🛑💳 Just Fucking Cancel: Умное управление подписками
Этот проект — навык для Claude, который помогает анализировать ваши транзакции и отменять ненужные подписки. Просто загрузите CSV-файл с выписками, и Claude задаст вопросы, чтобы определить, что стоит отменить, а что оставить. Все данные остаются на вашем компьютере, обеспечивая конфиденциальность.
🚀Основные моменты:
- Анализирует ваши транзакции и выявляет повторяющиеся платежи.
- Задает персонализированные вопросы для лучшего понимания ваших нужд.
- Автоматически помогает отменять подписки через браузер.
- Все данные остаются локальными, без загрузки в облако.
- Бесплатный навык при наличии подписки на Claude Pro.
📌 GitHub: https://github.com/rohunvora/just-fucking-cancel
Этот проект — навык для Claude, который помогает анализировать ваши транзакции и отменять ненужные подписки. Просто загрузите CSV-файл с выписками, и Claude задаст вопросы, чтобы определить, что стоит отменить, а что оставить. Все данные остаются на вашем компьютере, обеспечивая конфиденциальность.
🚀Основные моменты:
- Анализирует ваши транзакции и выявляет повторяющиеся платежи.
- Задает персонализированные вопросы для лучшего понимания ваших нужд.
- Автоматически помогает отменять подписки через браузер.
- Все данные остаются локальными, без загрузки в облако.
- Бесплатный навык при наличии подписки на Claude Pro.
📌 GitHub: https://github.com/rohunvora/just-fucking-cancel
👍4😁2🔥1
💾 Оперативная память может резко подорожать - аналитики ждут новый скачок цен
Индустриальные аналитики прогнозируют крупный рост цен на оперативную память.
Citibank резко пересмотрел прогноз:
📈 теперь ожидается рост цен на DRAM в 2026 году на +88%
(раньше прогнозировали **+53%**).
Почему так:
Micron прямо заявляет, что дефицит DRAM сохранится даже после 2026.
Даже с запуском новых фабрик компания считает, что сможет закрыть только 50% - 66% спроса клиентов.
Главный драйвер - AI.
ИИ-сервера и ускорители сжирают память тоннами, и это вытесняет обычный рынок.
Дополнительный фактор:
производители памяти переводят мощности на более прибыльные AI/Server чипы, создавая “искусственный дефицит” обычной DRAM и NAND, которые идут в:
- ПК
- ноутбуки
- телефоны
- бытовые гаджеты
Итог для пользователей:
производители ПК уже предупреждают - в 2026 году розничные цены могут вырасти на +15% - 20%.
https://x.com/Beth_Kindig/status/2012612262767321271
Индустриальные аналитики прогнозируют крупный рост цен на оперативную память.
Citibank резко пересмотрел прогноз:
📈 теперь ожидается рост цен на DRAM в 2026 году на +88%
(раньше прогнозировали **+53%**).
Почему так:
Micron прямо заявляет, что дефицит DRAM сохранится даже после 2026.
Даже с запуском новых фабрик компания считает, что сможет закрыть только 50% - 66% спроса клиентов.
Главный драйвер - AI.
ИИ-сервера и ускорители сжирают память тоннами, и это вытесняет обычный рынок.
Дополнительный фактор:
производители памяти переводят мощности на более прибыльные AI/Server чипы, создавая “искусственный дефицит” обычной DRAM и NAND, которые идут в:
- ПК
- ноутбуки
- телефоны
- бытовые гаджеты
Итог для пользователей:
производители ПК уже предупреждают - в 2026 году розничные цены могут вырасти на +15% - 20%.
https://x.com/Beth_Kindig/status/2012612262767321271
😭14❤4🔥3😈2👍1🥱1🗿1
🐙 Copilot Spaces - как дебажить issues в разы быстрее
GitHub показали классную фичу - Copilot Spaces. Это буквально “контекстная папка” для ИИ, чтобы он перестал отвечать общими словами и начал реально помогать по проекту.
Проблема, которую решает Spaces:
когда приходит issue, ты сначала тратишь время не на фикc, а на разогрев:
ищешь нужные файлы, смотришь старые PR, читаешь доки, вспоминаешь правила проекта.
Copilot без контекста = бесполезные советы.
