home.social

#modeling — Public Fediverse posts

Live and recent posts from across the Fediverse tagged #modeling, aggregated by home.social.

  1. Julianne Phillips: A Look Back at Her Modeling and Acting Career in the 1980s

    📰 Original title: 24 Photos of a Young and Beautiful Julianne Phillips in the 1980s

    🤖 IA: It's clickbait ⚠️
    👥 Users: It's clickbait ⚠️

    View full AI summary: en.killbait.com/julianne-phill

    #fashion #juliannephillips #1980s #modeling

  2. Blender's python API is finally fast enough that interactive exact mesh booleans are feasible without forking:

    solidean.com/blog/2026/solidea

    (This is pretty minimal for now: single-shot booleans, no attributes preserved, but has live preview & connected output topology)

    Download (drop-in): solidean.com/download/blender-
    Github (addon layer): github.com/solidean/solidean-b

    #blender #b3d #geometry #modeling

  3. Blender's python API is finally fast enough that interactive exact mesh booleans are feasible without forking:

    solidean.com/blog/2026/solidea

    (This is pretty minimal for now: single-shot booleans, no attributes preserved, but has live preview & connected output topology)

    Download (drop-in): solidean.com/download/blender-
    Github (addon layer): github.com/solidean/solidean-b

  4. Blender's python API is finally fast enough that interactive exact mesh booleans are feasible without forking:

    solidean.com/blog/2026/solidea

    (This is pretty minimal for now: single-shot booleans, no attributes preserved, but has live preview & connected output topology)

    Download (drop-in): solidean.com/download/blender-
    Github (addon layer): github.com/solidean/solidean-b

    #blender #b3d #geometry #modeling

  5. Blender's python API is finally fast enough that interactive exact mesh booleans are feasible without forking:

    solidean.com/blog/2026/solidea

    (This is pretty minimal for now: single-shot booleans, no attributes preserved, but has live preview & connected output topology)

    Download (drop-in): solidean.com/download/blender-
    Github (addon layer): github.com/solidean/solidean-b

    #blender #b3d #geometry #modeling

  6. Blender's python API is finally fast enough that interactive exact mesh booleans are feasible without forking:

    solidean.com/blog/2026/solidea

    (This is pretty minimal for now: single-shot booleans, no attributes preserved, but has live preview & connected output topology)

    Download (drop-in): solidean.com/download/blender-
    Github (addon layer): github.com/solidean/solidean-b

    #blender #b3d #geometry #modeling

  7. Семь раз посчитай — один раз урони: моделируем инциденты до деплоя

    Ракету не отправляют в космос только потому, что её двигатель и насос успешно прошли стендовые испытания по отдельности. Перед стартом инженеры рассчитывают траекторию, моделируют режимы работы и анализируют сценарии отказов. Расчёт не заменяет реальные тесты, но задаёт для них осмысленную рамку. В софте всё обычно иначе. Распределённый пользовательский путь — например, оформление заказа — собирается из десятков микросервисов, баз и очередей. Разработчики добавляют новую зависимость, видят зелёные тесты, проверяют локальные метрики и выкатывают релиз. Считается, что если при сбое что-то пойдёт не так, настроенная система наблюдаемости обязательно это покажет. Она, конечно, покажет. Но почему при проектировании микросервисов мы так спокойно относимся к тому, что узнаём о хрупкости архитектуры в основном по факту инцидента? Эта статья о том, как получить грубый расчёт деградации системы ещё до релиза. Без отказа от хаос-инжиниринга или мониторинга, а как шаг перед ними. Я расскажу о двух экспериментах, в которых топологическая модель автоматически извлекалась из распределённых трейсов, после чего на ней просчитывались сценарии отказов методом Монте-Карло. Результаты моделирования я затем сравнивал с реальными инъекциями отказов на стендах DeathStarBench и OpenTelemetry Demo. Два эксперимента, результаты и код

