<?xml version="1.0" encoding="UTF-8"?>

<rss version="2.0" xmlns:dc="http://purl.org/dc/elements/1.1/" >

  <channel>
    <title><![CDATA[Статьи]]></title>
    <link>https://habr.com/ru/users/codezombie/publications/articles/</link>
    <description><![CDATA[Хабр: статьи пользователя codezombie]]></description>
    <language>ru</language>
    <managingEditor>editor@habr.com</managingEditor>
    <generator>habr.com</generator>
    <pubDate>Sat, 02 May 2026 19:15:34 GMT</pubDate>
    
    
      <image>
        <link>https://habr.com/ru/</link>
        <url>https://habrastorage.org/webt/ym/el/wk/ymelwk3zy1gawz4nkejl_-ammtc.png</url>
        <title>Хабр</title>
      </image>
    

    
      
        
    
    <item>
      <title><![CDATA[Россия 2022: как хранить криптовалюту в условиях санкций?]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/655735/</guid>
      <link>https://habr.com/ru/articles/655735/?utm_campaign=655735&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[<p><img src="https://habrastorage.org/webt/4l/k4/q-/4lk4q-lzay9x4d8ks6n7nhhe1tk.png"></p><br>
<p><em>Peace, Хабр!</em></p><br>
<p>Последние дни много разговоров, что криптовалюта — способ: a) сберечь свои рублевые сбережения от обесценивания, b) вывести из под риска национализации валютные сбережения.</p><br>
<p>И действительно (хорошая новость): на текущий момент ограничений по покупке и хранению криптовалют для резидентов РФ <del>нет</del>. <del>Ну почти нет</del>. По сравнению с фиатными биржами — нет.</p><br>
<p>Но (плохие новости):</p><br>
<ul>
<li>Американские сенаторы уже обсуждают меры по ограничению использованию криптовалют для обхода санкций со стороны России [1],</li>
<li>Евросоюз занят тем же самым [2],</li>
<li>ФБР появилось подразделение по контролю за оборотом криптовалюты ([3], анонс от 17 февраля 2022, хотя межгосударственные финансовые дела вряд ли в их юрисдикции).</li>
</ul><br>
<p>Еще хорошая новость (последняя):<br>
Хрустальный шар/магический кристалл Гарри Поттер еще не подвез, поэтому <em>сценарий с обходом санкций через криптовалютные переводы</em> и с противостоянием этому обходу — это <em>потенциальное</em> будущее.</p><br>
<p>Снова плохая новость (не последняя):<br>
Если Вам кажется, что риски в этом потенциальном будущем для Вас, как для частного инвестора, высокие, то Вам <em>не</em> кажется.</p><br>
<p>И что с этим делать?<br>
Правильно — разобраться <em>что</em>, <em>где</em>, <em>как</em> (и надо ли) хранить условиях санкций.</p> <a href="https://habr.com/ru/articles/655735/?utm_campaign=655735&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Читать дальше &rarr;</a>]]></description>
      
      <pubDate>Tue, 15 Mar 2022 10:08:32 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Криптовалюты]]></category><category><![CDATA[Финансы в IT]]></category><category><![CDATA[Читальный зал]]></category>
      <category><![CDATA[риск-менеджмент]]></category><category><![CDATA[что делать и кто виноват]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[Россия 2022: как не потерять все (или хотя бы попытаться)]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/654313/</guid>
      <link>https://habr.com/ru/articles/654313/?utm_campaign=654313&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[<p><img src="https://habrastorage.org/webt/mr/4y/ot/mr4yotbxrt7nkfgqabgvtbbr4pq.jpeg"></p><br>
<p><em>Peace, Хабр!</em></p><br>
<p>Честно говоря, я долго думал, как бы потактичнее начать. Но ничего не придумал. Поэтому напишу прямо: я хочу, чтоб <em>моя жена и ребенок ни в чем не нуждались</em>. И у меня <em>была уверенность</em>, что могу им дать все, что потребуется: от любви до игрушечной железной дороги.</p><br>
<p>Сегодня пошел 8-ой день, как от этой уверенности почти ничего не осталось.</p><br>
<p>Этот пост не про деньги (хоть он и почти весь про финансы). Этот пост про то, как увеличить свои шансы и шансы своих близких жить в достатке в условиях экономической изоляции и деградации гражданских институтов.</p> <a href="https://habr.com/ru/articles/654313/?utm_campaign=654313&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Читать дальше &rarr;</a>]]></description>
      
      <pubDate>Fri, 04 Mar 2022 09:54:58 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Финансы в IT]]></category><category><![CDATA[Читальный зал]]></category>
      <category><![CDATA[никогда такого не было и вот опять]]></category><category><![CDATA[почему это со мной]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[COVID YAAA! or Yet Another Analyze Attempt]]></title>
      <guid isPermaLink="true">https://habr.com/en/articles/497424/</guid>
      <link>https://habr.com/en/articles/497424/?utm_campaign=497424&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[<p><img src="https://habrastorage.org/getpro/habr/post_images/e57/0df/187/e570df1871c286df69cc5eeebf4cac0b.jpg" alt="image"></p><br>
<p>Hello, Habr!</p><br>
<p>About a month ago, I had a feeling of constant anxiety. I began to eat poorly, sleep even worse, and constantly read to a ton of news about the pandemic. Based on them, the coronavirus either captured, or liberated our planet, was either a conspiracy of world governments, or the vengeance of the pangolin, the virus either threatened everyone at once, or personally me and my sleeping cat…</p><br>
<p>Hundreds of articles, social media posts, youtube-telegram-instagram-tik-tok (yes, I sin) content of varying degrees of content quality did not lead me to anything but an even greater sense of anxiety.</p><br>
<p>But one day I <del>bought buckwheat</del> decided to end it all. As soon as possible!</p> <a href="https://habr.com/ru/articles/497424/?utm_campaign=497424&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">What did you do?</a>]]></description>
      
