Каждый раз, когда ты пишешь очередной новенький List<>,
ты на самом деле принимаешь решение по производительности.

Большинство разработчиков воспринимают структуры данных как контейнеры. А это не так. Это контракты по перформансу.

Вот как полезно думать о самых популярных структурах в .NET, по-практически:

Array
Бери, когда размер фиксирован и нужен честный O(1) доступ по индексу.
Самый быстрый вариант. Нет ресайза. Нет сюрпризов.

List<T>
Отличный дефолтный выбор, пока не упираешься в ресайз.
Под капотом при росте capacity копируется весь массив.

Dictionary<TKey, TValue>
В среднем O(1) на поиск.
Но плохое распределение хеша -> коллизии -> деградация скорости.

Stack<T>
Идеален для рекурсии, парсинга, undo/redo.
Но глубокая рекурсия? Привет, StackOverflow (сайт) или stack overflow (ошибка).

Queue<T>
FIFO. Отлично для фоновой обработки и пайплайнов.
Типа планирования задач, обработки сообщений.

Tree / Graph
Используются чаще, чем кажется:
роутинг, индексация, разрешение зависимостей, поиск.

Смысл не в том, чтобы заучивать Big-O.

Смысл понимать:

- как выделяется память
- как работает ресайз
- что происходит под нагрузкой
- на какой компромисс ты соглашаешься

Хорошие инженеры пишут код, который работает.

Классные инженеры знают, почему он работает и в какой момент перестанет.

👉 @KodBlog

GitHub Copilot SDK для .NET: полное руководство разработчика

Разберись с GitHub Copilot SDK для .NET в этом полном гайде для разработчиков. Собирай кастомных AI-агентов на базе CopilotClient и CopilotSession, со стримингом, tools и поддержкой нескольких моделей в C#.

Статья здесь

👉 @KodBlog

Паттерн Builder в реальном мире на C#: полная реализация

Посмотрите, как паттерн Builder работает на практике, на полноценном реальном примере на C#. Пошаговая реализация конфигурационной системы, которая показывает поэтапную сборку объекта.

Статья здесь

👉 @KodBlog

Как применять EF-миграции в продакшене?

Самый распространенный подход: накатывать их через CLI командой Update-Database.

Но я предпочитаю генерировать для миграций SQL-скрипты. Так можно проверить SQL-выражения и убедиться, что все ок.

Еще лучше, если у вас есть DBA.

CREATE TABLE IF NOT EXISTS "__EFMigrationsHistory" (
    "MigrationId" character varying(150) NOT NULL,
    "ProductVersion" character varying(32) NOT NULL,
    CONSTRAINT "PK___EFMigrationsHistory" PRIMARY KEY ("MigrationId")
);

START TRANSACTION;

CREATE TABLE "Products" (
    "Id" integer GENERATED BY DEFAULT AS IDENTITY,
    "Name" character varying(100) NOT NULL,
    "Description" character varying(1000),
    "Price" numeric(18,2) NOT NULL,
    CONSTRAINT "PK_Products" PRIMARY KEY ("Id"),
    CONSTRAINT "CK_Price_NotNegative" CHECK (Price > 0)
);

CREATE UNIQUE INDEX "IX_Products_Name" ON "Products" ("Name");

INSERT INTO "__EFMigrationsHistory" ("MigrationId", "ProductVersion")
VALUES ('20240516095344_Create_Database', '8.0.5');

COMMIT;

👉 @KodBlog

Отсутствие нейминг-конвенций в коде меня дико бесит.

Можешь с этим что-нибудь сделать?

Только без истерик в PR (так не надо).

Если вдруг не знал: довольно легко написать архитектурные тесты, которые проверяют нейминг-конвенции в твоём коде.

Вот пример для именования command handler-ов.

[Fact]
public void CommandHandler_ShouldHave_NameEndingWith_CommandHandler()
{
    Types.InAssembly(ApplicationAssembly)
        .That()
        .ImplementInterface(typeof(ICommandHandler<>))
        .Or()
        .ImplementInterface(typeof(ICommandHandler<,>))
        .Should()
        .HaveNameEndingWith("CommandHandler")
        .GetResult()
        .ShouldBeSuccessful();
}

👉 @KodBlog

Невозможно оставаться холодным и безразличным, когда речь про ИИ.

Так что эти ресурсы стоит чекнуть как можно скорее:

- https://github.com/AIDotNet/OpenDeepWiki
- https://github.com/shuyu-labs/AntSK
- https://github.com/AIDotNet/Thor
- https://github.com/AIDotNet/auto-prompt

👉 @KodBlog

Кто-то собрал вообще все туториалы в стиле сделай это с нуля со всего интернета в одном месте.

