4 базовые концепции объектно-ориентированного программирования (ООП)
(продолжение в следующей теме)
(продолжение в следующей теме)
❤5👍2🤝2
4 базовые концепции объектно-ориентированного программирования (ООП)
(продолжение предыдущего поста)
Четыре концепции - абстракция, инкапсуляция, наследование и полиморфизм формируют основу ООП и позволяют создавать гибкие, модульные и повторно используемые программы.
1. Абстракция (Abstraction)
Суть: абстракция — это процесс сокрытия деталей реализации и предоставления пользователю только функциональности. То есть мы фокусируемся на «что делается», а не на «как это делается».
На изображении:
- Приведён пример с классом
- Конкретные реализации (
- Визуально показано, как общий интерфейс (
Пример кода:
2. Инкапсуляция (Encapsulation)
Суть: инкапсуляция — это объединение кода и данных в единый блок (класс), при этом каждый объект контролирует своё состояние. Это позволяет скрыть внутреннюю реализацию и предоставить доступ только через методы.
На изображении:
- Показана структура класса: переменные (
- Пример с классом
Пример кода:
3. Наследование (Inheritance)
Суть: наследование позволяет одному классу (производному, дочернему) наследовать свойства и методы другого класса (базового, родительского). Отражает отношение «IS-A» («является»).
На изображении:
- Схема с классом
- Пример кода показывает, как класс
- Метод
Пример кода:
4. Полиморфизм (Polymorphism)
Суть: полиморфизм — это способность объектов выполнять одни и те же действия разными способами. Объекты разных классов могут использоваться взаимозаменяемо, если они наследуют общий интерфейс.
На изображении:
- Разделяется на два типа: полиморфизм на этапе компиляции (Compile Time Polymorphism) и полиморфизм на этапе выполнения (Run Time Polymorphism).
- Compile Time Polymorphism включает перегрузку операторов (
- Run Time Polymorphism реализуется через виртуальные функции (
- Пример: класс
(продолжение предыдущего поста)
Четыре концепции - абстракция, инкапсуляция, наследование и полиморфизм формируют основу ООП и позволяют создавать гибкие, модульные и повторно используемые программы.
1. Абстракция (Abstraction)
Суть: абстракция — это процесс сокрытия деталей реализации и предоставления пользователю только функциональности. То есть мы фокусируемся на «что делается», а не на «как это делается».
На изображении:
- Приведён пример с классом
Car (абстрактный класс), который содержит абстрактный метод stop().- Конкретные реализации (
Honda, Tesla, Ford) наследуют Car и предоставляют свою реализацию метода stop().- Визуально показано, как общий интерфейс (
Car) связан с конкретными реализациями (марки автомобилей).Пример кода:
public abstract class Car {
public abstract void stop();
}
public class Honda extends Car {
@Override
public void stop() {
System.out.println("Honda::Stop");
System.out.println("Mechanism to stop the car using break");
}
}2. Инкапсуляция (Encapsulation)
Суть: инкапсуляция — это объединение кода и данных в единый блок (класс), при этом каждый объект контролирует своё состояние. Это позволяет скрыть внутреннюю реализацию и предоставить доступ только через методы.
На изображении:
- Показана структура класса: переменные (
Variables) и методы (Methods) объединены в класс (Class).- Пример с классом
Car, где переменная name объявлена private, а доступ к ней осуществляется через методы getName() (getter) и setName(String name) (setter).Пример кода:
public class Car {
// private variable
private String name;
// getter method for name
public String getName() {
return name;
}
// setter method for name
public void setName(String name) {
this.name = name;
}
}3. Наследование (Inheritance)
Суть: наследование позволяет одному классу (производному, дочернему) наследовать свойства и методы другого класса (базового, родительского). Отражает отношение «IS-A» («является»).
На изображении:
- Схема с классом
Vehicle (базовый класс) и производными классами: Bike, Car, Bus, Truck.- Пример кода показывает, как класс
Car наследует поле brand от Vehicle и добавляет своё поле doors.- Метод
describe() переопределяется в классе Car для предоставления специфической реализации.Пример кода:
class Vehicle {
protected String brand;
// Constructor
public Vehicle(String brand) {
this.brand = brand;
}
// Method to be overridden
public String describe() {
return "This is a vehicle of brand: " + brand;
}
}
class Car extends Vehicle {
private int doors;
// Constructor
public Car(String brand, int doors) {
super(brand);
this.doors = doors;
}
// Override the describe method
@Override
public String describe() {
return "This is a car of brand: " + brand + " with " + doors + " doors.";
}
}4. Полиморфизм (Polymorphism)
Суть: полиморфизм — это способность объектов выполнять одни и те же действия разными способами. Объекты разных классов могут использоваться взаимозаменяемо, если они наследуют общий интерфейс.
