DevOps

Audiobookshelf — это бесплатный и открытый сервер для хранения и потоковой передачи аудиокниг и подкастов. Он позволяет организовывать вашу коллекцию, слушать книги в браузере или через мобильные приложения, а также делиться доступом с другими пользователями. 🔹 Основные возможности: - Поддержка аудиокниг и подкастов - Автоматическая загрузка метаданных и обложек - Встроенный веб-плеер и мобильные приложения - Многопользовательский доступ с ролями и разрешениями - Прогресс прослушивания синхронизируется между устройствами - Поддержка форматов MP3, M4B и других https://github.com/advplyr/audiobookshelf

Функция Аккермана: монстр рекурсии, который ставит в тупик даже самые умные алгоритмы Если ты когда-нибудь думал, что рекурсия в твоём коде слишком запутанная, то функция Аккермана покажет, что такое настоящая бездна. Это одна из самых известных в математике функций, которая растёт настолько быстро, что обычные представления о больших числа В чём суть. Берёшь сложение, умножение, возведение в степень, тетрацию и так далее. Все эти операции можно описать через примитивную рекурсию, то есть через простые вложенные циклы. Аккерман показал, что существует функция, которая вычислима, но при этом выходит за пределы примитивной рекурсии. То есть теоретически её посчитать можно, но никакой простой цикл с фиксированной глубиной её не опишет. Если подставить даже скромные значения, результат становится физически невозможно записать. Например, A(4, 2) уже содержит десятки тысяч цифр. A(4, 3) превосходит количество атомов во Вселенной. А дальше начинается совсем абсурд: значения функции улетают в бесконечность так быстро, что любые попытки их вычислить упираются в стек, память и здравый смысл. Почему это важно для разработчика и инженера машинного обучения. Функция Аккермана стала классическим тестом для компиляторов и интерпретаторов: на ней проверяют, как язык работает с глубокой рекурсией и хвостовой оптимизацией. Если ты хоть раз ловил StackOverflow на безобидном на вид коде, скорее всего где-то рядом был именно такой паттерн. В теории сложности и анализе алгоритмов обратная функция Аккермана α(n) появляется в оценках производительности структуры данных «система непересекающихся множеств». Эта функция растёт настолько медленно, что для всех практических входов её значение меньше 5. Поэтому амортизированную сложность операций часто считают почти константной. Получается красивый парадокс: одна из самых быстрорастущих функций даёт нам одну из самых медленнорастущих оценок сложности. Для тех, кто работает с AI и большими моделями, история Аккермана это напоминание о пределах вычислимости. Современные нейросети отлично аппроксимируют функции, но классы вычислимости и теория рекурсии задают фундаментальные границы того, что вообще может быть посчитано за разумное время. Когда мы рассуждаем о том, может ли LLM «решить» произвольную задачу, стоит помнить, что между «вычислимо» и «практически вычислимо» лежит пропасть, и функция Аккермана это её самый наглядный пример. Если хочешь поиграться, реализуй её на своём любимом языке и попробуй посчитать A(4, 1). Уже на этом значении большинство интерпретаторов начнут серьёзно страдать, и ты на практике почувствуешь разницу между теоретической вычислимостью и реальностью железа.

🔍🚀 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

Coinbase сокращает около 700 человек - это примерно 14% штата. CEO Coinbase Брайан Армстронг объясняет это просто: компания хочет стать меньше, быстрее и эффективнее, потому что ИИ уже позволяет небольшим командам делать то, для чего раньше требовалось больше людей. Coinbase не единственная. Технокомпании всё чаще упаковывают сокращения не только в историю про рынок, но и в историю про AI-native операционку. Похоже, главный эффект ИИ для бизнеса оказался не в красивых демках, а в очень скучной строке P&L: меньше людей, меньше затрат, быстрее выполнение задач. bloomberg.com/news/articles/2026-05-05/coinbase-to-cut-14-of-workforce-citing-volatile-markets-ai

