Kurgan-Telecom Ru | Информационные технологии

Микросервисы на схемах выглядят стройно, но в проде часто вырождаются в распределённый монолит: общая БД, синхронные цепочки вызовов и каскадные падения. В этой статье разберемся, как проводить границы сервисов так, чтобы система оставалась автономной — почему декомпозиция по слоям ломает независимость, как опираться на bounded context и бизнес-возможности, как аккуратно выводить legacy через Strangler, и где на практике помогают Database per Service, CQRS и Saga.

Коллега Сертаков, известный в том числе по нашему разбору мышления рашн-манагемента, готовит разбор про сломанный найм руками в первую очередь глупых кадровичек (мнящих себя называть HR / рекрутер, хотя право на такое название у явного меньшинства в профессии) и во вторую очередь манагемента, который этих кадровичек нанял на фильтрацию кандидатов. Но что есть вообще сломанный найм, и в чем его фундаментальная проблема, кроме того, что очередной деятель от IT не может найти работу полгода-год?

Так вот, сломанный найм - это проблема идентичная безобразному судейству или его отсутствия в спорте. Фактически кадровичка при первичной фильтрации выполняет роль арбитра, проверяющего действия спортсменов на соответствие правилам. Но есть проблемы, из-за которых кадровичек уничижительно называют "хрюшами"

Движение FIRE (Financial Independence, Retire Early — финансовая независимость, ранний выход на пенсию) стало популярным в 2010-е, особенно среди людей из digital-индустрии. В западных блогах FIRE выглядит как понятная формула: сократил расходы, накопил сбережения, инвестировал и больше не работаешь. Но в российском контексте FIRE почти никогда не работает как история про раннюю пенсию. 

Всем привет! Меня зовут Алексей, я тимлид команды разработки в SENSE. Помимо работы мне интересна тема финансовой независимости и управления личными финансами. В этой статье разберём:

— что такое классическая модель FIRE;
— почему она плохо переносится на российские реалии;
— какие факторы сильнее всего ломают расчёты;
— и чем подход полезен, даже если не достижим в России. 

И даже если выйти на пенсию в 35 не получится, принципы этого движения помогут лучше понимать свои деньги, риски и цену свободы. 

Поехали!

Картинка: fabrikasimf, freepik.com

Буквально на днях появилась интересная новость, что Китай разработал микроволновое оружие для уничтожения низкоорбитальных спутников. Быстрая перезаряжаемость, дальнобойность, а также «трудная доказуемость» — видимо, именно эти факторы стали ключевыми стимулами для разработки подобного устройства. 

В связи с этим мне кажется достаточно интересным разобраться глубже: а что, собственно говоря, представляют собой излучатели микроволн в целом?

Для рассмотрения возьмём наиболее близкий для нас пример — обычную бытовую микроволновку :-)

Telegram давно стал для нас основным каналом общения с клиентами. Это быстро, привычно и не требует создания отдельных порталов, заполнения логинов-паролей и форм. Клиенты пишут нам так же легко, как друзьям, а инженеры отвечают скринами, логами и командами из терминала.

Но у этого удобства есть обратная сторона. Когда чатов становится не десятки, а сотни и тысячи, начинает побеждать хаос. В какой-то момент мы поняли: либо мы научим Telegram жить по правилам SLA, либо сами перестанем в эти правила укладываться.

В статье расскажем, как мы поддерживаем пилотных и VIP-клиентов прямо в Telegram — без классического Service Desk, но с измеримым и контролируемым SLA.

Всем привет! Меня зовут Максим, я Go-разработчик в Wildberries & Russ. В высоконагруженных системах сотни сервисов взаимодействуют ежесекундно, и любой малейший простой системы напрямую влияет на прибыль бизнеса. Чтобы уметь быстро находить причины и устранять их за короткие сроки придуманы инструменты, обеспечивающие наблюдаемость приложения. Сегодня поговорим о том, как обеспечить observability и почему без нее жизнь продукта превращается в «черный ящик».

Представьте: вы технолог на нефтехимическом заводе. Вам нужно смоделировать работу новой установки — как сырьё будут нагревать, охлаждать и разделять на компоненты. 

Поскольку вы сталкиваетесь с этим впервые, есть два пути: либо разбираться в теории по справочникам и собирать решение самостоятельно, либо найти готовый кейс с расчётами и результатами в открытых источниках.

Логичнее смотрится второй вариант. Но тогда возникает другая проблема. Вы открываете источники — и видите политику, слияния-поглощения, биржевые котировки, санкции. Узнать, кто кого купил или какая сегодня цена на нефть, можно за секунды.

А чтобы найти информацию о том, как снизить коксование в печах пиролиза, какие катализаторы сейчас тестируют мировые химические компании вроде BASF, или как сократить энергопотребление на установке полимеризации, приходится изучать десятки исследований и журналов. На это уходит много времени.

