DevOps

Ищем Senior Rendering Engineer (C++) в команду 3D-карты 2ГИС Мы делаем карту более реалистичной: работаем над рельефом, дорогами, развязками, тоннелями, анимациями и графическими эффектами. Внутри — собственный 3D-движок на C+20 (500k строк кода), современные графические API (Vulkan, Metal, OpenGL), шейдеры, сложные алгоритмы и задачи производительности. Будет интересно, если вам нравится компьютерная графика, низкоуровневая разработка и создание продукта, который ежедневно используют миллионы людей. Удалённо из РФ или из офисов 2ГИС. ДМС, обучение, конференции и возможность напрямую влиять на развитие 3D-карты. Подробнее Другие инженерные инсайты от 2ГИС → в Telegram-канале RnD

Один человек написал код, который сегодня работает на 20+ млрд устройств Даниэль Стенберг начал cURL в 1996 году как маленькую утилиту для скачивания файлов из интернета. Без большой команды. Без венчурных денег. Без хайпа. Просто писал open-source инструмент в свободное время. Почти 30 лет спустя cURL стал тихим фундаментом интернета. Он есть в iPhone, Android, PlayStation, Tesla, серверах, приложениях, сайтах и куче устройств, о которых мы даже не думаем. Его используют Spotify, YouTube, Netflix, Instagram и тысячи других сервисов. NASA даже использовала cURL на марсианском вертолёте Ingenuity. То есть код Стенберга буквально летал на другой планете. Самое безумное - первые 23 года он не зарабатывал на cURL ничего. Триллионные компании строили продукты на его коде, а он продолжал бесплатно поддерживать проект и отвечать на баг-репорты. В 2017 году король Швеции вручил ему премию Полхема - впервые в истории эту награду получил open-source проект. В 2019 году Стенберг наконец начал работать над cURL фултайм в wolfSSL. В 2025 году получил золотую медаль IVA от Королевской шведской академии инженерных наук. Но по сути ничего не изменилось: он всё ещё пишет код из домашнего офиса в Стокгольме и сам отвечает на GitHub issues. Почти 30 лет человек делал инструмент, который работает в фоне и держит огромную часть интернета. Без громких презентаций. Без миллиардных раундов. Просто хороший код, который пережил почти всё.

🚀 RSS и виртуальная память - не одно и то же Хороший пример для тех, кто путает virtual memory и реальное потребление памяти в Linux. Когда процесс делает mmap, он может зарезервировать большой кусок виртуального адресного пространства, например 1 GB. Но это ещё не значит, что процесс реально занял 1 GB физической памяти. Физические страницы появляются только тогда, когда программа реально к ним обращается: - mmap создаёт отображение в адресном пространстве - запись в region[0] или region[4096] заставляет ядро выделить физические страницы - RSS растёт, потому что теперь за частью адресов стоит реальная память - madvise(..., MADV_DONTNEED) говорит ядру: эти страницы больше не нужны - Linux может освободить физическую память - само виртуальное отображение при этом остаётся Именно поэтому после MADV_DONTNEED RSS падает, но virtual memory почти не меняется. Адреса всё ещё зарезервированы, просто за ними больше нет физических страниц. А если потом снова записать в region[0], произойдёт page fault, и Linux заново подложит физическую страницу по требованию. Редкий, но важный момент для backend, runtime, баз данных и всего, где память измеряется не глазами в top, а пониманием того, что именно показывает метрика.

⚡️ GitHub ударил по vibe coding GitHub выкатил Spec Kit - набор инструментов для разработки с AI-агентами, где сначала появляется спецификация, а уже потом код. И это важный сдвиг. Проблема vibe coding не в том, что модели слабые. Проблема в том, что ты кидаешь агенту идею в стиле «сделай мне приложение», а дальше он сам додумывает требования, архитектуру, ограничения и порядок работы. Иногда попадает. Чаще начинает уверенно строить не то. Spec Kit предлагает другой процесс: сначала зафиксировать правила проекта, уточнить требования, выбрать стек, разбить работу на задачи и только потом запускать реализацию. Основной workflow выглядит так: - /speckit.constitution - правила проекта: качество, тесты, архитектура, ограничения - /speckit.specify - что нужно построить и зачем, без преждевременного выбора стека - /speckit.clarify - агент задаёт вопросы по мутным местам до старта разработки - /speckit.plan - технический план, стек, архитектурные решения - /speckit.tasks - список задач с зависимостями и порядком выполнения - /speckit.implement - реализация по уже собранному плану Главная идея простая: агенту больше не дают «мечту в одном абзаце» и не надеются, что он не уедет в сторону. Ему дают живую спецификацию. Она описывает, что строим, почему именно так, какие ограничения есть, в каком порядке идти и по каким критериям проверять результат. И, похоже, GitHub прямо показывает, куда всё идёт: AI-агенты будут писать всё больше кода, но нормальная разработка всё равно начинается не с автокомплита, а с ясных требований. github.com/github/spec-kit

