Kurgan-Telecom Ru | Информационные технологии

Собрали для вас подробный материал про DWH — корпоративное хранилище данных:

— что это такое и как работает КХД - простыми словами
— когда DWH действительно нужно и какие задачи решает
— как устроена архитектура DWH (LSA, A16Z, подходы к проектированию)
— как данные проходят путь от источников до дашбордов
— какие сложности чаще всего могут возникнуть при внедрении

Этот разбор DWH — от базовых понятий до архитектуры и стека — даст вам целостное понимание и поможет ответить на основные вопросы о хранилищах данных.

Не буду ходить вокруг да около, хочу рассказать про продукт, который сделал.
Есть боль - подготовка разного рода шаблонных документов (кто знает, что такое закрывающие документы ГК меня поймут). И есть мое видение решения, которое я изложил в статье

Да, решил нарушить ваши правила, хочу поделиться сервисом, а тут какие-то кармы нужно для пиар-хабов, поэтому пишу как есть

И да, это MVP пока что

Пока впечатление о полученной услуге свежее, клиент лучше помнит детали и охотнее делится обратной связью. Бизнесу это помогает быстрее находить слабые места в сервисе и исправлять их.

Когда клиентов мало, администратор может быстро их обзвонить: спросить, всё ли понравилось, и зафиксировать ответы. При масштабировании бизнеса этот вариант уже не подходит: звонки отнимают много времени. В итоге часть визитов остаётся без проверки, а бизнес узнаёт о проблеме, когда недовольный клиент опубликовал негативный отзыв в интернете, ухудшив рейтинг компании, и перестал возвращаться.

В этой статье разберём, как автоматизировать исходящие звонки. Клиенту, получившему услугу,  звонит голосовой робот и проводит короткое анкетирование. Результаты опроса сразу попадают в рабочую таблицу, а если клиент остался недоволен, управляющий дополнительно получает СМС и может быстрее разобраться в ситуации.

Стек решения: Python 3.10+, Flask, requests, python-dotenv, SQLite, YCLIENTS API, голосовой робот и SMS API МТС Exolve, MWS Tables.

14-й выпуск IT-новостей от OpenIDE!

Побывал на HolyJS в Москве, пообщался с фронтендерами и понял разницу в вайбе. Плюс — прогрев к блокировке GitHub, эксперимент Bun с переписыванием на Rust за 9 дней, и немного про частный российский космодром.

Raptor Engine: Как 30 000 строк кода на TypeScript вдохнули жизнь в компилятор AsmX

Можно ли объединить абсолютный контроль низкоуровневого ассемблера x86-64 с изяществом ООП, шаблонов и безопасных абстракций в духе C++? Разбираем масштабное обновление отечественного компилятора AsmX. Под капотом — честные 30 тысяч строк хардкорной архитектуры: от прямого доступа к аппаратной SIB-адресации CPU и хитрых махинаций с регистрами при вызове знаковых movsx/imul/idiv, до разбора анатомии новой стандартной библиотеки (std::optional и std::pair), работающей по принципу Zero-Cost Abstractions. Узнайте, как мономорфизация AST-деревьев и System V ABI позволяют выжимать максимум из кремния без единого байта накладных расходов.

Это третья статья из цикла о том, как я пытался сделать алерты Zabbix в домашней лаборатории чуть умнее, прикрутив к ним локальную LLM и не получить на выходе архитектурного монстра Франкенштейна.

В первой части мы разобрались с постановкой задачи и ТЗ, затем выбрали себе фаворита из локальных LLM, теперь же займемся скучным занятием- проектированием. В этой статье рассмотрим составление HLD и почему это должен делать человек, а что уже можно отдать нейросети в помощь.

В процессе написания материал разросся до неимоверных размеров, поэтому пришлось поделить его аж на четыре части. Впереди осталась самая интересная заключительная часть с тем, что получилось на выходе. Ее планирую подготовить за 2-3 недели, т.к. это просто хобби.

Часть 1: Вводная и формирование ТЗ
Часть 2: Выбор локальной LLM
Часть 3: Формирование HLD и немного LLD -> вы здесь
Часть 4: Что из этого вышло

В прошлом году я впервые задумался, как может выглядеть будущее языков программирования в эпоху агентной разработки. Сначала казалось, что гигантский объем существующего кода намертво закрепит нынешние языки на своих местах. Но чем дальше, тем больше я думаю, что всё может оказаться ровно наоборот.

