Хотел поручить AI целый проект. Уперся в изоляцию, память и восстановление после сбоев
Что пришлось проверить, прежде чем доверять системе самостоятельную работу над программным проектом. Хотел построить систему, способную самосто…
Latest News
⚑ Report a ProblemTech news from the best sources
All topics
- игры
AI
News
Tech
agents
ai
api
architecture
automation
backend
beginners
career
devchallenge
devops
javascript
llm
machinelearning
mcp
opensource
performance
productivity
programming
python
react
security
showdev
testing
tutorial
typescript
webdev
Один адрес на все хранилища, или как я перестал бояться переездов S3
У меня несколько кластеров Ceph с S3, они стоят в разных ЦОД, и у каждого свой адрес, свои пользователи и свои ключи. Каждый переезд кластера превра…
Туннели Tuna стали высокодоступными
Мы разделили Tuna на два слоя. Точки входа на Envoy принимают трафик, туннельные ноды держат подключения клиентов. И те и другие разнесены по дата-ц…
[Перевод] От 40 секунд к менее чем 10: перестройка обнаружения инцидентов на OpenTelemetry, Kafka и Flink в Kubernetes
После крупного инцидента SaaS-компании приходится отвечать на неудобный вопрос: кто заметил проблему первым — мониторинг или клиенты? У команды Atla…
Облако тоже может сломаться. Часть 1: как спроектировать инфраструктуру, переживающую отказ зоны или провайдера
Облако часто воспринимается как гарантия доступности инфраструктуры. Но что произойдёт, если целиком откажет зона доступности, перестанет отвечать A…
Переезд S3 без простоя и без привязки к одному облаку: rclone union + serve s3 на практике
«Три зоны доступности» внутри одного облака не спасают, когда отказывает само облако. Собираем S3, который переживает отказ провайдера: один endpoin…
7 шагов для подготовки инфраструктуры к высоким нагрузкам, атакам и сбоям
Подробный чек-лист, чтобы проверить, готова ли ваша инфраструктура к форс-мажорам . Когда ИТ-инфраструктура даёт сбой, последствия ощущает весь бизн…
Как и почему мы проектировали последнее коммерческое облако России и от какого буллшита избавились по ходу
Меня часто спрашивают: — Почему к вам, а не к гигантам? Ответ простой: — Мы не охреневшие. Сначала я хотел рассказать про нашу сеть хранения, котора…
Что сейчас происходит с ЦОДами, рынком и беженцами из Яндекса
Привет, Хабр! Коллеги что-то не очень делятся информацией, а она, вероятно, нужна много кому. В первую очередь мне совершенно не хочется как-то нава…
DataSafeS3 1.5.0: доставка событий и переключение Postgres с отчётом
В DataSafeS3 1.5.0 я переделал доставку событий. Раньше вебхук уходил после записи метаданных, и если сервер падал между записью и отправкой, событи…
Железо чинят инженеры ЦОДа, остальное поднимает DevOps
Недавно у Яндекса случилась неприятная история с дата-центрами: несколько площадок пришлось остановить, и Yandex Cloud какое-то время работал в огра…
Три ЦОДа Яндекса за четыре дня: что на них работало и сколько займёт восстановление
С 8 по 11 октября 2026 года атаки БПЛА вывели из строя три дата-центра Яндекса. Сасово и Владимир остановлены полностью, в Калуге потеряно несколько…
Каскадный сбой Yandex Cloud: анатомия событий октября 2026 и выживание бизнеса вне одного облака
Архитектурный и OPSEC-разбор для CTO, CISO, системных инженеров и разработчиков распределённых систем. В SLA облачных провайдеров привычно фигурирую…
Часть файлов на Яндекс.Диске стала недоступной: последствия вывода из строя датацентров?
