Уровни моделирования в UML и почему их всего 4, а не больше (Рубрика #Architecture)

Я уже рассказывал про то, как учил UML (1 и 2), а сегодня я хотел рассказать про уровни моделирования в UML и почему их только четыре, а не больше. Давайте сразу я опишу все эти уровни
- M0 - Real World/Instances - Реальный мир (Объекты)
Этот уровень представляет фактические экземпляры или объекты в реальной системе. Диаграмма объектов считается моделью уровня 0, которая является экземпляром диаграммы классов. Она показывает конкретные экземпляры объектов и их отношения в определенный момент времени.
- M1 - Models (Модель)
Этот уровень содержит фактические модели UML, созданные пользователями для представления систем. Диаграммы классов являются примерами моделей уровня 1 (M1). Эти модели содержат элементы моделирования, такие как актеры, варианты использования, классы и пакеты, которые описывают конкретные перспективы системы. Собственно, про них я рассказывал в посте "Полезные диаграммы из UML"
- M2 - Metamodel - Метамодель (Правила создания моделей)
Сама спецификация UML существует на этом уровне. Это метамодель, которая определяет язык и структуру, используемые для создания моделей UML. Уровень M2 определяет такие понятия, как "Класс", "Ассоциация" и "Атрибут", которые используются для создания моделей M1.
- M3 - Meta-metamodel - Мета-метамодель
Этот высший уровень представлен Meta-Object Facility (MOF), который предоставляет язык для спецификации метамоделей. MOF может использоваться как мета-метамодель не только для UML, но и для других языков. Эта иерархическая структура следует принципу "модель является экземпляром метамодели" и "метамодель является моделью", создавая последовательную структуру для моделирования на разных уровнях абстракции.

Из построения кажется, что можно добавить и следующий уровень в виде meta-meta-metamodel, но авторы UML остановились на 4 уровнях по нескольким причинам
- Самоописание MOF (Meta-Object Facility)
На уровне M3 находится MOF, который является самоописывающим. Это означает, что MOF определяется с помощью своих же собственных конструкций. Мета-метамодель MOF описывает сама себя, что устраняет необходимость в дополнительном уровне абстракции. Такой подход называется "рефлексивным" или "самоописывающим".
- Предотвращение бесконечной рекурсии
Если бы существовал уровень M4, то логично было бы предположить необходимость уровня M5 для его описания, и так далее до бесконечности. Из-за этого уровень M3 самоописывает себя, поэтому потребности в уровне M4 нет
- Практическая достаточность
Четырех уровней абстракции (M0-M3) достаточно для решения практически всех задач моделирования в программной инженерии. Дополнительные уровни абстракции увеличили бы сложность без значительных практических преимуществ.

Давайте глянем примеры уровней из нескольких областей
M0 - Сотрудник Иван Петров, родившийся 15.03.1990
M1 - Класс "Сотрудник" с полями имя, дата_рождения
M2 - Понятия "Класс", "Атрибут", "Связь" в UML
M3 - "Мета-Класс" - шаблон для классов M2, "Мета-Атрибут" - правило для атрибутов M2.

Или чуть менее формальный пример из строительного сектора
M0 - мебель и люди в комнатах (реальные объекты);
M1 - планы комнат (где стоит стол, как расставлены кровати);
M2 - архитектура здания (сколько этажей, где лестницы);
M3 - строительные нормы (как проектировать здания).

Или пример из области языков
M0 - предложение: "Иван читает книгу";
M1 - правила русского языка (существительные, глаголы);
M2 - лингвистические термины ("фонема", "морфема");
M3 - философия языка ("что такое язык?").

Итого: четырёхуровневая модель UML и MOF обеспечивает баланс между гибкостью и сложностью. Отсутствие пятого уровня — не ограничение, а следствие продуманного дизайна.

#Software #Architect #SystemDesign #SoftwareArchitecture #Processes

Распродажа в издательстве «Питер» (Рубрика #Sales)

В издательстве Питер очередная распродажа со скидками в 40% на бумажные книги и 50% на электронные. Для получения этой скидки надо использовать промокод "Бумажная" (или "Электронная", если покупаете элетронную версию) при оформлении заказа. На прошлых распродажах я уже купил себе пачку книг, возможно докуплю еще что-то, но с прошлой распродажи я успел многие из книг прочитал.

