PGConf.СПб 2023

Резервное копирование до сих пор является камнем преткновения при переходе на PostgreSQL с других СУБД. Размер этого камня напрямую зависит от багажа опыта и знаний о видах резервного копирования в PostgreSQL. В докладе расскажу про различные виды бэкапов, про их плюсы минусы и сценарии использования каждого вида.

В современном анализе данных модели машинного обучения используется так же часто, как и базы данных. Такие гиганты, как Google и Amazon их уже совместили. Не отстаёт Microsoft и Yandex. Не пора ли внедрить модель машинного обучения в PostgreSQL?

В докладе кратко изложено, в чем заключается машинное обучение, показаны примеры использования машинного обучения у ведущих игроков рынка, ну и показан прототип, как это может быть в PostgreSQL.

Как вы, наверное, знаете, что PostgreSQL обладает рядом отличительных особенностей по сравнению с другими СУБД. Например, Postgres может обрабатывать и хранить множество различных типов данных. Но чтобы их использовать, нужно кое-что про них знать. В докладе мы с вами найдем причину, почему запросы к таблице начинают тормозить (и автовакуум/вакуум тут не при чем) и попробуем ускорить такие запросы. Я расскажу как работают целочисленные типы данных в PostgreSQL и затрону тему ускорения таких запросов. И напоследок, поговорим, а как сделать так, чтобы ваши данные в таблицах занимали меньше места и еще при этом выросла скорость запросов к этим данным.

Традиционно отказоустойчивость в Postgres достигается при помощи встроенных механизмов репликации и внешних утилит, наблюдающих за состоянием запущенных экземпляров Postgres и реагирующих соответствующим образом при возникновении различных сбоев. В своем докладе я расскажу что нам нравится и что не нравится в этом подходе, какую мы видим альтернативу, чего мы смогли достигнуть к сегодняшнему дню и что хотим получить к релизу, который планируется на декабрь месяц.