Copilot с контекстом = реальный ассистент.
Что такое Space
Это пространство, куда ты собираешь всё важное по задаче:
- конкретные файлы или целый репозиторий
- issue/PR по теме
- архитектурные заметки и правила проекта
- документацию и спецификации
И дальше Copilot начинает:
- понимать структуру проекта
- ссылаться на реальные файлы
- предлагать план фикса без выдумок
Как использовать для дебага
1) Создаёшь Space под конкретный баг
2) Добавляешь issue + важные файлы/доки
3) Просишь Copilot:
“Найди причину, предложи план и минимальный фикс”
4) Дальше можно использовать coding agent, чтобы он подготовил изменения/PR
Итог
Copilot Spaces - это способ превратить дебаг из “поиска контекста” в быстрый разбор:
собрал материалы → получил план → сделал фикс.
Источник: https://github.blog/ai-and-ml/github-copilot/how-to-use-github-copilot-spaces-to-debug-issues-faster/
GitHub показали классную фичу - Copilot Spaces. Это буквально “контекстная папка” для ИИ, чтобы он перестал отвечать общими словами и начал реально помогать по проекту.
Проблема, которую решает Spaces:
когда приходит issue, ты сначала тратишь время не на фикc, а на разогрев:
ищешь нужные файлы, смотришь старые PR, читаешь доки, вспоминаешь правила проекта.
Copilot без контекста = бесполезные советы.
Copilot с контекстом = реальный ассистент.
Что такое Space
Это пространство, куда ты собираешь всё важное по задаче:
- конкретные файлы или целый репозиторий
- issue/PR по теме
- архитектурные заметки и правила проекта
- документацию и спецификации
И дальше Copilot начинает:
- понимать структуру проекта
- ссылаться на реальные файлы
- предлагать план фикса без выдумок
Как использовать для дебага
1) Создаёшь Space под конкретный баг
2) Добавляешь issue + важные файлы/доки
3) Просишь Copilot:
“Найди причину, предложи план и минимальный фикс”
4) Дальше можно использовать coding agent, чтобы он подготовил изменения/PR
Итог
Copilot Spaces - это способ превратить дебаг из “поиска контекста” в быстрый разбор:
собрал материалы → получил план → сделал фикс.
Источник: https://github.blog/ai-and-ml/github-copilot/how-to-use-github-copilot-spaces-to-debug-issues-faster/
❤3👎2👍1🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
Жизнь глазами сеньора со стажем 10+ лет
❤10💯9🤩4🔥3👍2
🚀 Подборка репозиториев, которые реально полезно добавить в закладки - от фронтенда до AI/LLM.
Frontend / UI
1) Flexbox Froggy - учим flexbox в формате игры
https://github.com/thomaspark/flexboxfroggy
2) shadcn/ui - топовая база UI-компонентов для React
https://github.com/shadcn-ui/ui
3) 50 Projects in 50 Days - прокачка практикой
https://github.com/bradtraversy/50projects50days
4) Awesome React Components - огромная коллекция компонентов
https://github.com/brillout/awesome-react-components
5) Awesome CSS - всё про CSS, паттерны и идеи
https://github.com/awesome-css-group/awesome-css
AI / Multimodal / LLM
6) LLaVA - Large Language and Vision Assistant
https://github.com/haotian-liu/LLaVA
7) CLIP - contrastive обучение текста и изображений
https://github.com/openai/CLIP
8) Transformers - главная библиотека для SOTA NLP/Multimodal моделей
https://github.com/huggingface/transformers
9) Awesome Multimodal ML - бумаги + репозитории по multimodal
https://github.com/pliang279/awesome-multimodal-ml
10) RAG from Scratch - собрать RAG пошагово и понять как работает
https://github.com/langchain-ai/rag-from-scratch
11) Awesome LLM Apps - подборка production-ready LLM приложений
https://github.com/Shubhamsaboo/awesome-llm-apps