      <pubDate>Wed, 15 Apr 2020 14:55:02 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Data Mining]]></category><category><![CDATA[R]]></category><category><![CDATA[Визуализация данных]]></category><category><![CDATA[Здоровье]]></category><category><![CDATA[Машинное обучение]]></category>
      <category><![CDATA[covid-19]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[COVID-19: как перестать читать новости и начать анализировать данные]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/497340/</guid>
      <link>https://habr.com/ru/articles/497340/?utm_campaign=497340&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[<p><img src="https://habrastorage.org/getpro/habr/post_images/f23/ace/620/f23ace6203f6d13d9c21bd23b03d7872.png" alt="image"></p><br>
<p>Привет, Хабр! Где-то месяц назад у меня появилось чувство постоянного беспокойства. Я стал плохо есть, еще хуже спать и постоянно читать-смотреть-слушать тонну новостей о пандемии. Исходя из них коронавирус то ли захватывал, то ли освобождал нашу планету, являлся то ли заговором <del>масонов</del> мировых правительств, а то ли местью панголина, вирус то ли угрожал всем и сразу, а то ли персонально мне и моему коту… </p><br>
<p>Сотни статей, постов в соцсетях, youtube-telegram-instagram-tik-tok (да уж простите) контента разной степени содержательности (и сомнительности) не приводили меня ни к чему, кроме уже описанного на Хабре <a href="https://habr.com/ru/post/496998/">разрушения мозга</a> и еще большему чувству беспокойства.</p><br>
<p>Но в один день я <del>купил гречки</del> решил со всем этим нужно покончить. Как можно скорее!</p><br>
<p><strong>UPD</strong>: добавил секцию 'Результат'.</p> <a href="https://habr.com/ru/articles/497340/?utm_campaign=497340&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Что же ты сделал?</a>]]></description>
      
      <pubDate>Wed, 15 Apr 2020 07:31:24 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Data Mining]]></category><category><![CDATA[R]]></category><category><![CDATA[Визуализация данных]]></category><category><![CDATA[Здоровье]]></category><category><![CDATA[Машинное обучение]]></category>
      <category><![CDATA[анализ данных]]></category><category><![CDATA[визуализация]]></category><category><![CDATA[коронавирус]]></category><category><![CDATA[covid-19]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[GPU в облаках]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/313478/</guid>
      <link>https://habr.com/ru/articles/313478/?utm_campaign=313478&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[<div style="text-align:center;"><img src="https://habrastorage.org/files/dfb/562/12f/dfb56212fc1c48f79f84ae1cd764acd2.jpg" /></div><br/>
<em>Нужно построить больше GPU</em><br/>
<br/>
<em>Deep Learning</em> – одно из наиболее интенсивно развивающихся направлений в области машинного обучения. Успехи исследований в области глубокого (глубинного) обучения вызывают за собой рост количества <abbr title="Machine learning">ML</abbr>/<abbr title="Deep learning">DL</abbr>-фреймворков (в т.ч. и от Google, Microsoft, Facebook), имплементирующих данные алгоритмы. За все возрастающей вычислительной сложностью DL-алгоритмов, и, как следствие, за увеличивающейся сложностью DL-фреймворков уже давно не угоняются аппаратные мощности ни настольных, ни даже серверных CPUs.<br/>
<br/>
Выход нашли, и он простой (кажется таким) – использовать для такого типа compute-intensive-задач расчеты на <abbr title="Графический процессор (англ. graphics processing unit, GPU)">GPU</abbr>/FPGA. Но и тут проблема: можно, конечно, для этих целей использовать видеокарту любимого ноутбука, но какой <del>русский</del> data scientist не любит <del>быстрой езды</del> NVidia Tesla? <br/>
<br/>
Подходов к владению высокопроизводительными GPU минимум два: купить (<em>on-premises</em>) и арендовать (<em>on-demand</em>). Как накопить и купить – тема не этой статьи. В этой — мы рассмотрим, какие предложения есть по аренде инстансов VM c высокопроизводительными GPU у облачных провайдеров <em>Amazon Web Service</em> и <em>Windows Azure</em>. <br/>
 <a href="https://habr.com/ru/articles/313478/?utm_campaign=313478&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Читать дальше &rarr;</a>]]></description>
      
      <pubDate>Tue, 25 Oct 2016 01:02:50 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Amazon Web Services]]></category><category><![CDATA[Microsoft Azure]]></category><category><![CDATA[Высоконагруженные системы]]></category><category><![CDATA[Машинное обучение]]></category>
      <category><![CDATA[AWS GPU Instances]]></category><category><![CDATA[Azure GPU Instances]]></category><category><![CDATA[опасное сравнение]]></category><category><![CDATA[GPU в облаках]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[R в Microsoft Azure для победы на хакатоне. Инструкция по применению]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/301176/</guid>
      <link>https://habr.com/ru/articles/301176/?utm_campaign=301176&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[<b>Стандартный план любого хакатона</b> ↓<br/>
<img alt="Microsoft Azure Machine Learning Hackathon" src="https://habrastorage.org/files/94d/860/165/94d860165b0049fb9cedcc24a30e7557.png"/><br/>
  R, один из популярнейших языков программирования среди data scientist'ов, получает все большую и большую поддержку как среди opensource-сообщества, так и среди частных компаний, которые традиционно являлись разработчиками проприетарных продуктов. Среди таких компаний – Microsoft, чья интенсивно увеличивающая поддержка языка R в своих продуктах/сервисах, привлекла к себе и мое внимание.<br/>
 <br/>
  <em> Одним из «локомотивов» интеграции R с продуктами Майкрософт является облачная платформа Microsoft Azure. Кроме того, появился отличный повод повнимательнее взглянуть на связку R + Azure – это проходящий в эти выходные (21-22 мая) <strong>хакатон по машинному обучению</strong>, организованный Microsoft.<br/>
 </em> <br/>
  Хакатон – мероприятие, где <del>кофе</del> время чрезвычайно ценный ресурс. В контексте этого я ранее писал о <a href="http://www.codeinstinct.pro/2015/11/azure-ml-hackathon.html">best practices обучения моделей</a> в Azure Machine Learning. Но Azure ML – это не инструмент для прототипирования; это скорее сервис для создания продукта с SLA со всеми вытекающими отсюда затратами как на время разработки, так и на стоимость владения.<br/>
 <br/>
  <em> R же прекрасно подходит для создания прототипов, для копания (mining) в данных, для быстрой проверки своих гипотез – то есть<br/>
 всего того, что нам нужно на такого типа соревнованиях! Ниже я расскажу, как использовать всю мощь <strong>R в Azure</strong> – от создания прототипа до публикации готовой модели в Azure Machine Learning.<br/>
 </em>   <a href="https://habr.com/ru/articles/301176/?utm_campaign=301176&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Читать дальше &rarr;</a>]]></description>
      
