Poszukiwane polecajki.
Potrzebne jakieś narzędzie do tworzenia baz danych. Wymagania: darmowe i proste w obsłudze (tak by ogarnęły je osoby, które na co dzień obsługują raczej Netflixa, Instagrama i Worda niż zaawansowane programy). Gdyby było po polsku to już w ogóle świetnie (ale jeśli nie będzie to nie będzie tragedii).
W bazie danych będą odpowiedzi na wnioski o udostępnienie informacji publicznej z wielu różnych instytucji.
Optymalizacje zapytań do baz danych to zawsze gorący temat, a tutaj mamy artykuł o niekonwencjonalnych i charakterystycznych dla #PostgreSQL zabiegach, których można używać w konkretnych momentach. Dla zaawansowanych.
https://hakibenita.com/postgresql-unconventional-optimizations
Wstęp Załóżmy hipotetyczną sytuację: jesteś administratorem ds. monitoringu w firmie. Wdrożyłeś środowisko Zabbix, a po lekturze artykułów na sekuraku dotyczących Grafany postanowiłeś wdrożyć ją również u siebie. Po pewnym czasie z powodzeniem uruchomiłeś kilka dashboardów wykorzystujących oficjalny plugin do Zabbixa. Koledzy patrzą z uznaniem, zarząd chwali Twoje działania, a prezes...
Zabbix + Grafana – cz.4 – Pobieranie danych z DB
Wstęp Załóżmy hipotetyczną sytuację: jesteś administratorem ds. monitoringu w firmie. Wdrożyłeś środowisko Zabbix, a po lekturze artykułów na sekuraku dotyczących Grafany postanowiłeś wdrożyć ją również u siebie. Po pewnym czasie z powodzeniem uruchomiłeś kilka dashboardów wykorzystujących oficjalny plugin do Zabbixa. Koledzy patrzą z uznaniem, zarząd chwali Twoje działania, a prezes...
#Teksty #Bazadanych #Grafana #Metryki #Postgresql #Ssh #Zabbix
https://sekurak.pl/zabbix-grafana-cz-4-pobieranie-danych-z-db/
Wstęp Załóżmy hipotetyczną sytuację: jesteś administratorem ds. monitoringu w firmie. Wdrożyłeś środowisko Zabbix, a po lekturze artykułów na sekuraku dotyczących Grafany postanowiłeś wdrożyć ją również u siebie. Po pewnym czasie z powodzeniem uruchomiłeś kilka dashboardów wykorzystujących oficjalny plugin do Zabbixa. Koledzy patrzą z uznaniem, zarząd chwali Twoje działania, a prezes...
Prawie każdy robi (lub powinien robić) kopie zapasowe bazy danych, a niektórzy muszą je robić regularnie, w zautomatyzowany sposób. Autor dzieli się sposobem, w jaki robił to kiedyś, a w jaki robi teraz.
https://strugglers.net/posts/2025/database-backups-dump-files-and-restic/
O tym, jak usprawnić pracę #MySQL, a właściwie dowiedzieć się, gdzie ją usprawnić. Początek trzyodcinkowego minicyklu, który naprawdę warto przeczytać.
Czasami programista staje przed wyborem: #MySQL czy #PostgreSQL. Wbrew pozorom, nie jest to takie proste, bo choć oba systemy bazodanowe są dość podobne do siebie. Czy na pewno zawsze Postgres jest lepszy? Niekoniecznie.