12) LLM Engineer Handbook - гайд по профессии LLM-инженера
https://github.com/PacktPublishing/LLM-Engineers-Handbook
Agents / Tools
13) MCP Python SDK - официальный SDK Model Context Protocol
https://github.com/modelcontextprotocol/python-sdk
ML / CV collections
14) Awesome Machine Learning - curated ML фреймворки и библиотеки
https://github.com/josephmisiti/awesome-machine-learning
15) Awesome Computer Vision - огромная база по Computer Vision
https://github.com/jbhuang0604/awesome-computer-vision
16) AI Engineering Hub (ZenML) - MLOps и инженерная часть AI
https://github.com/zenml-io/zenml
Qwen ecosystem
17) Qwen (Official)
https://github.com/QwenLM/Qwen
18) Qwen Fine-Tuning Examples
https://github.com/QwenLM/Qwen-Finetuning
Reinforcement Learning
19) Spinning Up in Deep RL (OpenAI)
https://github.com/openai/spinningup
20) Reinforcement Learning: An Introduction (Sutton & Barto)
https://github.com/ShangtongZhang/reinforcement-learning-an-introduction
Core DL
21) PyTorch
https://github.com/pytorch/pytorch
Generative AI
22) Awesome Generative AI Guide
https://github.com/steven2358/awesome-generative-ai
Frontend / UI
1) Flexbox Froggy - учим flexbox в формате игры
https://github.com/thomaspark/flexboxfroggy
2) shadcn/ui - топовая база UI-компонентов для React
https://github.com/shadcn-ui/ui
3) 50 Projects in 50 Days - прокачка практикой
https://github.com/bradtraversy/50projects50days
4) Awesome React Components - огромная коллекция компонентов
https://github.com/brillout/awesome-react-components
5) Awesome CSS - всё про CSS, паттерны и идеи
https://github.com/awesome-css-group/awesome-css
AI / Multimodal / LLM
6) LLaVA - Large Language and Vision Assistant
https://github.com/haotian-liu/LLaVA
7) CLIP - contrastive обучение текста и изображений
https://github.com/openai/CLIP
8) Transformers - главная библиотека для SOTA NLP/Multimodal моделей
https://github.com/huggingface/transformers
9) Awesome Multimodal ML - бумаги + репозитории по multimodal
https://github.com/pliang279/awesome-multimodal-ml
10) RAG from Scratch - собрать RAG пошагово и понять как работает
https://github.com/langchain-ai/rag-from-scratch
11) Awesome LLM Apps - подборка production-ready LLM приложений
https://github.com/Shubhamsaboo/awesome-llm-apps
12) LLM Engineer Handbook - гайд по профессии LLM-инженера
https://github.com/PacktPublishing/LLM-Engineers-Handbook
Agents / Tools
13) MCP Python SDK - официальный SDK Model Context Protocol
https://github.com/modelcontextprotocol/python-sdk
ML / CV collections
14) Awesome Machine Learning - curated ML фреймворки и библиотеки
https://github.com/josephmisiti/awesome-machine-learning
15) Awesome Computer Vision - огромная база по Computer Vision
https://github.com/jbhuang0604/awesome-computer-vision
16) AI Engineering Hub (ZenML) - MLOps и инженерная часть AI
https://github.com/zenml-io/zenml
Qwen ecosystem
17) Qwen (Official)
https://github.com/QwenLM/Qwen
18) Qwen Fine-Tuning Examples
https://github.com/QwenLM/Qwen-Finetuning
Reinforcement Learning
19) Spinning Up in Deep RL (OpenAI)
https://github.com/openai/spinningup
20) Reinforcement Learning: An Introduction (Sutton & Barto)
https://github.com/ShangtongZhang/reinforcement-learning-an-introduction
Core DL
21) PyTorch
https://github.com/pytorch/pytorch
Generative AI
22) Awesome Generative AI Guide
https://github.com/steven2358/awesome-generative-ai
❤5👍3🔥1👏1😁1
В Голливуде запустили новую кампанию против подхода “натренируем ИИ на чужом контенте - потом разберёмся”.
