В этой статье я собрал методы ускорения обновления тяжёлых баз 1С. Все методы рабочие и неоднократно проверены на практике. Актуальны для современных конфигураций. Для более старых – частично, кое-что надо адаптировать.
Под обновлением я буду понимать только накатывание на рабочую базу – от момента начала реструктуризации до окончания выполнения дополнительных обработчиков данных. Т.е. говорим о той части обновления, которая обычно считается непобедимым, неуправляемым злом. Изготовления конфигурации для обновления не касаемся.
Кратко о проблеме. Иногда база 1С обновляется так долго, что не влезает в технологическое окно (время, в течение которого бизнес готов потерпеть без 1С). Иногда проблема в слабом сервере, но в большинстве случаев – в большом записей некоторых таблиц (справочников, документов, регистров). Ну и в остром желании разработчиков конфигурации что-то поменять в этих таблицах 😊. Особенно при переходе между LTS-версиями.
Тяжёлое обновление может занимать несколько суток, из которых существенную часть будет занимать монопольная часть, когда пользователи вообще не могут работать. Окна – значительно меньше. Оптимизация с помощью приведённых ниже методов может сократить время обновления в несколько раз.
Отдельно отмечу: знаю, что есть и фоновая реструктуризация, и механизм обновления через копию. Также знаю, что они не всегда могут быть применены. Если у вас эти штуки работают и всё хорошо – отлично, я за вас рад.
Директор по стратегическому маркетингу «Яндекса» Андрей Себрант заявил, что нынешний инфраструктурный сбой оказался серьёзнее сценария потери одного дата‑центра, который компания регулярно отрабатывала на учениях. По его словам, сервисы восстанавливают поэтапно, а в ликвидации последствий «Яндексу» помогают другие компании отрасли.
Года три назад новостная лента про технологии читалась как бред сумасшедшего. Каждый второй заголовок сообщал, что еще полгода, максимум год, и код будут писать машины, а людям останется разве что объяснять этим машинам, чего они хотят, да и то, судя по тону статей, ненадолго.
Руководители крупных компаний рассказывали инвесторам, что новых инженеров нанимать больше не собираются. Курсы программирования в рекламе срочно переделывали в курсы по промптам. Под каждой такой новостью в комментариях обязательно находился кто-нибудь, кто советовал собирать вещи и идти в сварщики, потому что держать горелку нейросеть пока не научилась и в ближайшее время вроде бы не собирается.
С тех пор прошло достаточно времени, чтобы посмотреть, что из этого вышло, и вышло довольно забавно. Людей, которые пишут код за деньги, по всем доступным сводкам стало больше, вакансии никуда не делись, хотя и поменяли требования. А само слово «программист» тихо расползлось по должностям, где еще недавно из рабочих инструментов были только почта и табличка с планом продаж.
9 октября 2026 года состоялся выпуск проекта Brython 3.15.0 (Browser Python) с реализацией языка программирования Python 3 для веб-браузеров. Решение позволяет использовать Python вместо JavaScript для разработки скриптов для веб-проектов (веб-консоль, примеры проектов). Исходный код проекта написан на Python и опубликован на GitHub под лицензией BSD 3-Clause "New" or "Revised" License.
9 октября 2026 года состоялся релиз легковесной СУБД SQLite 3.54, оформленной в виде подключаемой библиотеки. В этом обновлении прекращена поддержка Windows XP. Исходный код проекта SQLite написан на C, распространяется как общественное достояние (public domain) и может использоваться без ограничений и безвозмездно в любых целях.
Привет! Если вы читаете эту статью, то у вас возникла такая же проблема как и у многих сейчас. Срочно надо скачать все и сразу. А по одной фоточке выгружать это конечно такое себе. И хоть есть локальное приложение Яндекс Диск для Windows для других ОС, а у меня к примеру Linux, установить его возможности нет. В общем понимать надо. Сложить руки нам никак нельзя, задачу надо решать и решать оперативно! Поэтому за пару часов, мы с агентом накидали вам свое творение, не судите строго, но все работает. Пользуйтесь на здоровье.
Я всегда знал, что разработка для встраиваемых систем (embedded) является не тривиальным делом, но даже не представлял, насколько С++ код в реальных enterprise-проектах может быть... скажем так, перегруженным. Тем интереснее попытаться исправить хотя бы кусочек такого кода, тем более что сегодня у нас есть прилежный цифровой помощник.
