📖 Что читать, когда хочется идей и драйва в работе?

CPO YDB Олег Бондарь собрал подборку книг — ироничные, вдохновляющие и практичные. В них — про рабочие будни, жизнь геймдевов, хаос стартапов и умение справляться с переменами.

Мы разбили список на карточки и добавили к ним короткие описания. Листайте, выбирайте и добавляйте их на свою полку.

🍿Встретимся на трансляции Капа из Стамбула?

Yandex Cup — международный чемпионат по программированию от Яндекса. В этом году он проводится в восьмой раз.

За призовой фонд в 12 млн рублей поборются 200 финалистов. Среди них разработчик из команды Deploy & Runtime Yandex Cloud Алишер Кабардияди. Он прошёл отборочный тур в направлении «Бэкенд» и вышел в офлайн-финал чемпионата в Стамбуле.

Задали ему несколько вопросов о предстоящем финале — ответы читайте в карточках.

И подключайтесь поддержать его 6 декабря на трансляции:
🔵 в YouTube
🔵 ВКонтакте

❤️— чтобы пожелать Алишеру удачи

☁️ Подробный гайд по наследнику Greenplum

Если данные больше не помещаются в одну машину, а тяжёлые hash join-ы требуют линейного ускорения за счёт добавления CPU, то вам нужен распределённый Postgres.

В таких случаях стоит присмотреться к Cloudberry — MPP-системе нового поколения, которая даёт привычный опыт Postgres на больших объёмах, а заодно служит отличной заменой Oracle и MSSQL.

Мы подготовили подробный гайд в двух частях, который будет полезен дата-инженерам и аналитикам:
🔵 В первой части мы разбираем архитектуру, векторизованный движок и инновационный формат PAX. 

🔵 Во второй — переходим к advanced-возможностям, включая унифицированную архитектуру Lakehouse, интеграцию pgvector для ML/AI и мощную центральную консоль для мониторинга.

➡️ Читайте на Хабре: первая и вторая часть.

✏️ Планируем GPU-нагрузку в Kubernetes: от стандартных механизмов до кастомных решений

Стандартный планировщик Kubernetes создавался для общих задач балансировки. Он отлично справляется с CPU и RAM, но, когда дело доходит до дорогих GPU, его базовых возможностей часто не хватает. Становится сложно утилизировать видеокарты полностью, бороться с фрагментацией ресурсов и выставлять приоритеты для критичных ML-задач.

В карточках разбираем эволюцию инструментов шедулинга, которые решают эти проблемы. А в статье собрали юзкейсы и рекомендации по выбору оптимального стека.