Kurgan-Telecom Ru | Информационные технологии

Локально Testcontainers запускается за секунды, тесты стабильно зелёные, а в CI тот же набор начинает падать в трёх запусках из ста и каждый раз по новой причине.

В статье разберём пять типовых источников такого поведения — от плавающих версий образов и неправильного ожидания готовности до конфликтов портов и нехватки памяти — и покажем, как сделать интеграционные тесты воспроизводимыми на пайплайне.

«Привет всем, кто использует Minix!

Я разрабатываю (бесплатную) операционную систему (просто как хобби, она не будет такой масштабной и профессиональной, как GNU) для клонов AT на базе процессоров 386 (486). Работа над ней ведётся с апреля, и проект уже начинает обретать очертания. Я был бы рад услышать любые отзывы о том, что вам нравится или не нравится в Minix, так как моя ОС в чём‑то напоминает её (у неё такая же физическая структура файловой системы (по практическим соображениям) и так далее)...»  — Линус Торвальдс, 25 августа 1992 г.

Уже с первого курса университета — или даже раньше — вы могли догадаться, что писать arr[len(arr)] — плохая затея. И вряд ли так кто-то может ошибиться, правда? Мы тоже так думали, пока не проверили 1000 проектов.

За одну неделю обе стороны выложили свои стратегии почти целиком, как будто в преддверии какого-то грандиозного столкновения. А так походу и будет.

Как известно существуют учебно-тренировочные электронные платы серии Nucleo. Там всегда есть вмонтированный программатор ST-link. Эти платы дешевы и очень удобны для отладки большой прошивки по частям. Однако родной программатор ST-Link долго прогружается и пошаговая отладка часто срывается прямо из-под IDE. Потом нет способа перезагруpить прошивку из-под отладчика ST-link. В связи с этим возникла потребность отлаживать прошивки на плате другим программатором: отладчиком Segger J-link.

Первые два года ИИ-бума инвесторы покупали «железо». Теперь рынок начинает искать следующий источник роста. Главной становится не максимальная производительность моделей, а стоимость одного запроса, эффективность вычислений и способность масштабировать ИИ дешевле конкурентов. Именно вокруг этого будет разворачиваться следующая стадия развития отрасли.

В июньском обзоре Citrini Research пишет, что рынок ИИ вступает во вторую фазу. Если последние два года инвесторы были готовы платить почти любую цену за вычислительные мощности и крупнейших производителей чипов, то теперь внимание постепенно смещается на стоимость самих вычислений, эффективность моделей и инфраструктуру, которая позволяет снизить расходы.

Первая волна ИИ строилась вокруг дефицита GPU и масштабных инвестиций в дата-центры. Однако сейчас главным конкурентным преимуществом становится способность выполнять больше вычислений за меньшие деньги. На рынке растет пониманием, что экспоненциально наращивать мощности дата-центров уже нерентабельно. При этом амортизация от использования падает быстрее отдачи в прибыль. Поэтому они выделяют несколько новых долгосрочных трендов.

Во-первых, рынок начинает переходить к локальному (on-device) ИИ. Все больше моделей будут работать непосредственно на смартфонах, ПК и периферийных устройствах без постоянного обращения в облако. Это снижает задержки, повышает конфиденциальность данных и уменьшает стоимость эксплуатации.

Во-вторых, усиливается тренд на миниатюризацию моделей. Гонка идет уже не только за максимальным качеством, но и за эффективностью. Компактные модели дешевле в обучении и запуске, быстрее масштабируются и позволяют запускать ИИ там, где раньше это было невозможно.

Размышления на тему, почему LLM в роли основного генератора кода ломает ревью, когнитивную нагрузку и кто ответственен за код?