К заявлению присоединились 700+ представителей индустрии, среди публичных имён:
- Scarlett Johansson
- Cate Blanchett
- Joseph Gordon-Levitt
Что требуют:
- чтобы ИИ-разработчики использовали лицензирование и партнёрства
- вместо обучения моделей на работах, защищённых авторским правом, без согласия и оплаты
Ключевая идея кампании - licensed input stream:
датасеты должны формироваться через контракты, где прописано:
- какие материалы можно использовать
- для каких задач
- на каких финансовых условиях
И главное - чтобы права на данные были проверяемыми и аудируемыми, а не “серой зоной”.
variety.com/2026/film/global/scarlett-johansson-cate-blanchett-anti-ai-campaign-1236637571/
Please open Telegram to view this post
VIEW IN TELEGRAM
👍13👎5❤3🖕3😁2
🚀🐬 Вышел MySQL 8.4.8 (LTS) - что нового
Доступен релиз MySQL 8.4.8 - это ветка Long-Term Support, то есть лучший выбор для продакшена: стабильность, долгий цикл поддержки и предсказуемые обновления.
Ключевые улучшения:
👉 InnoDB Redo Logging
- сообщения об ошибках стали информативнее
- теперь показывают текущий LSN и детали по redo log capacity
=> проще диагностировать проблемы с redo log и производительностью
👉 OpenSSL обновили до 3.0.18
- важное обновление для безопасности и совместимости
👉 Исправления багов и стабильность
- закрыли race conditions в InnoDB
- починили проблемы с очисткой binary logs (binlog purging)
- в целом релиз направлен на надёжность и производительность
Если ты сидишь на MySQL в проде - LTS 8.4.x выглядит как правильный путь обновления.
https://dev.mysql.com/downloads/mysql/
@sqlhub
Доступен релиз MySQL 8.4.8 - это ветка Long-Term Support, то есть лучший выбор для продакшена: стабильность, долгий цикл поддержки и предсказуемые обновления.
Ключевые улучшения:
👉 InnoDB Redo Logging
- сообщения об ошибках стали информативнее
- теперь показывают текущий LSN и детали по redo log capacity
=> проще диагностировать проблемы с redo log и производительностью
👉 OpenSSL обновили до 3.0.18
- важное обновление для безопасности и совместимости
👉 Исправления багов и стабильность
- закрыли race conditions в InnoDB
- починили проблемы с очисткой binary logs (binlog purging)
- в целом релиз направлен на надёжность и производительность
Если ты сидишь на MySQL в проде - LTS 8.4.x выглядит как правильный путь обновления.
https://dev.mysql.com/downloads/mysql/
@sqlhub
❤3👍3🔥1😁1
⚡️ Zen C теперь в опенсорс
Вышел Zen C - новый язык, который пытается дать лучшее из двух миров:
- пишешь как на high-level языке
- но остаёшься в экосистеме C
- и без потери производительности
Причём это не только язык - Zen C позиционируется как целый toolkit:
можно подключать плагины и даже создавать свои.
Но важный момент:
Это продакшен? Нет.
Будут баги? Да. (и автор просит репортить)
Можно уже играться и пробовать все фичи? Да.
Сейчас проект открыт полностью: исходники уже доступны, а дальше автор будет:
- дописывать документацию
- добавлять тесты
- полировать стабильность
Короче: классный эксперимент в сторону “C, но удобнее” 0 можно уже трогать руками.
https://github.com/z-libs/Zen-C
Вышел Zen C - новый язык, который пытается дать лучшее из двух миров:
- пишешь как на high-level языке
- но остаёшься в экосистеме C
- и без потери производительности
Причём это не только язык - Zen C позиционируется как целый toolkit:
можно подключать плагины и даже создавать свои.
Но важный момент:
Это продакшен? Нет.
Будут баги? Да. (и автор просит репортить)
Можно уже играться и пробовать все фичи? Да.
Сейчас проект открыт полностью: исходники уже доступны, а дальше автор будет:
- дописывать документацию
- добавлять тесты
- полировать стабильность
Короче: классный эксперимент в сторону “C, но удобнее” 0 можно уже трогать руками.
https://github.com/z-libs/Zen-C
❤6👍2👎1😁1
Сертификация — это больше, чем строка в резюме.
Экзамен DevOps Engineer от Yandex Cloud подтверждает вашу экспертизу и становится дополнительным преимуществом при трудоустройстве и развитии внутри компании.
Сертификация рассчитана на DevOps-инженеров с опытом от 2 лет и включает 65 вопросов, которые нужно пройти за 90 минут в формате онлайн-тестирования.
Подготовка помогает систематизировать накопленный опыт работы с автоматизацией управления инфраструктурой, оркестрацией контейнеров, отказоустойчивостью и CI/CD. А после сертификации 74% специалистов отметили рост уверенности в своих знаниях, подтвердив свою квалификацию.