Называется build-your-own-x, и это самый популярный репозиторий в истории GitHub по числу звёзд.

466 000 звёзд. Больше, чем у React. Больше, чем у TensorFlow. Больше, чем у любого инструмента, который когда-либо делали.

И это не код. Это кураторская подборка пошаговых туториалов, которые учат пересобирать с нуля технологии, которыми ты пользуешься каждый день. С нуля.

Ричард Фейнман сказал: "Чего я не могу создать, того я не понимаю."

https://github.com/codecrafters-io/build-your-own-x

👉 @KodBlog

Как сделать ваши API-эндпоинты быстрее в 426 раз:
(подсказка: это не кэш)

Когда разработчики видят медленные API, первая реакция часто такая: лечить тормоза неправильным лекарством, кэшем.

Но это решение держится на ключевом заблуждении:

будто кэширование может исправить тормоза, вызванные плохими запросами к базе данных.

Поэтому первый шаг к более масштабируемым системам это починить именно запросы.

Чтобы это показать, проведем небольшой эксперимент.

Я сделал небольшой веб-API с одним эндпоинтом /products.

До оптимизации:

- Количество обработанных запросов: 378
- Среднее запросов/сек: 11.01
- Средняя длительность запроса: примерно 4 секунды

После оптимизации:
- Количество обработанных запросов: 140,331
- Среднее запросов/сек: 4,689.36
- Средняя длительность запроса: 10.69 мс

Сначала исправляй доступ к данным.
А кэш используй потом, чтобы масштабироваться, а не выживать.

👉 @KodBlog

Поддержка MinBy / MaxBy скоро появится в Entity Framework 😍

Судя по всему, это должно приехать в EF 11 Preview 2.

👉 @KodBlog

Жирный лайфхак: как бесплатно и за пару минут сделать сайт с документацией для любого репозитория на GitHub:

👉 @KodBlog

У нас новости: нативная трассировка OpenTelemetry появится в ASP.NET 11 Preview 2! ✌️

ASP.NET Core теперь нативно добавляет атрибуты семантических конвенций OpenTelemetry в Activity HTTP-сервера, приводя это в соответствие со спецификацией OpenTelemetry HTTP server span. Все обязательные атрибуты теперь включены по умолчанию, то есть метаданные совпадают с теми, что раньше были доступны только через библиотеку OpenTelemetry.Instrumentation.AspNetCore.

Чтобы собирать встроенные данные трассировки, подпишитесь на source Microsoft.AspNetCore в вашей конфигурации OpenTelemetry:

builder.Services.AddOpenTelemetry()
    .WithTracing(tracing => tracing
        .AddSource("Microsoft.AspNetCore")
        .AddConsoleExporter());

Никакая дополнительная библиотека инструментирования (например OpenTelemetry.Instrumentation.AspNetCore) больше не нужна. Фреймворк теперь напрямую проставляет атрибуты семантических конвенций, такие как http.request.method, url.path, http.response.status_code и server.address, в Activity запроса.


👉 @KodBlog

Самый простой способ добавить валидацию в Options Pattern

Можно использовать data annotations, например атрибут Required.

Также нужно обновить настройку DI и вызвать метод ValidateDataAnnotations.

Это включит валидацию при разрешении options из DI-контейнера.

public class GitHubSettings
{
    [Required]
    public string AccessToken { get; init; }

    [Required]
    public string RepositoryName { get; init; }
}

builder.Services
    .AddOptions<GitHubSettings>()
    .BindConfiguration("GitHubSettings")
    .ValidateDataAnnotations();

👉 @KodBlog

thoseThreeOnlyBringRegret

👉 @KodBlog

Самое мощное правило для написания читаемого C# кода:

(Я вынес его из одного ТВ-шоу 90-х про бои на мечах)

Никогда не делайте цепочку больше чем из одного тернарного оператора.

Сейчас объясню.

В детстве я смотрел сериал Highlander.

Если не знакомы с этим шоу:

Там куча людей дерется на мечах.

Главное правило? Должен остаться только один.

То есть в конце выживает только один.

Золотое правило при работе с тернарным оператором в C#:

Должен быть только один.

То есть избегайте цепочек из более чем одного тернарного оператора.

Решение:

1. Перепишите в if-else.
2. Посмотрите, можно ли еще сильнее отрефакторить и упростить код.

Запомните:

Если видите цепочку тернарных операторов, доставайте меч, ну то есть рефакторьте, и рубите эту цепочку.

