Насколько я знаю, встроенное резервное копирование, появится в vStack в ближайшее время. Они с нуля разрабатывают свой продукт, поэтому могут заниматься решением таких серьезных задач.
К сожалению проверить все эти решения не представляется возможным, потому-что большинство российских компаний, ничего не выкладывают в открытый доступ, даже если продукт сделан на базе open-source.
Базальт в этом плане одна из лучших компаний в России.
Big-4 – речь идет об облачных провайдерах (AWS, GCP, Azure и Oracle/Alibaba).
Я лично использовал Opennebula (половина российских решений основана на это проекте), Openstack, VMware, Oracle, oVirt, Hyper-V, Proxmox и так далее.
Исходя из моего опыта на каждую удачную инсталляцию VMware и Citrix, приходится несколько неудачных, когда в проект вкладываются серьезные деньги, а на выходе получается результат, которого можно было достичь внедрив open-source решение, например oVirt.
Российские телекомы сделавшие ставку на VMware потеряли дважды – когда они «проспали» появление рынка облачных услуг и второй раз когда VMware ушел из России. Они вложили огромные деньги в VMware, Citrix и Oracle, а в результате получили персонал, который сложно адаптируется под новый стек. Это достаточно редкое явление, когда администратор VMware начинает работать с Linux, OpenStack и Kubernetes.
Правда надо сказать, что это не касается всех вендоров. Реальных альтернатив Cisco и Juniper в России, да и в мире до последнего времени, просто не было. Вполне возможно, что YADRO скоро исправит эту ситуацию.
Этот обзор нужен не для критики российских производителей – они делают то, что востребовано на рынке. Бывает так, что рынок еще не созрел, и клиент не знает, чего он хочет, потому что предложения уровня AWS и GCP.
Понятия не имею, да это и не имеет особого значения, для меня.
Но интересный момент, смотри, есть компании, которые для решения подобного рода задач, использовали базу данных от одной известной американской корпорации и программку от сторонних разработчиков у которой есть GUI. База данных и программка – это монолит написанный на C/C++. Лицензии на этот софт стоят не малых денег, но со своими задачами он справлялся.
В 2023 году российские компании мигрируют на open-source (там где нет отечественного ПО), и решают те же самые задачи, только вместо монолитной базы данных, им приходится постоянно перекладывать информацию из озера данных в СУБД. Hive/Hadoop, GreenPlum, Airflow, Spark, PostgreSQL и так далее. В эту цепочку можно добавить Trino/Presto для агрегации данных из разных источников и MMP, cube.js для сематического слоя.
Разработчики ClickHouse решили эту проблему в OLAP, «просто» написав монолитную БД на C++.
Всегда можно написать производительный код и решить таким образом проблему. Перфоманс имеет значение.
Для DS на этапе исследования и проверки гипотез важна интерактивность и визуализации данных. Именно для этого нужен REPL и такие проекты как Trino/Presto, Cube.js и так далее. На этом уровне, при современных объемах данных, перфоманс очень важен.
Правда я занимаюсь, доставкой (кода), а не DS. В этой сфере перфоманс тоже очень важен.
Мне кажется большинство питонистов DS-толка не занимается решением задач где нужен C/C++ (то есть там где важен перфоманс), потому что тогда они бы по другому посмотрели на Julia.
Не хочу утрировать, но у нас DS развивается в основном в корпорациях, – а там Hive/Hadoop, Spark, Airflow и Jupyter Notebook. Бери то что дают. Это хороший стек, есть кадры которые с ним знакомы, но на типовых решениях никогда не будет инноваций.
Вы правы, конечно, что у Python лучше startup time, но для скритового языка, как показывает пример ruby – это не критично. Bash и Perl еще быстрее, но за это приходится платить недостающей функциональностью или «читабельностью» кода, как в случае с Perl и AWK.
У Julia есть AOT компиляция с помощью PackageCompiler.jl, PCRE, макросы и многое другое. На мой взгляд – это хороший размен, но у каждого может быть свое мнение.
