TheNote
RSS DZone.com Заметка
GooglePlay AppStore

RSS DZone.com

DZone - это комплексная онлайн-платформа, посвященная различным аспектам технологий и программирования. Сайт предоставляет обширную информацию о различных языках программирования, технологиях, фреймворках и инструментах. Среди основных возможностей и ресурсов сайта - новости и статьи о последних тенденциях и обновлениях в технологическом секторе, различные ресурсы и учебники для обучения различным навыкам программирования, а также сообщество, где пользователи могут общаться друг с другом и делиться своим опытом и знаниями. Кроме того, DZone предлагает объявления о вакансиях для технических специалистов, являясь полезным ресурсом для тех, кто интересуется технологиями и программированием.
DZone.com Feed dzone.com
RSS feeds.dzone.com
RSS Hunter RSS Hunter • 22 авг. 2024 г.

Трэд заметок

GenAI не решает проблему, с которой на самом деле сталкиваются большинство команд разработки

Это был день, когда один из наших потоков примирения начал выдавать NullPointerExceptions в продакшене. Исправление, как только мы его нашли, состояло из двух строк. Поиск этих двух строк занял почти шесть часов. Три инженера и бесконечный поиск по логам. Отладка интеграционного приложения с JSF UI, которое предшествует большинству библиотек, которые мы сегодня принимаем как должное. Никаких современных API не было предоставлено. Никакой четкой границы сервиса для изоляции проблемы. Просто цепочка устаревших точек интеграции, которые требовали от кого-то держать полную ментальную карту системы в голове, чтобы понять, что и где ломается. Через шесть месяцев активного использования генеративного ИИ (GenAI) в разработке программного обеспечения я постоянно возвращаюсь к этим продакшн-багам. Они по-прежнему кажутся нормой, а не исключением.
GenAI Isn't Solving the Problem Most Development Teams Actually Have dzone.com
RSS Hunter RSS Hunter • 19 июн.

Автоматизация Power Automate: Как обеспечить активность облачных потоков после каждого развертывания конвейера

Вы потратили часы — возможно, дни — на создание и тестирование решения Dynamics 365 Power Platform. Ваш конвейер Azure DevOps работает безупречно. Управляемое решение успешно импортируется в целевую среду. Все в порядке. Затем звонит бизнес. Ничего не работает. Автоматизация не запускается.
Automating Power Automate: How to Ensure Cloud Flows Are Active After Every Pipeline Deployment dzone.com
RSS Hunter RSS Hunter • 19 июн.

Стратегии тестирования кода веб-разработки, сгенерированного большими языковыми моделями

Большие языковые модели (LLM) могут автоматизировать процесс разработки, генерируя значительный объем кода веб-приложений всего за несколько минут. Тем не менее, важно помнить, что эти модели основаны на шаблонах и не являются детерминированными. Работа в области ИИ-помощников по программированию показывает, что код, созданный ИИ, часто демонстрирует уязвимости безопасности при тестировании в реальных условиях. Исследование функций GitHub показало, что примерно 40% сгенерированного кода были подвержены проблемам безопасности, что подчеркивает необходимость тщательного тестирования и проверки.
Testing Strategies for Web Development Code Generated by LLMs dzone.com
RSS Hunter RSS Hunter • 19 июн.

От Open SQL к CDS-представлениям: Переписывание доступа к данным SAP для повышения производительности в масштабе

Современные ландшафты SAP, работающие на SAP HANA, требуют переосмысления того, как программы ABAP получают доступ к данным. Традиционные запросы Open SQL, встроенные в код ABAP, служат разработчикам десятилетиями, но при больших объёмах данных они могут стать узкими местами производительности. Введение SAP представлений Core Data Services (CDS) предлагает новую парадигму: переносить больше работы в базу данных в памяти и получать только необходимое.  Традиционный доступ к данным ABAP с открытым SQL Open SQL — это стандартный SQL-интерфейс в ABAP, который позволяет разработчикам выполнять запросы к базовой базе данных, независимо от базы данных. Например, отчёт ABAP может объединять две таблицы и получать результаты следующим образом:
From Open SQL to CDS Views: Rewriting SAP Data Access for Performance at Scale dzone.com
RSS Hunter RSS Hunter • 19 июн.

Проблема кросс-языкового RAG, о которой никто не говорит

Ловушка бенчмарков Экосистема генерации с дополненной выборкой (RAG) развивалась на удивление быстро. Векторные базы данных готовы к промышленному использованию, модели встраивания стали дешевле, чем когда-либо, а конвейеры выборки развертываются в системах здравоохранения, финансов, юриспруденции и образования по всему миру. Каждый крупный бенчмарк показывает впечатляющие результаты. Почти каждый крупный бенчмарк на английском языке.
The Cross-Lingual RAG Problem Nobody Is Talking About dzone.com
RSS Hunter RSS Hunter • 19 июн.

Jakarta NoSQL: Почему JPA недостаточно для эпохи ИИ

Наиболее эффективный способ представить эту идею — начать с проблемы, с которой сталкиваются архитекторы: ИИ трансформировал ландшафт персистентности. Корпоративные приложения когда-то строились почти исключительно на реляционных базах данных, что делало JPA краеугольным камнем Jakarta EE. Сегодня современные системы используют комбинацию реляционных баз данных, документо-ориентированных хранилищ, кэшей, графовых движков и, во все большей степени, векторных баз данных, которые поддерживают семантический поиск, генерацию с дополненной выборкой (RAG) и приложения на базе ИИ. Полиглотная персистентность теперь является отраслевым стандартом. В то время как Jakarta EE стандартизировала реляционную персистентность через JPA, ей по-прежнему не хватает нейтрального для поставщиков стандарта для нереляционной персистентности. Этот пробел заставляет разработчиков полагаться на разрозненные, проприетарные решения, создавая препятствия для переносимости, производительности и инноваций.
Jakarta NoSQL: Why JPA Is Not Enough for the AI Era dzone.com
RSS Hunter RSS Hunter • 19 июн.

