#data_structures — Public Fediverse posts

Introduction to R for Social Researchers: A Practical Course on Data Preparation, Visualisation, and Statistical Analysis by Alexandru Cernat is the featured course 🎓 on Leanpub!

Link: https://leanpub.com/courses/leanpub/intro-r-social

#r #data_structures #databases #data_science

Beyond Context Graphs : Agentic Memory , Causual Graphs , Promise Graphs and decision traces by Volodymyr Pavlyshyn is the featured bundle of ebooks 📚 on Leanpub!

How to make agents adopted to enterprice grade tasks

Link: https://leanpub.com/b/beyondcontextgraphs-agenticai

#ai #deep_learning #data_science #software_architecture #databases #data_structures #software_engineering

Rust Programming MasterClass (Updated 2026) by GitforGits | Asian Publishing House is the featured bundle of ebooks 📚 on Leanpub!

Link: https://leanpub.com/b/rustprogrammingmasterclass2026

#rust #data_structures #software_engineering #distributed_systems #apis #computer_hardware #networking #programming_cookbooks #computer_security #operating_system_development

StaticECS — Bitmap Entity Component System

За десятилетия существования ECS сложились два фундаментальных способа хранить компоненты: архетипы (Unity DOTS, Flecs, Bevy) и sparse sets (EnTT, LeoECS). Каждый из них несёт структурные ограничения, которые не устраняются оптимизацией реализации — они вытекают из самой модели данных. StaticEcs — третья модель. Она основана на инвертированном иерархическом битовом индексе : не сущности хранят маски своих компонентов, а компоненты хранят битовые карты сущностей. Фильтрация запроса — это побитовое AND, обрабатывающее 64 сущности за одну инструкцию CPU. Добавление или удаление компонента меняет один бит и не перемещает никаких данных. В статье разбираю, как устроена эта архитектура, чем она отличается от архетипов и sparse sets, и что даёт на практике.

https://habr.com/ru/articles/1027940/

#ECS #C# #NET #gamedev #game_development #performance #data_structures #Unity #архитектура #оптимизация

MDM: как навести порядок в НСИ и перестать чинить интеграции

В любой компании справочники НСИ сначала выглядят как “ну это же просто таблицы”. Контрагенты, номенклатура, адреса, подразделения, единицы измерения, статусы. Пока людей и систем мало - всё держится на внимательности пары сотрудников и привычке “если что, поправим руками”.

https://habr.com/ru/articles/993368/

#НСИ #мдм #mdm #mdmсистема #нси_и_интеграция #data #data_analysis #data_structures #базы_данных #data_science

Boolean — плохой флаг для данных

Мы все видели и использовали поля типа boolean в базах данных как часть структуры данных. На первый взгляд это удобно: два значения — «да» или «нет», просто и понятно. Например, у пользователя может быть флаг is_active , который показывает, включён аккаунт или нет, или поле is_deleted , которое используется как мягкое удаление. Такие поля встречаются повсюду. Но на практике хранение boolean в базе данных как элемента модели часто приводит к проблемам. В этой статье разберёмся, почему boolean может быть плохим выбором, и что использовать вместо него, чтобы избежать ошибок в будущем.

https://habr.com/ru/articles/942910/

#clean_code #clean_architecture #data_structures #data_storage #architectureascode #architecture_design #architecture_principles #architectural_decision_records

Как порядок свойств убивает JavaScript?

Привет, Хабаровчане! Во второй статье, хочу поделиться наблюдениями из документации V8 и немного нудной информацией для многих :)

https://habr.com/ru/articles/935786/

#javascript #typescript #json #data_structures #performance #optimization #jitкомпилятор #v8 #d8

Как мы храним 20000+ метрик и миллиарды комбинаций разрезов в одной таблице

Привет! Меня зовут Влад Божьев, я старший разработчик юнита АБ-тестирования Авито . Один из наших ключевых инструментов – M42, сервис для визуализации метрик. Он позволяет быстро проверять гипотезы, анализировать отклонения и оценивать инициативы. В этой статье мы с вами погружаемся в самое сердце M42 и разбираем, как же там хранятся отчеты по метрикам. Это не просто рассказ, это почти детективная история о том, как мы искали оптимальное решение. В нашем семантическом слое данных больше 20 000 метрик, и есть десятки разрезов для каждой из них. Под катом рассказываю, как мы храним терабайты данных и автоматизируем добавление новых разрезов в отчёт M42.

https://habr.com/ru/companies/avito/articles/913694/

#M42 #bigdata #clickhouse #python #data_analysis #data_engineering #data_structures #storage #adhocанализ #adhoc