Поймёте, что такое система управления базами данных (СУБД) и какую роль она играет в хранении, обработке и защите информации в современных приложениях.

— Разберётесь, чем СУБД отличается от обычных файлов, электронных таблиц и других способов хранения данных.

— Поймёте, как базы данных обеспечивают целостность, надёжность и совместный доступ к информации.

— Изучите основные задачи СУБД: хранение, поиск, обновление и управление данными.

— Узнаете, почему базы данных являются основой большинства современных информационных систем и веб-приложений.

Освоите CRUD-операции и напишете первые SQL-запросы для создания таблиц, добавления, изменения и удаления данных в базе.

— Научитесь создавать таблицы и управлять структурой базы данных с помощью DDL-команд.

— Освоите добавление новых записей через команду INSERT.

— Научитесь изменять существующие данные с помощью UPDATE.

— Разберётесь в удалении записей через DELETE и особенностях безопасной работы с данными.

— Поймёте различия между командами управления структурой базы данных и командами работы с данными.

Освоите развёртывание PostgreSQL через Docker и подготовите полноценное окружение для работы с базой данных без ручной установки СУБД на операционную систему.

— Запустите PostgreSQL в Docker-контейнере и познакомитесь с основами контейнеризации баз данных.

— Научитесь настраивать параметры контейнера, порты, пользователей и постоянное хранение данных.

— Подключитесь к базе данных через DBeaver или другой визуальный клиент для администрирования.

— Проверите работоспособность окружения, создадите первые объекты базы данных и выполните тестовые запросы.

Результатом модуля станет рабочая база данных PostgreSQL, запущенная в Docker, с первой созданной таблицей и набором SQL-запросов для управления данными.

— Получите настроенный Docker-контейнер с PostgreSQL, готовый для практической работы.

— Создадите первую таблицу и проверите её структуру через SQL-запросы.

— Выполните базовые операции добавления, изменения, чтения и удаления данных.

— Подготовите основу для дальнейшего изучения SQL, проектирования БД и backend-разработки.

Разберётесь в нормальных формах и поймёте, зачем данные разбивают по связанным таблицам вместо хранения всей информации в одной большой таблице.

— Поймёте, почему хранение всех данных в одном месте приводит к дублированию, противоречиям и ошибкам обновления.

— Изучите основные нормальные формы и их роль в проектировании реляционных баз данных.

— Научитесь выявлять избыточность данных и правильно разделять информацию между таблицами.

— Разберётесь, как нормализация помогает поддерживать целостность, читаемость и удобство сопровождения базы данных.

Освоите работу с внешними ключами и научитесь связывать таблицы между собой для построения целостной и логически связанной структуры базы данных.

— Изучите назначение FOREIGN KEY и поймёте, как обеспечивается связь между таблицами.

— Освоите связь «один-к-одному» и научитесь моделировать взаимосвязанные сущности.

— Разберётесь в связи «один-ко-многим», которая используется в большинстве реляционных баз данных.

— Познакомитесь со связью «многие-ко-многим» и научитесь реализовывать её через промежуточные таблицы.

— Поймёте, как внешние ключи помогают поддерживать целостность данных и предотвращать появление некорректных связей.

Научитесь объединять данные из нескольких таблиц в единый результат и строить аналитические запросы с использованием JOIN, группировки и агрегатных функций.

— Освоите основные типы JOIN и научитесь объединять связанные данные из нескольких таблиц.

— Разберётесь в различиях между INNER JOIN, LEFT JOIN, RIGHT JOIN и FULL JOIN.

— Научитесь использовать GROUP BY для группировки данных по различным признакам.

— Освоите подсчёт и анализ данных с помощью агрегатных функций COUNT, SUM, AVG, MIN и MAX.

— Научитесь фильтровать сгруппированные результаты с использованием HAVING и строить сложные аналитические запросы.

Результатом модуля станет нормализованная структура базы данных из нескольких связанных таблиц и набор многотабличных SQL-запросов для анализа и обработки данных.

— Спроектируете нормализованную схему базы данных с использованием связей между сущностями.

— Создадите таблицы с первичными и внешними ключами для обеспечения целостности данных.

— Реализуете многотабличные запросы с использованием различных типов JOIN.

— Выполните группировку, агрегацию и анализ данных с помощью SQL-функций и операторов GROUP BY и HAVING.

— Получите практический опыт построения структуры данных, приближенной к реальным бизнес-приложениям.

Разберётесь в дублировании данных между разными СУБД и перенесёте готовую схему из PostgreSQL в MySQL, чтобы понять отличия систем и реальные сценарии миграции данных.

— Перенесёте готовую структуру базы данных из PostgreSQL в MySQL.

— Сравните особенности PostgreSQL и MySQL: типы данных, синтаксис, ограничения и поведение запросов.

