Kurgan-Telecom Ru | Информационные технологии

Что известно про Greenplum?
Это MPP система на базе PostgreSQL, которая нужна, чтобы работать с большими объемами данных и делать OLAP. Отлично, но лично меня не устраивает это поверхностное знание, хочется узнать, что внутри. Какие алгоритмы использует Greenplum в своих процессах. Я хочу начать с дистрибуции, и приглашаю вас с собой в это путешествие.

Чтобы понять работу какого-либо устройства, необходимо его разобрать и изучить составляющие детали. Понимая как работает каждая из них, можно составить полную картинку их взаимодействия, что результирует в понимании работы устройства в целом. Если речь идет, скажем, об автомобиле, то этот процесс познания может казаться сложным, но он не идет нив какое сравнение с усилиями, необходимыми для понимания атомарных кластеров. Ученые из Токийского университета (Токио, Япония) провели исследование золотых кластеров, состоящих из крайне малого числа атомов, в ходе которого смогли синтезировать новый тип наноструктур, названные ими «золотыми квантовыми иглами». Чем отличаются иглы от других подобных структур, какими свойствами они обладают, и чем они могут бы полезны? Ответы на эти вопросы мы найдем в докладе ученых.

Привет, Хабр! Меня зовут Алексей, я инженер из ТЕХНОНИКОЛЬ. Большую часть рабочего времени я провожу на крышах зданий, а не в офисе. Потому что я разрабатываю системы, которые защищают здания и людей от всех погодных испытаний: снега, дождя и сосулек.

Вы наверняка видели эту классическую картину: дождь, магазин, посреди зала — парочка ведер, куда методично капает вода с потолка...

Привет, это oldzoomer, он же Егор Гаврилов. И сегодня подведу итоги лета - какие были достижения на почве Фидонета, Java, и прочего.

На связи Борис Литвиненко из команды NOCDEV в Yandex Infrastructure — наша группа занимается автоматизацией сетей всего Яндекса. В прошлом году я уже рассказал о том, как и почему наши сетевые сервисы живут на отдельном железе с развёрнутым k8s‑кластером, избегая кольцевых зависимостей с остальной инфраструктурой компании. Среди прочего на тот момент мы использовали Calico VXLAN — с нашим разнообразным железом нам был нужен overlay, а Cilium тогда не умел работать с IPv6 для VXLAN. Однако всё меняется.

В 2025 году попытка включить Calico eBPF в нашем K8s‑кластере вылилась в запуск Cilium, в новом релизе которого как раз добавили поддержку IPv6 underlay для VXLAN. Поэтому сегодня я расскажу, как мы вместе с Кириллом Глушенковым @kglushen протестировали новый Cilium 1.18 — а заодно перешли с самописных salt‑рецептов для kubeadm на kubespray, столкнулись с не такими уж простыми особенностями dualstack, а ещё немного повайбкодили. Под катом — все наши приключения с нелинейным сюжетом.      

Ученые из России и Кореи провели теоретическое исследование трех различных моделей ускоренного расширения ранней Вселенной. Они рассмотрели модели, в которых потенциал, вызывающий расширение, генерируется квантовыми эффектами. Оказалось, что первая модель может быть согласована с наблюдениями, а остальные две нет. Исследование было опубликовано в Physics of Particles and Nuclei Letters. 

Ученые провели численный анализ трех относительно простых моделей инфляции, каждую из которых характеризуют уникальные параметры. Результаты исследования показали, что первая модель, описывающая инфляцию с помощью скалярного поля с ненулевой массой и минимальным гравитационным взаимодействием, демонстрирует согласие с данными наблюдений при определённых условиях. Однако не все параметры в этой модели способны поддерживать данное соответствие.

Книга Тода Голдинга, ведущего архитектора AWS по SaaS-решениям, представляет собой подробный путеводитель по ключевым принципам построения мультитенантных SaaS-систем. Автор последовательно раскрывает весь спектр вопросов: от базовых архитектурных моделей (silo, pool, pod) и изоляции арендаторов до практических аспектов — онбординга клиентов, идентификации, управления данными, биллинга, мониторинга и эксплуатации. Книга написана в основном по облачным сервисам AWS, но ее материал поможет работать с облаком любого провайдера.

Врываемся в свежий сезон технологий и Новый год для фанатов Apple с рассказом обо всех новинках, показанных на презентации 9 сентября. AirPods Pro 3, Apple Watch Series 11, SE 3 и Ultra 3, а также iPhone 17, iPhone Air, iPhone 17 Pro и 17 Pro Max. Всё это и то, о чём не сказали на презентации – в нашем специальном выпуске, снова как и раньше. Приглашаем к прочтению!

