Встретив поток отказов от IT компаний , я разработал траекторию развития стека на основе требований вакансий, которые были мне понятны и нравились.
Потихоньку начал самостоятельно изучать новые области. Искать сообщества аналитиков , инженеров данных , участвовать в конференциях , вебинарах и искать конкурсы, хакатоны для ускоренного набора опыта. В октябре я сделал лазерную коррекцию зрения. Жизнь потихоньку начала стабилизироваться.
Устроился в ПНИПУ научным сотрудником . Впервые в жизни проводил научное исследование не по своим линиям, а по теме проекта. Понял, что мне не хватает инструментов для более эффективного проведения исследований.
Начал их искать и самостоятельно разрабатывать .В поисках курсов по направлению Data Science залетел на три курса. Один от ПИШ и два от Ростелеком .
Я начал думать о создании студии гитары. Это не только финансовая стабильность, но и возможность делиться музыкой с другими. Мы с товарищем по оружию (гитара) начали работать по этому направлению.
По окончании октября освободилось время для обучения новым навыкам в аналитике, запуска своих pet-проектов и новой попытке найти работу в области Data Science.
🗓 08.12.1947 — Первая в мире коммерческая IT-компания [вехи_истории]
Джон Преспер Эккерт и Джон Мокли, создатели ENIAC, основали Eckert‑Mauchly Computer Corporation (EMCC) — первую в мире компанию, созданную специально для разработки и продажи компьютеров.
Джон Преспер Эккерт и Джон Мокли
💻 EMCC хотела вывести вычисления из военных и академических лабораторий в бизнес, а их UNIVAC прославился тем, что в 1952 году публично предсказал исход выборов президента США.
UNIVAC
===================================== 👇👇Наш канал на других площадках👇👇 YouTube | VkVideo | Telegram (Ежедневные новости тут) | Pikabu =====================================
Когда нужен не просто выстрел, а залп главным калибром.
PG_EXPECTO — это не просто инструмент, а целостный комплекс, построенный на двух новых принципах.
1. Комплексный статистический анализ (CSSA)
Система больше не разделяет метрики СУБД и инфраструктуры. Она создаёт единый корреляционный снимок всей системы:
Вертикальная корреляция: Вместо отдельных событий система видит цепочки: например, как медленный запрос вызывает рост очереди дисковых операций (iowait).
Проактивность: Комплекс отслеживает не сбои, а тренды. Он может предупредить: «Обнаружена устойчивая тенденция к деградации из-за X», позволяя устранить проблему до того, как она затронет пользователей.
2. Семантический анализ и нейросеть-ассистент
Это и есть та самая «турбина». Вместо сырых графиков PG_EXPECTO использует нейросеть, которая интерпретирует данные в контексте.
Практический пример
Инцидент производительности СУБД в панели Zabbix
Регрессионный и корреляционный анализ производительности и ожиданий СУБД
Операционная скорость и ожидания СУБД
График изменения операционной скорости СУБД перед инцидентом
Исходные данные для семантического анализа нейросетью
1. Производительность и ожидания СУБД
2. Метрика vmstat
3.Метрика iostat для дискового устройства, файловой системы /data
3.Метрика iostat для дискового устройства, файловой системы /wal
1.Анализ производительности и ожиданий СУБД
Проведи анализ производительности и ожиданий СУБД PostgreSQL за заданный период
На основе предоставленных данных можно провести следующий анализ производительности и ожиданий СУБД PostgreSQL за период с 08:40 до 09:40:
📈 1. Регрессионный анализ
· Операционная скорость (SPEED):
o Коэффициент детерминации R2=0.88R2=0.88 → модель хорошо описывает данные.
o Угол наклона = -43.1 → скорость со временем снижается.
· Ожидания СУБД (WAITINGS):
o R2=0.75R2=0.75 → модель умеренно точна.
o Угол наклона = +40.87 → количество ожиданий растёт.
🔗 2. Корреляционный анализ
· SPEED vs WAITINGS: −0.763→ сильная отрицательная корреляция. Чем больше ожиданий, тем ниже скорость.
· WAITINGS vs IPC: 0.9039 → очень сильная положительная корреляция. Рост межпроцессного взаимодействия связан с ростом ожиданий.
· WAITINGS vs LWLOCK: 0.9587 → почти прямая зависимость. Ожидания сильно связаны с лёгкими блокировками (lightweight locks).
