reliable PostgreSQL Backup & Restore
Reliable PostgreSQL Backup & Restore. Contribute to pgbackrest/pgbackrest development by creating an account on GitHub.
🔵 عنوان مقاله
Absurd: A Postgres-Native Durable Workflow System
🟢 خلاصه مقاله:
سیستم Absurd، یک سیستم گردش کار مقاوم در برابر خطا و مبتنی بر پایگاه داده PostgreSQL، است که به عنوان «سادهترین سیستم اجرای مداوم و مقاوم در برابر خطا» توصیف میشود. این سامانه بر پایه یک فایل SQL طراحی شده است و وظیفه مدیریت مجموعهای از فعالیتها، صفها و کارگران را بر عهده دارد. هدف آن ارائه راهکاری است که بتواند عملیات چندمرحلهای را به صورت پیوسته و بدون نگرانی از توقف یا خطا اجرا کند.
این سیستم به گونهای طراحی شده است که به راحتی قابل پیادهسازی و استفاده در پروژههای مختلف باشد. برای سهولت در توسعه و ادغام، SDKهای مخصوصی برای زبانهای برنامهنویسی محبوب نظیر تایپاسکریپت، پایتون و گو وجود دارد. با استفاده از این ابزارهای توسعه، برنامهنویسان میتوانند به راحتی گردشهای کاری پیچیده را در پروژههای خود راهاندازی و مدیریت کنند، بدون آنکه نیاز به زیرساختهای پیچیده یا موتورهای اجرای جداگانه داشته باشند.
در نهایت، Absurd با بهرهگیری از قابلیتهای اهلمن در Postgres، بستری قدرتمند، مستحکم و کاربرپسند برای پیادهسازی گردشهای کاری مقاوم ارائه میدهد که میتواند در هر پروژهای که نیازمند اجرای چندمرحلهای و پایدار است، نقش مهمی ایفا کند.
#پایگاه_داده #Postgres #سیستم_گردش_کار #پروژه_مقاوم
🟣لینک مقاله:
https://earendil-works.github.io/absurd/
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Absurd: A Postgres-Native Durable Workflow System
🟢 خلاصه مقاله:
سیستم Absurd، یک سیستم گردش کار مقاوم در برابر خطا و مبتنی بر پایگاه داده PostgreSQL، است که به عنوان «سادهترین سیستم اجرای مداوم و مقاوم در برابر خطا» توصیف میشود. این سامانه بر پایه یک فایل SQL طراحی شده است و وظیفه مدیریت مجموعهای از فعالیتها، صفها و کارگران را بر عهده دارد. هدف آن ارائه راهکاری است که بتواند عملیات چندمرحلهای را به صورت پیوسته و بدون نگرانی از توقف یا خطا اجرا کند.
این سیستم به گونهای طراحی شده است که به راحتی قابل پیادهسازی و استفاده در پروژههای مختلف باشد. برای سهولت در توسعه و ادغام، SDKهای مخصوصی برای زبانهای برنامهنویسی محبوب نظیر تایپاسکریپت، پایتون و گو وجود دارد. با استفاده از این ابزارهای توسعه، برنامهنویسان میتوانند به راحتی گردشهای کاری پیچیده را در پروژههای خود راهاندازی و مدیریت کنند، بدون آنکه نیاز به زیرساختهای پیچیده یا موتورهای اجرای جداگانه داشته باشند.
در نهایت، Absurd با بهرهگیری از قابلیتهای اهلمن در Postgres، بستری قدرتمند، مستحکم و کاربرپسند برای پیادهسازی گردشهای کاری مقاوم ارائه میدهد که میتواند در هر پروژهای که نیازمند اجرای چندمرحلهای و پایدار است، نقش مهمی ایفا کند.
#پایگاه_داده #Postgres #سیستم_گردش_کار #پروژه_مقاوم
🟣لینک مقاله:
https://earendil-works.github.io/absurd/
➖➖➖➖➖➖➖➖
👑 @Database_Academy
earendil-works.github.io
Absurd
Absurd is a Postgres-native durable workflow system built around durable execution in PostgreSQL.
