Браузер и фронтенд-рантайм
Трейдоффы метрик, RUM-атрибуция и цикл CI+поле
Команда фиксит LCP инлайнингом полного блока критического CSS — render delay LCP падает на 400 мс. Но TTFB растёт на 60 мс из-за того, что HTML теперь на 40 КБ больше. Другая команда lazy-load-ит каждую не-hero картинку для сокращения бандла — LCP остаётся нормальным, но hero случайно попал и LCP регрессирует на 800 мс. Ещё одна команда шипает полный SPA и получает зелёные vitals при первой загрузке — но каждый клиентский переход маршрута невидим для метрик. Один бюджет, три метрики, четыре команды и ни одной ручки.
Метрики — не независимые ручки.
Фикс одной Core Web Vital может навредить другой, и senior-ход — видеть систему, а не отдельные метрики. Частые трейдоффы:
- Инлайнинг большого блока критического CSS помогает render delay LCP (нет render-blocking запроса), но раздувает HTML, вредя TTFB. Итоговый эффект зависит от скорости соединения и размера HTML.
- Lazy-load всего для сокращения бандла помогает INP (меньше JS парсить и выполнять), но, применённый случайно к hero-картинке, добавляет большой load delay и рушит LCP.
- Резервирование щедрого места для CLS — большие
min-heightконтейнеры для рекламы — может опустить LCP-элемент ниже сгиба, и он перестаёт быть LCP-кандидатом. Иногда это нормально; иногда нет. - Отгрузка большого интерактивного фреймворка ради отзывчивого ощущения добавляет гидратацию — одну большую длинную задачу, взрывающую INP для ранних взаимодействий.
Единой ручки нет. Дисциплина: измерять все три до и после любого изменения, в поле где возможно, в throttled-лабе как минимум. Изменение, улучшающее одну метрику за счёт другой, может быть оправдано или нет — но знать это нельзя без взгляда на все три.
Атрибуция INP в поле: от метрики к строке кода.
Полевое число INP само по себе не actionable — это задержка без прикреплённой причины. Цепочка атрибуции:
PerformanceObserver, подписанный наeventзаписи, даёт вам для каждого взаимодействия разбивку input delay / processing time / presentation delay.- Long Animation Frames (
long-animation-frameзаписи черезPerformanceObserver) дают для кадра, в который попало медленное взаимодействие, массив выполнившихся скриптов — с URL исходников, именами функций и длительностями. - Совмещайте: INP с высоким input-delay → найдите длинную задачу в записи LoAF; с высоким processing → обработчик, атрибутированный LoAF; с высоким presentation delay → тяжёлый рендер или принудительная синхронная компоновка в обработчике.
Весь смысл встройки LoAF в RUM — превратить «p75 INP 340 мс» в «функция фильтра поиска на search.js:88 — доминирующий скрипт в медленных кадрах». Это actionable.
Атрибуция LCP в поле.
Колбэк onLCP библиотеки web-vitals доставляет не только время LCP, но и элемент (чтобы знать, что браузер выбрал как LCP), URL ресурса (если картинка) и четырёхчастную разбивку: TTFB, load delay, load time, render delay. Логирование этого в телеметрию означает, что регрессия «LCP вырос с 1.9 с до 3.8 с» немедленно показывает, какая фаза выросла — был ли это TTFB (медленный деплой), load delay (случайный loading="lazy"), load time (неоптимизированная картинка) или render delay (новый render-blocking скрипт)?
- LCP-элемент
- img.hero
- LCP фаза: load time
- 3510 мс (доминирует — JPEG 4 МБ)
- LCP фазы: TTFB + delay + render
- 610 мс в сумме
- INP
- 38 мс — хорошо
- CLS
- 0.02 — хорошо
Цикл RUM и CI — оба нужны.
Полный production-observability-стек состоит из двух половин.
RUM: отгрузить библиотеку web-vitals (или аналог), использующую PerformanceObserver для захвата LCP, INP и CLS ровно так, как Chrome их оценивает, плюс атрибуцию (элемент, разбивка фаз, цель взаимодействия, сдвигающиеся узлы). Отправлять в телеметрию с тегами маршрут, класс устройства, страна, релиз. Это реальный вердикт — ловит регрессии, которые лаб никогда не раскроет, особенно регрессии класса устройств и взаимодействия, которые запускают только реальные пользователи.