Представьте машину времени. Не ту, что переносит в прошлое или будущее, а ту, что ускоряет ваши собственные биологические часы прямо сейчас. Садитесь внутрь, проводите в ней год - и выходите с телом, которое прошло через изменения, характерные для нескольких десятилетий жизни на Земле. Мышцы истончились. Кости стали хрупкими. Кроветворные стволовые клетки состарились на молекулярном уровне. Иммунитет работает непредсказуемо.

Такая машина существует и находится примерно в 400 км над вашей головой. Это Международная космическая станция.

Недавно попался очень внятный материал от Pulumi про ключевые Kubernetes‑практики, которые начинаешь ценить, к сожалению, только после первых инцидентов и неприятных сюрпризов. Решила перевести для себя и коллег, а заодно положить на Хабр, добавив к переводу своих мыслей.

В материале — ключевые практики для 2026 года: задавать requests и limits для каждого контейнера, изолировать нагрузки через namespaces и NetworkPolicy, автоматизировать health checks и еще много всего. Приглашаю под кат.

У нас есть своё приложение в Google Play, бэкенд которого — 1С. Есть релей на 1С для мессенджера. Есть клиент к партнёрскому API 1С. Везде 1С выступает как API, и везде мы наступали на одни и те же грабли.

Общее у них одно: на тесте всё зелено, ломается в проде. Потому что тест ходит по локалке с идеальной связью, а пользователь едет в лифте и жмёт кнопку дважды.

Материал для тех, кто публикует 1С наружу. Если вы это уже проходили — буду рад увидеть в комментариях ваши грабли, у меня список наверняка неполный.

Всем привет! На связи Сергей Иванов, аналитик технологий машинного обучения R-Vision.

В этой статье разберем, почему для задач SOC можно начинать с одной профессиональной GPU, какие сценарии уже доступны на такой конфигурации и где проходят реальные пределы ее производительности.

Материал будет полезен ML-инженерам, работающим с LLM, а также CISO и SOC-командам, которые оценивают применение генеративного ИИ в задачах кибербезопасности.

Если кратко, я создаю свою домашнюю лабораторию, которой планирую пользоваться в повседневной жизни. В неё я решил внедрить и трекер задач, так как это был единственный инструмент, который выбивался из моего привычного workflow и существовал полностью отдельно. Из-за этого список ежедневных дел мне приходилось копировать в Obsidian, чтобы в случае удаления старого трекера не бояться, что мои планы пропадут.

После недолгих поисков я пришел к Habitica. Геймификация в ней меня действительно зацепила, и, пользуясь этим подходом последние несколько дней, я не жалею. Поэтому я хочу поделиться тем, как я настраивал все для себя, чтобы добиться лучшего результата.

Лучше сотрудничать или обманывать?

Этот вопрос лежит в основе так называемой дилеммы заключённого, одной из самых известных идей в теории игр. Предположим, есть двое подозреваемых, задержанных за одно и то же преступление; их разделили и предложили сделку со следствием. Они могут или «сотрудничать», не выдав напарника, или «обмануть», предав его и согласившись на сделку. Если оба из них будут молчать, то оба получат короткие сроки. Если один промолчит, а другой его сдаст, то один получит максимальный срок, а второй выйдет на свободу. Но часто бывает так, что обманет и тот, и другой. Опасаясь предательства, каждый подозреваемый действует в собственных интересах, соглашается на сделку и потом долгие годы сидит в тюрьме. (Такой исход называется равновесием Нэша в честь Нобелевского лауреата, математика Джона Нэша.)

Дилемму заключённого уже давно используют для понимания множества различных процессов, от взаимодействия конкурирующих микробов в чашке Петри до поведения человеческих обществ, стремящихся развязать ядерную войну.  Эта модель всегда озадачивала учёных: сотрудничество необходимо для выживания биологической жизни, но как оно может возникнуть, если обман всегда обеспечивает наибольший выигрыш?

