Kurgan-Telecom Ru | Информационные технологии

Консьюмер очереди на PHP, который раньше раз в пять-шесть часов падал по OOMKilled. Сообщения при этом не терялись: Kubernetes поднимал под, и консьюмер дочитывал очередь, так что снаружи проблема была почти незаметна. Но регулярное падение по памяти — не норма, и мы решили докопаться до причины...

При эксплуатации сервера пользователь сталкивается сразу с несколькими показателями температуры процессора. У него возникает ряд вопросов: какие из них имеют практическую пользу? На что ориентироваться? При какой температуре должен срабатывать алерт и когда действительно пора беспокоиться о перегреве?

Под катом рассказываю про основные показатели температуры в серверных процессорах Intel и разбираю практическую пользу каждого для конечного пользователя.

Математики, инженеры, экономисты – все изучают симплекс-метод. Кто-то тут же забывает, но это нормально. В этой статье попробуем простым языком, опираясь не на формулы, а на здравый смысл, объяснить, как это работает.

Банки рвутся в блокчейн. Исторически международные переводы зависят от SWIFT и цепочки банков-корреспондентов. Ваш платёж может идти днями, зависать на комплаенсе, а банк-посредник может просто откусить свою комиссию или вообще заблокировать транзакцию. А для российского бизнеса классический трансграничный перевод — это вообще русская рулетка.

Очевидная проблема в том, что публичные сети (тот же Эфир) абсолютно прозрачны. Ни один нормальный банк не хочет, чтобы конкуренты в реальном времени видели объёмы его транзакций, остатки на кошельках и цепочки контрагентов. Именно поэтому, кстати, цифровой рубль не стали писать на Ethereum Virtual Machine, а замутили на Мастерчейне, который работает в закрытом контролируемом контуре.

У нас в облаке среди бета-тестеров были отважные парни, которые делают российский мессенджер и российский блокчейн для банков. Потом из бета-тестеров они перешли в крупных пользователей, и вот мы вместе решили рассказать про то, что там творится.

Итак, банки полезли в блокчейн, чтобы сделать переводы мгновенными и без посредников. У парней архитектура полностью совместима с Мастерчейном цифрового рубля, поэтому банки так ими и заинтересовались.

Дальше произошло много интересного, начиная от того, что, оказывается, можно делать терминалы для оплаты сильно дешевле и легче.

Сегодня Telegram-бот для продажи VPN собирается за вечер: Cursor, пара промптов, и он уже принимает деньги. Только в config.py лежит токен бота, Postgres открыт наружу, а в истории git остался .env, который «потом удалили».

Я написал SAST-сканер для кода, сгенерированного ИИ, и прогнал его по 3 800 публичным репозиториям. Рассказываю, что нашлось, как 16 378 сырых находок превратились примерно в 30 настоящих утечек и почему я не проверил ни одного чужого ключа.

Вопросы мне задают постоянно и одни и те же: чем бесплатная версия отличается от платной, какую версию ставить и сколько в итоге отдавать.

За производством на нефтехимическом заводе следят сотни камер. Они смотрят на конвейеры с продукцией, на колбы с жидкостью, на рабочие зоны, где люди должны быть в касках. Если что-то идёт не так, у системы есть пять секунд, чтобы заметить это и сообщить оператору.

Сама камера только снимает. А замечает проблемы и рассылает уведомления программа, которая обрабатывает видео с камер. Этой программой тогда занимались мы, разработчики. И на заводе нам мало что можно. 

Влезать в оборудование запрещено: производство нефтехимическое, даже датчик не поставишь. Облака тоже нет — серверы стоят в закрытом контуре, без выхода в интернет. Выключить систему на обновление нельзя: производство работает без остановки. А все вычисления идут на обычных процессорах, видеокарт у нас нет. 

Меня зовут Даниил Блинов. Когда мы перестраивали систему, я был техлидом команды видеоаналитики СИБУРа. Сейчас работаю в другой команде. Про то, как мы ускорили обработку видео в 28 раз без видеокарт, я уже рассказывал на Хабре.

Эта статья — про то, как мы перестроили систему видеоаналитики под сотни камер на тех же серверах и без остановки. Глубоко в машинное обучение и компьютерное зрение погружаться не придётся, расскажу простым языком. 

