Channel
@java_weekly
On this record: Topic · Growth · Engagement · What this channel posts · Reactions · Posts · Citations · Cite this entry
211subscribers
+0 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1002147406640 |
|---|---|
| Type | Channel |
| Username | @java_weekly |
| Created | Between 1 April 2024 and 30 September 2024 — estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 8 September 2026 |
| Last confirmed live | 19 September 2026 |
| Measurements held | 6 |
| Confirmed unchanged | 1 time, most recently 19 September 2026 |
| On Telegram | t.me/java_weekly |
Technology — a classification, not a measurement. An on-box language model (Qwen3.6-35B-A3B-FP8, prompt version 1) read this channel’s own recent posts on 24 September 2026 and assigned it the closest of 31 fixed categories, at 99% confidence. This is a model’s judgement about what the channel is likely to be about, not a fact this register measured the way a subscriber count or a view count is measured — it can be revised on a later pass, and it carries no weight anywhere else on this page. How this classification works, and why it has no browse page of its own yet.
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 19 Sept 2026, 08:56 | 211 | -1 |
| 11 Sept 2026, 13:59 | 212 | +1 |
| 8 Sept 2026, 19:22 | 211 | no change |
| 21 Aug 2026, 03:57 | 211 | -1 |
| 15 Aug 2026, 00:55 | 212 | +1 |
| 7 Aug 2026, 14:08 | 211 | first reading |
20 posts held, back to 14 July 2025 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 page of Telegram’s post history, 20 posts per page.
Nothing published in the last 30 days. ERR and ER are rolling 30-day measures, so there is nothing to compute — we hold 20 posts for this entry, the most recent from 17 August 2026. An engagement rate over an empty window would be a number about nothing.
Measured directly from 12 videos with a duration reading, out of the posts we hold for this channel — not this channel’s whole posting history, only the sample this register has actually read. An exact reading to the second, taken from the post itself rather than from Telegram’s own rounded chrome, so it carries no ≈ mark.
225 reactions across 20 posts, in 4 distinct kinds. The most used accounts for 48.4% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| 🔥 | 109 | 48.4% | |
| 👍 | 67 | 29.8% | |
| ❤ | 48 | 21.3% | |
| 😁 | 1 | 0.444% |
No sentiment is inferred, and none should be read in. This table is ordered by count and by nothing else. Emoji do not carry stable meaning across languages or communities — 🙏 is thanks in one channel and mourning in another — so we publish which ones were pressed and how often, and pass no judgement on what an audience meant by them.
Precision. Telegram publishes reaction counts per emoji and short-forms each one — 4.34K, 1.2M — so any single kind at or above 1,000 reaches us at three significant figures, and only counts below 1,000 are exact. The shares above are ratios of those figures and carry the same error. This is also why the total here can differ slightly from a reaction total printed elsewhere on the page: both are sums of the same rounded parts, taken over samples with different edges.
Coverage. Reactions were read on 20 of the 20 sampled posts in this sample. Summed by Telegram’s own count on each post — not by adding up the per-emoji breakdown above — those same posts carry 225 reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 20 most recent posts we hold, published 14 July 2025 to 17 August 2026, using the newest reading held for each. Telegram Stars are excluded: they are a payment, not a reaction, and they have their own section.
MongoDB Sharding: как разделить миллион документов между серверами Разбираемся, как работает MongoDB Sharding: поднимаем sharded cluster, распределяем миллион документов между серверами, смотрим на chunks, balancer и разбираемся, как MongoDB выбирает нужный shard для запроса
❤4👍2
Как разбить большую таблицу на партиции в PostgreSQL Рассказываю о том, как работать с партициями в PostgreSQL. Несколько примеров: 1. Создаем таблицу с несколькими партициями сразу. 2. Мигрируем существующие данные в таблицу с партициями. Пишите в комментариях, какой подход при миграции использовали вы.
