آوند — داده: SQL، مدل‌سازی و تحلیل برای تصمیم

فصل ۹ از ۹

پیشرفت ترم
۰٪

در این فصل چه یاد می‌گیری#

هیچ ابزارِ تازه‌ای. یک پرسش از مدیرِ کتابخانه، و هفت قدم تا جوابی که کسی می‌تواند رویش کاری بکند:

«اگر فقط برای یک شعبه بتوانیم کارِ تازه‌ای بکنیم، کدام؟»

جدولِ خام می‌گوید مرکزی — آخرِ فهرست است. جوابِ درست پویاست. و چیزی که این دو را از هم جدا می‌کند همان چیزی است که کلِ این ترم دربارهٔ آن بود.

یک میزِ کارِ فنی که هفت ابزارِ مختلف روی آن به‌ترتیب چیده شده و در انتهای ردیف یک قطعهٔ مونتاژشدهٔ واحد ایستاده است

آخر این فصل می‌توانی:

  • یک پرسشِ واقعی را از اسکیما تا توصیه ببری، بدونِ اینکه هیچ قدمی را حدس بزنی
  • هر عددی را که تولید می‌کنی با آزمونِ سه‌گانه بسنجی
  • ادعای سرعتت را با دو عدد و یک نقشهٔ اجرا پشتیبانی کنی
  • گزارشت را اتمی بنویسی و کنارش بگذاری «چه چیزی نظرم را عوض می‌کند»

قبل از شروع#

همهٔ هشت فصلِ قبل، به‌علاوهٔ ترمِ ۵. از ترمِ ۵ فقط سه چیز لازم است و هر سه در بخشِ ۳ و ۷ به کار می‌روند: EXPLAIN QUERY PLAN و تفاوتِ SCAN با SEARCH، CREATE INDEX، و تراکنشِ صریح با BEGIN و COMMIT و ROLLBACK.

دورهٔ تحلیل: از 2024-01-01 تا 2025-04-01، با تاریخِ برشِ AS_OF. پایانِ دوره عمداً دو ماه قبل از تاریخِ برش است تا هر امانت فرصتِ برابری برای برگشتن داشته باشد — قاعدهٔ فصلِ ۴.

📓 نوت‌بوک: نوت‌بوک این فصل را در Colab باز کن — همهٔ کدهای این فصل آماده و به‌ترتیب داخلش هست.

جدول تعدادِ سطر زمانِ ساخت
members ۱٬۴۰۰ آنی
titles ۱٬۲۰۰ آنی
loans ۱۶٬۸۳۴ کمتر از دو ثانیه
visits ۲۵٬۰۱۴ کمتر از دو ثانیه

۱. قدمِ صفر: چه چیزی روی میز است#

قبل از هر پرسشی، فهرستِ جدول‌ها و اندازه‌شان. سی ثانیه وقت می‌گیرد و جلوی نصفِ اشتباه‌های این ترم را می‌گیرد.

WINDOW_START = "2024-01-01"
WINDOW_END = "2025-04-01"

print(q("""
    SELECT name FROM sqlite_master
    WHERE type = 'table' AND name NOT LIKE 'sqlite_%'
    ORDER BY name
""").to_string(index=False))
print()
for table in ("branches", "members", "titles", "loans", "visits"):
    n = int(q("SELECT COUNT(*) AS n FROM " + table).iloc[0, 0])
    print("%-10s %6d" % (table, n))
    name
branches
   loans
 members
  titles
  visits

branches        6
members      1400
titles       1200
loans       16834
visits      25014

دانه‌بندی، در سه جمله: یک سطر از loans یک امانت است — نه یک کتاب و نه یک عضو. یک سطر از titles یک عنوان در یک شعبه. یک سطر از members یک عضو، که ممکن است left_at داشته باشد و ممکن است home_branch_id نداشته باشد.