— Поймёте, зачем в реальных проектах дублируют данные между несколькими базами.

— Разберётесь в базовых сценариях миграции, резервирования и синхронизации данных между СУБД.

Поймёте, как индексы ускоряют поиск данных в базе и научитесь принимать обоснованные решения при их использовании для повышения производительности запросов.

— Изучите принцип работы индексов и поймёте, как они помогают базе данных быстрее находить нужные записи.

— Разберётесь, в каких сценариях индексы значительно ускоряют выполнение запросов.

— Поймёте, почему создание индекса на каждое поле может привести к ухудшению производительности.

— Изучите влияние индексов на операции INSERT, UPDATE и DELETE, а также на объём занимаемого дискового пространства.

— Научитесь выбирать поля для индексации и оценивать эффективность индексов на практике.

Научитесь анализировать и оптимизировать SQL-запросы, понимая, как база данных выполняет поиск данных и на каких этапах возникают основные потери производительности.

— Освоите чтение плана выполнения запроса и поймёте, как СУБД обрабатывает SQL-команды внутри.

— Научитесь использовать EXPLAIN и другие инструменты анализа производительности запросов.

— Разберётесь, на каких этапах выполнения запросов возникают основные задержки и узкие места.

— Поймёте влияние индексов, JOIN-операций и фильтрации данных на скорость выполнения запросов.

— Освоите базовые подходы к оптимизации запросов и повышению производительности баз данных.

Результатом модуля станет схема базы данных, перенесённая в MySQL, с настроенными индексами и оптимизированными SQL-запросами для более быстрой работы с данными.

— Продублируете структуру базы данных из PostgreSQL в MySQL и проверите корректность переноса схемы.

— Настроите индексы для ускорения поиска, фильтрации и объединения данных.

— Проанализируете планы выполнения запросов и найдёте узкие места в производительности.

— Оптимизируете SQL-запросы с учётом особенностей MySQL и структуры данных.

— Получите практический опыт переноса, настройки и ускорения базы данных в условиях, приближенных к реальным проектам.

Поймёте принципиальную разницу между OLTP- и OLAP-системами и разберётесь, почему для транзакционной обработки и аналитики используются разные подходы к хранению данных.

— Изучите особенности OLTP-систем и поймёте, как они обеспечивают быструю обработку транзакций и изменений данных.

— Разберётесь в принципах работы OLAP-систем, предназначенных для аналитики и построения отчётов на больших объёмах данных.

— Сравните PostgreSQL, ClickHouse и другие СУБД с точки зрения транзакционной и аналитической нагрузки.

— Поймёте, почему обычный PostgreSQL начинает испытывать сложности при выполнении тяжёлых аналитических запросов на миллионах строк данных.

— Научитесь выбирать подходящую архитектуру хранения данных под задачи бизнеса, аналитики и высоконагруженных систем.

Освоите специальные механизмы хранения и агрегации данных в аналитических СУБД и научитесь ускорять расчёт метрик за счёт предобработки данных.

— Изучите движки хранения для автоматического удаления дублей и поймёте, в каких сценариях они применяются.

— Освоите механизмы суммирования данных на лету и научитесь работать с агрегированными таблицами.

— Разберётесь в предрасчёте сложных агрегатов для ускорения аналитических запросов.

— Познакомитесь с движками ReplacingMergeTree, SummingMergeTree и AggregatingMergeTree и особенностями их использования.

— Научитесь выбирать подходящий способ хранения данных в зависимости от требований к скорости загрузки и аналитики.

Научитесь использовать ClickHouse для аналитики поверх данных из PostgreSQL и MySQL, а также настраивать предрасчёт отчётов и автоматическое управление жизненным циклом данных.

— Подключите ClickHouse напрямую к PostgreSQL и MySQL для чтения и анализа данных из внешних источников.

— Разберётесь, как строить аналитические запросы поверх транзакционных баз без ручной выгрузки данных.

— Настроите автоматический предрасчёт тяжёлых отчётов с помощью материализованных представлений и агрегированных таблиц.

— Освоите удаление устаревших данных по расписанию с использованием TTL и правил хранения.

— Получите практический опыт построения аналитического слоя на ClickHouse для ускорения отчётности и обработки больших объёмов данных.

Результатом модуля станет аналитическая база данных на ClickHouse, подключённая к OLTP-источникам и готовая для построения быстрых отчётов и аналитики на больших объёмах данных.

— Настроите подключение ClickHouse к PostgreSQL и MySQL для получения данных из транзакционных систем.

— Реализуете автоматический предрасчёт аналитических витрин и отчётов для ускорения выполнения запросов.

— Настроите материализованные представления и агрегированные таблицы для хранения готовых метрик.