Каждый руководитель в сфере технологий знает это ощущение. Заходишь в зал для совещаний, где собраны недовольные руководители отделов, и у всех — истории о системах, которые не взаимодействуют друг с другом, о данных, застрявших в изолированных хранилищах, и о процессах, требующих ручного вмешательства на каждом этапе. Обещания цифровой трансформации кажутся всё более недостижимыми, когда организация функционирует скорее как набор изолированных островков, чем как связанное целое.

Эта проблема уже не просто вопрос технологий. Это ключевая бизнес-задача, которая обходится организациям в миллионы потерянной производительности, упущенных возможностей и конкурентных потерь. Исследования McKinsey показывают, что 90 процентов компаний сейчас реализуют проекты цифровой трансформации, но большинство сталкиваются с фундаментальной проблемой — обеспечить эффективное взаимодействие своих систем.

Жестокая ирония заключается в том, что отдельные приложения стали мощнее и сложнее, а само предприятие в целом стало более фрагментированным. Каждая новая система обещает решение конкретной задачи, но в итоге все они вместе создают сеть сложности, которая может задушить операционную эффективность.

Однако выход есть. Платформы оркестрации перестают быть просто удобными инструментами для управления процессами и становятся основным приложением, от которого зависит, будет ли предприятие процветать или выживать.

Я в продажах уже 25 лет, прямо из универа. Хотя мое образование, казалось бы, максимально далеко от продаж. Ну вот совсем максимально (кто угадает, тому приз). 

Больше всего в продажах я не люблю отказы. Не такие вежливые отказы, когда тебе говорят: «Вы очень крутые, но мы выбрали других», а такие, когда заказчик просто уходит за горизонт по-английски. 

Понятно, что в продажах отказ — не катастрофа, а часть процесса. Очень неприятная, но рутина. Ты вкладывался: слушал, анализировал, готовил предложение, а в ответ получил: «Извините, мы выбрали других» .

За все эти годы я слышал, кажется, все варианты отказов. От «Ваше предложение самое дорогое из полученных» до «У генерального есть знакомый программист». 

Но я для себя решил, что «нет» — это совсем не всегда отсутствие шанса заключить сделку (прямо как Трамп говорит).

Сегодня расскажу о том, как победить в себе негатив при отказе. Дать сделке еще один шанс, сохранить спокойствие, оставить за собой открытую дверь и, возможно забрать сделку обратно. 

Разберем две безвыходных ситуации из моей практики, где, как оказалось, закрывать клиента в CRM было рано (хотя очень хотелось это сделать). 

Команда Go for Devs подготовила перевод статьи о новом экспериментальном API для работы с JSON в Go. Спустя почти 15 лет после появления encoding/json в стандартной библиотеке разработчики столкнулись с его ограничениями. В версии Go 1.25 появился экспериментальный encoding/json/v2 — он решает старые проблемы, добавляет потоковую обработку и повышает производительность.

Когда один ИИ — мало. Нужна команда

Ночные падения, баги «только на проде», фичи, которые нужно вчера — знакомо?
В такие моменты один, даже очень умный, ИИ похож на гения-одиночку на стройке небоскрёба. Он силён, но не масштабируется. Решение — команда ИИ-агентов: аналитик, фиксер, контролёр, координатор. Каждый делает своё, вместе — закрывают задачу.

В этой статье мы покажем, как собрать такую «бригаду» поверх LLM так, чтобы она реально работала с кодом: читала файлы, вносила патчи, гоняла тесты и сама себя проверяла. Без магии — с понятным интерфейсом действий (ACI), с архитектурой, которая объясняет метрики, и с живыми примерами из репозитория.

Что получите за чтение:

простую логику, почему «команда» надёжнее «соло-ИИ» и как это связано с ReAct, self-consistency, процессной проверкой и Mixture-of-Agents;

инженерный взгляд на масштабирование качества не только «размером модели», но и временем вывода (больше попыток → лучше отбор);

практику: минимальные команды запуска, «скриншоты» прогонов и аккуратный ACI, который превращает LLM из советчика в исполнителя;

архитектурный эскиз асинхронного оркестратора поверх реального LLM API — без тяжёлого кода, но с ясной идеей, как это встроить к вам.

