Java | Фишки и трюки

🔬 Java под микроскопом: полный observability-стек с OpenTelemetry Когда прод «горит», а метрики молчат — ты не DevOps, ты шаман. OpenTelemetry превращает хаос в прозрачность: метрики, трейсы, логи — всё в единой системе. Ни теории, ни лекций — только практика, как сделать observability-стек, который реально работает. 🔥 1. Подключаем OpenTelemetry SDK

    
        implementation("io.opentelemetry:opentelemetry-api:1.31.0")
implementation("io.opentelemetry:opentelemetry-sdk:1.31.0")
implementation("io.opentelemetry:opentelemetry-exporter-otlp:1.31.0"){}
    

➡️ Эти три зависимости — ядро: API, SDK и экспорт в OTLP (универсальный протокол). ⚙️ 2. Инициализация провайдера трейсинга

    
        SdkTracerProvider tracerProvider = SdkTracerProvider.builder()
    .addSpanProcessor(BatchSpanProcessor.builder(OtlpGrpcSpanExporter.builder().build()).build())
    .build();

OpenTelemetry openTelemetry = OpenTelemetrySdk.builder()
    .setTracerProvider(tracerProvider)
    .build();{}
    

✅ Настраиваешь, кто будет собирать и куда шлёт трейсы. 🧩 3. Создаём спаны прямо в коде

    
        Tracer tracer = openTelemetry.getTracer("com.trading.app");
try (Scope scope = tracer.spanBuilder("DB Query").startScopedSpan()) {
    db.execute("SELECT * FROM orders");
}{}
    

➡️ Каждый участок кода можно измерить и потом визуализировать в Grafana Tempo или Jaeger. 📊 4. Метрики: CPU, latency, GC — всё под контролем

    
        Meter meter = openTelemetry.getMeter("com.trading.metrics");
LongCounter reqCount = meter.counterBuilder("http.requests.total").build();

reqCount.add(1, Attributes.of(stringKey("endpoint"), "/api/trade"));{}
    

✅ Теперь ты знаешь, сколько, откуда и как часто — без лишнего логирования. 📈 5. Интеграция с Prometheus

    
        OtlpGrpcMetricExporter exporter = OtlpGrpcMetricExporter.builder()
    .setEndpoint("http://localhost:4317")
    .build();{}
    

➡️ Метрики попадают в Prometheus, а дальше — Grafana dashboards. 🪵 6. Логирование в едином формате

    
        logger.info("order_created", kv("user", userId), kv("amount", amount));{}
    

✅ Через OpenTelemetry Logs SDK ты получаешь корреляцию между логами и трейсами. 🌐 7. Автоинструментирование без кода

    
        java -javaagent:opentelemetry-javaagent.jar \
  -Dotel.service.name=order-service \
  -Dotel.exporter.otlp.endpoint=http://localhost:4317 \
  -jar app.jar{}
    

➡️ Автоматически собираются спаны из Spring, JDBC, Kafka, Redis и HTTP-клиентов. 🧠 8. Отправка данных в локальный Collector

    
        receivers:
  otlp:
    protocols:
      grpc:
      http:

exporters:
  prometheus:
  logging:
  jaeger:
    endpoint: "localhost:14250"

service:
  pipelines:
    traces: { receivers: [otlp], exporters: [jaeger, logging] }
    metrics: { receivers: [otlp], exporters: [prometheus] }{}
    

✅ OpenTelemetry Collector — сердце стека: маршрутизирует всё. 🚀 9. Связка Jaeger + Prometheus + Loki

    
        Traces → Jaeger  
Metrics → Prometheus  
Logs → Loki  {}
    

➡️ Полная наблюдаемость: один ID связывает всё — от HTTP-запроса до GC-паузы. 🧩 10. Добавляем контекст трассировки в логи

    
        MDC.put("traceId", Span.current().getSpanContext().getTraceId());
logger.info("processing order {}", orderId);{}
    

✅ Теперь по traceId можно прыгнуть из Loki прямо в Jaeger. 🕹 11. Настройка дашбордов в Grafana

➡️ CPU / Memory / GC Time ➡️ Request latency per endpoint ➡️ Top error spans per service ➡️ Logs correlated by traceId

✅ Всё видно, всё связано, всё в одном UI. 🧠 12. Distributed tracing на проде

    
        try (Scope scope = tracer.spanBuilder("match_order").startScopedSpan()) {
    orderService.match(order);
}{}
    

➡️ С каждой операцией передаётся trace-контекст по HTTP-заголовкам — видишь цепочку от frontend до БД. 🗣️ Запомни: Observability — это не «чтобы было красиво», а чтобы не гадать в тьме, где у тебя течёт прод.