Ваш ИИ-агент для написания кода не может украсть то, чего у него никогда не было: история изоляции Docker Sandbox

Я запустил ИИ-агента для написания кода против неисправного развертывания Kubernetes в течение пяти минут. Агент десятки раз обращался к API Anthropic, анализируя манифесты, выполняя команды kubectl, перезапуская рабочие нагрузки. На протяжении всей сессии он делал полностью аутентифицированные запросы. Ключ API никогда не находился в его среде.
Your AI Coding Agent Can't Steal What It Never Had: The Docker Sandbox Isolation Story dzone.com
RSS Hunter RSS Hunter • 19 июн.

От printTriangularNumber до Duff’s Device: освоение старых и новых операторов switch в Java

В этой статье мы увидим, как скромное операторное выражение switch в Java превратилось из любопытного механизма сквозного перехода в мощное выражение, и как понимание его работы открывает классические методы, такие как устройство Даффа. Операторное выражение switch в Java эволюционировало из конструкции, склонной к сквозному переходу, в современный синтаксис выражений, представленный в Java 14. В статье прослеживается эта эволюция на конкретном примере: метод, который вычисляет треугольные числа, намеренно позволяя выполнению каскадно проходить через случаи без операторов break.
From printTriangularNumber to Duff’s Device: Mastering Java Switch Statements Old and New dzone.com
RSS Hunter RSS Hunter • 19 июн.

Практическое руководство по шаблонам проектирования временных рабочих процессов

Длительные, распределенные бизнес-процессы часто требуют тщательной координации, управления состоянием и обработки ошибок. Temporal предлагает подход к надежным рабочим процессам, основанный на коде: разработчики пишут обычный код для оркестрации, а сервис Temporal сохраняет состояние, повторяет неудачные задачи и возобновляет выполнение после сбоев. Это смещает фокус с технических деталей (очереди, повторные попытки, тайм-ауты) на логику предметной области, но также способствует повторному использованию проверенных шаблонов. Сообщество Temporal и документация выделяют несколько шаблонов оркестрации — например, саги, конечные автоматы/акторы, стратегии опроса, веерное распределение/сбор (fan-out/fan-in) и шаблоны версионирования — которые решают повторяющиеся проблемы при проектировании рабочих процессов. В этой статье рассматриваются эти шаблоны, объясняется, когда и как их использовать, с краткими фрагментами кода для иллюстрации их реализации в Temporal.
A Practical Guide to Temporal Workflow Design Patterns dzone.com
RSS Hunter RSS Hunter • 18 июн.

Когда ваша документация управляет собой сама: mdship и Markdown с поддержкой ИИ

Если вы пишете техническую документацию на Markdown, вы уже знаете эту дилемму: одни части вашего документа — это написанный от руки текст, а другие — оглавление, включенный фрагмент кода, отрисованная диаграмма — сгенерированы откуда-то еще. То, как вы управляете этой границей, многое говорит о вашем рабочем процессе. Большинство инструментариев для документации решают эту проблему так же, как препроцессоры вроде PET или Jamal: разделяют исходный код и результат. Вы поддерживаете файл шаблона, запускаете этап сборки и получаете в результате отрисованный документ. Чисто, предсказуемо и легко для понимания — но это добавляет этап сборки, а выходной файл — это не то, что вы на самом деле редактируете или передаете.
When Your Documentation Manages Itself: mdship and AI-Assisted Markdown dzone.com
RSS Hunter RSS Hunter • 18 июн.

ИИ находит ошибки быстрее, чем компании могут их исправить — вот что должны делать команды по обеспечению безопасности данных

Я провел почти десять лет, создавая продукты для защиты данных для глобальных предприятий. DLP в облаке, CASB, SSPM, поведенческие угрозы, безопасность доступа к ИИ, ISPM и т. д. Это те вещи, которые находятся между пользователем, агентом или приложением и конфиденциальными данными, которые никто не хочет видеть не там, где следует. Каждый разговор, который у меня был с архитектором безопасности клиента в этом году, в конечном итоге сводился к одному и тому же вопросу. Ландшафт угроз явно изменился. Что это значит для существующих у нас средств контроля? Эта статья представляет собой анализ, которым я делился с архитекторами безопасности в различных отраслях, которые оценивают, как должны развиваться их программы защиты данных. Он основан на общедоступной документации, реальных изменениях для корпоративной безопасности данных и на том, куда бы я направил следующий доллар инвестиций, основываясь на десятилетнем опыте создания этих продуктов в масштабе.
AI Is Finding Bugs Faster Than Enterprises Can Patch — Here's What Data Security Teams Should Do dzone.com
RSS Hunter RSS Hunter • 18 июн.

