TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #672 · 28.11

Впервые сделал крупный проект (под NDA, так что не расскажу, какой) на облачных функциях. Впечатления противоречивые. Изначально программисты арендовали компьютер в датацентре: или целиком или кусочек. На нём теоретически можно делать что угодно, но для запуска своих программ нужно было настроить операционную систему, безопасность и авторизацию, установить нужные исполнительные модули, программы для удобства деплоя, мониторинг нагрузки итд. Поэтому появились сервисы, которые это всё делают за тебя, а тебе дают буквально окно, куда можно написать свой код и запускать его удалённо на чужой машине. Конкретно я пользовался решением от Яндекса, чей протокол скопирован напрямую с Amazon Web Services. Причём, в документации не только открыто об этом говорится, но ещё и в некоторых местах перенаправляют на доки от Amazon. И SDK предлагают тоже использовать амазоновский. До санкций я бы сказал, что это не так плохо — можно использовать что-то привычное тем, кто уже работал с Amazon. Но сейчас привязка к американскому сервису выглядит скорее жирным минусом. Не знаю, есть ли у Яндекса ресурсы на какое-то серьёзное разделение. Судя по состоянию документации и платформы в целом — нет. Yandex Cloud кажется системой, которая активно развивалась несколько лет назад, а сейчас подзаброшена. Среда выполнения .NET отстаёт от актуальной на две версии (3.1 вместо 6, четвёртой версии не существует). Изначально мой проект был написан как обычное контейнеризированное приложение на .NET 6, а потом я переводил его на функции. Пришлось пройтись по всему коду и переписать несовместимые куски с C#10 на C#8, это было не слишком приятно. Документации фактически нет, а там, где есть, много путаницы. В примерах написано одно, по факту другое: например в функцию вместо объекта Request приходит просто строка, а разбирать её надо самому. Авторизацию я нашёл только на Stackoverflow. Интересно, что адекватных доков про неё не было ни у Яндекса, ни у Amazon. Функция выполняется и выгружается, поэтому ваша программа не должна рассчитывать на наличие постоянно живущего процесса. Мне пришлось вытащить из неё большой словарь, который грузится при старте, и положить уже подготовленные данные из него в Object Storage — это такое горячее файловое хранилище, там же рядом с функциями. Справедливости ради, работает это всё быстрее, чем я думал. Удалось запихнуть в функции даже сравнительно большой проект с кучей классов, создающий при запуске несколько десятков объектов и производящий загрузку из сети с декомпрессией. Другой важный плюс — бесплатная квота довольно внушительная: миллион вызовов и 10Гб*часов оперативной памяти в месяц. Для пет проекта вы сможете вообще не покупать сервер. Но если сервер у вас всё-таки есть, деплой вы уже настроили, то удобнее будет, конечно, делать как привычно. И гибкости больше. #dev

Hashtags

Резултати

Намерени 17 подобни публикации

Търсене: #redis

当前筛选 #redis清除筛选
djangoproject

@djangoproject · Post #442 · 17.09.2017 г., 00:32

http://www.bogotobogo.com/python/python_redis_with_python.php Redis with Python In order to use #Redis with Python, we will need a Python Redis #client. In following sections, we will demonstrate the use of redis-py, a Redis Python Client. redis-py requires a running Redis #server. See Redis Install for installation.

djangoproject

@djangoproject · Post #560 · 25.01.2018 г., 11:55

https://realpython.com/blog/python/caching-in-django-with-redis/ Caching in #Django With #Redis Application performance is vital to the success of your product. In an environment where users expect website response times of less than a second, the consequences of a slow application can be measured in dollars and cents. Even if you are not selling anything, fast page loads improve the experience of visiting your site. Everything that happens on the server between the moment it receives a request to the moment it returns a response increases the amount of time it takes to load a page. As a general rule of thumb, the more processing you can eliminate on the server, the faster your application will perform. Caching data after it has been processed and then serving it from the #cache the next time it is requested is one way to relieve stress on the server. In this tutorial, we will explore some of the factors that bog down your application, and we will demonstrate how to implement caching with Redis to counteract their effects.

科技&趣闻&杂记

@kejiqu · Post #3325 · 02.05.2025 г., 01:18

Redis 8 再次切换到开源许可证 AGPLv3 Redis 于 2024 年 3 月将其 7.4 版本及以上版本的许可证从 3-clause BSD 变更为 RSALv2 和 SSPLv1 双许可证,商业使用需授权,此举使其不再是 FOSS。开源社区对此做出反应,创建了分支,其中 Valkey 得到了 Linux 基金会、Google、AWS 和甲骨文的支持。一年后,Redis 公司发布 8.0 版本,重新采用开源许可证,新增 AGPLv3 作为选项。 AGPLv3 完全兼容 GPLv3,继承了它的自由软件精神:你可以自由使用、修改和分发软件,但必须开源你修改后的源代码。Solidot | Redis |GitHub 🏷#Redis#许可证#开源#Valkey 📢频道👥群组📝投稿

Python操作三大主流数据库 #Python数据库编程#MySQL#Redis#MongoDB 本书系统讲解Python操作MySQL、Redis和MongoDB三大数据库,涵盖连接、增删改查及实战案例,助你快速掌握数据库交互核心技能,提升数据处理效率。 💾 获取资源请点击:👉 点我获取Python操作三大主流数据库👈