👉 @KodBlog

В EF Core есть способ получше для массовых обновлений.

Можно использовать метод ExecuteUpdate. Его добавили в EF 7.

При выполнении в базе данных он преобразуется в один SQL-запрос.

Но тут нужно заранее знать, какое именно свойство ты обновляешь и в какое значение.

👉 @KodBlog

В .NET 11 Preview 3 добавили раннюю preview-фичу из C# 15: unions.

Она добавляет объявления union (union Pet(Cat, Dog, Bird) { ... }) и union-типы, помечаемые атрибутом [Union].

Их можно обрабатывать через pattern matching / switch expressions как замкнутый набор вариантов, с проверкой exhaustiveness.

https://github.com/dotnet/csharplang/blob/main/proposals/unions.md

👉 @KodBlog

Правильно ли вы внедряете зависимости в Controllers?

Многие разработчики этого не знают

Внедрять зависимости в Controller можно двумя способами:
↳ через конструктор
↳ через внедрение в метод

Сталкивались с раздутыми контроллерами, у которых в конструкторе слишком много зависимостей?

При этом конкретный endpoint использует только часть из них.

❌Вы зря расходуете память, потому что все зависимости из конструктора аллоцируются в куче при вызове Controller, независимо от того, будут они использоваться или нет.

✅Так почему бы не внедрять нужные объекты прямо в метод endpoint-а?

Их можно внедрять без атрибута [FromServices], он больше не нужен. Почти так же, как и в Minimal APIs.

Когда вы внедряете зависимости только там, где они реально нужны, это улучшает читаемость, упрощает поддержку и повышает производительность контроллеров.

👉 @KodBlog

Хватит инжектить IConfiguration. Вот правильный подход в .NET 10

Однажды я выкатил систему feature-флагов, которая читала настройки из appsettings.json через IOptions<FeatureFlagOptions>. В деве всё работало нормально. Но в проде, когда команда DevOps переключала флаг, обновляя appsettings.json, ничего не происходило. API продолжал возвращать старые значения. Пользователи застряли. Чтобы подхватить изменения, мне пришлось перезапустить приложение.

Исправление? Заменить IOptions<T> на IOptionsMonitor<T>.
Изменение в одну строку, которое стоило мне трёх часов дебага и инцидент-репорта. Этот случай показал мне: понимать Options Pattern — не опционально. Это базовая вещь. Разберёмся.

Завариваем кофею и читаем статью

👉 @KodBlog

MapReduce — это популярный фреймворк, изначально разработанный в Google, для эффективной и отказоустойчивой обработки больших распределённых наборов данных. Он был создан, чтобы запускать масштабные вычисления на терабайтах данных, собранных из веба, предоставляя удобный слой абстракции поверх тысяч машин.

Фреймворк основан на двух функциях из функциональных языков: Map и Reduce.

- Map принимает на вход список элементов и функцию. Она применяет эту функцию к каждому элементу списка и возвращает результат. Например, если список [1,2,3,4], а функция возводит число в квадрат, Map преобразует его в [1,4,9,16].
- Reduce принимает список, функцию и начальное значение. Она последовательно комбинирует элементы списка с начальным значением через заданную функцию. Например, если функция суммирует два числа, начальное значение 0, а список [1,2,3,4], Reduce вернёт 10.

Внутреннее функционирование MapReduce можно описать следующими шагами:

1. Разделение данных: входные файлы делятся на несколько частей.
2. Запуск кластерной обработки: запускаются копии программы MapReduce на кластере. Одна копия — мастер, остальные — воркеры. Мастер распределяет Map и Reduce задачи между воркерами. Пользователь может задать количество задач Map и Reduce.
3. Map задачи: воркер читает свою часть входных данных, разбивает её на пары ключ/значение и передаёт в пользовательскую функцию Map.
4. Промежуточные данные: Map функция возвращает набор промежуточных пар ключ/значение. Эти пары разбиваются на партиции, а информация о расположении каждой партиции отправляется мастеру. Эти партиции становятся входом для Reduce воркеров.
5. Reduce задачи: воркер считывает пары, группирует все элементы с одинаковым ключом и передаёт ключ с соответствующим набором значений в пользовательскую функцию Reduce. Результат Reduce добавляется в выходной файл.
6. Завершение работы: когда все Map и Reduce задачи выполнены, мастер возвращает контроль пользователю. Выходные данные доступны через файлы, один файл на каждого Reduce воркера.

Таким образом, MapReduce превращает огромные распределённые вычисления в управляемый процесс с понятной логикой распределения и агрегации данных.

👉 @KodBlog