DevOps

🐳 Docker-образ с 3,17 ГБ до 354 МБ - почти в 9 раз меньше

Такая оптимизация обычно достигается не одной магией, а несколькими простыми приёмами:

- multi-stage build
- python:slim / distroless вместо тяжёлого base image
- удаление build-зависимостей после сборки
- очистка apt / pip cache
- .dockerignore для лишних файлов
- установка только production-зависимостей
- объединение команд RUN, чтобы не тащить мусор в слои

Пример:

3.17 GB → 354 MB

Что это даёт:
- быстрее pull/push
- быстрее CI/CD
- меньше места в registry
- быстрее запуск новых pod
- меньше потенциальная attack surface

Перед оптимизацией полезно посмотреть, что реально раздувает образ:

docker history <image>

и отдельно проверить слои через dive.

Большой Docker image почти всегда стоит сначала разобрать по слоям — часто там лежат гигабайты build-tools, cache и файлов, которые в runtime вообще не нужны.

⚡️ Поды здоровы, а запросы в Kubernetes случайно отваливаются? Проверьте conntrack.

Linux хранит состояния отслеживаемых соединений в таблице conntrack. Она используется в том числе при NAT для Kubernetes Services. Если таблица переполняется, новые соединения могут терять пакеты.

Симптомы: периодические тайм-ауты, сбои DNS и ошибки API при нормальных показателях приложений.

Как проверить на проблемном узле:

# Текущее число записей и лимит
sysctl net.netfilter.nf_conntrack_count
sysctl net.netfilter.nf_conntrack_max

# Сообщения ядра
sudo journalctl -k | grep -i conntrack

Характерная запись:

nf_conntrack: table full, dropping packet

Что делать:

• Увеличить лимит с учётом доступной памяти. Универсального значения для всех узлов нет.

• Проверить настройки conntrack.maxPerCore и conntrack.min в kube-proxy: он может управлять лимитом. Одного изменения через sysctl недостаточно для устойчивой настройки.

• Сократить создание новых соединений: использовать пулы, HTTP keep-alive, проверить лавину повторных запросов.

• Пересматривать тайм-ауты по состояниям соединений после диагностики. Слишком короткие значения могут нарушить работу долгоживущих подключений.

Следите за заполнением таблицы на каждом узле. Свободные ресурсы соседних нод не спасают таблицу перегруженной.

https://kubernetes.io/docs/reference/config-api/kube-proxy-config.v1alpha1/

✔️ OpenAI на 60% снизила цены на голосовое управление агентами Work и Codex

Теперь в десктопных клиентах ChatGPT за тот объем кредитов пользователи получают в 2,4 раза больше времени голосовой связи, а биллинг голосового потока и затраченных на задачу вычислительных ресурсов разделен.

Изменения касаются только десктопной среды и не затрагивают стандартный голосовой режим ChatGPT, где действуют другие лимиты и правила тарификации.


@ai_machinelearning_big_data

#news #ai #ml

Что реально стоит за требованиями в вакансиях DevOps-инженера

Открываешь вакансию - а там список из десяти технологий и фраза «опыт от 3 лет». Непонятно, что из этого критично, а что просто скопировали из соседней вакансии.

🔹В этом ролике - нарезка с вебинара, где Senior ИТ-рекрутер Аниса Рогатова и практикующий DevOps-инженер Евгений Федосеев разбирают реальные вакансии по косточкам: что на самом деле стоит за каждым требованием и на что смотрят при отборе.

🔹Полезно, если сейчас откликаешься на вакансии и не уверен, дотягиваешь ли до требований - или просто хочешь понимать, как рекрутер и инженер читают резюме по-разному.

Смотреть полную запись вебинара 👉СМОТРЕТЬ

🌦 Linecast - погода, карты, радар, приливы, Солнце и Луна прямо в терминале

Open-source CLI превращает публичные данные в шесть интерактивных приложений:

- linecast weather — погода, почасовой прогноз, AQI и предупреждения
- linecast sunshine — восход, закат и длина дня
- linecast moon — фазы Луны, восход/заход и календарь
- linecast tides — график приливов и отливов
- linecast radar — анимированный радар и спутниковые данные
- linecast maps — карты, рельеф, поиск мест и маршруты

Работает на macOS, Linux и Windows. Написан на Python, почти без зависимостей, не требует аккаунта или API-ключей и подстраивает цвета под тему терминала.

Можно даже запустить без установки:

uvx linecast weather

GitHub:
https://github.com/ashuttl/linecast

Гибридная инфраструктура — новая реальность или красивое словосочетание из презентаций?

1 октября будем разбираться с теми, кто такую инфраструктуру действительно строит и эксплуатирует, на закрытом мероприятии Deckhouse для руководителей ИТ.