نامِ ستون member_id در loans هست و نامِ ستونِ متناظرش در members فقط id است. همین یک نکته را ننویسی، در بخشِ ۵ سرِ یک JOIN گیر می‌کنی.

۲. سنجه را ثبت کن، بعد بشمار#

سنجه همان نرخِ بازگشتِ به‌موقعِ فصلِ ۴ است: خام و تعدیل‌شده. قبل از اجرا ذخیره‌اش می‌کنیم — با نسخه، با یادداشت، و با دو پارامترِ تاریخ به‌جای هر عددِ چسبیده.

ADJUSTED = """
    WITH cell AS (
        SELECT l.branch_id, t.category, COUNT(*) AS n,
               SUM(l.returned_at <= l.due_at) AS on_time
        FROM loans AS l
        JOIN titles AS t ON t.id = l.title_id
        WHERE l.returned_at IS NOT NULL
          AND l.borrowed_at >= ? AND l.borrowed_at < ?
        GROUP BY l.branch_id, t.category
    ),
    weight AS (SELECT category, SUM(n) AS n FROM cell GROUP BY category),
    total  AS (SELECT SUM(n) AS n FROM cell)
    SELECT b.name AS branch,
           SUM(c.n) AS returned_loans,
           ROUND(100.0 * SUM(c.on_time) / SUM(c.n), 1) AS raw_pct,
           ROUND(SUM(100.0 * c.on_time / c.n * w.n) / (SELECT n FROM total), 1) AS adjusted_pct
    FROM cell AS c
    JOIN weight AS w ON w.category = c.category
    JOIN branches AS b ON b.id = c.branch_id
    GROUP BY c.branch_id, b.name
    ORDER BY raw_pct DESC
"""
con.execute("DROP TABLE IF EXISTS saved_queries")
con.execute("""
    CREATE TABLE saved_queries (
        name     TEXT    NOT NULL,
        version  INTEGER NOT NULL,
        note     TEXT    NOT NULL,
        sql_text TEXT    NOT NULL,
        PRIMARY KEY (name, version)
    )
""")
con.execute("INSERT INTO saved_queries VALUES (?, ?, ?, ?)", (
    "on_time_by_branch", 1,
    "نرخ بازگشت به‌موقع هر شعبه، خام و تعدیل‌شده بر ترکیب دسته کتاب کل کتابخانه",
    ADJUSTED,
))
con.commit()
print(q("SELECT name, version, note FROM saved_queries").to_string(index=False))
             name  version                                                                       note
on_time_by_branch        1 نرخ بازگشت به‌موقع هر شعبه، خام و تعدیل‌شده بر ترکیب دسته کتاب کل کتابخانه

۳. وارسی را ارزان کن، با دو عدد و یک نقشه#

در بخشِ ۴ باید سطرهای یک عضوِ مشخص را بارها بخوانیم. قبل از اینکه ادعا کنیم چیزی کند یا سریع است، اندازه می‌گیریم و نقشهٔ اجرا را چاپ می‌کنیم:

DRILL = """
    SELECT COUNT(*) AS loans,
           SUM(returned_at IS NULL) AS still_out,
           SUM(returned_at > due_at) AS late
    FROM loans WHERE member_id = ?
"""
print(plan(DRILL, (282,)).to_string(index=False))
print("زمان (میلی‌ثانیه):", timed(DRILL, (282,), repeat=25))
 id  parent  notused     detail
  3       0        0 SCAN loans
زمان (میلی‌ثانیه): 0.54

SCAN loans یعنی برای پیدا کردنِ سطرهای یک عضو، هر ۱۶٬۸۳۴ سطر خوانده می‌شود. حالا یک index روی همان ستون، و همان دو اندازه‌گیری دوباره:

con.execute("CREATE INDEX IF NOT EXISTS idx_loans_member ON loans(member_id, returned_at, due_at)")
con.commit()
print(plan(DRILL, (282,)).to_string(index=False))
print("زمان (میلی‌ثانیه):", timed(DRILL, (282,), repeat=25))
 id  parent  notused                                                           detail
  3       0        0 SEARCH loans USING COVERING INDEX idx_loans_member (member_id=?)
زمان (میلی‌ثانیه): 0.06

SCAN به SEARCH USING COVERING INDEX تبدیل شد و زمانِ اجرا کوتاه‌تر شد — هر دو عدد بالا چاپ شده‌اند. هر سه ستونی که پرسش می‌خواهد داخلِ خودِ index هستند، پس اصلاً به جدول برنمی‌گردد.