Основные уязвимости Java и как их предотвратить в современном Java

С ростом числа угроз безопасности организации вкладывают значительные средства в инициативы по кибербезопасности для защиты своих приложений, инфраструктуры и конфиденциальных данных. Уязвимости безопасности редко вводятся намеренно. Большинство из них проникают в приложения из-за сокращений, упущенных из виду граничных случаев, устаревших библиотек или некоторых плохих привычек кодирования. Современная Java значительно улучшила свои возможности безопасности, но ни один фреймворк или версия JVM не могут полностью защитить приложение от небезопасных методов кодирования. Как разработчики, мы по-прежнему должны понимать, откуда берутся уязвимости и как предотвратить их до того, как они попадут в производство.
Top Java Security Vulnerabilities and How to Prevent Them in Modern Java dzone.com
RSS Hunter RSS Hunter • 18 июн.

Гниение контекста: почему ваш ИИ-агент становится хуже, чем дольше он работает

Функции на базе ИИ часто идеально работают во время тестирования, а затем незаметно деградируют в продакшене. Модель не менялась. Промпты не менялись. Задержка выглядит нормальной. Показатели ошибок чистые. И все же ответы постепенно начинают казаться странными, слегка несвязными, лишенными нюансов, ссылающимися на вещи, которые больше не имеют отношения к текущей задаче. У этого явления есть название: контекстное гниение. Оно не вызывает исключений. Оно не отображается на дашбордах. Это один из наиболее тонких режимов отказа в производственных системах ИИ, и раннее понимание его существенно влияет на качество того, что создается.
Context Rot: Why Your AI Agent Gets Worse the Longer It Works dzone.com
RSS Hunter RSS Hunter • 18 июн.

Налог на задержки, скрытый в облачных системах (и трудные уроки, которые я извлек, чтобы минимизировать его)

Давайте будем честны, не так ли? Помните ранние дни нашего обещания облачной нативности? Мы с головой погрузились в это, создавая микросервисы путем разделения монолитных приложений и начиная развертывание в облаке со всевозможными контейнерами. Казалось, мы разгадали секрет масштабируемости и отказоустойчивости. И мы разгадали! Но подождите... разве нет? Я не забуду, как впервые столкнулся с действительно озадачивающей (помните, это мои уроки, и я загубил немало до того, как нашел правильный путь) проблемой производительности. Наши сервисы работали быстро сами по себе. О, и наш код был безупречен.
The Latency Tax That’s Hidden in Cloud-Native Systems (and the Hard Lessons I Learned to Minimize It) dzone.com
RSS Hunter RSS Hunter • 18 июн.

Почему эффективность инфраструктуры становится новой метрикой прибыльности облачных вычислений

Эффективность инфраструктуры быстро становится одним из важнейших факторов, определяющих прибыльность для облачных провайдеров, провайдеров управляемых услуг и SaaS-компаний. В течение многих лет рост инфраструктуры следовал простой формуле: добавлять больше серверов, больше хранилищ и больше мощностей всякий раз, когда увеличивался спрос. Эта модель работала, когда цены на оборудование постоянно снижались, а неэффективность могла быть поглощена за счет роста.
Why Infrastructure Efficiency Is Becoming the New Cloud Profitability Metric dzone.com
RSS Hunter RSS Hunter • 18 июн.

Amazon CodeWhisperer к Q Developer к Kiro: Восхождение агентного программирования

Внезапный конец Amazon Q Developer В мае 2026 года AWS объявила ошеломляющую новость: плагины Amazon Q Developer IDE и платные подписки прекратят поддержку 30 апреля 2027 года, а новые регистрации будут заблокированы с 15 мая 2026 года. Преемник? Kiro — IDE нового поколения от AWS с искусственным интеллектом, которая переосмысливает подход инженеров к созданию программного обеспечения с нуля. Если вы бэкенд-инженер, который полагался на Q Developer для автодополнения кода, встроенного чата и сканирования безопасности в VS Code или JetBrains, время идет. Но прежде чем вы неохотно мигрируете, стоит понять, почему происходит этот переход, что на самом деле предлагает Kiro и стоят ли компромиссы того — особенно в производственных бэкенд-контекстах, таких как микросервисы, распределенные системы и конвейеры наблюдаемости.
Amazon CodeWhisperer to Q Developer to Kiro: The Rise of Agentic Coding dzone.com
RSS Hunter RSS Hunter • 18 июн.

OpenAPI, ORM, SVG и Lottie

Это третье продолжение к посту о релизе в пятницу. Субботний пост был о том, как вы итерируете; вчерашний — о новых API платформы в ядре; сегодняшний — о наборе компонентов, которые меняют способ написания структурных частей приложения. Компоненты включают генератор клиентов OpenAPI, ORM для SQLite, мапперы JSON и XML, привязку компонентов с валидацией, транскодеры SVG и Lottie во время сборки, а также декларативный маршрутизатор с глубокими ссылками. Все это работает на едином конвейере генерации кода во время сборки: проход плагина Maven, который читает аннотации или декларативные исходные файлы во время сборки и генерирует типизированный Java-код, который компилируется в ваш бинарный файл. Никакого отражения, никакого загрузчика сервисов, никакого Class.forName. Раздел "Как это работает" в конце этого поста описывает механику генерации кода после того, как вы увидите, что он обеспечивает.
OpenAPI, ORM, SVG, and Lottie dzone.com
RSS Hunter RSS Hunter • 17 июн.