CI: синтетический гейт — Lighthouse CI или Playwright-трасса — на каждом PR, throttled под реалистичное mid-tier устройство, с бюджетами по LCP, total blocking time (lab-прокси для INP) и CLS, падающий на регрессии.
Ни одного в отдельности недостаточно. Лаб без RUM шипает регрессии, которые раскрывают только реальные устройства. RUM без CI-гейта означает, что каждая регрессия достигает production до того, как кто-то её замечает.
Разрыв soft-navigation — почему SPA-vitals требуют явной инструментации.
Core Web Vitals разрабатывались для полных загрузок страниц. В SPA первая загрузка имеет реальный LCP — но последующие клиентские переходы маршрутов («мягкие навигации») исторически не имели измерения LCP вообще, потому что не срабатывает событие document load. Для пользователя мягкая навигация ощущается ровно как загрузка страницы — он кликнул ссылку и ожидает быстрого нового контента — но метрика этого не видела.
Chrome шипает поддержку soft-navigation для атрибуции LCP и других vitals клиентским переходам маршрутов, но покрытие ещё созревает. Следствие: для SPA не предполагайте, что история vitals завершена только потому что числа первой загрузки зелёные. Быстрая первая загрузка + вялые переходы маршрутов — реальный, частый и исторически недоизмеренный провал. Инструментируйте мягкие навигации явно с PerformanceObserver soft-navigation записями или собственными RUM-марками на router.beforeEach / событиях смены маршрута.
Почему это работает
CLS session window (худший 5-секундный кластер вместо пожизненной суммы) — конкретный пример того, как спецификация эволюционирует к репрезентации реального пользовательского опыта, а не просто чистого инженерного измерения. Оригинальный lifetime-sum CLS несправедливо наказывал долго живущие страницы и infinite scroll — сдвиг, произошедший через четыре минуты после загрузки, считался так же как на второй секунде. Session window фокусирует метрику на концентрированном плохом поведении: всплеск сдвигов при перезагрузке рекламы или пакет картинок без размеров грузится. Session window более репрезентативен для того, что пользователь реально замечает в контексте.
[LCP] value: 4120 ms rating: poor
element: img.hero
url: /assets/hero-original.jpg (3.8 MB, JPEG, 4000x3000)
phase split: ttfb 280ms | loadDelay 90ms | loadTime 3510ms | renderDelay 240ms
[INP] value: 38 ms rating: good
[CLS] value: 0.02 rating: good Прочитайте разбивку по фазам и детали элемента — какая фаза доминирует, какова первопричина, и каков фикс? Что команде НЕ делать, и почему?
Какой браузерный API является основой для измерения LCP, INP, layout shifts и Long Animation Frames в real-user monitoring?
Спроектируйте стратегию Core Web Vitals для медиасайта: страницы статей с hero-картинкой, рекламой, эмбедами и секцией комментариев. Добейтесь хорошего LCP, INP и CLS на p75 в поле, и держите их зелёными со временем.
- Hero-картинка — LCP-элемент на каждой статье.
- Реклама и социальные эмбеды загружаются поздно и в тело статьи.
- Секция комментариев интерактивна и ниже сгиба.
- Сайт server-rendered и гидрируется.
- Цели: LCP ≤2.5 с, INP ≤200 мс, CLS ≤0.1 — все на field p75.
- Регрессии должны быть пойманы до production.
- Hero LCP: в HTML, с размерами, fetchpriority='high', никогда lazy, современный формат.
- CLS: резервировать место для всего, что грузится поздно — картинки, реклама, эмбеды, шрифты.
- INP: минимизировать гидратацию — статика/Server Components для статьи, комментарии как скролл-гидрируемый остров.
- RUM с web-vitals + атрибуцией — field-вердикт; throttled CI-гейт ловит регрессии до production.
- Измерять все три до и после каждого изменения — фикс одной может сломать другую.
Почему страница может показывать отличный Lighthouse-score, но всё равно быть флагнутой за плохие Core Web Vitals в Search Console?