До 31 марта 2026 года вы можете зарегистрироваться на экзамен со скидкой 50%. Детали тут.
@DevOPSitsec
Экзамен DevOps Engineer от Yandex Cloud подтверждает вашу экспертизу и становится дополнительным преимуществом при трудоустройстве и развитии внутри компании.
Сертификация рассчитана на DevOps-инженеров с опытом от 2 лет и включает 65 вопросов, которые нужно пройти за 90 минут в формате онлайн-тестирования.
Подготовка помогает систематизировать накопленный опыт работы с автоматизацией управления инфраструктурой, оркестрацией контейнеров, отказоустойчивостью и CI/CD. А после сертификации 74% специалистов отметили рост уверенности в своих знаниях, подтвердив свою квалификацию.
До 31 марта 2026 года вы можете зарегистрироваться на экзамен со скидкой 50%. Детали тут.
@DevOPSitsec
👎5👍3🙈3❤2🍌1
This media is not supported in your browser
VIEW IN TELEGRAM
Теперь в классику можно поиграть … мультиварке.
Что дальше?
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥9🤣7❤2👍2👎1
Автоматизируем рутину на максимум: вышла Manus Academy - платформа с бесплатными курсами по ИИ-агентам.
Внутри - крепкая база, с которой уже легко заходить в продвинутый вайбкодинг:
научат собирать приложения без кода, настраивать кастомные workflow, и писать промпты, которые реально работают (а не “вода”).
https://academy.manus.im/
Внутри - крепкая база, с которой уже легко заходить в продвинутый вайбкодинг:
научат собирать приложения без кода, настраивать кастомные workflow, и писать промпты, которые реально работают (а не “вода”).
https://academy.manus.im/
❤4🌚2👍1🔥1
📚🎙️ Архив транскриптов подкастов Ленни
Собрание транскриптов 269 эпизодов подкаста Ленни, организованных для удобного использования с AI. Каждый эпизод содержит структурированные метаданные и полный текст, что делает их идеальными для анализа и обучения.
🚀Основные моменты:
- 269 транскриптов с интервью ведущих экспертов
- Удобная структура с метаданными в формате YAML
- AI-генерированный индекс по темам для быстрого поиска
- Полезно для разработки AI-приложений и анализа
📌 GitHub: https://github.com/ChatPRD/lennys-podcast-transcripts
#markdown
Собрание транскриптов 269 эпизодов подкаста Ленни, организованных для удобного использования с AI. Каждый эпизод содержит структурированные метаданные и полный текст, что делает их идеальными для анализа и обучения.
🚀Основные моменты:
- 269 транскриптов с интервью ведущих экспертов
- Удобная структура с метаданными в формате YAML
- AI-генерированный индекс по темам для быстрого поиска
- Полезно для разработки AI-приложений и анализа
📌 GitHub: https://github.com/ChatPRD/lennys-podcast-transcripts
#markdown
🔥2👍1🥰1
✔ Кевин Митник: хакер-призрак, за которым охотились годами
В 90-е Кевин Митник был одним из самых разыскиваемых хакеров США.
Компании взламывали, телефонные сети «ломались», секретные программы исчезали,
а найти его никто не мог. Он всегда оставался на шаг впереди.
Он проникал в сети корпораций (например, Motorola, Nokia, DEC) и копировал закрытые программы - из любопытства, не ради продажи.
Сам он позже говорил:
Главный секрет Митника был не только в технике.
Он блестяще владел социальной инженерией:
звонил в компании, представлялся «своим», и сотрудники сами открывали ему доступ.
Большинство его атак начинались с разговора, а не с кода.
Когда ущерб стал серьёзным, подключилось ФБР.
Митник попал в список Most Wanted - редкий случай для хакеров того времени.
Он уходил в подполье: менял города, личности, избегал телефонов и почти не выходил в сеть.
СМИ часто изображали его как «суперзлодея-хакера», хотя большая часть действий была связана с обманом людей и получением доступа к сервисам, а не с разрушениями.
Про него ходили легенды вроде того, что он «мог вызвать ядерную войну через телефон», но разумеется это миф.