Революция в реальном времени: почему блокчейну нужна обработка потоков данных

Блокчейн — это чрезвычайно ориентированная на данные технология, поскольку ее основная функция заключается в хранении, проверке и координации независимых записей в безопасной, распределенной сети данных. Без этой информации ни одна транзакция, выполнение смарт-контракта или сетевая активность не были бы действительными, и это могло бы поставить под угрозу целостность гораздо более крупных функций доверия. Данные, поступающие в блокчейн, влияют на точность всей системы. Блокчейн — ничто без данных, к которым он подключается, поэтому, когда речь идет о прозрачности, неизменности и безопасных решениях, данные являются основой блокчейна.
The Real-Time Revolution: Why Blockchain Needs Data Stream Processing dzone.com
RSS Hunter RSS Hunter • 17 июн.

Создание системы агентного разрешения инцидентов для разработчиков

Агентная инженерия становится по-настоящему интересной, когда она выходит за рамки панелей мониторинга и оповещений и начинает действовать. Одно из самых очевидных применений — реагирование на инциденты. Вместо того чтобы будить кого-то в 2 часа ночи, чтобы ответить на простые вопросы, я могу создать систему, которая понимает, что сломалось, кто за это отвечает, что недавно изменилось, каковы зависимости и можно ли устранить проблему автоматически. Именно это я и настроил, используя Port в качестве слоя контекста и Datadog в качестве слоя мониторинга и трассировки. Datadog сообщает мне, что что-то не так. Port говорит мне, что это означает в рамках организации. Как только эти два компонента будут связаны автоматизацией, я получу практический пример работы агентной инженерии: инциденты могут быть расследованы, обогащены контекстом, автоматически устранены, когда это возможно, или переданы соответствующей команде с нужными деталями.
Building an Agentic Incident Resolution System for Developers dzone.com
RSS Hunter RSS Hunter • 17 июн.

Интеллектуальный подбор и семантический поиск для приложений маркетплейсов с использованием OpenAI и .NET

Платформы-маркетплейсы — это, по сути, системы сопоставления. Независимо от того, что платформа связывает: Студентов и репетиторов Фрилансеров и клиентов Покупателей и продавцов Консультантов и компании Общее впечатление пользователя обычно зависит от того, насколько точно платформа может связать подходящих людей.
Intelligent Matching and Semantic Search for Marketplace Applications Using OpenAI and .NET dzone.com
RSS Hunter RSS Hunter • 17 июн.

Отладка на устройстве и JUnit 5

Этот пост является продолжением предыдущего поста о выпуске и охватывает изменения, влияющие на процесс итерации при работе с приложением Codename One. Два основных изменения — это отладка на устройстве и стандартный JUnit 5 для симулятора JavaSE. Отладка на устройстве позволяет рассматривать Java как Java на реальном устройстве iPhone или Android. Codename One всегда поддерживал отладку на устройстве, но с ограничениями, такими как невозможность установить точку останова в коде Java и проверять поля Java. Ранее отладка приложения iOS требовала Mac и Xcode, поскольку это был единственный отладчик, который понимал бинарный файл. Шаг преобразования между кодом Java и C, производимый ParparVM, затруднял отладку кода Java на устройстве. Новая функция отладки на устройстве позволяет устанавливать точки останова в коде Java и проверять поля Java на реальном устройстве. Эта функция долгожданна и является значительным улучшением для разработчиков. Пост сосредоточен на подробном объяснении этой новой функции, поскольку это самое сложное и значительное изменение. Возможность отлаживать код Java непосредственно на устройстве значительно улучшит процесс разработки приложений Codename One.
On-Device Debugging and JUnit 5 dzone.com
RSS Hunter RSS Hunter • 17 июн.

Учебное пособие по Grok AI API: чат, изображения, видео, вызов инструментов и веб-поиск

API Grok от xAI предоставляет доступ к мощным передовым моделям, включая серию Grok 4, поддерживающую завершение чата (текст + зрение), генерацию изображений, вызов инструментов (вызов функций и встроенные инструменты, такие как веб-поиск), а также более продвинутые функции. Краткое введение Зарегистрируйтесь на https://x.ai/api. Сгенерируйте ключ API из консоли. Установите pip install xai-sdk. Установите переменную среды: export XAI_API_KEY="ваш_ключ_здесь". Список моделей: https://docs.x.ai/developers/models. Я поделюсь несколькими примерами на Python.
Grok AI API Tutorial: Chat, Image, Video, Tool Calling, and Web Search dzone.com
RSS Hunter RSS Hunter • 17 июн.

Оптимизация серверов сборки на базе Arm с процессорами AmpereOne

Что делает сервер сборки хорошим? В современной разработке облачных приложений непрерывная интеграция с автоматизированной сборкой и тестированием программного обеспечения при каждом коммите стала стандартной передовой практикой. Обычно это включает в себя поддержание фермы узлов сборки, которые могут быть физическими устройствами, виртуальными машинами или контейнерами, которые могут быть предоставлены по требованию и выведены из эксплуатации после завершения задач сборки. Это руководство призвано помочь вам настроить идеальный сервер сборки для архитектуры Ampere на базе Arm. Мы рассмотрим различные варианты конфигурации (или «ручки и переключатели») для оптимизации производительности сервера сборки Linux, подробно описывая улучшение производительности с каждой настройкой.
Optimizing Arm-Based Build Servers With AmpereOne CPUs dzone.com
RSS Hunter RSS Hunter • 17 июн.