📉 3. Динамика изменения показателей
· SPEED:
o Начало: ~130 572
o Конец: ~90 948
o Снижение на ~30% за час.
· WAITINGS:
o Начало: 345
o Конец: 435
o Рост на ~26%.
· IPC и LWLOCK также растут, особенно заметно после 09:30.
⚠️ 4. Потенциальные проблемы
1. Рост LWLOCK → возможна конкуренция за лёгкие блокировки (например, в памяти).
2. Рост IPC → увеличивается нагрузка на межпроцессное взаимодействие, возможно из-за параллельных запросов.
3. Падение SPEED при росте WAITINGS → система тратит больше времени на ожидания (возможно, из-за блокировок или нехватки ресурсов).
2.Анализ vmstat
Проведи анализ метрик vmstat за заданный период
На основе данных vmstat за период с 08:40 до 09:40 проведён анализ производительности системы, на которой работает PostgreSQL. Вот ключевые выводы:
📊 1. Общие тенденции
· Время простоя CPU (idle) снизилось с 90% до 85%.
· Пользовательская нагрузка CPU (us) выросла с 9% до 13%.
· Системная нагрузка CPU (sy) стабильна (2%).
· Ожиданий ввода-вывода (wa) не наблюдается (0%).
🧠 2. Анализ памяти
Показатель Начало Конец Изменение Комментарий
swpd 710МБ 749МБ +39 МБ Незначительный рост свопа, система не испытывает нехватки RAM.
free 7185МБ 3221МБ -3964 МБ Сильное снижение свободной памяти, что говорит о её активном использовании.
cache 53521МБ 55937МБ +2416МБ Кэш памяти увеличивается, что нормально при активной работе с диском.
Вывод: Память активно используется, но свопинг минимален — система работает в рамках доступной памяти.
💽 3. Ввод-вывод (I/O)
Показатель Начало Конец Пиковое значение Тренд
bi (блоков ввода/с) 572 2409 2409 Резкий рост после 09:25.
bo (блоков вывода/с) 850 511 850 Снижение, затем стабилизация.
Вывод:
· После 09:25 резко выросла активность чтения с диска (bi).
· Это совпадает с падением SPEED в данных PostgreSQL.
· Возможно, это связано с увеличением количества запросов к данным, не помещающихся в кэш.
🔄 4. Системные показатели
Показатель Начало Конец Изменение
in (прерываний/с) 12833 14503 +13%
cs (переключений контекста/с) 6835 7033 +3%
Вывод: Умеренный рост прерываний и переключений контекста, что соответствует увеличению нагрузки.
📉 5. Связь с данными PostgreSQL
Сравнивая с предыдущим анализом cluster.txt, наблюдаем:
1. Рост ожиданий (WAITINGS) в PostgreSQL коррелирует с:
o Ростом bi (чтение с диска).
o Увеличением us (пользовательская нагрузка CPU).
2. Падение SPEED совпадает с:
o Увеличением bi (дисковые операции).
o Снижением idle CPU.
⚠️ 6. Потенциальные узкие места
1. Дисковый ввод-вывод: резкий рост bi после 09:25 может быть причиной замедления.
2. Использование памяти: свободная память уменьшается, но свопинг незначителен — пока критично.
3. Нагрузка на CPU: idle снижается, но не до критических значений.
✅ 7. Рекомендации
1. Оптимизация запросов:
o Увеличить shared_buffers, чтобы больше данных кэшировалось в памяти.
o Проверить наличие медленных запросов, выполняющих полное сканирование таблиц.
2. Мониторинг диска:
o Проверить скорость дисковых операций (например, с помощью iostat).
o Рассмотреть использование SSD или увеличение скорости дискового массива.
3. Настройка PostgreSQL:
o Увеличить effective_cache_size.
o Настроить work_mem для уменьшения операций на диске.
4. Системные настройки:
o Убедиться, что достаточно оперативной памяти для кэширования.
o Рассмотреть увеличение количества CPU, если нагрузка продолжит расти.
📈 8. Визуализация (рекомендуется)
· График SPEED и bi на одной оси времени → проверить корреляцию.
· График WAITINGS и us (пользовательская нагрузка CPU).
· График free memory и cache → отследить использование памяти.
График SPEED и bi на одной оси времени → проверить корреляцию.
Для наглядности значения bi увеличены в 10 раз
Отрицательная корреляция: Рост значений bi сопровождается снижением операционной скорости.
График WAITINGS и us (пользовательская нагрузка CPU).