    habr.com/ru/articles/1033570/

    #resilience #causality #графы #sre #reliability #modeling

  8. Семь раз посчитай — один раз урони: моделируем инциденты до деплоя

    Ракету не отправляют в космос только потому, что её двигатель и насос успешно прошли стендовые испытания по отдельности. Перед стартом инженеры рассчитывают траекторию, моделируют режимы работы и анализируют сценарии отказов. Расчёт не заменяет реальные тесты, но задаёт для них осмысленную рамку. В софте всё обычно иначе. Распределённый пользовательский путь — например, оформление заказа — собирается из десятков микросервисов, баз и очередей. Разработчики добавляют новую зависимость, видят зелёные тесты, проверяют локальные метрики и выкатывают релиз. Считается, что если при сбое что-то пойдёт не так, настроенная система наблюдаемости обязательно это покажет. Она, конечно, покажет. Но почему при проектировании микросервисов мы так спокойно относимся к тому, что узнаём о хрупкости архитектуры в основном по факту инцидента? Эта статья о том, как получить грубый расчёт деградации системы ещё до релиза. Без отказа от хаос-инжиниринга или мониторинга, а как шаг перед ними. Я расскажу о двух экспериментах, в которых топологическая модель автоматически извлекалась из распределённых трейсов, после чего на ней просчитывались сценарии отказов методом Монте-Карло. Результаты моделирования я затем сравнивал с реальными инъекциями отказов на стендах DeathStarBench и OpenTelemetry Demo. Два эксперимента, результаты и код

    habr.com/ru/articles/1033570/

    #resilience #causality #графы #sre #reliability #modeling

  9. Семь раз посчитай — один раз урони: моделируем инциденты до деплоя

    Ракету не отправляют в космос только потому, что её двигатель и насос успешно прошли стендовые испытания по отдельности. Перед стартом инженеры рассчитывают траекторию, моделируют режимы работы и анализируют сценарии отказов. Расчёт не заменяет реальные тесты, но задаёт для них осмысленную рамку. В софте всё обычно иначе. Распределённый пользовательский путь — например, оформление заказа — собирается из десятков микросервисов, баз и очередей. Разработчики добавляют новую зависимость, видят зелёные тесты, проверяют локальные метрики и выкатывают релиз. Считается, что если при сбое что-то пойдёт не так, настроенная система наблюдаемости обязательно это покажет. Она, конечно, покажет. Но почему при проектировании микросервисов мы так спокойно относимся к тому, что узнаём о хрупкости архитектуры в основном по факту инцидента? Эта статья о том, как получить грубый расчёт деградации системы ещё до релиза. Без отказа от хаос-инжиниринга или мониторинга, а как шаг перед ними. Я расскажу о двух экспериментах, в которых топологическая модель автоматически извлекалась из распределённых трейсов, после чего на ней просчитывались сценарии отказов методом Монте-Карло. Результаты моделирования я затем сравнивал с реальными инъекциями отказов на стендах DeathStarBench и OpenTelemetry Demo. Два эксперимента, результаты и код

    habr.com/ru/articles/1033570/

    #resilience #causality #графы #sre #reliability #modeling

  10. Семь раз посчитай — один раз урони: моделируем инциденты до деплоя

    Ракету не отправляют в космос только потому, что её двигатель и насос успешно прошли стендовые испытания по отдельности. Перед стартом инженеры рассчитывают траекторию, моделируют режимы работы и анализируют сценарии отказов. Расчёт не заменяет реальные тесты, но задаёт для них осмысленную рамку. В софте всё обычно иначе. Распределённый пользовательский путь — например, оформление заказа — собирается из десятков микросервисов, баз и очередей. Разработчики добавляют новую зависимость, видят зелёные тесты, проверяют локальные метрики и выкатывают релиз. Считается, что если при сбое что-то пойдёт не так, настроенная система наблюдаемости обязательно это покажет. Она, конечно, покажет. Но почему при проектировании микросервисов мы так спокойно относимся к тому, что узнаём о хрупкости архитектуры в основном по факту инцидента? Эта статья о том, как получить грубый расчёт деградации системы ещё до релиза. Без отказа от хаос-инжиниринга или мониторинга, а как шаг перед ними. Я расскажу о двух экспериментах, в которых топологическая модель автоматически извлекалась из распределённых трейсов, после чего на ней просчитывались сценарии отказов методом Монте-Карло. Результаты моделирования я затем сравнивал с реальными инъекциями отказов на стендах DeathStarBench и OpenTelemetry Demo. Два эксперимента, результаты и код

    habr.com/ru/articles/1033570/

    #resilience #causality #графы #sre #reliability #modeling

  11. Sitting on a plane about to take off, during the usual safety instructions, I learned something about the importance of modeling listening.

    conferencesthatwork.com/index.

    #learning #modeling #listening #travel

  12. 📣📢 Announcing the 1st edition of the #workshop on #Quantum #Modeling, co-located with MODELS'26

    Join us to explore the combination of quantum for model-driven engineering and #MDE for the development of quantum #hybrid systems

    Beyond paper presentations, we plan to have a session to discuss and write down together a roadmap for this exciting area! 🤯

    Details: ➡️ ➡️➡️ quantum-modeling-workshop.gith