Создатели Unix сами устали от Unix - и в Bell Labs начали строить ему замену. Кен Томпсон, Деннис Ритчи и Роб Пайк почти десятилетие работали над Plan 9. Название взяли из старого трэшового sci-fi фильма Plan 9 from Outer Space, как внутреннюю шутку. Но сама система была совсем не шуткой. Plan 9 пыталась довести идеи Unix до логического конца. Если в Unix «всё файл» звучало как красивая философия, то в Plan 9 это стало реальной архитектурой. Файлами выглядели устройства, процессы, сеть, окна, удалённые машины. Всё собиралось в единое пространство имён, с которым можно работать одинаковыми инструментами. Самые сильные идеи Plan 9: - единое пространство имён для файлов, устройств, процессов, сети и графики - личный вид системы для каждого пользователя - распределённые вычисления как основа, а не отдельная надстройка - UTF-8, который потом стал стандартом для всего интернета - сетевые идеи, которые позже повлияли на Linux, Android и контейнеры - подходы, которые Роб Пайк позже перенёс в Go В 2000 году Plan 9 открыли бесплатно. Можно было запускать, менять, изучать и использовать без лицензий уровня Windows и без привязки к железу Apple. Но массовым он так и не стал. Linux забрал внимание индустрии, Unix-наследие осталось везде, а Plan 9 превратился в систему, которую знают в основном системные программисты и любители красивых ОС. Ирония в том, что Plan 9 проиграл как продукт, но выиграл как источник идей. UTF-8, распределённая модель, namespaces, сетевой подход, влияние на Go - всё это живёт в современных системах до сих пор. Мир почти не заметил Plan 9. Зато взял у него кучу идей.

Когда инфраструктура перестаёт соответствовать текущим нагрузкам, компаниям приходится принимать решение о переезде в новое окружение. Чтобы сделать этот процесс менее затратным, Yandex Cloud предлагает программу миграции. Она рассчитана на организации, которые переходят из других облаков, хостингов или собственных дата-центров. В рамках программы можно получить грант на 60 дней использования облачной платформы, консультации архитектора по подготовке плана миграции и поддержку персонального менеджера. Грант покроет все расходы на миграцию, размер рассчитывается индивидуально. В распоряжении пользователей Yandex Cloud — более 75 сервисов и 4 собственных дата-центра для работы с инфраструктурой, данными и приложениями. Расходы зависят только от объёма реально потреблённых ресурсов. Подайте заявку до 20 июня и получите поддержку при миграции в Yandex Cloud.

Как автоматизировать работу с выделенными серверами без слез и костылей Разбираемся на бесплатном вебинаре от Selectel. Присоединяйтесь, чтобы узнать, как работать с Terraform на выделенных серверах, чем подход Infrastructure as Code может быть полезен для бизнеса и как устроен Bare Metal Cloud в Selectel. Все участники вебинара получат промокод на 3000 бонусов в панели Selectel. 📍 Онлайн ⏰ 16 июня в 12:00 Регистрируйтесь ➡️ https://slc.tl/h2fy7 Больше мероприятий для ИТ-специалистов в канале @selectel_events. Подписывайтесь! Реклама. АО "Селектел". erid:2W5zFJ3GM5s

🔍🚀 Умный сканер уязвимостей для вашего кода deepsec — это мощный инструмент для обнаружения скрытых уязвимостей в больших кодовых базах. Он использует агентскую архитектуру для параллельного выполнения задач и предлагает глубокий анализ, позволяя быстро находить и устранять проблемы. Идеален для крупных проектов, где важна скорость и точность. 🚀Основные моменты: - Обнаружение сложных уязвимостей в коде - Параллельная обработка для больших репозиториев - Поддержка различных AI-провайдеров - Возможность работы в песочнице Vercel для безопасности - Интуитивно понятный интерфейс и документация 📌 GitHub: https://github.com/vercel-labs/deepsec #typescript