Команда Яндекса — это профессионалы, которые одержимы своим делом и решают задачи, где нет готовых решений. Сейчас мы ищем сильных бэкенд-разработчиков — с опытом от 3 лет на C++, Python, Java или Go. Участвуйте в Week Offer, чтобы получить офер онлайн, всего за неделю. Как будет проходить Week Offer Backend? • Подайте заявку до 12 ноября. • Пройдите технические секции 15 и 16 ноября. • Познакомьтесь с командами и получите офер 17–21 ноября. Если вам интересно строить полезные сервисы вокруг ИИ-технологий, проводить исследования и превращать их в реальные продукты для миллионов пользователей — переходите по ссылке. На сайте собрали все подробности.

💸 Java + Финансы: low-latency трейдинг под миллисекунды Когда миллисекунды — это деньги, Java раскрывает себя на максимум: низкоуровневые сокеты, реактивные потоки, pinned GC и прямой доступ к памяти. Тут не про «финтех-приложение», а про «реакцию быстрее всех». 🚀 1. TCP-сокеты для прямого подключения к бирже

    
        Socket socket = new Socket("api.exchange.com", 4001);
BufferedReader in = new BufferedReader(new InputStreamReader(socket.getInputStream()));
PrintWriter out = new PrintWriter(socket.getOutputStream(), true);

out.println("SUBSCRIBE:BTC-USD");
System.out.println("Tick: " + in.readLine());{}
    

➡️ Без HTTP, без JSON — только байты и скорость. ⚡️ 2. NIO (Reactor-стиль) — обрабатываем десятки потоков данных без блокировок

    
        Selector selector = Selector.open();
SocketChannel channel = SocketChannel.open(new InetSocketAddress("api.exchange.com", 8080));
channel.configureBlocking(false);
channel.register(selector, SelectionKey.OP_READ);

while (true) {
    selector.select();
    for (SelectionKey key : selector.selectedKeys())
        ((SocketChannel) key.channel()).read(ByteBuffer.allocate(1024));
}{}
    

✅ Ты читаешь данные в event-loop без ожиданий и блокировок. 💹 3. Лёгкий REST-клиент для котировок — минимальный overhead

    
        HttpClient client = HttpClient.newBuilder().version(HttpClient.Version.HTTP_1_1).build();
HttpRequest req = HttpRequest.newBuilder(URI.create("https://api.binance.com/api/v3/ticker/price?symbol=BTCUSDT")).build();
String body = client.send(req, HttpResponse.BodyHandlers.ofString()).body();
System.out.println(body);{}
    

➡️ Используется редко — только для инициализации данных. 🧩 4. Реактивные потоки — стриминг обновлений без лагов

    
        Flux.interval(Duration.ofMillis(10))
    .flatMap(i -> fetchTick())
    .subscribe(System.out::println);{}
    

✅ Поддерживаешь live-данные с минимальной задержкой. ⚙️ 5. Kafka для внутренней шины котировок

    
        ProducerRecord<String, String> tick = new ProducerRecord<>("ticks", "BTC", json);
producer.send(tick);{}
    

➡️ Kafka — идеальный посредник между стратегией и обработчиком сигналов. 📈 6. Резервный кеш в LMAX Disruptor

    
        Disruptor<Event> disruptor = new Disruptor<>(Event::new, 1024, Executors.defaultThreadFactory());
disruptor.handleEventsWith((event, seq, end) -> process(event));
disruptor.start();{}
    

✅ Микросекундные задержки между событиями — идеально для high-freq. 🧠 7. Обработка стратегий — минимальный GC и аллокации

    
        double pnl = 0.0;
for (int i = 0; i < prices.length; i++)
    pnl += (prices[i] - avg) * weights[i];{}
    

➡️ Никаких boxed-типов, никаких потоков — чистая арифметика. 🕹 8. Async запись в базу через Chronicle Queue

    
        ChronicleQueue queue = ChronicleQueue.single("trades");
ExcerptAppender appender = queue.acquireAppender();
appender.writeText("BUY BTC 1.234 @ 67900");{}
    

