#оптимизация — Public Fediverse posts

Хром и скорость

Подробное руководство по ускорению любимого браузера подручными средствами. В помощь домохозяюшкам, студентам и высшему руководству — всем у кого нет под рукой топового железа с 64Гб памяти для работы в современном интернете.

https://habr.com/ru/companies/timeweb/articles/1037426/

#chrome #ungoogled_chromium #chromium #оптимизация #linux_desktop #linux #windows7 #freebsd #timeweb_статьи

Хром и скорость

Подробное руководство по ускорению любимого браузера подручными средствами. В помощь домохозяюшкам, студентам и высшему руководству — всем у кого нет под рукой топового железа с 64Гб памяти для работы в современном интернете.

https://habr.com/ru/companies/timeweb/articles/1037426/

#chrome #ungoogled_chromium #chromium #оптимизация #linux_desktop #linux #windows7 #freebsd #timeweb_статьи

Хром и скорость

Подробное руководство по ускорению любимого браузера подручными средствами. В помощь домохозяюшкам, студентам и высшему руководству — всем у кого нет под рукой топового железа с 64Гб памяти для работы в современном интернете.

https://habr.com/ru/companies/timeweb/articles/1037426/

#chrome #ungoogled_chromium #chromium #оптимизация #linux_desktop #linux #windows7 #freebsd #timeweb_статьи

Хром и скорость

Подробное руководство по ускорению любимого браузера подручными средствами. В помощь домохозяюшкам, студентам и высшему руководству — всем у кого нет под рукой топового железа с 64Гб памяти для работы в современном интернете.

https://habr.com/ru/companies/timeweb/articles/1037426/

#chrome #ungoogled_chromium #chromium #оптимизация #linux_desktop #linux #windows7 #freebsd #timeweb_статьи

Как мы строим клиентские стенды AI-ассистента: per-tenant overlay без форка кодовой базы

Когда мы начали встраивать AI-агента в BPM-платформу, перед нами встала знакомая enterprise-задача: десятки клиентов, у каждого своя онтология, словарь, роли и ограничения безопасности. В одной компании «заявка на покупку» — это «реестр заявок», в другой — «карточкой закупки». Один клиент работает на изолированном контуре с локальной моделью, другой не даёт ассистенту доступ к почте и репозиториям. Традиционный ответ — форк репозитория под каждого клиента — при масштабировании превращается в ад поддержки: багфиксы не попадают автоматически, стоимость растёт экспоненциально, качество падает. Мы решили эту проблему иначе: per-tenant overlay позволяет кастомизировать поведение агента без изменения кода.

https://habr.com/ru/companies/1forma/articles/1036934/

#bpm #bpmсистемы #enterprise #enterprise_architect #lowcode #автоматизация #автоматизация_процессов #оптимизация

Как мы строим клиентские стенды AI-ассистента: per-tenant overlay без форка кодовой базы

Когда мы начали встраивать AI-агента в BPM-платформу, перед нами встала знакомая enterprise-задача: десятки клиентов, у каждого своя онтология, словарь, роли и ограничения безопасности. В одной компании «заявка на покупку» — это «реестр заявок», в другой — «карточкой закупки». Один клиент работает на изолированном контуре с локальной моделью, другой не даёт ассистенту доступ к почте и репозиториям. Традиционный ответ — форк репозитория под каждого клиента — при масштабировании превращается в ад поддержки: багфиксы не попадают автоматически, стоимость растёт экспоненциально, качество падает. Мы решили эту проблему иначе: per-tenant overlay позволяет кастомизировать поведение агента без изменения кода.

https://habr.com/ru/companies/1forma/articles/1036934/

#bpm #bpmсистемы #enterprise #enterprise_architect #lowcode #автоматизация #автоматизация_процессов #оптимизация

Как мы строим клиентские стенды AI-ассистента: per-tenant overlay без форка кодовой базы

Когда мы начали встраивать AI-агента в BPM-платформу, перед нами встала знакомая enterprise-задача: десятки клиентов, у каждого своя онтология, словарь, роли и ограничения безопасности. В одной компании «заявка на покупку» — это «реестр заявок», в другой — «карточкой закупки». Один клиент работает на изолированном контуре с локальной моделью, другой не даёт ассистенту доступ к почте и репозиториям. Традиционный ответ — форк репозитория под каждого клиента — при масштабировании превращается в ад поддержки: багфиксы не попадают автоматически, стоимость растёт экспоненциально, качество падает. Мы решили эту проблему иначе: per-tenant overlay позволяет кастомизировать поведение агента без изменения кода.

https://habr.com/ru/companies/1forma/articles/1036934/

#bpm #bpmсистемы #enterprise #enterprise_architect #lowcode #автоматизация #автоматизация_процессов #оптимизация