В этой статье хочу поразмышлять о том, почему нас, скорее всего, ждет новая волна языков программирования, какие изменения уже подталкивают индустрию к этому и почему именно сейчас появилось пространство для действительно интересных идей. А заодно — о том, какими вообще могут быть языки, удобные не только людям, но и AI-агентам.

Недавно мне в голову пришла мысль о том, как бы получать список техники, на которой, например, установлен последний патч системы или нужное ПО. Можно написать скрипты, но, как мне кажется, это не совсем удобно и безопасно, особенно когда парк машин неоднообразен. Поэтому я предлагаю реализовать систему, где вся запрашиваемая информация будет собираться с помощью агентов на конечных устройствах в реальном времени с помощью специального языка запросов.

Как я думаю, у этой системы довольно большой потенциал, ведь его можно доработать и превратить в какой-нибудь аналог Ansible. Или в базу для SIEM системы. Или прикрутить к какой-нибудь ITSM-системе, чтобы проводить инвентаризацию по нужным параметрам.

Вся система будет строиться на gRPC, так как он из коробки идёт со всем необходимы, включая простую интеграцию систем аутентификации и TLS, плюс описание интерфейсов в .proto файлах позволит писать клиенты и агентов на различных языках и фреймворках. Единственный минус, так это то, что двунаправленное взаимодействие не укладывается в философию фреймворка, но это решим в процессе написания.

---
Привет, Хабр!

Вместо тысячи слов - вот реальное видео на 4 часа.

https://www.youtube.com/watch?v=6DQW8ZaEP5Y&list=PLJIT5r0YsdjMAXkqo9laup1HImu_yHu65

Не обязательно смотреть всё - можно посмотреть на x2 вступление на первом видео, и минут 20 в конце V видео (кто не знает - это римская цифра 5))))) (Я прошу прощения за качество звука - это мой первый опыт и последний, поэтому у меня нет хорошего микрофона и дикции)

---

(вот это вступление я попросил написать ИИ )))

Давайте будем честны: когда речь заходит про ИИ в суровых реалиях эксплуатации, большинство инженеров проходит классические 5 стадий принятия неизбежного:

Отрицание: «Да эта железяка даже YAML без отступов генерит, куда ей доступ в AWS!»

Гнев: «Какого черта он опять выдумал несуществующий параметр в манифесте?!»

Торг: «Ладно, пусть пишет простенькие bash-скрипты, но стейт Терраформа я ему точно не отдам».

Депрессия: «Кажется, этот кусок кода понимает документацию AWS лучше меня...»

Принятие: «Агент, задеплой мне кластер в новом регионе, а я пошел пить кофе».

Я решил проверить, на какой стадии нахожусь я, и записал небольшое видео, где отдаю на откуп ИИ-агенту реальную рутинную задачу.

Что вообще происходит на видео? Я разворачиваю инфраструктуру и деплою микросервисное приложение с нуля в AWS аккаунт

Стек - классика здорового человека:

Почему повторяющиеся ночные кошмары — это не поломка психики, а её работа?

Повторяющийся кошмар — один из самых изматывающих феноменов, с которыми сталкивается человек. Один и тот же сюжет, одни и те же образы, одно и то же ощущение беспомощности. Такие сны будто крадут жизнь. Иногда это длится годами.

Самое простое — назвать это поломкой. Что-то сломалось, что-то зациклилось, что-то не работает как надо — и хоть в этих установках появляется ощущение призрачного контроля. Ведь поломку можно пофиксить.

Нейробиология и психоанализ с таким бытовым взглядом на кошмар не согласны. Но по разным причинам — и именно в этом различии скрыто самое интересное.

Что происходит в мозге во время кошмара

Кошмар — это не просто неприятный сон. С нейробиологической точки зрения это специфическое состояние, при котором нарушается нормальная работа лимбико-префронтальной системы.

В норме во время REM-сна (от rapid eye movement — быстрые движения глаз; это фаза, в которой мозг наиболее активен, а глаза под закрытыми веками двигаются) эмоциональная регуляция обеспечивается взаимодействием префронтальных и лимбических сетей — в частности, миндалины, центра страха. При кошмаре этот баланс нарушается: миндалина гиперактивна, регуляторные механизмы не справляются. Система перегружается, и человек просыпается.

