0 просмотренных постов скрыто
Разработка приложений
Разработка приложений. Кодим как Бил Гейтс, изобретаем как Энштейн, продвигаем как Белфорт
Друзья, хотите сделать своё приложение и покорить мир высоких технологий? Эта книга написана специально для вас. Делюсь опытом, раскрываю самые интересные нюансы и тонкости разработок. Простые каждодневные приложения, казуальные игры, сервисы на базе нейросетей. Сегодня, всё это под силу сделать каждому!
Есть классная идея? Решили сделать всё сами? Хм, трудно, но реально! Вайб-кодинг поможет. Разбираемся как!
Создали небольшую команду? Вау! Круто! Подбираем оптимальные сочетания, анализируем успешные коллективы, изучаем экстремальное программирование, берём на вооружение самоконтроль, находим баланс творчества и рутины.
(Большое спасибо за лайки и комментарии, которые помогают продвигать книгу)
Показать полностью
1
Обзор карты памяти Silicon Power Inspire объемом 256 ГБ
Модель Silicon Power Inspire позиционируется как высокоскоростная карта microSD с показателями чтения до 170 МБ/с и записи до 150 МБ/с. Накопитель соответствует классам UHS-I U3 и V30, гарантируя минимальную скорость записи для видео в 30 МБ/с, а поддержка A2 оптимизирует его для использования в смартфонах. Однако ключевой особенностью, выявленной в ходе подготовки к тестированию, является реализация скоростного режима DDR200, для раскрытия потенциала которого требуется совместимое оборудование.
Технические характеристики
Заявленная скорость чтения модели Inspire составляет до 170 МБ/с, а записи — до 150 МБ/с. Карта соответствует стандартам UHS-I U3 и классу скорости V30, что означает гарантированную минимальную скорость записи видео 30 МБ/с, а поддержка класса A2 оптимизирует ее для работы в качестве накопителя для приложений в смартфонах. Накопитель защищен от воздействия воды, ударов и рентгеновского излучения, ели кому-то эта информация важна.
Упаковка и комплектация
Традиционная упаковка для подавляющего большинства карта памяти – блистер. И Silicon Power Inspire упакован точно так же. Визуальное оформление довольно яркое из-за цветового решения – черный и ярко желтый. Здесь же есть и упоминание о скоростных характеристиках и о разных скоростных классах.
Помимо самой карты памяти, внутри упаковки нас ждет полезный бонус — переходник в SD-формат. Благодаря ему карта становится более универсальной, так как использовать в таком виде ее можно не только там, где нужен микроформат, но и там, где нужен полноразмерный вариант. Короче, мелочь, но иногда полезная мелочь. И приятно что эта мелочь есть в комплекте.
Внешний вид и особенности
Визуально Silicon Power Inspire довольно яркая карта памяти. Ее внешность вторит упаковке (или наоборот). Верхняя половина карты – черная, а нижняя – желтая. Здесь же нанесен логотип бренда SP, наименование линейки, объем и классы скорости. Из интересного, указан тип памяти – TLC. Такое не часто встретишь.
Тыльная сторона просто черная и в общем-то ничем не интересна: восемь контактов да буквенно-цифровое обозначение, которое, по всей видимости, означает серийный номер.
Предыстория тестирования или о DDR200
Прежде чем перейти к собственно тестированию считаю важным немного отступить от темы и рассказать небольшую предысторию.
Тестирование планировалось проводить на приличном кардридере – Transcend RDF9. Он понимает и UHS-I (до 104 МБ/с), и быстрый UHS-II (до 312 МБ/с). Поколение UHS-II имеет дополнительный ряд контактов и визуально с UHS-I их не спутать.
Запускаю CrystalDiskMark и вижу скорость ≈90 МБ/с. Перепроверил разъемы, переткнул в картридер в USB 3.2 Gen 2, передернул саму карточку в кардридере. Ничего не изменилось.
Пару-тройку лет назад я покупал кардридер Transcend RDF9 именно для того, чтобы была возможность читать на полной скорости все (как мне тогда казалось) карты памяти. UHS-I есть, UHS-II есть, значит все что до 312 МБ/с он должен уметь читать на полной скорости. Но не тут-то было. Начинаю пристально изучать спецификации карты памяти Silicon Power Inspire и нахожу там следующие строки: «…производительность со скоростью чтения до 170 МБ/с, используя устройство с поддержкой DDR200». Карта памяти точно UHS-I. Это видно по контактам. Откуда тогда скорость выше 104 МБ/с (SDR104)?