🔥8
SQL vs NoSQL: История борьбы и сотрудничества - Engineering Trade-offs В начале 2010-х все были уверены, что SQL скоро исчезнет, а будущее за NoSQL. Но прошло 15 лет, и PostgreSQL по-прежнему остается одной из самых популярных баз данных. Что пошло не так? В этом выпуске Engineering Trade-offs разбираемся, почему появился NoSQL, какие реальные проблемы он решил, почему этого оказалось недостаточно и как SQL и NoSQL…
👍8
Распиливаем монолит на микросервисы со Spring Modulith В этом выпуске превращаем модульный монолит в полноценную микросервисную архитектуру. Покажу, какие изменения действительно нужны, как использовать Kafka и HTTP Interface Clients, и как здесь помогает Spring Modulith
👍7❤4
Spring Modulith - модульный монолит на Spring Boot В этом видео разбираем Spring Modulith — новый подход к построению модульных монолитов в Spring Boot. Вы узнаете: • зачем вообще нужен Spring Modulith; • как разделить приложение на независимые модули; • как автоматически проверять архитектурные границы;
❤8🔥3👍2
Микросервисы? Или лучше модульный монолит? | Engineering Trade-offs Все слышали, что будущее за микросервисами. Но почему тогда Amazon, Shopify и другие компании всё чаще говорят о модульных монолитах? В этом выпуске разбираемся: * почему микросервисы вообще появились; * какую цену приходится платить за распределённую систему; * почему микросервисы часто решают организационные, а не технические проблемы; * что тако…
❤11🔥3👍1
AI-агент теперь ПОМНИТ всё! Добавляем память в Spring AI В прошлом видео мы научили AI работать с MCP Server и коллекцией виниловых пластинок. Но была одна проблема — после каждого сообщения агент забывал весь предыдущий разговор. В этом видео исправим это с помощью ChatMemory из Spring AI. Теперь AI будет помнить историю диалога, учитывать контекст и отвечать намного естественнее.
❤5👍5😁1
MCP клиент на Spring Boot - подключаемся к Ollama и MCP Server В этом видео собираем MCP Client на Spring Boot и подключаем его к локально запущенному Ollama и MCP серверу на Spring Boot. MCP Server предоставляет инструменты для управления коллекцией виниловых пластинок и его мы уже делали в прошлом видео. Как сейчас модно говорить - без маркетинговой шелухи, четко и по делу, только Spring Boot, только стартеры и …
🔥8❤3
MCP сервер для Codex/Claude Code на Spring Boot Создаём MCP Server на Spring Boot и подключаем его к Codex! В этом видео AI получит доступ к коллекции винила: поиск, просмотр и добавление пластинок через MCP. 🚀💿
🔥12❤2👍2
Почему я всё реже выбираю Hibernate В этом видео расскажу, где ORM создаёт больше проблем, чем решает, когда стоит использовать чистый SQL и почему jOOQ стал моим инструментом по умолчанию для работы с базой данных в Java.
👍8❤7
Hibernate - Спасение или проблема? Hibernate — это мощный ORM, который идеально раскрывается в бизнес-приложениях: CRUD, сложные доменные модели, связи между сущностями и быстрый старт разработки без постоянного написания SQL. В этом видео разбираем: — где Hibernate реально помогает — почему он так хорош для CRUD и агрегатов — как работает lazy loading и где он может «стрельнуть в ногу» — когда JPQL уже не хватает …
🔥7
Hibernate vs jOOQ vs SQL - Engineering Trade-offs Hibernate долго был для меня инструментом по умолчанию в Java-разработке — быстрый, удобный, “магический”. Но со временем я стал всё чаще замечать его ограничения и переходить к jOOQ или plain SQL. В этом видео мой взгляд на ORM глазами инженера, который работал с реальными системами: где Hibernate помогает, а где начинает усложнять жизнь.
🔥14❤2
Showing the 12 most recent of 20 posts we hold for @java_weekly. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
Names
Channels on the register whose handles appear in this channel's posts.
A mention is a weaker signal than a forward and is counted separately for that reason — naming a channel is not republishing it, and a handle in a post body is easy to place deliberately. The post counts beside each row below are distinct posts in which the handle appeared, from posts we have read on both sides — the “Named by N registered channels” figure above is a different count, of distinct NAMING CHANNELS rather than posts, and is not the sum of the rows under it.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 19 September 2026 — this entry's latest reading, not the date you are reading this.
“Java & Spring Weekly” (@java_weekly), 211 subscribers as measured 19 September 2026. Telegram Register, tgregister.com/channel/java_weekly.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.