🔥 Продвинутый Rust без учебных игрушек Базу уже прошли? Тогда следующий шаг - production-разработка. На Stepik идет скидка 60% на продвинутый курс по Rust для тех, кто хочет не просто знать синтаксис, а строить реальные системы. Внутри: async, unsafe, gRPC, lock-free, observability, Kafka, NATS, axum, tower, CI/CD и канареечный деплой. Финальный проект - production-ready feed-сервис от архитектуры до релиза. 21 модуль, 84 урока, 400+ проверочных шагов. Если хотите перейти от маленьких Rust-утилит к коммерческой разработке, сейчас хороший момент зайти: https://stepik.org/a/285608/pay

🔥 5 проектов, которые реально прокачают резюме DevOps / Cloud Если хочешь не просто «учил теорию», а показать реальные навыки - вот база, с которой уже берут на работу: Flask + двухуровневая архитектура https://github.com/prashantgohel321/DevOps-Project-Two-Tier-Flask-App Разберёшь деплой, контейнеризацию и базовую инфраструктуру Трёхуровневая архитектура в AWS (EKS + IaC) https://github.com/LondheShubham153/three-tier-eks-iac Практика Kubernetes, Terraform и продовой архитектуры Terraform на Azure https://github.com/piyushsachdeva/Terraform-Full-Course-Azure Полный цикл инфраструктуры как кода под Azure Observability стек (Prometheus + мониторинг) https://github.com/techiescamp/devops-projects/tree/main/04-prometheus-observability-stack Метрики, алерты и понимание что происходит в системе AI + DevOps https://github.com/iam-veeramalla/ai-assisted-devops Event-driven autoscaling (KEDA + GKE) https://github.com/ChimbuChinnadurai/keda-gke-event-driven-autoscaling-demo Первый шаг в MLOps https://github.com/iam-veeramalla/first-mlops-project Сохрани, чтобы не потерять

Microsoft просто не может перестать побеждать 💀

🔥 Лучшие БЕСПЛАТНЫЕ ресурсы по Linux в 2026 году 1. Linux Foundation Training https://training.linuxfoundation.org/training/introduction-to-linux/ 2. Linux Journey https://linuxjourney.com 3. Ubuntu Tutorials https://ubuntu.com/tutorials 4. Red Hat Training Resources https://developers.redhat.com/learn 5. Документация GNU https://gnu.org/manual 6. OverTheWire Bandit (Linux-варгеймы) https://overthewire.org/wargames 7. Книга The Linux Command Line https://linuxcommand.org/tlcl.php 8. MIT Missing Semester (Linux и CLI) https://missing.csail.mit.edu 9. Туториалы по Linux от DigitalOcean https://digitalocean.com/community/tutorials 10. Linux From Scratch https://linuxfromscratch.org 11. Arch Linux Wiki https://wiki.archlinux.org 12. Курс по Linux от freeCodeCamp https://freecodecamp.org/news/tag/linux 13. Linux Survival (интерактивное обучение) https://linuxsurvival.com 14. NDG Linux Essentials https://netacad.com/courses/os-it/ndg-linux-essentials 15. Bash Guide (руководство по Bash) https://tldp.org/LDP/Bash-Beginners-Guide/html

🖥 «Git Pro: от первого коммита до уровня senior» — на Stepik Пятница, 17:58. Вы пишете git push --force. И понимаете, что были не в той ветке. Дальше два сценария. Первый: холодный пот, звонок тимлиду, испорченные выходные. Второй: git reflog, две команды, всё на месте, идёте домой. Разница между этими сценариями - этот курс. Git изнутри. Rebase без страха. Конфликты по алгоритму. Pull Request, code review, защита веток, CI/CD. Три модели ветвления - выберете свою. Скидка 58%, 48 часов: https://stepik.org/course/284799/

👉 Linux - strace: один из самых недооценённых инструментов Он нужен в тот момент, когда приложение падает, не видит конфиг, не может найти библиотеку или ругается на файл, которого “вроде бы нет”. Обычно в такой ситуации начинают гадать: путь не тот, прав не хватает, переменная окружения сломалась, сервис запущен не от того пользователя. Но strace позволяет не гадать. Он показывает, к каким файлам процесс реально обращается во время работы. Не то, что написано в документации. Не то, что вы предполагаете. А то, что программа делает на самом деле. И вот тут часто всё становится очевидно: приложение ищет config не в той директории, лезет за библиотекой по старому пути, не может открыть сертификат или получает отказ из-за прав доступа. Это особенно полезно при отладке сервисов, Docker-контейнеров, странных production-багов и бинарников, у которых нет нормальных логов. Главная идея простая: когда Linux-программа ведёт себя непонятно, сначала посмотри её системные вызовы. https://www.youtube.com/shorts/iRnNQWKozSA