На изображении:
- Разделяется на два типа: полиморфизм на этапе компиляции (Compile Time Polymorphism) и полиморфизм на этапе выполнения (Run Time Polymorphism).
- Compile Time Polymorphism включает перегрузку операторов (
Operator Overloading) и перегрузку функций (Function Overloading).- Run Time Polymorphism реализуется через виртуальные функции (
Virtual Function) и переопределение методов.- Пример: класс
Vehicle с методом start(), который переопределяется в классе Car. Объект Car может быть присвоен ссылке типа Vehicle, и при вызове start() будет выполняться реализация из Car.❤9💋3🔥2🙏2👏1
Пример кода:
class Vehicle {
public void start() {
System.out.println("The vehicle starts.");
}
}
class Car extends Vehicle {
@Override
public void start() {
System.out.println("The car starts with a key.");
}
}
// Использование
Vehicle myVehicle = new Car();
myVehicle.start(); // Вызывается реализация из CarTelegram
METANIT.COM
4 базовые концепции объектно-ориентированного программирования (ООП)
(продолжение в следующей теме)
(продолжение в следующей теме)
💋7👍6🙏3🐳2🏆2🤝1
Создатель Claude Code от Anthropic предсказал, что должность инженера-программиста начнет «исчезать» в 2026 году
Борис Черни, разработчик популярного ИИ-агента Claude Code от компании Anthropic, предупредил, что профессия инженера-программиста скоро уйдёт в прошлое. По его словам, ИИ полностью автоматизирует написание кода, что радикально изменит рынок труда.
В интервью подкасту Y Combinator Lightcone Черни предсказал «безумные» изменения уже в 2026 году.
«Мы увидим, как профессия „инженер‑программист“ исчезнет. Возможно, останутся только „создатели“, возможно, „менеджеры продукта“, а может быть, мы сохраним эту профессию как нечто отжившее из прошлого».
Черни объяснил, что инженеры перейдут к новым задачам, они будут писать спецификации и общаться с пользователями. По его словам, команды станут универсальными, и код будут писать все, от продакт-менеджеров и дизайнеров до руководителей отделов и финансовых специалистов.
https://www.youtube.com/watch?v=PQU9o_5rHC4
Борис Черни, разработчик популярного ИИ-агента Claude Code от компании Anthropic, предупредил, что профессия инженера-программиста скоро уйдёт в прошлое. По его словам, ИИ полностью автоматизирует написание кода, что радикально изменит рынок труда.
В интервью подкасту Y Combinator Lightcone Черни предсказал «безумные» изменения уже в 2026 году.
«Мы увидим, как профессия „инженер‑программист“ исчезнет. Возможно, останутся только „создатели“, возможно, „менеджеры продукта“, а может быть, мы сохраним эту профессию как нечто отжившее из прошлого».
Черни объяснил, что инженеры перейдут к новым задачам, они будут писать спецификации и общаться с пользователями. По его словам, команды станут универсальными, и код будут писать все, от продакт-менеджеров и дизайнеров до руководителей отделов и финансовых специалистов.
https://www.youtube.com/watch?v=PQU9o_5rHC4
YouTube
Inside Claude Code With Its Creator Boris Cherny
A very special guest on this episode of the Lightcone! Boris Cherny, the creator of Claude Code, sits down to share the incredible journey of developing one of the most transformative coding tools of the AI era.
00:00 Intro
01:45 The most surprising moment…
00:00 Intro
01:45 The most surprising moment…
🤡86🖕15😁11🤣5🤔3👍2❤1
ИИ не повлиял на производительность компаний, несмотря на сотни миллиардов инвестиций
По данным опросов (NBER Working Paper №34836), почти 90% руководителей не зафиксировали сколько-нибудь ощутимого влияния ИИ ни на занятость персонала, ни на эффективность бизнес-процессов за последние три года. Рядовые сотрудники в среднем уделяют нейросетям лишь полтора часа в неделю, а каждый четвёртый не обращается к ИИ-инструментам вовсе — и это на фоне сотен миллиардов долларов, влитых в отрасль.
Ситуацию нередко сравнивают с «парадоксом Солоу». После технологического прорыва 1960-х — эпохи транзисторов, микросхем и первых ЭВМ — экономисты ожидали резкого ускорения производительности труда. Вместо этого в 1970–80-е годы она фактически замедлилась, невзирая на массовое распространение информационных технологий. Реальный эффект дал о себе знать лишь в середине 1990-х — примерно спустя два десятилетия после старта революции.
https://www.nber.org/papers/w34836
По данным опросов (NBER Working Paper №34836), почти 90% руководителей не зафиксировали сколько-нибудь ощутимого влияния ИИ ни на занятость персонала, ни на эффективность бизнес-процессов за последние три года. Рядовые сотрудники в среднем уделяют нейросетям лишь полтора часа в неделю, а каждый четвёртый не обращается к ИИ-инструментам вовсе — и это на фоне сотен миллиардов долларов, влитых в отрасль.