Поэтому я решил попробовать сделать агрегатор знаний на базе AI, хотя у меня нет ИТ-образования.

Что такое двухфакторная аутентификация

Двухфакторная аутентификация (2FA) — это способ проверки подлинности пользователя, при котором для входа в систему требуется не только пароль, но и дополнительное подтверждение. Таким образом, личность пользователя подтверждается сразу по двум независимым факторам.

Необходимость 2FA возникла из-за уязвимости паролей. Их могут подобрать, перехватить с помощью фишинга или получить из утёкших баз данных. Даже сложный пароль не гарантирует безопасности при компрометации.

Использование двухфакторной аутентификации значительно снижает риск несанкционированного доступа. Даже если пароль стал известен злоумышленнику, без второго фактора вход в систему остаётся невозможным.

Из чего состоят два фактора аутентификации

Двухфакторная аутентификация опирается на использование двух различных категорий факторов, каждая из которых подтверждает личность пользователя по разному принципу. Классически выделяют три типа факторов.

Первый тип — фактор знания. Это информация, которую знает только пользователь, например пароль, PIN-код или ответ на секретный вопрос.

Второй тип — фактор владения. Он подтверждает, что у пользователя есть физический или цифровой объект: смартфон с приложением-аутентификатором, SIM-карта для получения SMS, аппаратный токен или USB-ключ безопасности.

Третий тип — биометрический фактор. К нему относятся уникальные характеристики человека, такие как отпечаток пальца, распознавание лица или радужки глаза.

Двухфакторная аутентификация использует комбинацию факторов из разных категорий, что делает подмену личности существенно сложнее.

Всем привет! Из этого руководства вы узнаете, как подключиться для отладки практически к любому ARM-чипу с помощью Arm Development Studio — когда ни J-Link, ни ST-Link сделать этого не могут (по разным причинам).

Когда все вокруг пользуются ChatGPT и Claude, возникает естественный вопрос: а что, если попробовать сделать нечто подобное самому? Не для того, чтобы конкурировать с гигантами, а чтобы понять изнутри, как работают современные языковые модели.

Этот проект — моя попытка пройти весь путь: от токенизации текста до генерации кода. Не используя готовые решения от HuggingFace, а реализуя каждый компонент самостоятельно. И знаете что? Это оказалось одновременно сложнее и интереснее, чем я предполагал.

Есть много статей про успешные трансформации. Но следует отметить, что часто это компании с одним основным бизнесом. У них есть один глобальный продукт и всё строится вокруг него. Это логично, когда ядро, движимое одной целью, развивается и обрастает периферией, особенно если это ядро сформировалось относительно недавно, лет 5-10 назад. Либо еще вариант, когда пишут про успешную трансформацию в одной команде.

Но что происходит у гигантов или в госсекторе? Они развивались по старым правилам, а потом стали расширяться, путём поглощений, создания новых, несвязанных направлений. Когда банк, например, становится не только банком.

Именно у таких компаний часто разворачивается «театр продуктового подхода». Он не улучшает ситуацию, а даже ухудшает. Вместо создания ценности команды учатся играть в метрики и отбывать стендапы.

Осторожно, статья-детектор.

Постарайтесь себе представить, какое воодушевление испытывает SEO‑копирайтер с 15-летним стажем работы от составления рейтинга лучших генераторов текста в 2026 году. С чего бы начать?

Согласно данным Semrush и HubSpot уже сейчас 77 процентов специалистов в области маркетинга используют ИИ для генерации текста: от карточек товаров до рассылки писем.

А как же алгоритм EEAT (опыт, авторитетность, экспертность, надежность), из‑за которого Google «выкосил» миллионы сайтов из выдачи? Неужели GPT и Gemini стали настолько надёжными и точными генераторами контента или это все еще дружелюбные ассистенты с избытком цензуры, которая не позволяет находиться экспертные ответы? Для честного исследования используем Neyrohub (здесь есть все версии популярных языковых моделей — без «танцев с бубном»).

Приятного чтения!

Используете Emby в домашней сети, но не хотите покупать Emby Premier ради iOS-клиента? Разбираю простой и легальный способ пользоваться Emby на iPhone и iPad без подписки.

В прошлой статье мы оценили, что рынок ожидает от соискателей и можем ли мы на основании этих требований дать определение грейду. Теперь я предлагаю провести небольшой эксперимент и оценить возможность определить грейд уже на практике с помощью анализа кода.

