Есть у нас флагманский продукт под названием «Единый клиент», с которым работают десятки энтерпрайз-клиентов, оперирующих в нем сотнями миллионов записей. Продукт массивный, обвешанный аналитикой и различными сложными сервисами. В какой-то момент большая часть клиентов захотела получить общий uptime в 99,9%, чего сложно достичь без резервирования решения. И мы начали погружаться в эту тему практически с нуля.

В этом материале хочу поделиться нашим опытом перехода с одной ноды на 10+, расскажу о технических нюансах и решениях, которые мы использовали, а также про всякие боли в процессе перехода.

В начале XX века в Москве только зарождалось электрическое общественное транспортное сообщение. Но по городу уже бегали омнибусы с электродвигателями — своего рода предшественники нынешней «Теслы». Позже их изобретатель Ипполит Романов уехал в Европу, где тоже строил свои электрокары — сначала в Австрии, а потом в Британии. 

О технических изобретениях первой половины прошлого века московским айтишникам рассказала Инна Крылова — историк, культуролог, куратор проекта «МосПромАрт», старший научный сотрудник Музея Москвы, член Экспертного совета по промышленному наследию. Лекция прошла в рамках закрытого проекта HFLabs Club, на который мы приглашаем в качестве лекторов ученых и популяризаторов науки, а в качестве гостей — постоянных клиентов HFLabs. В этот раз мероприятие было организовано совместно с экскурсионным бюро «Москва, которой нет».

Именно эту лекцию провели не в офисе, а в пабе. В паузах были ещё и дегустации пива, щедро сдобренные историями о разных его сортах. А все потому, что наша лектор оказалась не только историком, но и сомелье с 15-летним стажем, членом Российской ассоциации сомелье! 

Всё, о чём рассказывала Инна Крылова, пересказывать не будем — просто приходите сами на её лекции. Сегодня с разрешения Инны публикуем часть доклада — о том, над чем работали московские изобретатели транспортных средств и что у них в итоге получилось.

Привет, Хабр! Эксперт комьюнити #Сарафан компании GlowByte Александр Долгих расскажет историю из личного опыта о том, как решалась задача интеграции целевого маркетинга и множества самых разных каналов в одном из ведущих банков России (спойлер: о создании собственной централизованной платформы). Все персонажи вымышлены и совпадения случайны (улыбка). 

Привет, Хабр! Меня зовут Тимур, и прямо сейчас я живу в Казахстане. После того, как пробыл тут несколько месяцев, обнаружил, что ИТ-сообщество в стране на подъёме, и есть довольно интересное место — Astana Hub. А когда я загуглил, как оно всё выглядит, забыть уже не смог. 

В Сколково был, в Иннополисе был — пора расширять географию, подумал я. Тем более, что уже давно хотелось познакомиться с местными специалистами, получить нетворкинг и оценить потенциал для сотрудничества. 

Думаю, что многие задумывались если не о релокации целых команд, то хотя бы о личном переезде в соседнюю страну. Этот текст поможет понять, что может предложить Казахстан и Astana Hub и что тут есть интересного. 

Один из мифов по поводу MDM-систем — «ну что там делать-то, данные взяли, записи объединили, вот тебе и готово. А вы, мол, за работу миллионы хотите. Мы сами всё за полгода сделаем». 

Чтобы объяснить, как всё обстоит на самом деле, мы в HFLabs придумали образовательный курс по клиентским данным в энтерпрайзе. Сегодня расскажу о том, как мы создавали курс, где ошибались и что меняли в процессе. Надеюсь, будет полезно небольшим компаниям, которые, несмотря ни на что, всё ещё задумываются о развитии собственных образовательных проектов.  

В этой небольшой заметке я хочу затронуть тему совместных конфиденциальных вычислений и попробовать кратко изложить суть этих подходов и развеять несколько неоднозначностей, сложившихся в трактовке этого термина в современном информационном поле. Надеюсь получиться ?

Начну немного издалека, я в целом интересуюсь темой распределенной обработки данных с сохранением конфиденциальности, в частности активно смотрю на развитие такого направления, как Federated Learning. Часто попадаются статьи и материалы на эту тему, в которых наблюдаю некоторую терминологическую путаницу, тк термины Federated Learning и Confidential Computing часто используют как синонимы, но это не совсем так. Может быть я не совсем прав, но набор методов, для "обучения" (learning) и для "вычислений" вообще-то отличаются и не являются подмножеством друг друга. Поэтому в первую очередь хочу высказаться про мое понимание их фундаментальной разницы:

• Автодополнение адресов только Москвы
• Автодополнение адреса одной строкой
• Решение должно быть бесплатно (лимит запросов не менее 1000 в сутки)
• Возможность подключить без дополнительных JS библиотек. (Я использую AngularJS Bootstrap-UI, в котором есть директива Typeahead, реализующая автодополнение формы)
• Стопроцентный uptime не обязателен