GitHub Trends

@githubtrending · Post #14828 · 16.06.2025 г., 00:00

#python#python#redis#redis_client#redis_cluster#redis_py Redis-py lets you connect your Python programs to Redis, a fast in-memory database, making it easy to store and retrieve data quickly. You can install it with a simple command, and it works with the latest Redis versions. It supports advanced features like connection pools, pipelines for faster operations, and pub/sub for real-time messaging. Using Redis with Python helps your applications run faster, handle more users, and process data in real time, all while reducing the load on your main database[1][3][5]. https://github.com/redis/redis-py

Data Science Jobs

@datasciencejobs · Post #1636 · 29.08.2023 г., 20:07

#вакансия#инженер#engineer#DataEngineer#middle#machinelearning#Python#PostgreSQL#SQL#Redis#gitlab#работа#job#удаленно Компания: Sever X Формат: удаленно Занятость: полная, 5/2 💵: от 250 000 руб. 🚀Отличная возможность для опытного Data Engineer реализовать и развить как технические компетенции, так и навыки коммуникации с бизнесом, лидерские качества, навыки формирования команды. С развитием проекта предполагается создание команды под себя, сейчас необходимо возглавить текущие задачи и реализовать их. 🗝задача: поддержка и развитие Data Lake и связанных с ним проектов 📍Основные обязанности •Интеграция с источниками данных и построение ETL-процессов •Разработка и поддержка аналитической отчётности системами и API •Выявление и устранение аномалий в данных •Взаимодействие с другими членами команды 🛠Стек: Основной язык разработки – Python 3.8 Платформа разработки – Яндекс.Облако (Managed Services + виртуальные машины) Хранилища данных – GreenPlum 6.2, PostgreSQL 14, Redis Оркестратор процессов – Apache Airflow 2.0 Система управления версиями – GitLab Контейнеризация приложений – Docker + k8s 📍Обязательные требования •Уверенное владение SQL: базовый синтаксис, транзакции, представления, хранимые процедуры •Опыт интеграции с различными источниками данных: файловые системы (локальные/ftp/sftp), API, SQL и NoSQL базы данных •Понимание принципа работы распределённых баз данных •Знание Python 3: модули pandas, pyodbc (либо другие модули, имплементирующие ODBC), paramiko, requests •Базовые навыки использования Linux 🔥Преимуществом при отборе будет: •Опыт работы с распределёнными хранилищами данных: Hadoop (Hive/Impala), GreenPlum, ClickHouse •Опыт разработки пайплайнов на Apache Airflow •Навыки оптимизации процессов SQL •Опыт реализации RestAPI ⚖️Условия работы и что мы можем предложить взамен: •Место работы: удаленно •Возможны различные варианты оформления •Рассматриваются кандидаты в часовом поясе максимум +5 часов к МСК •Обязательно наличие гражданства РФ •Квартальные премии в размере 30% от квартального оклада •ДМС со стоматологией •Профессиональная и амбициозная команда •Открытая корпоративная культура, атмосфера доверия и сотрудничества •Драйв, высокие скорости, непосредственное влияние на результат 📲контакт: @Oskar17

djangoproject

@djangoproject · Post #241 · 25.01.2017 г., 13:30

http://www.aparat.com/v/4yGhH #Geolocation apps with #Django. Latitude, longitude, altitude, and even #iBeacons can be leveraged to enable geo-targeted experiences. But how do we build and optimize the server-side components to handle these requirements? Using a combination of libraries and techniques, we will illustrate these concepts. In this discussion everything from #map clustering and caching, to distance calculations and polygonal layering will be demonstrated using Django, #GeoDjango, #Redis, and #PostGIS as our tool belt.

GitHub Trends

@githubtrending · Post #14772 · 01.06.2025 г., 00:00

#cplusplus#cache#cpp#database#fibers#in_memory#in_memory_database#key_value#keydb#memcached#message_broker#multi_threading#nosql#redis#valkey#vector_search Dragonfly is a modern in-memory data store compatible with Redis and Memcached, offering up to 25 times higher throughput and better cache efficiency while using up to 80% fewer resources. It scales well with larger servers, supports many Redis commands, and features a unique, memory-efficient cache and fast snapshotting. Dragonfly provides low latency, high performance, and is easy to configure with familiar Redis options. Its design ensures atomic operations and efficient resource use, making it ideal for fast, cost-effective cloud applications needing real-time data access and high scalability. This means you get faster, more efficient caching and data handling with minimal changes to your existing setup[5][2][4]. https://github.com/dragonflydb/dragonfly

GitHub Trends

@githubtrending · Post #14647 · 30.04.2025 г., 12:00

#javascript#approval_process#cms#crm#ehr#erp#hr#layui#mysql#oa#privileges#redis#skyeye#springboot#springboot2#springcloud_vue#websocket This platform uses Springboot, Layui, UNI-APP, and Ant Design Vue to create a low-code system for intelligent manufacturing. It includes over 30 application modules and more than 50 electronic workflows, covering CRM, ERP, MES, and more. This system streamlines business processes from customer relations to production and after-sales service, improving efficiency and data transparency. It also manages employee operations, providing a comprehensive solution for businesses. The benefits include faster development, reduced redundancy, and enhanced data management, making it ideal for companies seeking digital transformation. https://github.com/dromara/skyeye

12
ПредишнаСтр. 1 от 2Следваща