Справится ли искусственный интеллект с рефакторингом кода, от которого у обычного разработчика дёргается глаз? И в чём нейросети пока ещё безоговорочно уступают человеку? Заглядывайте под кат, там много боли, костылей, D-Bus и немного С++ и однопоточной асинхронности (async single-threaded).
Где у новостного бота заканчивается дубль и начинается новая информация?
Хочу обсудить такую задачу: Python-бот собирает посты из 30 Telegram-каналов и делает дайджест. Повторов много, но пропустить уточнение хуже, чем оставить лишний абзац. Исходники и ссылки хранятся отдельно.
Синтетический пример:
А: «Сервис N выпустит версию 5.0 14 октября. Бесплатный лимит — 200 запросов».
Б: тот же анонс другими словами и без цифры про лимит.
В: «Выход версии 5.0 перенесли на 21 октября».
Г: автор поста А исправил 200 на 20, не создавая новую публикацию.
Б можно свернуть в ссылку на дополнительный источник. В нужно оставить как изменение события. Г требует пересмотреть уже сохранённый факт. При этом все четыре текста могут оказаться очень близкими по смыслу.
Поэтому я бы сначала группировал публикации вокруг события и сохранял их версии, а уже внутри группы решал, какие факты повторяются, какие добавились и какие противоречат друг другу. Но тогда возникает следующий вопрос: как проверить, что сама группировка не склеила два разных события одного сервиса?
Для эксперимента задам ограничения: до 2000 постов в сутки, VPS с 2 vCPU и 4 ГБ RAM, не больше 20 обращений и 200 тысяч входных токенов внешней LLM в день. Можно обрабатывать пачками. В дайджесте у каждого факта должна остаться ссылка на конкретный пост и версия текста, из которой он взят.
Рассматриваю два варианта: дешёвая группировка по тексту с последующей проверкой изменений через LLM или извлечение фактов из всей пачки до удаления повторов. У первого риск потерять важное ещё на предварительном фильтре. У второго — потратить бюджет и получить ошибку уже при извлечении.
Как бы вы построили этот конвейер и небольшой проверочный набор? Особенно интересны случаи, на которых похожесть текстов обманывает. Какую ошибку допустили бы осознанно и чем измеряли бы, что новая версия бота стала лучше?
В какой момент Telegram-бот имеет право сказать «задача отменена»?
Хочу разобрать мысленный эксперимент с Python + aiogram, PostgreSQL и несколькими воркерами. Бот собирает PDF. Пользователь может отменить работу и сразу запустить новую. Генерация долгая, сам файл отправляется через Telegram.
Неприятная гонка:
Воркер закончил PDF, проверил в базе: задача активна, версия диалога совпадает.
Начал отправлять документ. Сетевой запрос завис.
Пользователь нажал «Отменить». Бот записал отмену и ответил «Отменено».
Старый запрос завершился, PDF появился в чате уже после этого ответа.
Номер версии отсекает устаревшую работу до отправки, но между проверкой и внешним действием остаётся окно. Держать блокировку диалога на всё время загрузки тоже не хочется: тогда отмена сама ждёт сеть. Отмена Python-задачи ещё требует понять, успел ли удалённый сервис принять файл.
Я вижу два разных обещания пользователю. Первое: после подтверждения отмены новые действия по этой задаче не запускаются, но уже начатая отправка ещё может завершиться. Второе: после подтверждения в чате вообще не появится старый результат.
Первое проще честно описать. Для второго пока не понимаю, где провести границу между состоянием в базе и доставкой сообщения. Удаление уже пришедшего документа тоже не убирает момент, когда пользователь его увидел.
Какой контракт вы бы выбрали для такого бота и как реализовали бы его при нескольких воркерах? Интересует конкретный порядок действий при отмене, отправке и перезапуске процесса. И тест, который воспроизводит именно эту гонку, а не просто проверяет флаг cancelled.
Hermes Agent я использую как основной «агентный комбайн». Долгое время он крутился на DeepSeek, но захотелось экспериментов с LLM - первое за что взялся GigaChat от Сбера: русский язык, российская юрисдикция и огромное количество токенов "за красивые глаза". Казалось бы, делов-то - подставить ключ в конфиг. Но не тут-то было.
