Fast BFT SMR: пределы resilience и recovery
Быстрый BFT SMR в условиях византийских отказов: почему условие n ≥ 5f + 1 оптимально, как происходит восстановление и какой компромисс упрощает условие n ≥ 7f + 1.
«Архитектура» на ThecoreGrid — это системное проектирование надежных, масштабируемых и эволюционирующих платформ уровня BigTech.
Мы разбираем архитектуру распределенных систем, highload-паттерны, cloud-native подходы и reliability engineering для реального продакшена. В центре внимания — инженерные компромиссы: границы сервисов, интеграционные модели, консистентность данных, партиционирование, failure domains и управление сложностью при росте нагрузки. Публикуем глубокие разборы post-mortems, стратегии миграций и практики observability, производительности, безопасности и операционной устойчивости. Вместо абстрактной теории и базовых туториалов — прикладная экспертиза, основанная на опыте крупных технологических компаний и реальной эксплуатации систем. Тег «Архитектура» полезен архитекторам, техлидам, backend- и platform-инженерам, а также SRE-командам, которые строят долгоживущие сервисы, принимают критичные технические решения и отвечают за стабильность, масштабирование и предсказуемую работу инфраструктуры.
Быстрый BFT SMR в условиях византийских отказов: почему условие n ≥ 5f + 1 оптимально, как происходит восстановление и какой компромисс упрощает условие n ≥ 7f + 1.
AI moderation platform в marketplace: как DoorDash снизил incidents, разделил cheap layer и LLM scoring, и почему Boolean оказался слабым выбором
L.OS на AWS: как Bosch унифицировала отслеживание транспортных средств с помощью бессерверной архитектуры, уровня соединителей и адаптеров для конкретного поставщика для обеспечения видимости в реальном времени
Конвейер обновления Kairos для Kubernetes: неизменяемая ОС, GitOps, мобильные образы и безопасное обновление плоскости управления без ручного SSH
LL SC с randomization и FADD: как сохранить QHI, снизить space complexity и получить wait-free behavior без асимптотических потерь
Эластичность ядер между виртуальными машинами с микросекундной задержкой: как Hyperflux перераспределяет ядра между ВМ для снижения «хвостовых» задержек, сохраняя при этом свойства сверхлегких виртуальных машин
Автомасштабирование с учетом QoS для задач инференса ИИ: распределенное планирование с участием пользовательских устройств, снижение потребности в выделенных мощностях и улучшение показателей «хвостовой» задержки при росте нагрузки
FHIR и Kafka для wearable-аналитики: разбор cloud-native архитектуры, FHIR normalization, low-latency ingestion и клинических workloads
Text2SQL caching для production: как SQL templates, embeddings и entity extraction снижают latency, token cost и нагрузку на LLM без потери точности
PTX Tensor Core GEMM on NVIDIA L4: why hand-written kernels help for INT8 and INT4, and why FP16 still favors WMMA
Controls: ← → to move, ↑ to rotate, ↓ to drop.
Mobile: use buttons below.