Оказывается, есть еще не совсем стандартный протокол UHS-I – DDR200, который может дать скорость карте до 170 МБ/с. Вот только редкий производитель картридеров про этот протокол слыхивал, да и вообще своих спецификациях они не очень-то утруждаются писать что-то кроме UHS-I и/или UHS-II. А только в одном UHS-I есть как минимум SDR104, SDR50, DDR50, не говоря о более медленных. Интересно, что в самом стандарте DDR200 в SD Card Association не особо-то и слышали…
Что я хочу этим сказать? Чтобы на полной скорости прочитать/записать карту памяти microSD UHS-I с заявленной скоростью больше 104 МБ/с нужен кардридер с поддержкой DDR200. Таких очень сильно мало и вычислить их довольно сложно. Кстати, в отзывах на многие карты памяти люди упираются именно в возможности своего кардридера, видят скорость ниже заявленной и пишут гневный отзыв.
В общем, для тестирования пришлось приобрести другой кардридер с поддержкой DDR200 – Lexar RW310.
Тестирование
Итак, для тестирования Silicon Power Inspire использовался кардридер Lexar RW310 с поддержкой необходимого протокола DDR200. Только кардридер с поддержкой этого протокола покажет истинную скорость карты памяти и не станет бутылочным горлышком.
Silicon Power Inspire форматирована в файловую систему exFAT. Итоговый доступный объем равен 231 ГБ.
Цифры бенчмарков говорят сами за себя: в синтетических тестах карта стабильно выдает скорости близкие к заявленным, как для чтения, так и для записи. Нормально!
AIDA64 Disk Benchmark записал весь объем карты за 78 минут и 5 секунд (4685 секунд). На протяжении всего объема накопителя видим график, стремящийся к прямой линии со средней скоростью ≈150 МБ/с.
Заключение
По результатам тестирования с использованием кардридера Lexar RW310, поддерживающего протокол DDR200, карта памяти Silicon Power Inspire демонстрирует скорости, близкие к заявленным производителем. Синтетические тесты и длительная непрерывная запись всего объема подтверждают стабильность работы на уровне ≈150 МБ/с для записи данных. Таким образом, накопитель соответствует своей спецификации, но для достижения максимальной производительности пользователю необходимо убедиться в наличии совместимого кардридера, что является критически важным нюансом для карт, если вы хотите использовать возможности карты по максимуму.
Показать полностью
15
Ответ на пост «"Шаг вперёд, два на пол". Премьера российского андроида»10
Вот она, главная причина провала презентации 😂😂😂
Обзор кримпера Molex
Вот он на Али, на Яндекс Маркете
UPD:
Реклама: АЛИБАБА КОМ (РУ) ИНН 7703380158
Показать полностью
Куда лить бензин?
Представляете, китайская нейронка Qwen дико врёт!
Встал на дороге. Хорошо рядом заправка. Могу дотолкать – силы есть. Интернет есть. Гугл какую-то фигню про мою машину пишет. Решил нейронку проверить – они же сейчас самые умные! Кидаю туда фотку, задаю вопрос. А она как сговорилась с Гуглом! Тоже, мол это электромобиль и бензин она не потребляет!
Ещё и размер, говорит у машины ЭСОЧКА! Во тупая эта нейронка!
Но я упорный! Мне так тренер говорит. Да и я сам знаю. Пытаюсь переубедить нейронку:
Нейронка, похоже, упорная тоже. Настаивает на том, что это у меня Тесла и бензин ей не нужен.
Ну ладно…
Нейронка выдала, что это капли дождя. Но нет, я-то знаю, что это подтёки на лаке! Пишу ей, что это твёрдые капли и нейронка тут со мной соглашается. Сразу сказала, что это подтёки ЛКП. Но продолжает настаивать, что у меня не Феррари и продолжает убеждать меня, что Тесла – тоже круто!
Ну, что сказать, Qwen – вполне разбирается в марках автомобиля. Работает в контексте: вначале был автомобиль и дальше ЛКП разбирала в привязке к автомобилю.
И ещё обладает навыками психолога 😊 И имитирует Джорджа Карлина.
Про картинку с «каплями на ЛКП» (лакокрасочном покрытии, кто не понял). Я эту картинку закинул в отдельный чат того же Qwen. И мне нейронка выдала, что это скорее всего капли дождя. Хотя картинка взята из Интернета именно как дефект ЛКП. При этом точно определила, что это часть автомобильного кузова. Интересная система распознавания вшита в нейронку.