🔵 عنوان مقاله
Less Obvious Things to Know About Indexes
🟢 خلاصه مقاله:
در دنیای پایگاههای داده، شاخصها یکی از ابزارهای حیاتی برای بهبود عملکرد هستند، اما برخی نکات ظریف و کمتر شناختهشده درباره آنها وجود دارد که میتوانند تأثیر زیادی بر کارایی و طراحی سیستم داشته باشند. در این مقاله، به مسائلی میپردازیم که در نگاه اول چندان آشکار نیستند، اما در عمل اهمیت زیادی دارند. برای مثال، شناخت نحوه ترتیب قرارگیری شاخصهای ترکیبی میتواند تفاوت بین یک کوئری سریع و کند را رقم بزند. همچنین، نحوه فراخوانی توابع روی ستونها در زمان ایجاد شاخص، چگونگی تأثیر آن بر فرآیند جستجو و بهبود یا کاهش سرعت آن را مشخص میکند. علاوه بر این، باید توجه داشت که برخی شاخصها برای دادههایی ساخته میشوند که در آینده هرگز بر سر راه ما قرار نخواهند گرفت و نادیده گرفتن این موضوع میتواند منابع بیفایدهای مصرف کند. آگاهی از این نکات پنهان، قدرت شما را در بهینهسازی و مدیریت بهتر پایگاه دادهها افزایش میدهد و کمک میکند تا از منابع به بهترین شکل بهرهمند شوید.
کوتاه اما کارآمد، این موارد راهنماییهایی هستند که میتوانند در طراحی و نگهداری سیستمهای دادهمحور تاثیر بسزایی داشته باشند و اجازه میدهند که کنترل دقیقتری بر فرآیندهای اجرایی و بهینهسازی کوئریها داشته باشید.
#پایگاه_داده #بهینهسازی #ایندکس #فناوری
🟣لینک مقاله:
https://postgresweekly.com/link/183802/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Less Obvious Things to Know About Indexes
🟢 خلاصه مقاله:
در دنیای پایگاههای داده، شاخصها یکی از ابزارهای حیاتی برای بهبود عملکرد هستند، اما برخی نکات ظریف و کمتر شناختهشده درباره آنها وجود دارد که میتوانند تأثیر زیادی بر کارایی و طراحی سیستم داشته باشند. در این مقاله، به مسائلی میپردازیم که در نگاه اول چندان آشکار نیستند، اما در عمل اهمیت زیادی دارند. برای مثال، شناخت نحوه ترتیب قرارگیری شاخصهای ترکیبی میتواند تفاوت بین یک کوئری سریع و کند را رقم بزند. همچنین، نحوه فراخوانی توابع روی ستونها در زمان ایجاد شاخص، چگونگی تأثیر آن بر فرآیند جستجو و بهبود یا کاهش سرعت آن را مشخص میکند. علاوه بر این، باید توجه داشت که برخی شاخصها برای دادههایی ساخته میشوند که در آینده هرگز بر سر راه ما قرار نخواهند گرفت و نادیده گرفتن این موضوع میتواند منابع بیفایدهای مصرف کند. آگاهی از این نکات پنهان، قدرت شما را در بهینهسازی و مدیریت بهتر پایگاه دادهها افزایش میدهد و کمک میکند تا از منابع به بهترین شکل بهرهمند شوید.
کوتاه اما کارآمد، این موارد راهنماییهایی هستند که میتوانند در طراحی و نگهداری سیستمهای دادهمحور تاثیر بسزایی داشته باشند و اجازه میدهند که کنترل دقیقتری بر فرآیندهای اجرایی و بهینهسازی کوئریها داشته باشید.
#پایگاه_داده #بهینهسازی #ایندکس #فناوری
🟣لینک مقاله:
https://postgresweekly.com/link/183802/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
🔵 عنوان مقاله
PgQue: A Pure SQL + PL/pgSQL Zero-Bloat Postgres Queue
🟢 خلاصه مقاله:
در دنیای مدیریت صفهای پردازشی، ابزارها و فناوریهای مختلفی وجود دارند که هر کدام مزایا و محدودیتهای خاص خود را دارند. یکی از مشکلات رایج در سیستمهای صف، افزایش غیرضروری حجم جداول رویداد است که باعث کاهش کارایی و کندی سیستم میشود. به همین دلیل، تولیدکنندهای با سابقه در حوزه پستگرس، نسخهای نوین و مدرن از PgQ شرکت اسکایپ را ارائه داده است که کاملاً بر پایه SQL خالص و PL/pgSQL ساخته شده و بدون اصطلاح “بُلد” یا اجزای اضافی است.