- 01LCP страницы плох. Опишите, как диагностировать через разбивку фаз, и почему чтение разбивки — ключевой шаг.
- 02Опишите полный production observability-стек для Core Web Vitals — что даёт RUM, что CI, и почему ни одного в отдельности недостаточно.
- 03Почему INP и материал по SSR/гидратации неразделимы, и что говорит паттерн «только в первые секунды»?
Три Core Web Vitals разделяют бюджет производительности: инлайн CSS помогает render delay LCP, но вредит TTFB; lazy-load уменьшает бандл, но может добавить LCP load delay; щедрое место для CLS может изменить LCP-кандидат. Каждое изменение нужно измерять по всем трём метрикам, а не одной в изоляции. Полная production-observability требует как RUM (библиотека web-vitals + PerformanceObserver, отправляющая атрибутированные LCP/INP/CLS в телеметрию с тегами по маршруту и классу устройства), так и throttled CI-гейта (Lighthouse CI или Playwright, бюджеты LCP/TBT/CLS на каждый PR). RUM — реальный вердикт; CI ловит регрессии до production. INP в SPA дополнительно усложняется мягкими навигациями, исторически не имевшими атрибуции LCP — инструментируйте смены маршрутов явно. Именно CrUX field p75 определяет ранжирование; lab-фикс, не сдвинувший его, не помог реальным пользователям.
встречается в267
- Почему GraphQL получает N+1junior
- Механика DataLoader: батчинг на границе тикаmiddle
- Контракты batch-функции: порядок, формы, ошибкиmiddle
- Federation и lookahead: батчинг за пределами DataLoadermiddle
- Защита сложности запросов: depth, cost, persisted queriesmiddle
- Senior GraphQL API: scheduling-контракт, изоляция арендаторов, наблюдаемостьsenior
- Путь запроса: семь остановок от сокета до ответаjunior
- Accept и парсинг: от очереди ядра до типизированного запросаmiddle
- Маршрутизация и middleware: что выполняется и в каком порядкеmiddle
- Обработчик и ответ: от бизнес-логики до байтов на проводеmiddle
- Стриминг и backpressure: когда клиент читает медленнее, чем вы пишетеsenior
- Таймауты и хвостовая задержка: бюджеты, дедлайны и ловушка fan-outsenior
- Middleware и DI: два паттерна, формирующие любой backendjunior
- Пишем middleware: сигнатуры, next() и три модели фреймворковmiddle
- Инверсия управления: как зависимости добираются до классаmiddle
- Скоупы и время жизни DI: singleton, request, transientmiddle
- DI как шов для тестов: фейки, моки и граница, которая важнаsenior
- DI-контейнеры в продакшене: графы разрешения, циклы и когда не стоитsenior
- Блокирующий vs неблокирующий I/O: два способа ждатьjunior
- Event loop: один поток, упорядоченные фазыmiddle
- Что блокирует цикл: CPU-работа и синхронные вызовыmiddle
- Вынос CPU-работы: worker threads и пул libuvmiddle
- Backpressure и ограниченная конкурентностьsenior
- Пропускная способность под нагрузкой: хвостовая задержка и насыщениеsenior
- Зачем пул: цена создания соединенияjunior
- Размер пула: почему больше не значит быстрееmiddle
- Взятие и таймауты: очередь ожидания — настоящий дроссель задержкиmiddle
- Зачем идемпотентность: безопасные retryjunior
- Серверный state machine: четыре состояния idempotency keymiddle
- Стратегии retry: backoff, jitter и thundering herdmiddle
- Outbox и inbox: effectively-once через dual-write границуmiddle
- Конкурентность и архитектура кеша для идемпотентности на масштабеsenior
- Наблюдаемость, production-инциденты и дизайн для глобального масштабаsenior
- Что такое cache stampede и почему он делает всё хужеjunior
- Лок и single-flight: ограничение параллельных rebuildmiddle
- XFetch: вероятностное раннее истечение без координацииmiddle
- Stale-while-revalidate и CDN request coalescingmiddle