Книги, что я уже успел прочитать
- Data mesh в действии - я прочитал эту книгу с прошлой распродажи и даже рассказал уже об этом. До этого я читал частями книгу "Data Mesh: Delivering Data-Driven Value at Scale".
- Грокаем алгоритмы искусcтвенного интеллекта - я прочитал эту книгу недавно, вот пост про нее
- Настоящий CTO: думай как технический директор - я прочитал эту книгу, рассказал про нее, а потом мы даже с Сашей Шевченко записали эпизод подкаста с обсуждением этой книги
- Грокаем Continuous Delivery - интересная и простая книжка от сотрудницы Google про CI/CD, я ее уже успел ее прочитать и рассказать о ней
- Паттерны проектирования API - я начал читать и рассказал про эту книгу + читал whitepapers от автора насчет API Governance в Google (кратенько об этом тут)
- Чистый Python. Тонкости программирования для профи - решил вспомнить теорию по python
- Компьютерные сети. Принципы, технологии, протоколы: Юбилейное издание, дополненное и исправленное - я уже как-то читал книгу Олиферов, но это было много лет назад и она была ок. Сейчас я прочитал 150 страничек из нового издания и могу сказать, что книга не ухудшилась:)
- Гейм-дизайн: как создаются игры - эта книга про геймдизайн, про который я и до этого много читал и писал (1, 2, 3), а сейчас я уже прочитал и рассказал об этом
- Разработка приложений на базе GPT-4 и ChatGPT - базовая книга про chatGPT, я ее уже прочел и даже рассказывал оо ней
- Мифический человеко-месяц, или Как создаются программные системы - классическая книга Фредерика Брукса, которая в следующем году справляет свой юбилей. Я раньше уже рассказывал про эту книгу
- Распределенные данные. Алгоритмы работы современных систем хранения информации - в девичестве на английском эта книга Алекса Петрова называлась Database Internals и я про нее много рассказывал (1 и 2), а также мы ее обсуждали в подкасте "Code of Architecture"
- Безопасные и надежные системы: Лучшие практики проектирования, внедрения и обслуживания как в Google - эту книгу я читал в оригинале и она называлась "Building secure and reliable systems", а также уже рассказывал про нее.

Книги, что мне еще предстоит прочитать
- README. Суровые реалии разработчиков - книга про будни разработчиков и практиками инжиниринга
- Software: Ошибки и компромиссы при разработке ПО - эта книга подкупила меня своей второй главой, которая называется "Дублирование кода не всегда плохо".
- Грокаем функциональное программирование - интересно почитать просто про функциональщину
- Дизайн для разработчиков - я довольно много книг читаю про дизайн для дизайнеров (1, 2, 3), а тут хочу посмотреть как это подают разработчикам
- Карьера Software Engineering Manager. Эффективное управление командой разработчиков ПО - в рамках работы над книгой про engineering management полезно изучить другие источники
- Карьера продакт-менеджера. Все что нужно знать для успешной работы в технологической компании - для инженеров и технических руководителей сейчас полезно думать продуктово, особенно если вы работаете не в галере. Яуже писал про книги на эту тему: 1, 2, 3, 4, 5
- Производительность систем - интересная книга о производительности от Brendan Gregg, крутого эксперта, который одновременно много сделал для внедрения eBPF, о чем можно узнать из документалки
- Креативный программист - я решил изучить креативные методы, что могут помочь в решении инженерных задач
- Продвинутые алгоритмы и структуры данных - книжка о самых необходимых алгоритмах решения сложных задач программирования в области анализа данных, машинного обучения и графов. Хочу подтянуть свои знания алгоритмов

#Sales

Code of Leadership #33 - Interview with Mikhail Trifonov about IDP (internal developer platform) (Рубрика #Engineering)

В очередном выпуске подкаста ко мне пришел интересный гость, Михаил Трифонов, с которым мы вместе являемся членами программного комитета CTO Conf X (https://ctoconf.ru/2025/). Миша - руководитель разработки департамента Поверхности | Head of Development в Cloud.ru, а также один из евангелистов создания внутренних платформ разработки IDP. На конференции CTO Conf X Миша будет выступать с докладом про internal developer platform, а в этом выпуске мы подискутируем на эту тему. Если говорить про опыт Миши, то в 14 лет он нашел в Open Source программу для автоматизации сбора лута в online-игре, видоизменил ее под свои задачи. Пока Михаил учился в школе, его персонажи собирали лут и развивались. Перепродажа прокачанных персонажей позволила накопить на первые курсы по программированию. Так зародилась любовь к профессии.