Они умирают на 4% чаще.

Очень характерная картина: приходит к нам в лабораторию знакомая с пакетом из аптеки, показывает. Там магний «от стресса и судорог», цинк «от прыщей», селен «для щитовидки», железо «для бодрости», ещё какой-то комплекс «для волос и ногтей».

Ей блогеры в рилсах посоветовали.

Мы смотрим на гору баночек. Потом друг на друга.

— А ты вообще знаешь, что из этого с чем дружит, а что друг друга гасит?

— Нет.

А так-то среди этой кучи была пара минералов, которые при долгом совместном приёме тихо воюют друг с другом.

Поэтому давайте разбираться, зачем и, главное, нафига вам в принципе могут понадобиться минеральные комплексы и что может пойти не так. Если очень коротко, есть лагерь «минералы выдумали маркетологи, всё это не работает» и «вы станете человеком 2.0».

Обе стороны неправы.

Владельцы компьютеров на Intel давно живут по простому правилу: хотите процессор новее, готовьтесь менять и материнку. Все из-за того, что сокет у синих редко переживает больше двух поколений, после чего платформа становится неактуальной. В начале сентября в сеть попал слайд из презентации одного из официальных дистрибьюторов Intel в Китае, на котором это правило вроде как обещают сломать. Новый сокет LGA1954 должен принять сразу три семейства процессоров. Чем-то это напоминает ответ на AM5, которому AMD продлила жизнь до 2029 года . Но прежде чем откладывать апгрейд ради новой платформы, стоит понять, насколько этому слайду можно верить.

Codey ведёт задачу от Jira до работающей фичи. Рассказываем, как устроена наша мультиагентная AI-система и почему для внедрения AI в разработку одной сильной модели мало: нужны чёткие требования, подготовленные проекты и измеримые проверки.

Если у вас PostgreSQL с включённым row-level security и ночной pg_dump по таймеру, откройте каталог с бэкапами и сравните размеры вчерашнего и позавчерашнего дампов. Если файлы подозрительно одинаковые и маленькие, возможно, у вас нет ни одного рабочего бэкапа. У нас так было не меньше двух недель.

sync.Pool легко принять за простой способ снизить аллокации: бенчмарк показывает ускорение, код уезжает в прод — а там пул внезапно теряет нужные объекты и удерживает раздутые буферы. Разбираемся, как sync.Pool на самом деле взаимодействует с GC, почему синтетические тесты могут вводить в заблуждение и в каких условиях эта оптимизация действительно окупается.

OpenAI выложила в открытый репозиторий сотни математических результатов, полученных с помощью внутренней модели. Но доступность файлов ещё не означает, что доказательства проверены и готовы к использованию. Математики требуют прозрачного описания методов, корректных ссылок на предшествующие работы и понятных правил авторства.

Питч инвесторам прогоняют по десять дублей. Разговор с сооснователем о долях не репетируют никогда — и начинают его, когда договариваться уже поздно. Разбираем типовую историю: доли 50/50, один в проекте фултайм, второй на найме, и каждый считает себя обманутым.

Последние пару лет мы довольно странно используем большие языковые модели.

Из-за их умения делать всё мы пытаемся решить с их помощью всё — роутинг запросов, модерацию, оценку и многое другое. При этом такой сетап инженерно некрасивый: у нас есть модели, которые умеют вести диалог, хорошо программировать и писать статьи, но немалую часть времени инференса они тратят на ответы на достаточно простые вопросы с двумя-тремя вариантами ответов.

Это работает. Но выглядит как доставка упаковки сырников на завтрак на огромной фуре, а альтернатива — обучать отдельную модель под каждую задачу. В сентябре 2026 года вокруг этой проблемы сформировался отдельный класс моделей — Decision Models. 15 сентября TypeSafe показали Jev, а дальше модели принятия решений полетели со всех сторон.

Мне ооочень нравится этот класс моделей, и потому возник простой вопрос: а насколько хорошо это работает в реальной жизни и можно ли тащить это в прод?