Восход архитектуры микросервисов в масштабируемых приложениях

В последние годы создание современных приложений изменилось по сравнению с тем, что наблюдалось исторически. Обычно в прошлом системы разрабатывались в виде единого, большого блока кода (называемого монолитным дизайном) и довольно хорошо работали для небольших приложений, но со временем, по мере того как они становились больше и сложнее, этот метод написания программного обеспечения становился скорее препятствием для приложений, поскольку они требовали больше пользователей и увеличения скорости. Теперь компаниям необходимо, чтобы их приложения могли быстро расти, быстро адаптироваться к изменениям и поддерживать миллионы пользователей без какого-либо влияния на производительность, и именно здесь архитектура микросервисов становится столь актуальной. Архитектура микросервисов стала способом проектирования масштабируемых приложений, потому что приложения могут быть разбиты на более мелкие, отдельные сервисы, которые могут работать независимо друг от друга.
The Rise of Microservices Architecture in Scalable Applications dzone.com
RSS Hunter RSS Hunter • 17 июн.

Отладка WebSocket без прокси — рабочий процесс, ориентированный на браузер

Отладка WebSocket — одна из тех вещей, которые кажутся простыми, пока вы не начнете ею заниматься. Соединение выглядит нормально в DevTools, но сообщения искажены, время не соответствует, или сервер ведет себя неожиданно — и у вас нет простого способа проверить, что происходит на уровне кадров, без настройки прокси или установки чего-то громоздкого. Вот практический рабочий процесс, который не требует ничего, кроме браузера, проиллюстрированный реальным сценарием отладки.
WebSocket Debugging Without a Proxy — A Browser-First Workflow dzone.com
RSS Hunter RSS Hunter • 17 июн.

Параллельная пакетная обработка Kafka с использованием корутин Kotlin в Spring Boot

Управление большим объемом сообщений в распределенных архитектурах имеет решающее значение. Эффективное использование ресурсов базы данных и ЦП также очень важно. Существуют структуры, позволяющие получать сообщения пакетами. Стандартная структура Spring Kafka "BatchMessageListener" удовлетворяет эту потребность. Однако обработка этих сообщений часто проходит через последовательное "узкое место". В этой статье подробно рассматриваются структура и использование Kotlin Coroutines. Мы изучим, как максимизировать производительность обработки сообщений Kafka, используя принципы структурированной конкурентности и методы ограничения ресурсов.
Parallel Kafka Batch Processing With Kotlin Coroutines in Spring Boot dzone.com
RSS Hunter RSS Hunter • 16 июн.

Шифрование не выдержит квантовые вычисления: что делать?

Каждый раз, когда вы открываете банковское приложение, отправляете личное сообщение или входите в системы своей компании, математическая задача стоит между вашими данными и остальным миром. Очень специфический вид математической задачи, решение которой занимает тысячи лет даже для самых быстрых современных компьютеров. Вот неприятная правда: квантовые компьютеры приближаются. И когда они появятся, эта математическая задача будет решена за несколько часов. Замок будет взломан. Все, что за ним, станет читаемым.
Encryption Won't Survive Quantum Computing: What to Do? dzone.com
RSS Hunter RSS Hunter • 16 июн.

Проблема доверия в современном SaaS: почему ваша аутентификация прошла успешно, а вас все равно взломали

Большинство утечек данных в SaaS происходят не из-за сбоев. Они случаются из-за того, что действительная аутентификация доверяется слишком сильно, слишком долго, в системах, которые никогда не были спроектированы для взаимного контроля. Это различие стоит обдумать. Потому что если бы аутентификация дала сбой, вы бы это знали. Вы бы увидели это в логах. SIEM бы сработал. Расследование началось бы с очевидного места.
The Trust Problem in Modern SaaS: Why Your Authentication Succeeded, and You Still Got Breached dzone.com
RSS Hunter RSS Hunter • 16 июн.

Снижение затрат на конвейеры данных и решение проблем с актуальностью данных с помощью Netflix Maestro и Apache Iceberg: Практическое руководство

Аналитические конвейеры, как правило, масштабируются как по стоимости, так и по возрасту источников данных: затраты растут с увеличением объема данных, а актуальность данных снижается из-за более длительных пакетных заданий. Распространенный подход, масштабирование кластера, устраняет симптом, а не архитектурную проблему. В этом руководстве мы рассмотрим альтернативное решение, которое устраняет обе проблемы в их корне: использование Netflix Maestro, горизонтально масштабируемого оркестратора рабочих процессов, выпущенного Netflix в июле 2024 года, вместе с Apache Iceberg, стандартным форматом таблиц для аналитики в объектном хранилище. Первый помогает, переходя от планирования по времени к событийно-ориентированному подходу, в то время как последний устраняет накладные расходы на перечисление файлов, которые замедляют запросы к большим наборам данных и увеличивают их стоимость.
Cutting Data Pipeline Costs and Data Freshness Issues With Netflix Maestro and Apache Iceberg: A Practical Tutorial dzone.com
RSS Hunter RSS Hunter • 16 июн.

Вычисление формул во время выполнения с помощью библиотеки MVEL в Spring Boot

В наших процессах разработки программного обеспечения бизнес-подразделения постоянно хотят обновлять ставки скидок, бонусные баллы или логику расчета заработной платы. Если эта логика находится внутри кода, между блоками "when-or-if-else", каждое изменение означает новый процесс модульного тестирования, анализ кода, работу конвейера CI/CD и, в конечном итоге, "развертывание".
Runtime Formula Evaluation With MVEL Library in Spring Boot dzone.com
RSS Hunter RSS Hunter • 16 июн.

