Визуализация методов массивов JavaScript 🚀

♻️ Сделай репост, чтобы помочь другим.

📲 Мы в MAX

👉 @itmozg

🖥 DrawDB

Бесплатный, простой и интуитивно понятный инструмент для проектирования баз данных и генератор SQL.

https://github.com/drawdb-io/drawdb

♻️ Сделай репост, чтобы помочь другим.

📲 Мы в MAX

👉 @itmozg

50 веб сайтов по изучению C/C++

В этой статье я расскажу о 50 сайтах, которые, по моему мнению, должен знать и добавить в закладки каждый разработчик на Си или Си++. В этом списке представлены прямые ссылки на исходные коды программ вместе с их описанием.

https://www.mycplus.com/featured-articles/50-c-cpp-source-code-websites/

♻️ Сделай репост, чтобы помочь другим.

📲 Мы в MAX

👉 @itmozg

Шпаргалка по матрицам и операциям с ними

♻️ Сделай репост, чтобы помочь другим.

📲 Мы в MAX

👉 @itmozg

🚀 Big O Notation (О-большое) в одной картинке: как оценить сложность алгоритма

Каждый айтишник рано или поздно сталкивается с проблемами производительности. Если ваш скрипт автоматизации, парсер или SQL-запрос начал безбожно тормозить при росте нагрузки, скорее всего, вы случайно написали алгоритм со сложностью O(n²) или хуже. 😅


🟢 Зеленая зона (Идеал и почти идеал):

• O(1) - Константное время. Скорость не зависит от объема данных. Пример: чтение значения из массива по индексу или из хэш-таблицы.
• O(log n) - Логарифмическое время. Очень быстро работает даже на огромных объемах. Пример: бинарный поиск или поиск в сбалансированном дереве (B-Tree в базах данных).

🔵 Синяя/Зеленая зона (Нормально):

• O(n) - Линейное время. Время растет пропорционально количеству данных. Пример: простой перебор массива циклом for или поиск максимума/минимума.
• O(n log n) - Линеарифмическое время. Лучшее, что мы можем выжать из алгоритмов сортировки общего назначения (Quick Sort, Merge Sort).

🟣/🔴 Красная зона (Опасно на больших данных):

• O(n²) и O(n³) - Квадратичное и кубическое время. Те самые вложенные циклы. На тысячах записей отработает, на миллионах - положит сервер.
• O(2^n) и O(n!) - Экспоненциальное и факториальное время. Растет катастрофически быстро. Применяется только для очень специфических задач (например, задача коммивояжера) и на минимальных объемах данных.

♻️ Сделай репост, чтобы помочь другим.

📲 Мы в MAX

👉 @itmozg

RustDesk

Клиентское программное обеспечение для удаленного рабочего стола с открытым исходным кодом, написанное на Rust.

Работает "из коробки", настройка не требуется. Отличная альтернатива TeamViewer и AnyDesk! Вы полностью контролируете свои данные, не беспокоясь о безопасности.

Вы можете использовать сервер разработчика или настроить свой собственный сервер или написать свой собственный сервер для рандеву/ретрансляции

https://github.com/rustdesk/rustdesk

♻️ Сделай репост, чтобы помочь другим.

📲 Мы в MAX

👉 @itmozg

Челлендж по обработке миллиарда строк на Go: от 1 минуты 45 секунд до 4 секунд

Пару недель назад я прочитал о запавшем мне в душу челлендже по обработке миллиарда строк, поэтому захотел решить его на Go.

Я немного опоздал, соревнования проводились в январе. И на Java. Меня не особо интересует Java, зато давно интересует оптимизация кода на Go.

Этот челлендж был очень прост: обработать текстовый файл названий метеорологических станций и температур, и для каждой станции вывести минимальное, среднее и максимальное значение. Чтобы упростить задачу, было ещё несколько ограничений, однако я проигнорировал те, что относятся только к Java.

https://habr.com/ru/articles/798215/

♻️ Сделай репост, чтобы помочь другим.

📲 Мы в MAX

👉 @itmozg

std::exception — это базовый класс для всех стандартных исключений в C++

Почему стоит наследоваться от std::exception?

