Node JS

OpenTelemetry — это мощный фреймворк, который упрощает процесс сбора и стандартизации телеметрических данных, таких как логи, трассировки и метрики, в различных языках программирования и платформах. Он обеспечивает единообразный подход к инструментированию приложений, независимо от используемых языков программирования, фреймворков или инструментов наблюдаемости.

В недавно опубликованном руководстве на Better Stack Community рассматривается, как использовать OpenTelemetry для добавления трассировки в ваши Node.js приложения. В этом руководстве вы найдете пошаговые инструкции по настройке демонстрационного проекта, инициализации SDK OpenTelemetry для Node.js, настройке OpenTelemetry Collector и Jaeger, а также по кастомизации автоинструментирования и добавлению пользовательской трассировки.

Благодаря этому руководству вы сможете эффективно мониторить и анализировать производительность вашего приложения через детальные данные трассировки, выявлять узкие места и оптимизировать его работу.

https://betterstack.com/community/guides/observability/opentelemetry-nodejs-tracing/

✍️ @nodejs_lib

Как выбрать подходящий образ контейнера для Node.js-приложения

Основные моменты:

- Какой базовый образ использовать?
- node:<version> — полноразмерный образ на основе Debian, удобен для разработки.
- node:<version>-slim — урезанная версия, без ненужных инструментов.
- node:<version>-alpine — суперлёгкий образ, но требует совместимости с musl вместо glibc.

- Как уменьшить размер образа?
- Использование slim или alpine.
- Уменьшение количества слоёв в Dockerfile.
- Очистка временных файлов после установки зависимостей.

- Оптимизация производительности
- Включение NODE_ENV=production перед установкой пакетов.
- Использование --omit=dev в npm ci или yarn install --production.
- Кэширование node_modules для ускорения сборки.

- Дополнительные аспекты
- Выбор образа с LTS-версией Node.js для стабильности.
- Изоляция зависимостей и минимизация уязвимостей.
- Использование многослойных образов (multi-stage builds) для уменьшения итогового размера.

Выбор правильного контейнерного образа может значительно повлиять на размер, производительность и безопасность вашего Node.js-приложения.

https://labs.iximiuz.com/tutorials/how-to-choose-nodejs-container-image

✍️ @nodejs_lib

⚡️ В сети начали массово сливать курсы и книги известных онлайн школ по айти

Вот отсортированная база с тонной материала (постепенно пополняется):

БАЗА (4687 видео/книг):

(363 видео, 87 книги) — Python
(415 видео, 68 книги) — Frontend
(143 видео, 33 книги) — ИБ/Хакинг
(352 видео, 89 книги) — С/С++
(343 видео, 87 книги) — Java
(176 видео, 32 книги) — Git
(293 видео, 63 книги) — C#
(174 видео, 91 книги) — DevOps
(167 видео, 53 книги) — PHP
(227 видео, 83 книги) — SQL/БД
(163 видео, 29 книги) — Linux
(114 видео, 77 книги) — Сисадмин
(107 видео, 43 книги) — BA/SA
(181 видео, 32 книги) — Go
(167 видео, 43 книги) — Kotlin/Swift
(112 видео, 24 книги) — Flutter
(137 видео, 93 книги) — DS/ML
(113 видео, 82 книги) — GameDev
(183 видео, 37 книги) — Дизайн
(129 видео, 73 книги) — QA
(213 видео, 63 книги) — Rust
(121 видео, 24 книги) — 1С
(136 видео, 33 книги) — PM/HR

Скачивать ничего не нужно — все выложили в Telegram

Недавно я наткнулся на интересный вызов — обработать файл размером 12 ГБ, содержащий 1 миллиард строк формата <stationName>;<temperature>\n, с целью агрегировать минимальное, максимальное и среднее значения температуры для каждой станции. В своем блоге Jacky Efendi поделился своим опытом решения этой задачи с использованием Node.js, достигнув ускорения примерно в 30 раз по сравнению с базовой реализацией.

Jacky начал с базового подхода, используя встроенные модули Node.js для построчного чтения файла и хранения агрегированных данных в структуре Map(). Затем он провел профилирование кода с помощью Clinic.js Flame, чтобы определить узкие места производительности. Основное время выполнения занимала функция StringPrototypeSplit, используемая для разделения строк.

Для оптимизации Jacky предложил несколько улучшений:

1. Сокращение вызовов StringPrototypeSplit: уменьшение количества вызовов этой функции для повышения эффективности.
2. Более быстрые преобразования Buffer в числа: оптимизация процесса преобразования данных из буфера в числовые значения.
3. Параллелизация обработки: распределение работы между несколькими потоками или процессами для ускорения обработки больших объемов данных.

https://jackyef.com/posts/1brc-nodejs-learnings

✍️ @nodejs_lib

Представьте себе полноценный PostgreSQL, работающий прямо в браузере или Node.js без необходимости поднимать отдельный сервер или встраивать Linux-образ. Проект PGlite реализует эту идею, предоставляя всего лишь 3 МБ (в сжатом виде) с поддержкой популярных расширений, таких как pgvector.

