В докладе «Инфраструктура для хранения и обработки больших объёмов данных» на примере реальной задачи рассмотрелись способы максимально эффективно организовать распределенные хранение и вычисление данных в высоконагруженной системе.

Обсудили проблемы при проектировании и выборе технологий, а также привели способы их решения. Для каждого варианта рассмотрели преимущества, недостатки, особенности и альтернативы.

Программисты не любят писать тесты. Во-первых, приложение работает и без них. Во-вторых, их долго готовить. В-третьих, их тяжело поддерживать. В итоге, программисты сдаются, бросают написание тестов и начинают рассчитывать «на авось». Приложение отвечает им взаимностью: засоряется, становится более неподвижным и в итоге превращается в «большой ком грязи». История любви, которую съел быт.

Мы разобрали, почему написание тестов критически важно для приложения. Выяснили, почему сначала тест, а уж потом реализация. Научились получать «тесты замкнутого цикла», которые легко поддерживать.

Представили новый инструмент — DSL Python Framework для задач автоматизации, использования в качестве формата данных PyML и конфигов. Сравнили с существующими форматами данных и инструментами Terraform, Ansible, Jenkins, Groovy, показали плюсы и минусы. Показали примеры использования PyML в задачах автоматизации инфраструктуры, CI/CD.

Непозволительно, когда AI начинает дерзить клиенту или ещё хуже — рассказывать, как взломать машину соседа. Занимались воспитательными работами в разрезе кибербезопасности при работе с большими языковыми моделями.

Рассказал о том, как мы делали систему Е2Е-мониторинга. Что это такое, зачем она нужна и какие проблемы решали в процессе.

Поговорили о лучших практиках в тестировании, которые нам удалось собрать за время работы и успешно применить. Немного рассказал про процессинг, что он из себя представляет. О кластере тестирования и преимуществах сервисной команды. Про кроссфункциональность, и как она помогает. Про автоматизацию и инструмент автоматизиции собственной разработки «Октопус». Shift left testing и прочее.

Искусственный интеллект прочно вошёл в нашу жизнь и стал неотъемлемой частью многих сфер деятельности. AI способен выполнять широкий спектр задач и стать мощным инструментом в руках разработчика. Поэтому сейчас невероятно важно научиться с ним эффективно работать. В моём докладе я подробно рассказал о возможностях GigaChat и GigaChatAPI, а также показал, как их можно использовать в повседневной работе.

Я продемонстрировал, как интегрировать GigaChatAPI в своё приложение и показал пример своего «виртуального помощника», который помог мне в решении различных задач.

В докладе погрузились в работу с памятью и производительностью в React.

Рассказал, как понять, что ваш сайт требует слишком много памяти и всегда ли можно жертвовать памятью ради производительности?

Поговорили о том, отчего в React может течь память и как изменится ситуация с выходом React Compiler.

Затронули способы работы с Heap Snapshot: на что обращать внимание и какие для этого есть инструменты.

В своём докладе я рассказал историю своего пути как технического менеджера и работы в команде. От самого начала, когда команды не было вообще, до руководителя большого продуктового направления с командой более 300 человек.

В рамках доклада вы услышали историю про то, как в погоне за качеством и скоростью разработки мы выстроили процессы, которые позволяют большому энтерпрайз проекту развиваться и двигаться вперёд со скоростью стартапа.

Рассмотрели также инженерную культуру и инженерные практики, которые нам помогают.

Раскрыли секреты успешного резюме, поговорили про старт карьеры и осознанный выбор профессии. Каждый участник смог временно занять роль HR и принять участие в рассмотрении резюме кандидатов.