Как мы строим клиентские стенды AI-ассистента: per-tenant overlay без форка кодовой базы

Когда мы начали встраивать AI-агента в BPM-платформу, перед нами встала знакомая enterprise-задача: десятки клиентов, у каждого своя онтология, словарь, роли и ограничения безопасности. В одной компании «заявка на покупку» — это «реестр заявок», в другой — «карточкой закупки». Один клиент работает на изолированном контуре с локальной моделью, другой не даёт ассистенту доступ к почте и репозиториям. Традиционный ответ — форк репозитория под каждого клиента — при масштабировании превращается в ад поддержки: багфиксы не попадают автоматически, стоимость растёт экспоненциально, качество падает. Мы решили эту проблему иначе: per-tenant overlay позволяет кастомизировать поведение агента без изменения кода.

https://habr.com/ru/companies/1forma/articles/1036934/

#bpm #bpmсистемы #enterprise #enterprise_architect #lowcode #автоматизация #автоматизация_процессов #оптимизация

ИИ не разгружает сотрудников. Он просто повышает планку ожиданий

Если вы используете GPT в работе, вы уже могли поймать странный эффект: задачи стали делаться быстрее, но свободнее не стало. Более того — иногда кажется, что стало тяжелее. Раньше ты писал отчёт два часа. Теперь собираешь его за двадцать минут. Но вместо того чтобы получить обратно эти полтора часа, ты начинаешь делать отчёт глубже: добавляешь аналитику, проверяешь гипотезы, готовишь несколько сценариев, аккуратнее формулируешь выводы. И в какой-то момент возникает неприятный вопрос: если ИИ действительно экономит мне время, почему я не чувствую себя менее загруженной?

https://habr.com/ru/articles/1036784/

#ИИ #оптимизация #менеджмент #менеджмент_проектов

[Перевод] Предотвращение лишних реактивных вычислений

Иногда значение меняется на эквивалентное. И здесь существуют разные подходы к отсечению вырожденных вычислений… Глубоко погрузиться в тему

https://habr.com/ru/articles/1033288/

#реактивное_программирование #эквивалентность #оптимизация

Математическое моделирование непосредственно в 1С

Сказ о том, как я воткнул в 1С модули математической оптимизации, а они оказались рабочими и расплодились до полноценной библиотеки. Теперь этот инфернальный софт пережевывает производственное планирование, маршрутизацию и прочие задачи комбинаторного космоса.

https://habr.com/ru/articles/1023490/

#математическое_моделирование #оптимизация #алгоритмы #планирование #aps

Математическое моделирование непосредственно в 1С

Сказ о том, как я воткнул в 1С модули математической оптимизации, а они оказались рабочими и расплодились до полноценной библиотеки. Теперь этот инфернальный софт пережевывает производственное планирование, маршрутизацию и прочие задачи комбинаторного космоса.

https://habr.com/ru/articles/1023490/

#математическое_моделирование #оптимизация #алгоритмы #планирование #aps

Математическое моделирование непосредственно в 1С

Сказ о том, как я воткнул в 1С модули математической оптимизации, а они оказались рабочими и расплодились до полноценной библиотеки. Теперь этот инфернальный софт пережевывает производственное планирование, маршрутизацию и прочие задачи комбинаторного космоса.

https://habr.com/ru/articles/1023490/

#математическое_моделирование #оптимизация #алгоритмы #планирование #aps

Математическое моделирование непосредственно в 1С

Сказ о том, как я воткнул в 1С модули математической оптимизации, а они оказались рабочими и расплодились до полноценной библиотеки. Теперь этот инфернальный софт пережевывает производственное планирование, маршрутизацию и прочие задачи комбинаторного космоса.

https://habr.com/ru/articles/1023490/

#математическое_моделирование #оптимизация #алгоритмы #планирование #aps

Ускорение запросов в PostgreSQL: три рычага оптимизации и практический разбор

В предыдущих частях серии мы разобрали, как читать планы выполнения через EXPLAIN ANALYZE , и научились автоматически ловить медленные запросы с помощью pg_stat_statements, auto_explain и log_min_duration_statement. Теперь — следующий шаг: что делать с проблемами, которые вы нашли. В этой части разбираем три рычага оптимизации: статистику планировщика, индексы и рефакторинг SQL-запросов. На демонстрационном примере покажем, как снизить стоимость запроса почти вдвое — без изменений в инфраструктуре. Оборудование, конфигурация сервера и схема БД тоже влияют на производительность, но остаются за рамками статьи — здесь сосредоточимся на том, что можно улучшить на уровне запросов.

