Kurgan-Telecom Ru | Информационные технологии

Как известно, люди делятся на тех, кто делает бэкапы, и тех, кто пока ещё этого не делает. Однако и среди первых нет единства — существует множество подходов к организации резервного копирования. Сегодня мы расскажем, какие схемы бэкапа бывают, чем они различаются и когда стоит применять каждую из них.

За годы ИТ-индустрия выработала множество стратегий: каждая решает свои задачи и имеет собственную сферу применения — от простейших схем, подходящих для небольшой компании, до сложных многоуровневых систем, используемых в крупных организациях с требованиями к соблюдению регуляторных норм.

Можно ли сказать, что когда человек скролит ленты соцсетей, постит, ставит лайки, и пишет комментарии – он работает на компанию-владельца платформы?

С одной стороны абсурд.

С другой – все признаки трудовых отношений на лицо. Он вкладывает свое время, силы и ресурсы. Компания этот вклад монетизирует. А вместо зарплаты выдает “эмоции и удовольствие”.

— Я в этот инстаграм, как на работу хожу. — то и дело жалуются барышни.

Так и хочется съязвить: — А почему “как”?

Соцсети – не единственный тип бизнеса, который извлекает прибыль из таких “эксплуататорских” отношений.

В e-commerce, по типу Amazon, WB, Ozon или eBay – пользователи тоже привлечены на полный день. Пишут...

В новом переводе от команды Spring АйО рассмотрим, как можно ускорить Java-приложения без переписываний: в свежих JDK появились Ahead-of-Time оптимизации кэша, которые выносят «дорогие» этапы загрузки/линковки классов (и даже частично профилирование методов) из рантайма в заранее подготовленный артефакт.

Рассмотрим как устроен AOT-кэш в JDK 24–26, какие есть workflow (3 шага vs 2 шага/в один прогон), где прячутся подводные камни вроде удвоения требований по памяти при -XX:AOTCacheOutput, и какие практики обучения помогут реально сократить время старта и быстрее выйти на пик производительности.

Всем привет! Мы уже все понимаем, что блокировка Telegram будет в этом году. Сейчас власти делает это этапами, чтобы люди понемногу и без кипиша, мигрировали на Max. Понятно, что не все смогут или захотят это, но тут либо VPN либо более гуманная альтернатива - MTProxy.

Приветствую, уважаемые хабровчане! Меня зовут Алексей Черепецкой, и я ведущий методолог Центра проектирования методологии и автоматизации службы кадровых ресурсов «Фикс Прайс». Сегодня расскажу, как вместе с коллегами из «Проф ИТ» мы смогли построить систему автоматизации найма с помощью роботов-рекрутеров.

Хабр, привет!

На связи Александр Леонов, ведущий эксперт PT Expert Security Center и дежурный по самым опасным уязвимостям месяца. Мы с командой аналитиков Positive Technologies регулярно исследуем информацию об уязвимостях из баз и бюллетеней безопасности вендоров, социальных сетей, блогов, телеграм-каналов, баз эксплойтов, публичных репозиториев кода и выявляем во всем этом многообразии сведений трендовые уязвимости. Это те уязвимости, которые либо уже эксплуатируются вживую, либо будут эксплуатироваться в ближайшее время.

С прошлого дайджеста мы добавили еще 2 трендовые уязвимости.

Kubernetes взламывают не «эксплойтом века», а банальностями: открытый доступ, cluster-admin «на время», default serviceAccount, секреты в манифестах (да, base64 не защита). Дальше сценарий предсказуемый — от тихого майнинга до утечки ключей, как в истории с Tesla.

В статье разберу три базовых опоры k8s-безопасности: минимизация прав через RBAC, нормальная работа с секретами и изоляция workload’ов через securityContext и политики — с типовыми ошибками и практиками, которые реально внедрить.

229 заездов, 140 пилотов, 28 часов работы — столько данных мы собрали из Assetto Corsa за три дня SOC Forum 2025.

Мы превратили обычный гоночный симулятор в источник телеметрии: забирали данные из игры, строили дашборды в реальном времени и даже придумали ачивки для самых отчаянных пилотов.

Рассказываю, как устроен сбор данных из игровых симуляторов, что можно из них вытянуть и зачем это бизнесу.