За час мы успели обсудить следующие темы
1. Предпосылки и эволюция IDP
2. Назначение и преимущества IDP
3. Структура и компоненты IDP
4. Метрики эффективности платформы
5. Клиентоцентричность и продуктовый подход
6. Автоматизация и улучшение процессов
7. Проблемы микросервисной архитектуры
8. Безопасность и управление
9. Мониторинг и дашборды работы платформ
10. Внедрение и развитие платформы

Выпуск подкаста доступен в Youtube, VK Video, Podster.fm, Ya Music.

#Architecture #Software #Engineering #ProductManagement #Management #Economics

[1/2] Grokking Artificial Intelligence Algorithms (Грокаем алгоритмы искусственного интеллекта) (Рубрика #AI)

Дочитал эту книгу про алгоритмы искусственного интеллекта и могу сказать, что за почти пять лет прошедших с издания книги кое-что поменялось:) Автор фокусировался на рассказе о фундаментальных алгоритмах: поиске, эволюционных алгоритмах, роевом интеллекте, классических методах машинного обучения, а в конце кратко рассказал про ANN (artificial neural networks) и перешел к reinforcement learning. Но с тех пор произошел значительный прорыв к развитии LLM (больших языковых моделей) и Gen AI в общем, а этого в книге совсем нет, хотя трансформеры на момент написания книги уже были у всех на слуху. В итоге, книгу можно считать отличным введением в основы алгоритмов ИИ, но надо ее комбинировать с более новыми книгами. Если же говорить про содержание книги, то в ней всего 10 глав, о которых я рассказываю ниже

1. Понятие искусственного интеллекта
В этой главе автор знакомит читателя с основами искусственного интеллекта, давая определение в стиле, что это направление науки, которое занимается разработкой компьютерных систем, способных выполнять задачи, свойственные человеческому интеллекту. Дальше он объясняет базовые концепции, историю возникновения ИИ (термин был предложен в 1956 году), а также различные подходы к созданию интеллектуальных систем. Автор разъясняет разницу между узким ИИ (решающим конкретные задачи) и общим ИИ (AGI).
2. Основы поиска
Глава посвящена базовым алгоритмам поиска, которые являются фундаментом для многих задач ИИ. Если вы учились писать код, то эту главу можно пропустить, а если нет, то вы узнаете про бинарный поиск, поиск в ширину и поиск в глубину, а также как оценивать эффективность алгоритмов.
3. Умный поиск
В этой главе рассматриваются более продвинутые алгоритмы поиска. Автор описывает алгоритмы информированного поиска, такие как A* поиск, который использует эвристики для нахождения оптимальных путей. Также рассматриваются алгоритмы состязательного поиска (min-max поиск, альфа-бета отсечение), которые применяются в играх и ситуациях, где есть противоборствующие стороны. Эти алгоритмы помогают компьютеру принимать оптимальные решения в сложных ситуациях.
4. Эволюционные алгоритмы
Глава знакомит с эволюционными алгоритмами — направлением в искусственном интеллекте, которое моделирует процессы естественного отбора. Здесь рассматриваются генетические алгоритмы, которые используют принципы эволюции (отбор, мутация, скрещивание) для поиска оптимальных решений. Автор объясняет, как эти алгоритмы работают с популяцией решений, которые "эволюционируют" с течением времени, становясь всё лучше и лучше.
5. Продвинутые эволюционные алгоритмы
Эта глава углубляется в более сложные виды эволюционных алгоритмов. Здесь рассматриваются генетическое программирование (автоматическое создание программ), эволюционное программирование (где структура программы постоянна, а меняются только числовые значения) и другие подходы. Автор объясняет различные способы кодирования информации в генетических алгоритмах (бинарное, вещественное, порядковое, древовидное) и их применение для решения сложных задач оптимизации.
6. Роевой интеллект: муравьи
В этой главе автор рассказывает о муравьиных алгоритмах — методах роевого интеллекта, которые имитируют поведение муравьиной колонии. Объясняется, как отдельные муравьи, будучи примитивными, вместе формируют самоорганизующуюся систему, способную решать сложные задачи. Рассматривается, как муравьи используют феромоны для коммуникации и как это применяется в алгоритмах для решения задач оптимизации, например, задачи коммивояжера.