https://habr.com/ru/companies/first/articles/1035448/

#оптимизация #базы_данных #postgresql #оптимизация_запросов #план_запроса

Ускорение запросов в PostgreSQL: три рычага оптимизации и практический разбор

В предыдущих частях серии мы разобрали, как читать планы выполнения через EXPLAIN ANALYZE , и научились автоматически ловить медленные запросы с помощью pg_stat_statements, auto_explain и log_min_duration_statement. Теперь — следующий шаг: что делать с проблемами, которые вы нашли. В этой части разбираем три рычага оптимизации: статистику планировщика, индексы и рефакторинг SQL-запросов. На демонстрационном примере покажем, как снизить стоимость запроса почти вдвое — без изменений в инфраструктуре. Оборудование, конфигурация сервера и схема БД тоже влияют на производительность, но остаются за рамками статьи — здесь сосредоточимся на том, что можно улучшить на уровне запросов.

https://habr.com/ru/companies/first/articles/1035448/

#оптимизация #базы_данных #postgresql #оптимизация_запросов #план_запроса

Ускорение запросов в PostgreSQL: три рычага оптимизации и практический разбор

В предыдущих частях серии мы разобрали, как читать планы выполнения через EXPLAIN ANALYZE , и научились автоматически ловить медленные запросы с помощью pg_stat_statements, auto_explain и log_min_duration_statement. Теперь — следующий шаг: что делать с проблемами, которые вы нашли. В этой части разбираем три рычага оптимизации: статистику планировщика, индексы и рефакторинг SQL-запросов. На демонстрационном примере покажем, как снизить стоимость запроса почти вдвое — без изменений в инфраструктуре. Оборудование, конфигурация сервера и схема БД тоже влияют на производительность, но остаются за рамками статьи — здесь сосредоточимся на том, что можно улучшить на уровне запросов.

https://habr.com/ru/companies/first/articles/1035448/

#оптимизация #базы_данных #postgresql #оптимизация_запросов #план_запроса

Ускорение запросов в PostgreSQL: три рычага оптимизации и практический разбор

В предыдущих частях серии мы разобрали, как читать планы выполнения через EXPLAIN ANALYZE , и научились автоматически ловить медленные запросы с помощью pg_stat_statements, auto_explain и log_min_duration_statement. Теперь — следующий шаг: что делать с проблемами, которые вы нашли. В этой части разбираем три рычага оптимизации: статистику планировщика, индексы и рефакторинг SQL-запросов. На демонстрационном примере покажем, как снизить стоимость запроса почти вдвое — без изменений в инфраструктуре. Оборудование, конфигурация сервера и схема БД тоже влияют на производительность, но остаются за рамками статьи — здесь сосредоточимся на том, что можно улучшить на уровне запросов.

https://habr.com/ru/companies/first/articles/1035448/

#оптимизация #базы_данных #postgresql #оптимизация_запросов #план_запроса

[Перевод] Mission Impossible: как добиться 0 рекомпозиций в сложном кастомном UI

Сотня рекомпозиций в секунду при скролле — это приговор. Приговор батарее устройства, плавности анимаций и вашей репутации как инженера. Мы привыкли мыслить высокоуровневыми абстракциями: закинуть LazyColumn , добавить пару Modifier.padding и отправить в продакшен. Но что делать, когда стандартные компоненты начинают "захлебываться", а Layout Inspector горит красным от избыточных отрисовок?

https://habr.com/ru/articles/1035388/

#Jetpack_Compose #Android #Recomposition #Performance #LazyLayout #Custom_UI #Kotlin #Оптимизация #Рендеринг

[Перевод] Mission Impossible: как добиться 0 рекомпозиций в сложном кастомном UI

Сотня рекомпозиций в секунду при скролле — это приговор. Приговор батарее устройства, плавности анимаций и вашей репутации как инженера. Мы привыкли мыслить высокоуровневыми абстракциями: закинуть LazyColumn , добавить пару Modifier.padding и отправить в продакшен. Но что делать, когда стандартные компоненты начинают "захлебываться", а Layout Inspector горит красным от избыточных отрисовок?

https://habr.com/ru/articles/1035388/

#Jetpack_Compose #Android #Recomposition #Performance #LazyLayout #Custom_UI #Kotlin #Оптимизация #Рендеринг

[Перевод] Mission Impossible: как добиться 0 рекомпозиций в сложном кастомном UI

Сотня рекомпозиций в секунду при скролле — это приговор. Приговор батарее устройства, плавности анимаций и вашей репутации как инженера. Мы привыкли мыслить высокоуровневыми абстракциями: закинуть LazyColumn , добавить пару Modifier.padding и отправить в продакшен. Но что делать, когда стандартные компоненты начинают "захлебываться", а Layout Inspector горит красным от избыточных отрисовок?