Начало работы с GitHub Copilot CLI для задач программирования

В настоящее время существует довольно много ИИ-помощников для написания кода. В этом блоге мы подробнее рассмотрим GitHub Code CLI, ИИ-помощника для написания кода, работающего в терминале. GitHub Copilot CLI легко интегрируется с GitHub Copilot, поэтому, если у вас есть подписка на GitHub Copilot, определенно стоит обратить на него внимание. Приятного чтения! Введение Существует множество ИИ-моделей и также множество ИИ-помощников для написания кода. Какой выбрать — сложный вопрос. Это также зависит от того, запускаете ли вы модели локально или в облаке. При локальном запуске Qwen3-Coder — очень хорошая ИИ-модель для задач программирования. В предыдущих публикациях DevoxxGenie, плагин для IDE JetBrains, часто использовался как ИИ-помощник для написания кода. DevoxxGenie хорошо интегрирован в IDE JetBrains. Но также полезно обратить внимание на других ИИ-помощников для написания кода. В предыдущих блогах Qwen Code и Claude Code использовались в сочетании с локальными моделями.
Getting Started With GitHub Copilot CLI for Coding Tasks dzone.com
RSS Hunter RSS Hunter • 16 июн.

Создание возможности оркестрации мультиагентной системы: архитектура и разбор кода

Искусственный интеллект (ИИ) быстро превращается из простых разговорных моделей в системы, способные решать сложные задачи посредством командной работы. По мере того как продукты становятся умнее, один ключевой подход, набирающий популярность сегодня, — это оркестрация с использованием нескольких агентов. Одна модель ИИ может выполнять простые задачи, такие как ответы на вопросы или создание контента. Однако современные функции продукта все чаще требуют:
Building a Multi-Agent Orchestration Capability: Architecture and Code Walkthrough dzone.com
RSS Hunter RSS Hunter • 16 июн.

Ваш ИИ не терпит неудачу, терпит неудачу ваш контекст

Большинство неудач ИИ в продуктах происходят не потому, что модель слаба. Они происходят потому, что модель угадывает вслепую. Большая языковая модель может писать код, резюмировать встречи, составлять электронные письма, генерировать отчеты и отвечать на вопросы клиентов. Но когда она не знает, к какому клиенту, какому контракту, какой политике, какому запросу, какой версии правды или какой границе разрешений это относится, она все равно даст уверенный ответ.
Your AI Is Not Failing, Your Context Is dzone.com
RSS Hunter RSS Hunter • 16 июн.

Снижение галлюцинаций RAG с помощью поиска, учитывающего отношения

Генерация с дополненным поиском (RAG) является стандартом для интеграции частных или предметно-ориентированных знаний в большие языковые модели. Однако большинство систем RAG по-прежнему генерируют галлюцинации, поскольку этап поиска является несовершенным. Большие языковые модели могут обрабатывать только ту информацию, которую они получают, и если извлеченные фрагменты неадекватны, модель будет выдумывать неподтвержденную информацию. Следовательно, точность и надежность системы RAG в значительной степени зависят от ее поисковых возможностей. В этой статье исследуется поиск с учетом отношений как решение этих недостатков поиска. В ней представлена RudraDB-Opin, бесплатная векторная база данных с учетом отношений, в качестве практической реализации. RudraDB-Opin предназначена для обучения, прототипирования и реальных проектов. Она может обрабатывать значительное количество векторов и отношений. Эта возможность позволяет моделировать обширные базы знаний. База данных призвана продемонстрировать различные шаблоны поиска, обсуждаемые в статье.
Reducing RAG Hallucinations With Relationship-Aware Retrieval dzone.com
RSS Hunter RSS Hunter • 16 июн.

Рабочие процессы против ИИ-агентов против мультиагентных систем: Практическое руководство для разработчиков

Когда я только начинал создавать приложения с искусственным интеллектом, я постоянно слышал одни и те же слова: рабочие процессы, агенты и мультиагентные системы. Поначалу все они звучали как разные названия для одного и того же. В конце концов, в каждом случае вы все равно вызываете LLM, отправляете некоторый контекст и получаете что-то обратно. Это предположение оказывается одним из самых простых способов спроектировать неверную систему.
Workflows vs AI Agents vs Multi-Agent Systems: A Practical Guide for Developers dzone.com
RSS Hunter RSS Hunter • 15 июн.

Накопление рисков в диалоге: контекстные защитные механизмы за пределами одноразовых проверок LLM

Почему долгие чаты нуждаются в защитных механизмах на уровне сессии (CRA) Для кого это: Для всех, кто создает чат-функции, ботов поддержки, внутренние системы вопросов и ответов, инструменты коучинга, ассистентов RAG. Обычная настройка (и что она упускает) Типичный процесс:
Conversational Risk Accumulation: Stateful Guardrails Beyond Single-Turn LLM Checks dzone.com
RSS Hunter RSS Hunter • 15 июн.

Представляем RAI Audit Kit: аудиты ответственного ИИ уровня доказательств на Python

Это первая статья из серии из 6 частей о создании практических, ответственных рабочих процессов аудита ИИ с помощью RAI Audit Kit, набора пакетов с открытым исходным кодом на Python. Серия будет охватывать темы от базовых систем ИИ до более продвинутых и ориентированных на производство рабочих процессов аудита:
Introducing RAI Audit Kit: Evidence-Grade Responsible AI Audits in Python dzone.com
RSS Hunter RSS Hunter • 15 июн.

