ML in SQL

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.

CFS и PTRACK в pg_probackup – нюансы компрессии в инкрементальном резервном копировании

Мы ответим на вопросы о важности работы компрессии в резервном копировании. Покажем, как использовать доступные алгоритмы: pglz, zlib, zstd, lz4 – в разных редакциях pg_probackup. Расскажем, как сделать инкрементальное копирование и восстановление еще быстрее с PTRACK и CFS – сжатым табличным пространством в СУБД Postgres Pro. Немного расскажем про планы разработки и интеграции с СРК-системами.

Харденинг кластерного ПО

Hardening — процесс усиления защищенности системы с целью снижения рисков от возможных угроз. В своем докладе, я расскажу как защитить служебные кластерные коммуникации с помощью TLS соединений, во избежание случайного или несанкционированного доступа к хранилищам ETCD и REST API Patroni.

Прагматичный рассказ про b-tree индексы для разработчиков приложений

• Доклад о том, как в PostgreSQL работают "обычные индексы". Доклад будет крайне полезен как тем, кто начинает работать с базами данных, так и тем, кто работал, но подзабыл. Если доклад попадёт в золотые подборки "обязательно посмотреть на on-boarding'е разработчика", то цель достигнута.
  В докладе рассмотрим:
  
  • Как индекс ускоряет поиск
    
  • Нужно ли индексировать условия where
    
  • Нужно ли индексировать условия в order by
    
  • Нужно ли индексировать внешние ключи (foreign keys)
    
  • Что делать, если критериев поиска несколько
    
  • В каком порядке указывать колонки в индексе
    
  • Случаи, когда индекс замедляет работу, и как снизить влияние индекса на приложение