В 1995 его всё-таки нашли в Северной Каролине.
Арест прошёл спокойно и многих это шокировало: вместо «опасного киберзлодея» оказался тихий, умный человек, который побеждал не силой, а манипуляцией и психологией.
Он провёл несколько лет в тюрьме под строгим контролем.
После освобождения полностью сменил курс:
стал консультантом по кибербезопасности и помогал компаниям защищаться от тех же приёмов, которыми раньше пользовался сам.
История Митника - напоминание:
часто ломают не системы, а людей.
https://www.youtube.com/shorts/6yGlEGYFwIA
В 90-е Кевин Митник был одним из самых разыскиваемых хакеров США.
Компании взламывали, телефонные сети «ломались», секретные программы исчезали,
а найти его никто не мог. Он всегда оставался на шаг впереди.
Он проникал в сети корпораций (например, Motorola, Nokia, DEC) и копировал закрытые программы - из любопытства, не ради продажи.
Сам он позже говорил:
«Мне было интересно, как это работает»
Главный секрет Митника был не только в технике.
Он блестяще владел социальной инженерией:
звонил в компании, представлялся «своим», и сотрудники сами открывали ему доступ.
Большинство его атак начинались с разговора, а не с кода.
Когда ущерб стал серьёзным, подключилось ФБР.
Митник попал в список Most Wanted - редкий случай для хакеров того времени.
Он уходил в подполье: менял города, личности, избегал телефонов и почти не выходил в сеть.
СМИ часто изображали его как «суперзлодея-хакера», хотя большая часть действий была связана с обманом людей и получением доступа к сервисам, а не с разрушениями.
Про него ходили легенды вроде того, что он «мог вызвать ядерную войну через телефон», но разумеется это миф.
В 1995 его всё-таки нашли в Северной Каролине.
Арест прошёл спокойно и многих это шокировало: вместо «опасного киберзлодея» оказался тихий, умный человек, который побеждал не силой, а манипуляцией и психологией.
Он провёл несколько лет в тюрьме под строгим контролем.
После освобождения полностью сменил курс:
стал консультантом по кибербезопасности и помогал компаниям защищаться от тех же приёмов, которыми раньше пользовался сам.
История Митника - напоминание:
часто ломают не системы, а людей.
https://www.youtube.com/shorts/6yGlEGYFwIA
❤🔥5❤4👍4🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
DOOM запустили… в наушниках. И да - на них реально можно играть 😱
Один энтузиаст портировал легендарный Doom на PineBuds Pro. Почему именно они?
Потому что это одни из немногих наушников с open-source прошивкой, плюс внутри стоит достаточно бодрый чип, чтобы после пары хардкорных модификаций вытянуть игру аж на 18 FPS.
Но самое безумное даже не это.
У наушников, внезапно, нет экрана. Поэтому разработчик пошёл ещё дальше и сделал сайт Doombuds, через который можно удалённо подключиться к наушникам и играть в Doom прямо из браузера.
Да, ты буквально играешь в шутер, который крутится внутри гарнитуры у тебя в ушах.
Понедельник для продуктивности явно отменяется.
Если уровень безумия у тебя достаточный и хочется повторить этот подвиг - весь код открыт и лежит на GitHub : https://github.com/arin-s/DOOMBuds
Один энтузиаст портировал легендарный Doom на PineBuds Pro. Почему именно они?
Потому что это одни из немногих наушников с open-source прошивкой, плюс внутри стоит достаточно бодрый чип, чтобы после пары хардкорных модификаций вытянуть игру аж на 18 FPS.
Но самое безумное даже не это.
У наушников, внезапно, нет экрана. Поэтому разработчик пошёл ещё дальше и сделал сайт Doombuds, через который можно удалённо подключиться к наушникам и играть в Doom прямо из браузера.
Да, ты буквально играешь в шутер, который крутится внутри гарнитуры у тебя в ушах.
Понедельник для продуктивности явно отменяется.
Если уровень безумия у тебя достаточный и хочется повторить этот подвиг - весь код открыт и лежит на GitHub : https://github.com/arin-s/DOOMBuds
🔥15❤6🥰2
GitOps без боли: Continuous Promotion в Kubernetes 🚀
Одна из самых сложных частей CI/CD в Kubernetes - это promotion между окружениями:
dev → stage → prod.