این نسخه جدید، بر خلاف صفهای کاری معمول که غالباً به فضا و منابع زیادی نیاز دارند، ساختاری نزدیکتر به Kafka دارد. در نتیجه، حجم جداول رویداد به طور قابل توجهی کاهش یافته و فرآیند انتشار (fan-out) به صورت بومی و مستقیم در خود بانک اطلاعاتی انجام میشود. نکته مثبت دیگر این است که از اصطلاح SKIP LOCKED پشتیبانی نمیکند که معمولاً در صفهای دیگری برای مدیریت قفلها استفاده میشود، و این مسأله میتواند مزیتهایی در حوزه کارایی و سادگی سیستم فراهم کند. این ابزار، راهحلی مدرن، کارآمد و کمحجم برای مدیریت صفهای پردازشی در محیطهای پستگرس است که بهرهوری و مقیاسپذیری سیستمهای دادهمحور را بهبود میبخشد.
---
در نسخه جدید، از یک فایل تنها SQL و pg_cron برای مدیریت زمانبندی و اجرای وظایف بهره میبرد، که کار با آن را بسیار ساده و موثر میسازد. این رویکرد، امکان ایجاد، مدیریت و اجرا سریع صفهای پردازشی را بدون نیاز به نصب یا پیکربندی پیچیده فراهم میآورد. در نتیجه، توسعهدهندگان و مدیران سیستمها میتوانند از این سیستم برای ساختن صفهای سبک و مقیاسپذیر، که دقیقاً نیازهای پردازشیشان را برآورده میکنند، بهرهمند شوند.
در پایان، این فناوری نوین به عنوان جایگزینی قدرتمند برای صفهای قدیمی و پیچیده در محیطهای پستگرس عمل میکند و کمک میکند سیستمهای دادهمحور سریعتر و بهینهتر عمل کنند. با توجه به ویژگیهای منحصر به فرد و سودمندیهای آن، میتواند گزینهای مناسب برای تیمهای توسعه و مدیران پایگاه داده باشد که به دنبال راهحلی مدرن و کمحجم برای مدیریت صفهای کاری هستند.
#پستگرس #مدیریت_صف #پایگاه_داده #برنامهنویسی
🟣لینک مقاله:
https://postgresweekly.com/link/184126/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
PgQue: A Pure SQL + PL/pgSQL Zero-Bloat Postgres Queue
🟢 خلاصه مقاله:
در دنیای مدیریت صفهای پردازشی، ابزارها و فناوریهای مختلفی وجود دارند که هر کدام مزایا و محدودیتهای خاص خود را دارند. یکی از مشکلات رایج در سیستمهای صف، افزایش غیرضروری حجم جداول رویداد است که باعث کاهش کارایی و کندی سیستم میشود. به همین دلیل، تولیدکنندهای با سابقه در حوزه پستگرس، نسخهای نوین و مدرن از PgQ شرکت اسکایپ را ارائه داده است که کاملاً بر پایه SQL خالص و PL/pgSQL ساخته شده و بدون اصطلاح “بُلد” یا اجزای اضافی است.
این نسخه جدید، بر خلاف صفهای کاری معمول که غالباً به فضا و منابع زیادی نیاز دارند، ساختاری نزدیکتر به Kafka دارد. در نتیجه، حجم جداول رویداد به طور قابل توجهی کاهش یافته و فرآیند انتشار (fan-out) به صورت بومی و مستقیم در خود بانک اطلاعاتی انجام میشود. نکته مثبت دیگر این است که از اصطلاح SKIP LOCKED پشتیبانی نمیکند که معمولاً در صفهای دیگری برای مدیریت قفلها استفاده میشود، و این مسأله میتواند مزیتهایی در حوزه کارایی و سادگی سیستم فراهم کند. این ابزار، راهحلی مدرن، کارآمد و کمحجم برای مدیریت صفهای پردازشی در محیطهای پستگرس است که بهرهوری و مقیاسپذیری سیستمهای دادهمحور را بهبود میبخشد.
