Доклады

Много раз при обсуждении преимуществ и прелестей Go как языка разработки мне приходилось слышать что-то типа «у вас ДАЖЕ нет дженериков» или «вот завезут дженерики, тогда и поговорим». Так вот - дженерики завезли, попробовать можно уже сейчас, а доступно для всех будет в 2022. Сообщество окончательно определилось как именно всё будет реализовано, и что мы получим в результате. Для этого доклада я внимательно изучил все черновики авторов и посмотрел как дженерики реализованы в других языках. Например, в Python. Я расскажу о том, как какие идеи лежат в основе и как мы можем использовать дженерики, чтобы писать читаемый код. И не использовать там, где это не нужно.

В своем докладе на примере реальных сервисов я покажу, какие проблемы могут возникнуть при обмене данными по сети. Рассмотрим, какие есть для этого способы решения и почему среди всех вариантов мы выбрали паттерн Outboxer и написали его реализацию в виде библиотеки для go.

Расскажем о том, как с помощью несложного технологического решения полностью поменять опыт пользователя, от улучшения актуальности предложений до предоставления скидок.

Ассортимент туров у туроператоров — очень динамичная штука: цены и наличие туров меняются каждую минуту. При этом наши пользователи совершают до 35 тысяч поисков каждую минуту, а в сутки наш поиск обрабатывает до 50 ТБ данных. Мы разработали сервис, который способен не только поддерживать такую нагрузку, но и в режиме реального времени управлять результатами поиска, которые видит пользователь: добавлять спецпредложения, показывать важные примечания, известные только нашим менеджерам, убирать из выдачи сомнительные предложения и много другое.

* Супер-динамический ассортимент и проблемы хранения — работа с кешем, Redis и долговременные хранилища.
* Высоконогруженные клиентские сервисы и общая инфраструктура продукта, включающая в том числе монолит на Ruby — проблемы интеграции.
* Highload на поиске и динамическое распределение нагрузки с помощью AWS-инфраструктуры.

Для того, чтобы пользователи Lamoda могли получать рекомендации похожих товаров на основе тех, что они выбирают/покупают, мы запустили проект под названием Лакинатор. Как Акинатор, но только для одежды. Для таких рекомендаций необходимо в онлайне уметь искать схожие друг с другом товары в определенных категориях. Поиск идет по подсчитанным векторам.

- Изначально думали использовать поиск по хэш индексу (lsh), но в итоге остановились на обычном переборе. Расскажу, почему, казалось бы, неэффективное решение может быть самым подходящим для решения задачи.

- После того как мы остановились на переборе надо было придумать, как искать топ N элементов. Расскажу, как выбирали подходящую структуру данных и как работать с бенчмарками в go.

- Когда микрооптимизации бывают реально полезны. Поговорим про инлайнинг функций в go. В нашем кейсе он был полезен, так как при поиске перебором одни и те же участки кода исполняются очень много раз. Даже небольшое ускорение такого участка может сильно повлиять на итоговую скорость.

Основным средством получения полиморфизма в Go являются интерфейсы. И хотя они несомненно очень удобны и позволяют добиться многого, с ростом кодовой базы и поддерживаемой функциональности их применимость может требовать пересмотра. Что делать, если интерфейс слишком большой и разнородный? Что делать, если полиморфная логика слишком сложная? Как подружить полиморфизм с оптимизациями, рефакторингами и микросервисной архитектурой? В своём докладе я расскажу, как организована наша кодовая база из 1M+ строк на Go, как мы используем и как не используем фичи Go, как добиваемся масштабируемой архитектуры на уровне кода и как проектируем API в проекте, где новые А/B-тесты запускаются каждый день.

Что делать, когда вам нужно отвечать настолько быстро, что позволить себе ~1-3 ms для похода в Redis за кэшем - это очень дорого? Можно же хранить кэш прямо в памяти приложения. Но тогда встают вопросы:
- Память кончается, надо что-то выбросить из кэша! Но что именно?
- Как обновлять значения в кэше так, чтобы не завалить внешние ресурсы большой нагрузкой (предотвратить эффект "Свалки кэша")?
- Если приложение распределенное и нам подобный кэш надо держать согласованным - каким образом это сделать (согласованность кэшей)?

В докладе постараемся дать ответы на эти и некоторые другие вопросы про построение кэшей в оперативной памяти приложения.

Это обзорный доклад о том, как происходит встраивание (inlining) функций в Go. Из него вы узнаете:
— зачем вообще встраивание нужно, какие преимущества и недостатки несет в себе
— как Go встраивает функции и как эта стратегия менялась со временем
— какие есть ограничения и как некоторые из них можно обойти