- Детектирование stampede и дизайн TTL для продакшенаmiddle
- Метастабильный сбой, fencing-токены и production-постмортемыsenior
- Что такое отношение: таблицы, строки, ключи и ограниченияjunior
- Ограничения, ключи и типы данных Postgresmiddle
- Нормальные формы, денормализация и почему схемы «прилипают»middle
- JSONB, массивы и когда side table побеждаетmiddle
- Heap-хранилище, TOAST и выравнивание колонокsenior
- Целостность схемы: deferral, версионирование и сбои в продакшнеsenior
- Реляционная модель vs документные, wide-column, граф и key-valuesenior
- Что такое индекс и как он ускоряет запросыjunior
- Leading-column rule: почему порядок столбцов в composite-индексе важенmiddle
- Partial, expression и covering-индексыmiddle
- Типы индексов: GIN, GiST, BRIN, Hash, Bloom и HOT-обновленияmiddle
- Index-only scan, Visibility Map и INCLUDEsenior
- Типичные сбои в продакшне и аудит индексовsenior
- Упражнение по проектированию индексов: стратегия полнотекстового поискаsenior
- EXPLAIN и планы выполнения: что решает планировщик и почемуjunior
- Типы сканирования: Seq, Index, Bitmap, Index-Onlymiddle
- Алгоритмы соединения и каскад ошибок оценки строкmiddle
- pg_statistic, ANALYZE и производственная наблюдаемостьmiddle
- Расширенная статистика: исправление ошибок оценки для коррелированных колонокsenior
- Кеш планов, настройка константных стоимостей и внутренности планировщикаsenior
- Производственные режимы отказа и стабильность плановsenior
- MVCC: как Postgres раздаёт согласованные снимкиjunior
- Заголовок tuple и механика снимковmiddle
- HOT-обновления и уровни изоляцииmiddle
- VACUUM, bloat и autovacuummiddle
- CLOG, XID wraparound и MultiXactsenior
- SSI и production-тюнинг autovacuumsenior
- Реальные провалы MVCC, deployment-паттерны и распределённые снимкиsenior
- Connection pool: зачем амортизировать стоимость backend Postgresjunior
- Режимы PgBouncer: session, transaction и statementmiddle
- Размер пула: формула (ядра × 2) + шпинделей и двухуровневый стекmiddle
- Исчерпание пула и idle-in-transaction: сценарий отказа в 3 ночиmiddle
- Миграция на transaction mode: план развёртывания и prepared statements в PgBouncer 1.21middle
- Процессная модель Postgres и почему увеличение max_connections снижает производительностьsenior
- Ландшафт пулеров 2026, serverless connection storms и полная таксономия отказовsenior
- Что такое миграция схемы и почему она заменяет ad-hoc DDLjunior
- ADD COLUMN: мгновенно в PG 11+ против перезаписи в старом Postgresjunior
- Режим отказа очереди блокировок: почему мгновенный DDL может заморозить базуmiddle
- Безопасные DDL-паттерны: NOT VALID, CONCURRENTLY и исправления небезопасных операцийmiddle
- Expand-contract: нулевой простой для ломающих изменений схемыmiddle
- Advisory-блокировки, инструменты миграций и координация деплояsenior
- Таксономия сбоев миграций и дисциплина продакшнаsenior
- Зачем нужно шардирование: потолок одного Postgresjunior
- Выбор ключа шарда: стратегии hash, range, list и directorymiddle
- Партиционирование против шардирования: одно слово, два разных понятияmiddle
- Ко-локация и Citus: инвариант, делающий шардирование пригодным к использованиюmiddle
- Режим отказа hot shard: обнаружение, изоляция и долгосрочная политикаmiddle
- Schema-based шардирование и альтернативы мультиарендностиsenior
- Онлайн-решардинг, 2PC и операционная стоимость шардированияsenior
- Семь актов: от CREATE TABLE до Citusjunior
- Акты 1–3 в глубину: схема, индексы и статистика планировщикаmiddle
- Акты 4–6 в глубину: MVCC bloat, connection pooling и безопасные миграцииmiddle
- Акт 7 в глубину: шардинг, co-location и семиуровневый каскад трейдоффовmiddle