---
در نسخه جدید، از یک فایل تنها SQL و pg_cron برای مدیریت زمانبندی و اجرای وظایف بهره میبرد، که کار با آن را بسیار ساده و موثر میسازد. این رویکرد، امکان ایجاد، مدیریت و اجرا سریع صفهای پردازشی را بدون نیاز به نصب یا پیکربندی پیچیده فراهم میآورد. در نتیجه، توسعهدهندگان و مدیران سیستمها میتوانند از این سیستم برای ساختن صفهای سبک و مقیاسپذیر، که دقیقاً نیازهای پردازشیشان را برآورده میکنند، بهرهمند شوند.
در پایان، این فناوری نوین به عنوان جایگزینی قدرتمند برای صفهای قدیمی و پیچیده در محیطهای پستگرس عمل میکند و کمک میکند سیستمهای دادهمحور سریعتر و بهینهتر عمل کنند. با توجه به ویژگیهای منحصر به فرد و سودمندیهای آن، میتواند گزینهای مناسب برای تیمهای توسعه و مدیران پایگاه داده باشد که به دنبال راهحلی مدرن و کمحجم برای مدیریت صفهای کاری هستند.
#پستگرس #مدیریت_صف #پایگاه_داده #برنامهنویسی
🟣لینک مقاله:
https://postgresweekly.com/link/184126/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
GitHub
GitHub - NikolayS/PgQue: PgQue – Zero-bloat Postgres queue built on top of on battle-proven Skype's PgQ. One SQL file to install…
PgQue – Zero-bloat Postgres queue built on top of on battle-proven Skype's PgQ. One SQL file to install, pg_cron to tick https://pgque.dev - NikolayS/PgQue
🔵 عنوان مقاله
My Queries to Monitor Autovacuum
🟢 خلاصه مقاله:
در این مقاله، یک کارشناس مجرب در زمینه پستگرس، مجموعهای از سوالات و پرسوجوهای مفید را برای نظارت دقیق بر فرآیند اتوواکیوم به اشتراک میگذارد. این پرسوجوها شامل محاسبه میزان اهمیت و فوریت اجرای وکیوم، بررسی خطر اتمام تراکنشها و شناسههای تراکنش، و همچنین مانیتورینگ حجم و بستن غیرضروری جداول است. هدف اصلی این ابزارها، حفظ عملکرد بهینه و جلوگیری از مشکلاتی مانند تراکم بیرویه دادهها یا خطر بروز خطاهای مرتبط با تراکنشهای قدیمی است. با استفاده از این پرسوجوها، مدیران پایگاه داده میتوانند اطمینان حاصل کنند که فرآیند اتوواکیوم به درستی و در زمان مناسب انجام میشود و عملکرد پایگاهداده در حالت ایدهآل باقی میماند. این مجموعه سوالات، راهی موثر و کاربردی برای نگهداری سالم و بدون مشکل از سیستمهای پستگرس است.
#پستگرس #مدیریت_پایگاه_داده #اتوواکیوم #نظارت
🟣لینک مقاله:
https://postgresweekly.com/link/184467/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
My Queries to Monitor Autovacuum
🟢 خلاصه مقاله:
در این مقاله، یک کارشناس مجرب در زمینه پستگرس، مجموعهای از سوالات و پرسوجوهای مفید را برای نظارت دقیق بر فرآیند اتوواکیوم به اشتراک میگذارد. این پرسوجوها شامل محاسبه میزان اهمیت و فوریت اجرای وکیوم، بررسی خطر اتمام تراکنشها و شناسههای تراکنش، و همچنین مانیتورینگ حجم و بستن غیرضروری جداول است. هدف اصلی این ابزارها، حفظ عملکرد بهینه و جلوگیری از مشکلاتی مانند تراکم بیرویه دادهها یا خطر بروز خطاهای مرتبط با تراکنشهای قدیمی است. با استفاده از این پرسوجوها، مدیران پایگاه داده میتوانند اطمینان حاصل کنند که فرآیند اتوواکیوم به درستی و در زمان مناسب انجام میشود و عملکرد پایگاهداده در حالت ایدهآل باقی میماند. این مجموعه سوالات، راهی موثر و کاربردی برای نگهداری سالم و بدون مشکل از سیستمهای پستگرس است.