С Qwen я уже месяцев 5 работаю. И тут новую фишку увидел (обновили незаметно) – мышление с помощью изображения. Нейронка увеличивает куски картинки и анализирует их. Неделю назад такого не было.
С в истории с автомобилем мне не удалось провести нейронку. Она твёрдо стояла на своём мнении.
Но вот с картинкой с ЛКП, похоже, другая история.
Как я выше написал, вначале был дан ответ, что это капли воды. Я уточнил, что это твёрдые капли. Нейронка ответила, что тогда это может быть:
Декоративные элементы (бусины, стразы)
Промышленные материалы (микросферы)
Биологический объект (яйца насекомых, споры, застывшая смола)
И нейронка попросила дать больше контекста: поверхность какого предмета на фото? Размеры капель.
И новый ответ заставил меня задуматься. Вместо того, чтобы определить дефект как «подтёки ЛКП» (что встречалось ранее в диалогах), нейронка мне дала гипотезу о том, что это дефект ЛКП, но из-за ржавчины, попадания воздуха в краску или паров воды. Возможно, глюк. Создал новый чат и задал вопрос.
И опять, на картинке – пузыри!
Вообще, я работаю не только с Qwen. Но и с DeepSeek, Perplexity и GigaChat. В общем, с тем, что доступно в России без впн и бесплатно. В целом, эти нейронки неплохо справляются с моими задачами (о успехах и неудачах стараюсь рассказывать – подписывайтесь, чтобы не пропустить). Поэтому не вижу смысла покупать подписки на всякие ChatGPT и обходить выставленные компаниями ограничения по страновым признакам (некоторые последние модели нейронок вообще доступны только с территории США). Прокачаюсь на бесплатном и тогда попробую, а что там на платных и труднодоступных тарифах.
А из этого эксперимента я вытащил для себя следующее:
Нейронкам даже для фото важен контекст. И лучше его дублировать текстом.
Про «упёртость» - не понял. Раньше тот же Qwen относительно легко менял своё мнение, можно было его переубедить. Сейчас очень уверенно держится одной гипотезы.
Ну а по поводу дефекта ЛКП. Посмотрите ещё раз фото. Согласны вы с нейронкой?
Поставьте:
😊 - если согласны с нейронкой, что это пузыри (или яйца насекомых).
😡 - не согласны с нейронкой. Это подтёки краски.
По возможности, проверьте это фото в нейронке в своём аккаунте. О результате напишите в комментариях – что вам нейронка ответила? Возможно, Qwen уже подстроился под меня и не хочет менять из-за этого своё мнение.
Показать полностью
8
Невидимый чемпион: как EXISTS побеждает IN в бою за ресурсы PostgreSQL
Взято с основного технического канала Postgres DBA (возможны правки в исходной статье).
Паттерн оптимизации - который смог. Доказанная оптимизация: EXISTS быстрее IN в PostgreSQL.
Предисловие
В сценариях с параллельными запросами и острой конкуренцией за ресурсы паттерн EXISTS показал себя как однозначно более эффективное решение для PostgreSQL.
ℹ️ Новый инструмент с открытым исходным кодом для статистического анализа, нагрузочного тестирования и построения отчетов доступен в репозитории GitFlic и GitHub
Эксперименты с Демобазой 2.0
Начало экспериментов "IN vs EXISTS"
Тестовый запрос-1 : IN
SELECT DISTINCT a.country
FROM airports_data a
JOIN routes r ON (r.arrival_airport = a.airport_code)
WHERE duration IN
(
