SELECT: struttura di una query semplice
L’istruzione SELECT nel linguaggio SQL è quella forse più utilizzata in quanto ci permette di recuperare le informazioni di interesse dal database. La sua sintassi è semplice e ben strutturata ma bisogna conoscere alcuni vincoli che si nascondo dietro ogni clausola dell’istruzione. Mediante alcuni esempi scopriremo come scrivere query semplici ma allo stesso tempo utili in un contesto reale.
SQL: transazioni e manipolazione dei dati
I database forniscono un ottimo strumento per immagazzinare grandi moli di dati. Ma come facciamo a scrivere i dati correttamente al suo interno? Esistono dei meccanismi che ci assicurano che i dati siano corretti? Scopriamo cosa sono le transazioni e le lore proprietà, oltre ai comandi base per manipolare i dati.
SQL: creazione di un database
I database relazionali ricoprono un ruolo fondamentale nella progettazione e sviluppo di qualsiasi applicativo software. Imparare a modellare ed interrogare un database oltre a manipolare opportunamente i dati mediante il linguaggio SQL è alla portata di tutti. Iniziamo a scoprire alcune caratteristiche di questo linguaggio mediante le istruzioni per creare un database e definire le tabelle che lo costituiscono.
Firebase: come integrare un database real-time in Python
Firebase è un prodotto di Google Cloud che può. essere utilizzato per costruire applicazioni web in modo semplice e veloce. Tra le sue funzionalità vi è la possibilità di creare un database NoSQL realtime. Scopriamo come interagire con il database in un programma python.
MongoDB 6.0: nuove funzionalità per migliorare le applicazioni
La nuova versione di MongoDB fornisce nuove funzionalità sia per migliorare l’efficienza di alcune operazioni sia per aumentare la produttività degli sviluppatori. Passare, quindi, a MongoDB 6 è un’ottima scelta!!!
Elasticsearch: pipeline di aggregazione
Elasticsearch offre la possibilità di estrarre statistiche e gruppi di dati mediante le funzioni aggregazione. In molti contesti, però, è necessario concatenare i risultati di queste analisi per ottenere risultati più raffinati. Vediamo come le pipeline di aggregazione ci permettono di ottenere i risultati di nostro interesse.
Elasticsearch: aggregazioni a bucket [parte 2]
Con le aggregazioni a bucket di Elasticsearch possiamo creare gruppi di documenti. Dopo aver visto nell’articolo precedente le aggregazioni basate sui campi di tipo keyword, ora ci concentreremo su altre funzioni orientate ad altre tipologie di dato. In particolare, useremo aggregazioni per la definizioni di intervalli numerici, di date o gruppi basati su dati georeferenziati.
Elasticsearch: aggregazioni a bucket [parte 1]
Con le aggregazioni a bucket di Elasticsearch possiamo creare gruppi di documenti. In questo articolo ci concentreremo principalmente sulle aggregazioni basate sui campi di tipo keyword presenti negli indici. Utilizzeremo diversi esempi per capire le principali differenze tra le funzioni di aggregazione disponibili.
Elasticsearch: aggregazioni metriche
Oltre alla ricerca testuale, Elasticsearch permette di effettuare analisi sui dati mediante le aggregazioni. Tra le varie tipologie di aggregazione disponibili quelle metriche sono orientate proprio a calcolare statistiche su uno o più campi. Mediante degli esempi vedremo quali informazioni possiamo estrarre con questa tipologia di aggregazione.
Elasticsearch: le tipologie di aggregazione
Elasticsearch è un database NoSQL molto utilizzato per sviluppare motori di ricerca grazie alle sue capacità di indicizzare in modo opportuno i testi. Ma non si ferma solo a questo. Grazie alle aggregazioni, Elasticsearch può essere utilizzato per analizzare i dati ed estrarre statistiche da grandi moli di dati. Scopriamo questa sua funzionalità che è alla base di molte visualizzazioni usate da Kibana.