- Наблюдаемость, антипаттерны и производственный триажsenior
- Роли Raft, term и почему majority-кворум предотвращает split brainjunior
- Как Raft реплицирует log entry и решает, что его безопасно коммититьmiddle
- Выборы лидера в Raft: таймауты, правила голосования и четыре свойства безопасностиmiddle
- Raft в реальном мире: partition, медленный диск и клиентская маршрутизацияmiddle
- Расширения Raft: pre-vote, learner, snapshot и линеаризуемые чтенияsenior
- Raft в production: membership change, Multi-Raft и observabilitysenior
- Где происходит data fetching — и почему это решает LCPjunior
- Fetch waterfall''''ы — диагностика и лечение через Promise.allmiddle
- React Server Components и Suspense streamingmiddle
- Клиентский кэш: TanStack Query, SWR и stale-while-revalidatemiddle
- LCP, prefetch и race conditions в интерактивном fetchingmiddle
- Senior internals: RSC payload, слои кэша и production паденияsenior
- Биты в проводеjunior
- Математика задержкиmiddle
- Bufferbloat и перегрузкаsenior
- Граница физического уровняsenior
- Трёхстороннее рукопожатие TCPjunior
- Номера последовательности и состояние соединенияmiddle
- Управление потоком и перегрузкойmiddle
- BBR, производственная наблюдаемость и за пределами TCPsenior
- DNS: что делает и зачем существуетjunior
- Обход резолвера: перенаправления, типы записей и gluemiddle
- TTL, кеширование и распространение DNSmiddle
- Рукопожатие за 1 RTT: key share и ECDHEmiddle
- Возобновление сессии и 0-RTTmiddle
- CDN: контент по соседствуjunior
- Anycast и GeoDNS: маршрутизация к ближайшему edgemiddle
- Многоуровневый кеш и Cache-Controlmiddle
- Заголовок Vary и cache keysmiddle
- Stale-while-revalidate и cache stampedesenior
- Edge workers и edge-side compositionsenior
- CDN: операции и observabilitysenior
- WebSocket: HTTP-апгрейд до постоянного соединенияjunior
- Формат WebSocket-фрейма: opcodes, маскирование, фрагментацияmiddle
- WebSocket vs SSE vs long-polling: выбор правильного транспортаmiddle
- Backpressure в WebSocket: когда клиенты не успеваютmiddle
- Реконнект: jittered backoff, thundering herd, восстановление сообщенийsenior
- WebSocket в масштабе: HTTP/2 мультиплексирование, permessage-deflate, C10Msenior
- WebSocket в production: прокси, безопасность и распределённая архитектураsenior
- Что делают обратные проксиjunior
- Алгоритмы балансировки: от round-robin до power-of-two-choicesmiddle
- L4 vs L7 балансировка и сохранение IP клиентаmiddle
- Health checks, connection draining и slow startmiddle
- Session affinity, consistent hashing и правильное решениеmiddle
- Retry-бури, circuit breakers и load sheddingsenior
- Устойчивая архитектура LB: anycast, zone-aware маршрутизация и observabilitysenior
- Почему QUIC, а не TCP+TLSjunior
- QUIC-потоки и head-of-line blockingjunior
- Объединённое рукопожатие и 1-RTTmiddle
- Connection ID и миграция сетиmiddle
- Обнаружение потерь и управление перегрузкойmiddle
- Возобновление 0-RTT и шифрование пакетовsenior
- Развёртывание и стоимость CPUsenior
- DDoS: что это и почему работаетjunior
- Атаки усиления и истощение состоянияmiddle
- Ограничение скорости: алгоритмы и архитектураmiddle
- WAF, межсетевые экраны, mTLS и HSTSmiddle
- Отравление DNS-кэша и BGP-перехватsenior
- Эшелонированная защита и экономика атакsenior
- Двенадцать слоёв: один URL, семь действующих лицjunior
- DNS, TCP, TLS по очереди: куда уходят миллисекундыmiddle
- Критический путь рендеринга и Core Web Vitalsmiddle
- Перехват прокси и шлюзы безопасности: rate limiter, WAF, mTLSmiddle
- Альтернативные пути: QUIC 0-RTT, WebSocket upgrade, миграция соединенияmiddle
