Повысьте производительность ваших систем! Курс для архитекторов и разработчиков, стремящихся создавать быстрые и эффективные приложения. Оптимизация, тестирование и паттерны проектирования.
High-Performance application, High-Load application, High-Availability application. Управление производительностью приложения. Зависимость цены исправления ошибок от стадии обнаружения и стадии внесения. Основные характеристики, описывающие производительность системы. Модель нагрузки на систему.
Формирование нефункциональных требований для высокопроизводительных систем. Работа с противоречиями при формировании требований к производительности. Полнота требований.
Практикум (1 ч): Анализ требований на противоречивость и полноту.
Особенности формирования требования к системам массового обслуживания (СМО).
Атрибуты качества системы. Компромиссы при одновременной работе над несколькими атрибутами качества на примере CAP и PACELC.
Практикум: Разбор принципа балансировки атрибутов качества на примере Amazon Dynamo DB (1 ч). Рассмотрение подходов к гибкому масштабированию системы на примере Amazon Dynamo DB с сохранением контроля над отказоустойчивостью и сохранением константной производительности.
Основные причины потери производительности системы (1 ч). Основные методы повышения производительности системы (1 ч). Принципы горизонтального и вертикального масштабирования систем (0,5 ч).
Практикум (2 ч): Разбор примера масштабирования системы. Преобразование монолитной системы в Map-Reduce. Обзор Map-Reduce. Преобразование Map-Reduce в Lambda-архитектуру для снижения проблем чистой Map-Reduce практики.
Основные классы шаблонов, используемые при построении высокопроизводительных систем: GRASP, Architecture patterns, Application Integration patterns. Примеры практической реализации шаблонов в современных стандартах. Примеры практической реализации шаблонов в современных системах интеграции frameworks разработки.
Основные вопросы кодирования высокопроизводительных систем. Методы оптимизации современных компиляторов и сред выполнения.
Виды тестов, используемые при доказательствах производительности системы. Подготовка к тестированию (составление сценариев и формирование модели нагрузки). Анализ результатов тестирования.
Введение в методологию SPE. История, границы использования. Методика анализа систем с использованием SPE.
Практикум (1 ч): Рассмотрение на практическом примере применения SPE методологии для: Оценки пределов производительности системы, исходя из текущих характеристик аппаратно-программной части; Оценки влияния принимаемых архитектурных решений на производительность системы; Оценки требований к аппаратной части, исходя из поставленных требований по производительности, базируясь на масштабировании текущих процессов системы.
Освойте продвинутые техники .NET для создания высокопроизводительных и масштабируемых приложений. Курс охватывает современные подходы к асинхронному программированию, углубленное понимание внутренних механизмов .NET и лучшие практики проектирования. Уникальность: фокус на оптимизацию кода в режиме Release и применение Reactive Extensions для реактивных систем.
Освойте развертывание и эксплуатацию высокопроизводительной аналитической СУБД RT.WIDESTORE для работы с большими данными.
Курс охватывает архитектуру, хранение данных и оптимизацию запросов в RT.WIDESTORE. Особый акцент — на практике шардирования, репликации и векторной обработки данных, настройке кластера, мониторинге производительности и обеспечении отказоустойчивости. По завершении вы будете готовы разворачивать и поддерживать кластер RT.WIDESTORE, проектировать эффективные архитектуры приложений и обеспечивать интеграцию с внешними системами.
Освойте высокопроизводительную аналитическую СУБД RT.WIDESTORE для работы с большими данными.
Курс охватывает архитектуру, принципы хранения и оптимизации запросов, а также практическое освоение шардирования, репликации и векторной обработки данных. В ходе обучения вы научитесь разворачивать и администрировать кластер RT.WIDESTORE, настраивать хранение с использованием движков MergeTree, применять материализованные представления и проекции, а также интегрировать RT.WIDESTORE с внешними источниками данных.
Освойте управление Big Data кластерами с RT.DataLake — ключевым инструментом Hadoop-экосистемы.
Курс обучает развертыванию и настройке кластеров Hadoop с использованием RT.ClusterManager. В программе — практические кейсы по проектированию архитектуры, мониторингу и эффективному управлению кластером данных. По завершении вы сможете разворачивать кластер Hadoop, оптимизировать работу HDFS и YARN, анализировать логи и метрики, а также управлять политиками доступа.
Прокачайте Java-стек: автоматизация, тестирование и эффективная разработка. Освойте инструменты, которые ускоряют workflow и повышают качество кода, научитесь интегрировать вспомогательные технологии в проекты и решать сложные задачи с минимальными затратами.