Kurgan-Telecom Ru | Информационные технологии

Разбираем необычную конструкцию async void

В чем отличие от написания async Task? Какие проблемы могут за ней скрываться? Для чего ее ввели в язык? Как ей правильно пользоваться?

Ответы на все эти вопросы далее в статье

Сломаю руку — пришьют новую. Откажет сердце — поставят помпу. Постареет кожа — натянут, подкрутят, распечатают на биопринтере свежую партию.

Этой фантазией живёт и дышит добрая половина разговоров про биохакинг и носимые устройства. Тело — черновик. Организм — машина на гарантии, и гарантия, если повезёт, продлевается бесконечно. Сел аккумулятор — сменил. Обновил прошивку — стал версией себя 2.0.

Удобная мысль. С железкой не страшно, железку не жалко, железку можно улучшать бесконечно.

Вопрос один: судя по тому, что происходит в реальных клиниках на реальных телах — мы точно уже там? В светлом биохакнутом будущем.

Публикация приложения в App Store — процесс волнительный, однако потеря этой возможности — уже катастрофа. В этой статье мы разберем способы продления членства в программе Apple Developer осенью 2026 года и подводные камни с которыми можно столкнуться. Если вы тоже столкнулись с этой проблемой или знаете рабочие варианты — эта статья для вас.

Если судить по новостям, то мы в шаге от светлого кибернетического будущего. Авторитетные исследователи утверждают, что к 2026 году генеративный ИИ будут использовать до 80% крупных компаний. Капитализация Nvidia бьет исторические рекорды, а венчурные фонды льют деньги в ИИ-стартапы.

Но если посмотреть макроэкономические отчеты Федеральной резервной системы США или OECD Data, картина будет другой. Глобальная производительность труда топчется на месте, прибавляя лишь по 1–1,5% в год. Никакого скачка или технологического прорыва в масштабах государств в цифрах реального ВВП нет.

Получается парадокс, когда, с одной стороны, есть колоссальные инвестиции и отчеты о превосходстве моделей над человеком, а с другой — статистика, показывающая, что макроэкономика этого бума не замечает.

Кому же верить? Маркетологам, раздувающим очередной пузырь, или государственным ведомствам, которые не научились еще оценивать новые метрики?

Экономические прогнозы сейчас медленно меняются от предположений в духе «ИИ заменит половину профессий» в сторону сдержанного эконометрического анализа. Взвешенную позицию можно увидеть у Национального бюро экономических исследований США (NBER), сформулировавшего идею о том, что экономика столкнулась с феноменом, который уже проходила сорок лет назад.

В этой статье мы рассмотрим свежие научные публикации, где обсуждаются слабые места, из-за которых буксует светлое ИИ-будущее.

«Почему для компании «Ромашка» ваша СЭД стоит 5 рублей, а для нашей ООО «Василек» –15 ₽?». В статье рассказали, как цена системы и скорость запуска зависит от того, кто ее будет внедрять.

Приветствую всех!

Уверен, многим из вас знакомы домофоны этой фирмы. У кого-то из вас, возможно, прямо сейчас стоит на подъезде именно такой.

С чего же начиналась история всего этого? Мне повезло достать один из первых их устройств — оптический считыватель и контроллер доступа. Сейчас и узнаем, как он устроен и что из себя представляет.

После внедрения AI‑агентов дашборд разработки может показать красивую картину: больше PR, выше velocity, быстрее закрываются задачи. Но за этими цифрами иногда скрываются новые узкие места — перегруженное ревью, рост переделок и снижение прозрачности процесса.

Разберём практический маршрут, как за четыре недели настроить атрибуцию AI‑изменений, сегментацию по риску и метрики полного цикла поставки, чтобы оценивать реальный эффект от использования агентов.

Не хадваром единым насыщался старый рынок технологий. Софт не отставал ни на йоту, и кучи корпораций, стартапов и просто энтузиастов, писавших код у себя в спальне, пытались занять лакомые ниши. И многое из написанного тогда софта было тихим ужасом.