Ситуацию нередко сравнивают с «парадоксом Солоу». После технологического прорыва 1960-х — эпохи транзисторов, микросхем и первых ЭВМ — экономисты ожидали резкого ускорения производительности труда. Вместо этого в 1970–80-е годы она фактически замедлилась, невзирая на массовое распространение информационных технологий. Реальный эффект дал о себе знать лишь в середине 1990-х — примерно спустя два десятилетия после старта революции.
https://www.nber.org/papers/w34836
NBER
Firm Data on AI
We present the first representative international data on firm-level AI use. We survey almost 6000 CFOs, CEOs and executives from stratified firm samples across the US, UK, Germany and Australia. We find four key facts. First, around 70% of firms actively…
❤19👍8❤🔥2⚡2👾1
This media is not supported in your browser
VIEW IN TELEGRAM
Приложение для терминала с онлайн-показом прогноза погоды в режиме ASCII-анимации
Разработчик под ником Veirt выпустил открытое мультиплатформенное приложение под названием weathr. Это терминальный просмотрщик текущей погоды в режиме ASCII-анимации. Исходный код проекта написан на Rust и опубликован на GitHub
Решение включает в себя данные о погоде в реальном времени от Open-Meteo с анимированными дождями, снегом, грозами, летающими самолётами, сменой дня и ночи, а также автоматическим определением местоположения.
https://github.com/Veirt/weathr
Разработчик под ником Veirt выпустил открытое мультиплатформенное приложение под названием weathr. Это терминальный просмотрщик текущей погоды в режиме ASCII-анимации. Исходный код проекта написан на Rust и опубликован на GitHub
Решение включает в себя данные о погоде в реальном времени от Open-Meteo с анимированными дождями, снегом, грозами, летающими самолётами, сменой дня и ночи, а также автоматическим определением местоположения.
https://github.com/Veirt/weathr
👍21❤7🔥5🤔1😱1🤩1🤮1👾1
😁60👏11🔥7💯4🤔2👌2👨💻2👎1
VK переходит на язык Go
За последние два года к команде VK присоединились 400 разработчиков, специализирующихся на языке Go, при этом 300 из них наняли в 2025 году — это втрое больше показателя 2024 года. Расширение экспертизы в Go стало частью долгосрочной технологической стратегии компании.
Язык активно используется при создании инфраструктурных и облачных решений, а также в серверной части ключевых сервисов, включая «ВКонтакте» и «VK Видео». В компании отметили, что системный подход к найму и внутреннему обучению позволяет формировать команды для разработки высоконагруженных сервисов и развития технологической платформы.
Технический директор бизнес‑группы «Социальные платформы и медиаконтент» VK Сергей Ляджин отметил, что развитие Go‑направления — одно из ключевых при построении инфраструктурных команд. По его словам, язык оптимально подходит для продуктов компании благодаря способности эффективно работать с высокой нагрузкой, распределённой архитектурой и строгими требованиями к стабильности. Использование единого технологического стека, добавил он, ускоряет разработку сложных решений и упрощает масштабирование сервисов.
https://vk.com/press/go-devs-2026
За последние два года к команде VK присоединились 400 разработчиков, специализирующихся на языке Go, при этом 300 из них наняли в 2025 году — это втрое больше показателя 2024 года. Расширение экспертизы в Go стало частью долгосрочной технологической стратегии компании.
Язык активно используется при создании инфраструктурных и облачных решений, а также в серверной части ключевых сервисов, включая «ВКонтакте» и «VK Видео». В компании отметили, что системный подход к найму и внутреннему обучению позволяет формировать команды для разработки высоконагруженных сервисов и развития технологической платформы.
Технический директор бизнес‑группы «Социальные платформы и медиаконтент» VK Сергей Ляджин отметил, что развитие Go‑направления — одно из ключевых при построении инфраструктурных команд. По его словам, язык оптимально подходит для продуктов компании благодаря способности эффективно работать с высокой нагрузкой, распределённой архитектурой и строгими требованиями к стабильности. Использование единого технологического стека, добавил он, ускоряет разработку сложных решений и упрощает масштабирование сервисов.
https://vk.com/press/go-devs-2026
VK
VK наняла 400 Go-разработчиков в рамках перехода на единые технологии | VK Blog
В 2025 году в компанию пришло в три раза больше специалистов, чем годом ранее.
🤡26🔥7🤮5👎3😁3❤2👏1👾1
Аспекты производительности базы данных
(продолжение в следующем посте)
(продолжение в следующем посте)
🔥4❤2👍2👾1
Аспекты производительности базы данных
(продолжение предыдущего поста)
Производительность базы данных зависит от комплекса факторов: метрик, типа рабочей нагрузки, ключевых параметров системы и применяемых стратегий оптимизации. Грамотный выбор и настройка этих аспектов позволяют добиться высокой скорости обработки запросов, эффективного использования ресурсов и надёжности работы системы. Рассмотрим детально эти аспекты.