• Единообразие в обработке исключений: Когда вы наследуетесь от std::exception, ваш класс исключения приобретает интерфейс, который делает его совместимым с другими стандартными исключениями

• what() метод: std::exception предоставляет важный метод what(), который возвращает строковое представление исключения. Это позволяет вам предоставлять информативные сообщения об ошибке при обработке исключений

• Легкость в поддержке кода: Если вы используете сторонние библиотеки или фреймворки, они также могут ожидать обработку исключений, производных от std::exception

• Стандартные типы исключений: std::exception имеет несколько стандартных подклассов, таких как std::runtime_error, std::logic_error и другие. Вы можете использовать эти подклассы вместо базового std::exception, чтобы более точно определить характер ошибки

♻️ Сделай репост, чтобы помочь другим.

📲 Мы в MAX

👉 @itmozg

📌 Топ-10 алгоритмов на графах, которые должен знать каждый разработчик

Графы окружают нас повсюду: от социальных сетей и рекомендательных систем до маршрутизации трафика и поиска уязвимостей в коде. Понимание базовых концепций работы с ними - это то, что отличает Senior-инженера от вечного Джуна.

Сохраняй визуальную шпаргалку-гайд по главным алгоритмам на графах:

1. Поиск в глубину (DFS) & 2. Поиск в ширину (BFS)

База из базы.

• DFS (Depth-First Search) идет «вглубь» до упора. Идеален для обхода дерева решений, поиска циклов и топологической сортировки.
• BFS (Breadth-First Search) обходит граф «слоями» (уровнями). Лучший выбор, если нужно найти кратчайший путь в невзвешенном графе.

3. Топологическая сортировка (Topological Sort)

Линейное упорядочивание вершин ориентированного графа, где для каждого ребра (u, v) вершина u идет строго перед v. Используется везде, где есть зависимости: от компиляции исходного кода (Makefile, пакетные менеджеры) до планирования задач в CI/CD и ETL-пайплайнах.

4. Система непересекающихся множеств (Union-Find / DSU)

Мощная структура данных, которая позволяет эффективно (почти за O(1)) объединять множества и проверять, принадлежат ли два элемента одному множеству. Незаменима для динамического анализа связности.

5. Поиск циклов (Cycle Detection)

Критически важная задача в программировании. Цикл в графе зависимостей - это дедлок в многопоточности или бесконечная петля в логике приложения. Реализуется через DFS (поиск обратных ребер) или Union-Find.

6. Связные компоненты (Connected Components)

Позволяет разбить граф на изолированные подграфы, где из любой вершины можно добраться до любой другой внутри этой же группы. Применяется в анализе сетей и кластеризации данных.

7. Двудольные графы (Bipartite Graphs)

Граф, вершины которого можно разделить на два независимых множества так, чтобы ребра соединяли только вершины из разных множеств. Классический пример - задача о назначениях (поиск соответствия между исполнителями и задачами).

8. Алгоритм заливки (Flood Fill)

Тот самый алгоритм, который работает в инструменте «Ведро с краской» в графических редакторах, или используется для поиска путей в лабиринтах/матрицах игр. По сути - кастомизированный DFS/BFS на двумерном массиве.

9. Минимальное остовное дерево (MST - Minimum Spanning Tree)

Поиск подмножества ребер, соединяющих все вершины без циклов и с минимальным суммарным весом. Алгоритмы Крускала и Прима - классика для проектирования телекоммуникационных сетей, дорог и оптимизации инфраструктуры.

10. Кратчайший путь (Shortest Path)

Поиск оптимального маршрута во взвешенном графе (например, с учетом расстояния, пробок или стоимости). Тут правят бал алгоритм Дейкстры (для положительных весов) и алгоритм Беллмана-Форда (если есть отрицательные веса).

📂 Интересный факт: Многие из этих концепций лежат в основе современных инструментов автоматизации, распределенных баз данных и систем сетевой безопасности.

#алгоритмы #graphs #cs #dev #programming #шпаргалка

♻️ Сделай репост, чтобы помочь другим.

📲 Мы в MAX

👉 @itmozg

Облачные базы данных: Шпаргалка

В современном мире, основанном на данных, выбор правильной базы данных имеет решающее значение и в то же время сложен. Сейчас облако предлагает больше возможностей для структурированных, полуструктурированных и неструктурированных баз данных, чем когда-либо. Эта шпаргалка поможет выбрать наиболее подходящую для ваших нужд.