Автоматизация тестирования не только упрощает рутинные процессы и экономит время, но и позволяет проверять приложение на десятках и сотнях устройств за считанные минуты. Однако настроить ее бывает не так просто. Разные версии Android, кастомные оболочки вендоров, особенности экранов — все это часто становится неприятным сюрпризом после нажатия кнопки Deploy. 

Меня зовут Максим, я QA-специалист команды развития мобильной фермы Selectel. В этой статье я проведу вас от уже привычного многим ручного тестирования до полноценной автоматизации с доступом к коллекции из ~400 разных устройств и интеграцией в CI/CD. В качестве примера приведу простую инструкцию по созданию Compose UI-теста под Android-устройство для проверки логики и верстки в вашем приложении.   

В прошлой статье я расписала механику: девять месяцев, 35+ глубинных интервью, один маркетолог. Здесь расскажу про ошибку, которую совершила следом, применяя ту же методику к новому сегменту. Ошибка типовая, и вижу я её теперь у большинства коллег.

Привет, Хабр! На связи Илья Мартысь из Рег.облака. Видеокарты RTX 5090 и RTX PRO 6000 Blackwell собраны на одном кристалле. Разница в цене — почти вчетверо.

Объяснить ее одним словом «профессиональная» не выйдет. Причин три: объем памяти, ECC и лицензионное соглашение на драйвер. Последняя вообще не про железо, но именно она решает, попадет карта в стойку или нет. Заодно расскажу, почему A100 2020 года до сих пор в работе, хотя рядом стоят карты втрое быстрее.

Навигация по тексту:

Пару недель назад я рассказывал, как за вечер собрать синий лазер на 70 ватт: матрица от проектора, буст‑конвертер, восемь банок 18650, процессорный кулер, два десятка деталей и вечер с паяльником. А, между тем, оказывается, существуют и мини‑версии синих лазерных матриц, которые мне хотелось запихать в корпус от фонаря.

Так вот, корпус от фонаря не понадобился.

Та же самая конструкция, только урезанная до состояния, когда резать больше нечего: матрица NUBB23 на четыре кристалла, медная шина вместо радиатора, две банки 18 650 вместо восьми, белый буст с Али и две кнопки.

Восемь (8) деталей, час‑два времени, размер с пачку сигарет. Дерево, бумагу и прочую органику поджигает на расстоянии вытянутой руки, а больше от зажигалки ничего и не требуется. Впрочем, можно ещё мух и тараканов поджаривать.

Мини‑матриц два варианта: NUBB23 и NUBB24 (на самом деле больше, но эти две самые распространённые). Для карманного варианта подойдёт лучше младшая, 23-я. Ниже расскажу, что это за «восемь деталей», плюс кое‑какая арифметика по току и батарее, недостатки конкретной конструкции и варианты апгрейдов.

Позавчера запустил свой сайт с аукционом, хотя от вайбкодинга знал только слово «вайб». Расскажу зачем он нужен, как я его сделал, все цифры, кто уже залетел в него с двух ног и причем тут кофе из Пятерочки. Летс гоу!

В одном чате по куберу меня спросили единственное, что реально важно, когда ты собрал оркестратор контейнеров внутри таблицы: а сколько оно вообще тянет? Сколько подов, пока не ляжет. Какой образ влезает в ячейки. Сколько кластеров держит одна машина. И — раз уж мы фонд с серьёзным лицом — как это смотрится рядом с настоящими: Kubernetes, Docker Swarm, Nomad.

Поэтому мы провели честное нагрузочное тестирование. Четыре измерения, два бэкенда (.xlsx на диске и живая Google-таблица), синтетика на ноутбуке и реальные Docker-образы на облачной виртуалке. А потом поставили цифры рядом со взрослыми оркестраторами.

Короткая версия: по каждой оси, которая имеет значение, мы проигрываем на 3–5 порядков. По осям, которые значения не имеют, — выигрываем вчистую. И один наш давний «факт» оказался неверным — бенчмарк нас поправил. Поехали.