https://habr.com/ru/articles/1035388/

#Jetpack_Compose #Android #Recomposition #Performance #LazyLayout #Custom_UI #Kotlin #Оптимизация #Рендеринг

[Перевод] Mission Impossible: как добиться 0 рекомпозиций в сложном кастомном UI

Сотня рекомпозиций в секунду при скролле — это приговор. Приговор батарее устройства, плавности анимаций и вашей репутации как инженера. Мы привыкли мыслить высокоуровневыми абстракциями: закинуть LazyColumn , добавить пару Modifier.padding и отправить в продакшен. Но что делать, когда стандартные компоненты начинают "захлебываться", а Layout Inspector горит красным от избыточных отрисовок?

https://habr.com/ru/articles/1035388/

#Jetpack_Compose #Android #Recomposition #Performance #LazyLayout #Custom_UI #Kotlin #Оптимизация #Рендеринг

Как найти медленный запрос в PostgreSQL: три инструмента мониторинга

EXPLAIN ANALYZE отлично справляется с диагностикой конкретного запроса — но только если вы уже знаете, какой именно запрос виновен. На практике проблемный запрос нужно сначала найти среди тысяч других. Ждать жалоб пользователей или вручную мониторить дашборды — путь, который не масштабируется. В этой статье разберём три инструмента PostgreSQL для автоматического поиска медленных запросов: pg_stat_statements, auto_explain и log_min_duration_statement. Для каждого — настройка, ключевые параметры и когда что использовать.

https://habr.com/ru/companies/first/articles/1034434/

#оптимизация #базы_данных #postgresql #оптимизация_запросов #план_запроса

Как найти медленный запрос в PostgreSQL: три инструмента мониторинга

EXPLAIN ANALYZE отлично справляется с диагностикой конкретного запроса — но только если вы уже знаете, какой именно запрос виновен. На практике проблемный запрос нужно сначала найти среди тысяч других. Ждать жалоб пользователей или вручную мониторить дашборды — путь, который не масштабируется. В этой статье разберём три инструмента PostgreSQL для автоматического поиска медленных запросов: pg_stat_statements, auto_explain и log_min_duration_statement. Для каждого — настройка, ключевые параметры и когда что использовать.

https://habr.com/ru/companies/first/articles/1034434/

#оптимизация #базы_данных #postgresql #оптимизация_запросов #план_запроса

Как найти медленный запрос в PostgreSQL: три инструмента мониторинга

EXPLAIN ANALYZE отлично справляется с диагностикой конкретного запроса — но только если вы уже знаете, какой именно запрос виновен. На практике проблемный запрос нужно сначала найти среди тысяч других. Ждать жалоб пользователей или вручную мониторить дашборды — путь, который не масштабируется. В этой статье разберём три инструмента PostgreSQL для автоматического поиска медленных запросов: pg_stat_statements, auto_explain и log_min_duration_statement. Для каждого — настройка, ключевые параметры и когда что использовать.

https://habr.com/ru/companies/first/articles/1034434/

#оптимизация #базы_данных #postgresql #оптимизация_запросов #план_запроса

Как найти медленный запрос в PostgreSQL: три инструмента мониторинга

EXPLAIN ANALYZE отлично справляется с диагностикой конкретного запроса — но только если вы уже знаете, какой именно запрос виновен. На практике проблемный запрос нужно сначала найти среди тысяч других. Ждать жалоб пользователей или вручную мониторить дашборды — путь, который не масштабируется. В этой статье разберём три инструмента PostgreSQL для автоматического поиска медленных запросов: pg_stat_statements, auto_explain и log_min_duration_statement. Для каждого — настройка, ключевые параметры и когда что использовать.

https://habr.com/ru/companies/first/articles/1034434/

#оптимизация #базы_данных #postgresql #оптимизация_запросов #план_запроса

Как мы за 3 месяца увеличили количество заказов в 8 раз (и не прогорели на сервисе подарочных карт)

Кейс агентства «Эй, Стартапер!»: как мы взяли сервис продажи подарочных карт с зашкаливающим CPA и за три месяца увеличили количество заказов в 8 раз при снижении стоимости заказа в 2,3 раза. Внутри — как масштабировать кампании через параллельный запуск Мастеров Кампаний, почему РСЯ в геймерской нише не работает вообще, чем детская аудитория Roblox отличается от взрослой и почему ретаргетинг в этой тематике — выброшенные деньги. С реальными цифрами, провалами и инсайтами, которые удивили нас самих.

https://habr.com/ru/articles/1034490/

#бюджет #стратегия #маркетинг #seo #оптимизация #кампании

Как мы за 3 месяца увеличили количество заказов в 8 раз (и не прогорели на сервисе подарочных карт)