Исследование Луи-Филиппа Марки с коллегами (Marquis L.-P. et al., Frontiers in Neuroscience, 2021) показало неожиданное: мозг людей с частыми кошмарами работает иначе даже днём, когда они ни о чём плохом не думают. Не только во сне — а в состоянии покоя. Это говорит о том, что повторяющийся кошмар — не случайный сбой, а устойчивое состояние, которое живёт в мозге постоянно.

«Слушайте пользователя». Это главный совет продактам последние десять лет. Дельный совет. Но он не помогает, когда в команде все слушают и приносят разные решения, противоречащие друг другу. Слушать вы умеете. Решать, кого из своих слушать, нет.

Причина в том, что у продакта есть четыре проверенных методики: теория потребностей, Jobs to be Done, мотиваторы, оценка ценности. Каждая хороша. Каждая отвечает на свой вопрос. Любая из них может оказаться правильной для вашей задачи. И именно в этом проблема.

Когда у команды четыре правильных ответа на «во что вкладываться следующий квартал», она не имеет ответа вообще. Кто-то всегда тянет к одной методике, кто-то к другой, и каждый раз выбор делается не аналитически, а волевым решением. Брожение по методологиям. Фреймворкоблудие.

Эта статья про то, что эти методики не альтернативы. Они описывают разные стороны одного и того же пользователя, и поэтому собираются в одну систему. Сразу скажу: ни одну из этих методик я не придумал, моя часть это сборка. И проверял я её пока только аналитически, в собственном бою на практике проверить не успел еще.

llms.txt - это файл в корне сайта, который говорит языковым моделям, что у вас за сайт, какие источники канонические и что цитировать. ChatGPT, Perplexity и Claude уже его читают. Большинство сайтов в Рунете его не имеют, поэтому AI-краулеры цитируют их или плохо, или никак. Файл пишется за 30 минут, эффект на цитируемость в AI-выдаче появляется в течение 1–4 недель.

В статье разбираю: что такое llms.txt, чем отличается от robots.txt, какие 5 блоков должны быть внутри, как написать свой за час, и показываю живой пример с production-сайта.

20 мая в 06:01:55 МСК Watchtower по расписанию проверил 14 контейнеров на нашем VPS, нашёл 5 обновлений и пересоздал. Среди обновлённых - n8n, который крутит production-вебхуки нескольких проектов студии (в том числе SaaS aiseen.ru для GEO-аудита бренда в Яндекс Нейро и Google AIO). На новой версии 2.21.4 загрузчик нод стал строго проверять дубликаты регистрации, а в volume с сентября 2025 лежал n8n-nodes-base-1.14.1.tgz от какой-то старой ручной установки. n8n упал на инициализации, ушёл в crash-loop. Webhook'и перестали отвечать.

Discovery: 2 часа 48 минут спустя, когда юзер случайно открыл админку и увидел Failed to fetch. MTTR: 7 минут.

Главный урок не про :latest и не про Watchtower по отдельности - про то что 95% downtime - это «никто не знал». Собственно ремонт занял 5% времени. Разбираю кейс с точными таймстампами и выводами для observability.

Привет, Хабр! Меня зовут Юрий Соловьёв, я ведущий инженер в команде экосистемы Tarantool. С опытом я пришел к тому, что конфигурация должна иметь строгую спецификацию, так же как и HTTP API. В этой статье я предлагаю альтернативный подход на базе protobuf и постараюсь показать, что это не избыточная сложность, а необходимый уровень инженерной гигиены — особенно для систем, рассчитанных на долгую и стабильную жизнь. Это в какой-то мере технорассказ, которым я хочу поделиться — и именно в такой форме.

ES6 ввел синтаксис деструктурирующего присваивания — лаконичный способ распаковки значений из массивов и объектов в отдельные переменные. Это одна из тех фич, начав использовать которые, ты удивишься, как раньше без нее жил.

В последние годы для команд, которые работают с зарубежной инфраструктурой из России, обычный корпоративный VPN перестал быть чем-то, что можно один раз настроить и забыть. OpenVPN, WireGuard, IPsec, различные TLS- и QUIC-обёртки могут работать стабильно месяцами, а потом внезапно начать деградировать: где-то соединение не устанавливается, где-то режется UDP, где-то DPI начинает узнавать сигнатуры, где-то провайдер меняет правила фильтрации.

