Инфраструктура для AI-агентов, запросы к распределенным данным и стоимость хранения. В этой подборке — материалы из индустрии и записи HighLoad++ 2025.

Почитать:
🔴Everything we launched during Agents Week.
Cloudflare собирает инфраструктуру для AI-агентов: отдельный runtime, новые сетевые возможности Workers и инструменты для трассировки и отладки.

🔴How and Why Netflix Built a Real-Time Distributed Graph: Part 3 — Querying the graph with gRPC execution API.
Внутри — архитектура слоя запросов к графу на 8 млрд узлов и 150 млрд ребер: асинхронное выполнение, кеширование через EVCache и eventual consistency. Для single-hop запросов Netflix приводит P99 менее 100 мс.

🔴Running Cost-Efficient Export Workloads at Uber.
Выборочные запросы по большим историческим таблицам заставляли читать слишком много файлов и увеличивали расходы. Uber сократил объем сканирования с помощью Hudi column stats и сортировки данных.

Посмотреть:
🔴Строительные блоки LLM-агентов: планировщик, память, RAG и рабочие цепочки. Алексей Барган.
Доклад на понятной архитектору и разработчику структуре поясняет, из чего состоит агент, и на практике показывает, в каких блоках какие проблемы могут возникнуть.

🔴Реалтайм-аналитика в распределенной системе. Вадим Зотеев.
Как обрабатывать аналитические запросы за сотни миллисекунд, когда данные распределены по десяткам сервисов, а объемы измеряются миллионами/миллиардами записей? Практический опыт построения системы real-time-аналитики в большом B2B-продукте.

🔴Выжимаем облака досуха: как свое железо экономит 90% затрат на большие данные для стартапа. Андрей Ивахненко.
Как хранить петабайты данных максимально дешево. Десятилетний опыт разработчика системы «Антиплагиат».

Сохраняйте подборку на случай, если захотите к ней вернуться, и делитесь с коллегами 🙌