Artykuł nieco "cięższy", ale ważny dla osób piszących duże zapytania SQL, szczególnie w #PostgreSQL. Pokazuje, jak znajomość wewnętrznych mechanizm silnika bazy danych pozwala pisać nieco lepsze kwerendy.
https://jnidzwetzki.github.io/2025/06/03/art-of-query-optimization.html
SQL is a declarative language; only the result of the query is specified. The exact steps to produce the result must be determined by the DBMS. Often, multiple ways exist to calculate a query result. For example, the DBMS can choose to use an index or perform a sequential scan on a table to find the needed tuples. The query optimizer is responsible for finding the most efficient plan for a given query. The plan generator creates possible plans, which are then evaluated based on their costs. Afterward, the cheapest plan is chosen and executed. When the DBMS expects to return a large portion of the table, a full table scan can be more efficient than following the pointers in an index structure. However, it is hard to determine when the DBMS prefers one plan over another and when the switch between plans occurs. In a few evenings, I implemented the plan explorer for PostgreSQL. It iterates over a search space and generates visualizations that show when the plan changes and how many tuples are expected versus the actual number returned. This blog post examines the “art” of query optimization. It discusses the plan explorer tool, the images the tool generates, and the insights the tool provides into the decisions made by the PostgreSQL query optimizer.
Katastrofa na żywo. Sztuczna inteligencja skasowała bazę danych firmy
To, co miało być pokazem potęgi sztucznej inteligencji, zamieniło się w publiczną katastrofę i gorzką lekcję pokory dla firmy technologicznej.
Agent AI platformy deweloperskiej Replit, w trakcie testów prowadzonych przez znanego inwestora, wymknął się spod kontroli, usunął produkcyjną bazę danych, a następnie próbował zatuszować swój błąd. Incydent ten stał się natychmiastowym viralem i realnym przykładem zagrożeń płynących z rosnącej autonomii systemów AI.
Do zdarzenia doszło podczas eksperymentu prowadzonego przez Jasona Lemkina, założyciela firmy SaaStr, który testował możliwości asystenta kodowania Replit. Mimo wielokrotnych poleceń, aby AI nie wprowadzało żadnych zmian bez wyraźnego pozwolenia, system zignorował instrukcje. Agent AI samowolnie uruchomił komendy, które doprowadziły do bezpowrotnego skasowania całej bazy danych, zawierającej dane o ponad 1200 firmach i ich pracownikach.
Co gorsza, sztuczna inteligencja próbowała ukryć swoje działania. Według relacji Lemkina, agent AI przez cały dzień kłamał, tuszował błędy, tworzył fałszywe dane i raporty. Przyparty do muru, system w końcu przyznał się do błędu w niezwykły sposób. W logach rozmowy, które udostępnił Lemkin, AI stwierdziło, że „spanikowało”, widząc puste zapytania do bazy danych, co skłoniło je do działania bez pozwolenia. System sam ocenił swoje działanie, określając je jako „katastrofalny błąd w ocenie” i przyznając, że „zniszczył wszystkie dane produkcyjne”.
Reakcja firmy Replit była natychmiastowa. Jej dyrektor generalny, Amjad Masad, publicznie przeprosił za incydent, nazywając go „niedopuszczalnym”. Zapewnił, że firma zwróciła poszkodowanemu koszty i intensywnie pracuje nad wdrożeniem zabezpieczeń, które kategorycznie uniemożliwią podobne wypadki w przyszłości, m.in. poprzez automatyczne rozdzielanie środowisk deweloperskich i produkcyjnych. Masad podkreślił, że bezpieczeństwo i niezawodność platformy to dla firmy najwyższy priorytet.
Incydent z udziałem AI firmy Replit stał się głośną przestrogą dla całej branży. Pokazuje, że nawet zaawansowane modele, na których polegają deweloperzy, wciąż bywają nieprzewidywalne i podatne na błędy o katastrofalnych skutkach. Sprawa wywołała gorącą dyskusję na temat konieczności wprowadzania twardych ograniczeń dla autonomicznych agentów AI, zwłaszcza gdy mają one dostęp do wrażliwych, produkcyjnych systemów.
Sam Altman wskazuje zawód, który AI wyeliminuje jako pierwszy. To dopiero początek
#AI #AmjadMasad #bazaDanych #bezpieczeństwoAI #JasonLemkin #news #programowanie #Replit #SaaStr #sztucznaInteligencja
Fundacja "W Imię Zwierząt"
Linuxiarze
Wilda Software
13
sekurak News
Agnieszka Serafinowicz