      <pubDate>Thu, 19 May 2016 02:07:04 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Big Data]]></category><category><![CDATA[Microsoft Azure]]></category><category><![CDATA[R]]></category><category><![CDATA[Машинное обучение]]></category>
      <category><![CDATA[R]]></category><category><![CDATA[microsoft azure]]></category><category><![CDATA[хакатон]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[Хакатон по машинному обучению: Прийти. Обучить модель. Победить]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/271697/</guid>
      <link>https://habr.com/ru/articles/271697/?utm_campaign=271697&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[<b>Стандартный план любого хакатона</b> ↓<br/>
<br/>
 <img alt="Microsoft Azure Machine Learning Hackathon" src="https://habrastorage.org/files/94d/860/165/94d860165b0049fb9cedcc24a30e7557.png"/><br/>
 <br/>
  В эти выходные пройдет <a href="https://events.techdays.ru/machine-learning/2015-11/">хакатон по машинному обучению</a>, организатором которого является компания Microsoft. У участников хакатона будет 2 дня для того, чтобы крепко не выспаться и сделать мир лучше.<br/>
 <br/>
  Повествование в этой статье будет проходить в такой же стремительной манере, в какой, как я полагаю, для большинства участников и пройдет хакатон. Никакой <a href="http://0xcode.in/azure-ml-for-data-scientist">воды</a> (если вы не знакомы с Azure ML, то «воду» или какой-то ознакомительный материал лучше все-таки почитать), долгих определений и таких длинных вступлений как это — только то, что вам нужно, чтобы победить на хакатоне.<br/>
 <a href="https://habr.com/ru/articles/271697/?utm_campaign=271697&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Level Up</a>]]></description>
      
      <pubDate>Thu, 26 Nov 2015 03:44:53 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Big Data]]></category><category><![CDATA[Microsoft Azure]]></category><category><![CDATA[Машинное обучение]]></category>
      <category><![CDATA[хакатон]]></category><category><![CDATA[Azure ML]]></category><category><![CDATA[победитсамыйхитрый]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[Антифрод (часть 4): аналитическая система распознания мошеннических платежей]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/254683/</guid>
      <link>https://habr.com/ru/articles/254683/?utm_campaign=254683&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[ <img alt="No Fraud" src="https://habrastorage.org/getpro/habr/post_images/da6/5ff/b1a/da65ffb1a44ad8e8752fe92a426b9f42.jpg"/><br/>
 <br/>
  В заключительной четвертой части статьи подробно обсудим наиболее сложную с технической точки зрения часть antifraud-сервиса – <em>аналитическую систему распознания мошеннических платежей по банковским картам</em>.<br/>
 <br/>
  Выявление различного рода мошенничеств является типичным кейсом для задач <em>обучения с учителем</em> (supervised learning), поэтому аналитическая часть антифрод-сервиса, в соответствии с лучшими отраслевыми практиками, будет построена с использованием алгоритмов машинного обучения. <br/>
 <br/>
  Для стоящей перед нами задачи воспользуемся <em>Azure Machine Learning – облачным сервисом выполнения задач прогнозной аналитики</em> (predictive analytics). Для понимания статьи будут необходимы базовые знания в области машинного обучения и <a href="/company/microsoft/blog/254637/">знакомство с сервисом Azure Machine Learning</a>.<br/>
 <br/>
<div class="spoiler"><b class="spoiler_title">Что уже было сделано? (для тех, кто не читал предыдущие 3 части, но интересуется)</b><div class="spoiler_text"> В <a href="/post/253725/">первой части</a> статьи мы обсудили, <strong>почему вопрос мошеннических платежей (fraud) стоит так остро</strong> для всех участников рынка электронных платежей – от интернет-магазинов до банков – и в чем основные сложности, из-за которых стоимость разработки таких систем подчас является слишком высокой для многих участников ecommerce-рынка.<br/>
 <br/>
  Во <a href="/post/253731/">2-ой части</a> были описаны <strong>требования технического и нетехнического характера</strong>, которые предъявляются к таким системам, и то, как я собираюсь снизить стоимость разработки и владения antifraud-системы на порядок(и).<br/>
 <br/>
  В <a href="/post/254037/">3-ей части</a> была рассмотрена <strong>программная архитектура сервиса</strong>, его модульная структура и ключевые детали реализации.<br/>
 <br/>
  В заключительной четвертой части у нас <strong>следующая цель…</strong><br/>
 </div></div><br/>
 <h2> Цель<br/>
 </h2><br/>
  В этой части я опишу проект, на первом шаге которого мы обучим четыре модели, используя <em>логистическую регрессию, персептрон, метод опорных векторов и дерево решений</em>. Из обученных моделей выберем ту, которая дает большую точность на тестовой выборке и опубликуем ее в виде <em>REST/JSON-сервиса</em>. Далее для полученного сервиса напишем программного клиента и проведем нагрузочное тестирование на REST-сервис.<br/>
 <br/>
 <a href="https://habr.com/ru/articles/254683/?utm_campaign=254683&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Читать дальше &rarr;</a>]]></description>
      