- Наблюдаемость: распределённые трейсы, USE/RED и семплированиеsenior
- Устойчивость: каскадные повторы, circuit breakers и error budgetsenior
- Что такое три сигнала: метрики, логи, трейсыjunior
- Метрики и cardinality: cost-модель time-series databasemiddle
- Логи и объём: cost-модель структурного логированияmiddle
- Трейсы и сэмплирование: cost-модель distributed tracingmiddle
- Join-ключи и exemplar''''ы: как три сигнала становятся компонуемымиmiddle
- Observability 2.0: широкие события и сдвиг стоимостиsenior
- Режимы сбоя и инженерная практика: cardinality budget''''ы, PII и сэмплированиеsenior
- Зачем нужны структурные логи: дневник против таблицыjunior
- Схема продакшн-лога: поля, которые несёт каждая строкаmiddle
- Log levels и маршрутизация алертовmiddle
- Стратегии sampling и стоимость логовmiddle
- PII-редакция и log injectionsenior
- Propagation trace-контекста в логахsenior
- OTel Logs Data Model и audit-логи как подсистемаsenior
- Сигналы OTel, Semantic Conventions и проводной формат OTLPmiddle
- Авто-инструментирование и ручные спаны: правило 80/20 в OTelmiddle
- Collector OTel: receivers, processors, exporters и паттерны развёртыванияmiddle
- Стратегии сэмплирования: head, tail и parent-basedmiddle
- Vendor-нейтральность, eBPF-инструментирование, Operator и OTel в браузере и serverlesssenior
- Эксплуатация OTel Collector: надёжность, version skew, режимы отказа и управлениеsenior
- RED и USE: два чек-листа, одна дисциплина триажаjunior
- Инструментация RED в Prometheus: счётчики, гистограммы и дисциплина cardinalitymiddle
- USE на Linux: CPU, память, диск, сеть и PSImiddle
- Golden signals, структура дашборда и auto-RED в service meshmiddle
- Cardinality как драйвер затрат: label, PII, exemplars и семплированиеmiddle
- Native histograms, SLO и паттерны production-сбоевmiddle
- SLI, SLO и error budget: надёжность в числахjunior
- Выбор SLI и SLO-целей: отношения, не ощущенияmiddle
- Multi-window multi-burn-rate-алертинг: почему AND лучше ORmiddle
- Error budget policy, latency SLO и составные journeysmiddle
- Iceberg SLI, математика составного SLO и SLA vs SLOsenior
- Продакшн-отказы SLO, самонаблюдаемость, безопасность и общая картинаsenior
- Flame graph: читаем картинку, которая показывает, куда ушло времяjunior
- Sampling vs instrumentation profiling: почему 99 Гц побеждает в productionmiddle
- Типы профилей: CPU, память, off-CPU, mutex — какой когда братьmiddle
- Continuous profiling: always-on flame graphs с eBPF и корреляцией trace-idmiddle
- Как flame graph строится из сэмплов и как использовать его в productionmiddle
- Linux perf, внутренности eBPF, PGO и ограничения sampling''''аsenior
- Profiling в production: безопасность, war stories, OTel profiles и дизайн инфраструктурыsenior
- Debugging-воронка: SLO → RED → trace → profilejunior
- Архитектура OTel: один SDK, четыре сигнала, один wire-форматmiddle
- Экономия на observability: удерживаем затраты в пределах 5% inframiddle
- Петля инцидента: от пейджера до постмортема до предотвращенияmiddle
- Масштаб, безопасность и ROI наблюдаемых системsenior
- Сначала профиль: измерь куда реально уходит времяjunior
- Закон Амдала и self-time: потолок любого ускорения, которое ты можешь выпуститьmiddle
- Измерительный цикл: микробенч, макробенч, prod-профиль, эффект наблюдателяmiddle
- Чтение флейм-графов: формы, профайлеры по языкам и 60-секундный сканmiddle
- Статистические baseline''''ы: почему один запуск — не измерениеmiddle
- История профайлеров и ловушки микробенчей: от Кнута до GWPsenior
- Hardware counters, профили холодного старта и безопасность профилейsenior