Чтобы ответить на этот вопрос, я сконструировал бенчмарк для сравнения качества, скорости и стоимости принятия решений. Будем тестировать и облачные, и self-hosted модели: Perplexity Decider 27B, TypeSafe Jev, Fastino GLiDE и GLiNER2.5-Decide, Cloudflare Clef 27B, OpenAI GPT-6 Luna Decisions, Liquid d1, Kev-9B, Cloudflare Clef-flash 9B, FRIDA-Decisions (и FRIDA Embedder) и Laya Typed Decisions.

Погнали!

Три публикации могут пересказывать одно заявление, а одинаковые числа — описывать разные вещи. На примере российских материалов о деле «ХимПрома» разбираем, как сохранить происхождение сведений и заметить изменения при пересказе. Внутри — небольшой скрипт на Python, сравнение формулировок и проверки, которые помогают не превратить подборку ссылок в ложную уверенность.

Мы очень давно — более 10 лет — говорим о безопасности k8s. Это второй опенсорс‑проект в мире после Linux, а в РФ только «ванильным кубом» пользуются более 53% компаний (не считая коммерческие и облачные Managed K8s), десятки best practices и подходов, а инструментов только под Security больше 100. 

Казалось бы, всё должно быть хорошо. 

Однако с безопасностью k8s всё ещё плохо. К примеру, судя по отчёту Red Hat “State of Kubernetes Security 2024” в 2024, 46% компаний понесли убытки из‑за недостаточной безопасности Kubernetes, в 9 из 10 организаций произошел минимум один инцидент, связанный с безопасностью контейнеров или Kubernetes. 

Причина проста — инструменты сами по себе не дают требуемого уровня безопасности. Поставить сканер — не значит быть защищенным. Включить политики — не значит, что они работают. Написать требования — не значит, что их будут выполнять. 

Здесь нужен системный подход. Меня зовут Александр, я лид направления безопасности K8S и облаков в Альфа‑Банке. С нуля стартовал, построил и сейчас сопровождаю и развиваю ИБ K8S. Моя статья об этом — как выстроить безопасность K8S как систему (функцию) в компании и масштабировать её в окружении сотен кластеров. Обсудим, какие процессы работают, какую зону ответственности должна занимать команда и как её собрать. 

Сразу оговорюсь — моя статья не туториал о том, как настроить очередной инструмент или закрыть угрозу одним из десяти способов (что, безусловно, важно), она о процессах и будет интересна, в первую очередь, лидам.

Google выпустила Nano Banana 2.1 и обещает улучшения «по всем фронтам»: качество, текст в кадре, консистентность персонажей при многократном редактировании, инфографика. Я прогнал три одинаковых промпта через Nano Banana 2 и 2.1 и посчитал результаты по чек-листу. Новая версия выиграла не там, где обещали.

Сразу оговорюсь про масштаб: это не бенчмарк. Три задачи, по одному прогону на модель, один оценщик. Такой прогон показывает, где искать разницу, а не измеряет её. Числа Google я привожу отдельно, и отдельно отмечаю: независимых замеров на 8 октября 2026 года нет, все издания о релизе ссылаются на одну таблицу разработчика.

Клиент оплатил доступ на сутки в 01:00, а первый ответ получил в 10:00. Если срок отсчитывается от оплаты, на переписку осталось 15 часов.

Разбираю, как определить объём консультации и SLA, согласовать старт с графиком эксперта и связать оплату через Telegram Stars с доступом. В статье — настройка переписки через готовый сервис и требования к своему бэкенду: повторные платёжные события, возвраты и вопросы на границе оплаченного срока.

Я сравнил девять самых популярных скиллов для Claude Code с пустышкой: нейтральным текстом той же длины, без единого совета, как работать. Агент 450 раз решал задачи из SWE-bench и Terminal-Bench со скиллом, с пустышкой и вообще без ничего.

superpowers, у которого почти 300 тысяч звёзд, от пустышки не отличился. Один скилл оказался хуже неё. И ни один из девяти не сделал работу дешевле, чем без скилла: часть денег уходит просто на то, что скилл лежит в контексте.

Ниже расскажу, какие два всё-таки сработали и как в день публикации я нашёл у себя ошибку, которая поменяла один из вердиктов.