✅ Без JDBC, без GC, с записью прямо в память. 📡 9. Ping-тест задержки на уровне API

    
        long t1 = System.nanoTime();
client.send(request, HttpResponse.BodyHandlers.discarding());
System.out.println("Latency: " + (System.nanoTime() - t1) / 1_000_000.0 + " ms");{}
    

➡️ Измеряй свои реальные RTT-времена, а не верь документации. 🔒 10. Failover на другом потоке без паузы

    
        CompletableFuture.supplyAsync(() -> fetch("exchangeA"))
    .exceptionally(e -> fetch("exchangeB"))
    .thenAccept(this::trade);{}
    

✅ Если один источник умер — переходишь мгновенно на другой. 📊 11. Garbage-free JSON парсер для потоков данных

    
        JsonFactory factory = new JsonFactory();
JsonParser parser = factory.createParser(stream);
while (parser.nextToken() != JsonToken.END_OBJECT)
    process(parser.getCurrentName(), parser.getValueAsString());{}
    

➡️ Никаких String, никаких List — только поток и числа. ⏱️ 12. Синхронизация времени с NTP

    
        NtpV3Packet msg = new NtpV3Impl();
msg.setMode(3);
System.out.println("Offset: " + client.getTime(InetAddress.getByName("pool.ntp.org")).getOffset());{}
    

✅ В high-freq даже миллисекундный дрейф — это баг. 🗣️ Запомни: в мире Java-трейдинга твой главный конкурент — не другой разработчик, а время Garbage Collector’а.

29 октября(уже завтра!) в 19:00 по мск приходи онлайн на открытое собеседование, чтобы посмотреть на настоящее интервью по System Design. Как это будет: 📂 Дмитрий Дорофеев, TeamLead в американском FitTech Truv Inc, ex-VK, будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Дмитрий будет комментировать каждый ответ респондента, чтобы дать понять, чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Дмитрию Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы. Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_sh_bot Реклама. О рекламодателе.

🤖 JavaBot: Telegram без магии и фреймворков Хочешь быстро поднять Telegram-бота на Java без плясок вокруг Spring? Берём библиотеку TelegramBots, одну точку входа — и поехали. ⚙️ Подключаем зависимость Gradle:

    
        implementation 'org.telegram:telegrambots:6.9.7'{}
    

🧩 Создаём скелет бота

    
        public class EchoBot extends TelegramLongPollingBot {
    public String getBotUsername() { return "MyJavaBot"; }
    public String getBotToken() { return "TOKEN"; }

    public void onUpdateReceived(Update u) {
        var chat = u.getMessage().getChatId().toString();
        var text = u.getMessage().getText();
        send(chat, "Ты написал: " + text);
    }

    void send(String chatId, String msg) {
        try { execute(new SendMessage(chatId, msg)); } 
        catch (Exception e) { e.printStackTrace(); }
    }
}{}
    

🚀 Запускаем бота

    
        var bots = new TelegramBotsApi(DefaultBotSession.class);
bots.registerBot(new EchoBot());
System.out.println("Бот в деле 🚀");{}
    

💬 Тест

    
        Ты: ping  
Бот: Ты написал: ping{}
    

🧠 Добавим немного логики

    
        if (text.equals("/start"))
    send(chat, "Привет! Я Java-бот 💪");
else if (text.equalsIgnoreCase("время"))
    send(chat, LocalTime.now().toString());
else
    send(chat, "Команда не понята 🤖");{}
    

⚡️ Inline-кнопки

    
        var markup = new InlineKeyboardMarkup();
markup.setKeyboard(List.of(List.of(
    new InlineKeyboardButton("Сказать hi").callbackData("hi")
)));
msg.setReplyMarkup(markup);{}
    

🧱 Структура проекта

    
        src/
 ├── Main.java
 └── EchoBot.java
build.gradle{}
    

🗣 Запомни: в Java всё строго — но именно поэтому Telegram-боты тут живут годами, не падают и не висят в “reconnecting…”