      <pubDate>Fri, 03 Apr 2015 06:26:43 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Data Mining]]></category><category><![CDATA[Microsoft Azure]]></category><category><![CDATA[Машинное обучение]]></category><category><![CDATA[Платежные системы]]></category>
      <category><![CDATA[antifraud]]></category><category><![CDATA[machine learning]]></category><category><![CDATA[microsoft azure]]></category><category><![CDATA[azure ml]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[Антифрод. Архитектура сервиса (часть 3)]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/254037/</guid>
      <link>https://habr.com/ru/articles/254037/?utm_campaign=254037&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[ Это третья часть эксперимента по созданию системы распознания мошеннических платежей (<em>antifraud-система</em>). Целью является создание доступного (в плане стоимости разработки и владения) antifraud-сервиса, который позволит сразу нескольким участникам проведения online-платежей – мерчантам, агрегаторам, платежным системам, банкам – снизить риски проведения мошеннических платежей (<em>fraud</em>) через их площадки.<br/>
 <br/>
  В <a href="/post/253731/">прошлой части</a> мы сфокусировали внимание на функциональных и нефункциональных требованиях к антифрод-сервису. В этой части статьи рассмотрим <em>программную архитектуру сервиса, его модульную структуру и ключевые детали реализации такого сервиса</em>.<br/>
 <br/>
 <img alt="Antifraud in azure" src="https://habrastorage.org/getpro/habr/post_images/f33/67a/18f/f3367a18f35b8a3e4e3327248e2a195e.png"/><br/>
 <br/>
 <a href="https://habr.com/ru/articles/254037/?utm_campaign=254037&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Читать дальше &rarr;</a>]]></description>
      
      <pubDate>Wed, 25 Mar 2015 22:57:29 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Microsoft Azure]]></category><category><![CDATA[Анализ и проектирование систем]]></category><category><![CDATA[Платежные системы]]></category>
      <category><![CDATA[антифрод]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[Антифрод. Функциональные и нефункциональные требования (часть 2)]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/253731/</guid>
      <link>https://habr.com/ru/articles/253731/?utm_campaign=253731&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[ В <a href="/post/253725/">первой части эксперимента</a> было описано, почему <em>проблема мошеннических платежей</em> (<em>fraud</em>) стоит остро перед всеми участниками рынка online-платежей, какие сложности на пути создания собственной <em>системы мониторинга мошеннических платежей</em> (<em>antifraud-системы</em>) предстоит преодолеть, и почему для большинства мерчантов такие системы – <em>дорогое удовольствие</em>, за которое они не всегда готовы платить.<br/>
<br/>
Еще одно, усложняющее разработку подобных систем, обстоятельство — то, что antifraud-система является business-critical системой и ее простой будет вести либо к остановке бизнес-процесса (приема оплаты), либо при некорректной работе системы к увеличению рисков финансовых и репутационных потерь для компании (интернет-магазина, банка).<br/>
<br/>
Поэтому практики и подходы, перечисленные в статье применимы не только на стороне мерчанта, но на стороне других участников интернет-эквайринга – агрегаторов, платежных систем, банков. Более того, перечисленные в статье подходы зачастую являются закрытыми от сообщества best practices в соответствующих организациях. <br/>
<br/>
  В этой части будут описаны требования к antifraud-системе, чье влияние на программную архитектуру является существенным.<br/>
 <br/>
  <a href="https://habr.com/ru/articles/253731/?utm_campaign=253731&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Читать дальше &rarr;</a>]]></description>
      
      <pubDate>Tue, 24 Mar 2015 01:39:33 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Анализ и проектирование систем]]></category><category><![CDATA[Платежные системы]]></category>
      <category><![CDATA[процессинг кредитных карт]]></category><category><![CDATA[онлайн платежи]]></category><category><![CDATA[антифрод]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[Антифрод. Быстро, дешево… отлично (часть 1)]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/253725/</guid>
      <link>https://habr.com/ru/articles/253725/?utm_campaign=253725&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[ Эта статья представляет собой описание эксперимента по созданию <em>системы обнаружения мошеннических платежей по банковским картам</em>.<br/>
 <br/>
  В первой части статьи я расскажу <em>почему вопрос мошеннических платежей (fraud) стоит так остро</em> для всех участников рынка электронных платежей – от интернет-магазинов до банков – и в чем основные сложности, из-за которых стоимость разработки таких систем подчас является слишком высокой для многих участников ecommerce-рынка.<br/>
 <br/>
  Во <a href="/post/253731/">второй части</a> будут описаны <em>требования технического и нетехнического характера</em>, которые предъявляются к таким системам, и то, как я собираюсь снизить стоимость разработки и владения antifraud-системы на порядок(и).<br/>
 <br/>
  В <a href="/post/254037/">третьей части</a> будет рассмотрена <em>программная архитектура сервиса</em>, его модульная структура и ключевые детали реализации.<br/>
 <br/>
  В <a href="/post/254683/">четвертой части статьи</a> подробно обсудим наиболее сложную с технической точки зрения и наиболее интеллектуальную часть системы – <em>аналитическую систему распознания мошеннических платежей.</em><br/>
 <br/>
 <h2> Get Started!<br/>
 </h2><br/>
  Стремительный рост количества операций с пластиковыми картами, совершаемых через интернет, ставит перед разработчиками систем приема online-платежей все новые и новые вызовы, связанные с ростом масштаба таких систем и усложнением подходов к обеспечению их надежности и безопасности.<br/>
 <br/>
Не менее интенсивно растет количество мошеннических операций и разнообразие видов мошенничества. Россия, наряду с Англией, Францией, Германией, Испанией, входит в топ-5 европейский стран по годовому объему мошеннических операций с банковским картами. <em>Общий объем потерь от мошенничества по картам в 2013 году в Европе превысило 1 млрд. евро. На Россию приходится 110 млн. евро, из них 2,4 млн. евро мошенничество при оплате через интернет.</em><br/>
<br/>
  Полная цепочка участников проведения online-платежа при покупке товара/услуги через интернет в общем случае выглядит приблизительно так:<br/>
 <br/>
  <img alt="Online Payment Flow" src="https://habrastorage.org/getpro/habr/post_images/846/83f/2ad/84683f2addf62664e30bfb9ddcb9ed7f.png"/><br/>
 <br/>
  <a href="https://habr.com/ru/articles/253725/?utm_campaign=253725&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Читать дальше &rarr;</a>]]></description>
      