— Организуете автоматическую очистку и архивирование устаревших данных с помощью TTL-политик.

— Получите полноценный аналитический контур, отделённый от транзакционной нагрузки и готовый к работе с миллионами и миллиардами записей.

Познакомитесь с MongoDB и научитесь хранить данные с произвольной структурой без жёсткой схемы, сложных миграций и строгой табличной модели.

— Разберётесь, чем документная модель MongoDB отличается от реляционных баз данных.

— Научитесь хранить данные в формате документов и работать с коллекциями.

— Освоите поиск и фильтрацию данных по различным условиям.

— Познакомитесь с агрегационным pipeline и научитесь обрабатывать данные через последовательность шагов.

— Поймёте, когда MongoDB удобнее использовать вместо классической реляционной СУБД.

Разберётесь в устройстве графовых баз данных и научитесь моделировать данные как сеть объектов и связей между ними с помощью Neo4j.

— Поймёте, чем графовая модель отличается от реляционной и документной моделей хранения данных.

— Освоите создание узлов, свойств и связей между объектами в Neo4j.

— Научитесь выполнять поиск по условиям и строить запросы для анализа связей между сущностями.

— Разберётесь, как безопасно обновлять данные без риска дублирования объектов и связей.

— Познакомитесь с базовыми возможностями Cypher для работы с графовыми структурами данных.

Результатом модуля станут две полноценно работающие NoSQL-базы данных, каждая из которых решает свой класс задач и демонстрирует преимущества нереляционных подходов к хранению информации.

— Развернёте MongoDB и создадите документную базу данных для хранения телеметрии, событий и данных с изменяемой структурой.

— Реализуете поиск, фильтрацию и агрегацию данных через MongoDB Aggregation Pipeline.

— Развернёте Neo4j и создадите графовую модель объектов и связей между ними.

— Построите графовый маршрут доставки и выполните поиск оптимального пути между узлами сети.

— Получите практический опыт работы с документной и графовой моделями хранения данных, используемыми в современных высоконагруженных системах.

Объедините PostgreSQL, MySQL, ClickHouse, MongoDB и Neo4j в одном Python-приложении и научитесь использовать разные базы данных под разные задачи системы.

— Подключите PostgreSQL и MySQL для хранения транзакционных данных и работы с основной бизнес-логикой.

— Интегрируете ClickHouse для аналитики, отчётности и обработки больших объёмов данных.

— Подключите MongoDB для хранения телеметрии, событий и данных с гибкой структурой.

— Используете Neo4j для хранения связей, построения маршрутов и решения графовых задач.

— Соберёте единое Python-приложение, в котором каждая база данных выполняет свою роль в общей архитектуре.

Выберете удобный интерфейс для работы с приложением и реализуете один из вариантов: Telegram-бота для взаимодействия через чат или Streamlit-приложение для работы из браузера.

— Разберётесь, в каких сценариях удобнее использовать Telegram-бота, а в каких — веб-интерфейс на Streamlit.

— Соберёте Telegram-бота для отправки запросов, получения ответов и взаимодействия с данными через чат.

— Или разработаете Streamlit-приложение с удобным браузерным интерфейсом для работы с базами данных и аналитикой.

— Подключите выбранный интерфейс к Python-приложению и объединённой архитектуре баз данных.

Реализуете роутинг запросов внутри Python-приложения и научитесь автоматически направлять разные пользовательские сценарии в подходящую базу данных.

— Настроите логику маршрутизации запросов в зависимости от типа задачи: транзакции, аналитика, телеметрия или графовые расчёты.

— Реализуете поиск заказа через PostgreSQL или MySQL как транзакционные OLTP-источники.

— Направите запросы по аналитике выручки в ClickHouse для быстрой обработки агрегированных данных.

— Организуете получение состояния оборудования и телеметрии из MongoDB.

— Реализуете расчёт маршрута доставки через Neo4j как графовую базу данных.

— Соберёте единый слой бизнес-логики, который скрывает различия между базами данных и выбирает нужное хранилище автоматически.

Результатом модуля станет работающий прототип системы управления сетью постаматов, объединяющий несколько баз данных под разные сценарии хранения, аналитики и обработки информации.

— Соберёте единое Python-приложение для работы с заказами, телеметрией, аналитикой и маршрутами доставки.

— Подключите PostgreSQL, MySQL, ClickHouse, MongoDB и Neo4j в рамках одной архитектуры.

— Реализуете интерфейс для взаимодействия с системой через Telegram-бота или Streamlit-приложение.

— Настроите автоматический роутинг запросов в подходящую базу данных в зависимости от типа задачи.

— Поймёте, как выбирать базу данных под конкретный сценарий: транзакции, аналитику, телеметрию или графовые расчёты.