🌟 DOOM на CSS Представлен проект cssDOOM, подготовивший реализацию игры DOOM, использующую для отрисовки только CSS, без применения элемента canvas и WebGL. Всё что выводится на экран, включая спрайты, текстурированные стены, уровни и эффекты, оформлено через стилизованные при помощи CSS элементы <div>, размещаемые в 3D-пространстве при помощи CSS-свойств "transform" и"transform-style: preserve-3d". Игровая логика написана на JavaScript, используя в качестве эталона оригинальный код игры DOOM, открытый компанией id Software. Наработки проекта опубликованы под лицензией GPLv2. https://cssdoom.wtf/

Митап для тех, кто управляет инфраструктурой Selectel собирает сисадминов и тех, кто управляет инфраструктурой на традиционный митап с живыми дискуссиями, интерактивом и нетворкингом. 📅 6 мая, 19:00 📍Санкт-Петербург + онлайн Поговорим про ИИ в управлении инфраструктурой , новые ИИ-инструменты и поделимся своими историями из жизни на открытом микрофоне. Смотрите программу и регистрируйтесь: https://slc.tl/21io9 Реклама. ООО "Селектел-Лаб". erid:2W5zFHGfz5w

10 бесплатных ресурсов, которые светлые головы используют каждый день: must have для IT-специалистов и тех, кто учит ИИ Знаете, что объединяет фаундеров Airbnb, Stripe и Coinbase, аналитиков Goldman Sachs и инженеров из топовых AI-лабораторий? Все они пользуются ресурсами, за которые обычные люди готовы платить десятки тысяч долларов. А по факту эти материалы выложены в открытый доступ и абсолютно бесплатны. Я собрал десятку площадок, без которых сегодня сложно представить серьёзное обучение в IT, машинном обучении и анализе данных. Если вы давно собирались прокачать стек, но не знали, с чего начать, сохраняйте подборку в закладки. 1. Harvard CS50 Тот самый курс по Computer Science, с которого начинают первокурсники Гарварда. По итогу можно получить настоящий сертификат с подписью профессора. База алгоритмов, структур данных, C, Python, SQL и веба, на которой потом выстраивается всё остальное, включая ML. Сайт: cs50.harvard.edu 2. MIT OpenCourseWare Больше 2500 курсов MIT в открытом доступе. Те же лекции, которые слушают студенты, отдающие за обучение под 80 тысяч долларов в год. Внутри есть отличные потоки по линейной алгебре, теории вероятностей и оптимизации, без которых в современный AI заходить почти бесполезно. Сайт: ocw.mit.edu 3. Y Combinator Startup School Тот самый плейбук, по которому YC обучает основателей Airbnb, Stripe и Coinbase. Полезно не только тем, кто запускает свой стартап, но и инженерам, которые хотят понимать, как устроены продуктовые решения и почему ML-команды строят процессы именно так. Сайт: startupschool.org 4. Berkshire Hathaway Letters Ежегодные письма Уоррена Баффетта инвесторам с 1977 года. Хедж-фонды перечитывают их каждый год. Для разработчиков и аналитиков это бесплатный курс по тому, как думать о бизнесе, рисках и долгосрочных решениях. Сайт: berkshirehathaway.com/letters 5. SEC EDGAR Реальная система отчётности, которой пользуется Уолл-стрит. Можно в режиме реального времени смотреть, что покупают и продают крупнейшие фонды и публичные компании. Идеальный датасет для тех, кто строит финансовые модели или тренирует LLM на корпоративных отчётах. Сайт: sec.gov/edgar 6. Stanford Online Курсы Стэнфорда по Computer Science, инженерии и машинному обучению. Те самые лекции, по которым в своё время преподавал Эндрю Ын. Если хочется идти от классической ML-математики к современному deep learning, начинать стоит именно отсюда. Сайт: online.stanford.edu 7. PubMed Central Полный архив медицинских исследований от NIH. Журналы берут по 40 долларов за статью, а здесь миллионы работ доступны просто так. Огромный пласт качественных научных текстов, который часто используют для обучения и оценки биомедицинских LLM. Сайт: ncbi.nlm.nih.gov/pmc 8. World Bank Open Data Все экономические датасеты Всемирного банка. Те же данные, за которые платят аналитики Goldman Sachs. Идеальная песочница для аналитиков, дата-сайентистов и тех, кто хочет потренироваться на реальных временных рядах. Сайт: data.worldbank.org 9. OpenLibrary Бесплатный сервис книг от Internet Archive. Миллионы книг без читательского билета и подписки. Полезно для всех, кто хочет глубоко погружаться в темы, а не ограничиваться обзорными статьями. Сайт: openlibrary.org 10. Project Gutenberg Больше 70 тысяч классических книг полностью бесплатно. От Платона до Толстого. Помимо удовольствия от чтения, это ещё и отличный корпус текстов на разных языках для NLP-экспериментов. Сайт: gutenberg.org Гарвардское образование стоит около 250 тысяч долларов. MBA обойдётся в 200 тысяч. Подписка на Bloomberg Terminal: 25 тысяч в год. Место в Y Combinator забирает 7% вашей компании. А по факту вы только что получили доступ ко всему этому совершенно бесплатно.