Обзор последних четырех глав в следующем посте.

#AI #ML #Engineering #PopularScience #Software

Финансовые результаты Т-Технологий за 2024 год

Наша компания объявила финансовые результаты за 4 квартал и за весь 2024 год, основные моменты представлены ниже, а также на картинке
- Выручка в 2024 г. выросла в 2 раза год к году — до рекордных 962 млрд руб. По итогам IV квартала 2024 г. выручка увеличилась в 2,3 раза по сравнению с IV кварталом 2023 г. — до 338 млрд руб.
- Чистая прибыль в 2024 г. выросла на 51% год к году — до 122 млрд руб. По итогам IV квартала 2024 г. прибыль увеличилась на 87% по сравнению с IV кварталом 2023 г. — до 38,7 млрд руб.
- Рентабельность капитала по итогам 2024 г. составила 32,5% (в IV квартале 2024 г. — 30,2%)
- Число клиентов экосистемы Т на конец 2024 г. выросло на 18% и составило 48 млн человек
- Дивиденды в размере 32 рубля на акцию рекомендовал выплатить совет директоров Группы по результатам IV квартала 2024 года

В 2025 году ожидания еще интереснее - ожидаем чистую прибыль не меньше, чем 40% и рентабельность не ниже 30%

#Economics #Management

Джин глазами инженера. Дегустируем архитектуру Лондона (Рубрика #Culture)

В среду был с другом на этом мероприятии из серии "Москва глазами инженера", которое понравилось мне форматом - мы слушали рассказ об архитектуре и употребляли алкоголь, а точнее джин:) Разговор шёл о промышленной архитектуре, лондонских доках, вокзалах, электростанциях — обо всей этой мощной индустриальной красоте, которую обычно обходят стороной, когда говорят об "эстетике". Но сейчас, когда промышленные объекты утрачивают их изначальное значение, их реконструкция позволяет отойти от утилитарной функции и превратить его в красивейшие лофты, пригодные для проживания или ведения бизнеса. Интересно, что наш гид в этот алкогольно-архитектурный трип с легкостью проводила параллели между Лондоном и Москвой и показывала как были похожи эволюционные процессы, правда, Москва всю дорогу запаздывала - когда у нас отменяли крепостное право в Лондоне уже было подземное метро и тоннель под Темзой:) Интересно объяснение того, а почему этот рассказ сопровождает джин, а не условный ром. И суть в том, что джин был изначально напитком рабочих, моряков и инженеров, и его история тесно переплетена с индустриальным развитием Лондона.

В общем, мне поход понравился - послушал лекцию на интересную тему и выпил джина Gintl.

#Architecture #Culture

[3/3] AI Leadership Summit 2025 - AI Leadership (Рубрика #AI)

Продолжая рассказ (1 и 2) об этой конференции, поделюсь последней порцией докладов с первого дня

Datadog: DevOps Engineer that Never Sleeps (05:28:13)
Представители Datadog рассказали о создании AI-агентов для автоматизации задач DevOps:
- SRE агента, что сам реагирует на инциденты, формулирует гипотезы, проверяет их и если какие-то из них подтверждаются, то применяет меры для митигации инцидента, а потом пишет постмортем для постанализа
- SWE агента, что проактивно пишет код для фикса errors и warnings из логов
Есть планы и на других агентов, что смогу закрыть вертикальные сценарии работы клиентов платформы Datadog

Astra: How to build an AI Data Center (05:44:41)
Доклад был посвящен архитектуре и инфраструктурным решениям для создания дата-центров, оптимизированных под AI-нагрузки. Были рассмотрены вопросы масштабирования, энергоэффективности, охлаждения и оптимизации стоимости при работе с большими моделями. Докладчики поделились практическими советами по построению инфраструктуры, способной эффективно обслуживать современные AI-системы. Мне доклад показался интересным, хотя я понял не все, так как не проектировал обычные датацентры, а спикер постоянно говорил про отличия между обычными и AI датацентрами