Структурированные базы данных📌

Структурированные базы данных организуют данные в предопределенные схемы и модели.

Реляционные базы данных, такие как MySQL и PostgreSQL, хранят данные в таблицах со строками и столбцами.

Колоночные базы данных, такие как Amazon Redshift и Google BigQuery, также имеют структурированную модель данных, но хранят их по-другому, оптимизируя для аналитических запросов.

Преимущества:
- Эффективные SQL-запросы
- Возможность применения ограничений и валидации
- Последовательность там, где это необходимо

Примеры использования: CRM-системы, управление запасами, бухгалтерский учет, аналитика


Полуструктурированные базы данных📌

Полуструктурированные базы данных обеспечивают гибкость, храня данные без соблюдения формальной схемы. Данные часто хранятся в виде JSON или других гибких форматов.

Примеры включают в себя документ-базы данных, такие как MongoDB, графовые базы данных, наподобие Neptune, широкие колоночные хранилища, такие как ScyllaDB, и хранилища ключ-значение, такие как DynamoDB.

Преимущества:
- Гибкость для изменяющихся данных
- Масштабируемость на разных серверах

Примеры использования: Электронная коммерция, ленты социальных сетей, данные IoT


Неструктурированные базы данных📌

Неструктурированные базы данных оптимизированы для хранения и обработки огромных объемов разнородных данных, таких как документы, изображения, видео. Примеры: AWS S3, Azure Blob Storage.

Преимущества:
- Хранение огромных объемов данных
- Высокая масштабируемость

Примеры использования: Медиарепозитории, управление контентом, океаны данных, журнальные данные, резервное копирование.

♻️ Сделай репост, чтобы помочь другим.

📲 Мы в MAX

👉 @itmozg

DBDiagram

Бесплатный, простой инструмент для построения ER-диаграмм путем простого написания кода.
Предназначен для разработчиков и аналитиков данных.

https://dbdiagram.io/home

♻️ Сделай репост, чтобы помочь другим.

📲 Мы в MAX

👉 @itmozg

💡7 обязательных стратегий для масштабирования вашей базы данных.

1 - Индексация:
Проверьте шаблоны запросов вашего приложения и создайте подходящие индексы.

2 - Материализованные представления:
Предварительно вычислите результаты сложных запросов и сохраните их для быстрого доступа.

3 - Денормализация:
Уменьшите количество сложных соединений (join), чтобы улучшить производительность запросов.

4 - Вертикальное масштабирование:
Увеличьте мощность вашего сервера базы данных, добавив больше ЦП, оперативной памяти или хранилища.

5 - Кэширование:
Сохраните часто запрашиваемые данные в более быстром слое хранения, чтобы снизить нагрузку на базу данных.

6 - Репликация:
Создайте реплики вашей основной базы данных на разных серверах для масштабирования чтений.

7 - Шардинг:
Разделите таблицы базы данных на более мелкие части и распределите их по серверам. Используется для масштабирования как записей, так и чтений.

♻️ Сделай репост, чтобы помочь другим.

📲 Мы в MAX

👉 @itmozg

FTXUI

Простая кроссплатформенная библиотека C++ для пользовательских интерфейсов на базе терминала!

• Функциональный стиль
• Простой и элегантный синтаксис
• Создаваемые консольные UI поддерживают навигацию с помощью клавиатуры и мыши
• Поддержка UTF8
• Поддержка анимации
• Поддержка рисования
• Нет зависимостей
• Кроссплатформенность: Linux/MacOS, WebAssembly, Windows

https://github.com/ArthurSonzogni/FTXUI

♻️ Сделай репост, чтобы помочь другим.

📲 Мы в MAX

👉 @itmozg

Анатомия Kubernetes - как это работает изнутри? ☸️

Часто мы используем kubectl, не задумываясь, что происходит «под капотом». На этой схеме отлично разложено устройство кластера Kubernetes. Давайте разберем три главных уровня архитектуры.

1. Control Plane (Панель управления) - «Мозг» кластера 🧠

Это центр принятия решений. Именно здесь определяется, что и где должно работать.