Все умеют “задеплоить в dev”, но дальше начинается хаос:
- кто и когда двигает релиз в staging?
- как не сломать прод?
- как избежать ручных кнопок и «перекинь тег в чате»?
Решение - Continuous Promotion по GitOps.
Что это значит
Promotion - это не “новый деплой”, а перевод уже собранного релиза на следующий этап.
И в GitOps это делается правильно:
✅ *Git = единственный источник правды*
✅ каждый переход окружения - это коммит/PR
✅ Argo CD (или Flux) просто синхронизирует кластер с репо
✅ релиз продвигается автоматически, когда проходят проверки
Как выглядит пайплайн
1) CI собирает образ и пушит в registry
2) Обновляется манифест (tag/digest) в репозитории окружения dev
3) После тестов создаётся PR на stage
4) После approval/валидаторов PR мерджится
5) Argo CD подтягивает изменения → stage обновлён
6) То же самое для prod
Какие инструменты обычно используют
- Argo CD - синхронизация состояния кластера с Git
- Kargo (Akuity) - управление promotion (когда/как переводить релиз)
- Helm/Kustomize - упаковка релизов под окружения
Почему это топ-подход
🔥 нет ручных “перекинь версию”
🔥 история релизов всегда в Git
🔥 откаты = обычный revert
🔥 можно встроить правила: security checks, e2e, approvals
🔥 идеально для больших команд и микросервисов
Вывод
Если ты хочешь настоящий production GitOps, то деплой - это только половина.
Вторая половина - promotion между окружениями, и она должна быть:
- декларативной
- автоматизированной
- и воспроизводимой через Git.
Это тот случай, когда GitOps реально превращается в систему, а не в модное слово.
https://piotrminkowski.com/2025/01/14/continuous-promotion-on-kubernetes-with-gitops/
Одна из самых сложных частей CI/CD в Kubernetes - это promotion между окружениями:
dev → stage → prod.
Все умеют “задеплоить в dev”, но дальше начинается хаос:
- кто и когда двигает релиз в staging?
- как не сломать прод?
- как избежать ручных кнопок и «перекинь тег в чате»?
Решение - Continuous Promotion по GitOps.
Что это значит
Promotion - это не “новый деплой”, а перевод уже собранного релиза на следующий этап.
И в GitOps это делается правильно:
✅ *Git = единственный источник правды*
✅ каждый переход окружения - это коммит/PR
✅ Argo CD (или Flux) просто синхронизирует кластер с репо
✅ релиз продвигается автоматически, когда проходят проверки
Как выглядит пайплайн
1) CI собирает образ и пушит в registry
2) Обновляется манифест (tag/digest) в репозитории окружения dev
3) После тестов создаётся PR на stage
4) После approval/валидаторов PR мерджится
5) Argo CD подтягивает изменения → stage обновлён
6) То же самое для prod
Какие инструменты обычно используют
- Argo CD - синхронизация состояния кластера с Git
- Kargo (Akuity) - управление promotion (когда/как переводить релиз)
- Helm/Kustomize - упаковка релизов под окружения
Почему это топ-подход
🔥 нет ручных “перекинь версию”
🔥 история релизов всегда в Git
🔥 откаты = обычный revert
🔥 можно встроить правила: security checks, e2e, approvals
🔥 идеально для больших команд и микросервисов
Вывод
Если ты хочешь настоящий production GitOps, то деплой - это только половина.
Вторая половина - promotion между окружениями, и она должна быть:
- декларативной
- автоматизированной
- и воспроизводимой через Git.
Это тот случай, когда GitOps реально превращается в систему, а не в модное слово.
https://piotrminkowski.com/2025/01/14/continuous-promotion-on-kubernetes-with-gitops/
👍8❤2🔥2
✅ Docker: как настроить перед каждым проектом. Сохраняй себе.
Чтобы не было “у меня работает, у тебя нет”, Docker нужно приводить в порядок ПЕРЕД стартом.
