$100К+ есть. Теперь зовет только FAANG! 🚀

Кажется, я сам, наконец, понял, о чём этот канал 🙂. Поэтому решил не усложнять:

FAANG зовет!

Почему?

$100К+ я уже достиг. А вот в FAANG пока не попал — поэтому хочу рассказывать именно про этот путь: подготовку, реальные интервью в Meta, Amazon, Stripe и Datadog, удачи и отказы.

Я живу и работаю в Париже 🇫🇷 уже 4 года. Но искать следующую работу буду шире: Лондон 🇬🇧 , Париж 🇫🇷 , Амстердам 🇳🇱, Цюрих 🇨🇭 — посмотрим, где в итоге окажусь.

Здесь будут материалы по подготовке, мой опыт интервью в Meta, Amazon, Stripe и Datadog, зарплаты, карьерные наблюдения и немного жизни разработчика во Франции🇫🇷

То есть это не «я уже попал в FAANG и сейчас расскажу, как это сделать». Я сам пока в процессе — и буду делиться тем, что узнаю по пути — чтобы вы могли использовать мой опыт в вашей карьере, не повторять мои ошибки и, подготовиться к вашим следующим шагам лучше.

Подписывайтесь, если хотите наблюдать этот путь изнутри, а если знаете человека, которому это может быть полезно — поделитесь с ним каналом.

Буду рад, если мой опыт поможет кому-то быстрее прийти к своим целям 🚀

@faangiscalling

Как посчитать свой GPA из университета? 📊

Часто вижу в CV инженеров из FAANG их GPA, среднюю оценку из университета, прежде всего когда она реально высокая и задает тон всему резюме.

У меня она была высокая, диплом с отличием, но в самом дипломе расчета нет – я не знал насколько высокая она.

Хотел добавить к себе в резюме, но руками считать по 44 предметам не хотелось.

Вспомнил про Клода, сделал все по PDF-скану диплома за 5 секунд.

Итого мой GPA 4.88 из 5, добавлю в резюме для более консистентного сторителлинга.

Промт:



Use @diploma.pdf to calculate my GPA at the university, creating a table with all the courses with marks I got, their values and then GPA as result. Save as MD file I can refer after.



А у вас какой GPA?

@faangiscalling

📊 Golden Signals: 4 ключевые операционные метрики распределённых систем от Google

Термин 'golden signals' пришёл из книги Google SRE и стал стандартом индустрии.

В основе — SLI/SLO подход:

SLI (Service Level Indicators) — что измеряем
SLO (Service Level Objectives) — какая цель по этой метрике

Четыре 'golden signals' для распределенных систем:
📊 Latency (p95) — максимальное время выполнения 95% всех запросов (перцентиль p95), показывает реальный опыт большинства пользователей. Также часто меряют p99
🚀 Traffic / Throughput (QPS) — сколько запросов в секунду (queries per second/QPS) обрабатывает система
✅ Availability/Errors — соотношение 5xx к общему числу запросов к системе, показывающий уровень доступности системы
⚙️ Saturation — 'насыщение' ключевых ресурсов системы (CPU, память). Ранний сигнал о приближающихся проблемах.

Термин настолько прижился, что стал частью продуктов observability-платформ. Например, все это есть по умолчанию в том же Datadog: для каждого сервиса видишь его 'golden signal' метрики (requests, errors, duration).

Простой health check / heart beat дает слишком мало информации. Четыре 'golden signals' вместе дают полную картину: работает ли сервис, насколько быстро и корректно, и есть ли запас прочности под увеличение нагрузки.

А что еще вы мониторите в ваших системах/сервисах?

@faangiscalling