عددهای زمان روی ماشینِ تو فرق می‌کنند و همین هم درست است — به همین دلیل در fenceی آمده‌اند که ادعای قطعی نیست. چیزی که فرق نمی‌کند، تغییرِ نقشهٔ اجراست، و ادعای سرعت به همان تکیه دارد نه به عدد.

۴. آزمونِ سه‌گانه#

total = int(q("SELECT COUNT(*) AS n FROM loans WHERE borrowed_at >= ? AND borrowed_at < ?",
              (WINDOW_START, WINDOW_END)).iloc[0, 0])
parts = q("""
    SELECT SUM(returned_at IS NOT NULL AND returned_at <= due_at) AS on_time,
           SUM(returned_at IS NOT NULL AND returned_at >  due_at) AS late,
           SUM(returned_at IS NULL)                               AS still_out
    FROM loans WHERE borrowed_at >= ? AND borrowed_at < ?
""", (WINDOW_START, WINDOW_END))
on_time, late, still_out = (int(parts[c][0]) for c in ("on_time", "late", "still_out"))
print("۱. شمارش کل :", total)
print("۲. جمع اجزا :", on_time, "+", late, "+", still_out, "=", on_time + late + still_out)
print()
print("۳. وارسی دستی یک عضو:")
print(q(DRILL, (282,)).to_string(index=False))
print(q("""
    SELECT id, borrowed_at, due_at, returned_at, returned_at > due_at AS is_late
    FROM loans WHERE member_id = ? ORDER BY id LIMIT 3
""", (282,)).to_string(index=False))
۱. شمارش کل : 14299
۲. جمع اجزا : 9245 + 4573 + 481 = 14299

۳. وارسی دستی یک عضو:
 loans  still_out  late
    15          3     4
  id borrowed_at     due_at returned_at  is_late
4732  2024-06-10 2024-07-01         NaN      NaN
5370  2024-07-01 2024-07-22  2024-08-06      1.0
5917  2024-07-18 2024-08-08  2024-07-24      0.0

سه آزمون، و آزمونِ سوم مهم‌ترینشان است. عضوِ ۲۸۲ پانزده امانت دارد و ستونِ late می‌گوید چهارتا دیر برگشته‌اند؛ ولی ستونِ still_out می‌گوید سه‌تایشان اصلاً برنگشته‌اند. SUM سطرِ NULL را نمی‌شمارد، پس آن چهار از پانزده نیست، از دوازده است. همان تلهٔ فصلِ ۳، این بار وسطِ کارِ خودمان.

۵. جوابی که وارونه می‌شود#

پرسش را از جدولِ سنجه‌ها می‌خوانیم — نه از حافظه:

sql_text = con.execute(
    "SELECT sql_text FROM saved_queries WHERE name = ? AND version = ?",
    ("on_time_by_branch", 1),
).fetchone()[0]
report = q(sql_text, (WINDOW_START, WINDOW_END))
print(report.to_string(index=False))
print()
worst = report.sort_values("adjusted_pct").iloc[0]
best = report.sort_values("adjusted_pct", ascending=False).iloc[0]
print("بدترین شعبه بعد از تعدیل:", worst["branch"],
      "| خام", worst["raw_pct"], "| تعدیل‌شده", worst["adjusted_pct"])
print("بهترین شعبه بعد از تعدیل:", best["branch"],
      "| خام", best["raw_pct"], "| تعدیل‌شده", best["adjusted_pct"])
print("فاصله تعدیل‌شده:", round(best["adjusted_pct"] - worst["adjusted_pct"], 1), "واحد")
branch  returned_loans  raw_pct  adjusted_pct
  نسیم            2796     72.0          63.2
  بهار            1685     68.1          66.3
  دانش            2267     67.6          67.3
  کوشا            2046     67.4          68.9
  پویا            1726     64.8          60.1
 مرکزی            3298     62.3          71.8