Для компании это превращается не в техническую мелочь, а в операционный риск. Инженеры не могут попасть на серверы. DevOps не может проверить прод. Администратор не может забрать бэкап. Пентестер не может подключиться к стенду заказчика. При этом инфраструктура может находиться в Европе, США, Азии или у любого другого зарубежного провайдера, а сотрудники — физически находиться в РФ.

В какой-то момент мы пришли к простой мысли: если из корпоративной сети ещё можно установить исходящее SSH-соединение, то можно попробовать использовать сам OpenSSH не только как инструмент администрирования, но и как транспорт для L3-туннеля. В OpenSSH для этого давно существует режим ssh -w, который поднимает туннель через tun-устройство.

Идея статьи не в том, чтобы объявить ssh -w «лучшим VPN на все времена». Это не замена WireGuard для нормальной постоянной инфраструктуры и не серебряная пуля против любых сетевых ограничений. Но это очень полезный аварийный и корпоративный вариант: работает поверх обычного SSH, не требует отдельного VPN-демона на сервере, может быть поднят на дешёвом VPS, использует привычную модель ключей OpenSSH и позволяет строить полноценную маршрутизацию на L3.

У каждого есть такие фотографии. Размытый снимок с дня рождения где все получились нечёткими. Старое фото дедушки с царапинами и пятнами. Кадр с концерта — тёмный, зернистый, почти ничего не видно. Пейзаж снятый против солнца где все засвечено.

Чтобы отреставрировать такие фотографии, раньше нужно было несколько часов провести в Фотошопе, либо обращаться к тем, кто предоставляет такие услуги. И то, далеко не все снимки можно было отредактировать без потери изначальных черт лица людей, или других важных деталей.

Отдельное спасибо Сергею Киселеву (https://www.malinov.com/) за огромную работу, которую он проделал, чтобы мы все могли найти ответы на свои вопросы про IBM PC/XT и не только.

Дальше будет очень много текста (черновик около 40 страниц). Не столько технического, сколько «научно-популярного».

Итак, IBM-PC (XT), он же IBM 5150/5160. Я здесь пишу так нестандартно через дробь, потому что принципиальной разницы между чистым PC и PC/XT нет. Это был по сути просто рестайлинг, как сказал бы автолюбитель. Добавили оперативки, обновили BIOS и OS, сделали поддержку HDD, убрали поддержку (разъем) магнитофона, заменили блок питания на более мощный. В общем, принципиальная разница только в том, какой BIOS установлен.

Сначала я хотел сделать 5150, который казался мне более простым, но когда погрузился в тему, понял, что если уж делать, то 5160. Дальше я буду для краткости называть его просто ХТ.

Вообще весь текст будет чем-то средним между техническим описанием и литературой. Думаю, что технические подробности уже мало кому интересны. Это скорее развлечение, чем что-то полезное. Но на вопросы, если такие будут, отвечу.

Итак, делаем ХТ. В сети не сложно найти подробное описание ХТ в виде pdf-фалов. Инженеры IBM оставили очень подробное описание, по которому можно просто собрать полностью оригинальную конструкцию. Там есть абсолютно все, включая полный листинг BIOS.

Но повторять ту машину из начала 80-х нет большого смысла, да и не интересно. Интересно сделать свою версию. В этом же и была прелесть PC – свои версии делали все, кто хотел.

Привет, Хабр!

Я работаю директором проектов в РТК ИТ, уже больше семи лет в ИТ и занимаюсь запуском, развитием продуктов и проектов. За это время я не раз сталкивалась с ситуациями, когда из лучших побуждений принимаются решения, которые в итоге только усложняют работу команде и самому продакту.

В этой статье я собрала часть вредных советов для продактов — ошибки, с которыми сталкивалась в своей практике и которые видела у коллег: от бесконечных встреч и «срочных» задач без контекста, до размытых договорённостей и потери фокуса. Я разберу, почему такие решения кажутся удобными в моменте, к чему они приводят на практике и как можно действовать иначе.

К Вам когда-нибудь приходил бизнес с задачей: «Хотим один дашборд, на котором сразу все будет и все будет понятно?»

Да? Вот и к нам пришел.

Мы — Александр Погудин и Елена Сидорова, BI‑разработчики в Лемана Тех.​

В статье мы расскажем, как с помощью одной EAV‑таблицы собрали дашборд из 30 метрик из 7 разных баз и избежали зоопарка из 150+ мер.
И все это на одном экране.