- Непрерывное профилирование в масштабе: затраты, CI-гейты, корреляция с трейсами и антипаттерныsenior
- Что делает путь горячим: симптом против причиныjunior
- Пять форм hotspot''''а: CPU, аллокации, кэш, лок, syscallmiddle
- Чтение parent и child chains: где применять правкуmiddle
- JIT deopt, цикл fix-and-verify и PR-time профилированиеmiddle
- Аппаратные счётчики и Intel TMA: диагностика подкатегорийsenior
- False sharing и горячие пути нативных мостовsenior
- Горячие пути в production: безопасность, хвостовая латентность и происхождение инструментовsenior
- Иерархия памяти: почему расстояние важнее числа операцийjunior
- Row-major vs column-major: порядок доступа и разрыв в 9xjunior
- Cache lines и false sharing: когда параллелизм замедляет кодmiddle
- Branch prediction: 10–30 циклов штрафа за неожиданный ifmiddle
- SIMD и data layout: AoS vs SoA и разница в 4–8xmiddle
- Hardware prefetcher, TLB и memory-level parallelismsenior
- Cache-oblivious алгоритмы, PGO и production failuressenior
- Основы GC: за что рантайм берёт налогjunior
- Алгоритмы GC: поколенческая гипотеза, concurrent marking и write barriermiddle
- GC tradeoffs: пауза, throughput, память и давление аллокацийmiddle
- Настройка GC: пейсинг, форма кучи и наблюдаемость аллокацийmiddle
- Внутреннее устройство GC: tri-color инвариант, write barriers и глубокое погружение в рантаймыsenior
- GC в production: наблюдаемость, безопасность, edge cases и управление флотомsenior
- N+1: одна логическая операция, много round-trip''''овjunior
- Семейства фиксов: JOIN, IN, preload и DataLoadermiddle
- Обнаружение N+1: query logs, APM traces и CI gatesmiddle
- DataLoader: батчинг по дереву резолверовmiddle
- Кросс-протокольный N+1: HTTP fan-out и Redis MGETmiddle
- N+1 в масштабе: исчерпание пула, изменения планов и денормализацияsenior
- Batching: амортизируй фиксированную цену каждой операцииjunior
- Окно батчинга: размер и время ожиданияmiddle
- Batching в Kafka и Postgresmiddle
- io_uring и наблюдаемость пакетированияmiddle
- От Nagle до io_uring: эволюция пакетированияmiddle
- Backpressure, изоляция сбоев и безопасность батчей в продакшенеsenior
- Что на самом деле стоит bundle: download, parse, compile, executejunior
- Core Web Vitals: LCP, INP и CLSmiddle
- Code splitting: route-level, component-level, vendor splittingmiddle
- Tree shaking и compression: удаляем то, что не используемmiddle
- Third-party scripts: тихий убийца бюджетаmiddle
- CI enforcement и RUM: делаем бюджеты рабочимиmiddle
- V8 JIT-пайплайн, HTTP-приоритеты и безопасность bundlesenior
- Цикл performance: дисциплина, а не проектjunior
- Классификация и исправление: сопоставление family bottleneck с методамиmiddle
- Observability-стек и CI gates: ловить регрессии до выпускаmiddle
- От инцидента к enforcement: SLO burn до верифицированного исправления за 35 минутmiddle
- Культура, экономика и масштаб performancesenior
- At-most-once, at-least-once, exactly-once: три контракта доставкиjunior
- Три ножки сбоя — где реально происходят дубликаты и потериmiddle
- Consumer-side dedup: самый дешёвый путь к exactly-once processingmiddle
- Kafka exactly-once semantics: idempotent producer и транзакцииmiddle
- SQS visibility timeout, DLQ и outbox patternmiddle
- Exactly-once в production: impossibility-доказательство, гибридные паттерны и реальные инцидентыsenior
- Что такое OAuth и почему пароли — не ответjunior
- Authorization code flow с PKCEmiddle
- Валидация ID-токена и управление JWKS-кешемmiddle
- Ротация refresh-токенов и scope-based least privilegemiddle
- Sender-constrained токены: DPoP и mTLSsenior
- OAuth в production: audience атаки, observability и реальные провалыsenior