Все потоки

Команда Rust публикует новую версию языка — 1.60.0. Rust — это язык программирования, позволяющий каждому создавать надёжное и эффективное программное обеспечение.

Если у вас есть предыдущая версия Rust, установленная через rustup, то для обновления до версии 1.60.0 вам достаточно выполнить команду:

rustup update stable

Если у вас ещё нет rustup, то можете установить его со страницы на нашем веб-сайте, а также ознакомиться с подробным описанием выпуска 1.60.0 на GitHub. Если вы хотите помочь нам протестировать будущие выпуски, вы можете использовать beta (rustup default beta) или nightly (rustup default nightly) канал. Пожалуйста, сообщайте обо всех встреченных вами ошибках.

Как начался зомби-апокалипсис? Вовсе не так, как в книжках Круза, когда на тебя набрасываются мертвые соседи по подъезду, и ты моментально понимаешь, что мир изменился. Нет. Апокалипсис медленно прорастал в реальности, подкрадываясь на кошачьих лапках. Многие мои друзья упирались до последнего, стараясь не замечать катастрофы. Некоторые из них не верят в неё даже сейчас, забаррикадировавшись в своих неотапливаемых квартирах и доедая старые запасы.

Первые звоночки прозвенели в конце зимы — когда из магазинов начали исчезать отдельные виды товаров. Парное мясо, овощи, свежее молоко, импортные сладости. В новостях невнятно говорили о неожиданно возникших проблемах с доставкой — водители фур массово прекращали работу, бросая свои автопоезда на произвол судьбы.

Большой паники это не вызвало — полки магазинов по-прежнему были забиты товарами длительного хранения, которые подвозили со складов. О том, что это не навсегда и что склады к весне опустеют, люди не думали. Немалую роль в этом сыграли и городские новости — рассказывающие о чем угодно, кроме подкрадывающейся к городу катастрофы.

Мои друзья, тогда еще живые и относительно нормальные, смеялись, когда я пытался достучаться до них. «Вот паникёр нашелся, — говорили они, — сам себя на ровном месте зашугал. Не надо себя накручивать, ты просто всё всей правды не знаешь!»

— Всей правды вообще никто не знает, — отвечал я, — а для выводов вполне хватает того, что известно!

— Ты вообще чей? С чьих голосов поёшь?

— Свой собственный. Своим умом живу.

Unity – один из самых популярных игровых движков. С его помощью создаётся множество отличных межплатформенных проектов. С нашей последней проверки его исходного кода прошло почти 4 года. Пришло время узнать, что удастся найти интересного в этот раз.

Вы бы хотели услышать как звучит голос, захваченный различными микрофонными системами? Или как влияет отражённый звук на качество захвата голоса? У Вас есть такая возможность!

В прошлых статьях мы применили инструменты 3D-моделирования и VR-визуализации для подбора оптимального видео оборудования под наши сценарии.

В этой статье я поделюсь нашим методом решения задачи по подбору подходящих моделей микрофонных систем для различных акустических условий переговорных комнат.
Этот метод заключается в замере уровня реверберации в переговорной комнате заказчика. По этим данным производится анализ акустического состояния помещения. Это позволяет нам выбрать из нашей базы записи сразу нескольких подходящих под бюджет заказчика микрофонных массивов, произведённые в помещении с аналогичным уровнем реверберации.

В итоге, из нескольких рассматриваемых вариантов микрофонных систем, путём оценки их записей, можно с уверенностью определить лучший экземпляр для пилотного тестирования в реальных условиях эксплуатации. Этот метод позволяет не только сузить перечень тестируемого оборудования до одного варианта, но и подсветить проблемы с акустикой помещения до проведения боевых тестов.

В марте на Хабр Карьере завершилась неделя фронтендеров. Карьерная неделя — это что-то вроде дня открытых дверей, который длится всю неделю. В этот раз в битве за сердца фронтендеров сошлись пять компаний: Альфа Банк,  РТ Лабс,  ALM Works, Иннотех и Simbirsoft. 

В конце недели специалисты могли задать свои вопросы представителям компаний-работодателей. Мы выбрали самые интересные из тех, что не успели обсудить на круглом столе, и отправили спикерам. 

Обсуждали трудоустройство, релокацию, систему грейдов, технологии и многое другое. А в самом конце спикеры рассказали о своем старте в IT и поделились материалами, которые будет полезно почитать фронтендерам. 

Это продолжение темы статьи. Отличия в том что я переработал структуру, добавил глоссарий и поменял название на более соответствующее материалу. Данная статья будет дополняться и изменения будут отражаться либо здесь либо на сайте. На сайте же сможете скачать саму модель в высоком разрешении для печати и изучения.

Правила Хабра запрещают ссылки на свой контент поэтому эта статья написана в корпоративном хабе, который не всегда может быть у меня (автора). Именно по этому изменения модели будут размещаться прежде всего на сайте.

Одна из проблем использования языков объектно-ориентированного программирования (ООП) и баз данных в сложности их согласования между собой. Знание языка структурированных запросов (SQL) и умение писать запросы позволяют взаимодействовать с БД напрямую. Но использование «чистого» SQL может занять довольно много времени, предъявляя повышенные требования к навыкам специалиста.

Облегчить рабочий процесс может объектно-реляционное отображение (ORM). Сторонники этой технологии заявляют, что она повышает производительность, улучшает архитектуру приложений, повторно использует код и поддерживает приложение с течением времени. По мнению критиков, отрицательным аспектом ORM является производительность.

В этой статье наше backend-направление расскажет про ORM на базе C#, плюсы и минусы этой технологии, чтобы оценить ее полезность при разработке приложений. Материал предназначен для  разработчиков, желающих погрузиться в принципы подбора ORM. 

