C# (C Sharp) programming
По всем вопросам- @notxxx1 Реестр РКН: https://clck.ru/3Fk3kb #VRHSZ
Больше📈 Аналитический обзор Telegram-канала C# (C Sharp) programming
Канал C# (C Sharp) programming (@csharp_ci) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 17 944 подписчиков, занимая 7 284 место в категории Технологии и приложения и 36 489 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 17 944 подписчиков.
Согласно последним данным от 14 ноября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -128, а за последние 24 часа — -2, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 16.66%. В первые 24 часа после публикации контент обычно набирает 8.23% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 2 991 просмотров. В течение первых суток публикация набирает 1 477 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 0.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как .net, api, логика, архитектура, string.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“По всем вопросам- @notxxx1
Реестр РКН: https://clck.ru/3Fk3kb
#VRHSZ”
Благодаря высокой частоте обновлений (последние данные получены 15 ноября, 2026) канал поддерживает актуальность и высокий уровень охвата публикаций. Аналитика показывает, что аудитория активно взаимодействует с контентом, что делает его важной точкой влияния в категории Технологии и приложения.
var ids = await db.Customers
.Where(c => c.Country == country)
.Select(c => c.Id)
.ToListAsync(ct);
return await db.Orders
.Where(o => ids.Contains(o.CustomerId))
.ToListAsync(ct);
На тестовой базе всё работает. Но что произойдёт, когда ids будет содержать 50 000 элементов?
Ответ зависит от версии EF Core и используемой СУБД.
EF Core 7 и старше: значения обычно подставлялись прямо в SQL через IN (1, 2, 3, ...). Это приводило к генерации разных SQL-запросов и засорению кеша планов выполнения.
EF Core 8 и 9: для SQL Server коллекцию стали передавать одним JSON-параметром и распаковывать через OPENJSON. SQL стал стабильнее, но оптимизатору сложнее оценивать количество элементов.
EF Core 10: появился новый подход с отдельными параметрами и дополнением их количества до определённых размеров. Это помогает оптимизатору точнее оценивать запросы. Для очень больших коллекций возможен возврат к JSON-параметру.
Но здесь есть проблема посерьёзнее.
Мы сначала загружаем 50 000 ID из базы в память приложения, а затем отправляем их обратно в ту же базу.
В данном случае лучше оставить выборку внутри SQL:
return await db.Orders
.Where(o => db.Customers
.Where(c => c.Country == country)
.Select(c => c.Id)
.Contains(o.CustomerId))
.ToListAsync(ct);
EF Core сможет перевести выражение в SQL-подзапрос без промежуточной загрузки ID.
А если идентификаторы пришли извне, стоит рассмотреть временные таблицы, TVP для SQL Server или пакетную обработку.
Вопрос на собеседовании здесь не только в том, какой SQL генерирует EF Core. Гораздо интереснее спросить: откуда вообще взялись эти 50 000 ID?break / continue.
Пример Union Types:
public union Result(Product, ProductNotFound);
var result = new Product(42, "Keyboard");
string message = result switch
{
Product p => p.Name,
ProductNotFound e => $"Not found: {e.Id}"
};
Производительность и SDK
- Native AOT CLI Host для ускорения запуска команд.
- Постоянно работающий MSBuild Server.
- Сотни оптимизаций JIT и runtime.
- Улучшения Native AOT и аппаратных инструкций.
ASP.NET Core и Blazor
- Асинхронная валидация.
- OpenAPI 3.2 по умолчанию.
- Улучшения SignalR и Blazor.
- Новые экспериментальные компоненты для создания агентных интерфейсов.
ИИ и агенты
- Шаблон MCP Server: dotnet new mcpserver.
- Microsoft.Extensions.AI для интеграции моделей.
- Microsoft Agent Framework для агентов и рабочих процессов.
- Интеграция агентных интерфейсов с Blazor через AG-UI.
Другие изменения
- EF Core 11: улучшения LINQ, SQL и поддержка векторных индексов SQL Server.
- .NET MAUI переходит на CoreCLR в качестве стандартного runtime.
- Встроенная поддержка Zstandard.
- Новые API для работы с JSON, процессами и памятью без лишнего копирования.
.NET 11 относится к ветке STS и получает два года поддержки. .NET 10 остаётся вариантом LTS.
Релиз: https://devblogs.microsoft.com/dotnet/announcing-dotnet-11/
Документация: https://learn.microsoft.com/dotnet/core/whats-new/dotnet-11/english(). Она считала три группы символов:
- Гласные: a, e, i, o, u.
- Частые буквы: e, t, a, i, o, n.
- Редкие буквы: v, j, k, q, x, z.
Финальная проверка выглядела так:
return (
vow * 5 >= n - ct[' '] &&
freq >= 10 * rare
);
То есть гласных должно быть достаточно относительно числа символов без пробелов, а частые буквы должны встречаться минимум в десять раз чаще редких.
Были и дополнительные фильтры: слишком короткие фрагменты не проверялись, учитывались пунктуация и символы, характерные для кода.
Это эвристика, а не полноценное распознавание языка. Но для практической задачи - отличить похожий на английскую прозу текст от других данных – хватало нескольких счётчиков и простых условий.
https://www.tuhs.org/cgi-bin/utree.pl?file=V7%2Fusr%2Fsrc%2Fcmd%2Ffile.cnet11.0 больше не требуется включать EnablePreviewFeatures.