Месяц назад я закинул задачу на рефакторинг модуля авторизации и пошёл варить кофе. Кофе я допить не успел. Через двадцать минут пришло уведомление в ТГ: «staging обновлён, 94 теста пройдено, 0 упало».
Открыл репозиторий. Ветка, diff на два экрана. Code review от второго агента. Три замечания, два по делу. Третий агент прогнал тесты и задеплоил.
Код был чище, чем я обычно пишу по пятницам.
Но до этого момента были три месяца граблей, упавший продакшен, и одна ночь, когда агенты сделали десятки бесполезных коммитов. Обо всём по порядку.

Привет, Хабр! В предыдущей статье я рассказывал, как портировал модель синтеза речи Qwen3-TTS на Rust. Тот проект (RustTTS) получился достаточно успешным — один бинарник, мгновенный старт, никаких Python-зависимостей.

Естественным продолжением стала обратная задача — распознавание речи (ASR, Automatic Speech Recognition). Логика казалась простой: у Qwen есть и TTS и ASR, архитектуры похожи, опыт с Candle уже есть, значит справимся за пару недель. Ну... не совсем.

Исходная задача и контекст

Перед нами стояла типичная для дата‑инженеров задача: обработать поток Parquet‑файлов с данными о внутренних технических процессах заказчика. Ключевой запрос — извлечь метаданные из таблицы, чтобы в дальнейшем работать с ними быстрее и удобнее.

В качестве основного инструмента мы выбрали Apache Iceberg — проверенный в наших проектах фреймворк для управления метаданными. Изначально пайплайн выглядел так:

C 6 ноября 2025 года комбинаторные объявления вышли в открытую бетку и стали доступны всем.Методика теста объявлений в мастере кампаний перекочевала в ЕПК. Ну или таки немножечко скопировали как художники у гугла адаптивные объявления. В анонсе показывали кейсы с увеличением конверсии до 55 процентов. Есть легкое недоверие к таким цифрам, да?

Но к черту голословный негатив, давайте к фактам. Я запустила чудо-новинку на нескольких проектах, потому что я любопытный человек и люблю тестировать. Потому что верю, что тесты — это путь оптимизации и повышения качества рекламы, аминь.

В этой статье мы немного отвлечёмся от практики и позанимаемся математикой, порешаем интересные задачки по алгебре (11 задач), конкретно по теории групп.

К сожалению, я не смог решить следующую проблему: я печатаю текст статьи в редакторе Word, но при этом формулы я не могу нормально отформатировать в нужный для Хабра Marktown

без ошибок. Буду рад, если кто-нибудь из читателей расскажет, как это можно сделать.

Основной текст статьи находится на Яндекс Диске, его (pdf файл) можно скачать по ссылке:

https://disk.yandex.ru/i/Xdf_NCBmnF9_zA

Представьте: вы провели часовое интервью, записали важнейшее совещание или наконец-то зафиксировали на диктофон ту самую гениальную идею, которая пришла за рулём. А дальше начинается самое «весёлое». Сидеть и вручную переводить всё это в текст, перематывая запись снова и снова. Минута аудио превращается в пять минут работы, а час записи съедает целый вечер. Знакомо? Ещё пару лет назад это была неизбежная рутина, от которой страдали журналисты, студенты, маркетологи и вообще все, кому приходилось работать с голосом.

Но нейросети перевернули эту игру с ног на голову. Сегодня искусственный интеллект расшифровывает аудио быстрее, чем вы успеваете допить кофе. Причём не просто выдаёт кашу из слов, а расставляет знаки препинания, различает спикеров, понимает акценты и даже справляется с фоновым шумом. Технологии, которые ещё недавно казались фантастикой, стали доступны каждому: загрузил файл, нажал кнопку, получил готовый текст.

Правда, есть один нюанс. Сервисов для транскрибации развелось столько, что выбрать подходящий стало отдельным квестом. Одни идеально работают с русским языком, другие только с английским. Одни бесплатные, но с ограничениями, другие стоят как подписка на стриминг, зато выдают почти идеальный результат. Какие-то умеют транскрибировать в реальном времени, а какие-то требуют загрузки файла и пары минут ожидания.

Мы протестировали и сравнили самые популярные нейросети для транскрибации, чтобы вам не пришлось тратить на это время. Разбираем плюсы, минусы, цены и неочевидные фишки каждого сервиса. Поехали!

