![](https://webcf.waybackmachine.org/web/20221114105941im_/https://habrastorage.org/getpro/habr/upload_files/bad/0bc/d23/bad0bcd239a7293b511b807bbc35207e.png)
Продолжаем изучать Jolt Transform JSON в Apache NiFi.
Tempest — это официальный компонент OpenStack для интеграционного тестирования. Tempest поддерживает три вида тестов: API, сценарии (scenario) и стресс-тесты (stress). API-тесты проверяют функциональность API. Сценарии имитируют сложные многоэтапные операции. Стресс-тесты запускают задания параллельно для тестирования высокой нагрузки. Tempest использует собственную реализацию клиента вместо стандартных клиентов Python, поэтому может отправлять фейковые или некорректные запросы для проверки реализации API.
Настройка Tempest довольно сложна вследствие не совсем понятной документации. И некоторые проблемы могут быть вызваны не конфигурацией Tempest, а настройкой вашего облака. К счастью, есть несколько инструментов, которые помогают в использовании Tempest. В серии статей мы покажем, как запустить Tempest автономно и с помощью дополнительных инструментов.
В этой статье рассмотрим использование клиента RefStack для запуска тестов Tempest. RefStack — это инструмент, разработанный для запуска тестов DefCore. DefCore — это набор требований, которым должно удовлетворять облако OpenStack, чтобы быть сертифицированным OpenStack Foundation. На момент написания статьи последняя версия тестов 2016.01, состоящая из 306 тестов. Tempest находится в активной разработке, и если вы посмотрите ветку master у Tempest, то увидите, что 10 из 306 тестов больше не актуальны.
Это руководство поможет вам понять, что представляет собой Project Loom в Java и как его виртуальные потоки (также называемые «fibers») работают «под капотом».
Композитор, создает сначала мелодию: выбирает ее гармоническую окрашенность (лад, мажор, минор, хроматизмы, гармонии), тактовый размер, ритм, распределение сильных и слабых долей, внутри такта и музыкальной темы и, возможное ее развитие, в дальнейшей мелодике.
Использование async/await позволяет сделать код легче для понимания, убирает необходимость в функциях обратного вызова и протаскивании необходимых данных (или их сохранения в полях объекта).
Требования и ограничения async/await с примером реализации для UI.
Возможно, самая важная часть нашей работы — это осмысление данных, в первую очередь чисел. Как правило, мы смотрим на показатели, которые получаем благодаря инструментам нагрузочного тестирования, мониторингу серверов и приложений, логам или запросам к базе данных. Цель состоит в том, чтобы понять поведение системы, но иногда эта информация вводит нас в заблуждение.
Ханну Райаниеми — финский автор, обладатель научной степени по математической физике в области теории струн, а также предприниматель, чей стартап занимается разработкой вакцины от коронавируса, которая будет эффективна против его новых штаммов. Его самая прославленная работа на ниве фантастики — трилогия «Квантового вора», но работать с малой формой Райаниеми начал за семь лет до выхода дебютного романа. Самые удачные из ранних работ вошли в «Сервер и дракон», и в целом сборник дает хорошую возможность понаблюдать, как формируется стиль Райаниеми. Если смотреть внимательно, тут и там можно увидеть сияющие дорожки нейронных связей, ведущие к «Квантовому вору» и «Стране вечного лета». Ангелы, боги, космос как система, драконы-программы, постчеловечество, призраки, пост-смерть, слишком влиятельные организации — все это переплетается в головокружительных сочетаниях. Ханну Райаниеми создает истории полные чудес, рожденных наукой и не только. Иногда придется как следует напрячь воображение, чтобы представить себе придуманные автором образы, найти все зацепки и подсказки, но результат стоит вложенных усилий.
Привет! На связи tech-команда СберМаркета. 10 ноября мы провели митап, посвященный практикам в дизайне, который помогают экономить время сотрудников и ресурсы компании. Поговорили о дизайн-системах, автоматизации производства коммуникационных материалов и о пользе исследованиях для дизайнеров. Хотим поделиться с аудиторией Хабра видео с докладами.
Многих выпускников, желающих стать программистами, преследует торг с родителями и с собой. Казалось бы, зачем 4 года тратить на обучение? Не все так категорично, как может показаться на первый взгляд.
Привет, Хабр!
Меня зовут Владимир Паймеров, я Data Scientist и являюсь участником профессионального сообщества NTA. Сегодня познакомлю вас с библиотекой Gluon Time Series, которую используют для работы с временными рядами.
Методология Twelve-Factor App (Приложение двенадцати факторов), которую создал сооснователь платформы Heroku Адам Уиггинс, направлена на разработку SaaS-приложений. Документ, описывающий эту методологию, включает в себя множество идей, применение которых сделало использование и, я уверен, создание платформы Heroku, увлекательным и благодарным трудом.
Часто бывает так, что старые добрые времена разработки и развёртывания приложений превозносят как дни, когда всё было лучше, чем теперь. Сегодняшнее воплощение этого явления представляют воспоминания о Heroku десятилетней давности. Не поймите меня неправильно — Heroku тех времён была замечательной платформой, которая открыла всему миру новый путь к разработке веб-приложений и к их развёртыванию в распределённых системах. Похоже, что команда Heroku многое сделала правильно. Ведь не случайно же сейчас, более чем через 10 лет, мы пытаемся добиться той же простоты разработки программ, которая была характерна для Heroku.