Сегодня вышло обновление HalChat for Android v1.0.4 (AI in every phone!) Благодаря новым технологиям, стало возможно запускать даже 8 млрд. модели на бюджетных телефонах Среднее время ответа ИИ на Honor X7b составляет от 3 до 4 минут Можно почти одновременно общаться в одном чате как на ПК, так и на мобильном устройстве
Самое трудное было это перенести систему плагинов на Android. Она может работать в оффлайн режиме, что позволяет общаться с ИИ без интернета (но пока отключено)
Кроме этого были добавлены статусы сообщениям (доставлено или отправлено) Добавлены статусы пользователя в личном чате
Было проведено много работы над багами, оптимизацией, улучшением синхронизации и обновлению системы файлов. На этой неделе я расскажу как я смог запустить в браузере 27b модель с минимальными потерями. И как я дообучил модель для HalChat.
Дизайн-система передаёт AI решения команды через правила, примеры и проверки. На кейсах Builder и Miro разбираю, почему наличия документации ещё недостаточно и что помогает связать инструкцию с результатом.
Руководитель финтех-направления Яндекса Дмитрий Пирогов сообщил, что компания продолжает восстанавливать работу Яндекс Пэй после повреждения ещё одного дата-центра во Владимире минувшей ночью.
Монетизация Налогового кодекса и "цифровая крепость": куда уходит открытость гос-API?
В предыдущем посте https://habr.com/ru/posts/1079618/ был рассказ, как сделать бесплатную замену фирменному сервису 1С:Контрагент. Сразу после этого начали происходить события предсказанные заранее и карму кто-то обнуляет, поэтому, думаю, здесь мне тоже не долго осталось - читааают ...
Впрочем, это было в сторону, я здесь не для этих разговоров.
Предыдущий пост получился слишком длинный и не "влез" в формат поста. Это его продолжение вторая и третья части.
В процессе работы с DaData меня накрыл один философский вопрос.
Парадокс осмотрительности
ФНС требует от бизнеса "должной осмотрительности" при выборе контрагентов. Вы обязаны проверить, существует ли фирма, не является ли она "однодневкой", не участвует ли в цепочках и т.д. Это требование закона (в трактовке ФНС). И тут возникает главный парадокс: данные ЕГРЮЛ и ЕГРИП по определению являются открытыми, но доступ к ним через API ФНС платный и, соответственно, требует авторизации.
Как так-то? Почему государственная структура "торгует" данными, которые сама же требует проверять по открытым источникам? Кто получает эту плату? Мы оказываемся в ситуации, когда нас фактически вынуждают покупать услуги у налоговой, чтобы соблюсти требования этой же налоговой. Что это - какая-то новая "монетизация Налогового кодекса"?
От открытого мира к цифровой крепости
Глядя на всё это, я вспоминаю, как было лет 10-15 тому назад. В те времена, напомню, фирма 1С пыталась сделать платную автоматическую загрузку курсов валют в типовых конфигурациях. С этой целью вместо использовавшегося сервиса РосБизнесКонсалтинга, был открыт аналогичный на сервере 1c.ru, но с логином/паролем от "диска 1С:ИТС" (платный сервис фирмы 1С Инженерно-Техническое Сопровождение - требуется для всех типовых конфигураций, кроме базовых, ~ от 1500-3000 / в месяц). Добавлена новая обработка, а старая, хотя и осталась в конфигурации, была удалена из всех меню и автозапусков, а для ее запуска нужно было пройти "квалификационный тест юзера" на опытность - лохи вообще думали, что ее удалили из конфигурации. По сути, одна прокладка была заменена другой, поскольку, ни РБК, ни Желтая фирма курсы валют не формируют - это прерогатива ЦБ РФ.
Каюсь, это мояразработка обломала тогда им этот кайф. Это была бесплатная разработка, которая брала данные напрямую по API сервера ЦБ РФ, минуя все прокладки. Описание API ЦБ РФ было открытым, подробным и доступным. Разработка даже получила функционал, которого не было в типовых конфигурациях - автоматический ввод в справочник новых валют со всеми кодами и названиями, диаграммы курсов за выбранный период и еще пару приколов для программистов:
Дело в том, что т.н. отчеты/обработки в 1С 7.7 могут иметь не только форму, но и таблицу прикрепленную к ней (там и рисовались диаграммы и другая полезная информация, кстати, а вы знаете почему 9 ноября назван Днём изобретателя в немецкоговорящих странах? - каждый хабровец обязан это знать имхо). "Задать" привязку таблицы к форме можно только на этапе конфигурирования - обработка может быть или с таблицей или без. Мне "удалось" штатным способом менять эту опцию в пользовательском режиме (в режиме Предприятие). И еще один трюк для разработчика: если добавить мою загрузку курсов в любую типовую конфигурацию, она заменит типовую загрузку, не меняя ни одного байта типовой конфигурации и новый релиз не может это отменить и вернуть платность.
