Спикеры и темы докладов

Оптимизация инференса LLM: как ускорить модель, не меняя её и не докупая железо

Алексей Фатеев

Альфа-Банк

В докладе:

• Как ужать модель так, чтобы она не поглупела — и когда этого делать не стоит.
• Какие параметры сервера реально влияют на скорость и каких подбирать не на глаз, а автоматически.
• Три уровня кеширования запросов — как использовать их вместе и где кеш тихо портит ответы.
• Что делать, когда одной машины уже мало: как грамотно распределить нагрузку между несколькими GPU.

Пирамида тестирования инфраструктурного кода

Андрей Колесников

Avito

• Три слоя тестирования инфраструктурного кода

(конфигурации Puppet, Chief, Ansible)

• Различные платформы
• Обзор инструментов
• Наиболее распространенные практики, много примеров
• Опыт Avito

CI/CD в 1С – Базовый конвейер.
Максимум пользы за минимум денег.

Максим Нифонтов

Programming Store

• Какие задачи решает
• Как устроен конвейер
• Сколько это стоит
• Расчет окупаемости внедрения
• Q&А section

Разработка на хранилищах не масштабируется, регресс дорог, техдолг не контролируется. Можно разорвать порочный круг с помощью CI/CD конвейера: Gitsync, дымовое тестирование, SonarQube, опциональный CD. Стек полностью open-source, автообновление тестовых баз экономит до 254 ч/год на разработчика. Прикинем стоимость жизни без конвейера на цену его внедрения, обсудим возможное расширение.

Повышение эффективности НТ
за счет ИИ агентов

Станислав Кремер

Сбер

Год назад нагрузочное тестирование в нашей команде стоило недель ручной работы, дорогой инфраструктуры и «слепых» зон в анализе.

Сегодня AI превращает его в автономный цикл оптимизации. Разберем архитектуру: саб-агенты со скиллами, ReAct-агенты для решений в реальном времени и механизм непрерывной «прокачки» на исторических данных. Покажем, как агент балансирует Cost Cutting и Right Sizzing, не роняя SLA. Посмотрим на Cost2Value, посчитаем реальную экономию в часах на инженера и обсудим, как перейти от ручного контроля к AI-управляемой производительности без потери безопасности и предсказуемости.

ITIL, SRE и реальный production

Андрей Зарубин

Райффайзен Банк

ITIL и SRE часто обсуждают как разные миры: один про процессы и управление сервисами, другой про инженерию надежности. Для реального production'а это плохое разделение. Для сервиса одновременно важны и пользователи, и бюджет, и данные, и релизы, и аварии. В докладе я разберу, как ITIL и SRE дополняют друг друга: ITIL помогает управлять сервисом с организационной точки зрения, а SRE помогает инженерно поддерживать надежность. Без карикатуры «ITIL – бюрократия, SRE – инженерка» и без попытки натянуть один подход на все задачи.

Для кого?
SRE-, DevOps- и Platform-инженеры, инженеры поддержки, владельцы продукта, архитекторы и менеджеры.

Что унесет слушатель?
Практичную модель совмещения ITIL и SRE для production, список анти-паттернов внедрения и понятный язык для разговора между инженерами, инфраструктурой и менеджментом.

IP-спуфинг для самоваров или 40 тысяч
IP-адресов без регистрации и СМС

Иван Приходько

--

Введение

• Какие бывают балансеры и алгоритмы распределения запросов по бэкендам
• В чем проблема нагрузочного тестирования при стрельбах по L4 балансерам?
• Почему это важно?
• Как можно обойтись без этого вот всего?

Основная часть

• Что такое IP-спуфинг и для чего он используется.
• В чем особенность IP-спуфинга при нагрузочном тестировании?
• Самый простой вариант включения IP-спуфинга
• Как нужно настроить железки для IP-спуфинга
• Какие Генераторы нагрузки поддерживают IP-спуфинг
• Как это реализовано в OZON

Есть ли жизнь после НТ

Алексей Казначеев

Иннотех

Есть ли жизнь после нагрузочного тестирования?

Спойлер: да, и она только начинается. НТшник не исчезает, когда уходит в менеджмент — он просто переносит свое мышление на людей, процессы и продукт. Профилирование команды вместо кода, автоматизация рутины, поиск узкого места в процессах, rate-limit для задач, горизонтальное масштабирование ответственности, мониторинг здоровья команды, правильные метрики и честные отчёты. Бывший разработчик на Си, лидер трёх групп НТ, а теперь продуктовый тимлид — о том, почему НТ это лучший фундамент для управления.

Трансформируем процесс НТ с учетом лучших практик AI PDLC

Сергей Болотов

АО «СберТех»

AI способен обрабатывать гораздо больший объем информации, чем человеческий мозг. Но точность работы текущих агентов на базе GenAI не всегда удовлетворяет ожиданиям человека. Поэтому для построения высокоэффективного производственного конвейера необходимо не просто внедрять AI-автоматизацию в текущие процессы, а трансформировать их. В докладе мы покажем как переосмыслили процесс нагрузочного тестирования, упростили и ускорили его за счет внедрения Quality Gates. Поделимся нашим опытом создания AI-агентов для НТ: что работает, а что становится антипаттерном.

Отдельно расскажем каким общим принципам, а также практикам AI PDLC необходимо следовать для гармоничного внедрения AI в процессы. Дадим наш алгоритм трансформации процесса.

Скоро здесь будет ещё больше докладов