'09:45:00' , '11:50:00' , '02:40:00' , '05:50:00' , '15:25:00' , '04:30:00' , '11:00:00' , '07:15:00' , '12:40:00' , '03:40:00' , '05:15:00' , '08:35:00' , '10:35:00' , '07:30:00' , '09:35:00' , '04:15:00' , '11:45:00' , '04:05:00' , '01:10:00' , '19:50:00' , '07:55:00' , '01:35:00' , '16:05:00' , '08:15:00' , '04:00:00' , '08:45:00' , '12:25:00' , '16:40:00' , '07:25:00' , '01:50:00' , '14:35:00' , '12:45:00' , '01:20:00' , '02:55:00' , '20:20:00' , '10:45:00' , '02:45:00' , '12:55:00' , '08:25:00' , '00:45:00' , '02:00:00' , '01:15:00' , '08:00:00' , '04:10:00' , '11:35:00' , '16:45:00' , '17:15:00' , '14:40:00' , '15:35:00' , '15:50:00' , '13:30:00' , '04:25:00' , '01:25:00' , '14:10:00' , '15:15:00' , '08:55:00' , '07:00:00' , '05:05:00' , '06:45:00' , '14:20:00' , '09:50:00' , '08:10:00' , '11:30:00' , '13:45:00' , '04:35:00' , '01:30:00' , '15:10:00' , '05:25:00' , '05:20:00' , '16:30:00' , '14:45:00' , '00:40:00' , '13:15:00' , '12:50:00' , '09:05:00' , '17:30:00' , '13:05:00' , '13:10:00' , '10:50:00' , '07:10:00' , '05:00:00' , '10:40:00' , '03:25:00' , '09:00:00' , '13:00:00' , '10:20:00' , '16:20:00' , '08:05:00' , '07:40:00' , '14:30:00' , '16:10:00' , '03:50:00' , '08:30:00' , '05:40:00' , '06:20:00' , '05:30:00' , '11:05:00' , '11:55:00' , '04:20:00' , '06:40:00' );
План выполнения тестового запроса-1 : IN
HashAggregate (cost=282.56..284.86 rows=230 width=54) (actual time=5.604..5.609 rows=17 loops=1)
Group Key: a.country
Batches: 1 Memory Usage: 40kB
-> Nested Loop (cost=0.54..276.22 rows=2534 width=54) (actual time=0.104..3.559 rows=2534 loops=1)
-> Seq Scan on routes r (cost=0.25..185.13 rows=2534 width=4) (actual time=0.049..1.650 rows=2534 loops=1)
Filter: (duration = ANY ('{09:45:00,11:50:00,02:40:00,05:50:00,15:25:00,04:30:00,11:00:00,07:15:00,12:40:00,03:40:00,05:15:00,08:35:00,10:35:00,07:30:00,09:35:00,04:15:00,11:45:00,04:05:00,01:10:00,19:50:00,07:55:00,01:35:
00,16:05:00,08:15:00,04:00:00,08:45:00,12:25:00,16:40:00,07:25:00,01:50:00,14:35:00,12:45:00,01:20:00,02:55:00,20:20:00,10:45:00,02:45:00,12:55:00,08:25:00,00:45:00,02:00:00,01:15:00,08:00:00,04:10:00,11:35:00,16:45:00,17:15:00,14:40:00,
15:35:00,15:50:00,13:30:00,04:25:00,01:25:00,14:10:00,15:15:00,08:55:00,07:00:00,05:05:00,06:45:00,14:20:00,09:50:00,08:10:00,11:30:00,13:45:00,04:35:00,01:30:00,15:10:00,05:25:00,05:20:00,16:30:00,14:45:00,00:40:00,13:15:00,12:50:00,09:
05:00,17:30:00,13:05:00,13:10:00,10:50:00,07:10:00,05:00:00,10:40:00,03:25:00,09:00:00,13:00:00,10:20:00,16:20:00,08:05:00,07:40:00,14:30:00,16:10:00,03:50:00,08:30:00,05:40:00,06:20:00,05:30:00,11:05:00,11:55:00,04:20:00,06:40:00}'::int
erval[]))
Rows Removed by Filter: 3258
-> Memoize (cost=0.29..0.39 rows=1 width=58) (actual time=0.000..0.000 rows=1 loops=2534)
Cache Key: r.arrival_airport
Cache Mode: logical
Hits: 2461 Misses: 73 Evictions: 0 Overflows: 0 Memory Usage: 11kB
-> Index Scan using airports_data_pkey on airports_data a (cost=0.28..0.38 rows=1 width=58) (actual time=0.007..0.007 rows=1 loops=73)
Index Cond: (airport_code = r.arrival_airport)
Тестовый запрос-2 : EXISTS
SELECT DISTINCT a.country
FROM airports_data a
WHERE EXISTS (
SELECT 1
FROM routes r
WHERE r.arrival_airport = a.airport_code
AND r.duration IN (
'09:45:00', '11:50:00', '02:40:00', '05:50:00', '15:25:00', '04:30:00', '11:00:00', '07:15:00',
'12:40:00', '03:40:00', '05:15:00', '08:35:00', '10:35:00', '07:30:00', '09:35:00', '04:15:00',
'11:45:00', '04:05:00', '01:10:00', '19:50:00', '07:55:00', '01:35:00', '16:05:00', '08:15:00',
'04:00:00', '08:45:00', '12:25:00', '16:40:00', '07:25:00', '01:50:00', '14:35:00', '12:45:00',
