Производительность
Observability-стек и CI gates: ловить регрессии до выпуска
Суть Пять интегрированных потоков данных — метрики, логи, трейсы, профили, RUM — плюс pre-merge CI gates, которые ловят регрессии до достижения пользователей. Самое дешёвое исправление — то, которое не выходит в production.
Высота — путь к senior
НольJuniorMiddleSenior
Ты на middle-высоте — в небеДежурный инженер получает алерт о SLO burn p99 в 2 часа ночи. У неё есть непрерывное профилирование, распределённые трейсы и RUM. Она находит первопричину за 4 минуты. Её коллега в другой компании получает тот же алерт, но имеет только серверные логи. Она всё ещё разбирается в 6 утра. Разница не в инциденте — в стеке observability, который у неё был до инцидента.
Пять production-сигналов
Production-grade работа с производительностью требует пяти интегрированных потоков данных. Каждый отвечает на разный вопрос; вместе они дают полную картину.
| Сигнал | Примеры инструментов | Вопрос, на который отвечает | Обновление / хранение |
|---|---|---|---|
| Метрики | Prometheus + Grafana | Здоров ли сервис? p50/p99 latency, RPS, error rate | 15–60 с / 13 месяцев |
| Логи | Loki / ELK / Datadog Logs | Что произошло для этого запроса? | По запросу / 7–90 дней |
| Трейсы | Tempo / Jaeger / Honeycomb | Какой span владеет задержкой? | На запрос / 7–30 дней |
| Профили | Pyroscope / Parca / Polar Signals | Какая функция съела CPU / аллокации? | Непрерывно / 7–30 дней |
| RUM | Sentry / Datadog RUM / Vercel Speed Insights | Что испытали реальные пользователи? Core Web Vitals | На сессию / 30–90 дней |
Связь сигналов: единый дашборд
Мощь не в каждом сигнале по отдельности — в связях между ними. Алерт SLO burn ведёт к RED-дашборду. RED-дашборд ведёт к трейс-вью, отфильтрованному по burn-окну. Трейс ведёт к профилю, отфильтрованному по trace-id. Профиль ведёт к исходному коду.
Хорошо инструментированный сервис позволяет пройти эту цепочку менее чем за пять минут:
- Алерт SLO (Prometheus → alertmanager).
- Открыть RED-дашборд: что изменилось — p99, error-rate или RPS?
- Перейти к трейсам, отфильтрованным по последним 10 минутам: какой span медленный?
- Нажать “профилировать этот трейс” в Pyroscope: какая функция горячая?
- Нажать “git blame” на функцию: какой коммит и деплой?
Без связей (кросс-сигнальный join по trace-id) каждый шаг требует ручной корреляции — копировать timestamp, искать в другом инструменте, угадывать окно деплоя. Медианный MTTR без связи сигналов — 30–90 минут; с ней — 3–10 минут.
OpenTelemetry стандартизирует wire-формат (OTLP) и SDK по всем пяти сигналам. Команды, инструментирующие через OTel, могут менять бэкенды без повторной инструментации. Сигнал профиля (стандартизирован в OTel 2024–2026) присоединяется к метрикам, логам и трейсам в одном Collector-пайплайне.
Pre-merge CI gates: ловить до выпуска
Самое дешёвое исправление — то, которое никогда не попадает в production. Четыре gate запускаются на каждом PR, занимают 1–5 минут и ловят 90%+ потенциальных регрессий:
Bundle-size gate — не пропускает PR, если JS-бандл любого маршрута превышает per-route бюджет. Установить бюджет на post-fix уровне после оптимизации бандла; любой PR, выходящий за него, требует явного согласования. Инструменты: bundlewatch, Lighthouse CI, Next.js bundle analyzer в CI.
Query-count gate — не пропускает PR, если любой endpoint вводит N+1-запросы. Реализация: middleware в тест-сьюте, считающий DB-запросы на запрос и проверяющий, что счётчик ниже порога. Ловит самый частый класс backend-регрессий до слияния.
Allocation-rate diff — не пропускает PR, если allocation rate в бенчмарке критического пути регрессирует выше порога. Бенчмарк-хarnest (go test -bench, criterion для Rust, JMH для Java) запускается на горячем пути и проверяет, что alloc/op в пределах бюджета.
Load-test diff — запускает краткий load-сценарий против PR и не пропускает, если p99 на критическом пути регрессирует выше X%. Тяжелее остальных (5–15 минут), но ловит архитектурные регрессии, которые microbenchmarks пропускают.
Почему это работает
Ментальная модель gate: каждый gate кодирует урок из одного прошлого инцидента. Bundle gate = урок из момента, когда сторонний скрипт раздул LCP до 4 с. Query gate = урок из N+1, который перевёл /orders с 30 мс до 1,5 с. Allocation gate = урок из аллокации логгера, давшей спайк GC. Каждый ретроспективный разбор инцидента должен завершаться вопросом “какой gate это бы поймал?” — и добавлением этого gate. Набор gate никогда не бывает завершён; он растёт вместе с историей отказов системы.
- MTTR с полным стеком и связью сигналов
- 3–10 минут
- MTTR без непрерывного профилирования
- 30–90 минут
- Процент ловли регрессий pre-merge gates (известные классы)
- 90%+
- Стоимость Pyroscope OSS (self-hosted) в месяц
- ~$500
- Стоимость Sentry RUM в год (небольшая команда)
- ~$30k
- Инженерное время на performance firefighting без дисциплины
- 20–40%
- Инженерное время с дисциплиной (стабильное состояние)
- 5–10%
Викторина
Completed
Команда имеет CI gates для бандла, query count и allocation rate. Они всё равно получают production p99 регрессию раз в квартал. Наиболее вероятный пробел?
