Все потоки

Лучшие умы человечества столетиями доказывали людям их заурядность. Нет, Солнце, Луна, планеты и звёздная сфера не вращаются вокруг Земли. Нет, Солнце тоже не центр мира. Нет, наш Млечный Путь — не пуп Вселенной, а лишь обыкновенная спиральная галактика на скромной ветке сверхскопления Девы, в исполинской Ланиакеи, затягиваемой тёмным потоком куда-то в недра Великого Аттрактора. Мы поверили в собственную заурядность и распрощались с неуёмной гордыней наших предков. Мы — лишь пылинка в бесконечных сотах бескрайней космической паутины.

Но теперь Вселенная, кажется, решила над нами посмеяться. Представьте, что весь этот исполинский космический механизм почему-то знает о существовании Солнца и Земли. На самых огромных масштабах, вплоть до границ наблюдаемого космоса, прочерчена невидимая генеральная ось Вселенной, и она, вопреки логике и здравому смыслу, проходит прямо через наш дом. Это звучит как безумие: почему параметры системы, заложенные в момент рождения Вселенной 13,8 миллиарда лет назад, должны подгоняться под положение какой-то рядовой звезды, и под плоскость орбиты какой-то рядовой планеты? Мы словно снова оказались в центре мироздания, из которого нас так долго и упорно гнали.

Все началось с того, что управляющая компания в нашем поселке обанкротилась. Работать она перестала, и инфраструктура постепенно начала приходить в запустение — въездную группу вместе со шлагбаумами продали на торгах, мусор перестали вывозить, фонари постепенно начали выходить из строя и по ночам улицы погружались в темноту. Соседи собрались, провели общее собрание и основали ТСН — товарищество собственников недвижимости. С этого момента мы оказались в ситуации, когда управлять поселком нужно самостоятельно, а многие вещи приходится осваивать с нуля.

В последние пару лет любой пользователь рунета научился различать “интернет дома” и “интернет в гостях у бабушки”. На одном провайдере YouTube открывается, на другом нет. Это ощущается как непредсказуемость, но за каждой такой деградацией стоят вполне конкретные технические механизмы. Запустил open-source инструмент dpi-checkers на трёх своих подключениях, разобрался с методами TCP 16-20 и CIDR-вайтлистами и расскажу, что технически происходит с вашим трафиком на L4 — от SNI-фильтрации до QUIC-блокировок.

Первая с 1972 года пилотируемая миссия к Луне «Артемида-2» успешно завершилась 10 апреля 2026 года. Корабль «Орион» с астронавтами облетел вокруг Луны и вернулся на Землю. Давно человечество не объединялось в таком счастливом порыве. Спустя 54 года мы вернулись на Луну!

Даже плоскоземельщики следили за посадкой «Артемиды» в прямом эфире, для них это был шокирующий опыт.

Что же дальше? Судя по всему, Россия надолго выбыла из лунной гонки между США и Китаем. В то же время НАСА отложило международную станцию Gateway, но сосредоточилось на лунной базе, где через четыре года планируют установить даже ядерный реактор. В общем, освоение Луны пошло по другому сценарию. Но тоже очень интересному. Гонка в космосе разгорается!

Привет, меня зовут Вячеслав. Я интересуюсь локальными LLM и тем, как они ведут себя в реальных задачах — не на синтетических бенчмарках, а когда нужно написать работающий код, отрефакторить файл с багами или вытащить данные из HTML.

Вокруг локальных моделей сложилась странная ситуация. С одной стороны, их постоянно принижают: если это не последняя версия Opus с максимальным режимом размышления, то и пробовать не стоит. С другой — мало кто действительно разбирается, что стоит за запуском локальной модели. Поднять API через llama.cpp — это полдела. А вот как ты её запускаешь, в какой среде, с какими параметрами — эти вещи порой переворачивают результат с ног на голову. Получить плохой результат с локальной моделью на удивление легко. Получить хороший — надо попотеть.

При этом локальные модели нужны. Особенно когда начинаются истории про чувствительные данные, закрытые контуры и ситуации, когда облачный API просто не вариант.

Я посмотрел множество тестов на YouTube — ни один меня не устроил. Общая канва одинаковая: берут модель побольше, запускают без оглядки на оптимальность и дают задание уровня «напиши сортировку пузырьком». Серьёзно?

Я не разработчик и не кодер по профессии, но решил пойти другим путём. Тесты с подковыркой, реальная агентская среда, подбор параметров. И модели я выбрал не «чем больше, тем лучше», а те, которые реально влезают в 16 ГБ видеопамяти домашней видеокарты. Что из этого вышло — дальше по тексту.

Есть проекты, которые рождаются не из практической необходимости, а из глубоко нездорового вопроса: а можно ли сделать это совсем не тем инструментом?