Для наглядности значения us увеличены в 10 раз
Положительная корреляция: Рост значений us сопровождается увеличением количества ожиданий.
График free memory и cache → отследить использование памяти.
Отрицательная корреляция: Рост значений free сопровождается снижением значений cache.
free -3964 МБ: Сильное снижение свободной памяти, что говорит о её активном использовании.
cache +2416 МБ: Кэш памяти увеличивается, что нормально при активной работе с диском.
3. Анализ iostat для файловой системы /data
На основе данных iostat для устройства vdb за период с 08:40 до 09:40 проведён анализ дисковых операций. Вот ключевые выводы:
📊 1. Общая картина
· Устройство vdb используется для операций чтения и записи.
· %util (загрузка диска) выросла с 5.59% до 6.7% — загрузка низкая.
· aqu_sz (средняя длина очереди) незначительно снизилась с 0.26 до 0.20 — очереди практически нет.
📈 2. Операции чтения (Read)
Показатель Начало Конец Изменение Комментарий
r/s (чтений/с) 40.00 27.92 -30% Снижение количества операций чтения.
rMB/s (МБ/с) 0.84 2.82 +235% Резкий рост объёма читаемых данных.
rareq_sz (средний размер запроса) 19.35 КБ 67.09 КБ +247% Запросы стали крупнее.
r_await (среднее время чтения, мс) 2.07 3.73 +80% Увеличение времени отклика на чтение.
Вывод:
После 09:20 резко вырос объём читаемых данных (rMB/s) и средний размер запроса (rareq_sz). Это говорит о переходе на более крупные блоки данных, возможно из-за изменения типа запросов (например, сканирование больших таблиц).
📉 3. Операции записи (Write)
Показатель Начало Конец Изменение
w/s (записей/с) 16.83 15.20 -10%
wMB/s (МБ/с) 0.62 0.26 -58%
wareq_sz (средний размер записи) 31.74КБ 4.22КБ -87%
w_await (среднее время записи, мс) 5.57 3.59 -36%
Вывод:
Нагрузка на запись снижается, операции становятся мельче и быстрее.
🔗 4. Корреляция с WAITINGS (PostgreSQL)
· После 09:20 наблюдается рост r_await (время чтения) и WAITINGS (ожидания в СУБД).
· Рост rMB/s совпадает с ростом WAITINGS и падением SPEED.
· Это подтверждает гипотезу о том, что увеличение времени доступа к диску влияет на производительность БД.
⚠️ 5. Потенциальные проблемы
1. Увеличение времени чтения (r_await): с 2 мс до 3.7 мс — рост на 80%.
2. Увеличение размера запросов (rareq_sz): с 19 КБ до 67 КБ — возможно, из-за отсутствия индексов или полного сканирования таблиц.
3. Рост объёма читаемых данных (rMB/s): в 3 раза — нагрузка на диск возросла.
✅ 6. Рекомендации
1. Оптимизация запросов PostgreSQL:
o Проверить выполнение планов запросов (EXPLAIN ANALYZE).
o Добавить индексы для часто сканируемых таблиц.
o Увеличить shared_buffers, чтобы больше данных кэшировалось в памяти.
2. Мониторинг диска:
o Проверить скорость диска (например, с помощью hdparm или fio).
o Убедиться, что диск не фрагментирован.
3. Настройка PostgreSQL:
o Увеличить effective_cache_size.
o Настроить random_page_cost и seq_page_cost в соответствии с типом диска.
4. Аппаратные улучшения:
o Рассмотреть переход на SSD, если используется HDD.
o Увеличить скорость дисковой подсистемы (RAID, кэширование).
📈 7. Визуализация (рекомендуется)
· График rMB/s и WAITINGS на одной оси времени.
· График r_await и rareq_sz.
· График %util и aqu_sz для оценки загрузки диска.
График rMB/s и WAITINGS.
Для наглядности значения rMB/s увеличены в 100 раз
Увеличение rMB/s сопровождается ростом количества ожиданий.
График r_await и rareq_sz.
График %util и aqu_sz для оценки загрузки диска.
Для наглядности значения aqu_sz увеличены в 10 раз
🎯 Заключение
Основная причина деградации производительности — рост размера и времени выполнения дисковых операций чтения, что приводит к увеличению лёгких блокировок (LWLOCK) и ожиданий (WAITINGS) в СУБД.
