Яндекс

Plānojot mēru skalojamu ziņojumapmaiņas sistēmu, kas atbalsta 150 miljonus lietotāju, ar 75 miljoniem DAU, 225 miljoniem MAU, 1,2 miljoniem peak QPS lasīšanai / 300k rakstīšanai, 5 miljoniem vienlaicīgu lietotāju, ar 60 PB jauniem datiem gadā, 30% gada pieaugumu, SLA 99,95%, p99 <200 ms lasīšanai, <300 ms rakstīšanai. KONTEKSTS Nepieciešams izstrādāt izplatītu ziņojumapmaiņas sistēmu, līdzīgu WhatsApp, kas atbalsta 1:1 un grupu tērzēšanu, nodrošina ziņojumu piegādi, parāda lietotāju tiešsaistes statusus un ļauj pārsūtīt multimediju failus (attēlus, video, audio). Sistēma jānodrošina ar augstu pieejamību un zemu latentumu, jāatbalsta augsts paralēlisms un jāskala globāli. FUNKCIONĀLIE PRASĪBAS - Atbalsts personīgajiem (1:1) un grupu tērzēšanas ar iespēju pievienot/noņemt dalībniekus - Teksta ziņojumu un multimediju failu sūtīšana un saņemšana Nav skaidri redzama end-to-end šifrēšanas mehānisma īstenošana pakalpojumu vai klientu līmenī, izņemot vispārēju piezīmi. - Trūkst skaidra apraksta par sharding un replikāciju datu bāzēs pēc chat_id vai user_id, lai nodrošinātu mērogojamību un kļūdu tolerance. - Nav skaidrs komponentu vai mehānisma offline ziņojumu sinhronizācijai un piegādes apstiprinājumiem. - Nav skaidrs, kā tiek veikta slodzes līdzsvarošana starp datu bāzēm un pakalpojumiem, īpaši virsotnes slodzēs. **Kritiskie punkti, kas jāņem vērā:**

/* Ir ir mikroservisu arhitektūras un aplikācija. Mikroserviss var tikt abstrakti izmantot Backend interfeisu. Lai piekļūtu vienam mikroservisa eksemplāram, var izmantot tipu BackendImpl, kas jau ir realizēts. Katram mikroservisam ir vairākas desmiti darbojošu eksemplāru, katrs pieejams ar savu adresi addr. Tomēr, atsevišķi mikroservisa eksemplāri ir neuzticami: tie var krist, būt nepieejami vai pārslogoti. Tādēļ jums jārealizē Balancer tips, kas arī realizē Backend interfeisu un veic klienta puses slodzes līdzsvarošanu starp mikroservisa eksemplāriem, katru reizi izvēloties **mazāk pārslodzi** eksemplāru. */

Kāda ir atšķirība starp metodēm areContentsTheSame un areItemsTheSame DiffUtil klasē un kam tās ir paredzētas?

Kāda ir atšķirība starp subscribeOn un observeOn metožu izmantošanu RxJava un kā tās ietekmē izpildes plūsmu?

Создание собственного аналога findViewById для View

Нахождение ближайшего общего предка в иерархии экранов

Разбор поведения flatMap в цепочке RxJava

No kā ir atkarīga algoritmu sarežģītība, kas ir atkarīga no n vai k, un no kā tā ir atkarīga?

Kas ir ROC-AUC? Kā tiek būvēta ROC līkne, ko pārstāv ass?

Что выведет console.log в примере №81

Функция определения палиндромности строки

Надёжный GET‑запрос с автоматическим повтором

Проверка массива на монотонность

Определение пути перелёта между двумя пунктами

Что будет выведено в консоль в данном JavaScript‑фрагменте?

Kura protokola atbild par paketu dzīves ilgumu tīklā?

Kā skatīt visus maršrutētos hop paketus tīkla ceļā?

Vai ML tika izmantots automobiļu klasifikācijas uzdevumā raksturlielumu izvēlei?

Vienu metu, Yandex reklāmu pretinfu grupā pievienojās prakse. Kamēr grupa bija aktīva, tā simulēja trafiku savās vietnēs ar botu apmeklējumiem, un tādējādi saņēma naudu par reklāmas rādījumiem no botu puses, praksei uzdevums bija atrast visas šīs krāpnieciskās vietnes ar viltotu trafiku. Interesanti, ka visas šīs vietnes trafiks tika ģenerēts ar IP aizvietošanu, padarot to izskatās, ka bots apmeklē no pilsētas A, bet patiesībā ierīce atradās pilnīgi citur. Pagāja daudz laika, un prakse mēģināja aptvert visu šo krāpniecības grupu, pat mēģinot daļēji noķert dažas vietnes. Bet visa tīkla noķert neizdevās. Pēc kāda laika viņš pamanīja ziņu: pilsētā A, 2025. gada 02.08., pilnībā pazuda mobilais internets. Tomēr vadu (mājas) internets turpināja darboties. Ņemot vērā to, kā prakse var atrast visas viltus vietnes? Jums ir vietņu žurnāli tabulas formātā par periodu no 2025.07.30 līdz 2025.08.10: timestamp | site_id | city_id Katrs ieraksts atbilst vienas ierīces apmeklējumam vietnē. Zināms, ka botu trafiks mainās daudz mazāk nekā reālais trafiks dienā. Jūsu uzdevums ir atrast visas vietnes, kuru trafiks galvenokārt sastāvēja no botu, kas viltoti savu reģionu uz pilsētu A. Piezīme Datu tabula saucas logs. Piemērs ierakstam tabulā: timestamp | site_id | city_id [phone]:13:53 | 6e84d9b71ca44aea | A

Kā tiek noteikta laika sarežģītība elementa ievietošanai HashMap?

Подсчёт подстрок без повторяющихся символов

Определение возможности преобразования строки за одно редактирование

Kā jūs risinājāt sertifikācijas un medicīnas datu apstrādes (152-FZ likums) problēmas medicīnas starta uzņēmumā?

Инвертирование порядка битов в 64‑разрядном беззнаковом числе