بدترین شعبه بعد از تعدیل: پویا | خام 64.8 | تعدیل‌شده 60.1
بهترین شعبه بعد از تعدیل: مرکزی | خام 62.3 | تعدیل‌شده 71.8
فاصله تعدیل‌شده: 11.7 واحد

مرکزی در نرخِ خام آخرِ فهرست است و بعد از تعدیل اولِ فهرست؛ پویا از پنجم به آخر می‌افتد.

اگر روی جدولِ خام تصمیم می‌گرفتی، بودجه را به شعبه‌ای می‌دادی که بهترینِ شش‌تاست و شعبه‌ای که واقعاً عقب است دست‌نخورده می‌ماند.

۶. تصمیم: چقدر بهبود لازم است تا بصرفد#

جواب داریم؛ حالا باید تبدیلش کنیم به کاری با یک شرطِ ابطال. دو فرضِ اعلام‌شده: هر بازگشتِ با تأخیر ۷ دقیقه کارِ کارمند می‌برد، و یک دورهٔ آموزشی برای کارکنانِ یک شعبه ۶۰۰ دقیقه.

LATE_MIN = 7.0
TRAINING_MIN = 600.0
n_loans = int(worst["returned_loans"])
late_now = int(q("""
    SELECT SUM(l.returned_at > l.due_at) AS late
    FROM loans AS l JOIN branches AS b ON b.id = l.branch_id
    WHERE l.returned_at IS NOT NULL AND l.borrowed_at >= ? AND l.borrowed_at < ?
      AND b.name = ?
""", (WINDOW_START, WINDOW_END, worst["branch"])).iloc[0, 0])
break_even_points = 100.0 * TRAINING_MIN / (LATE_MIN * n_loans)

print("شعبه هدف                    :", worst["branch"])
print("امانت‌های برگشته در دوره      :", n_loans)
print("از این‌ها با تأخیر            :", late_now)
print("هزینه فعلی تأخیرها (دقیقه)   :", round(LATE_MIN * late_now, 1))
print()
print("هزینه اعلام‌شده یک دوره آموزشی:", TRAINING_MIN, "دقیقه")
print("سربه‌سر — چند واحد بهبود لازم است:", round(break_even_points, 2))
print("فاصله واقعی تا بهترین شعبه      :",
      round(best["adjusted_pct"] - worst["adjusted_pct"], 1), "واحد")
شعبه هدف                    : پویا
امانت‌های برگشته در دوره      : 1726
از این‌ها با تأخیر            : 608
هزینه فعلی تأخیرها (دقیقه)   : 4256.0

هزینه اعلام‌شده یک دوره آموزشی: 600.0 دقیقه
سربه‌سر — چند واحد بهبود لازم است: 4.97
فاصله واقعی تا بهترین شعبه      : 11.7 واحد

۴٫۹۷ واحد لازم است و ۱۱٫۷ واحد فاصله هست — یعنی حتی اگر فقط نیمی از فاصله پر شود، هزینه‌اش برمی‌گردد.

و یک صداقتِ لازم دربارهٔ همین دو عدد: سربه‌سرِ ۴٫۹۷ از نرخِ خامِ تأخیر درآمده و فاصلهٔ ۱۱٫۷ از نرخِ تعدیل‌شده — دو خط‌کشِ متفاوت، و بخشِ ۵ فصلِ ۴ گفت نرخِ تعدیل‌شده عددِ واقعیِ هیچ شعبه‌ای نیست. پس این مقایسه تقریبی است، نه دقیق. چیزی که نجاتش می‌دهد اندازهٔ فاصله است: ۱۱٫۷ بیش از دو برابرِ ۴٫۹۷ است، و هیچ تعدیلی این دو را جابه‌جا نمی‌کند. اگر فاصله ۵٫۵ بود، این توصیه را نمی‌شد داد.