Anthropic: Anthropic for VPs of AI (06:07:38)
Представители Anthropic рассказали о своем подходе к созданию безопасных и полезных AI-систем. Они представили Claude и его возможности для корпоративных клиентов, подчеркнув преимущества своего подхода к безопасности и конституционному AI. Особое внимание было уделено тому, как VP по AI могут эффективно интегрировать решения Anthropic в свои организации.

SignalFire: Insights on Building AI Teams (07:05:40)
Хит Блэк из SignalFire поделился опытом создания эффективных AI-команд. Он рассказал о необходимом балансе навыков, структуре команды, процессе найма и развития талантов в области AI. Особое внимание было уделено тому, как преодолевать типичные проблемы при формировании команд и как создать культуру, способствующую инновациям в области AI. Здесь была интересная аналитика о том, как перетекают AI сотрудники из bigtech в новые стартапы вокруг AI типа Open AI, Anthropic, Cohere, Google Deepmind, .. А также аналитика о том, а в какой локации больше стартапов и спецов по AI и если брать США, то это SF Bay Area, New York, Seattle

LinkedIn: Lessons from Building LinkedIn's GenAI Platform (07:26:07)
Это неплохой обзорный доклад про создаение gen AI платформы в LinkedIn. Ребята объяснили что они хотели сделать и что получилось , а также как они использовали эту платформу для интеграции AI в различные продукты LinkedIn, включая рекомендательные системы, поиск работы и создание контента. Особое внимание было уделено вопросам масштабирования, персонализации и защиты данных пользователей.

Contextual AI: 10 Lessons Learned from the Frontier of AI (07:43:51)
Заключительный доклад конференции представил 10 ключевых уроков, извлеченных из работы на переднем крае AI-технологий. Среди них: важность контекста для AI-систем, необходимость баланса между автоматизацией и человеческим контролем, значение оценки и тестирования, а также этические соображения при разработке AI-систем. Докладчики подчеркнули, что мы находимся только в начале пути развития AI, и впереди нас ждет еще много открытий и вызовов.

На этом первый день конференции был окончен, а второй был уже полностью посвящен агентам и про него я расскажу в следующий раз.

#AI #Software #Product #Management #Leadership

UK cybersecurity agency warns over risk of quantum hackers (Рубрика #Security)

The Guardian написало новость о том, что агенство по кибер-безопасности в UK рекомендует крупным организациям и операторам критической национальной инфраструктуры (такой как энергетическая или транспортная) перейти на пост-квантовые криптографические методы, чтобы предотвратить будущие угрозы безопасности.

Если же заглянуть поглубже, то у Национального центра кибербезопасности Великобритании (NCSC) есть целое комплексное руководство по миграции на постквантовую криптографию (Post-Quantum Cryptography, PQC) и стратегическая дорожная карта, что состоит из трех фаз
- Фаза 1 (до 2028 года): Организации должны определить цели миграции, провести полное обнаружение криптографических зависимостей и разработать первоначальный план миграции. Это включает выявление систем, требующих обновления, и понимание уязвимостей.
- Фаза 2 (2028-2031): Организации должны завершить миграцию на PQC для своих высокоприоритетных систем, обеспечить готовность инфраструктуры и уточнить планы миграции. Этот этап позволяет вносить корректировки по мере развития технологий PQC.
- Фаза 3 (2031-2035): Завершение миграции на PQC во всех системах, сервисах и продуктах. К 2035 году организации должны полностью перейти на квантово-устойчивое шифрование.

Потребность миграции связана с тем, что текущие методы шифрования, такие как RSA, основаны на математических задачах, которые классические компьютеры с трудом решают, но квантовые компьютеры потенциально могут легко взломать. NCSC рекомендует принять одобренные NIST алгоритмы PQC, включая
- ML-KEM (FIPS 203) - Module-Lattice-Based Key-Encapsulation Mechanism
- ML-DSA (FIPS 204) - Module-Lattice-Based Digital Signature Standard
- SLH-DSA (FIPS 205) - Stateless Hash-Based Digital Signature Standard

P.S.
Интересно на этом фоне смотрятся заявления больших компаний типа Microsoft, которые соревнуются в том, кто из них достиг квантового превосходства или совершил прорыв, как было с анонсом Майораны. Условно, практические квантовые компьютеры все ближе, а значит надо бы постепенно в критической инфре перейти на другие алгоритмы.