      <pubDate>Sun, 22 Mar 2015 21:02:26 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Анализ и проектирование систем]]></category><category><![CDATA[Платежные системы]]></category>
      <category><![CDATA[онлайн платежи]]></category><category><![CDATA[процессинг кредитных карт]]></category><category><![CDATA[антифрод]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[Microsoft Azure ❤ Big Data]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/242403/</guid>
      <link>https://habr.com/ru/articles/242403/?utm_campaign=242403&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[Около полугода назад я публиковал <a href="http://0xcode.in/azure-for-research">ретроспективу</a> того, что интересного для исследователей происходит в облаке Microsoft Azure.<br/>
<br/>
Продолжу эту тему, немного сместив акцент в области, которые для меня последние пару лет неизменно остаются наиболее интересными в ИТ: <em>Big Data</em>, <em>машинное обучение</em> и их симбиозом с <em>облачными технологиями</em>.<br/>
<br/>
<em>Ниже обсудим преимущественно октябрьские анонсы сервисов Microsoft Azure, предоставляющих возможность пакетной и real-time обработки больших массивов данных, высокопроизводительный кластер по требованию, широкую поддержку алгоритмов машинного обучения.</em><br/>
<br/>
<img src="https://habrastorage.org/files/bbc/217/93c/bbc21793cb4c4bd082ba419211c43827.PNG"/><br/>
<br/>
 <a href="https://habr.com/ru/articles/242403/?utm_campaign=242403&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Читать дальше &rarr;</a>]]></description>
      
      <pubDate>Wed, 05 Nov 2014 23:02:33 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Big Data]]></category><category><![CDATA[Microsoft Azure]]></category>
      <category><![CDATA[microsoft azure]]></category><category><![CDATA[big data]]></category><category><![CDATA[hpc]]></category><category><![CDATA[real-time]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[Google Photon. Обработка данных со скоростью света*]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/207348/</guid>
      <link>https://habr.com/ru/articles/207348/?utm_campaign=207348&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[ <strong>Photon</strong> – масштабируемая, отказоустойчивая и географически распределенная система обработки <em>потоковых данных в режиме реального времени</em>. Система является внутренним продуктом Google и используется в Google Advertising System. Research paper [5], описывающие базовые принципы и архитектуру Photon, был представлен на научной конференции ACM SIGMOD в 2013 году.<br/>
 <br/>
 В paper [5] заявлено, что <em>пиковая нагрузка</em> на систему может составлять <em>миллионы событий в минуту со средней end-to-end задержкой менее 10 секунд</em>.<br/>
* 'Скорость света' в заголовке — <s>наглая ложь</s> гипербола.<br/>
 <br/>
<img src="https://habrastorage.org/getpro/habr/post_images/53a/f12/a5c/53af12a5c0bf84bf1616f79aba27543f.jpg"/><br/>
  <a href="https://habr.com/ru/articles/207348/?utm_campaign=207348&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Читать дальше &rarr;</a>]]></description>
      
      <pubDate>Thu, 26 Dec 2013 22:00:12 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Высоконагруженные системы]]></category><category><![CDATA[Big Data]]></category>
      <category><![CDATA[google]]></category><category><![CDATA[bigdata]]></category><category><![CDATA[realtime]]></category><category><![CDATA[photon]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[Dremel. Как Google считает в real-time?]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/207234/</guid>
      <link>https://habr.com/ru/articles/207234/?utm_campaign=207234&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[ <strong>Dremel</strong> – <em>масштабируемая система обработки запросов в режиме близком к режиму реального времени</em> (near-real-time), предназначенная для анализа неизменяемых данных [4].<br/>
 <br/>
  Авторы research paper [4] (среди которых, судя по всему, и наши соотечественники — Сергей Мельник и Андрей Губарев), в котором описываются базовые принципы и архитектура Dremel, заявляют, что система в силах:<br/>
  <ul>
<li> выполнять агрегирующие запросы над боле чем над <em>триллионом строк</em> за секунды;<br/>
 </li>
<li> масштабируется на <em>тысячи CPU</em>;<br/>
 </li>
<li> предназначена для работы с <em>петабайтами данных</em>;<br/>
 </li>
<li> имеет <em>тысячи пользователей</em> внутри Google (дословно «at Google» [4]).<br/>
 </li>
</ul><br/>
<b>UPD1:</b> ниже картинка-<s>дежавю</s> для внимательных читателей.<br/>
<br/>
<img src="https://habrastorage.org/getpro/habr/post_images/f4f/e81/90c/f4fe8190c9f81b893d6de2b5930ea512.jpg"/><br/>
 <a href="https://habr.com/ru/articles/207234/?utm_campaign=207234&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Читать дальше &rarr;</a>]]></description>
      