PGlite — это PostgreSQL, скомпилированный в WebAssembly и упакованный в простую TypeScript/JavaScript-библиотеку. Его ключевая особенность — отсутствие "линуксового" виртуального окружения, что обеспечивает минимальный размер и удобный API. Вы можете использовать PGlite как in-memory базу или включить постоянное хранение данных в IndexedDB (в браузере) или файловой системе (в Node.js/Bun/Deno).

Основные преимущества PGlite:

- Минимальный размер — около 3 МБ в сжатом виде.
- Удобный API — простое подключение библиотеки и вызов методов для работы с базой данных. Совместимость с популярными ORM, такими как Drizzle или TypeORM.
- Поддержка расширений — в комплект входят некоторые популярные плагины, например, pgvector.

Пример использования PGlite в браузере:

import { PGlite } from "@electric-sql/pglite";

const db = new PGlite();
const result = await db.query("SELECT 'Привет, мир!' AS message;");
console.log(result);
// -> { rows: [ { message: "Привет, мир!" } ] }

Для сохранения данных между перезагрузками в IndexedDB:

const db = new PGlite("idb://my-pgdata");
// Данные сохранятся в IndexedDB

В средах Node.js/Bun/Deno можно указать путь к файлу для постоянного хранения данных:

const db = new PGlite("./path/to/pgdata");
// Данные сохранятся в локальной файловой системе

PGlite подходит для быстрого тестирования и прототипирования, демонстрационных и учебных проектов, а также для "local-first" приложений, где данные хранятся локально и синхронизируются при подключении к внешней СУБД.

https://habr.com/ru/articles/873112/

✍️ @nodejs_lib

Избегаем ложных срабатываний в тестах Node.js

В статье автор рассматривает распространенные ошибки, приводящие к ложным положительным результатам в тестах. Например, использование assert.equal() вместо assert.strictEqual() может привести к неожиданным результатам из-за приведения типов в JavaScript.
Также обсуждается опасность чрезмерно общих утверждений, таких как .toBeTruthy(), которые могут скрывать реальные проблемы в коде. Автор подчеркивает важность тщательного написания тестов и избегания копипасты, чтобы повысить надежность тестового покрытия.

https://blog.appsignal.com/2024/11/20/avoiding-false-positives-in-nodejs-tests.html

✍️ @nodejs_lib

Node.js

How to read a file in Node.js
How to scrape a website in Node.js
How to parse a CSV file in Node.js
Converting XML to Object and Object to XML in Node.js
How to parse an Excel file in Node.js
Colorize your command-line output in Node.js
Post to Twitter in Node.js
Create QR codes in JavaScript
Resize an image in Node.js using Sharp
Building a REST API in Fastify | Node.js Tutorial

✍️ @nodejs_lib

Бот для Telegram на Node.js, TypeScript и Telegraf js

0:00 - Введение
0:08 - Что будем делать?
1:32 - Создание бота в Telegram
2:39 - Подготовка проекта
4:27 - Установка зависимостей и сборка
6:40 - Сервис конфигурация и dotenv
14:40 - Класс бота
20:10 - Типизация контекста
22:32 - Создание класса команд
25:58 - Создание команды start
35:11 - Локальное хранение сессий
36:44 - Запуск бота
40:06 - Заключение

источник

✍️ @nodejs_lib

Как я улучшил видеостриминг с помощью FFmpeg и Node.js

Статья описывает опыт оптимизации обработки видеофайлов с использованием FFmpeg в приложении на Node.js. Автор рассматривает задачи генерации миниатюр, сжатия видео, создания превью-клипов и сегментации видео для HLS-потоков, предоставляя примеры кода и пояснения к ним. Статья будет полезна разработчикам, стремящимся повысить эффективность работы с видео в своих проектах.

https://mayallo.com/video-processing-using-ffmpeg-nodejs/

✍️ @nodejs_lib

NodeJS Realtime Chat: Создаем FULL-STACK приложение за 27 минут!

GitHub https://github.com/alamorre/fullstack-chat

✍️ @nodejs_lib

Используйте кластеры Node.js для более эффективного использования процессора

Node.js является однопоточным, то есть он может использовать только одно ядро процессора. Однако большинство современных серверов имеют несколько ядер. Чтобы в полной мере использовать возможности центрального процессора, можно использовать кластеры Node.js, которые позволяют приложению работать на нескольких ядрах процессора одновременно. Кластеры порождают несколько рабочих процессов, каждый из которых работает на отдельном ядре, и они используют один и тот же порт сервера.

Для создания кластера вам понадобится встроенный модуль cluster. Приведем пример:

Использование кластеров позволяет равномерно распределить рабочую нагрузку и повысить общую производительность приложения.

✍️ @nodejs_lib