Обычно, если человек хочет показать в браузере видео, он берёт video. Если хочет покадровую анимацию — пишет немного JavaScript. Он же служит и для потоковой передачи данных. Но все эти подходы слишком нормальные, а потому и недостаточно интересные.

Поэтому давайте поставим себе задачу чуть более сомнительную, чем следовало бы: воспроизвести Bad Apple в браузере без JavaScript вообще, опираясь почти целиком на CSS и немного на серверную магию.

Ну и чтобы окончательно не сбивать градус абсурда, бекенд мы тоже не будем писать на чем-то скучно-прагматичном. Если заниматься таким делом, то с достоинством: C++26 и Boost.Beast.

Результат посмотреть можно тут и на GitHub.

Современные S3-хранилища давно перестали быть «черным ящиком»: от их архитектуры напрямую зависят отказоустойчивость, производительность и экономика сервисов, которые на них опираются. Но за внешне простым API скрывается интересная, сложная, промышленная система — от железа в стойках до многослойного распределенного  приложения.

В этой статье разберем, как устроено промышленное объектное хранилище на практике: какие архитектурные решения лежат в основе, как достигается масштабируемость и где проходят реальные технические компромиссы.

Меня зовут Александр Гришин, я руковожу направлением хранения и обработки данных в Selectel. Отвечаю за развитие облачных баз данных, S3-хранилища, аппаратных СХД и сервисов для построения DLH. Материал будет полезен CTO, CIO и архитекторам, которые выбирают или проектируют собственное S3-совместимое хранилище. Или инженерам которые хотят просто лучше понимать, что же происходит у нашего сервиса под капотом. Погнали!

Каждый месяц с карты списываются деньги за подписки. Spotify, Яндекс Плюс, Notion, Obsidian Sync, Google One — суммы небольшие по отдельности, в сумме набегает заметно. Параллельно с этим у меня работает VPS с несколькими проектами, на роутере крутится OpenWrt с AdGuard Home, в ноутбуке стоит Docker. Инфраструктурный опыт есть. Дома при этом — никакого сервера, всё в облаке.

Это начинает раздражать не только из-за денег. Сервисы меняют каталоги без предупреждения, поднимают цены, требуют доплат за объём, периодически ломают регионы. Контроль над собственными фотографиями, заметками и медиатекой постепенно перестал быть моим.

Решил спланировать переезд на свой мини-ПК. Пока разбирался с железом и стеком, обнаружил, что нормальной системной дорожной карты «бери и иди» в 2026 году нет. Есть каталоги «50 self-hosted сервисов», восторженные посты про конкретные приложения, треды на Reddit. Структурированного маршрута для нового человека — нет.

Этот текст — попытка такой маршрут собрать. Не «топ приложений», а архитектура от железа до приложений по слоям, с обоснованием каждого выбора, с тем, что я планирую поставить, и с тем, что осознанно не ставлю.

Привет, Хабр! Меня зовут Артем, я дата-инженер. В работе часто приходится выбирать: гонять вычисления в облаке или делать их ближе к данным, и у каждого варианта свои больные места. Но недавно ИИ-нагрузки начали переезжать с облачных GPU на обычные ноутбуки — Microsoft вписала нейропроцессор в требования к Copilot+ PC, AMD и Intel встраивают NPU прямо в SoC. Мне стало любопытно: что там на самом деле происходит?

За маркетинговой шумихой скрывается сдвиг к гибридной архитектуре: тяжёлое остаётся в облаке, массовые задачи разъезжаются по устройствам сотрудников. Это меняет работу тех, кто такой парк закупает и обслуживает — добавляются требования к памяти и поддержке конкретных ИИ-фреймворков, появляется новая задача доставки и обновления моделей на устройствах, а горизонт планирования у ИТ-отделов оказывается короче, чем кажется.

Я заинтересовался темой после одного бенчмарка: NPU в ноутбуке AMD Ryzen AI 300 генерировал изображение 70 секунд, а встроенный GPU того же чипа справлялся за 30 — специализированный нейропроцессор проиграл универсальному вдвое на задаче, под которую его затачивали. Через эту аномалию хорошо видно, как устроены три процессора в одном SoC. Разберём: чем NPU отличается от соседей по чипу, почему всё упирается в память, как LLM удаётся уместить на ноутбуке и что из этого реально работает в корпоративной среде уже сейчас.

Привет, Хабр. Меня зовут Антон, я технический директор ERA2.AI. Несколько лет назад мы плотно занимались YouTube, контентом и продакшеном: снимали обзоры, стримили процессы, монтировали ролики, делали обложки, озвучку, тексты, аудиодорожки, рендеры и всё то, из чего обычно состоит бодрая контентная мясорубка.