👩‍💻 В сеть вывалилась гигантская куча курсов и книг от топовых IT‑школ Держи сотни гигабайт свежих уроков, и каждую неделю мы подкидываем ещё! • 1612 ГБ — DevOps • 1402 ГБ — Python • 1300 ГБ — C, C++ • 1815 ГБ — Frontend • 1515 ГБ — Backend • 898 ГБ — ИБ, Хакинг • 996 ГБ — Kotlin, Swift • 212 ГБ — JavaScript • 315 ГБ — Flutter • 820 ГБ — Go, PHP • 419 ГБ — Java, Rust • 648 ГБ — GameDev • 517 ГБ — Windows, Linux • 998 ГБ — Дизайн (UX/UI) • 617 ГБ — Нейросети (ML/RL) • 546 ГБ — БД (SQL & NoSQL) • 687 ГБ — Аналитика данных • 115 ГБ — QA-тестирование Подписывайся и не плати за то, что можно получить бесплатно

⌨️ Виды классов 1. Обычные классы (Regular Classes) Это наиболее распространенные классы, которые вы создаете для определения объектов. Они могут содержать поля, методы, конструкторы и вложенные классы.

    
        
public class MyClass {
    private int field;

    public MyClass(int field) {
        this.field = field;
    }

    public void method() {
        // some code
    }
}
{}
    

2. Абстрактные классы (Abstract Classes) Абстрактные классы не могут быть созданы как объекты напрямую. Они предназначены для предоставления общей функциональности, которую подклассы должны реализовать или дополнить.

    
        
public abstract class AbstractClass {
    public abstract void abstractMethod();

    public void concreteMethod() {
        // some code
    }
}
{}
    

3. Вложенные классы (Nested Classes) Классы, объявленные внутри другого класса. Они могут быть статическими или нестатическими. 🔹 Статические вложенные классы (Static Nested Classes): Эти классы могут быть созданы без экземпляра внешнего класса.

    
        
public class OuterClass {
    static class StaticNestedClass {
        // some code
    }
}
{}
    

🔹 Внутренние классы (Inner Classes): Эти классы имеют доступ ко всем членам внешнего класса и создаются в контексте экземпляра внешнего класса.

    
        
public class OuterClass {
    class InnerClass {
        // some code
    }
}
{}
    

4. Локальные классы (Local Classes) Классы, объявленные внутри метода, конструктора или блока. Они имеют доступ к финальным переменным из охватывающего метода.

    
        
public class OuterClass {
    public void method() {
        class LocalClass {
            // some code
        }
        LocalClass local = new LocalClass();
    }
}
{}
    

5. Анонимные классы (Anonymous Classes) Классы без имени, создаваемые на месте для реализации интерфейса или наследования от класса. Часто используются для создания экземпляров интерфейсов или абстрактных классов.

    
        
public class OuterClass {
    public void method() {
        Runnable runnable = new Runnable() {
            @Override
            public void run() {
                // some code
            }
        };
    }
}
{}
    

6. Перечисления (Enums) Специальные классы, представляющие набор констант. Они могут содержать поля, методы и конструкторы.

    
        
public enum Day {
    MONDAY, TUESDAY, WEDNESDAY, THURSDAY, FRIDAY, SATURDAY, SUNDAY
}
{}
    

7. Интерфейсы (Interfaces) Технически не классы, но важная часть объектно-ориентированного программирования в Java. Интерфейсы определяют контракты, которые должны быть реализованы классами.

    
        
public interface MyInterface {
    void myMethod();
}
{}
    

8. Записи (Records) Нововведение в Java 14 (в предварительном виде) и официально в Java 16. Они предоставляют компактный способ создания неизменяемых классов с полями и автоматически сгенерированными методами, такими как equals, hashCode и toString.

    
        
public record Point(int x, int y) {}{}
    

#java #classes

☕️ Java в потоке данных: Flink, Beam и Spark без магии Когда данные бегут нескончаемым потоком, а твой монолит не успевает считать, Java превращается в машину для real-time-аналитики. Flink, Beam и Spark — три пути к масштабным потоковым системам. Ни теории — только код. 💀 Обычный подход — всё тормозит

    
        List<String> lines = Files.readAllLines(Paths.get("data.txt"));
Map<String, Long> counts = lines.stream()
    .flatMap(line -> Arrays.stream(line.split(" ")))
    .collect(Collectors.groupingBy(Function.identity(), Collectors.counting()));
System.out.println(counts);{}
    

➡️ Всё в память, всё синхронно. Умер на первом гигабайте. ⚙️ Flink — потоковые вычисления без задержек