Заваривайте чай и готовьтесь к погружению: сейчас мы будем препарировать код метриками, эмбеддингами и суровой статистикой

Это звучит как фантастика, но это уже здесь. Не в теоретических моделях, а в подтвержденных опытах на животных разных видов. Представьте себе группу людей, скажем – военный отряд, готовящийся к штурму. И, внезапно, поведение одного из бойцов выбивается из общей группы. Страх, тревожность, случайное ранение. Вспышка лазера, и боец моментально становится частью группы. Такой же, как и его собратья. Половое влечение, агрессия, боль… Чувства выключаются вспышкой лазера и особь ведет себя точно так, как нужно. Вот как это работает.

Привет, Хабр! В первый месяц 2026 года команда Selectel выпустила из беты сетевые диски для выделенных серверов, обновила работу с Karpenter и реализовала еще несколько полезных опций. Обо всех обновлениях читайте под катом.

В финтехе ИТ-среда — это сфера, где «просто сделать фичу» почти никогда не означает «просто написать код». Здесь в одной задаче сходятся деньги, доверие клиентов, регуляторные требования, внутренние стандарты безопасности, интеграции с десятками систем и неизбежное legacy. Ошибка может стоить дорого — репутационно, финансово, операционно. Поэтому изменения должны быть управляемыми, а скорость — результатом инженерной дисциплины, а не плановых подвигов.

На этом фоне разговор о leadership skills в финтехе в ИТ — не абстрактная тема из учебника, а практическая дисциплина: как строить команды, которые развиваются и поставляют результат, не ломая «несущие стены» надёжности. Ниже — взгляд на лидерство в ИТ финтеха с позиции руководителя, для которого лидерство — это ответственность «за направление целиком».

В 2023 году случился невероятный революшен. Миллионы людей начали разговаривать с программой: технология, похожая на ту, о которой фантазировало человечество и которую мы привыкли называть ИИ — LLM.

Ни одна технология раньше не оказывалась в такой позиции. Гугл — справочник для поиска материалов и чтения того, что создали люди. Соцсеть — яркая витрина жизни и привычный способ коммуникации. А языковая модель — собеседник. Собеседник, вызвавший эйфорию у пользователей, которого можно доставать запросами 24 часа в сутки, и... Умный?

И вот проблема: первым моделям, с которыми заговорили миллионы, было всё равно.

Не метафорически — буквально. GPT-4 в первые месяцы был заточен под одно: сгенерировать убедительный текст, показать революцию, долгожданный инструмент, разговаривающий, будто настоящий ИИ (с большими оговорками и ужасно угарный). Однако, он мог неплохо выдавать убедительный сочувственный ответ и деструктивный совет с одинаковой лёгкостью, в зависимости от промпта. Зеркало без рамки — отражает всё, что выразишь, ещё и неплохо полирует.

Это не баг. Это был дизайн. Задача — показать, что ИИ может вести диалог на уровне человека. Революция.

Люди калибруют поведение по обратной связи от окружающих. Мы подстраиваемся под собеседника — копируем тон, перенимаем паттерны, двигаем границы допустимого. Это не слабость, это базовый социальный механизм, и он работает на автомате.

Когда собеседник — языковая модель, для многих НАСТОЛЬКО похожая на человека, механизм не выключается.

Модель, которая всегда соглашается, — растит пользователя, уверенного, что он всегда прав. Модель без этических рамок — нормализует их отсутствие. Модель‑подхалим — приучает ожидать подхалимства от живых людей. Гипотетически, модель, которая способна корректно возразить, мягко обозначив границу, объяснив, а не просто выдав заскриптованный отказ и не скатываясь в угодничество — задаёт другой стандарт общения.

«Сейчас выберем тот самый сервис деск и решим наши проблемы» — иногда кажется, что при внедрении нового решения или замене текущего именно так и рассуждают. Реальность готовит адептам этого подхода жесткую посадку. Мало подобрать систему под текущие потребности и учесть запас функций для роста — без аудита внутренних процессов старт затянется, а беспорядок не уйдет. 

В статье расскажем, как не повторить распространенные ошибки и что нужно сделать перед запуском, чтобы не натягивать систему на неудачные паттерны.  

Всем привет.

Если начинать путь в 3D графике с воксельного рендеринга и дойти до многопоточной обработки бесконечных чанков, рано или поздно наступает момент истины. Вы осознаете: всё, что отображается на экране — это лишь визуальная репрезентация «физического» слоя данных. То, как эти данные структурированы и хранятся, напрямую определяет возможности взаимодействия с ними. Именно поэтому я всегда рекомендую воксельное представление мира как лучшую школу для знакомства с трехмерной графикой.

Сегодня мы поговорим не о самих вокселях, но они станут тем «кирпичиком», который поможет понять глобальный процесс. Наша тема — деревья BVH (Bounding Volume Hierarchy) и то, как простые кубики — AABB (Axis-Aligned Bounding Box) — ускоряют прототипирование и понимание пространственной логики. Покажу к чему я приблизился.