#высоконагруженные_сервисы — Public Fediverse posts

Object Pool коротко: экономим память в C# без лишнего мусора

Уверен, многие замечали: стоит программе активно выделять объекты в куче, как сборщик мусора тут как тут. Пара лишних мегабайт и ваше приложение уже тратит время на паузы GC, вместо того чтобы радовать пользователей скоростью. Сегодня речь пойдёт про пул объектов , шаблон проектирования, позволяющий переиспользовать уже созданные экземпляры, вместо того чтобы порождать их заново. Меньше новых объектов и меньше работы сборщику мусора.

https://habr.com/ru/companies/otus/articles/970096/

#c# #пул_объектов #object_pool #ArrayPool #управление_памятью_в_NET #сборщик_мусора_GC #производительность_C# #высоконагруженные_сервисы

Object Pool коротко: экономим память в C# без лишнего мусора

Уверен, многие замечали: стоит программе активно выделять объекты в куче, как сборщик мусора тут как тут. Пара лишних мегабайт и ваше приложение уже тратит время на паузы GC, вместо того чтобы радовать пользователей скоростью. Сегодня речь пойдёт про пул объектов , шаблон проектирования, позволяющий переиспользовать уже созданные экземпляры, вместо того чтобы порождать их заново. Меньше новых объектов и меньше работы сборщику мусора.

https://habr.com/ru/companies/otus/articles/970096/

#c# #пул_объектов #object_pool #ArrayPool #управление_памятью_в_NET #сборщик_мусора_GC #производительность_C# #высоконагруженные_сервисы

Object Pool коротко: экономим память в C# без лишнего мусора

Уверен, многие замечали: стоит программе активно выделять объекты в куче, как сборщик мусора тут как тут. Пара лишних мегабайт и ваше приложение уже тратит время на паузы GC, вместо того чтобы радовать пользователей скоростью. Сегодня речь пойдёт про пул объектов , шаблон проектирования, позволяющий переиспользовать уже созданные экземпляры, вместо того чтобы порождать их заново. Меньше новых объектов и меньше работы сборщику мусора.

https://habr.com/ru/companies/otus/articles/970096/

#c# #пул_объектов #object_pool #ArrayPool #управление_памятью_в_NET #сборщик_мусора_GC #производительность_C# #высоконагруженные_сервисы

Object Pool коротко: экономим память в C# без лишнего мусора

Уверен, многие замечали: стоит программе активно выделять объекты в куче, как сборщик мусора тут как тут. Пара лишних мегабайт и ваше приложение уже тратит время на паузы GC, вместо того чтобы радовать пользователей скоростью. Сегодня речь пойдёт про пул объектов , шаблон проектирования, позволяющий переиспользовать уже созданные экземпляры, вместо того чтобы порождать их заново. Меньше новых объектов и меньше работы сборщику мусора.

https://habr.com/ru/companies/otus/articles/970096/

#c# #пул_объектов #object_pool #ArrayPool #управление_памятью_в_NET #сборщик_мусора_GC #производительность_C# #высоконагруженные_сервисы

[Перевод] Одна строка — тысячи горутин: как мы поймали утечку памяти в сервисе на Go

В этом техническом разборе рассмотрим, как инженеры Harness обнаружили и исправили критическую утечку памяти в Go: переназначение переменной контекста в циклах воркеров порождало невидимые цепочки, мешавшие сборщику мусора освобождать память в тысячах горутин, из-за чего их сервис-делегат CI/CD в итоге потреблял гигабайты памяти. Читать разбор

https://habr.com/ru/companies/otus/articles/957486/

#golang #утечка_памяти #горутины #сборщик_мусора #пул_воркеров #профилирование_памяти #логирование_в_контексте #высоконагруженные_сервисы #contextContext #go

Как устроен рекомендательный сервис, который выдерживает 700 тысяч запросов в секунду. Доклад Яндекса

«Баннерная крутилка» — один из самых высоконагруженных сервисов в Яндексе. Он умеет переживать 700 тысяч RPS, а иногда и больше. Каждый раз, когда приходит запрос, крутилка должна просмотреть базу из миллиарда документов и выбрать из них самые релевантные для пользователя. При этом выдерживаются весьма жесткие временные рамки: 99% всех запросов обрабатываются менее чем за 200 миллисекунд. Какими принципами стоит руководствоваться при построении подобных высоконагруженных систем? Как устроены стадии отбора документов? Какое участие в ранжировании принимает ML? Обо всём этом на недавнем мероприятии для разработчиков в Ереване рассказал Артём Ваншулин, руководитель разработки ранжирования в команде баннерной системы. Сегодня мы делимся с сообществом текстовой версией его доклада. Передаём ему слово.

https://habr.com/ru/companies/yandex/articles/816205/

#доклад_яндекса #высокая_нагрузка #высоконагруженные_сервисы #машинное_обучение #рекомендательные_системы #разработка_сервисов #проектирование