1. Ключевые метрики (Key Metrics), влияющие на производительность:
* Query Execution Time (время выполнения запроса) — чем дольше выполняется запрос, тем ниже производительность.
* Throughput (пропускная способность) — количество операций (запросов), которые база данных может обработать за единицу времени.
* Latency (задержка) — время ожидания между отправкой запроса и получением ответа.
* Resource Utilization (использование ресурсов) — эффективность использования CPU, памяти, дискового пространства и других ресурсов.
2. Тип рабочей нагрузки (Workload Type) и его влияние:
* Write-Heavy (интенсивная запись) — приводит к увеличению задержки (latency), конкуренции за блокировки (lock contention) и нагрузке на обслуживание индексов.
* Read-Heavy (интенсивное чтение) — вызывает высокую задержку для сложных запросов и промахи кэша (cache misses).
* Delete-Heavy (интенсивное удаление) — может привести к фрагментации данных и снижению производительности.
* Competing Workload (конкурирующая нагрузка) — одновременное выполнение разных типов запросов (чтение, запись, удаление) может вызвать конкуренцию за ресурсы и увеличить задержку.
3. Ключевые факторы (Key Factors), определяющие производительность:
* Item Size (размер элемента) — большие элементы данных замедляют обработку.
* Item Type (тип элемента) — разные типы данных (текст, бинарные данные и т. д.) требуют разных ресурсов для обработки.
* Dataset Size (размер набора данных) — чем больше объём данных, тем сложнее их обрабатывать.
* Concurrency (параллелизм) — количество одновременных запросов влияет на конкуренцию за ресурсы.
* Consistency Expectations (ожидания согласованности) — требования к уровню согласованности данных (например, ACID) могут замедлить обработку.
* Geographic Distribution (географическое распределение) — распределение данных по разным регионам может увеличить задержку из-за сетевых ограничений.
* HA Expectations (ожидания высокой доступности) — меры для обеспечения высокой доступности (например, репликация) могут добавить нагрузку на систему.
* Workload Variability (вариативность рабочей нагрузки) — колебания в интенсивности запросов усложняют оптимизацию.
4. Стратегии повышения производительности базы данных (Database Performance Strategies):
* Database Indexing (индексирование базы данных):
* создание индексов для ускорения поиска данных (например, по email);
* связь указателей (pointer) с идентификаторами (Cust_ID) для быстрого доступа к записям.
* Sharding and Partitioning (шардинг и партиционирование):
* разделение монолитной базы данных на отдельные шарды (части) для распределения нагрузки;
* улучшение масштабируемости и снижение задержки за счёт параллельной обработки запросов на разных шардах.
* Denormalization (денормализация):
* снижение количества соединений (joins) за счёт дублирования данных (например, хранение информации о продуктах и сегментах вместе с заказами клиентов);
* ускорение чтения за счёт увеличения объёма данных (например, таблица Customer_Orders содержит поля product_name, segment_name, customer_name, order_id, order_amount).
* Database Replication (репликация базы данных):
* использование ведущего узла (Leader Node) для записи и следующих узлов (Follower Nodes) для чтения;
* репликация данных через поток (Replication Stream) для обеспечения доступности и балансировки нагрузки;
* разделение запросов на Read-Write (на ведущем узле) и Read-Only (на следующих узлах) для оптимизации производительности.
(продолжение предыдущего поста)
Производительность базы данных зависит от комплекса факторов: метрик, типа рабочей нагрузки, ключевых параметров системы и применяемых стратегий оптимизации. Грамотный выбор и настройка этих аспектов позволяют добиться высокой скорости обработки запросов, эффективного использования ресурсов и надёжности работы системы. Рассмотрим детально эти аспекты.
1. Ключевые метрики (Key Metrics), влияющие на производительность:
* Query Execution Time (время выполнения запроса) — чем дольше выполняется запрос, тем ниже производительность.
* Throughput (пропускная способность) — количество операций (запросов), которые база данных может обработать за единицу времени.
* Latency (задержка) — время ожидания между отправкой запроса и получением ответа.
* Resource Utilization (использование ресурсов) — эффективность использования CPU, памяти, дискового пространства и других ресурсов.
2. Тип рабочей нагрузки (Workload Type) и его влияние:
* Write-Heavy (интенсивная запись) — приводит к увеличению задержки (latency), конкуренции за блокировки (lock contention) и нагрузке на обслуживание индексов.
* Read-Heavy (интенсивное чтение) — вызывает высокую задержку для сложных запросов и промахи кэша (cache misses).
* Delete-Heavy (интенсивное удаление) — может привести к фрагментации данных и снижению производительности.
* Competing Workload (конкурирующая нагрузка) — одновременное выполнение разных типов запросов (чтение, запись, удаление) может вызвать конкуренцию за ресурсы и увеличить задержку.