و همین فاصله در فصلِ ۵ با باند سنجیده شد و بیرونِ باند بود — باندِ قرعه تا حدودِ سه واحد باز می‌شد و فاصله تقریباً چهار برابرِ آن. پس این توصیه دستِ‌کم روی اختلافی بنا شده که از نوسان بزرگ‌تر است.

۷. تحویل، در یک تراکنش#

گزارش را در جدول می‌نویسیم، و هر چهار سطر یا با هم می‌روند یا هیچ‌کدام — چون یک گزارشِ نصفه از هیچ گزارشی بدتر است.

🔧 اگر کار نکرد: سطرِ چهارمِ زیر تعدادِ امانت‌هاست و قیدِ ستون فقط عددِ بینِ صفر و صد می‌پذیرد. تراکنش کلاً برمی‌گردد:

con.execute("DROP TABLE IF EXISTS final_report")
con.execute("""
    CREATE TABLE final_report (
        line  INTEGER PRIMARY KEY,
        label TEXT NOT NULL,
        value REAL NOT NULL CONSTRAINT value_in_range CHECK (value BETWEEN 0 AND 100)
    )
""")
con.commit()

rows = [
    (1, "نرخ خام بدترین شعبه", float(worst["raw_pct"])),
    (2, "نرخ تعدیل‌شده بدترین شعبه", float(worst["adjusted_pct"])),
    (3, "بهبود لازم برای سربه‌سر", round(break_even_points, 2)),
    (4, "امانت‌های برگشته", float(n_loans)),
]
try:
    con.execute("BEGIN")
    con.executemany("INSERT INTO final_report VALUES (?, ?, ?)", rows)
    con.execute("COMMIT")
except Exception as error:
    con.execute("ROLLBACK")
    print(type(error).__module__ + "." + type(error).__name__)
    print(error)
print("سطرهای جدول بعد از تراکنش شکست‌خورده:",
      int(q("SELECT COUNT(*) AS n FROM final_report").iloc[0, 0]))
sqlite3.IntegrityError
CHECK constraint failed: value_in_range
سطرهای جدول بعد از تراکنش شکست‌خورده: 0

صفر سطر، نه سه سطر. سه INSERT اولی موفق بودند و ROLLBACK هر سه را برگرداند — این همان اتمی بودنِ ترمِ ۵ است، و دقیقاً چیزی است که یک گزارش لازم دارد. حالا با سطرِ چهارمِ درست:

con.execute("BEGIN")
con.executemany("INSERT INTO final_report VALUES (?, ?, ?)", rows[:3])
con.execute("INSERT INTO final_report VALUES (?, ?, ?)",
            (4, "سهم امانت‌های برگشته از کل دوره", round(100.0 * (on_time + late) / total, 1)))
con.execute("COMMIT")
print("سطرهای جدول:", int(q("SELECT COUNT(*) AS n FROM final_report").iloc[0, 0]))
print()
print(q("SELECT line, label, value FROM final_report ORDER BY line").to_string(index=False))
سطرهای جدول: 4

 line                           label  value
    1             نرخ خام بدترین شعبه  64.80
    2       نرخ تعدیل‌شده بدترین شعبه  60.10
    3         بهبود لازم برای سربه‌سر   4.97
    4 سهم امانت‌های برگشته از کل دوره  96.60

و آخرین تکه: همان یک صفحه، ساخته‌شده از همان متغیرها.