🖥 Как устроен Kubernetes Kubernetes-кластер состоит из двух основных частей. Первая - Control Plane. Это мозг системы, который управляет кластером и принимает решения. Вторая часть - Worker Nodes. Это серверы, на которых запускаются контейнеры и реальные приложения. В Control Plane несколько ключевых компонентов. API Server является точкой входа в кластер - через него проходят все команды и запросы. Scheduler выбирает, на каком узле запускать новые Pod. Controller Manager следит за состоянием системы и автоматически восстанавливает сервисы при сбоях. etcd хранит конфигурацию и текущее состояние всего кластера. Worker Nodes выполняют приложения. Pod - это минимальная единица развертывания, внутри которой работают контейнеры. Container Runtime запускает контейнеры на сервере. kubelet является агентом узла и следит за тем, чтобы контейнеры работали как описано в конфигурации. kube-proxy отвечает за сетевое взаимодействие и маршрутизацию трафика внутри кластера. Если упростить, Control Plane управляет кластером, а Worker Nodes запускают контейнеры и приложения. Кластер Kubernetes Control Plane API Server - точка входа в кластер Scheduler - назначает Pod на узлы Controller Manager - поддерживает состояние кластера etcd - хранилище конфигурации и состояния Worker Nodes Pods - минимальная единица развертывания Container Runtime - запускает контейнеры kubelet - агент узла kube-proxy - сеть и маршрутизация https://www.youtube.com/shorts/OtNY1e4LGts

«начните бесплатный пробный период». «введите данные вашей карты»

Венец open-source эволюции: кто-то создал Shreknux - Linux-дистрибутив, полностью посвященный Шреку. Тут все как надо: болотная эстетика, интерфейс в стиле мультфильма и вход в систему через кнопку «Enter the swamp». Не баг, а культурное наследие. Кажется, у нас наконец появился действительно веский повод перейти на Linux. https://archive.org/details/ShrekLinux-x86-64

🐳 Пока все ждали GPT-5.5, DeepSeek без шума обвалил рынок! Никаких стримов, никакого пафоса. Просто вечером китайцы выложили V4 в открытый доступ и пошли спать. А утром индустрия проснулась в новой реальности. В релизе две модели. V4-Pro на 1.6T параметров с 49B активных и V4-Flash на 284B с 13B активных. Обе с миллионом токенов контекста по дефолту. Оба варианта уже качаются с Hugging Face, работают в API и на chat.deepseek.com. Фокус в новой архитектуре внимания: токенная компрессия плюс собственная DeepSeek Sparse Attention. Благодаря этому миллион контекста перестал быть премиум-опцией за конские деньги и стал дефолтом. Весь ваш кодбейс, вся документация, вся история переписки влезают в один запрос и не разоряют. А теперь главное. Независимая Arena.ai уже прогнала модели вслепую. V4-Pro встал третьим среди открытых моделей в агентном кодинге и идёт вровень с GPT-5.4-high и Gemini 3.1 Pro. То есть открытые веса впервые по-настоящему догнали фронтир закрытых лабораторий. Не на бумажке и не в маркетинге, а на реальных запросах пользователей. Отдельно DeepSeek потроллили Anthropic. В треде релиза прямо написано: V4 «бесшовно интегрируется с Claude Code». Вчера у Anthropic вышел пост-мортем про сломанный харнесс, сегодня им предлагают подменить модель и заодно сэкономить. Больно. И вишенка. DeepSeek честно сказали, что Pro сейчас работает на ограниченных мощностях: топовых ускорителей не хватает. Во второй половине года они переезжают на Huawei Atlas 950 SuperPoD и обещают снова уронить цену. Санкции не остановили китайский AI, они просто заставили его пересесть на собственное железо. Итог простой. Вчера миллион токенов контекста был роскошью. Сегодня это стандарт с открытыми весами. А закрытые лаборатории теперь должны объяснить, за что они берут свои деньги. Тестим: https://huggingface.co/collections/deepseek-ai/deepseek-v4https://chat.deepseek.com/ https://huggingface.co/collections/deepseek-ai/deepseek-v4