Расскажу, как мы упёрлись в потолок по штату сотрудников, почему новые руки не ускорили процесс, как Telegram-боты заморозили готовые наработки и чуть не отправили проект в кому, зачем мы вернули деньги части клиентов и как всё это доросло до ERA2 Voice и ERA2 Music. Так факап стал для нас жёстким пинком к перезагрузке.

Генетический код выглядит как нечто незыблемое, одинаковое для всех форм жизни на земле. От бактерий до человека — везде 20 стандартных аминокислот складываются в белки по одним и тем же правилам. Но если копнуть глубже, сразу возникает вопрос: а вдруг этот набор можно ужать и клетки при этом не развалятся? Эта идея появилась уже давно.

Группа ученых из Колумбийского университета и Гарварда решила пойти дальше разговоров и реально попробовать сократить набор до девятнадцати аминокислот. Авторы эксперимента сосредоточились на ключевых механизмах синтеза белков и проверили, выдержит ли система такую перестройку. Что ж, давайте посмотрим, все ли получилось. 

«Задача абстракции — не быть расплывчатой, а создать новый семантический уровень, на котором можно достичь абсолютной точности», — Эдсгер Дейкстра

Взрывной рост количества промахов кэша

При определении топологии сети для обхода 500 коммутаторов нашей системе требовалось 37,5 миллисекунды. Вроде бы это не так медленно, если не учитывать количество промахов кэша: 8,5 миллиона. При 500 узлах это 17 тысяч промахов на узел.

Структура данных была фундаментально неподходящей для этой задачи.

Работа инструмента была простой: определение топологии сети при помощи обхода графа соединённых устройств. У каждого коммутатора было до 48 портов, а нам нужно было при помощи поиска в ширину найти все доступные устройства из начальной точки.

Реализация была как по учебнику — список смежности со стандартным BFS. В случае сети из 500 коммутаторов (в среднем по 12 соединений у каждого) статистика была такой: 8,5 миллиона промахов кэша на 500 узлов. Это 17 тысяч промахов кэша на узел!

Я переписал этот код, реализовав графовое представление, учитывающее кэш. Результаты: код стал в 3,75 раз быстрее, а количество промахов кэша уменьшилось в 7 раз.

В этой главе мы поговорим об эффективном описании и обходе графов.

Самые интересные новости финансов и технологий в России и мире за неделю: заявка на новую пандемию, кибердружины из студентов, национализация Русагро, параллельный импорт заменят на отечественные компы, Пентагон публикует фотки НЛО, срок португальских гражданств удлинили, а также альтманофон от OpenAI.

В статье описаны результаты, которые получил в поисках ответа на вопрос "можно ли решать реальные задачи диагностики и исправления проблем инфраструктуры на слабом MacBook в агентском режиме (да, но)".

Всем привет! На связи команда Авито Рекламы.

Что для вас май? Шашлыки, дача и подготовка к отпуску? А для бизнеса — это месяц, когда спрос на земляные работы обгоняет по росту все остальные услуги (+99%), а на выпускные и свадьбы тратят больше, чем в другие сезоны.

Пока одни по привычке продают мангалы, другие получают на 91% больше продаж жилетов и находят клиентов на организацию праздников (+43% к спросу). Мы изучили поведение пользователей и собрали для вас инсайты, которые помогут не упустить сезонный спрос. Читайте дальше, чтобы узнать, как поймать свою волну в мае.

Привет, Хабр! Электрогитара для начинающего музыканта, если это школьник, должна быть лёгкой и желательно недорогой. А самое главное — вдохновлять на творческие свершения и помогать, а не мешать успехам в освоении премудростей музыки и техники игры.

Сегодня мы узнаем, насколько годится на такую роль инструмент из коллекции Cкваер Дебют, само название которой прямо на это намекает.

Go-сервис может идеально проходить функциональные тесты и уверенно отвечать на локальных прогонах, а потом внезапно развалиться под 1000 RPS: p99 улетает в секунды, в логах появляются таймауты, throughput проседает, а часть запросов вообще не получает HTTP-ответа.

В статье разберём, как подойти к такой деградации без гадания: прогнать нагрузку через vegeta и wrk2, правильно прочитать p50/p99 и status codes, проверить пул соединений к базе, настройки HTTP-клиента, горутины, GC, таймауты и быстро понять, где именно сервис начинает терять устойчивость.

В предыдущей статье https://habr.com/ru/articles/1016552/ я рассматривал реализацию снятия показаний счётчика электроэнергии МИР С-05.10–230-5(80)‑G2Z1B‑KNQ‑S-D

Штрафы «за персональные данные»: кого и за что штрафуют на самом деле. Судебная практика по ст. 13.11 КоАП РФ.

Я делал AI Review как простой инженерный инструмент. Но реальный фейл оказался не в архитектуре и не в LLM — а в том, чего люди от него ждали.