Selectel

Продолжаете верить в эти мифы про безопасность облака? 😱

Собрали топ-3 распространенных убеждения. Проверьте себя: можете ли вы отличить правду от лжи? Отмечайтесь реакциями, сколько ответов совпало:

💯 — все
🔥 — пару мифов все-таки не удалось разоблачить

Теперь, когда вы не верите мифам про облако, самое время протестировать безопасную и гибкую облачную платформу в Selectel ➡️

💿 Как выбрать диск в облаке, который потянет ваши задачи?

Все облачные диски можно разделить на две категории — сетевые и локальные. И вот в чем разница 👇

Локальный диск — это «выделенный» физический накопитель, подключенный напрямую к серверу через шину PCIe. Задержки минимальны, а пропускная способность стабильна и предсказуема. Они подойдут для задач, где скорость критична.

Сетевые диски — удаленное блочное хранилище, которое подключается к серверу по сети. Они не зависят от вычислительного узла, что позволяет легко переносить их между облачными серверами. В Selectel сетевые диски обладают трехкратной репликацией томов диска, которая обеспечивает высокую сохранность данных. К тому же, заявленные IOPS на таких дисках не меняются в зависимости от их размера.

Сохраняйте шпаргалку для будущих проектов. Подробности и алгоритм выбора диска на практике оставили в Академии Selectel ➡️

Разобрались с дисками? Арендуйте облако для ваших задач в Selectel ➡️

💿📀💿💿📀
Как думаете, какой диск работает?

Пока вы разбираетесь с миграцией на Podman, у нас есть свежая новость!

⚡ Наше облако готово к новым требованиям Приказа ФСТЭК №117
Если ваша компания работает с госзаказчиками или ГИС, вы можете размещать IT-инфраструктуру в Selectel и быть уверенными в соответствии новым юридическим и техническим нормам.

В аттестованном сегменте облака Selectel выполнены все актуальные требования по защите данных — с использованием сертифицированных средств защиты информации. А значит, вы можете доверять облачной платформе Selectel чувствительные данные.

Разверните защищенную облачную инфраструктуру в Selectel ➡️

У вас есть план по переносу IT-инфраструктуры с Docker на Podman? Поздравляем, 90% работы выполнено. Впереди еще 90%.

Да, в миграции на Podman одни плюсы:
• меньше расходов на RAM и CPU;
• нет громоздкого Docker daemon, который при перезапуске положит разом весь продакшен;
• образы будут совместимы, ничего не придется пересобирать.

Единственный момент — придется вникнуть в rootless-режим. Мы собрали инструкцию по миграции в Академии Selectel, чтобы было проще разобраться.

Чью сторону займете вы?
🐳 — спасибо, но останусь на Docker
❤️ — уже перехожу на Podman

В помощь к решению ИТ-кроссворда — материалы про AI и ML в нашем канале и Академии Selectel 🦖

Один из блоков кроссворда посвящен железу и инфраструктуре для машинного обучения. А некоторые вопросы могут отсылать к базе — виртуализации.

Посмотрим на ее историю от первых системных вызовов до современных MicroVM. Как появилась файловая изоляция и зачем нужен «механизм тюрем»? Все ответы уже в карточках. А более расширенную версию смотрите в нашем блоге.

Хотите узнать больше о системном администрировании? Присоединяйтесь к бесплатному курсу от Академии Selectel ➡️

Единственная игра, в которую можно играть на работе 🤩 ИТ-кроссворд от Selectel

Первый блок вопросов откроем в 12:00. Выигрывайте мерч и бонусы на аренду серверов 🦖

Три заветных слова для бизнеса 👇
Мы внедрили RAG

Вчера мы рассказали про подходящие ИИ-модели для RAG. Сегодня делимся подробным чек-листом — что нужно проверить на каждом этапе внедрения.

RAG-системы значительно упрощают поиск нужной информации по базе знаний компаний. Они же сокращают время на обработку запросов, сохраняют конфиденциальность внутренних данных компании и уменьшают риск «выдуманных ответов». Алгоритм простой: нейросеть получает запрос и отвечает на основе загруженных регламентов и документов.

Что нужно для внедрения RAG? Конечно, подходящие ИИ-модели:

🔹 Модели встраивания (Embedding models)
Отвечают за поиск, а конкретнее — переводят текст (вопросы пользователя и документы из базы знаний) в числовые векторы.
🔹 Переранжировщики (Reranker models)
Уточняют результаты поиска. Они анализируют найденные фрагменты и сортируют их по степени релевантности для языковой модели.
🔹 Большие языковые модели (LLM)
Отвечают за генерацию. Получают от пользователя вопрос вместе с найденным контекстом и формируют связный ответ.

Все классы уже доступны в нашем каталоге ИИ-моделей. Веб-интерфейс позволяет отправлять RAG-контекст в любые подключенные языковые модели: локальные (через Ollama/vLLM) или облачные (OpenAI, Anthropic, Mistral).

Разверните свою за пару кликов ➡️