#پستگرس #مدیریت_پایگاه_داده #اتوواکیوم #نظارت
🟣لینک مقاله:
https://postgresweekly.com/link/184467/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
CYBERTEC PostgreSQL | Services & Support
My queries to monitor autovacuum
This article shows the queries that I use to monitor autovacuum and explains the background and the measures you can take to avoid problems.
🔵 عنوان مقاله
Introducing Xata OSS: A Postgres Platform with Branching, Now Apache 2.0
🟢 خلاصه مقاله:
شرکت Xata به تازگی فناوری اصلی پلتفرم پستگرس خود را به زبان متن باز منتشر کرده است. این فناوری قدرتمند امکان شاخهزدن در دیتابیسها را به شکلی بسیار کارآمد در اختیار کاربران قرار میدهد. با استفاده از سیستم نسخهکپی-در-نوشتن (copy-on-write) در لایه ذخیرهسازی، هر شاخه جدید در عرض چند ثانیه ایجاد میشود؛ این یعنی میتوانید نسخههای مختلف از دیتابیسها را سریع و بدون اشکال تولید کنید. علاوه بر این، قابلیت «سازماندهی به صورت مقیاسپذیر صفر» (scale-to-zero) برای شاخههایی که دیگر فعال نیستند، فراهم شده است؛ به این معنا که منابع صرف اختصاص دادهشده برای شاخههایی که استفاده نمیشوند، فورا آزاد میشود. تمام این امکانات بر اساس فناوری استاندارد پستگرس ساخته شدهاند، بنابراین کاربران میتوانند از سادگی، قابلیت اطمینان و انعطافپذیری این پلتفرم بهرهمند شوند. این تحولی بزرگ در زمینه مدیریت دیتابیسهای پستگرس است که به توسعه دهندگان امکانات بیشتری برای مدیریت بهتر و سریعتر دادههایشان میدهد.
#پستگرس #منابع_باز #مدیریت_دیتا #فناوری
🟣لینک مقاله:
https://postgresweekly.com/link/184117/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Introducing Xata OSS: A Postgres Platform with Branching, Now Apache 2.0
🟢 خلاصه مقاله:
شرکت Xata به تازگی فناوری اصلی پلتفرم پستگرس خود را به زبان متن باز منتشر کرده است. این فناوری قدرتمند امکان شاخهزدن در دیتابیسها را به شکلی بسیار کارآمد در اختیار کاربران قرار میدهد. با استفاده از سیستم نسخهکپی-در-نوشتن (copy-on-write) در لایه ذخیرهسازی، هر شاخه جدید در عرض چند ثانیه ایجاد میشود؛ این یعنی میتوانید نسخههای مختلف از دیتابیسها را سریع و بدون اشکال تولید کنید. علاوه بر این، قابلیت «سازماندهی به صورت مقیاسپذیر صفر» (scale-to-zero) برای شاخههایی که دیگر فعال نیستند، فراهم شده است؛ به این معنا که منابع صرف اختصاص دادهشده برای شاخههایی که استفاده نمیشوند، فورا آزاد میشود. تمام این امکانات بر اساس فناوری استاندارد پستگرس ساخته شدهاند، بنابراین کاربران میتوانند از سادگی، قابلیت اطمینان و انعطافپذیری این پلتفرم بهرهمند شوند. این تحولی بزرگ در زمینه مدیریت دیتابیسهای پستگرس است که به توسعه دهندگان امکانات بیشتری برای مدیریت بهتر و سریعتر دادههایشان میدهد.
#پستگرس #منابع_باز #مدیریت_دیتا #فناوری
🟣لینک مقاله:
https://postgresweekly.com/link/184117/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Xata
Xata - open source Postgres platform with CoW branching by Tudor Golubenco
Xata core is now available as open source under the Apache 2 license. It adds copy-on-write branching, scale-to-zero compute to Postgres.
🔵 عنوان مقاله
EXPLAIN Prettier (or Post-Processing Query Plans)
🟢 خلاصه مقاله:
توضیحات مربوط به EXPLAIN، چه در زمانهای عادی و چه در موارد خاص، همیشه ممکن است کمی چالشبرانگیز و پیچیده باشد. این خروجی میتواند برای کاربران چالشهایی ایجاد کند، به ویژه زمانی که به مبانی و جزئیات آن نیاز دارند. علاوه بر این، وضعیتهایی وجود دارد که نتیجههای EXPLAIN در دستگاهها و نسخههای مختلف پایگاه داده تغییرات ظریفی را نشان میدهند، که ممکن است باعث سردرگمی شود.