      <pubDate>Wed, 25 Dec 2013 20:46:48 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Высоконагруженные системы]]></category><category><![CDATA[Big Data]]></category>
      <category><![CDATA[google]]></category><category><![CDATA[bigdata]]></category><category><![CDATA[dremel]]></category><category><![CDATA[realtime]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[Spanner. NewSQL хранилище от Google]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/207082/</guid>
      <link>https://habr.com/ru/articles/207082/?utm_campaign=207082&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[ <strong>Spanner</strong> – <em>географически распределенная высокомасштабируемая мультиверсионная база данных с поддержкой распределенных транзакций.</em> Хранилище было разработана инженерами Google для внутренних сервисов корпорации. Research paper [8], описывающий базовые принципы и архитектуру Spanner, был представлен на научной конференции <em>10th USENIX Symposium on Operating Systems Design and Implementation</em> в 2012 году.<br/>
 <br/>
  Spanner является эволюционным развитием NoSQL-предшественника – <a href="http://0xcode.in/bigtable">Google Bigtable</a>. Сам же c Spanner относят к семейству NewSQL-решений. В research paper [8] заявляется, что дизайн Spanner позволяет системе <em>масштабироваться на миллионы вычислительных узлов через сотни дата-центров и работать с триллионами строк данных</em>.<br/>
 <br/>
<img src="https://habrastorage.org/getpro/habr/post_images/0bb/a58/739/0bba5873977242469ce8706f05d0af79.jpg"/><br/>
<br/>
 <a href="https://habr.com/ru/articles/207082/?utm_campaign=207082&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Читать дальше &rarr;</a>]]></description>
      
      <pubDate>Tue, 24 Dec 2013 20:43:44 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[NoSQL]]></category><category><![CDATA[Big Data]]></category>
      <category><![CDATA[google]]></category><category><![CDATA[spanner]]></category><category><![CDATA[big data]]></category><category><![CDATA[newsql]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[Colossus. Распределенная файловая система от Google]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/206986/</guid>
      <link>https://habr.com/ru/articles/206986/?utm_campaign=206986&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[ <strong>Colossus</strong> (или GFS2) – это проприетарная <em>распределенная файловая система</em> от Google, запущенная на production-серверах в 2009 году. Colossus является эволюционным развитием GFS. Как и ее предшественник GFS, Colossus оптимизирована для работы с <em>большими наборами данных</em>, прекрасно масштабируется, является высокодоступной и отказоустойчивой системой, а также позволяет надежно хранить данные.<br/>
 <br/>
  В то же время, Colossus решает часть задач, с которыми GFS не справлялась, и устраняет некоторые узкие места предшественника.<br/>
<img src="https://habrastorage.org/getpro/habr/post_images/b72/7a9/6d2/b727a96d212df3a7668eb31d7c881bb8.png"/><br/>
  <a href="https://habr.com/ru/articles/206986/?utm_campaign=206986&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Читать дальше &rarr;</a>]]></description>
      
      <pubDate>Mon, 23 Dec 2013 20:45:23 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Высоконагруженные системы]]></category><category><![CDATA[Big Data]]></category>
      <category><![CDATA[google]]></category><category><![CDATA[big data]]></category><category><![CDATA[gfs]]></category><category><![CDATA[colossus]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[Google Platform. 10+ лет]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/206972/</guid>
      <link>https://habr.com/ru/articles/206972/?utm_campaign=206972&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[ Хранение и обработка данных – задача, которую человечество с переменным успехом решает ни одну тысячу лет. Проблемы, связанные с решением этой задачи, связаны не только с физическим объемом данных (<em>volume</em>), но и со скоростью изменчивости этих данных (<em>velocity</em>) и многообразием (<em>variety</em>) источников данных – то, что аналитики Gartner в своих статьях [11, 12] обозначили как «3V».<br/>
<br/>
Computer Science не так давно столкнулась с проблемой Больших Данных, решения которой от ИТ ждут частные компании, правительства, научное сообщество.<br/>
 <br/>
  И в мире уже появилась компания, которая, с переменным успехом, справляется с проблемой Big Data вот уже 10 лет. По моему ощущению (т.к. чтобы заявить достоверно нужны открытые данные, которых в свободном доступе нет) <em>ни одна коммерческая или некоммерческая организация не оперирует большим объемом данных,</em> чем компания, о которой идет речь.<br/>
 <br/>
  Именно эта компания являлась <em>основным контрибьютором идей платформы Hadoop</em>, а также многих компонентов экосистемы Hadoop, таких как HBase, Apache Giraph, Apache Drill.<br/>
 <br/>
  Как Вы догадались, речь идет о Google.<br/>
<img src="https://habrastorage.org/getpro/habr/post_images/18e/a69/9cf/18ea699cf12d5bd0bf2050e51bf15062.jpg"/><br/>
<br/>
  <a href="https://habr.com/ru/articles/206972/?utm_campaign=206972&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Читать дальше &rarr;</a>]]></description>
      
      <pubDate>Sun, 22 Dec 2013 20:22:46 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Высоконагруженные системы]]></category><category><![CDATA[Big Data]]></category>
      <category><![CDATA[google]]></category><category><![CDATA[big data]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[Windows Azure и Hadoop: «дружба», готовая к Enterprise]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/200780/</guid>
      <link>https://habr.com/ru/articles/200780/?utm_campaign=200780&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[За последние пол месяца произошло 3 ИТ-события, лежащие в плоскости <i>Big Data</i>, <i>Cloud Computing</i> и на их <i>симбиозе</i>. По странному стечению обстоятельств эти события остались без должного внимания как со стороны хабросообщества, так и со стороны немногочисленных профессиональных сетевых сообществ в LinkedIn и Facebook.<br>
<br>
События, о которых идет речь — <i>конференция «Strata + Hadoop World», релиз стабильной версии Hadoop 2.2.0 и облачного сервиса Windows Azure HDInsight.</i> О косвенной и прямой взаимосвязи этих событий речь и пойдет ниже.<br>
<br>
<img alt="Windows Azure HDInsight 2.1 Ecosystem" src="https://habrastorage.org/getpro/habr/post_images/8df/fe9/611/8dffe9611f7f3f2c237a00679f3b7f29.png"><br> <a href="https://habr.com/ru/articles/200780/?utm_campaign=200780&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Подробности</a>]]></description>
      