В C# 15 появились union types, закрытые иерархии, extension-индексаторы и именованные break и continue. А System.Text.Json получил поддержку объединений C# и F#, а также вывод JSON Lines.
В стандартные библиотеки добавили Zstandard, FullJoin в LINQ и типы Decimal32, Decimal64, Decimal128 по стандарту IEEE 754. Новые потоки позволяют оборачивать данные в памяти без копирования.
NativeAOT ускоряет вызовы через интерфейсы. JIT лучше убирает проверки границ массивов, лишние ветвления и виртуальные вызовы.
Из повседневного: dotnet run -e для переменных окружения, #:include для приложений из нескольких файлов и новые возможности dotnet test.
Перед обновлением стоит проверить серверы: в .NET 11 повышены минимальные требования к наборам инструкций процессора.
https://learn.microsoft.com/en-us/dotnet/core/whats-new/dotnet-11/overview
typedef unsigned angle_t;
fixed_t sine =
finesine[angle >> ANGLETOFINESHIFT];
Здесь происходит обычный битовый сдвиг и чтение элемента массива. Никаких вызовов sin() во время выполнения.
Для вычисления углов между точками использовалась другая таблица:
return tantoangle[
SlopeDiv(y2 - y1, x2 - x1)
];
В реальном коде R_PointToAngle2 также учитывает квадранты, чтобы правильно обрабатывать направления.
Почему это было важно? В 1993 году процессоры не могли позволить себе тысячи дорогих тригонометрических вычислений на каждом кадре. Целочисленная арифметика и lookup-таблицы помогали поддерживать высокую скорость рендеринга.
По сути, Кармак обменял немного памяти на вычислительную производительность.
Сегодня подобный подход всё ещё встречается в embedded-разработке, DSP, игровых движках и других системах, где важна предсказуемая скорость вычислений.async/await или хитрых библиотек.
Что выведет этот код?
var h = new Holder();
h.Counter.Inc();
Console.WriteLine(h.Counter.Value);
struct Counter
{
public int Value;
public void Inc() => Value++;
}
class Holder
{
public Counter Counter { get; set; }
}
Варианты ответа:
А) 0
Б) 1
В) Ошибка компиляции
Г) NullReferenceException
Какой вариант выбираете?🟦 за какими данными на самом деле охотятся; 🟦 как собирается цепочка "угроза → уязвимость → атака" на реальных примерах; 🟦 базовый алгоритм, чтобы защитить себя и свои системы; 🟦 какие профессии есть в ИБ, кто чем занимается и сколько платят.Внутри ещё можно бесплатно записаться на личный разбор карьерного трека в ИБ.
package hello
import System
data class Point(X int32, Y int32)
let origin = Point(0, 0)
let moved = origin with { X = 3 }
Console.WriteLine(moved == Point(3, 0))
// True
data class даёт структурное сравнение, а with создаёт копию с изменёнными полями.
Что ещё есть:
- Контроль `null`: отдельный тип T?, конструкции if let, guard let, операторы ?. и ??.
- Конкурентность: каналы chan, запуск задач через go и блоки scope, которые дожидаются дочерних задач и передают их ошибки.
- Совместимость с .NET: LINQ, P/Invoke, события и обычные сборки, доступные из C# и F#.
- Инструменты: языковой сервер, расширения для VS Code и Visual Studio, REPL, форматтер и конвертер C# → G#.
Для запуска нужен .NET 10 SDK:
dotnet new install Gsharp.Templates
dotnet new gsharp-console -n MyApp
cd MyApp
dotnet run
Проект открыт под MIT. Производительность и полноту совместимости стоит оценивать отдельно: сам набор возможностей ещё не доказывает готовность языка к вашему проекту.
https://github.com/DavidObando/gsharpdotnet.js и DLL приложения.
В тесте автора программа, выводящая 42, занимает:
- NetWasm — 47 895 байт, включая GC.
- Rust — 53 635 байт с настройками оптимизации размера.
Оба результата — компоненты WASI Preview 2. Это сравнение одной небольшой программы, а не универсальная победа C# над Rust.
Уже доступны LINQ, HTTP, JSON, XML, Regex, экспорт в JavaScript и запуск в Web Workers.
Ограничения есть: проект ещё до версии 1.0, поддерживает часть .NET API; нет полноценной runtime-рефлексии, dynamic и управляемых потоков. Совместимость с NuGet зависит от используемых API. У компилятора отдельная Community License с условиями для коммерческого использования.
https://github.com/zion-sati/NetWasmRetry-After нужно настроить явно.
https://antondevtips.com/blog/aspnet-core-rate-limiting-algorithms-explainedSKILL.md для ИИ-агентов. Его можно читать и как обычный технический справочник.
Внутри:
- Поиск узких мест: dotnet-counters, dotnet-trace, Linux perf и анализ машинного кода JIT.
- Память и многопоточность: аллокации, GC, конкуренция за блокировки и false sharing.
- Настройка выполнения: ThreadPool, сокеты, JIT и параметры NativeAOT.
- Оптимизация C#: SIMD, работа со строками и ASP.NET Core.
Автор предлагает подключать документ по необходимости, когда появилась конкретная задача ускорения.
Порядок работы простой: замерить исходную производительность → найти причину → менять по одному параметру → сохранять только измеримый выигрыш.
Часть рекомендаций рассчитана прежде всего на бенчмарки. Настройки могут обменивать память на скорость или увеличивать нагрузку на CPU, поэтому переносить их в продакшен стоит после проверки на своей нагрузке.
https://github.com/EgorBo/BlazingFastDotnet