Heads-up Gates, ловящие известные проблемы, настроены верно; пробел — в покрытии, а не в корректности.
Heads-up CI gates используют синтетическую нагрузку; RUM и SLO алерты ловят проскользнувшее. Пробел — отсутствующий gate для нового режима отказа.
Heads-up Больше вычислений ускоряет gates; это не расширяет покрытие на новые классы отказов.
Викторина
Completed
Почему trace-id является ключевым ключом объединения между сигналами в unified observability-стеке?
Heads-up Trace-id опционален и зависит от вендора. Его ценность — в коррелированном кросс-сигнальном вью, а не в соответствии стандарту.
Heads-up Trace-id — для корреляции между системами, а не для удобочитаемости отдельных логов.
Heads-up Фильтрация алертов использует пороги метрик; trace-id — для drill-down по кросс-сигналам, а не для объёма алертов.
Расставь шаги по порядку
Completed
Упорядочите пять production-сигналов от самого широкого (вид всего сервиса) до самого узкого (одна функция в одном запросе):
- 1 Метрики — p99 latency, RPS, error rate по всем запросам
- 2 RUM — Core Web Vitals с реальных устройств пользователей по маршруту
- 3 Трейсы — per-request waterfall, показывающий какой span медленный
- 4 Логи — структурированная детализация событий для конкретного запроса
- 5 Профили — какая функция внутри span потребила CPU или аллокации
- 01Какова роль trace-id в связи пяти observability-сигналов?
- 02Назовите четыре типа CI gate, что каждый ловит и как реализован.
- 03Почему CI gates и observability дополняют друг друга, а не заменяют?
Итог
Production-grade работа с производительностью работает на пяти интегрированных потоках данных: метрики (агрегированное здоровье), логи (per-request события), трейсы (per-request waterfall span), профили (per-function CPU и аллокации) и RUM (реальные Core Web Vitals пользователей). Trace-id — ключ объединения, связывающий их: SLO алерт ведёт к трейсу, трейс ведёт к профилю, профиль называет функцию. С полным стеком и связью сигналов MTTR падает с 30–90 минут до 3–10. До выпуска четыре CI gates ловят 90% регрессий: bundle-size, query-count, allocation-rate diff и load-test diff. Каждый gate кодирует урок из прошлого инцидента. Набор gate никогда не завершён — он растёт после каждой production-регрессии через ретроспективные разборы, отвечающие на вопрос “какой gate это бы поймал?”
Связанные уроки
опирается на
углубляется в
встречается в260
- 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
- Event loop: один поток, три очередиjunior
- Задачи, микрозадачи и scheduler.yield()middle
- Точность таймеров, троттлинг и фоновая работаmiddle
- Голодание микрозадач, длинные задачи и LoAFsenior
- Event loop Node.js: фазы, nextTick и задержка циклаsenior
- React, Vue и наблюдаемость INP в продакшенеsenior
- Render pipeline: шесть стадий от байтов до пикселейjunior
- Цена стадий и модель процесса рендерераmiddle
- Инвалидация, dirty-биты и containmiddle
- Слои композитора: продвижение, перекрытие и память GPUmiddle
- Флейм-стрип DevTools и жизненный цикл кадраmiddle
- Layout thrash: форсированная синхронная компоновкаsenior
- BeginMainFrame, анимации на потоке compositor и память GPUsenior
- Observability в проде: LoAF, INP и полная поверхность атакиsenior
- Что такое V8 и почему производительность различается в 100 разjunior
- Четырёхуровневый JIT-конвейер V8 и профилированная тиеризацияmiddle
- Hidden classes, деревья переходов и расположение в памятиmiddle
- Inline caches, состояния IC и деоптимизацияmiddle
- Orinoco GC: параллельный scavenger, конкурентная разметка и барьеры записиmiddle
- Спекулятивный движок TurboFan и ловушка deopt-loopsenior
- V8 в production: Isolates, сжатие указателей и реальные аварииsenior
- Жизненный цикл service worker и стратегии кешированияmiddle
- Граничные случаи service worker: version skew, долговременность и ловушка навигацииsenior
- Что делает реконсилер: render vs commitjunior
- Объект fiber и дерево с двойной буферизациейmiddle
- Чистота фазы render и подшаги фазы commitmiddle
- Реконсиляция: эвристики диффа и ловушка ключейmiddle
- Приоритетные lanes, time-slicing и useTransitionmiddle
- Bailout, мемоизация и tearingsenior
- React Profiler, компилятор и продакшн-наблюдаемостьsenior
- Стратегии рендеринга: SSG, SSR, ISR, streaming и гидратацияjunior
- SSG, SSR, ISR, streaming и RSC — как работает каждая стратегияmiddle
- Цена гидратации: selective, progressive, острова, resumabilitymiddle
- Hydration mismatch: причины, обнаружение и правило детерминизмаsenior
- RSC, стратегия на маршрут и production-наблюдаемостьsenior
- Core Web Vitals: что измеряют LCP, INP и CLSjunior
- LCP: четыре фазы, одна доминирующая стоимостьmiddle
- INP: input delay, processing, presentationmiddle
- CLS: почему происходят сдвиги лейаута и как их остановитьmiddle
- Lab vs field: почему они расходятся и как использовать каждыйmiddle
- Трейдоффы метрик, RUM-атрибуция и цикл CI+полеsenior
- Общая картина: от URL до LCP до INP как эстафетаjunior
- Восемь слоёв трассировки: от service worker до второй навигацииmiddle
- Пять канонических поломок: где производство стабильно ломаетсяsenior
- Метод трёх треков: чтение трасс и построение системы мониторингаsenior
- 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
- 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