Приоритет действий:
1. Оптимизация запросов и индексов
2. Настройка параметров PostgreSQL (память, I/O)
3. Аппаратное улучшение дисковых подсистем
4. Мониторинг и алертинг ключевых метрик
Система не испытывает критической нехватки CPU или памяти, но дисковый ввод-вывод стал узким местом из-за изменившегося характера нагрузки (крупные запросы на чтение).
Я всегда считал и до сих пор считаю, что одно из самых великих достижений человечества, это самолеты.
Причем при разработке данной модели самолёта, да и вообще всех моделей в те времена по факту не существовало никаких компьютерных моделей, сложных вычислительных систем и машин. Было не так много наработанного опыта. Всë делалось на бумаге. И самолеты строили в среднем от зачатия до начала эксплуатации меньше чем за 10 лет.
Отличный и амбициозный запрос! Давайте разработаем концепцию модульного смартфона нового поколения, который не только позволяет менять компоненты, но и его физический размер, используя современные и перспективные технологии.
---
Концепция: «Aether Flex»
Ключевая философия: Не просто конструктор, а адаптивное устройство, которое трансформируется под задачи пользователя — от компактного телефона до медиа-центра или инструмента для продуктивности.
1. Ядро системы: «Базовый блок» (Core Frame)
Это постоянная часть устройства, содержащая:
· Центральный процессор (SoC) и оперативную память (в несъемном варианте для максимальной скорости и надежности).
· Универсальный высокоскоростной разъем по периметру (развитие идей MagSafe и Pogo Pin). Он будет сочетать магнитное крепление для фиксации, беспроводную передачу энергии (до 50Вт) и оптический интерфейс передачи данных (Li-Fi или микро-оптоволокно) для скорости до 100 Гбит/с и защиты от помех.
· Минимальный встроенный аккумулятор (около 20% емкости) для безопасного "горячего" подключения модулей.
· Система управления модулями и безопасности на чипе (Secure Enclave), проверяющая подлинность и совместимость модулей.
2. Технология изменения размера: «Растягиваемый экран + Механический слайдер»
Здесь применяется комбинация двух прорывных технологий:
· Внутренний экран: Основа — растягиваемый (stretchable) OLED-дисплей на полимерной подложке (прототипы уже есть у Samsung, LG). Он может эластично деформироваться на 30-50% без повреждений.
· Внешний каркас: Механизм на основе микроэлектромеханических систем (MEMS) или компактных шаговых двигателей. По команде пользователя (слайд в настройках или голос) боковые рамки плавно раздвигаются, растягивая экран и увеличивая диагональ (например, с 6.2" до 8.5").
· Как это работает: При увеличении размера, система опрашивает подключенные модули. Если установлен «Модуль увеличенной батареи», она задействует его дополнительные секции. Если нет — предупреждает о снижении автономности.
3. Модульная экосистема
Модули крепятся к задней панели и торцам через универсальный разъем.
А. Базовые модули (определяют форму-фактор и автономность):
· Compact Backplate: Тонкая крышка для минимального размера.
· Extended Battery Slab: Утолщенная панель с дополнительными аккумуляторными ячейками, синхронизирующаяся с системой питания.
· Gaming Grip: Панель с пассивным охлаждением (тепловые трубки), выдвижными триггерами и вентиляторами.
· Productivity Bar: Модуль-ручка, добавляющая вторую батарею и развертывающий при присоединении к торцу мини-физическую клавиатуру (на основе гибкой пленки E Ink или обычных низкопрофильных клавиш).
Б. Функциональные модули (крепятся поверх базовых или вместо них):
· Camera Array Pro: Блок с сенсорами от лидеров рынка (Sony, Samsung), большой матрицей и сменной оптикой. Подключается по оптическому каналу, обеспечивая скорость, как у встроенной.
· Audio Booster: Модуль с усилителем и стереодинамиками от компаний вроде Harman Kardon. Может иметь выдвижные акустические волноводы.
· Sensing Hub: Для энтузиастов: добавляет лазерный дальномер, термодатчик, воздушный качество, радиационный фон и т.д.
· Modem Upgrade: Подключаемый модем следующего поколения (например, 6G или спутниковой связи Starlink-типа).
В. Модули расширения (крепятся к торцам):
· Additional Screen: Тонкий E Ink-дисплей для уведомлений, либо мини-OLED для стриминга.
· Professional I/O: Добавляет полноценные порты: USB-C, HDMI, SD-кардридер, даже Ethernet.
· Modular Lens: Объектив типа «рыбий глаз» или телефото, присоединяемый поверх основного модуля камеры.