После атаки на дата‑центр Яндекса в Сасово я решил на всякий случай сделать резервную копию данных с Яндекс.Диска и обнаружил, ч…
Площадка недоступна, сроков восстановления нет: как спроектировать DR, который переживёт потерю ключевого ЦОДа
В ночь на 8 октября в Yandex Cloud потеряла электропитание зона доступности ru-central1-b — один из ключевых дата-центров облака. К утру компания со…
Языковая модель в поиске магазина: как подключить её так, чтобы её падение никто не заметил
В прошлой статье я рассказывал, как устроено ядро нашего поиска: триграммы, crc32, словарь болей и два сита. В конце был короткий раздел «А где же н…
PKI-шторм: что делать, если Kubernetes одновременно запрашивает 100 тысяч сертификатов
Что произойдёт с PKI, если после аварии одновременно запустятся десятки тысяч pod’ов Kubernetes и каждому понадобится свой TLS-сертификат? В нашем с…
Как мы разворачиваем ClickHouse-кластер через Arenadata: практический гайд для DevOps
Привет, Хабр! Меня зовут Никита Ивкин, я — ведущий DevOps-инженер РТЛабс, работаю с инфраструктурой Госуслуг. Сегодня я покажу один из наших реальны…
Как AVM переживает обновления и рост инфраструктуры
Мы продолжаем рассказывать, как создавали AVM собственную платформу управления виртуальными машинами Aéza. В этой части разберём, как обновляем сист…
[Перевод] Понятно о распределённых системах. Анонс книги Доминика Торнова
Привет, Хабр! Мы считаем, что в настоящее время просто незаменимы книги, рассматривающие такие темы, которые пока не автоматизируются средствами иск…
[Перевод] Аварийное восстановление в Kubernetes: три воспроизводимых сценария сбоя
Команда VK Cloud перевела статью, описывающую три сценария сбоя, которые отличают наличие резервных копий от возможности восстановления, а также рек…
[Перевод] Когда избыточность не спасает: как один сервер сделал объектное хранилище недоступным
Сервер хранения может работать месяцами без единого предупреждения, а затем одно неожиданное отключение превращается в многочасовую недоступность се…
Сервер работает, а в 1С не войти: вебинар о контроле лицензий
При замене оборудования или сбое лицензирующего узла доступность 1С зависит не только от серверов и СУБД. Если сведения о лицензиях и пин-кодах разр…
Как проверить postmortem, подготовленный LLM. Разбираем инцидент Cloudflare
LLM может быстро подготовить postmortem, но убедительный текст ещё не гарантирует точность выводов: модель способна неверно связать с…
43 минуты в месяц. Как бюджет ошибок заканчивает спор о надёжности
Когда команда спорит между новыми релизами и надёжностью системы, решения часто принимаются на уровне мнений. Разберём, как бюджет ошибок…
Отказоустойчивость в мультиклауде: архитектура и реальные кейсы
Travel-индустрия не прощает простоев — каждая минута простоя может стоить бизнесу клиента. Как сделать так, чтобы большая инфраструктура работала 24…
Как найти причину сбоев внешнего API и исправить её до того, как интеграция попадет в прод
Внешний сервис может вернуть 500 вместо ожидаемого 400, принять запрос с ошибкой или ответить успешным статусом, но потерять час…
Промпт-инжиниринг для моделей надежности отказоустойчивого кластера
Ранее в « Базовые модели надежности отказоустойчивого кластера » [2] были показаны теоретические подходы к построению моделей (непрерывная цепь Марк…
Как мы разрешили чтение с реплик PostgreSQL — и почему шесть лет говорили «нет»
Меня зовут Кирилл Манин , я почти шесть лет работаю в команде SQL DBA и занимаюсь развитием платформы баз данных Авито . Почти всё это время к нам р…
Бэкап, из которого ни разу не восстанавливались — это не бэкап
Бэкап, который ни разу не проверяли восстановлением, может не помочь в момент аварии. В статье разберём, где чаще всего ломаются…