1. PostgreSQL [3]
1.1. Constraints
1.1.1. Ограничения (сonstraints) PostgreSQL: exclude, частичный unique, отложенные ограничения и др
1.2. Join
1.2.1. OUTER JOIN и CROSS JOIN
2. Проектирование
2.1. Основы правил проектирования
2.1.1. Основы правил проектирования базы данных
2.1.2. Урок по структуризации и проектированию баз данных
2.1.3. Проектирование базы данных – узнайте, как спроектировать хорошую базу данных
2.2. Принципы проектирования
2.2.1. Создание Data Lake и Warehouse на GCP
2.2.2. Концепции хранилищ данных: подход Кимбалла против Инмона
3. Оптимизации баз данных
3.1. Индексация в БД
3.1.1. Ускорьте свою базу данных: 7 проверенных методов масштабирования и оптимизации
3.1.2. Как оптимизировать работу с базами данных: лучшие практики и советы
3.2. Использование оптимизированных условий выборки
3.2.1. Join vs. sub-query
4. DWH
4.1. Архитектура DWH
4.1.1. Краткий ликбез по data warehouse
4.1.2. Хранилища данных. Обзор технологий и подходов к проектированию
4.2. Назначение DWH
4.2.1. Что такое хранилище данных Data Warehouse и зачем оно бизнесу
4.2.2. Вам в хранилище или к озеру? Чем занимаются специалисты по работе с данными и как стать Data-инженером
4.2.3. Шаги проектирования хранилища
5. MPP [5] - распределенный СУБД с параллельным запуском
5.1. Преимущества и недостатки MPP
5.1.1. Массово-параллельная архитектура
5.2. Устройство MPP
5.2.1. Статья, чтобы понять, что такое MPP
6. Oracle [2]
6.1. Типы данных
6.1.1. Когда использовать CHAR, VARCHAR или VARCHAR(MAX)
6.2. NULL в Oracle
6.2.1. NULL в Oracle
6.2.2. CASE .. WHEN expression in Oracle SQL
7. Excel
7.1. Базовые формулы
7.1.1. Top 30 Excel Formulas and Functions You Should Know
7.2. Обработка ошибок в формулах
7.2.1. 10 Essential Excel Features For Data Analysts (and How to Use Them)
8. Векторные СУБД
8.1. Преимущества и недостатки векторных СУБД
8.1.1. Векторные базы данных: простым языком про устройство и принцип работы
8.1.2. Что такое векторная база данных
8.2. Принцип работы векторных СУБД
8.2.1. ИИ и векторные базы данных: как это работает
8.2.2. Прощайте, базы данных, да здравствуют векторные базы данных
9. Greenplum [8] - пример реализации MPP
9.1. Архитектура Greenplum
9.1.1. Что такое СУБД Greenplum? Зачем она нужна в больших проектах DWH? Чем отличается от ClickHouse?
9.1.2. Обзор Greenplum Database. Назначение и ключевые преимущества
9.2. Устройство Greenplum
9.2.1. 3 главных достоинства и недостатка MPP-СУБД для хранения и аналитики Big Data на примере Greenplum
9.3. Оптимизация хранения данных
9.3.1. Оптимизация хранения данных в СУБД Greenplum
10. Hive [3]
10.1. Основы команд Hive
10.1.1. Hive Commands
10.2. Поток данных в Hive
10.2.1. Hive Tutorial: Working with Data in Hadoop
11. NoSQL [6]
11.1. Преимущества и недостатки NoSQL
11.1.1. Сильные и слабые стороны NoSQL
11.2. Типы NoSQL
11.2.1. Сравнение SQL- и NoSQL-баз данных
12. MS SQL [2]
12.1. Основы MS SQL
12.1.1. Введение в MS SQL Server и T-SQL
12.2. Встроенные функции
12.2.1. Функции для работы со строками
12.3. Представления и табличные объекты
12.3.1. Табличные переменные
13. Clickhouse [3]
13.1. Преимущества и недостатки
13.1.1. СУБД для аналитики: Greenplum или ClickHouse
13.2. Использование и применение
13.2.1. ClickHouse: Передовой инструмент для оперативной обработки данных
13.2.2. ClickHouse
14. Impala [2]
14.1. Архитектура Impala
14.1.1. Impala Tutorial for Beginners
14.2. Преимущества и недостатки
14.2.1. Impala introduces the advantages and disadvantages
15. Teradata [2]
15.1. Преимущества и недостатки
15.1.1. Teradata
15.2. Запрос с помощью Python SQLAlchemy
15.2.1. Connecting to Teradata using Python
16. Cassandra (NoSQL)
16.1. Преимущества и недостатки
16.1.1. Кому нужна Cassandra? Пара слов о преимуществах колоночных баз данных
16.2. Batch query
16.2.1. Python Data Persistence - Cassandra Driver