Что общего у SRE и рыбаков? «GitOps = реальность» — это миф? Не создаёт ли Chaos Engineering ещё больше хаоса?.. Звучит как те самые внезапные вопросы перед сном в будний день 👀 И, кстати, ответ на все три у нас имеется! Правда, не здесь, а в подкасте «В SREду на кухне» — его ведут опытные инженеры из Авито. Они обсуждают наболевшее, приглашают внешних гостей и коллег, а также делятся дополнительными инсайтами, статьями по теме и анонсами встреч в своём канале. Советуем подписаться и сохранить на будущее пару выпусков 🧠

🚀 Удобная система сборки для нескольких языков с rigx rigx — это экспериментальная система сборки для C, C++, Go, Rust, Zig, Nim и Python, которая упрощает процесс разработки, обеспечивая изоляцию и кэширование. Все зависимости управляются автоматически, а сборки выполняются в песочнице, что исключает проблемы с "работает на моем компьютере". 🚀 Основные моменты: - Простая декларативная конфигурация через rigx.toml. - Поддержка многопоточности и интеграционных тестов. - Кэширование выходных данных для ускорения сборок. - Совместимость с Nix для управления зависимостями. 📌 GitHub: https://github.com/unofficialtools/rigx #python

⚡️ Machine Learning Roadmap 2026: большая карта входа в ML без сказок про “нейросети за месяц Большой русскоязычный roadmap по машинному обучению: от первого import numpy до LLM, RAG, fine-tuning, AI-агентов и MLOps и даже вабкодинга. Внутри нормальная структура: что учить, в каком порядке, зачем это нужно и что должно получиться на практике после каждого этапа. Roadmap разбит на 7 треков: 1. Фундамент: Python, математика, статистика, инструменты 2. Классический ML: scikit-learn, табличные данные, метрики, валидация 3. Deep Learning: PyTorch, CNN, RNN, training loop 4. LLM и трансформеры: attention, KV-cache, RAG, LoRA, агенты 5. Generative AI: изображения, видео, аудио, мультимодальность 6. MLOps и прод: Docker, Kubernetes, CI/CD, monitoring, serving 7. Специализация: CV, NLP, RecSys, RL, Safety Roadmap не продаёт иллюзию “обучил модель - стал ML-инженером”. В реальной работе много времени уходит на данные, метрики, деплой, мониторинг, воспроизводимость и разбор ошибок. Модель - только часть системы. Хорошая мысль из roadmap: LLM не делает джуна сеньором. Она ускоряет того, кто уже понимает базу. Без базы человек просто становится оператором Copilot, который не может объяснить, почему всё сломалось. По времени тоже без сказок: 1. 0-3 месяца: математика, классический ML 2. 3-6 месяцев: Deep Learning и PyTorch 3. 6-12 месяцев: LLM, RAG, fine-tuning, AI-агенты 4. 12+ месяцев: MLOps, прод, масштабирование, специализация Тут же собрано 7 болших бесплатных курсов по машинному обучению, математике и вайбкодингу! Если давно хотели зайти в ML системно, а не прыгать между роликами про ChatGPT, Stable Diffusion и “топ-10 библиотек”, это хороший ориентир. https://github.com/justxor/MachineLearningRoadmap

⚡️ Останови любую команду в Linux за секунды Есть простой, но очень недооценённый инструмент - timeout Он запускает команду с лимитом по времени. Если процесс завис или выполняется слишком долго, система просто завершит его сама Работает элементарно: timeout 30s команда Через 30 секунд всё остановится без твоего участия

FreeLLMAPI объединяет 12 бесплатных тарифов разных LLM-провайдеров за одним OpenAI-совместимым endpoint и даёт примерно до 1,3 млрд токенов в месяц. Что умеет: - streaming-ответы - tool calling - автоматическое переключение между провайдерами при сбоях - шифрованное хранение ключей - учёт token budget отдельно по каждому провайдеру - работа с любым OpenAI SDK - достаточно поменять base_url - поддержка Google, Groq, Cerebras, SambaNova, Mistral и других По сути, это прослойка, которая собирает бесплатные лимиты разных LLM-сервисов в один общий API. Для разработчика всё выглядит как обычный OpenAI-compatible endpoint, а под капотом запросы распределяются между провайдерами, учитываются лимиты и включается failover. https://github.com/tashfeenahmed/freellmapi

