Разгоняем сервис до 1M RPS: с чего начинается производительность

Оглавление Введение Когда в статье написано, что система “держит 1M RPS”, а рядом нет ни размера ответа, ни latency, ни уровня ошибок, ни описания стенда, ни состояния кэша, ни правил подсчета успешных запросов, то инженерной ценности у такой цифры почти нет. Пропускная способность системы сам по себе не говорит, держит ли система реальный пользовательский трафик, … —Читать далее—

Loading

ИИ глазами разработчика: от автодополнения к инженерным агентам

Оглавление Термины и определения LLM, или большая языковая модель – это модель, которая получает на вход текстовый контекст и генерирует продолжение этого контекста. В роли текста может выступать не только обычный человеческий язык, но и код, логи, SQL-запросы, OpenAPI-спецификации, YAML-конфигурации, stack trace, документация и результаты вызова инструментов. Токены – это единицы текста, с которыми работает … —Читать далее—

Loading

Kafka exactly-once глазами разработчика: как не сломать консистентность в ПРОДе

Exactly-once в Kafka – это не магия “событие обработается один раз”, а набор конкретных гарантий, ограничений и эксплуатационных обязательств. Оглавление Введение Проблемы с Kafka exactly once обычно начинаются не с падения брокера. Все выглядит куда спокойнее: сервис жив, консьюмер группа активна, lag вроде бы под контролем, но в бизнес-данных появляются странные данные. Один заказ дважды … —Читать далее—

Loading

Что разработчик должен знать про mTLS?

Оглавление Введение У многих разработчиков mTLS долго живет в голове как что-то из разряда “дополнительной опции безопасности”: включили сертификаты с двух сторон – и стало безопаснее. На практике все несколько интереснее. mTLS – это не просто шифрование трафика между сервисами. Это способ встроить машинную идентичность прямо в транспортный слой: еще до того, как приложение начнет … —Читать далее—

Loading

p99 глазами разработчика: как измерять, считать, расследовать и реально снижать tail latency

Оглавление Введение Перцентили latency – это не “красивая статистика”, а способ говорить про пользовательский опыт и предсказуемость системы там, где среднее время ответа на запрос (avg) системно врет. Практика крупных распределенных систем показывает: даже редкие (например, 1%) “медленные” ответы на уровне компонентов превращаются в массовые (десятки процентов) “медленные” ответы на уровне сервиса, если запросы имеют … —Читать далее—

Loading