4. Программное обеспечение и экосистема
· Адаптивная ОС (на базе Android/AOSP): Интерфейс и оптимизация автоматически подстраиваются под размер экрана, комбинацию модулей и задачу (режим "Телефон", "Планшет", "Игра", "Фото").
· Цифровой двойник: В приложении-конфигураторе можно виртуально собрать свой набор, увидеть примерный вид, вес, автономность и заказать недостающие модули.
· Магазин модулей с поддержкой AR: Через камеру можно "примерить" как новый модуль будет смотреться на устройстве.
· Открытый стандарт: Публикация спецификаций интерфейса (под контролем консорциума) для привлечения сторонних производителей модулей.
5. Преимущества перед старыми концептами
· Решен вопрос компактности: Базовое ядро всегда с собой, а не набор разрозненных деталей.
· Беспроводная связь модулей: Отказ от ненадежных механических контактов в пользу магнитного крепления + оптической связи + беспроводной зарядки.
· Истинная адаптивность: Изменение размера экрана — это "физический апгрейд" без замены самого экрана.
· Экологичность: Можно обновлять только ключевые компоненты (камеру, аккумулятор), а ядро служит 5-7 лет.
6. Реалистичные сложности (технологические барьеры)
1. Надежность растягиваемого экрана: Его устойчивость к царапинам, пыли и десяткам тысяч циклов трансформации.
2. Энергопотребление механизма: Раздвижной механизм должен быть сверхэнергоэффективным.
3. Стоимость: Разработка и производство таких гибких дисплеев и микро-механики будет чрезвычайно дорогой первые годы.
4. Защита от влаги: Обеспечение IP68 в условиях трансформируемого корпуса — огромная инженерная задача.
Заключение
Aether Flex — это не утопия, а потенциальное направление эволюции, которое становится возможным благодаря прогрессу в гибкой электронике, беспроводных интерфейсах и миниатюрной механике. Он предлагает гармоничную персонализацию, где пользователь меняет не "внутренности", а возможности и форму устройства под сиюминутную задачу.
Первым шагом к такой концепции мог бы стать смартфон с фиксированным, но слайдерным механизмом, выдвигающим дополнительный экран или клавиатуру, и развитой системой аксессуаров на MagSafe 3.0. Это позволило бы отработать технологии и проверить рынок перед настоящей революцией.
NAND — разновидность флеш-памяти, которая является одним из ключевых компонентов огромного количества электронных устройств. Где используется NAND, как связана с искусственным интеллектом, и почему сейчас такая память в дефиците?
Что такое NAND
NAND представляет собой один из видов флеш-памяти — постоянной перезаписываемой памяти на основе транзисторов с плавающим затвором. Свое название она получила благодаря организации ячеек в виде цепочек, напоминающих логические элементы «И-НЕ» («Not-AND»). Подобное устройство позволяет упаковывать их более плотно и обеспечивать большие скорости доступа, чем у флеш-памяти типа NOR («И-ИЛИ», «Not-OR»). Именно поэтому NAND получила куда более широкое распространение.
Современные разновидности микросхем NAND имеют 3D-компоновку, за счет которой ячейки памяти размещаются в несколько слоев.
Во всех устройствах, имеющих флеш-память для пользовательских данных, используется именно NAND. Сегодня ее можно встретить в огромном количестве различной электроники: как в самостоятельных накопителях вроде SSD или флешек, так и в виде встроенных чипов в «умных» устройствах — начиная от громоздких автомобилей и заканчивая миниатюрными смарт-часами.
Почему NAND так востребована сегодня
NAND была изобретена в 1989 году, и впервые появилась в потребительской электронике еще в середине 90-х. Однако долгое время она была дорога в производстве и не очень быстра. Поэтому чипы такой памяти использовались в ограниченных объемах лишь в тех устройствах, которые в силу своей компактности не могли работать с жесткими дисками.
С развитием технологий стоимость производства NAND снижалась, а скорость работы памяти и обслуживающих ее контроллеров росла. Благодаря этому к 2007 году на рынке появились первые накопители на базе NAND-памяти для компьютеров и ноутбуков — SSD.
К сегодняшнему дню представить ПК без твердотельных накопителей просто невозможно. Микросхемы NAND внутри них обеспечивают намного более высокие скорости операций с данными и имеют в разы меньшие задержки доступа, чем магнитные пластины жестких дисков.