Поговорим о подходах к построению гибрида, разберём реальные кейсы и покажем обновлённую платформу Deckhouse вживую.

Выступят:
— Александр Титов, генеральный директор «Фланта»
— Карапет Манасян, директор продуктовых направлений Deckhouse
— Дмитрий Сагайдачный, руководитель центра цифровых платформ «Газпромнефть ИТО»
— Виктор Сиренко, начальник управления развития сервисов ИТ-инфраструктуры «ОТП Банка»

Если перед вами стоит задача работать с разными средами и нагрузками, регистрируйтесь приходите обсудить практические решения с коллегами и командой Deckhouse.

Зарегистрироваться


Реклама. АО "ФЛАНТ". ИНН 7723661439.

Полноценный Lisp можно уместить всего в 99 строк C.

Внутри при этом:

- 21 примитив
- REPL
- сборщик мусора Cheney GC
- числа с плавающей точкой
- указатели
- типы значений

И всё это без `struct`-тегов, без внешних библиотек и без обычных динамических аллокаций для представления объектов.

Главный трюк - NaN boxing.

IEEE 754 оставляет много битов внутри специальных NaN-значений. Их можно использовать как скрытое хранилище:

- часть битов кодирует тип
- до 48 бит можно использовать под указатель
- обычные double при этом остаются обычными числами

В итоге одно 64-битное значение может представлять и число, и указатель, и другие типы данных.

Очень красивый пример того, как устройство IEEE 754 можно использовать для построения компактного рантайма языка.

⚡ OpenExecutive - открытая виртуальная команда руководителей для бизнеса

Проект объединяет восемь ИИ-специалистов: стратегию, финансы, HR, юриспруденцию, операционные процессы, маркетинг, продукт и работу с инвесторами.

Пользователь общается с одним виртуальным руководителем, который распределяет задачи между агентами и собирает общий ответ.

Возможности:

* загружает презентации, финансовые модели и внутренние документы;
* учитывает данные конкретной компании через RAG;
* запоминает прошлые решения и инициативы между сессиями;
* напоминает о запланированных действиях;
* работает через веб-интерфейс, Telegram, Slack, email, Discord и CLI;
* поддерживает Claude, OpenRouter и локальные модели через Ollama, LM Studio, vLLM или llama.cpp.

Стек: FastAPI, Next.js, ChromaDB и SQLite. Лицензия — Apache 2.0.

OpenExecutive — https://github.com/SenteLabsAI/OpenExecutive

🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку

Окружение решает больше, чем кажется.

Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре.


AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
ВАЙБКОДИНГ: t.me/data_analysis_ml
DevOps: t.me/DevOPSitsec
C#: t.me/csharp_ci
Docker: https://t.me/+90Z5TAyfuNU5YmRi
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
JavaScript: t.me/javascriptv
React: t.me/react_tg
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Big Data: t.me/bigdatai
Математика: t.me/data_math
Java: t.me/javatg

Бонус: Max Ai: https://max.ru/ai_machinelearning_big_data
Max Linux: https://max.ru/linuxkalii


Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy
ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy

Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.

⚡️ Подборка 10 полезных open-source репозиториев с GitHub

1. Archify

Создаёт архитектурные, sequence-, workflow- и data-flow-диаграммы по описанию системы или исходному коду.

https://github.com/tt-a1i/archify

2. OpenMAIC

Мультиагентная образовательная среда, в которой несколько ИИ-агентов участвуют в интерактивном обучении.

https://github.com/THU-MAIC/OpenMAIC

3. DeepSeek Harness

Открытая платформа для создания ИИ-агентов. Модели, инструменты, память, сессии и интерфейсы подключаются как отдельные плагины.

https://github.com/deepseek-ai/deepseek-harness

4. Ponytail

Набор правил, который учит coding-агентов решать задачи с минимальным количеством нового кода.

https://github.com/DietrichGebert/ponytail

5. Agent Skills

Коллекция готовых инженерных навыков для Claude Code, Codex и других coding-агентов.

https://github.com/addyosmani/agent-skills

6. OmniVoice Studio

Локальная студия для клонирования голоса, озвучки, перевода видео, диктовки и транскрибации.

https://github.com/debpalash/VoiceStudio

7. Scientific Agent Skills

Библиотека навыков для научных агентов: поиск литературы, анализ данных, биология, медицина и химия.

https://github.com/K-Dense-AI/scientific-agent-skills

8. Orca

Среда для параллельной работы нескольких coding-агентов с отдельными Git worktree, терминалами и проверкой изменений.

https://github.com/stablyai/orca

9. MiniMind

Учебный проект, позволяющий самостоятельно обучить компактную языковую модель и разобраться в устройстве LLM.

https://github.com/jingyaogong/minimind

10. God’s Eye View

Браузерный 3D-глобус для визуализации открытых геопространственных данных и OSINT-источников.

https://github.com/bilawalsidhu/gods-eye-view

Git появился потому, что Торвальдса выгнали из BitKeeper


Ядро Linux несколько лет жило на BitKeeper, проприетарной системе с закрытым кодом и чужими правилами. Когда бесплатную лицензию отозвали, тысячи разработчиков остались без инструмента. В апреле 2005 года Торвальдс за пару недель написал свою замену: быструю, надёжную и полностью под контролем сообщества. Инструмент делался под одну задачу, а стал основой всей современной разработки, от GitHub до GitLab.