3. Ключевые факторы (Key Factors), определяющие производительность:
* Item Size (размер элемента) — большие элементы данных замедляют обработку.
* Item Type (тип элемента) — разные типы данных (текст, бинарные данные и т. д.) требуют разных ресурсов для обработки.
* Dataset Size (размер набора данных) — чем больше объём данных, тем сложнее их обрабатывать.
* Concurrency (параллелизм) — количество одновременных запросов влияет на конкуренцию за ресурсы.
* Consistency Expectations (ожидания согласованности) — требования к уровню согласованности данных (например, ACID) могут замедлить обработку.
* Geographic Distribution (географическое распределение) — распределение данных по разным регионам может увеличить задержку из-за сетевых ограничений.
* HA Expectations (ожидания высокой доступности) — меры для обеспечения высокой доступности (например, репликация) могут добавить нагрузку на систему.
* Workload Variability (вариативность рабочей нагрузки) — колебания в интенсивности запросов усложняют оптимизацию.
4. Стратегии повышения производительности базы данных (Database Performance Strategies):
* Database Indexing (индексирование базы данных):
* создание индексов для ускорения поиска данных (например, по email);
* связь указателей (pointer) с идентификаторами (Cust_ID) для быстрого доступа к записям.
* Sharding and Partitioning (шардинг и партиционирование):
* разделение монолитной базы данных на отдельные шарды (части) для распределения нагрузки;
* улучшение масштабируемости и снижение задержки за счёт параллельной обработки запросов на разных шардах.
* Denormalization (денормализация):
* снижение количества соединений (joins) за счёт дублирования данных (например, хранение информации о продуктах и сегментах вместе с заказами клиентов);
* ускорение чтения за счёт увеличения объёма данных (например, таблица Customer_Orders содержит поля product_name, segment_name, customer_name, order_id, order_amount).
* Database Replication (репликация базы данных):
* использование ведущего узла (Leader Node) для записи и следующих узлов (Follower Nodes) для чтения;
* репликация данных через поток (Replication Stream) для обеспечения доступности и балансировки нагрузки;
* разделение запросов на Read-Write (на ведущем узле) и Read-Only (на следующих узлах) для оптимизации производительности.
❤3👍2🔥2👾1
* Database Locking Techniques (техники блокировки базы данных):
* управление блокировками для предотвращения конфликтов при одновременном доступе к данным (например, операции с банковским счётом);
* использование версий строк (versioning) для отслеживания изменений (например, version: 1 и version: 2);
* обработка сценариев, когда несколько пользователей пытаются изменить одни и те же данные (например, Sarah и John пытаются уменьшить баланс счёта).
* управление блокировками для предотвращения конфликтов при одновременном доступе к данным (например, операции с банковским счётом);
* использование версий строк (versioning) для отслеживания изменений (например, version: 1 и version: 2);
* обработка сценариев, когда несколько пользователей пытаются изменить одни и те же данные (например, Sarah и John пытаются уменьшить баланс счёта).
Telegram
METANIT.COM
Аспекты производительности базы данных
(продолжение в следующем посте)
(продолжение в следующем посте)
❤3🔥3👍2👾1
This media is not supported in your browser
VIEW IN TELEGRAM
Вкратце, как работает нейронная сеть
👍15🤓11😱5👎4🤔2😐1🖕1👨💻1👾1
Эксперт рассказала о перенасыщении IT-индустрии специалистами
Хотя популярность IT-образования для детей продолжает расти, рынок труда в индустрии серьезно меняется. По словам директора по персоналу компании Selecty, специализирующейся на рекрутинге и аутсорсинге IT-персонала, Дарьи Кудрявцевой, многие родители воспринимают IT-сферу как путевку в жизнь для детей. Благодаря активному развитию ИТ с середины 2010-х годов карьера в IT стала престижной. Эксперт отметила, что на тот момент в сфере наблюдался острый дефицит специалистов, а компании в борьбе за кандидатов предлагали всё более щедрые оферы. По словам Кудрявцевой, в массовом сознании работе в IT-сфере превратилась в синоним благополучия в жизни, чему отчасти способствовали сами игроки EdTech-рынка, рекламируя «шикарную» жизнь и формируя ложные надежды у соискателей.
«Под их влиянием множество людей прошло курсы переподготовки, а родители стали ориентировать детей на получение IT-специальностей и с раннего возраста обучать программированию. Но в 2025 году ситуация изменилась. Компании свернули проекты, которые требуют больших инвестиций и не приносят прибыли, а постепенное насыщение новыми специалистами привело к тому, что кадровый IT-рынок вошел в стадию зрелости», — подчеркнула она.