Использование NAND критично для тех задач, которые требуют быстрого доступа с минимальными задержками к большим объемам памяти. В последние годы самой распространенной из них стал искусственный интеллект. ИИ-модели используют для обучения огромное количество информации, к хранилищу которой должен быть организован молниеносный доступ — иначе скорость этого процесса может снизиться в разы.
Тенденции потребления
В современном мире цифровой техники потребность в NAND растет не по дням, а по часам. Если в центрах обработки данных (ЦОД) раньше можно было обойтись относительно небольшими SSD для «горячих» данных и большими жесткими дисками для «холодных», то сегодня для задач искусственного интеллекта требуются кратно большие объемы твердотельных накопителей. Поэтому ежегодное потребление NAND в серверном сегменте все время растет — если в 2020 году оно составляло около 18% от объемов произведенной памяти, то к сегодняшнему дню эта цифра увеличилась вдвое.
И, хотя объемы производимой NAND с каждым годом увеличиваются примерно на 30–40%, серверы постепенно откусывают от ее «пирога» еще больший кусок. Из-за этого все меньше памяти остается для других основных потребителей — рынка мобильных устройств и ПК. Это можно наглядно проследить с помощью следующей таблицы.
* - прогноз на основе первых десяти месяцев
Как видим, для центров обработки данных с течением времени требуется все больше и больше NAND — в этом году они впервые обогнали по этому параметру исторически лидирующие мобильные устройства. И, судя по тому, что различные ИИ по мере совершенствования начинают требовать для своих нужд еще большие объемы памяти, такая тенденция будет продолжаться и дальше.
Как будет развиваться ситуация в будущем и чем на это ответят производители
Рост потребления NAND серверами не проходит бесследно для рынка электроники. Из-за дефицита памяти спрос на нее увеличивается, а производители начинают повышать цены. В свою очередь, это приводит к удорожанию конечных устройств с NAND. Особенно тех, которые оснащаются большими ее объемами: SSD-накопителей, готовых ПК и ноутбуков, смартфонов и планшетов.
Производители NAND не могут резко нарастить объемы ее производства: строительство новых фабрик — процесс долгий и затратный, а уже существующие мощности и так загружены на полную. Это усугубляется и тем, что три крупных производителя (Samsung, Micron, SK Hynix) сконцентрированы на выпуске чипов памяти HBM — ведь без них невозможно создание производительных ускорителей искусственного интеллекта. Перераспределение производственных мощностей в сторону NAND могло бы помочь сократить дефицит. Но до тех пор, пока HBM приносит большую прибыль, вряд ли кто-то из «большой тройки» на это пойдет. Поэтому основным способом борьбы с дефицитом флеш-памяти сегодня является технологический прогресс, позволяющий создавать чипы увеличенной емкости. Благодаря ему производители постепенно учатся «выращивать» 3D-стеки NAND с большим количеством слоев, а вдобавок — еще и склеивать больше таких стеков между собой. К примеру, SK Hynix за счет использования этих двух приемов нарастила общее количество слоев последнего поколения своей NAND с 238 до 321.
Наращивание слоев позволяет увеличить не только емкость, но и скорость памяти. Однако последней в серверах и так достаточно. Поэтому в погоне за удешевлением и более высокой плотностью NAND производители постепенно увеличивают количество бит, хранящихся в одной ее ячейке. Как результат, даже в ЦОД четырехбитная QLC NAND постепенно становится из экзотики вторым игроком: если в 2021 году ее имели лишь 10% серверных SSD, то к 2026 году их доля вплотную приблизится к половине.
Итоги
NAND-память — один из ключевых компонентов современной техники. Ее главными достоинствами являются скорость и компактность, благодаря которым эта память нашла приют в огромном количестве различных устройств. Среди потребительской техники основные объемы NAND приходятся на накопители для ПК, смартфоны и планшеты. Но из-за непрекращающегося бума искусственного интеллекта все больше такой памяти уходит в серверы, приводя к ее дефициту.
Подобный расклад сил на рынке приводит к эффекту домино: помимо NAND, дорожает оперативная память, память для видеокарт и даже жесткие диски, которые в условиях недостатка SSD все чаще используются в серверах для хранения «холодных» данных. Учитывая, что снижения востребованности NAND в ближайшее время не ожидается, такая ситуация останется с нами надолго.
![🗓 08.12.1947 — Первая в мире коммерческая IT-компания [вехи_истории]](https://cs17.pikabu.ru/s/2025/12/08/06/fkqflgsn.jpg)