Это правда, когда пишут о Julia, то обычно показывают красивые графики – было написано много хороших библиотек именно для этих целей. Но я думаю, что Ansible и yum сыграли не меньшую роль для популярности Python, чем такие проекты как Pytorch. Python начинался с маленьких скриптов для автоматизации, а Perl как замена для AWK и sed. Julia, как мне кажется для этого подходит не хуже, чем для математического программирования.
А на первых местах в этом списке Phix, Wren – не сказать, что очень популярные языки. Я думаю, что рейтинг Stack Overflow будет немого более репрезентативным. А там насколько я знаю Julia далеко не в лидирующих позициях по запросам.
Это зависит от пользователей, но в основном, конечно, субъективные. Пользователи любят «привычные» интерфейсы. Кстати, есть интересный пример – использование «Skeuomorphism» при разработке UI для ранних версий Apple iOS.
Skeuomorphism - это когда UI мимикрирует под, привычные, для пользователя физические объекты: интерфейс приложения Voice Memos который выглядит как микрофон, Notes app похожий на разлинованный лист, читалка для книг, которая выглядит как книжная полка.
В последнее время от этой концепции уходят в сторону минимализма, но на начальном этапе, когда смартфоны только начинали входить в нашу жизнь, такой подход позволил завоевать Apple аудиторию «казуальных» пользователей.
В принципе можно для сборки и тестирования использовать Кубернетес, но это подходит не для всех проектов. Контейнеры сейчас используются, даже там где нет Кубернетес – оконных приложений на рабочих станциях, IoT и так далее.
Думаю, что ни то и не другое. От слова «to grok» – «understand (something) intuitively or by empathy».
Насколько я знаю, встроенное резервное копирование, появится в vStack в ближайшее время. Они с нуля разрабатывают свой продукт, поэтому могут заниматься решением таких серьезных задач.
Чувак, успокойся :) Вижу, у Альта есть резервное копирование – это Proxmox Backup.
https://www.basealt.ru/fileadmin/user_upload/Alt_Server_V_functional.pdf?ysclid=lrnavwtxv0768684147
К сожалению проверить все эти решения не представляется возможным, потому-что большинство российских компаний, ничего не выкладывают в открытый доступ, даже если продукт сделан на базе open-source.
Базальт в этом плане одна из лучших компаний в России.
Ну это получается отдельностоящий Proxmox backup server. Получается что встроенное резервное копирование есть только у vStack.
В состав Альт Сервер Виртуализации входит и PVE и OpenNebula.
VMware на сайте ссылку изменили. Ссылка взята из статьи
https://www.thestack.technology/vmware-is-killing-off-56-products-including-vsphere-hypervisor-and-nsx/
Big-4 – речь идет об облачных провайдерах (AWS, GCP, Azure и Oracle/Alibaba).
Я лично использовал Opennebula (половина российских решений основана на это проекте), Openstack, VMware, Oracle, oVirt, Hyper-V, Proxmox и так далее.
Исходя из моего опыта на каждую удачную инсталляцию VMware и Citrix, приходится несколько неудачных, когда в проект вкладываются серьезные деньги, а на выходе получается результат, которого можно было достичь внедрив open-source решение, например oVirt.
Российские телекомы сделавшие ставку на VMware потеряли дважды – когда они «проспали» появление рынка облачных услуг и второй раз когда VMware ушел из России. Они вложили огромные деньги в VMware, Citrix и Oracle, а в результате получили персонал, который сложно адаптируется под новый стек. Это достаточно редкое явление, когда администратор VMware начинает работать с Linux, OpenStack и Kubernetes.
Правда надо сказать, что это не касается всех вендоров. Реальных альтернатив Cisco и Juniper в России, да и в мире до последнего времени, просто не было. Вполне возможно, что YADRO скоро исправит эту ситуацию.
Этот обзор нужен не для критики российских производителей – они делают то, что востребовано на рынке. Бывает так, что рынок еще не созрел, и клиент не знает, чего он хочет, потому что предложения уровня AWS и GCP.
Это комиксы – для тех кому лень читать текст (а мне лень печатать).
PRETTY_NAME="CentOS Linux 7 (Core)"
"Это ознакомительная установка – для прода процесс отличается и включает в себя дополнительные шаги."