Специалист обратила внимание, что под влиянием всех этих факторов наем сократился, а темп роста зарплат замедлился. Она уточнила, что количество активных резюме на одну вакансию в свою очередь выросло вдвое — с 9,8% в январе 2025-го до 21,3% в том же месяце текущего года. По ее словам, это свидетельствует о сильном перенасыщении рынка по объему соискателей на фоне снижающегося спроса со стороны работодателей.
Кудрявцева отметила, что подобное произошло у экономистов и юристов в начале 2000-х годов: после бурного всплеска интереса на рынке труда наблюдался переизбыток специалистов. По ее словам, IT-индустрию может ожидать подобный сценарий.
При этом Кудрявцева обратила внимание, что специалисты, которые выбрали IT-индустрию ради высоких доходов на старте, будут разочарованы. Согласно статистике, в сфере информационных технологий не наблюдается никакого роста доходов. Она также отметила, что предпосылок для этого нет. По словам эксперта, реальные доходы IT-специалистов снижаются: в номинале цифры могут и расти, но их покупательная способность — падать.
https://iz.ru/2045514/2026-02-21/ekspert-rasskazala-o-perenasyshchenii-it-industrii-spetcialistami
Хотя популярность IT-образования для детей продолжает расти, рынок труда в индустрии серьезно меняется. По словам директора по персоналу компании Selecty, специализирующейся на рекрутинге и аутсорсинге IT-персонала, Дарьи Кудрявцевой, многие родители воспринимают IT-сферу как путевку в жизнь для детей. Благодаря активному развитию ИТ с середины 2010-х годов карьера в IT стала престижной. Эксперт отметила, что на тот момент в сфере наблюдался острый дефицит специалистов, а компании в борьбе за кандидатов предлагали всё более щедрые оферы. По словам Кудрявцевой, в массовом сознании работе в IT-сфере превратилась в синоним благополучия в жизни, чему отчасти способствовали сами игроки EdTech-рынка, рекламируя «шикарную» жизнь и формируя ложные надежды у соискателей.
«Под их влиянием множество людей прошло курсы переподготовки, а родители стали ориентировать детей на получение IT-специальностей и с раннего возраста обучать программированию. Но в 2025 году ситуация изменилась. Компании свернули проекты, которые требуют больших инвестиций и не приносят прибыли, а постепенное насыщение новыми специалистами привело к тому, что кадровый IT-рынок вошел в стадию зрелости», — подчеркнула она.
Специалист обратила внимание, что под влиянием всех этих факторов наем сократился, а темп роста зарплат замедлился. Она уточнила, что количество активных резюме на одну вакансию в свою очередь выросло вдвое — с 9,8% в январе 2025-го до 21,3% в том же месяце текущего года. По ее словам, это свидетельствует о сильном перенасыщении рынка по объему соискателей на фоне снижающегося спроса со стороны работодателей.
Кудрявцева отметила, что подобное произошло у экономистов и юристов в начале 2000-х годов: после бурного всплеска интереса на рынке труда наблюдался переизбыток специалистов. По ее словам, IT-индустрию может ожидать подобный сценарий.
При этом Кудрявцева обратила внимание, что специалисты, которые выбрали IT-индустрию ради высоких доходов на старте, будут разочарованы. Согласно статистике, в сфере информационных технологий не наблюдается никакого роста доходов. Она также отметила, что предпосылок для этого нет. По словам эксперта, реальные доходы IT-специалистов снижаются: в номинале цифры могут и расти, но их покупательная способность — падать.
https://iz.ru/2045514/2026-02-21/ekspert-rasskazala-o-perenasyshchenii-it-industrii-spetcialistami
Известия
Эксперт рассказала о перенасыщении IT-индустрии специалистами
Хотя популярность IT-образования для детей продолжает расти, рынок труда в индустрии серьезно меняется. Об этом 20 февраля «Известиям» сообщила директор по персоналу компании Selecty, специализирующейся на рекрутинге и аутсорсинге IT-персонала, Дарья Кудрявцева.
👍13🤣12😢6💯5❤3🤡2🤮1😭1👾1
Производители жёстких дисков распродали мощности до 2027 года из-за бума ИИ, а цены на ОЗУ и SSD будут расти весь 2026 год
Крупнейшие производители жёстких дисков сообщили, что их производственные мощности уже полностью распределены на ближайшие годы — главным образом из-за стремительного роста инфраструктуры для искусственного интеллекта. Во время отчётных конференций представители Seagate и Western Digital подтвердили, что весь объём выпуска на 2026 год уже продан, а часть поставок на 2027–2028 годы зарезервирована по долгосрочным контрактам. Глава Western Digital Тианг Ю Тан заявил аналитикам, что компания практически полностью обеспечена заказами до конца 2026 года и уже заключила соглашения с рядом клиентов на последующие годы. Аналогичную ситуацию описал и генеральный директор Seagate Дэйв Мосли, отметив, что свободных мощностей у компании на ближайшие два года не осталось. По данным отраслевых источников, схожее положение складывается и у третьего крупного производителя — Toshiba, хотя официальных заявлений от компании пока не поступало.