Репозиторий проекта: https://github.com/karen07/openwrt-mesh-builder

openwrt-mesh-builder почти полностью автоматизирует построение routed-сети из OpenWrt-роутеров и Ubuntu/VPS-серверов: с leaf/spine-топологией, несколькими exit-узлами, динамической маршрутизацией Babel, point-to-point WG/AWG-линками, IPIP data-plane, policy routing, access-подсетями, split DNS и автоматическим переключением при отказах.

Вся сеть описывается в одном config.json. На его основе проект рассчитывает топологию и адресацию, генерирует конфигурации роутеров и серверов, ключи, access-клиентов, firewall-правила, настройки DNS, DHCP и Wi-Fi, собирает готовые образы OpenWrt, устанавливает их на роутеры и развёртывает exit-серверы.

То есть почти весь путь — от описания сети до её развёртывания и последующих обновлений — автоматизирован.

Разберем кейс о сборке полностью кастомного 3D принтера. Можно ли, имея бескрайний энтузиазм и скидочные купоны в AliExpress, собрать на своем балконе авторский принтер? Может ли Rust быть эффективным инструментом для встроеной разработки? Давайте посмотрим‑с.

Когда мы первый раз приехали на этот участок, посреди него был гигантский овраг. Старое русло пересохшего притока реки Нудоль. Перепад от начала до конца пять-шесть метров, всё замусоренное, заиленное, весной затопленное.

Стоишь и думаешь, что с этим делать. Вариантов ровно два. Можно засыпать: пригнать самосвалы, свезти грунт из-под дорог, выровнять и продать это как обычные участки. Можно оставить овраг и сделать из него то, ради чего сюда потом поедут люди.

Мы выбрали второе. Из оврага получился каскад прудов на полтора гектара.

Гагары, чайки, тупики и буревестники — вот лишь некоторые из 100 видов птиц, способных и летать, и плавать. Эти ныряющие птицы могут погружаться в воду, чтобы догнать добычу, а затем взмывать в воздух и улетать.

Вдохновившись этими природными «водными летунами», инженеры из Массачусетского технологического института (MIT) и Швейцарской федеральной политехнической школы в Лозанне (EPFL) разработали робота, который может плавать под водой, а затем, взмахивая крыльями, выныривать из воды и продолжать полёт в воздухе, подобно ныряющим птицам.

«Воздушно-водный аппарат с маховыми крыльями» (FAAV) весит менее 300 граммов и предназначен для того, чтобы помочь учёным изучить механизмы, позволяющие ныряющим птицам летать в воздухе и плавать в воде.

Робот состоит из центрального корпуса (фюзеляжа), двух гибких машущих крыльев и управляемого хвоста. Крылья и хвост можно заменять на детали других размеров. В ходе экспериментов, проведённых в водяном резервуаре и на местном озере, инженеры определили комбинации размера крыльев, частоты взмахов и угла наклона хвоста, которые позволяют роботу плавно переходить от плавания в воде к выходу на поверхность и дальнейшему полёту в воздухе.

Всем привет! Меня зовут Андрей, я технический директор в компании “КЕДР Солюшенс”. Как коллеги вы, наверняка, разделяете мнение, что не стоит изобретать велосипед там, где можно обойтись стандартными, проверенными временем решениями. Но сегодня я хочу честно поделиться историей одного нашего проекта, в котором этот постулат дал сбой. Я покажу, как стандартная архитектура хранения данных загнала нас в тупик и какие шишки мы набили при попытке все исправить с наскоку.

Как ускорить Hash Join в PostgreSQL, отбросив 99% строк ещё до самого соединения? Рассказываем о фильтре Блума в СУБД Tantor Postgres на живых и синтетических примерах.

Нам очень хотелось поговорить о том, в каких местах важно оставаться приверженцами классического ML, а где хотелось бы идти в сторону инноваций, внедрять в компании LLM, автоматизировать процессы с помощью различных AI-подходов и идти в будущее, о котором все сейчас говорят.

Обзор дискуссии, где обсуждаем: когда нужны большие языковые модели, а когда задачу проще, дешевле и надёжнее решить другими технологиями.