Кейс агентства «Эй, Стартапер!»: как мы взяли сервис продажи подарочных карт с зашкаливающим CPA и за три месяца увеличили количество заказов в 8 раз при снижении стоимости заказа в 2,3 раза. Внутри — как масштабировать кампании через параллельный запуск Мастеров Кампаний, почему РСЯ в геймерской нише не работает вообще, чем детская аудитория Roblox отличается от взрослой и почему ретаргетинг в этой тематике — выброшенные деньги. С реальными цифрами, провалами и инсайтами, которые удивили нас самих.

https://habr.com/ru/articles/1034490/

#бюджет #стратегия #маркетинг #seo #оптимизация #кампании

Как мы за 3 месяца увеличили количество заказов в 8 раз (и не прогорели на сервисе подарочных карт)

Кейс агентства «Эй, Стартапер!»: как мы взяли сервис продажи подарочных карт с зашкаливающим CPA и за три месяца увеличили количество заказов в 8 раз при снижении стоимости заказа в 2,3 раза. Внутри — как масштабировать кампании через параллельный запуск Мастеров Кампаний, почему РСЯ в геймерской нише не работает вообще, чем детская аудитория Roblox отличается от взрослой и почему ретаргетинг в этой тематике — выброшенные деньги. С реальными цифрами, провалами и инсайтами, которые удивили нас самих.

https://habr.com/ru/articles/1034490/

#бюджет #стратегия #маркетинг #seo #оптимизация #кампании

Как мы за 3 месяца увеличили количество заказов в 8 раз (и не прогорели на сервисе подарочных карт)

Кейс агентства «Эй, Стартапер!»: как мы взяли сервис продажи подарочных карт с зашкаливающим CPA и за три месяца увеличили количество заказов в 8 раз при снижении стоимости заказа в 2,3 раза. Внутри — как масштабировать кампании через параллельный запуск Мастеров Кампаний, почему РСЯ в геймерской нише не работает вообще, чем детская аудитория Roblox отличается от взрослой и почему ретаргетинг в этой тематике — выброшенные деньги. С реальными цифрами, провалами и инсайтами, которые удивили нас самих.

https://habr.com/ru/articles/1034490/

#бюджет #стратегия #маркетинг #seo #оптимизация #кампании

Невидимый враг многопоточности: False Sharing и кэш-линии процессора

Представьте задачу: мы пишем высоконагруженный сетевой сервис и нам нужно считать входящие пакеты. Чтобы не блокировать потоки мьютексами, мы решаем дать каждому потоку свой собственный счетчик. Нет общих данных — нет блокировок, верно?

https://habr.com/ru/articles/1032804/

#false_sharing #многопоточность #оптимизация #кэш_процессора #lockfree #кэшлиния #производительность

Невидимый враг многопоточности: False Sharing и кэш-линии процессора

Представьте задачу: мы пишем высоконагруженный сетевой сервис и нам нужно считать входящие пакеты. Чтобы не блокировать потоки мьютексами, мы решаем дать каждому потоку свой собственный счетчик. Нет общих данных — нет блокировок, верно?

https://habr.com/ru/articles/1032804/

#false_sharing #многопоточность #оптимизация #кэш_процессора #lockfree #кэшлиния #производительность

Невидимый враг многопоточности: False Sharing и кэш-линии процессора

Представьте задачу: мы пишем высоконагруженный сетевой сервис и нам нужно считать входящие пакеты. Чтобы не блокировать потоки мьютексами, мы решаем дать каждому потоку свой собственный счетчик. Нет общих данных — нет блокировок, верно?

https://habr.com/ru/articles/1032804/

#false_sharing #многопоточность #оптимизация #кэш_процессора #lockfree #кэшлиния #производительность

Невидимый враг многопоточности: False Sharing и кэш-линии процессора

Представьте задачу: мы пишем высоконагруженный сетевой сервис и нам нужно считать входящие пакеты. Чтобы не блокировать потоки мьютексами, мы решаем дать каждому потоку свой собственный счетчик. Нет общих данных — нет блокировок, верно?

https://habr.com/ru/articles/1032804/

#false_sharing #многопоточность #оптимизация #кэш_процессора #lockfree #кэшлиния #производительность

Реально большая стейт-машина: как мы строили облачную запись и ИИ-конспектирование в Телемосте

Всем привет! Меня зовут Илья Григорьев, я старший бэкенд-разработчик в команде Телемоста. В этой статье я разберу наш опыт разработки двух фич последнего года — ИИ-конспект с Алисой Про и облачной записи на Диск. Покажу, как мы проектировали их архитектуру, почему не всё получилось с первого раза, с какими системными и техническими ограничениями столкнулись при работе с медиаданными и как в итоге выстроили пайплайн их обработки и анализа.