"DS - это python, может быть R если не надо работать с современными архитектурами нейронок".
Это войдет в анналы. Без numpy и pandas (которые написаны на c) не может быть DS. Ну может быть на R еще.
Понятия не имею, да это и не имеет особого значения, для меня.
Но интересный момент, смотри, есть компании, которые для решения подобного рода задач, использовали базу данных от одной известной американской корпорации и программку от сторонних разработчиков у которой есть GUI. База данных и программка – это монолит написанный на C/C++. Лицензии на этот софт стоят не малых денег, но со своими задачами он справлялся.
В 2023 году российские компании мигрируют на open-source (там где нет отечественного ПО), и решают те же самые задачи, только вместо монолитной базы данных, им приходится постоянно перекладывать информацию из озера данных в СУБД. Hive/Hadoop, GreenPlum, Airflow, Spark, PostgreSQL и так далее. В эту цепочку можно добавить Trino/Presto для агрегации данных из разных источников и MMP, cube.js для сематического слоя.
Разработчики ClickHouse решили эту проблему в OLAP, «просто» написав монолитную БД на C++.
Всегда можно написать производительный код и решить таким образом проблему. Перфоманс имеет значение.
Для DS на этапе исследования и проверки гипотез важна интерактивность и визуализации данных. Именно для этого нужен REPL и такие проекты как Trino/Presto, Cube.js и так далее. На этом уровне, при современных объемах данных, перфоманс очень важен.
Правда я занимаюсь, доставкой (кода), а не DS. В этой сфере перфоманс тоже очень важен.
Мне кажется большинство питонистов DS-толка не занимается решением задач где нужен C/C++ (то есть там где важен перфоманс), потому что тогда они бы по другому посмотрели на Julia.
Не хочу утрировать, но у нас DS развивается в основном в корпорациях, – а там Hive/Hadoop, Spark, Airflow и Jupyter Notebook. Бери то что дают. Это хороший стек, есть кадры которые с ним знакомы, но на типовых решениях никогда не будет инноваций.
Вы правы, конечно, что у Python лучше startup time, но для скритового языка, как показывает пример ruby – это не критично. Bash и Perl еще быстрее, но за это приходится платить недостающей функциональностью или «читабельностью» кода, как в случае с Perl и AWK.
У Julia есть AOT компиляция с помощью PackageCompiler.jl, PCRE, макросы и многое другое. На мой взгляд – это хороший размен, но у каждого может быть свое мнение.
Это правда, когда пишут о Julia, то обычно показывают красивые графики – было написано много хороших библиотек именно для этих целей. Но я думаю, что Ansible и yum сыграли не меньшую роль для популярности Python, чем такие проекты как Pytorch. Python начинался с маленьких скриптов для автоматизации, а Perl как замена для AWK и sed. Julia, как мне кажется для этого подходит не хуже, чем для математического программирования.
А на первых местах в этом списке Phix, Wren – не сказать, что очень популярные языки. Я думаю, что рейтинг Stack Overflow будет немого более репрезентативным. А там насколько я знаю Julia далеко не в лидирующих позициях по запросам.
Это зависит от пользователей, но в основном, конечно, субъективные. Пользователи любят «привычные» интерфейсы. Кстати, есть интересный пример – использование «Skeuomorphism» при разработке UI для ранних версий Apple iOS.
Skeuomorphism - это когда UI мимикрирует под, привычные, для пользователя физические объекты: интерфейс приложения Voice Memos который выглядит как микрофон, Notes app похожий на разлинованный лист, читалка для книг, которая выглядит как книжная полка.
В последнее время от этой концепции уходят в сторону минимализма, но на начальном этапе, когда смартфоны только начинали входить в нашу жизнь, такой подход позволил завоевать Apple аудиторию «казуальных» пользователей.
Да DuckDB, есть еще Datasette, правда, я думаю, что это все-таки больше инструменты для аналитиков и дата-инженеров, а не для конечного пользователя.
В принципе можно для сборки и тестирования использовать Кубернетес, но это подходит не для всех проектов. Контейнеры сейчас используются, даже там где нет Кубернетес – оконных приложений на рабочих станциях, IoT и так далее.