Describe the enhancement: Make an OSS (Apache 2.0 licensed) version of the new "Elastic Agent"? Describe a specific use case for the enhancement or feature: We are creating a prod...

Bikeshedding, rubber ducking, dog fooding, bus factors, yak shaving…what the heck are my colleagues even saying?

In this episode of 5 Kotlin Questions, Vsevolod Tolstopyatov, the lead of Kotlin libraries team, answers 5 popular questions about the present and the future of Coroutines.

00:37 What are the Kotlin team's thoughts regarding Project Loom?
02:28 Is there a roadmap on what is next for kotlinx.coroutines?
03:24 What will be the next big thing in kotlinx.coroutines and when to expect it?
04:28 Reactive libraries or kotlinx.coroutines?
05:34 When can we expect a proper multithreaded coroutines on Kotlin Native?

#Coroutines #Kotlin #5questions #Loom #kotlinx #Reactive

Sign up for the private EAP: https://jetbrains.com/dataspell
JetBrains DataSpell is a new IDE from JetBrains. It combines the interactivity of Jupyter Notebooks with the intelligent coding assistance of PyCharm, all within one IDE. In this webinar, Andrey, JetBrains DataSpell Product Manager, explains how this new IDE is different from PyCharm and Jupyter Notebooks, and what it brings for those who are doing exploratory data analysis and prototyping ML models.

0:00 - Intro by Andrey Cheptsov, DataSpell Product Manager
1:35 - Agenda overview
3:13 - What’s the difference between development and data science
4:36 - What is development
5:52 - How data science is different
9:54 - Different roles in data science process
11:11 - Why Jupyter Notebooks are such a rush
14:10 - Disadvantages of Jupyter Notebooks
16:39 - PyCharm: an overview for data science
20:21 - What is the DataSpell
21:24 - Join the private EAP for DataSpell
22:03 - JetBrains DataSpell demo
22:25 - Configure Environment in DataSpell
23:25 - Main workspace…

Мы все знаем, что большинство DBA очень консервативны и предпочитают, чтобы их базы жили исключительно на выделенных серверах. В современном мире с микросервисами, Kafka и Kubernetes количество баз начинает расти прямо пропорционально размеру организации и очень быстро выходит за пределы комфортного ручного или полуавтоматического управления.Именно по этой причине более двух лет назад команда DBA в Zalando начала разрабатывать Postgres-Operator, и на данный момент с помощью оператора мы обслуживаем больше 1000 кластеров Postgres, работающих на Kubernetes.В докладе я расскажу, как мы автоматизировали большинство операций, предоставив разработчику возможности, начиная от создания нового кластера, создания пользователей и баз данных, управления конфигурацией, выполнения регулярных бэкапов, интеграции с системой мониторинга и т.п. при помощи Postgres-Operator и небольшого YAML-документа.И в заключение я поведаю о ряде типичных, а иногда очень странных проблем, которые вас могут ожидать в мире Postgres на Kubernetes…