Одно время я занимался разработкой порта «Малой экспертной системы 2.0», который бы поддерживал базы знаний для этой программы и при этом был кросс‑платформенным. Программа поддерживала два формата: обычные базы знаний и шифрованные. Если с обычными базами знаний всё было более‑менее в порядке, то шифрованные базы знаний не поддавались ровно до тех пор, пока я не заглянул в машинные коды. В этой статье мы рассмотрим, как была реализована одна из схем сокрытия данных, основанная на принципе «безопасность через неясность».

Data-driven разбор рынка Steam 2021–2025

Каждый год десятки тысяч разработчиков выходят в Steam с надеждой, что их игра «найдет аудиторию». Платформа кажется демократичной: опубликуй игру, заплати сбор — и ты рядом с хитами. Но так ли хорошо у них дела? Данные говорят, что на деле Steam — это жесточайший рынок за внимание игроков, где либо ты привлек игроков на старте, либо тебя, вероятнее всего,  ждет забвение… 

Представляю результат анализа данных из Steam за 2021–2025 годы (≈65 000 игр).

Какая структура данных стоит за list? Как быстро отрабатывает операция append? Эти вопросы часто задают на собеседованиях, и чтобы на них отвечать, нужно понимать, как список работает под капотом. В этой статье разберём, как же устроен список в питоне, копнём на уровень CPython и позапускаем код. После прочтения вы будете знать о списках больше, чем ваши коллеги.

Банки используют множество известных хитрых схем для максимизации своих доходов: например, вначале закрывают проценты, а потом тело кредита. Или закрывают долги не в хронологическом порядке, а начиная с покупок (по которым ставка меньше), а потом со снятий наличных (где ставка больше).

А что, если я скажу, что ВСЕ БАНКИ ещё и считают проценты неверно, ошибаясь, как обычно, в свою сторону? Эта хитрость в расчёте процентных выплат, которую почти никто не осознаёт, пришла в современный банкинг из дремучих времён, когда калькуляторы были роскошью. Давайте разбираться.

«Хочу зарабатывать 500 тысяч, миллион. Хочу усилить продажи».

Я вас прекрасно понимаю. Это абсолютно нормальное, здоровое желание — хотеть, чтобы твой труд стоил дорого. Чтобы не было этого ощущения, что ты выкладываешься по полной, а финансовый потолок остаётся где-то там, низко, и ты о него всё время бьёшься головой. Я тоже вместе с вами хочу этого же.

Но сегодня я хочу пойти с вами от противного. Мы не будем говорить о продажах. Не будем говорить о запусках, о рекламе, о креативах. Давайте на минутку представим, что всего этого — нет. Вообще. Нет вашего телеграма, нет сторис, нет воронок.

Остаётся только одна вещь. Ваш продукт. Онлайн-курс, программа, интенсив — как угодно.

И вот он просто лежит где-то. И представьте, что он… продаёт себя сам. Его люди находят, читают описание, смотрят цену — и покупают. Без вашего личного участия. За 100, 200, 500 тысяч рублей.

Звучит как фантастика? А теперь скажите — почему этого не происходит прямо сейчас с тем, что у вас есть или что вы планируете?

Потому что мы с вами чаще всего действуем по обратной логике. Наша цепочка мыслей такая: «Хочу миллион» – «Значит, нужно много продаж» – «Нужна крутая реклама и запуск» – «Ок, делаю продукт под этот запуск».

И продукт в этой цепочке — на последнем месте. Он — фишка в игре под названием «маркетинг». Мы думаем: «Ладно, сделаю что-нибудь, главное — красиво упаковать и громко рассказать».

НО! Эта логика в 2026 году уже не просто устарела. Она убийственна. Потому что люди стали не просто умнее. Они стали уставшими. Уставшими от пустых обещаний, от красивых обёрток, за которыми — ветер. Они в долгие, сложные, эмоциональные отношения с продавцом больше не вступают. Они не хотят «греться» у костра вашего энтузиазма на вебинаре.

В 2025 году Google и Apple показали два близких по целям, но разных по устройству стека. В Pixel 10 системный ИИ построен вокруг Android AICore и связки on-device и облака. В iPhone 17 развивают Apple Intelligence, а тяжёлые запросы переносят в Private Cloud Compute.

В статье расскажем, как Pixel 10 и iPhone 17 маршрутизируют ИИ-запросы, что дают Tensor G5 и A19, как устроены Private AI Compute и Private Cloud Compute, где живёт ИИ-слой в ОС — и что всё это меняет для разработчиков, когда ИИ становится частью оболочки, а не отдельной библиотекой.