Аналогичная ситуация складывается в ОЗУ и SSD. Один из крупнейших мировых производителей чипов, компания SK Hynix, озвучила крайне жесткий прогноз на 2026 год. В ходе конференции руководство компании заявило, что цены на оперативную и флеш-память будут расти непрерывно в течение всего года. Главной причиной остается ажиотажный спрос со стороны разработчиков систем искусственного интеллекта на фоне крайне медленного роста объемов производства.
Ситуация для покупателей осложняется тем, что у самих производителей практически не осталось складских резервов. На текущий момент запасы DRAM и NAND у SK Hynix составляют всего около 4 недель.
https://www.theregister.com/2026/02/20/ai_blamed_again_as_hard_drives_sell_out/
https://www.ithome.com/0/922/736.htm
Для примера в одном известном магазине DDR5 Kingston FURY KF556C40BWK4-128 (128 ГБ) подорожала за последние 4 месяца почти в 4 раза (с 41 799 ₽ до 197 999 рублей)! Даже не знаю, куда уж больше....
Крупнейшие производители жёстких дисков сообщили, что их производственные мощности уже полностью распределены на ближайшие годы — главным образом из-за стремительного роста инфраструктуры для искусственного интеллекта. Во время отчётных конференций представители Seagate и Western Digital подтвердили, что весь объём выпуска на 2026 год уже продан, а часть поставок на 2027–2028 годы зарезервирована по долгосрочным контрактам. Глава Western Digital Тианг Ю Тан заявил аналитикам, что компания практически полностью обеспечена заказами до конца 2026 года и уже заключила соглашения с рядом клиентов на последующие годы. Аналогичную ситуацию описал и генеральный директор Seagate Дэйв Мосли, отметив, что свободных мощностей у компании на ближайшие два года не осталось. По данным отраслевых источников, схожее положение складывается и у третьего крупного производителя — Toshiba, хотя официальных заявлений от компании пока не поступало.
Аналогичная ситуация складывается в ОЗУ и SSD. Один из крупнейших мировых производителей чипов, компания SK Hynix, озвучила крайне жесткий прогноз на 2026 год. В ходе конференции руководство компании заявило, что цены на оперативную и флеш-память будут расти непрерывно в течение всего года. Главной причиной остается ажиотажный спрос со стороны разработчиков систем искусственного интеллекта на фоне крайне медленного роста объемов производства.
Ситуация для покупателей осложняется тем, что у самих производителей практически не осталось складских резервов. На текущий момент запасы DRAM и NAND у SK Hynix составляют всего около 4 недель.
https://www.theregister.com/2026/02/20/ai_blamed_again_as_hard_drives_sell_out/
https://www.ithome.com/0/922/736.htm
Для примера в одном известном магазине DDR5 Kingston FURY KF556C40BWK4-128 (128 ГБ) подорожала за последние 4 месяца почти в 4 раза (с 41 799 ₽ до 197 999 рублей)! Даже не знаю, куда уж больше....
The Register
Hard drives already sold out for this year – AI to blame
: Oh snap! The hyperscalers bought all the HDDs
🤬14😡11👍1😢1👀1👾1
Кардинальность в базе данных
(продолжение предыдущего поста)
Cardinality (кардинальность) — это характеристика столбца в таблице базы данных, которая показывает, сколько уникальных значений содержится в этом столбце. Проще говоря, она отражает разнообразие данных в столбце: чем больше уникальных значений, тем выше кардинальность, и наоборот.
На изображении показаны два типа кардинальности на примере таблицы
1. High Cardinality (высокая кардинальность) — столбец содержит много уникальных значений. На схеме к этому типу отнесён столбец
- Обоснование: имена сотрудников, как правило, уникальны или почти уникальны в рамках одной компании. Вероятность совпадения имён относительно низка, поэтому количество уникальных значений в этом столбце будет большим.
- Последствия для индексации: индексы по столбцам с высокой кардинальностью могут быть полезны для поиска конкретных записей (например, «Найти сотрудника с именем Иван»), но они занимают больше места и могут замедлять операции вставки/обновления из-за необходимости поддерживать индекс.
2. Low Cardinality (низкая кардинальность) — столбец содержит относительно мало уникальных значений. На схеме к этому типу отнесён столбец
- Обоснование: в столбце
- Последствия для индексации: индексы по столбцам с низкой кардинальностью часто менее эффективны для поиска, так как они не сильно сужают набор результатов. Например, запрос «Найти всех мужчин» вернёт большую часть таблицы, и индекс может не дать значительного выигрыша в производительности. Такие индексы могут быть избыточными и тратить ресурсы базы данных.
Что не так с приведённым скриптом?
В скрипте создаются индексы для обоих столбцов:
Проблема в том, что:
- Индекс для
- Индекс для
- Пол — это категориальная переменная с малым числом уникальных значений.