DevOps помогает обеспечить быстрые релизы и стабильную работу приложений. Но только если выстроен правильно. А все ли в порядке с вашим DevOps? Это легко проверить. Если: · не устраивает скорость и частота релизов · о сбоях узнаёте от пользователей · восстановление после инцидентов занимает часы · инфраструктура настраивается вручную · Возможно у вас есть проблемы. Оцените ваши DevOps-практики. Пройдите короткий опрос — 19 вопросов, 5 минут — и получите подробный отчет: · оценка текущего состояния · проблемные зоны · сравнение с рынком и лучшими практиками · план действий по улучшению Пройти опрос #реклама О рекламодателе

🕒 Управление Cron Jobs с Cronmaster Cronmaster — это современное веб-приложение для управления cron-заданиями с удобным интерфейсом. Оно поддерживает аутентификацию, REST API и интеграцию с Docker. Пользователи могут легко создавать, редактировать и отслеживать выполнение задач, а также получать информацию о системе в реальном времени. 🚀Основные моменты: - Современный интерфейс с поддержкой темной и светлой темы - Управление cron-заданиями и скриптами - Логирование выполнения задач с автоматической очисткой - Поддержка OIDC для единого входа - Полный REST API для интеграций 📌 GitHub: https://github.com/fccview/cronmaster #javascript

Удалили объект в S3-хранилище и поняли это слишком поздно? В S3 Selectel появилась функция Object Lock — дополнительная защита объектов от изменений и удаления на заданный срок. Даже если в хранилище уже настроены репликация, версионирование и доступы, все еще остается риск случайного удаления или действий шифровальщиков. Object Lock помогает дополнительно защитить данные. Функция работает по принципу WORM (Write Once, Read Many): версии объектов можно заблокировать так, чтобы их нельзя было изменить или удалить до окончания срока блокировки. Что можно сделать: 🔹 настроить временную блокировку объектов, 🔹 включить бессрочную блокировку Legal Hold, 🔹 сохранить данные даже при удалении проекта, пока блокировка активна. Особенно полезно для резервных копий, логов и критичных данных. ⚡️ Попробуйте S3 Selectel бесплатно на 30 дней и протестируйте Object Lock: https://slc.tl/7fjm6 Реклама. АО "Селектел". erid:2W5zFHHj8R7

📝 Легкий редактор заметок с Markdown и OCR qnote — это минималистичный десктопный редактор заметок, который поддерживает Markdown с живым предпросмотром, историю файлов и экспорт в PDF. Работает на Windows и Linux, предлагает удобный интерфейс и множество функций для эффективного редактирования. 🚀 Основные моменты: - Поддержка Markdown и живой предпросмотр - История версий и файлов с быстрым поиском - Экспорт в PDF и HTML - Встроенный OCR для извлечения текста из изображений - Кастомизация интерфейса и тем 📌 GitHub: https://github.com/omibranch/qnote

🧠 OpenChronicle: локальная память для AI-агентов OpenChronicle — это открытое решение для создания локальной, инспектируемой памяти для AI-агентов. Он захватывает контекст работы на вашем Mac и сохраняет его в виде структурированной Markdown-памяти, что позволяет агентам эффективно использовать информацию о ваших действиях и предпочтениях. 🚀 Основные моменты: - Локальное хранение данных на вашем устройстве - Поддержка различных моделей AI - Интеграция с любыми инструментами - Читаемая Markdown-память и локальная база данных SQLite - Открытый исходный код с возможностью расширения 📌 GitHub: https://github.com/Einsia/OpenChronicle #python

🧠 Hermes Agent: Умный AI с самообучением Hermes Agent — это самообучающийся AI-агент, который создает навыки из опыта и улучшает их в процессе использования. Он доступен на различных платформах, включая Telegram и Discord, и может работать на облачных серверах или локально. Уникальная функция — замкнутая обучающая петля, позволяющая агенту сохранять знания и адаптироваться к пользователю. 🚀 Основные моменты: - Самообучение и создание навыков на основе опыта. - Поддержка множества платформ и моделей. - Полноценный интерфейс TUI с историей разговоров. - Автоматизация задач с помощью встроенного планировщика. - Возможность работы в облаке с минимальными затратами. 📌 GitHub: https://github.com/NousResearch/hermes-agent #python