Нашёл хороший репозиторий, если хочешь за выходные собрать реальные DevOps-проекты и добавить их в резюме.

Внутри 54 практических проекта по темам:

- AWS, Azure и Kubernetes
- Terraform и Infrastructure as Code
- Docker и CI/CD
- DevSecOps и безопасность
- мониторинг и observability
- serverless и cloud-native приложения

Можно просто выбрать один проект, собрать его за выходные и потом уже предметно рассказывать о нём на собеседовании.

https://github.com/DevCloudNinjas/DevOps-Projects

⚡️ Юридические школы Чикаго и Беркли ограничивают ИИ в обучении

По данным FT, ограничения вводят на фоне того, как юридическая отрасль всё активнее использует нейросети.

Юридическая школа Чикагского университета этой осенью запустит эксперимент: запретит электронные устройства на основных занятиях первого курса. ИИ окажется исключён из базового обучения.

Berkeley Law с лета 2026 года по умолчанию запрещает использовать ИИ при подготовке работ, сдаваемых на оценку: от разработки идеи и плана до написания, перевода и редактирования текста.

Преподаватели опасаются, что готовые ответы мешают студентам освоить самостоятельный анализ и юридическую аргументацию.

https://www.ft.com/content/8ddd3668-5858-45c3-b34f-a6bafc678187

🐳 Docker показал подход к воспроизводимым AI-evaluation через Docker Sandboxes.

Проблема простая: даже если зафиксировать модель, промпт и метрику, результат всё равно может отличаться из-за окружения — версий Python, зависимостей, локальных инструментов и конфигурации машины.

Для этого Docker предлагает SBX AI Evaluation Kit: evaluation описывается в YAML, запускается локально или внутри Sandbox, а на выходе сохраняется структурированный артефакт с тем, что реально произошло:

* executor;
* команда;
* stdout/stderr;
* exit code;
* время выполнения;
* digest конфигурации.

Можно переключать выполнение между локальной машиной и Docker Sandbox без переписывания самого evaluation workflow.

Подход полезен для:

* сравнения промптов;
* regression testing;
* agent evals;
* security checks;
* code-generation экспериментов.

https://www.docker.com/blog/building-reproducible-ai-evaluation-workflows-with-docker-sandboxes/

Что на самом деле делает `docker run -it` 🐳

Когда контейнеру нужен интерактивный shell, REPL или текстовый редактор, обычно запускают:

docker run -it ...

Но -i и -t делают разные вещи.

- -i (`--interactive`) — оставляет STDIN открытым, чтобы процесс внутри контейнера мог получать ввод с клавиатуры.
- -t (`--tty`) — создаёт pseudo-TTY, поэтому приложение ведёт себя как в обычном терминале.

Вместе они дают полноценную интерактивную сессию:

docker run -it ubuntu bash

Без -i не будет нормального интерактивного ввода.

Без -t приложение может работать, но без привычного терминального поведения: prompt, цветов, управления курсором и нормальной работы vim, top, less и других TTY-программ.

Под капотом схема примерно такая:

Terminal
   ↓
Docker CLI
   ↓
pseudo-TTY
   ↓
bash внутри контейнера

То есть -i отвечает за ввод, а -t — за сам терминал.

Если вы годами пишете docker run -it, но никогда не разбирались, зачем нужны оба флага, у iximiuz есть отличный практический challenge:

https://labs.iximiuz.com/challenges/docker-101-container-run-tty

Физически корректный ray tracer всего в 99 строках C++

smallpt от Kevin Beason - один из самых известных примеров того, насколько компактным может быть настоящий path tracer.

В этих 99 строках есть:

* отражения
* преломления
* мягкие тени
* color bleeding
* зеркальные и стеклянные поверхности

Основа при этом минимальная: векторы, лучи, сферы и одна рекурсивная функция radiance().

Если дать рендеру тысячи samples per pixel, он собирает полноценный Cornell Box с зеркальной и стеклянной сферами.

Проект появился ещё в 2008 году и до сих пор отлично показывает базовую механику path tracing.