скрин всех загрузок курсов валют, запущенных одновременно
Тогда государство (в лице ЦБ РФ) предоставляло инструменты для прозрачности и автоматизации. Сегодня всё изменилось.
Яркий пример - бывший ФСС. После поглощения ПФРом и превращения в СоцФонд (СФР), они полностью закрыли данные о формате электронных листов нетрудоспособности. Этот формат и описание шлюза ФСС всегда были в открытом доступе. Мало того что они помешались на многоуровневом шифровании при "диалоге" по API, так еще и засекретили сами протоколы. Мы перешли от концепции "Государство как сервис" к концепции "Государство как закрытая крепость".
Нет, это не очередной пост о важности постановки целей и планирования, в пятницу, у нас в регионе произошло событие, подобного которому, не было уже 53 года.
Если спросить тимлида «сколько story points команда сделает в следующем спринте?», чаще всего ответ будет такой: «Ну, в прошлый раз было около 300, давай возьмём столько же». Потом выясняется, что двое уходят в отпуск, один новичок ещё не разогнался, а треть времени съедят баги. Спринт заканчивается авралом, задачи доделывают в последние два дня, и этот аврал попадает в статистику как «нормальная скорость команды». Следующий план строится уже на нём.
Я руковожу кросс-функциональной командой внутреннего продукта в крупной компании: аналитика, дизайн, фронтенд, бэкенд и QA, около десяти человек. Около двух лет я планирую спринты по формуле, а не по ощущениям. Ниже расскажу, как устроен расчёт, какие у него ограничения и насколько он точен на реальных цифрах.
МБД Tantor XData позволяет построить частную инфраструктуру database-as-a-service (DBaaS) непосредственно в дата-центре заказчика. Решение объединяет возможности корпоративной машины баз данных с облачной моделью предоставления ресурсов и инструментами интеллектуального мониторинга. Развёртывание под ключ, включая поставку стойки и интеграцию с существующей ИТ-инфраструктурой через API, занимает от трёх дней.
Налоги, импортные сборы и правила владения могут создавать разницу в ценах в десятки тысяч долларов между городами.
На этом графике сравниваются цены на новые автомобили в 30 крупных городах на основе данных Deutsche Bank и Numbeo. Цены указаны в долларах США и основаны на модели Volkswagen Golf 1.5 или аналогичном новом автомобиле.
Москва, как и вся Россия, - рекордный относительно других стран рост за 10 лет (+134%).
Цены выше Лондона и многих городов Швейцарии. Париж и Нью-Йорк далеко позади.
Я искренне считаю, что в хорроры нужно играть исключительно осенью и зимой, а на остальные релизы отвести другое время.
А еще я до сих пор уверен, что жанр находится на грани смерти и переполнен откровенно плохими релизами.
Но, собственно, как говорится, критикуешь — предлагай, и поэтому сегодня я собрал несколько крепких и свежих проектов в жанре, которые точно стоит опробовать между крупными релизами этой безумной осени.
В первой статье я показал несколько опытов с небольшой моделью (её размер влезает в обычную домашнюю видеокарту) вокруг одного вопроса: может ли такая модель становиться умнее со временем — не раздуваясь до огромных размеров, а за счёт памяти, аккуратного дообучения и проверки ответов. Но я тогда не сказал, ради чего всё это и что это вообще часть чего-то большего.
Теперь раскрою карты. Эти опыты — не сами по себе. Это шаги к новой архитектуре, над которой я работаю; я зову её LANN-4 (если расшифровать — нейросеть, которая учится всю «жизнь», с небольшим неизменным «мозгом» и вынесенной наружу памятью). И сразу честно: самой этой архитектуры ещё нет — она не выбрана и не построена. Небольшие модели в опытах — это подопытные инструменты, а не LANN-4. Готовую новую модель я не показываю. Я показываю исследование на пути к ней — и то, что получилось и что НЕ получилось.
А не получилось вот что. Мы проверили: если одну и ту же небольшую модель подучивать на примерах несколько раз подряд, будет ли она от раза к разу становиться всё лучше? Короткий ответ: нет. Первый раунд подучивания даёт заметный прирост, а дальше рост останавливается. Накопления не вышло.
И есть вопрос, в котором мне реально нужна ваша помощь: прежде чем тратить примерно сутки работы видеокарты на решающую проверку, я хочу, чтобы вы попробовали найти дыру в её устройстве.