В компании внедрили ИИ-ассистента – дорого, технологично, с красивой демонстрацией возможностей. А через месяц выяснилось, что сотрудники им почти не пользуются. Или хуже – пользуются, но верят ему, а он выдаёт неактуальные инструкции, противоречащие друг другу. Почему так вышло?

Мобильный трафик уже давно закрепился в арбитраже, фарминге аккаунтов, веб-парсинге и PWA-продвижении как самый лакомый кусок пирога. Причина до банального проста — разница в доверии антифрод-систем к десктопным и мобильным пользователям.

Десктоп проще и дешевле в автоматизации, но уровень доверия к нему ниже, в том числе и из-за того, что порог входа в автоматизацию более доступный. 

Задавать вопросы и искать на них ответы — это квинтэссенция науки. Однако в попытках понять что и как работает порой можно прийти к неверным выводам. Как правило, это связано с недостатком знаний или ограниченностью инструментов на момент проведения научных изысканий. Результатом может быть либо отсутствие ответа и продолжение поисков, либо неверная теория, которая в дальнейшем нуждается в опровержении, что также является неотъемлемой частью науки. К примеру, ранее считалось, что алмазы не являются пьезоэлектриками, то есть они не будут генерировать электрическое напряжение при механической деформации. Однако ученые из Гонконгского университета установили, что тонкий и гибкие пластины из алмазов все же способны быть весьма эффективными пьезоэлектриками. Как ученым удалось сделать это открытие, какими еще свойствами обладают алмазные пластины, и каково их практическое применение? Ответы на эти вопросы мы найдем в докладе ученых.

Нет повести печальнее на свете, чем повесть о потерянном пакете. А чтобы пакеты не терялись, нужно проводить нагрузочное тестирование и быть уверенным в своем продукте. Особенно когда речь идет о проксирующем балансировщике и UDP-трафике. Ведь UDP выглядит не как упорядоченный контролируемый процесс, а скорей как толпа школьников, бегущих после звонка в столовую, — часть может не добежать и потеряться по пути. Будет очень печально, если из-за кривого пола балансировщика наши дорогие школьники пакеты попадут в статистику потерь.

В этой статье я хочу рассказать о своем опыте тестирования проксирующего балансировщика с помощью генератора трафика TRex. И вроде бы уже есть статья на этот счет, но она про TCP, а при тестировании с UDP-трафиком возникли новые вводные. Плюс в ядре достаточно мало оптимизаций ускорений для UDP, что делает тесты более интересными, чем TCP. В итоге своим кейсом хочу поделиться с коллегами.

Разбираем технологии речевой аналитики: ASR, словари, ML, семантический анализ, LLM и Auto-QA. Сравниваем подходы Deeray, Naumen, SpeechSense, BSS, WordPulse и других систем.

Поиск слова «дорого» в транскрипте звонка когда-то считался речевой аналитикой.

Сегодня бизнес хочет получить ответ уже на совершенно другой вопрос:

Когда учёные говорят, что возраст Вселенной составляет 13,77 миллиарда лет, эта цифра звучит одновременно впечатляюще и убедительно. Не просто 14 миллиардов или даже 13,8 миллиарда, а именно 13,77. По-видимому, мы знаем дату рождения Вселенной настолько точно, что уже начинаем беспокоиться о десятичных знаках.

Но откуда мы знаем это на самом деле? Что вообще означает «возраст Вселенной»? И может ли наш ответ оказаться неверным?

Есть несколько моментов, в которых расчёты вполне могут оказаться неверными: возможно, теория относительности окончательно запретит универсальные часы; возможно, расширение Вселенной было неверно интерпретировано; возможно, наша стандартная космологическая модель чрезмерно упрощает реальность; или, возможно, мы неверно понимаем составные элементы Вселенной.

Итак, давайте посмотрим, насколько достоверна эта цифра — 13,77 миллиарда лет.