METANIT.COM

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 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.

Кардинальность в базе данных
(продолжение в следующем посте)

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....

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

Вкратце, как работает нейронная сеть

* 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).

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.

Аспекты производительности базы данных
(продолжение в следующем посте)

METANIT.COM pinned «Что быстрее исчезнет?»

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

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

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

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

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 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.

4 базовые концепции объектно-ориентированного программирования (ООП)
(продолжение в следующей теме)