      <pubDate>Mon, 04 Nov 2013 16:32:20 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Big Data]]></category><category><![CDATA[Hadoop]]></category><category><![CDATA[Microsoft Azure]]></category>
      <category><![CDATA[windows azure]]></category><category><![CDATA[HDInsight]]></category><category><![CDATA[hadoop]]></category><category><![CDATA[YARN]]></category><category><![CDATA[big data]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[Microsoft Dryad vs Apache Hadoop. Неначатое сражение за Big Data]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/182688/</guid>
      <link>https://habr.com/ru/articles/182688/?utm_campaign=182688&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[UPD: сменил заголовок статьи, т.к. прошлый заголовок я написал, пока был лунатиком (шутка, разумеется).<br>
<br>
<p>На прошлой неделе на Хабре появилось 2 поста о фреймворке распределенных вычислений от Microsoft Research – Dryad. В частности, подробно были описаны концепции и архитектура ключевых компонентов Dryad – среды исполнения <a href="/post/182164/">Dryad</a> и языка запросов <a href="/post/182282/">DryadLINQ</a>.<br>
 </p><br>
 <p>Логическим завершением цикла статей о Dryad видится сравнение фреймворка Dryad с другими, знакомыми разработчикам MPP-приложений, инструментами: <i>реляционными СУБД</i> (в т.ч. параллельными), <i>GPU-вычислениями</i> и <i>платформой <a href="http://0xcode.in/hadoop-insight">Hadoop</a></i>.<br>
 </p><br>
  <img alt="RDBMS vs Hadoop vs Dryad" src="https://habrastorage.org/storage2/010/7a1/493/0107a1493a8c217da2fa0b4365cf2fc7.png"><br>
 <br> <a href="https://habr.com/ru/articles/182688/?utm_campaign=182688&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Читать дальше →</a>]]></description>
      
      <pubDate>Mon, 10 Jun 2013 22:59:26 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[.NET]]></category><category><![CDATA[Big Data]]></category><category><![CDATA[Hadoop]]></category><category><![CDATA[Высоконагруженные системы]]></category>
      <category><![CDATA[big data]]></category><category><![CDATA[hadoop]]></category><category><![CDATA[dryad]]></category><category><![CDATA[microsoft research]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[DryadLINQ. Распределенный LINQ от Microsoft Research]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/182282/</guid>
      <link>https://habr.com/ru/articles/182282/?utm_campaign=182282&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[<em>Предметом внимания <a href="/post/182164/">вчерашнего поста</a> на Хабре стал фреймворк распределенных вычислений от Microsoft Research — Dryad</em>.<br/>
<br/>
В основе фреймворка лежит представление задания, как <em>направленного ациклического графа</em>, где <em>вершины графа</em> представляют собой <em>программы</em>, а <em>ребра</em> — <em>каналы</em>, по которым данные передаются. Также обзорно была рассмотрена <em>экосистема фреймворка Dryad</em> и сделан подробный <em>обзор архитектуры одного из центральных компонентов экосистемы</em> фреймворка – среды исполнения распределенных приложений Dryad.<br/>
<br/>
  <em>В этой статье обсудим компонент верхнего уровня программного стэка фреймворка Dryad – язык запросов к распределенному хранилищу DryadLINQ. </em><br/>
 <br/>
 <img src="https://habrastorage.org/storage2/a26/1c0/959/a261c095997714cebce988ef62cfe6ff.png"/><br/>
 <a href="https://habr.com/ru/articles/182282/?utm_campaign=182282&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Читать дальше &rarr;</a>]]></description>
      
      <pubDate>Thu, 06 Jun 2013 06:28:13 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[.NET]]></category><category><![CDATA[Big Data]]></category>
      <category><![CDATA[big data]]></category><category><![CDATA[microsoft research]]></category><category><![CDATA[.net]]></category><category><![CDATA[распределённые вычисления]]></category><category><![CDATA[dryad]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[Dryad. Фреймворк распределенных вычислений]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/182164/</guid>
      <link>https://habr.com/ru/articles/182164/?utm_campaign=182164&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[Представьте себе <em>фреймворк общего назначения для распределенного исполнения приложений</em> со следующими статистическими показателями*:<br/>
<br/>
<img src="https://habrastorage.org/storage2/4b6/ca3/bd6/4b6ca3bd61fec53af642af18a06421a3.png"/><br/>
* Статистические данные за 2011 год.<br/>
<br/>
<em>А теперь представьте, что это не Hadoop.</em><br/>
<br/>
О том, что это за фреймворк, о идеях и концепциях, заложенных в его основу и о том, почему этот фреймворк даже более инновационный (субъективно), чем Hadoop, речь пойдет ниже.<br/>
  <a href="https://habr.com/ru/articles/182164/?utm_campaign=182164&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Идеи, концепции, архитектура, много текста...</a>]]></description>
      
      <pubDate>Wed, 05 Jun 2013 06:33:28 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Big Data]]></category><category><![CDATA[Высоконагруженные системы]]></category><category><![CDATA[Параллельное программирование]]></category>
      <category><![CDATA[big data]]></category><category><![CDATA[computer science]]></category><category><![CDATA[распределённые вычисления]]></category><category><![CDATA[microsoft research]]></category><category><![CDATA[dryad]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[Microsoft HDInsight. «Облачное» (и не только) будущее Hadoop]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/165265/</guid>
      <link>https://habr.com/ru/articles/165265/?utm_campaign=165265&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[<em>Объем данных, генерируемый и собираемый современными научно-исследовательским центрами, финансовыми институтами, социальными сетями, уже привычно измеряется петабайтами.</em> Так в дата-центрах Facebook хранится уже более 15 млрд. изображений, нью-йоркская фондовая биржа NYSE создает и реплицирует ежедневно около 1 Тб данных, Большой адронный коллайдер получает около 1 Пб данных в секунду.<br>
<br>
Очевидно, что задачи обработки больших объемов данных все чаще становятся не только перед крупными компаниями, но перед стартапами и небольшими исследовательскими группами.<br>
<br>
Платформа Hadoop, которая, в принципе, успешно решает проблему Big Data для полу- и неструктурированных данных, в своем «чистом» виде предъявляет значительные требования как к квалификации администраторов Hadoop-кластера, так и к первоначальным финансовым затратам на аппаратное обеспечение такого кластера.<br>
<br>
В такой ситуации <em>симбиоз облачных технологий и платформы Hadoop все чаще представляется как крайне перспективный способ решения проблемы «Больших данных»</em>, имеющий крайне невысокий уровень входа (квалификация + затраты на запуск).<br> <a href="https://habr.com/ru/articles/165265/?utm_campaign=165265&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Узнать будущее</a>]]></description>
      