Если вы тимлид, архитектор или ресёрчер, это статья-мост: от теории, которая действительно помогает, к работающим сценариям. Откроем крышку, включим свет — и соберём команду ИИ, которая берёт сложность штурмом.

Наверное, многим знакомо - пишешь ты на языке (вот скажем, Go) уже не первый год - а на собеседовании всё равно найдут чем удивить :-) Вот поделюсь уловом последних дней - не смейтесь над моей наивностью - вдруг кому пригодится!

Хочу поделиться историей одного R&D-эксперимента. Не так давно у меня появилась идея: а реально ли сегодня, не будучи Python-разработчиком, с нуля создать что-то относительно сложное, например, торговый алгоритм? И не просто создать, а сделать так, чтобы основной объем кода писали нейросети, как наверное вы уже успели догнаться. В качестве "программистов" я выбрал — ChatGPT и Gemini, я пытался как то разобраться с Cursor и deepseek, но сразу же попрощался, один слишком сложен для начального старта без знания программирования, второй как в дальнейшем выяснилось сильно отстает от своих конкурентов.

Sber SaluteSpeech — мощный сервис для распознавания речи, но его официальный SDK имеет высокий порог входа. Разработчики сталкиваются с многоступенчатым процессом, временными токенами авторизации и сертификатами Минцифры, что является избыточно сложным для типовой задачи транскрибация аудио.

Когда требуется простое решение — «передал аудиофайл, получил текст», — хочется иметь под рукой лаконичный и понятный интерфейс.

Чтобы решить эту проблему, я разработал salute_speech — легковесную Python-библиотеку, которая абстрагирует сложность официального API и предоставляет простой интерфейс, вдохновленный подходом OpenAI Whisper.

Четыре дня назад я запостил на Хабре опрос: как лучше назвать пакет документов, описывающих мой опыт разработки программного продукта при помощи LLM‑агентов/ботов — ADSM или BDSM. С небольшим перевесом в один голос (6 к 5) победил вариант ADSM — Agent Driven Software Management. Ну, пусть будет ADSM.

Так вот, при формализации своих отношений с агентами в первую очередь передо мной встал вопрос, а кто в этих отношениях какую роль играет? Пока что я склоняюсь, что наиболее точным описанием являются отношения «Заказчик — Исполнитель».

В новом переводе от команды Spring АйО рассматриваются основные изменения, которые ждут нас в новой версии Maven. Изменения затронули performance, POM, новый тип упаковки, улучшения для подпроектов и много другое. 

Почему ChatGPT врет вам в лицо (и как OpenAI наконец объяснила, откуда берутся галлюцинации ИИ)

Статья по горячим следам сенсационного исследования OpenAI от 4 сентября 2025

Ваша модель только что выдала вам три разных неверных даты рождения одного человека. В десятом туре подсчета букв в слове "DEEPSEEK" она называет цифры от 2 до 7, хотя правильный ответ — 1. Знакомо?

Раньше мы думали: «Ну, технологии, что поделать, дообучат — и все наладится». Оказалось — нет. Галлюцинации — это не баг, а математическая неизбежность, заложенная в сам процесс обучения.

4 сентября OpenAI опубликовала революционное исследование "Why Language Models Hallucinate", которое переворачивает представление о главной головной боли современного ИИ. Впервые математически доказано: модели врут не из-за плохих данных или недоработок архитектуры. Они врут, потому что мы сами их этому учим.

В своей статье я разбираю это исследование без воды и объясняю простыми словами:

✅ Почему формула «ошибки генерации ≥ 2 × ошибки классификации» объясняет все галлюцинации
✅ Что такое singleton rate и почему 20% редких фактов = минимум 20% вранья
✅ Как система оценки превратила ИИ в вечных студентов на экзамене, где лучше соврать, чем признаться в незнании
✅ 4 конкретных способа от OpenAI, как сделать модели честными уже сегодня

Самое шокирующее: проблема решается не улучшением технологий, а изменением того, как мы спрашиваем и оцениваем ответы.

Компании, которые первыми внедрят принципы честности в свои ИИ-системы, получат главное конкурентное преимущество эпохи ИИ — доверие пользователей.

Готовы перестать быть жертвой красивой лжи и начать строить по-настоящему надежные ИИ-системы?

Предыдущие части рассказа о продающем боте:

Продающий бот. Часть 1. Можно ли уболтать бота продать подешевле

Продающий бот. Часть 2. Съезд КПСС

А теперь добрались до самого интересного