در این زمینه، آندری به معرفی ابزار «explain_prettier» میپردازد، که با هدف سادهسازی و تمیز کردن خروجی EXPLAIN طراحی شده است. این ابزار با حذف اطلاعات غیرضروری و بخشهای اضافی، نتیجههای قابل فهمتر و واضحتری را ارائه میدهد و خوانایی آنها را به شکل قابل توجهی افزایش میدهد. به این صورت، کاربران میتوانند به راحتی تحلیلهای مورد نیاز خود را انجام دهند و تفاوتهای ظریف در خروجیها را بهتر درک کنند.
در نهایت، استفاده از explain_prettier یک راه حل موثر برای بهبود تجربه کاربری و کاهش اشتباهات هنگام کار با خروجیهای پیچیده EXPLAIN است، تا بتوانند به سرعت و با دقت بالاتری به اطلاعات مورد نیاز خود دست یابند.
#پایگاه_داده #تحلیل_پایگاه_داده #EXPLAIN #برنامهنویسی
🟣لینک مقاله:
https://www.pgedge.com/blog/explain-prettier-or-post-processing-query-plans-in-postgres
➖➖➖➖➖➖➖➖
👑 @Database_Academy
EXPLAIN Prettier (or Post-Processing Query Plans)
🟢 خلاصه مقاله:
توضیحات مربوط به EXPLAIN، چه در زمانهای عادی و چه در موارد خاص، همیشه ممکن است کمی چالشبرانگیز و پیچیده باشد. این خروجی میتواند برای کاربران چالشهایی ایجاد کند، به ویژه زمانی که به مبانی و جزئیات آن نیاز دارند. علاوه بر این، وضعیتهایی وجود دارد که نتیجههای EXPLAIN در دستگاهها و نسخههای مختلف پایگاه داده تغییرات ظریفی را نشان میدهند، که ممکن است باعث سردرگمی شود.
در این زمینه، آندری به معرفی ابزار «explain_prettier» میپردازد، که با هدف سادهسازی و تمیز کردن خروجی EXPLAIN طراحی شده است. این ابزار با حذف اطلاعات غیرضروری و بخشهای اضافی، نتیجههای قابل فهمتر و واضحتری را ارائه میدهد و خوانایی آنها را به شکل قابل توجهی افزایش میدهد. به این صورت، کاربران میتوانند به راحتی تحلیلهای مورد نیاز خود را انجام دهند و تفاوتهای ظریف در خروجیها را بهتر درک کنند.
در نهایت، استفاده از explain_prettier یک راه حل موثر برای بهبود تجربه کاربری و کاهش اشتباهات هنگام کار با خروجیهای پیچیده EXPLAIN است، تا بتوانند به سرعت و با دقت بالاتری به اطلاعات مورد نیاز خود دست یابند.
#پایگاه_داده #تحلیل_پایگاه_داده #EXPLAIN #برنامهنویسی
🟣لینک مقاله:
https://www.pgedge.com/blog/explain-prettier-or-post-processing-query-plans-in-postgres
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Pgedge
EXPLAIN Prettier, or Post-Processing Query Plans in Postgres
EXPLAIN output carries more noise than most analyses need. EXPLAIN Prettier is an open-source PL/pgSQL script that strips it systematically, with stable output across Postgres versions. By Andrei Lepikhov.
🔥1
🔵 عنوان مقاله
Comparing the Graph Capabilities of Postgres, DuckDB, and LadybugDB
🟢 خلاصه مقاله:
در دنیای پایگاههای داده، توانایی انجام درخواستهای گراف یکی از ویژگیهای مهم برای تحلیلهای پیچیده و ارتباطی است. در این مقاله، به مقایسه قابلیتهای گراف در سه پایگاه داده محبوب میپردازیم: پستگرس، داكبیکیوبِی، و لیدیباگدیبی. هدف اصلی ارزیابی این سیستمها از نظر تجربه توسعهدهنده و عملکرد عملی در اجرای کوئریهای گراف در مجموعههای بزرگ دادههای مربوط به بازیکنان، مکانها و مسابقات است.