Осенью 2021 года я задумался о бесплатных инструментах аналитики и построения отчетности, доступных простым пользователям. В том или ином виде можно использовать Power BI или Tableau, но почему бы не попробовать что-то более простое? 

Небольшой дисклеймер: датасет, о котором далее пойдет речь, был загружен осенью 2021 года. Сейчас датасет другой, возможно более чистый. Загружать новые данные счел нерациональным, поскольку серия постов будет про простейшие визуализации, а не про актуальные исследования или сложные диаграммы. И нет, это не подробная методичка по возможностям GDS, это только общий обзор решения и разбор одного кейса.

Нас интересует только сторона работы обычного аналитика, насколько это возможно (и насколько я себе это представляю), поэтому я буду стараться искать самые простые пути решения проблемы. Понимаю, что некоторые методы вроде использования промежуточной базы данных не выглядят простыми для кого-то, но с тем же успехом можно использовать таблицы от Google. У меня БД просто была под рукой, да и выстроить полноценный ETL-процесс без неё не выйдет. 

PHP-скрипт для защиты от DDOS, парсинга и ботов, нагружающих сервер "мусорными" запросами и затрудняющий парсинг.

Преимущества использования системы оркестрации контейнеров — удобство их развертывания, обновления и масштабирования. И одним из наиболее популярных таких инструментов является Kubernetes. 

Многие знают, что Kubernetes имеет встроенный механизм для автоскалирования подов — Horizontal Pod Autoscaling (HPA). Но что, если надо принимать решение с учетом множества факторов: суммы метрик, зависимости от количества готовых контейнеров, процента или доли доступных/недоступных подов или даже времени суток? А если эти показатели важны для нас все вместе? 

Мы в студии Whalekit смогли решить эту задачу. И отличным решением для этого стал Custom Pod Autoscaler (CPA).

На повестке дня снова UX-дизайн. В комментарии к обзору открытого урока написали, что UX-дизайнером каждый стать, причём такой «специалист» не умеет ни в цвета, ни в компьютеры. Давайте разбираться, за что же вообще тогда платят UX-дизайнерам.

Давайте поговорим про Apache NiFi. Этот ETL-инструмент все чаще используют при загрузке данных в хранилище, правда, не всегда по назначению. Об одном из таких сценариев я рассказывал на конференции SmartData. Видео можно посмотреть на Ютубе, но я все равно рекомендую вам прочитать этот текст: здесь я собрал новые мысли и идеи. Речь пойдет об инициирующей загрузке, или перегрузке данных из источника. 

Приведу отрывок из книги Лю-Цысинь "Задача трех тел", не с целью рекламы. Это то, что заставляет ум бурно размышлять над прочитанным. Итак ниже.

— Ну хорошо, уговорили. В бильярд играете? — Дин подошел к бильярдному столу.

— Играл немного в колледже.

— Мы с ней любили играть. Бильярд напоминает столкновение частиц в ускорителе. — Дин взял два шара, черный и белый, установил черный около одной из луз и положил белый сантиметрах в десяти от него. — Сможете положить черный в лузу?

— С такого расстояния? Любой неумеха смог бы.

— Давайте.

Ван взял кий, легонько ударил по белому шару и забил черный в лузу.

— Отлично. А теперь перетащим стол в другое место. — Дин взялся за крышку стола, растерянный Ван последовал его примеру. Они передвинули бильярд в другой угол, к окну. Затем Дин снова расставил шары как в первый раз. — Сумеете повторить? — поинтересовался он у Вана.

— Само собой.

— Валяйте.

И снова Ван легко положил шар в лузу.

Дин взмахнул рукой:

— Давайте передвинем его еще раз.

Они подняли стол и переставили в третий угол. Дин расположил шары как раньше: — Бейте.

— Послушайте, мы...

— Делайте, кому говорят!

Ван беспомощно пожал плечами. И опять ему удалось загнать черный шар в лузу.

Они передвинули стол еще два раза — к двери и на первоначальное место. Дин еще дважды ставил шары на сукно в прежнем порядке, и дважды Ван забил черный шар в лузу. Оба игрока чуть-чуть запыхались.

— Отлично, эксперимент окончен. А теперь проанализируем результаты. — Прежде чем продолжить, Дин закурил сигарету. — Мы провели один и тот же опыт пять раз. Четыре из них — в разных местах и в разное время. Два — в одном и том же месте, но в разное время. Ну разве это не потрясающе?! — Он преувеличенно широко развел руки в стороны. — Пять раз! С одним и тем же исходом!

В предыдущей статье мы уже подробно рассмотрели процесс разметки семантической сегментации в CVAT. Сейчас я подробнее расскажу по NER-разметку в другом популярном open source инструменте Label Studio

Предупреждаю, статья в первую очередь направлена на новичков, которые делают первые шаги в разметке данных. Как и в прошлый раз мы шаг за шагом пройдем путь от установки и настройки проекта до экспорта уже размеченного датасета.

В процессе будем подробнее останавливаться на нюансах связанных с извлечением именованных сущностей и рекомендациях из личного опыта.

Человеческий мозг обычно лучше воспринимает информацию из изображений, чем из текстов. И в инструментах, подобных Flame Graph, этот принцип блестяще реализован. Поэтому в Percona его используют в рамках работы группы поддержки. Чаще всего в тех случаях, когда нужно получить всестороннее представление о том, что и как долго проделывает MySQL. Так можно лучше понять, какие операции стоят за конкретной рабочей нагрузкой и каким образом лучше исправлять возникающие проблемы. И это можно использовать и для оптимизации, и для устранения неполадок.

Давайте воспользуемся их опытом и разберемся, откуда брать и как подготавливать образцы для визуализации данных. А после этого — как из них генерировать Flame Graph и как с этим работать.