Чеклист:
1) Проверь версии Docker/Compose
2) Очисти мусор (контейнеры/образы/кэш)
3) Заведи .env для портов и секретов
4) Собирай и запускай через docker compose
5) Если что-то странное - делай чистый rebuild без кэша
1) Проверка версий
2) Быстрая очистка мусора (если давно не чистил)
docker system prune -f
3) Создай отдельную сеть под проект
docker network create app-net 2>/dev/null || true
4) Создай .env (пример)
5) Старт проекта (compose подхватит .env)
6) Если словил странный баг - сделай "чистый билд"
7) Логи и статус (must-have команды)
Чтобы не было “у меня работает, у тебя нет”, Docker нужно приводить в порядок ПЕРЕД стартом.
Чеклист:
1) Проверь версии Docker/Compose
2) Очисти мусор (контейнеры/образы/кэш)
3) Заведи .env для портов и секретов
4) Собирай и запускай через docker compose
5) Если что-то странное - делай чистый rebuild без кэша
1) Проверка версий
docker --version
docker compose version
2) Быстрая очистка мусора (если давно не чистил)
docker system prune -f
3) Создай отдельную сеть под проект
docker network create app-net 2>/dev/null || true
4) Создай .env (пример)
cat > .env << 'EOF'
APP_PORT=8080
DB_HOST=postgres
DB_PORT=5432
DB_NAME=app
DB_USER=app
DB_PASS=app123
EOF
5) Старт проекта (compose подхватит .env)
docker compose up -d --build
6) Если словил странный баг - сделай "чистый билд"
docker compose down -v
docker compose build --no-cache
docker compose up -d
7) Логи и статус (must-have команды)
docker compose ps
docker compose logs -f --tail=200
❤14👍8🔥6🤔1
100 технических вопросов для интервью Data Analyst / Data Scientist (Middle/Senior)
В этом руководстве мы подробно разберем 100 реальных технических вопросов, которые часто встречаются на собеседованиях для аналитиков данных и специалистов по данным уровня middle и senior.
Вопросы сгруппированы по типам компаний (FAANG, стартапы, финтех, консалтинг), по уровню позиции (middle или senior) и по ключевым категориям знаний.
Используя этот гайд, вы сможете оценить свой уровень подготовки, понять глубину ответов, ожидаемую от опытных кандидатов, и избежать популярных ошибок. Давайте перейдем к вопросам. FAANG: Интервью в крупных технокомпаниях (FAANG – Amazon, Apple, Netflix, Google и аналогичные крупные IT-компании) Middle-уровень – FAANG
SQL – примеры вопросов (Middle, FAANG)
https://uproger.com/100-tehnicheskih-voprosov-dlya-intervyu-data-analyst-data-scientist-middle-senior/
В этом руководстве мы подробно разберем 100 реальных технических вопросов, которые часто встречаются на собеседованиях для аналитиков данных и специалистов по данным уровня middle и senior.
Вопросы сгруппированы по типам компаний (FAANG, стартапы, финтех, консалтинг), по уровню позиции (middle или senior) и по ключевым категориям знаний.
Используя этот гайд, вы сможете оценить свой уровень подготовки, понять глубину ответов, ожидаемую от опытных кандидатов, и избежать популярных ошибок. Давайте перейдем к вопросам. FAANG: Интервью в крупных технокомпаниях (FAANG – Amazon, Apple, Netflix, Google и аналогичные крупные IT-компании) Middle-уровень – FAANG
SQL – примеры вопросов (Middle, FAANG)
https://uproger.com/100-tehnicheskih-voprosov-dlya-intervyu-data-analyst-data-scientist-middle-senior/
👍2❤1😍1🤨1
Linux: совет дня💡
Когда смотришь размер папок через
Фишка:
В итоге вывод чистый и показывает только то, что реально важно.
Пример:
Создай файл
- node_modules
- .git
- venv
- dist
И запускай:
Теперь du не будет учитывать эти директории - идеально для быстрой диагностики “куда делось место”.
Когда смотришь размер папок через
du, вывод часто превращается в мусор:`node_modules`, `.git`, `venv`, `dist` и прочее - только мешает.Фишка:
du умеет пропускать папки по списку из файла.В итоге вывод чистый и показывает только то, что реально важно.
Пример:
Создай файл
excludes.txt:- node_modules
- .git
- venv
- dist
И запускай:
du -h -X excludes.txt
Теперь du не будет учитывать эти директории - идеально для быстрой диагностики “куда делось место”.
❤7🔥3👍2🙈1