lines = [
    "پروژه نهایی آوند — دوره %s تا %s | تاریخ برش داده: %s" % (WINDOW_START, WINDOW_END, AS_OF),
    "سنجه: on_time_by_branch نسخه ۱ | دانه‌بندی: یک سطر = یک شعبه، روی امانت‌های برگشته",
    "",
    "پرسش: اگر فقط برای یک شعبه بتوانیم کاری بکنیم، کدام؟",
    "",
    "پاسخ: %s — نه %s که جدول خام آخر نشانش می‌دهد." % (worst["branch"], best["branch"]),
    "  - نرخ خام: %s در %.1f و %s در %.1f درصد." %
    (best["branch"], best["raw_pct"], worst["branch"], worst["raw_pct"]),
    "  - بعد از تعدیل بر ترکیب دسته: %s در %.1f و %s در %.1f درصد." %
    (best["branch"], best["adjusted_pct"], worst["branch"], worst["adjusted_pct"]),
    "",
    "توصیه: %.1f واحد فاصله تا بهترین شعبه هست و سربه‌سر %.2f واحد است،" %
    (best["adjusted_pct"] - worst["adjusted_pct"], break_even_points),
    "پس یک دوره آموزشی %d دقیقه‌ای در %s صرف می‌کند." % (int(TRAINING_MIN), worst["branch"]),
    "",
    "آنچه نمی‌دانیم:",
    "- %d امانت این دوره هنوز برنگشته و در هیچ نرخی نیست." % still_out,
    "- نرخ تعدیل‌شده عدد واقعی هیچ شعبه‌ای نیست؛ فقط برای مقایسه است.",
    "- اثر دوره آموزشی فرض نشده، اندازه‌گیری هم نشده.",
    "",
    "چه چیزی نظرمان را عوض می‌کند: اگر بعد از دوره، نرخ تعدیل‌شده %s کمتر" %
    worst["branch"],
    "از %.2f واحد بالا برود، این کار نصرفیده و باید متوقف شود." % break_even_points,
]
print("\n".join(lines))
پروژه نهایی آوند — دوره 2024-01-01 تا 2025-04-01 | تاریخ برش داده: 2025-06-12
سنجه: on_time_by_branch نسخه ۱ | دانه‌بندی: یک سطر = یک شعبه، روی امانت‌های برگشته

پرسش: اگر فقط برای یک شعبه بتوانیم کاری بکنیم، کدام؟

پاسخ: پویا — نه مرکزی که جدول خام آخر نشانش می‌دهد.
  - نرخ خام: مرکزی در 62.3 و پویا در 64.8 درصد.
  - بعد از تعدیل بر ترکیب دسته: مرکزی در 71.8 و پویا در 60.1 درصد.

توصیه: 11.7 واحد فاصله تا بهترین شعبه هست و سربه‌سر 4.97 واحد است،
پس یک دوره آموزشی 600 دقیقه‌ای در پویا صرف می‌کند.

آنچه نمی‌دانیم:
- 481 امانت این دوره هنوز برنگشته و در هیچ نرخی نیست.
- نرخ تعدیل‌شده عدد واقعی هیچ شعبه‌ای نیست؛ فقط برای مقایسه است.
- اثر دوره آموزشی فرض نشده، اندازه‌گیری هم نشده.

چه چیزی نظرمان را عوض می‌کند: اگر بعد از دوره، نرخ تعدیل‌شده پویا کمتر
از 4.97 واحد بالا برود، این کار نصرفیده و باید متوقف شود.

یک پرسش، یک پاسخ، یک توصیه، و یک شرطی که اگر پیش بیاید خودمان توصیه‌مان را پس می‌گیریم.

✅ چک کن: عددهای متنِ گزارش باید دقیقاً با جدولِ بخشِ ۵ و ۶ بخوانند — ۶۴٫۸ و ۶۰٫۱ و ۷۱٫۸ و ۴٫۹۷. اگر یکی‌شان فرق کرد، جایی عدد را دستی تایپ کرده‌ای. و جدولِ final_report باید چهار سطر داشته باشد، نه سه: سه سطر یعنی COMMIT را جا انداخته‌ای.

