Ух, работал с таким лямбдалитом. В idle состоянии по сравнению с постоянно запущенным контейнером не стоит ничего, что позволяет например развертывать полноценные среды per developer без препинаний с финансовым отделом :)
Из минусов:
Лямбда реально быстро умирает когда отработает. Соответственно какой-нибудь настроенный OpenTelemerty (мы же отказались от специальных фреймворков), отправляющий телеметрию батчами будет либо терять 90% инфы, либо добавлять время, за которое он делает принудительный Flush, в общее время ответа.
Api gateway в AWS имеет жесткий лимит 29 секунд на реквест. Не для всех приложений такого таймаута может хватать (особенно если лямбдалит это тяжелая легаси фигня), а также если это малонагруженный сервис, aws залагал и стартует лямбду секунд 15, которые тоже считаются в лимит гейтвея. Но в принципе есть альтернатива: можно пускать http на лямбды через Application Load Balancer вместо Api gateway. Тогда вы ограничены только таймаутом лямбды (15 минут ЕМНИП). Но ALB стоит денег per-hour и возможно тогда уже проще и контейнер поднять? :)
У меня так на заре становления программистом была идея иметь двоичное дерево со всеми конструкциями ЯП, в котором можно выбирать операторы попеременно нажимая две клавиши для выбора ветки. Я на делфях это даже закодил. но оказалось что автодополнение даже в те времена всё же удобнее чем такое
В итоге разработчики превращаются из трансляторов с менеджерского "что-делать" на компьютерный "что-делать" в трансляторов из "что-делать" в "что делать чтобы проверить что сделано то что нужно", а не уходят на мороз :)
Ещё подумалось, что AlphaGo получилось натренировать, потому что игра за обе стороны одинаковая. А как подобное тренировать для разработки ПО? Одна нейросетка тренируется разработке, а вторая - придумывает неожиданные противоречивые требования, внезапно ломает внешние сервисы и всё вот это вот?)
Только в основе там всё равно дерево поиска Монте-Карло с симуляциями кучи ходов, не сильно далеко от перебора. Нейронка лишь оценивает позицию и выбирает ход по этим оценкам.
Есть дальнейшее развитие алгоритма: MuZero, где компьютер во время игры не имеет 100% захардкоженных правил игры, а сама симуляция хода делается второй нейронкой. Но всё равно она симулирует ход для того, чтобы потом построить дерево поиска.
Можно ли свести разработку ПО к поиску оптимума в дереве симулируемых вариантов? Если да - we are fucked. Если нет, то пример AlphaGo/Zero ИМХО не сильно показателен для задач иного рода.
Ну когда всё в один экран умещается, то работает, да.
Где-то я это уже слышал
открыл демку TodoMvc - опс, не работает
Дизайнер, которому надо везде впендюрить кастомный поиск, потому что фронтендеры не могут починить нативный: 🗿
Пользователи, которые потеряли поиск на страницах потому что дизайнер не резиновый, страниц много, а времени нет: 🗿
Вообще подпись снимков сильно конфьюзит, когда сначала говорят о том что справа и только потом о том что слева, хотя натуральный порядок это наоборот
Стоит читать как “там буквально нельзя сделать рабочим встроенный поиск браузера”?)
Учитывая, что стоимость подписок явно субсидируется для набора юзеров и их данных, то использование подписки на все 100% поможет быстрее ;)
А это всё для кэширования или как primary БД тоже используется?
Ух, работал с таким лямбдалитом. В idle состоянии по сравнению с постоянно запущенным контейнером не стоит ничего, что позволяет например развертывать полноценные среды per developer без препинаний с финансовым отделом :)
Из минусов:
Лямбда реально быстро умирает когда отработает. Соответственно какой-нибудь настроенный OpenTelemerty (мы же отказались от специальных фреймворков), отправляющий телеметрию батчами будет либо терять 90% инфы, либо добавлять время, за которое он делает принудительный Flush, в общее время ответа.
Api gateway в AWS имеет жесткий лимит 29 секунд на реквест. Не для всех приложений такого таймаута может хватать (особенно если лямбдалит это тяжелая легаси фигня), а также если это малонагруженный сервис, aws залагал и стартует лямбду секунд 15, которые тоже считаются в лимит гейтвея. Но в принципе есть альтернатива: можно пускать http на лямбды через Application Load Balancer вместо Api gateway. Тогда вы ограничены только таймаутом лямбды (15 минут ЕМНИП). Но ALB стоит денег per-hour и возможно тогда уже проще и контейнер поднять? :)
Из защищенных альтернатив ещё есть opensource https://cryptpad.fr/
Конкурент Коргиполитена!
Да уж, такой мир у нас, что уверенность в том что это шутка я получил только на тейке про RtlSecureZeroMemory
Вся статья - AI-слоп, хреново скомпилированный из бесед с ChatGPT?
Имелся в виду Augment Code? Они недавно тоже pricing поменяли, на реддите пишут что раз в 5-6 урезали лимиты за те же деньги
"Правда такая ерунда получается" (c)
Aegis позволяет export
У меня так на заре становления программистом была идея иметь двоичное дерево со всеми конструкциями ЯП, в котором можно выбирать операторы попеременно нажимая две клавиши для выбора ветки. Я на делфях это даже закодил. но оказалось что автодополнение даже в те времена всё же удобнее чем такое
Тестировать начали уже довольно давно (ну или начали, а потом забросили фичу). Пару лет назад у меня появлялась перемотка, потом исчезла.
В коменте выше шла речь про RAID 10
В итоге разработчики превращаются из трансляторов с менеджерского "что-делать" на компьютерный "что-делать" в трансляторов из "что-делать" в "что делать чтобы проверить что сделано то что нужно", а не уходят на мороз :)
Ещё подумалось, что AlphaGo получилось натренировать, потому что игра за обе стороны одинаковая. А как подобное тренировать для разработки ПО?
Одна нейросетка тренируется разработке, а вторая - придумывает неожиданные противоречивые требования, внезапно ломает внешние сервисы и всё вот это вот?)
Только в основе там всё равно дерево поиска Монте-Карло с симуляциями кучи ходов, не сильно далеко от перебора. Нейронка лишь оценивает позицию и выбирает ход по этим оценкам.
Есть дальнейшее развитие алгоритма: MuZero, где компьютер во время игры не имеет 100% захардкоженных правил игры, а сама симуляция хода делается второй нейронкой. Но всё равно она симулирует ход для того, чтобы потом построить дерево поиска.
Можно ли свести разработку ПО к поиску оптимума в дереве симулируемых вариантов? Если да - we are fucked. Если нет, то пример AlphaGo/Zero ИМХО не сильно показателен для задач иного рода.