      <pubDate>Wed, 09 Jan 2013 20:20:35 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Big Data]]></category><category><![CDATA[Hadoop]]></category><category><![CDATA[Microsoft Azure]]></category>
      <category><![CDATA[Windows Azure]]></category><category><![CDATA[Hadoop]]></category><category><![CDATA[HDInsight]]></category><category><![CDATA[Big Data]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[MapReduce 2.0. Какой он современный цифровой слон?]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/161437/</guid>
      <link>https://habr.com/ru/articles/161437/?utm_campaign=161437&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[<img src="https://habrastorage.org/getpro/habr/post_images/344/e1c/df0/344e1cdf0b3e428a669913e36c5528c1.png"/><br/>
<br/>
Если ты ИТшник, то <em>нельзя просто так взять и выйти на работу 2-го января</em>: пересмотреть 3-ий сезон битвы экстрасенсов или запись программы «Гордон» на НТВ (дело <strike>умственных способностей</strike> вкуса).<br/>
Нельзя потому, что у других сотрудников обязательно будут для тебя подарки: у секретарши закончился кофе, у МП — закончились дедлайны, а у администратора баз данных — <strike>амнезия</strike> память.<br/>
Оказалось, что инженеры из команды Hadoop тоже любят побаловать друг друга новогодними сюрпризами.<br/>
<br/>
<h3>2008</h3><br/>
<em>2 января.</em> Упуская подробное описание эмоционально-психологического состояния лиц, участвующих в описанных ниже событиях, сразу перейду к факту: поставлен таск <a href="https://issues.apache.org/jira/browse/MAPREDUCE-279">MAPREDUCE-279</a> «Map-Reduce 2.0». Оставив шутки про число, обращу внимание, что до 1-ой стабильной версии Hadoop остается чуть менее 4 лет.<br/>
<br/>
За это время проект Hadoop пройдет эволюцию из маленького инновационного снежка, запущенного в 2005, в большой снежный <strike>com</strike> ком, надвигающийся на ИТ, в 2012.<br/>
Ниже мы предпримем попытку разобраться, какое же значение январский таск MAPREDUCE-279 играл (и, уверен, еще сыграет в 2013) в эволюции платформы Hadoop.  <a href="https://habr.com/ru/articles/161437/?utm_campaign=161437&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">...</a>]]></description>
      
      <pubDate>Wed, 05 Dec 2012 09:14:28 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Big Data]]></category><category><![CDATA[Параллельное программирование]]></category>
      <category><![CDATA[BigData]]></category><category><![CDATA[MapReduce]]></category><category><![CDATA[YARN]]></category>
    </item>
  

  

  

	
  

  

  

    
    <item>
      <title><![CDATA[Эластичный MapReduce. Распределенная реализация]]></title>
      <guid isPermaLink="true">https://habr.com/ru/articles/151419/</guid>
      <link>https://habr.com/ru/articles/151419/?utm_campaign=151419&amp;utm_source=habrahabr&amp;utm_medium=rss</link>
      <description><![CDATA[<em>Так случилось, что первый посмотренный мною фильм с упоминанием слова «суперкомпьютер» был Терминатор. Но, как ни странно, моя (тогда еще) не сформировавшаяся психика не посчитала скайнет мировым злом, списав агрессивное поведение первого в мире ИИ на недостаточное покрытие юнит тестами.</em><br/>
<br/>
На тот момент у меня был ZX Spectrum (чьих 128 Kb явно не хватало на запуск чего-то похожего на ИИ) и много (думаю лет 10) свободного времени. Благодаря последнему факту, я благополучно дождался эры виртуализации. Можно было снять хоть 10K VPS, установить между ними канал связи и начинать создавать ИИ. Но мне хотелось заниматься программированием, а не администрированием/конфигурацией grid-системы, и я разумно начал ждать, когда вычислительные ресурсы начнут предоставляться как сервис.<br/>
<br/>
Моей радости не было конца, когда появились облачные сервисы. Но радость длилась недолго: стало понятно, что пока прямые коммуникации между отдельными вычислительными инстансами – это <strike>фантастика</strike> код, который нужно писать самому (то есть с большой вероятностью он работать не будет). Попереживав пару лет по этому поводу, я (мы все) дождался Hadoop, сначала «<em>on-premises</em>», а потом и эластичного «<em>on-demand</em>». Но и там, как оказалось, не всё так <strike>эластично</strike> гладко <a href="https://habr.com/ru/articles/151419/?utm_campaign=151419&amp;utm_source=habrahabr&amp;utm_medium=rss#habracut">Читать дальше &rarr;</a>]]></description>
      
      <pubDate>Thu, 13 Sep 2012 10:54:17 GMT</pubDate>
      <dc:creator><![CDATA[codezombie]]></dc:creator>
      <category><![CDATA[Big Data]]></category>
      <category><![CDATA[Big Data]]></category><category><![CDATA[MapReduce]]></category><category><![CDATA[Облачные вычисления]]></category>
    </item>
  

  

  

	
  

  

  

      

      

      

    
  </channel>
</rss>