- Запросы по полу (
- Создание индекса по такому столбцу тратит ресурсы (память, время на поддержание индекса при вставках/обновлениях) без существенного выигрыша в скорости запросов.
Кардинальность важно учитывать при проектировании индексов в базе данных. Индексы лучше создавать для столбцов с высокой кардинальностью, где они действительно ускоряют поиск. Для столбцов с низкой кардинальностью индексация часто нецелесообразна.
(продолжение предыдущего поста)
Cardinality (кардинальность) — это характеристика столбца в таблице базы данных, которая показывает, сколько уникальных значений содержится в этом столбце. Проще говоря, она отражает разнообразие данных в столбце: чем больше уникальных значений, тем выше кардинальность, и наоборот.
На изображении показаны два типа кардинальности на примере таблицы
Employees:1. High Cardinality (высокая кардинальность) — столбец содержит много уникальных значений. На схеме к этому типу отнесён столбец
Name (имя сотрудника).- Обоснование: имена сотрудников, как правило, уникальны или почти уникальны в рамках одной компании. Вероятность совпадения имён относительно низка, поэтому количество уникальных значений в этом столбце будет большим.
- Последствия для индексации: индексы по столбцам с высокой кардинальностью могут быть полезны для поиска конкретных записей (например, «Найти сотрудника с именем Иван»), но они занимают больше места и могут замедлять операции вставки/обновления из-за необходимости поддерживать индекс.
2. Low Cardinality (низкая кардинальность) — столбец содержит относительно мало уникальных значений. На схеме к этому типу отнесён столбец
Gender (пол).- Обоснование: в столбце
Gender обычно всего 2 уникальных значения (например, «M» для мужского, «F» для женского, возможно, на случай, например, если человек не захочет указывать, мы можем добавить еще вариант, но количество уникальных значений в итоге все равно будет небольшим). Это делает кардинальность низкой.- Последствия для индексации: индексы по столбцам с низкой кардинальностью часто менее эффективны для поиска, так как они не сильно сужают набор результатов. Например, запрос «Найти всех мужчин» вернёт большую часть таблицы, и индекс может не дать значительного выигрыша в производительности. Такие индексы могут быть избыточными и тратить ресурсы базы данных.
Что не так с приведённым скриптом?
В скрипте создаются индексы для обоих столбцов:
Name и Gender:CREATE INDEX idx_name ON Employees(Name);
CREATE INDEX idx_gender ON Employees(Gender);
Проблема в том, что:
- Индекс для
Name (высокая кардинальность) может быть полезен, так как помогает быстро находить конкретных сотрудников по имени.- Индекс для
Gender (низкая кардинальность) скорее всего бесполезен, так как:- Пол — это категориальная переменная с малым числом уникальных значений.
- Запросы по полу (
WHERE Gender = 'M') вернут большую часть данных, и база данных может быстрее обработать такой запрос без индекса.- Создание индекса по такому столбцу тратит ресурсы (память, время на поддержание индекса при вставках/обновлениях) без существенного выигрыша в скорости запросов.
Кардинальность важно учитывать при проектировании индексов в базе данных. Индексы лучше создавать для столбцов с высокой кардинальностью, где они действительно ускоряют поиск. Для столбцов с низкой кардинальностью индексация часто нецелесообразна.
Telegram
METANIT.COM
Кардинальность в базе данных
(продолжение в следующем посте)
(продолжение в следующем посте)
🔥10❤3❤🔥2👍1😁1👾1
В "Блокноте" в Windows появится поддержка изображений
Microsoft внедрила в "Блокнот" функцию, которая позволяет вставлять изображения в текстовые документы. Её заметили в интерфейсе «Что нового», демонстрирующем последние дополнения к приложению и его функции.
Пользователи заметили, что изменения внедрили в последних обновлениях для участников программы Windows Insider. Хотя официально Microsoft пока не анонсировала поддержку изображений
Некоторые пользователи выразили недовольство стратегией компании, отметив, что компания превратила простой и надёжный инструмент для базового редактирования текста в перегруженный опциями сервис.
https://www.neowin.net/news/notepad-is-getting-image-support-for-some-reason/
Microsoft внедрила в "Блокнот" функцию, которая позволяет вставлять изображения в текстовые документы. Её заметили в интерфейсе «Что нового», демонстрирующем последние дополнения к приложению и его функции.
Пользователи заметили, что изменения внедрили в последних обновлениях для участников программы Windows Insider. Хотя официально Microsoft пока не анонсировала поддержку изображений
Некоторые пользователи выразили недовольство стратегией компании, отметив, что компания превратила простой и надёжный инструмент для базового редактирования текста в перегруженный опциями сервис.
https://www.neowin.net/news/notepad-is-getting-image-support-for-some-reason/
💩32🤮6👍4🤯3👎2💯2🤔1🤡1👾1