https://habr.com/ru/companies/yandex/articles/1032168/

#бэкенд #java #postgresql #ffmpeg #стейтмашина #телемост #медиасервер #оптимизация #оптимизация_производительности #backendразработка

Реально большая стейт-машина: как мы строили облачную запись и ИИ-конспектирование в Телемосте

Всем привет! Меня зовут Илья Григорьев, я старший бэкенд-разработчик в команде Телемоста. В этой статье я разберу наш опыт разработки двух фич последнего года — ИИ-конспект с Алисой Про и облачной записи на Диск. Покажу, как мы проектировали их архитектуру, почему не всё получилось с первого раза, с какими системными и техническими ограничениями столкнулись при работе с медиаданными и как в итоге выстроили пайплайн их обработки и анализа.

https://habr.com/ru/companies/yandex/articles/1032168/

#бэкенд #java #postgresql #ffmpeg #стейтмашина #телемост #медиасервер #оптимизация #оптимизация_производительности #backendразработка

Реально большая стейт-машина: как мы строили облачную запись и ИИ-конспектирование в Телемосте

Всем привет! Меня зовут Илья Григорьев, я старший бэкенд-разработчик в команде Телемоста. В этой статье я разберу наш опыт разработки двух фич последнего года — ИИ-конспект с Алисой Про и облачной записи на Диск. Покажу, как мы проектировали их архитектуру, почему не всё получилось с первого раза, с какими системными и техническими ограничениями столкнулись при работе с медиаданными и как в итоге выстроили пайплайн их обработки и анализа.

https://habr.com/ru/companies/yandex/articles/1032168/

#бэкенд #java #postgresql #ffmpeg #стейтмашина #телемост #медиасервер #оптимизация #оптимизация_производительности #backendразработка

Реально большая стейт-машина: как мы строили облачную запись и ИИ-конспектирование в Телемосте

Всем привет! Меня зовут Илья Григорьев, я старший бэкенд-разработчик в команде Телемоста. В этой статье я разберу наш опыт разработки двух фич последнего года — ИИ-конспект с Алисой Про и облачной записи на Диск. Покажу, как мы проектировали их архитектуру, почему не всё получилось с первого раза, с какими системными и техническими ограничениями столкнулись при работе с медиаданными и как в итоге выстроили пайплайн их обработки и анализа.

https://habr.com/ru/companies/yandex/articles/1032168/

#бэкенд #java #postgresql #ffmpeg #стейтмашина #телемост #медиасервер #оптимизация #оптимизация_производительности #backendразработка

«Из проекта выводили очень вежливо». Как в эпоху ИИ это считывает человек с развитым Social IQ

Как выглядит “вежливое выдавливание” из проекта, если смотреть на него не только из процессов, но и через социальный интеллект. Что происходит, когда человека сначала просят передать знания, поучаствовать в обучении ИИ и оптимизации, а затем аккуратно выводят из будущего контура, какие стратегии при этом выбирают люди и как такие решения меняют доверие и устойчивость команд.

https://habr.com/ru/articles/1031860/

#социальный_интеллект #оптимизация #реструктуризация #стратегия #доверие #карьера #искусственный_интеллект #увольнение #проблема

«Из проекта выводили очень вежливо». Как в эпоху ИИ это считывает человек с развитым Social IQ

Как выглядит “вежливое выдавливание” из проекта, если смотреть на него не только из процессов, но и через социальный интеллект. Что происходит, когда человека сначала просят передать знания, поучаствовать в обучении ИИ и оптимизации, а затем аккуратно выводят из будущего контура, какие стратегии при этом выбирают люди и как такие решения меняют доверие и устойчивость команд.

https://habr.com/ru/articles/1031860/

#социальный_интеллект #оптимизация #реструктуризация #стратегия #доверие #карьера #искусственный_интеллект #увольнение #проблема

«Из проекта выводили очень вежливо». Как в эпоху ИИ это считывает человек с развитым Social IQ

Как выглядит “вежливое выдавливание” из проекта, если смотреть на него не только из процессов, но и через социальный интеллект. Что происходит, когда человека сначала просят передать знания, поучаствовать в обучении ИИ и оптимизации, а затем аккуратно выводят из будущего контура, какие стратегии при этом выбирают люди и как такие решения меняют доверие и устойчивость команд.

https://habr.com/ru/articles/1031860/

#социальный_интеллект #оптимизация #реструктуризация #стратегия #доверие #карьера #искусственный_интеллект #увольнение #проблема

«Из проекта выводили очень вежливо». Как в эпоху ИИ это считывает человек с развитым Social IQ

