SQL Portal | Базы Данных

SQL Tip (MySQL)

Некоторые функции для агрегации и поиска значений в SQL:

MIN(), MAX() — поиск минимального/максимального значения среди всех строк

CEIL() — округление числа вверх до ближайшего целого

REPLACE() — удаление символа из строки или его замена

👉 @SQLPortal

SQL CHEATSHEET ДЛЯ РАЗРАБОТЧИКОВ

Освойте самые важные SQL-команды в одном месте.

Изучаете базы данных, готовитесь к собеседованию, разрабатываете backend-приложения или работаете разработчиком — SQL является обязательным навыком.

В этом cheatsheet:

• SELECT
• WHERE
• ORDER BY
• GROUP BY и HAVING
• JOIN
• Агрегатные функции
• Подзапросы
• INSERT, UPDATE и DELETE
• Wildcards
• Основные типы данных SQL

👉 @SQLPortal

GitHub раздаёт знания бесплатно: интерактивные курсы по Git

Платформа запустила cборку онлайн курсов, где можно прокачать навыки работы с Git и GitHub без подписок. Ветки, коммиты, pull request’ы, Actions и реальные командные сценарии всё в формате интерактивных

Быстрый и лёгкий способ подтянуть базу и перестать гуглить «как откатить коммит» в неподходящий момент 👇

👉 @SQLPortal

Вам не нужен перегруженный клиент для баз данных, чтобы просто посмотреть содержимое таблицы.

Data Peek — минималистичный desktop SQL-клиент с поддержкой ИИ для разработчиков, работающих с PostgreSQL, MySQL, Microsoft SQL Server и SQLite.

Он позволяет в одном приложении просматривать, запрашивать и управлять данными, объединяя SQL-редактор на базе Monaco, инструменты для работы со схемой, AI-ассистента и средства анализа производительности.

Основные возможности:

• Поддержка нескольких СУБД — PostgreSQL, MySQL, Microsoft SQL Server и SQLite.
• AI-помощь с SQL — можно задавать вопросы на естественном языке и получать SQL-запросы, графики и аналитику. Поддерживаются облачные провайдеры и локальные модели через Ollama.
• Безопасный доступ для агентов — локальный MCP-сервер ограничивает и оборачивает read-запросы в транзакции с возможностью отката, а для каждого изменения данных требуется подтверждение в приложении.
• Анализ производительности запросов — можно изучать время выполнения и планы запросов, измерять p50/p90/p99 latency и отменять долгие запросы.
• Инструменты для разработчиков — SSH-туннели, сохранённые запросы, ручное управление транзакциями, импорт/экспорт данных и командная палитра с управлением с клавиатуры.
Исходный код распространяется под лицензией MIT, однако для коммерческого использования готовых бинарных сборок требуется лицензия.

https://github.com/Rohithgilla12/data-peek

👉 @SQLPortal

Мёд по Git: шпаргалка которая закрывает 90% задач

Нашёл мощную cheat sheet по Git всё самое нужное на нескольких страницах: инициализация, коммиты, ветки, merge, diff, stash, rebase и работа с удалёнными репозиториями

Особенно удобно, что показаны не только команды, но и как всё двигается внутри Git: staging area, история коммитов, ветки и их слияние

Сохраняем PDF за лайк ❤️

👉 @SQLPortal

Интерактивные дорожные карты

Когда новички заходят в IT они часто теряются в океане технологий

Платформа призвана решить проблему и предлагает понятные визуальные карты обучения, составленные экспертами и сообществом. Здесь можно отследить свой прогресс, найти лучшие источники и понять что реально стоит учить в 2025

Забирай пригодится 🪑

👉 @SQLPortal

Игра в SQL кальмара от DataLemur

Интерактивная игра для прокачки SQL-навыков. Выполняешь реальные задачки в формате интервью и тут же проверяешь результат. Подойдёт всем, кто хочет практиковать SQL с пользой.

👉 @SQLPortal

Вопрос по SQL:

Что вернёт этот запрос?

👉 @SQLPortal

Новичкам в Postgres — разберитесь с основами создания таблиц: первичные ключи, внешние ключи и типы данных, всё это в oбучающем гайде

-- https://www.crunchydata.com/developers/playground/postgres-tutorial-create-tables

👉 @SQLPortal

Основные команды SQL в одной таблице.

👉 @SQLPortal

Всегда используйте подготовленные выражения, чтобы предотвратить SQL-инъекции.

Вот пример кода, который делает вашу программу уязвимой к малым атакам:

user_input = request.form['username']
query = f"SELECT * FROM users WHERE username = '{user_input}'"
cursor.execute(query)

Когда вы пишете код таким образом, опасность заключается в том, как формируется SQL-запрос до того, как он попадет в базу данных. Прежде чем база данных увидит запрос, Python вставляет ввод пользователя напрямую в SQL-строку. База данных получает уже готовое SQL-выражение и просто выполняет его. У базы данных нет способа понять, какая часть — это данные, а какая — SQL-логика. Риск в том, что данные могут изменить логику программы.

Когда вы используете подготовленные выражения:

user_input = request.form['username']
query = "SELECT * FROM users WHERE username = ?"
cursor.execute(query, (user_input,))

Вы отделяете SQL-запрос от входных данных. Вместо того чтобы вставлять значения прямо в строку запроса, вы разделяете SQL-логику и ввод пользователя. Теперь база данных воспринимает ввод как данные, а не как выполняемый SQL-код. Вот в чем заключается суть защиты.

👉 @SQLPortal

Сравнительное руководство по работе с данными

Знаешь SQL и хочешь понять, как делать то же самое в Pandas? Это руководство покажет как привычные SQL-запросы выглядят в мире Python.

👉 @SQLPortal

Отличный ресурс по паттернам проектирования с примерами на популярных языках

Собраны все основные паттерны проектирования с примерами кода, схемами и краткими объяснениями. Удобно для повторения, обучения или собеседований 👍

👉 @SQLPortal

Сначала не понял, потом как понял 😲

👉 @SQLPortal