Скрытые затраты на фронтенд-код, сгенерированный искусственным интеллектом

Генерируемый ИИ код стал новой нормой во фронтенд-разработке. Теперь программист может просто запросить компонент React, форму, таблицу, модальное окно или даже макет целой страницы и получить что-то пригодное для использования за считанные секунды. Эта скорость реальна. Исследования GitHub Copilot показали, что разработчики, используя этот инструмент, добились поразительного ускорения выполнения задачи кодирования на 55,8%, что объясняет, почему команды разработчиков стали более склонны использовать ИИ-помощников по написанию кода. Однако скорость генерации не равна скорости во время продакшена. Фронтенд-код должен учитывать реальные взаимодействия с пользователем, устройства, браузеры, потребности в доступности, сбои API, изменения продукта и меры безопасности. ИИ может быстро создавать код, но скрытая стоимость проявляется только после первоначального черновика, и такие вещи, как ревью кода, исправление ошибок, оптимизация производительности, исправление проблем доступности, согласование с дизайн-системой и обслуживание, должны быть решены.
The Hidden Cost of AI-Generated Frontend Code dzone.com
RSS Hunter RSS Hunter • 15 июн.

От ETL к Lakeflow: переход к декларативной парадигме данных

Если вы работали на платформе данных более нескольких лет, вы почти наверняка дважды создавали один и тот же конвейер. Сначала так, как команда писала конвейеры в 2019 году: здесь блокнот, там скрипт Python, DAG Airflow для их связывания и длинный документ, объясняющий порядок выполнения задач. Затем переписывание, два года спустя, когда кто-то уволился, и никто не мог вспомнить, почему в определенной задаче было sleep(180). Lakeflow — это ответ Databricks на эту модель, и сдвиг, к которому он призывает, больше, чем кажется из маркетинговых материалов. Это не новый оркестратор. Это переход от императивных конвейеров, где вы пишете шаги, к декларативным конвейерам, где вы пишете конечную точку, а движок сам определяет шаги. Далее следует практическая версия этого сдвига — что на самом деле изменилось, где выгоды реальны и как мигрировать, не получив наполовину преобразованный lakehouse.
From ETL to Lakeflow: Shifting to a Declarative Data Paradigm dzone.com
RSS Hunter RSS Hunter • 15 июн.

Я провел обратную разработку 50 взломов API. Постоянно встречаются одни и те же пять ошибок.

С 22 декабря 2025 года по 15 января 2026 года злоумышленник провел 24 дня подряд в системах Navia Benefit Solutions. Они тихо и методично извлекли номера социального страхования, даты рождения, сведения о регистрации в медицинских планах и записи COBRA, принадлежащие 2 697 540 американцам. Среди них учителя, государственные служащие и школьные администраторы. Люди, которые оформили корпоративные льготы через HR-программное обеспечение и понятия не имели, какая сторонняя компания хранит их данные. Navia обнаружила это более чем через три недели после того, как злоумышленник уже прекратил свою деятельность. Компания опубликовала уведомление об утечке 13 марта 2026 года. Индивидуальные уведомления были разосланы 18 марта — через восемьдесят шесть дней после начала вторжения.
I Reverse-Engineered 50 API Breaches. The Same Five Mistakes Keep Appearing. dzone.com
RSS Hunter RSS Hunter • 15 июн.

Создание векторного индекса в Azure AI Search: HNSW, профили и извлечение RAG

В этой статье мы разберемся, как работает векторный поиск в Azure AI Search и как использовать его в качестве слоя извлечения в системе генерации с дополненным извлечением (RAG). Статья предназначена для инженеров-программистов. Мы не будем останавливаться на теории. Мы создадим небольшой рабочий пример, который вы сможете запустить на своем компьютере и пройти по нему шаг за шагом. К концу вы получите небольшую службу поиска по документам, которая принимает вопрос пользователя, находит наиболее релевантный текст с помощью векторного сходства и подготавливает контекст, который вы можете передать языковой модели.
Building a Vector Index in Azure AI Search: HNSW, Profiles, and RAG Retrieval dzone.com
RSS Hunter RSS Hunter • 15 июн.

Инженерные системы Graph-RAG с замкнутым контуром, Часть 4: Оценка системы Graph-RAG

Эта статья является частью 4 из 4-серийного цикла «Разработка систем RAG с замкнутым циклом». Самый простой способ оценить систему RAG — спросить себя, правильный ли полученный ответ.
Engineering Closed-Loop Graph-RAG Systems, Part 4: Evaluating a Graph-RAG System dzone.com
RSS Hunter RSS Hunter • 15 июн.

Прекратите загружать все в Redshift: шаблон Spectrum + Iceberg для гибридной аналитики

Не каждый набор данных полностью помещается в хранилище данных. Гибридная архитектура с использованием Apache Iceberg на S3, Redshift Spectrum и локальных таблиц Redshift может сократить дублирование хранилища и сохранить производительность хранилища для тех рабочих нагрузок, которые в ней нуждаются. Хранилище данных стало вторым озером данных Кластеры Redshift регулярно содержат таблицы, которых там быть не должно. Пятилетняя история транзакций загружается каждую ночь в течение четырехчасовой задачи COPY и запрашивается дважды в квартал. Таблицы с необработанными событиями загружаются непосредственно в хранилище данных, потому что настроить конвейер озера данных было сложнее. Агрегаты, которыми никто не владеет, сохраняются, потому что их удаление кажется рискованным.
Stop Loading Everything into Redshift: A Spectrum + Iceberg Pattern for Hybrid Analytics dzone.com
RSS Hunter RSS Hunter • 12 июн.