🔴API Server (в центре): Единая точка входа. Все компоненты общаются только через него (и вы через CLI тоже). Примечание: на схеме иконка подписана как Kube-Scheduler, но функционально и визуально (надпись API) это именно API Server.
🔴etcd: «Память» кластера. Надежное хранилище типа «ключ-значение», где лежит вся конфигурация и текущее состояние системы.
🔴Kube-Scheduler: Логист. Решает, на какую именно ноду (узле) запустить новый Pod, исходя из свободных ресурсов.
🔴Controller Manager: Смотритель. Следит, чтобы текущее состояние кластера совпадало с желаемым (например, если упал под - он его перезапустит).
🔴Cloud-Controller Manager: Связной с облаком. Управляет ресурсами, специфичными для облачного провайдера (AWS, Azure, GCP).


2. Worker Nodes (Рабочие узлы) - «Мускулы» кластера 💪

Здесь крутятся ваши приложения.

🔴Pod (Под): Минимальная единица в K8s. Внутри пода живет один или несколько контейнеров.
🔴Container Runtime (Docker): Движок, который фактически запускает контейнеры.
🔴Kubelet: Главный агент на узле. Получает задачи от Control Plane и гарантирует, что контейнеры в поде запущены и работают.
🔴Kube-Proxy: Сетевой регулировщик. Отвечает за сетевые правила и проброс трафика к подам.


3. Kubernetes Extensions - Инструменты 🛠

То, с чем взаимодействуем мы или системы мониторинга:

🔴CLI: Консольная утилита (kubectl).
🔴Web Admin UI: Дашборд для визуального управления.
🔴DNS: Для обнаружения сервисов внутри кластера.
🔴Monitoring: Сбор метрик ресурсов.

💡Control Plane командует, Worker Nodes исполняют, а Extensions помогают нам этим управлять.

♻️ Сделай репост, чтобы помочь другим.

📲 Мы в MAX

👉 @itmozg

🔌 API против SDK: В чем реальная разница?

Мы часто слышим эти аббревиатуры вместе, но это не одно и то же. Давайте разберем шпаргалку с картинки.

1️⃣ API (Application Programming Interface)
На картинке сверху.
Это «мессенджер». Набор правил, по которым одна программа может попросить что-то у другой.

🔴Задача: Обеспечить общение (To Communicate).
🔴Как это работает: Вы отправляете запрос (Request) на конкретный адрес (Endpoint) с определенными параметрами. Сервер отвечает (Response) данными (обычно JSON) или кодом ошибки.
🔴Пример: Ваше приложение доставки еды «стучится» в Google Maps API, чтобы просто показать точку на карте. Оно не строит карту само, оно просит её у Google.

2️⃣ SDK (Software Development Kit)
На картинке снизу.
Это «ящик с инструментами». Полноценный комплект для создания приложений под конкретную платформу (Android, iOS, Windows).

🔴Задача: Дать инструменты для стройки (Tool Box to Build Apps).
🔴Что внутри: SDK - это «старший брат». Он гораздо больше и обычно включает в себя API, а также библиотеки кода, документацию, дебаггеры и примеры.
🔴Пример: Чтобы написать приложение под Android на Kotlin, вам нужен Android SDK. Вы берете этот чемоданчик, достаете оттуда готовые кнопки, окна и инструменты для вызова API.

💡 Главное отличие в одной фразе:
API - это интерфейс для взаимодействия с сервисом (как меню в ресторане), а SDK - это набор инструментов для создания чего-то нового (как полностью оборудованная кухня).

♻️ Сделай репост, чтобы помочь другим.

📲 Мы в MAX

👉 @itmozg

Теория «мёртвого интернета» всё меньше похожа на теорию.

По данным Cloudflare Radar, впервые в истории на ботов приходится больше половины мирового интернет-трафика — около 57%.

Глава Cloudflare Мэтью Принс заявил, что это произошло раньше, чем он ожидал. По его прогнозам, такой сценарий должен был наступить только к 2027 году.

Суть теории «мёртвого интернета» в том, что публичная сеть постепенно превращается в симуляцию, где значительная часть контента и взаимодействий создаётся ботами, нейросетями и ИИ-агентами, а живые пользователи становятся меньшей частью общей активности.

♻️ Сделай репост, чтобы помочь другим.

📲 Мы в MAX

👉 @itmozg