'01:20:00', '02:55:00', '20:20:00', '10:45:00', '02:45:00', '12:55:00', '08:25:00', '00:45:00',
'02:00:00', '01:15:00', '08:00:00', '04:10:00', '11:35:00', '16:45:00', '17:15:00', '14:40:00',
'15:35:00', '15:50:00', '13:30:00', '04:25:00', '01:25:00', '14:10:00', '15:15:00', '08:55:00',
'07:00:00', '05:05:00', '06:45:00', '14:20:00', '09:50:00', '08:10:00', '11:30:00', '13:45:00',
'04:35:00', '01:30:00', '15:10:00', '05:25:00', '05:20:00', '16:30:00', '14:45:00', '00:40:00',
'13:15:00', '12:50:00', '09:05:00', '17:30:00', '13:05:00', '13:10:00', '10:50:00', '07:10:00',
'05:00:00', '10:40:00', '03:25:00', '09:00:00', '13:00:00', '10:20:00', '16:20:00', '08:05:00',
'07:40:00', '14:30:00', '16:10:00', '03:50:00', '08:30:00', '05:40:00', '06:20:00', '05:30:00',
'11:05:00', '11:55:00', '04:20:00', '06:40:00'
));
План выполнения тестового запроса-2 : EXISTS
Unique (cost=299.91..300.27 rows=73 width=54) (actual time=3.071..3.114 rows=17 loops=1)
-> Sort (cost=299.91..300.09 rows=73 width=54) (actual time=3.069..3.076 rows=73 loops=1)
Sort Key: a.country
Sort Method: quicksort Memory: 25kB
-> Nested Loop (cost=191.75..297.65 rows=73 width=54) (actual time=2.457..2.942 rows=73 loops=1)
-> HashAggregate (cost=191.47..192.19 rows=73 width=4) (actual time=2.408..2.421 rows=73 loops=1)
Group Key: r.arrival_airport
Batches: 1 Memory Usage: 24kB
-> Seq Scan on routes r (cost=0.25..185.13 rows=2534 width=4) (actual time=0.048..1.834 rows=2534 loops=1)
Filter: (duration = ANY ('{09:45:00,11:50:00,02:40:00,05:50:00,15:25:00,04:30:00,11:00:00,07:15:00,12:40:00,03:40:00,05:15:00,08:35:00,10:35:00,07:30:00,09:35:00,04:15:00,11:45:00,04:05:00,01:10:00,19:50:00,07:
55:00,01:35:00,16:05:00,08:15:00,04:00:00,08:45:00,12:25:00,16:40:00,07:25:00,01:50:00,14:35:00,12:45:00,01:20:00,02:55:00,20:20:00,10:45:00,02:45:00,12:55:00,08:25:00,00:45:00,02:00:00,01:15:00,08:00:00,04:10:00,11:35:00,16:45:00,17:15:
00,14:40:00,15:35:00,15:50:00,13:30:00,04:25:00,01:25:00,14:10:00,15:15:00,08:55:00,07:00:00,05:05:00,06:45:00,14:20:00,09:50:00,08:10:00,11:30:00,13:45:00,04:35:00,01:30:00,15:10:00,05:25:00,05:20:00,16:30:00,14:45:00,00:40:00,13:15:00,
12:50:00,09:05:00,17:30:00,13:05:00,13:10:00,10:50:00,07:10:00,05:00:00,10:40:00,03:25:00,09:00:00,13:00:00,10:20:00,16:20:00,08:05:00,07:40:00,14:30:00,16:10:00,03:50:00,08:30:00,05:40:00,06:20:00,05:30:00,11:05:00,11:55:00,04:20:00,06:
40:00}'::interval[]))
Rows Removed by Filter: 3258
-> Index Scan using airports_data_pkey on airports_data a (cost=0.28..1.46 rows=1 width=58) (actual time=0.006..0.006 rows=1 loops=73)
Index Cond: (airport_code = r.arrival_airport)
Результаты сравнительного нагрузочного тестирования
Операционная скорость
График изменения операционной скорости в ходе нагрузочного тестирования
График изменения относительной разницы операционной скорости в ходе нагрузочного тестирования при использовании EXISTS по сравнению с IN
Среднее превышение операционной скорости при использовании EXISTS составило 23.25%.
Ожидания СУБД
График изменения ожиданий СУБД в ходе нагрузочного тестирования
График изменения относительной разницы ожиданий СУБД в ходе нагрузочного тестирования при использовании EXISTS по сравнению с IN
Среднее снижение ожиданий СУБД при использовании EXISTS составило 90.60%.
Итог
Использование паттерна EXIST повышает производительность СУБД в среднем на 20%.
Показать полностью
5