پستگرس، یکی از قدرتمندترین و پرکاربردترین پایگاههای داده رابطهای است که با افزودن افزونههایی مانند پیکاچپای، توانایی مدیریت دادههای گراف را نیز داراست. این قابلیت، آن را به ابزاری مناسب برای توسعهدهندگان تبدیل میکند که نیازمند انجام درخواستهای پیچیده و تحلیل روابط هستند. در مقابل، داكبیکیوبِی به عنوان یک سیستم تحلیلی سریع و منعطف، در فرآیند انجام کوئریهای گراف در مقیاسهای بزرگ بسیار کارایی دارد، که این موضوع آن را برای پروژههایی با حجم دادههای عظیم ایدهآل میکند. همچنین، لیدیباگدیبی با تمرکز بر سادگی و سرعت، سعی دارد تجربه کاربری مطلوبی را در کنار قابلیتهای گراف ارائه دهد.
در مجموع، این مقایسه نشان میدهد که هر یک از این سیستمها نقاط قوت و ضعف خود را دارند و بسته به نیازهای پروژه و نوع دادهها، انتخاب بهترین گزینه اهمیت ویژهای دارد. برای توسعهدهندگان و تحلیلگران داده، شناخت تفاوتهای این پایگاههای داده، کلید موفقیت در اجرای درخواستهای گرافی سریع و موثر است.
#پایگاهداده #تحلیلگراف #پستگرس #داینامیک
🟣لینک مقاله:
https://theconsensus.dev/p/2026/05/29/ladybug-duckdb-and-postgresql.html
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Comparing the Graph Capabilities of Postgres, DuckDB, and LadybugDB
🟢 خلاصه مقاله:
در دنیای پایگاههای داده، توانایی انجام درخواستهای گراف یکی از ویژگیهای مهم برای تحلیلهای پیچیده و ارتباطی است. در این مقاله، به مقایسه قابلیتهای گراف در سه پایگاه داده محبوب میپردازیم: پستگرس، داكبیکیوبِی، و لیدیباگدیبی. هدف اصلی ارزیابی این سیستمها از نظر تجربه توسعهدهنده و عملکرد عملی در اجرای کوئریهای گراف در مجموعههای بزرگ دادههای مربوط به بازیکنان، مکانها و مسابقات است.
پستگرس، یکی از قدرتمندترین و پرکاربردترین پایگاههای داده رابطهای است که با افزودن افزونههایی مانند پیکاچپای، توانایی مدیریت دادههای گراف را نیز داراست. این قابلیت، آن را به ابزاری مناسب برای توسعهدهندگان تبدیل میکند که نیازمند انجام درخواستهای پیچیده و تحلیل روابط هستند. در مقابل، داكبیکیوبِی به عنوان یک سیستم تحلیلی سریع و منعطف، در فرآیند انجام کوئریهای گراف در مقیاسهای بزرگ بسیار کارایی دارد، که این موضوع آن را برای پروژههایی با حجم دادههای عظیم ایدهآل میکند. همچنین، لیدیباگدیبی با تمرکز بر سادگی و سرعت، سعی دارد تجربه کاربری مطلوبی را در کنار قابلیتهای گراف ارائه دهد.
در مجموع، این مقایسه نشان میدهد که هر یک از این سیستمها نقاط قوت و ضعف خود را دارند و بسته به نیازهای پروژه و نوع دادهها، انتخاب بهترین گزینه اهمیت ویژهای دارد. برای توسعهدهندگان و تحلیلگران داده، شناخت تفاوتهای این پایگاههای داده، کلید موفقیت در اجرای درخواستهای گرافی سریع و موثر است.
#پایگاهداده #تحلیلگراف #پستگرس #داینامیک
🟣لینک مقاله:
https://theconsensus.dev/p/2026/05/29/ladybug-duckdb-and-postgresql.html
➖➖➖➖➖➖➖➖
👑 @Database_Academy
The Consensus
Graph database-ball! Exploring the Game with the graph capabilities of LadybugDB, DuckDB and PostgreSQL - The Consensus
We compare neo-graph databases, Postgres, LadybugDB, and DuckDB, to understand the user experience and general performance.