Как, со времени представления методологии Twelve-Factor App в 2011 году, эволюционировали принципы, положенные в её основу? Чему они могут нас научить сегодня? Как эти принципы изменили положение дел в недавнем прошлом?
Это перевод официальной документации RabbitMQ.
Планируется сделать перевод на все 7 базовых руководства, которые помогут новичкам погрузиться в мир RabbitMQ. На некоторых форумах я встречал негодования, что еще никто не сделал перевод на русский для данных руководств. Я постараюсь как можно более качественно и понятно донести информацию из документации. Если есть какие-то замечания, то обязательно пишите в комментариях.
Мы продолжаем публиковать доклады последней Ruby Russia. На этот раз поговорим о новинке Hotwire, которую уже опробовали в Uscreen. Автор текста Марсель Мустафин, задавайте ему вопросы в комментариях!
Всем привет, меня зовут Виталий, я тимлид в KTS. Последние несколько лет я идентифицирую себя не только фронтенд-разработчиком и лидом, но ещё и наставником нескольких сотрудников: от стажёров до синьоров.
В этой статье в 2-х частях я поделюсь своим опытом наставничества, и, что самое важное, тем, как мы в KTS превращаем личный опыт наставников в систему.
Это во многом личная статья — желание делиться знаниями лежит где-то на верхушке моей персональной пирамидки потребностей. Это желание реализуется и через наставничество и через написание этой статьи. Приятного чтения!
Как хранить результаты нагрузочных тестов так, чтобы работать с ними было удобно? Если команда нагрузки сталкивается с такой проблемой, то возникает необходимость хранения данных. В частности, требуется, чтобы они сразу соответствовали фильтрам, а также чтобы приходилось реже выполнять сложные агрегатные функции и получать результаты быстрее.
Меня зовут Вячеслав Смирнов, я ускоряю и тестирую инфраструктурные сервисы в Miro. Ещё я развиваю сообщество нагрузочников в telegram: делюсь там кое-какой экспертизой. В частности, если выполнять тесты производительности регулярно, по несколько раз в день, то вскоре в популярном хранилище тестов InfluxDB фильтровать результаты тестов производительности становится сложно. Сегодня я расскажу про 12 шагов, как можно ускорить InfluxDB. Основным из них является ускорение с помощью nginx кэширования. Пример использования кэширующего nginx, в качестве источника данных для Grafana можно найти тут. Все остальные примеры, которые мы будем разбирать я вынес сюда. А слайды оставил здесь.
Мне нравится концепция, согласно которой речь – это, в первую очередь, не способ коммуникации, а отражение сознания. В таком случае стихи - это отражение красоты сознания. Но сможет ли нейросеть сгенерировать стихотворения, похожие на рукотворные? Давайте попробуем сделать такой алгоритм.
Шаг 1 – выбираем архитектуру
Тренд последних лет в обработке естественных языков (NLP) - использование нейронных сетей. А если смотреть более узко, то - нейронных сетей архитектуры «трансформер», включающих блок внимания «attention». Суть подхода в том, чтобы использовать при кодировке как в энкодере эмбединга (вектор признаков на выходе слоя нейронной сети), так и в декодере, механизм «attention», позволяющий учитывать взаимосвязь между словами и «фокусировать внимание» нейронной сети только на контексте, имеющем значение для слова.
Одной из архитектур на основе трансформеров является ruBERT, его и возьмем. Но для чистоты эксперимента попробуем также использовать и более старый подход, а именно LSTM нейронную сеть.
Не секрет, что курс на импортозамещение в ИТ был взят несколько лет назад, в 2015 году. Именно в это время был создан реестр отечественного программного обеспечения, а госзаказчики были обязаны закупать такое ПО. В результате, в 2019 году органы государственной власти закупили 65% приложений и систем отечественного производства, по данным сайта rb.ru.
В 2022 году множество иностранных компаний стали покидать рынок России, и процесс импортозамещения программного обеспечения значительно ускорился. Смена ИТ-систем всегда происходит не просто, требует большого количества времени на поиск замены, планирование, согласование и тестирование найденных решений, и наша статья немного поможет читателям разобраться в этом непростом процессе. Для этого компания CNS совместно c коллегами из SkyDynamics подготовили подборку различных ИТ-сервисов, а также системного и прикладного программного обеспечения.
Привет, Хабр! Меня зовут Юра Кучанов, работаю Android разработчиком в Garage Eight и сегодня хочу рассказать о том, как мы делали Retrofit-подобную библиотеку для JSON-RPC протокола. Началось всё с того, что нам потребовалось для общения сервера и Android приложения использовать протокол JSON-RPC. Что значит “потребовалось”? Если кратко – бэкендеры предложили, а сильных аргументов против, в сущности, не нашлось =) Возможно, тут сработала, например, вот эта статья с хабра про выбор между REST и JSON-RPC. В итоге я пошёл искать библиотеки в сети и… И обнаружил, что готовые решения не подходят (так как там, конечно же, есть хотя бы один фатальный недостаток). В итоге сделал свою библиотеку в стиле Retrofit. Ниже расскажу, почему не подошли готовые решения, как реализовал своё через рефлексию и как копался в исходниках Retrofit и OkHttp для реализации нужного нам функционала.
Из-за роста инстансов Jenkins команда может страдать от избыточного потребления ресурсов и медлительности конвейера доставки. Выход из этой ситуации — масштабирование. В статье пошагово разбираем, как масштабировать Jenkins с помощью Kubernetes.