Как выглядит “вежливое выдавливание” из проекта, если смотреть на него не только из процессов, но и через социальный интеллект. Что происходит, когда человека сначала просят передать знания, поучаствовать в обучении ИИ и оптимизации, а затем аккуратно выводят из будущего контура, какие стратегии при этом выбирают люди и как такие решения меняют доверие и устойчивость команд.

https://habr.com/ru/articles/1031860/

#социальный_интеллект #оптимизация #реструктуризация #стратегия #доверие #карьера #искусственный_интеллект #увольнение #проблема

Знакомство с командой операционной эффективности

В техническом департаменте Иви есть отдел, который почти не пишет код. В этом интервью Мария Князева, руководитель отдела операционной эффективности, поделилась, как создавать такие процессы и инструменты, при которых сотрудникам комфортно и интересно работать, есть место творчеству и инициативе, а производительность только растет.

https://habr.com/ru/companies/ivi/articles/1031972/

#agile #оптимизация #развитие #автоматизация #гибкие_методологии

Знакомство с командой операционной эффективности

В техническом департаменте Иви есть отдел, который почти не пишет код. В этом интервью Мария Князева, руководитель отдела операционной эффективности, поделилась, как создавать такие процессы и инструменты, при которых сотрудникам комфортно и интересно работать, есть место творчеству и инициативе, а производительность только растет.

https://habr.com/ru/companies/ivi/articles/1031972/

#agile #оптимизация #развитие #автоматизация #гибкие_методологии

Знакомство с командой операционной эффективности

В техническом департаменте Иви есть отдел, который почти не пишет код. В этом интервью Мария Князева, руководитель отдела операционной эффективности, поделилась, как создавать такие процессы и инструменты, при которых сотрудникам комфортно и интересно работать, есть место творчеству и инициативе, а производительность только растет.

https://habr.com/ru/companies/ivi/articles/1031972/

#agile #оптимизация #развитие #автоматизация #гибкие_методологии

Знакомство с командой операционной эффективности

В техническом департаменте Иви есть отдел, который почти не пишет код. В этом интервью Мария Князева, руководитель отдела операционной эффективности, поделилась, как создавать такие процессы и инструменты, при которых сотрудникам комфортно и интересно работать, есть место творчеству и инициативе, а производительность только растет.

https://habr.com/ru/companies/ivi/articles/1031972/

#agile #оптимизация #развитие #автоматизация #гибкие_методологии

База FinOps: Почему счет за облако каждый месяц растет и что с этим делать

Модель pay-as-you-go, которую предлагают в облаке, всегда была палкой о двух концах. С одной стороны, история вроде честнее некуда: платишь ровно за то, что заказал. Как в ресторане. Но, с другой, именно она практике нередко приводит к такому перерасходу, что поневоле начинаешь задумываться, а нужно ли нам вообще это облако? На самом деле чудес не бывает, и я намеренно перевел pay-as-you-go как “платишь за то, что заказал”. Внимание: заказал, а не потребил. Потому что в этом и заключается первая проблема – нет, не облаков, – а тех, кто их использует. Компании регулярно выходят за рамки бюджетов, потому что платят за ресурсы, которыми де-факто не пользуются. Тут и забытые тестовые стенды, и старые проекты, которые продолжают генерировать счета, и простаивающие виртуальные машины с запасом по мощности, и чего только не. В результате до 30% облачного бюджета просто улетает впустую. А у некоторых и того больше. Плюс – усложнение архитектуры как таковой. Если раньше одно приложение работало на одном сервере, то теперь они состоят из десятков разных микросервисов, и каждому нужна своя база, свой кэш, своя очередь. А ведь еще есть тестовое окружение, staging, CI/CD и много других английских слов. И за все надо платить. Да, по отдельности вроде копейки. Но когда таких сервисов 100 или 200, сумма выходит приличная. Добавим сюда накладные расходы и получим еще минимум 15-25% к счету. А хотелось бы эти деньги оставить у себя в кармане. О том, как это сделать, сегодня и поговорим.

https://habr.com/ru/companies/finops_ru/articles/1031288/

#финопс #finops #devops #Облака #управление_затратами #практики_finops #Инфраструктура #ITбюджет #Оптимизация #SRE