🐳 Пока все ждали GPT-5.5, DeepSeek без шума обвалил рынок! Никаких стримов, никакого пафоса. Просто вечером китайцы выложили V4 в открытый доступ и пошли спать. А утром индустрия проснулась в новой реальности. В релизе две модели. V4-Pro на 1.6T параметров с 49B активных и V4-Flash на 284B с 13B активных. Обе с миллионом токенов контекста по дефолту. Оба варианта уже качаются с Hugging Face, работают в API и на chat.deepseek.com. Фокус в новой архитектуре внимания: токенная компрессия плюс собственная DeepSeek Sparse Attention. Благодаря этому миллион контекста перестал быть премиум-опцией за конские деньги и стал дефолтом. Весь ваш кодбейс, вся документация, вся история переписки влезают в один запрос и не разоряют. А теперь главное. Независимая Arena.ai уже прогнала модели вслепую. V4-Pro встал третьим среди открытых моделей в агентном кодинге и идёт вровень с GPT-5.4-high и Gemini 3.1 Pro. То есть открытые веса впервые по-настоящему догнали фронтир закрытых лабораторий. Не на бумажке и не в маркетинге, а на реальных запросах пользователей. Отдельно DeepSeek потроллили Anthropic. В треде релиза прямо написано: V4 «бесшовно интегрируется с Claude Code». Вчера у Anthropic вышел пост-мортем про сломанный харнесс, сегодня им предлагают подменить модель и заодно сэкономить. Больно. И вишенка. DeepSeek честно сказали, что Pro сейчас работает на ограниченных мощностях: топовых ускорителей не хватает. Во второй половине года они переезжают на Huawei Atlas 950 SuperPoD и обещают снова уронить цену. Санкции не остановили китайский AI, они просто заставили его пересесть на собственное железо. Итог простой. Вчера миллион токенов контекста был роскошью. Сегодня это стандарт с открытыми весами. А закрытые лаборатории теперь должны объяснить, за что они берут свои деньги. Тестим: https://huggingface.co/collections/deepseek-ai/deepseek-v4https://chat.deepseek.com/ https://huggingface.co/collections/deepseek-ai/deepseek-v4

🗺 Kubernetes Key Commands Map - карта ключевых команд Kubernetes, которую стоит сохранить Если работаешь с Kubernetes, очень легко утонуть в количестве команд. Но на практике чаще всего нужны не сотни команд, а понятная база, которая закрывает основные сценарии каждый день. Эта карта охватывает 7 важных направлений: 1. Управление Pod'ами 2. Управление кластером 3. Управление сервисами 4. Мониторинг ресурсов 5. Работа с namespace 6. Управление deployment 7. Конфигурации и secrets Важно понимать: это не полный список команд Kubernetes. Здесь собраны именно ключевые команды, которые чаще всего нужны в реальной работе - для диагностики, деплоя, проверки состояния и повседневного администрирования. Сохрани себе, если работаешь с DevOps, Cloud или Kubernetes - такая шпаргалка реально экономит время. 54K+ человек уже читают мою рассылку про DevOps и Cloud: https://techopsexamples.com/subscribe 🖥 Полезные Linux ресурсы 🚀 Max @DevOPSitsec