Оценки ИИ повсюду

От McKinsey до BCG, от ЕС до ISO, и от поставщиков и консалтинговых фирм по всему миру — у каждого есть своя версия оценки готовности к ИИ. Быстрый поиск выдаст десятки таких оценок, и они ежедневно появляются в моих лентах. Некоторые поверхностны и неглубоки, другие — детальные и продуманные. Некоторые представляют собой набор случайных вопросов, в то время как другие тщательно категоризированы по таким элементам, как стратегия, данные, технологии, таланты, управление и культура. Некоторые можно пройти за час, в то время как другие требуют обширной подготовки, исследования и участия. Все они имеют общие недостатки для подобных инструментов: они основаны на самоотчетах, самооценке и самоинтерпретации. Все социологи знают, что данные, полученные путем самоотчета, по своей сути подозрительны. У социологов и исследователей есть название для того, что происходит, когда люди оценивают себя без какой-либо внешней калибровки: они называют это предвзятостью, и это было исчерпывающе изучено.
AI Assessments Are Everywhere dzone.com
RSS Hunter RSS Hunter • 12 июн.

Внедрение корпоративного ИИ в масштабе: архитектура, управление и принятие

Большинство корпоративных ИИ-инициатив останавливаются после этапа проверки концепции, потому что операционная база вокруг них не готова. Эта неудача редко вызвана одной проблемой. Она возникает из-за сочетания разрозненных экосистем данных, пробелов в соблюдении нормативных требований, плохой наблюдаемости и структур управления, которые изначально не были созданы для работы с ИИ в производственном масштабе.
Operationalizing Enterprise AI at Scale: Architecture, Governance, and Adoption dzone.com
RSS Hunter RSS Hunter • 12 июн.

Приложение Spring Boot с сокращенным вдвое временем запуска

Проект MovieManager был обновлен для использования JDK 25 и кэша AOT из проекта Leyden. Проект Leyden является частью проекта OpenJDK и предоставляет кэшированное связывание и кэшированную статистику производительности. Это означает, что время, затрачиваемое на связывание при запуске, переносится на время сборки, а статистика создается во время выполнения тестов также на этапе сборки. Благодаря этому JVM загружает необходимые классы уже связанными и немедленно начинает компилировать горячие пути кода. Приложение MovieManager запускается менее чем за половину времени с этими оптимизациями без каких-либо изменений в коде.
A Spring Boot App With Half the Startup Time dzone.com
RSS Hunter RSS Hunter • 12 июн.

Архитектура проактивного ИТ: удаленный мониторинг и управление NinjaOne

Пятница, 15:00, когда приходит уведомление о безопасности: критическая уязвимость нулевого дня в широко используемой службе Windows. Вы управляете 5000 конечными точками в 50 местах, каждое из которых имеет разные окна обслуживания, графики резервного копирования и уровни критичности. Вам нужно исправить все — но только после проверки достаточного дискового пространства, подтверждения недавних резервных копий и соблюдения производственных графиков. С традиционными инструментами вас ждет уик-энд ручной работы и отслеживания в электронных таблицах. С современной платформой RMM это проблема конфигурации политики. Такова реальность современных ИТ-операций: переход от реактивного тушения пожаров к проактивному, управляемому политиками управлению инфраструктурой. Для системных администраторов, архитекторов и инженеров DevOps это требует платформы RMM, построенной на современных архитектурных принципах. Принципах, которые обеспечивают автоматизацию, интеллектуальное оповещение и бесшовную интеграцию
Architecting Proactive IT: NinjaOne Remote Monitoring and Management dzone.com
RSS Hunter RSS Hunter • 12 июн.

Реализация шаблона планирования с использованием Java Enterprise и LangChain4j

Искусственный интеллект развивается, выходя за рамки базовых чат-интерфейсов, чтобы играть активную роль в корпоративных приложениях. В то время как первоначальные интеграции ИИ часто фокусируются на генерации текста, его суммаризации или генерации с дополненным извлечением (RAG), многие бизнес-задачи требуют более продвинутых решений. Они требуют разбиения сложных целей на последовательные задачи и координации их выполнения. Шаблон планирования (Planning Pattern) решает эту проблему, позволяя ИИ функционировать как генератор контента, так и стратег, создающий планы выполнения. Для инженеров-программистов и архитекторов Шаблон планирования знаменует собой значительный прогресс в интеллектуальных системах. Он отделяет рассуждения от выполнения, позволяя приложениям использовать большие языковые модели, обеспечивая при этом управление, наблюдаемость и надежность в корпоративных условиях.
Implementing the Planning Pattern With Java Enterprise and LangChain4j dzone.com
RSS Hunter RSS Hunter • 12 июн.

За пределами REST: Архитектура высокоплотных агентных микросервисов с MCP и WASI-NN

Счет за ажиотаж вокруг интеграции генеративного ИИ прибыл, и он выражен в затратах на исходящий трафик, раздувании токенов и простаивающей памяти контейнеров. Последние два года инженерные команды интегрировали большие языковые модели (LLM) по пути наименьшего сопротивления: накладывая модели поверх существующих архитектур. Для сценариев использования, ориентированных на человека, это работает. Люди предоставляют неявный контекст, терпят небольшие задержки и интуитивно исправляют ошибки.
Beyond REST: Architecting High-Density Agentic Microservices With MCP and WASI-NN dzone.com
RSS Hunter RSS Hunter • 12 июн.

Файлы cookie помогают нам предоставлять наши Услуги. Используя наши Услуги или нажимая «Я согласен», вы соглашаетесь с нашим использованием файлов cookie .