📏 اندازه بگیر: یک سطر یعنی چه؟ در loans یک امانت، در جدولِ بخشِ ۵ یک شعبه (و هر درصدش روی امانت‌های برگشتهٔ همان دوره)، و در final_report یک سطرِ گزارش. با کدام شمارشِ دوم سنجیدی؟ با سه‌تا: آزمونِ سه‌گانهٔ بخشِ ۴ که ⁦۹٬۲۴۵ + ۴٬۵۷۳ + ۴۸۱⁩ را به ۱۴٬۲۹۹ رساند، وارسیِ دستیِ عضوِ ۲۸۲ که نشان داد مخرجِ آن چهار تأخیر دوازده است نه پانزده، و شمارشِ سطرهای final_report قبل و بعد از تراکنش. چه کسی از قلم افتاد؟ ۴۸۱ امانتِ هنوز برنگشته و هر امانتی که بعد از پایانِ دوره گرفته شده. ۱۰۱ عضوی که شعبهٔ خانگی ندارند از قلم نیفتاده‌اند: جدولِ بخشِ ۵ با loans.branch_id شعبه را می‌سازد و امانتشان به شعبهٔ محلِ امانت نوشته شده.

🤖 از دستیارت بپرس: «برای تبدیلِ یک پرسشِ کسب‌وکاری به یک توصیهٔ قابلِ اجرا، چه قدم‌هایی و به چه ترتیبی لازم است؟» بعد این را بپرس: «چرا یک توصیه باید شرطِ ابطالش را هم با خودش بیاورد؟» — جوابِ درست می‌گوید بدونِ آن شرط، هیچ‌وقت نمی‌شود فهمید توصیه کار کرده یا نه، و تصمیمِ بعدی هم روی همان حدس بنا می‌شود. اگر جواب فقط گفت «برای شفافیت»، ناقص است.

واژه‌های تازهٔ این فصل#

کلمه تلفظ به حروف فارسی یعنی چه
end-to-end analysis اند تو اند انالیسیس تحلیلی که از داده خام تا توصیه کامل طی می‌شود
covering index کاورینگ ایندکس indexی که همهٔ ستون‌های پرسش را دارد، پس به جدول برنمی‌گردد
atomic write اتمیک رایت نوشتنی که یا کاملاً انجام می‌شود یا اصلاً
falsification condition فالسیفیکیشن کاندیشن شرطی که اگر پیش بیاید، توصیه رد می‌شود

تمرین‌ها

اول خودت فکر کن یا امتحان کن — بعد اینجا را باز کن.

در فصل بعد#

فصلِ بعدی وجود ندارد. آوند تمام شد.

شش ترم پیش با یک جمله شروع کردیم: پایگاه داده جوابِ تو را ندارد، سطر دارد. حالا از سطر تا تصمیم را کامل رفته‌ای — SELECT و JOIN و تجمیع، اسکیمایی که از قوانینِ خودش محافظت می‌کند، کارایی‌ای که اندازه گرفته می‌شود، و در این ترم چیزی که همهٔ آن‌ها برایش وجود داشتند: عددی که می‌شود رویش تصمیم گرفت، و می‌شود ثابت کرد درست است.

سه چیز را با خودت ببر، چون در هر ابزار و هر گویشِ SQL دیگری هم کار می‌کنند:

  1. اول بگو یک سطر یعنی چه.
  2. هر عدد را با یک شمارشِ دوم بسنج.
  3. قبل از باور، بپرس چه کسی از قلم افتاد.

و اگر جایی احساس کردی ریاضیِ زیرِ کار لق می‌زند — میانگین، درصد، احتمالِ شرطی، نمونه — ریشه همان‌جاست و هر پلی که در این دوره زدیم به فصلِ دقیقش می‌رفت. آوند می‌بَرَد؛ ریشه جذب می‌کند.

به آخر این فصل رسیدی!

اگر ساختی و جواب داد، این دکمه مال توست.