База FinOps: Почему счет за облако каждый месяц растет и что с этим делать

Модель pay-as-you-go, которую предлагают в облаке, всегда была палкой о двух концах. С одной стороны, история вроде честнее некуда: платишь ровно за то, что заказал. Как в ресторане. Но, с другой, именно она практике нередко приводит к такому перерасходу, что поневоле начинаешь задумываться, а нужно ли нам вообще это облако? На самом деле чудес не бывает, и я намеренно перевел pay-as-you-go как “платишь за то, что заказал”. Внимание: заказал, а не потребил. Потому что в этом и заключается первая проблема – нет, не облаков, – а тех, кто их использует. Компании регулярно выходят за рамки бюджетов, потому что платят за ресурсы, которыми де-факто не пользуются. Тут и забытые тестовые стенды, и старые проекты, которые продолжают генерировать счета, и простаивающие виртуальные машины с запасом по мощности, и чего только не. В результате до 30% облачного бюджета просто улетает впустую. А у некоторых и того больше. Плюс – усложнение архитектуры как таковой. Если раньше одно приложение работало на одном сервере, то теперь они состоят из десятков разных микросервисов, и каждому нужна своя база, свой кэш, своя очередь. А ведь еще есть тестовое окружение, staging, CI/CD и много других английских слов. И за все надо платить. Да, по отдельности вроде копейки. Но когда таких сервисов 100 или 200, сумма выходит приличная. Добавим сюда накладные расходы и получим еще минимум 15-25% к счету. А хотелось бы эти деньги оставить у себя в кармане. О том, как это сделать, сегодня и поговорим.

https://habr.com/ru/companies/finops_ru/articles/1031288/

#финопс #finops #devops #Облака #управление_затратами #практики_finops #Инфраструктура #ITбюджет #Оптимизация #SRE

База FinOps: Почему счет за облако каждый месяц растет и что с этим делать

Модель pay-as-you-go, которую предлагают в облаке, всегда была палкой о двух концах. С одной стороны, история вроде честнее некуда: платишь ровно за то, что заказал. Как в ресторане. Но, с другой, именно она практике нередко приводит к такому перерасходу, что поневоле начинаешь задумываться, а нужно ли нам вообще это облако? На самом деле чудес не бывает, и я намеренно перевел pay-as-you-go как “платишь за то, что заказал”. Внимание: заказал, а не потребил. Потому что в этом и заключается первая проблема – нет, не облаков, – а тех, кто их использует. Компании регулярно выходят за рамки бюджетов, потому что платят за ресурсы, которыми де-факто не пользуются. Тут и забытые тестовые стенды, и старые проекты, которые продолжают генерировать счета, и простаивающие виртуальные машины с запасом по мощности, и чего только не. В результате до 30% облачного бюджета просто улетает впустую. А у некоторых и того больше. Плюс – усложнение архитектуры как таковой. Если раньше одно приложение работало на одном сервере, то теперь они состоят из десятков разных микросервисов, и каждому нужна своя база, свой кэш, своя очередь. А ведь еще есть тестовое окружение, staging, CI/CD и много других английских слов. И за все надо платить. Да, по отдельности вроде копейки. Но когда таких сервисов 100 или 200, сумма выходит приличная. Добавим сюда накладные расходы и получим еще минимум 15-25% к счету. А хотелось бы эти деньги оставить у себя в кармане. О том, как это сделать, сегодня и поговорим.

https://habr.com/ru/companies/finops_ru/articles/1031288/

#финопс #finops #devops #Облака #управление_затратами #практики_finops #Инфраструктура #ITбюджет #Оптимизация #SRE

База FinOps: Почему счет за облако каждый месяц растет и что с этим делать

Модель pay-as-you-go, которую предлагают в облаке, всегда была палкой о двух концах. С одной стороны, история вроде честнее некуда: платишь ровно за то, что заказал. Как в ресторане. Но, с другой, именно она практике нередко приводит к такому перерасходу, что поневоле начинаешь задумываться, а нужно ли нам вообще это облако? На самом деле чудес не бывает, и я намеренно перевел pay-as-you-go как “платишь за то, что заказал”. Внимание: заказал, а не потребил. Потому что в этом и заключается первая проблема – нет, не облаков, – а тех, кто их использует. Компании регулярно выходят за рамки бюджетов, потому что платят за ресурсы, которыми де-факто не пользуются. Тут и забытые тестовые стенды, и старые проекты, которые продолжают генерировать счета, и простаивающие виртуальные машины с запасом по мощности, и чего только не. В результате до 30% облачного бюджета просто улетает впустую. А у некоторых и того больше. Плюс – усложнение архитектуры как таковой. Если раньше одно приложение работало на одном сервере, то теперь они состоят из десятков разных микросервисов, и каждому нужна своя база, свой кэш, своя очередь. А ведь еще есть тестовое окружение, staging, CI/CD и много других английских слов. И за все надо платить. Да, по отдельности вроде копейки. Но когда таких сервисов 100 или 200, сумма выходит приличная. Добавим сюда накладные расходы и получим еще минимум 15-25% к счету. А хотелось бы эти деньги оставить у себя в кармане. О том, как это сделать, сегодня и поговорим.

https://habr.com/ru/companies/finops_ru/articles/1031288/

#финопс #finops #devops #Облака #управление_затратами #практики_finops #Инфраструктура #ITбюджет #Оптимизация #SRE