P.P.S.
Попробовал поискать похожие стандарты в России и не нашел, хотя есть реализации алгоритмов пост-квантового шифрования типа "Криптонит: Шиповник" (ребята хотели крутой нейминг выбрать, а получился кринжовый). Думаю, что у российсих объектов критической инфраструктуры тоже будет роадмап, похожий на тот, что представила NCSC 20 марта 2025 года.

#Security #Processes #Engineering #Software

[2/2] Smart Business: What Alibaba's Success Reveals about the Future of Strategy (Как Alibaba использует искусственный интеллект: стратегии умного бизнеса в цифровую эпоху) (Рубрика #Management)

Продолжая рассказ про книгу Цзэна Мина, ключевого стратега Alibaba Group (2006–2017), бывшего главы штаба Джека Ма, надо подробнее рассказать про концепцию "точка - линия - сторона - экосистема", которую он предлагает использоватькак рамку для анализа любой бизнес-экосистемы, от электронной коммерции до финансовых услуг.

1) Точки: начальный уровень сети
Точки представляют собой отдельных участников рынка, которые выполняют узкоспециализированные функции. Это могут быть небольшие компании, поставщики или индивидуальные предприниматели. Они предлагают конкретные продукты или услуги, часто без прямой связи друг с другом. На платформе Alibaba точки — это независимые продавцы на Taobao или небольшие производители, которые предлагают свои товары напрямую клиентам. Эти точки функционируют автономно, но их потенциал ограничен отсутствием координации и масштабирования.
2) Линии: объединение точек
Линии формируются, когда несколько точек начинают работать вместе для создания более сложных продуктов или услуг. Линии обеспечивают координацию между участниками, что позволяет оптимизировать процессы и повысить эффективность. Alibaba через свою платформу Tmall объединяет точки (производителей) с брендами и маркетинговыми агентствами. Например, фабрики одежды могут работать с дизайнерами и логистическими компаниями для создания конечного продукта, который поступает к потребителю через платформу.
3) Стороны: инфраструктура для линий
Стороны представляют собой платформы или системы, которые обеспечивают инфраструктуру для взаимодействия точек и линий. Они предоставляют инструменты для координации, обмена данными и транзакций. Примеры
- Cainiao Network - логистическая платформа Alibaba, которая координирует доставку товаров между продавцами и покупателями.
- Alipay - финансовая сторона экосистемы, которая обеспечивает безопасные платежи.
Стороны позволяют точкам и линиям работать более эффективно благодаря стандартизации процессов и доступу к технологиям.
4) Экосистема: интеграция всех компонентов
Экосистема возникает, когда точки, линии и стороны объединяются для создания целостного решения. Она включает множество участников (производители, логисты, платформы), которые работают вместе вокруг общей ценности. Экосистема Alibaba объединяет e-commerce (Taobao, Tmall), логистику (Cainiao), финансы (Alipay), облачные технологии (Alibaba Cloud) и медиа (Youku). Все эти элементы работают синхронно для удовлетворения потребностей клиентов — от покупки до доставки и оплаты.

Примеры успешных экосистем
- Alibaba: интеграция e-commerce с логистикой и финансовыми услугами создала мощную экосистему.
- Airbnb: объединение владельцев жилья (точки), платформы бронирования (сторона) и сервисов доверия создало глобальную экосистему аренды жилья.
- John Deere: умное сельское хозяйство объединяет поставщиков семян, удобрений и данных о погоде в единую платформу для фермеров.

Связь между точками, линиями, сторонами и экосистемой отражает постепенную эволюцию бизнеса от индивидуальных решений к интегрированным сетям. Экосистемы позволяют компаниям создавать масштабируемую ценность за счет координации участников и использования технологий. Такой подход становится ключевым фактором успеха в цифровую эпоху.

#Management #Leadership #BusinessStory