    
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
DataStream<String> stream = env.socketTextStream("localhost", 9999);

stream
    .flatMap((String line, Collector<String> out) -> {
        for (String word : line.split(" ")) out.collect(word);
    })
    .keyBy(word -> word)
    .sum(1)
    .print();

env.execute("Flink WordCount");{}
    

✅ Реактивная обработка, fault tolerance и state — всё из коробки. 🧩 Spark Structured Streaming — SQL на лету

    
        SparkSession spark = SparkSession.builder().appName("StreamSQL").getOrCreate();

Dataset<Row> lines = spark.readStream()
    .format("socket")
    .option("host", "localhost")
    .option("port", 9999)
    .load();

Dataset<Row> words = lines.as(Encoders.STRING())
    .flatMap((FlatMapFunction<String, String>) x -> Arrays.asList(x.split(" ")).iterator(), Encoders.STRING());

words.groupBy("value").count()
    .writeStream()
    .outputMode("complete")
    .format("console")
    .start()
    .awaitTermination();{}
    

✅ DataFrame API + реальное время. SQL-запросы к стримам — это норма. 🧠 Beam — пиши один раз, запускай где угодно

    
        Pipeline p = Pipeline.create();
p.apply(TextIO.read().from("input.txt"))
 .apply(ParDo.of(new DoFn<String, String>() {
     @ProcessElement
     public void processElement(ProcessContext c) {
         for (String word : c.element().split(" ")) c.output(word);
     }
 }))
 .apply(Count.perElement())
 .apply(TextIO.write().to("output"));
p.run().waitUntilFinish();{}
    

✅ Beam абстрагирует всё: один pipeline может жить на Flink, Spark, Dataflow — без правок кода. 🚀 Kafka + Flink = real-time пайплайн

    
        FlinkKafkaConsumer<String> consumer = new FlinkKafkaConsumer<>("logs", new SimpleStringSchema(), props);
env.addSource(consumer)
   .map(line -> line.toUpperCase())
   .addSink(new FlinkKafkaProducer<>("processed", new SimpleStringSchema(), props));{}
    

✅ Поток заходит из Kafka, проходит трансформацию и возвращается обратно. 📊 Stateful обработка

    
        stream.keyBy(value -> value)
      .flatMap(new RichFlatMapFunction<String, Tuple2<String, Integer>>() {
          private transient ValueState<Integer> count;
          public void open(Configuration parameters) {
              count = getRuntimeContext().getState(new ValueStateDescriptor<>("count", Integer.class));
          }
          public void flatMap(String value, Collector<Tuple2<String, Integer>> out) throws Exception {
              Integer current = count.value() == null ? 0 : count.value();
              count.update(current + 1);
              out.collect(Tuple2.of(value, current + 1));
          }
      });{}
    

✅ Flink хранит состояние между событиями — perfect для realtime аналитики. 🧩 Beam с Cloud Dataflow

    
        PipelineOptions options = PipelineOptionsFactory.create();
options.as(DataflowPipelineOptions.class).setRunner(DataflowRunner.class);{}
    

✅ Запускаешь тот же код в Google Cloud — нативно масштабируется. 💡 Spark + Kafka integration

    
        Dataset<Row> df = spark.readStream()
    .format("kafka")
    .option("kafka.bootstrap.servers", "localhost:9092")
    .option("subscribe", "topic")
    .load();{}
    

✅ Spark сам читает Kafka topics и обрабатывает потоки. 🗣 Запомни: Flink — мозг real-time систем, Spark — мотор аналитики, Beam — мост между ними. Главное — не выбирай фреймворк по моде, выбирай под поток.

❗️ Произошёл масштабный слив Apple, Open AI, Microsoft и других западных гигантов В сеть утекли корпоративные документы для обучения персонала: гайды, инструкции к ИИ, инсайды по грядущим новинкам и разработкам. Целых 4 терабайта (!) инфы распределили по закрытым каналам. Сохраняй пока доступно: ❖ Гайды по ИИ и инструментам для работы и творчества ❖ Чеклисты, фреймворки, репозитории и куча полезностей ❖ Инсайды по IT-разработкам и новым технологиям ❖ Слитая инфраструктура Apple ❖ Обучения легальному и нелегальному хаккингу ❖ Всё про Python от топов из Microsoft ❖ + бонус: канал с мемами про IT, ИИ и технологии. 👆 Подпишись, скоро поменяем ссылки

☕️Полиморфизм в ООП

В этом видео автор подробно объясняет концепцию полиморфизма в объектно-ориентированном программировании на примере Java. Разбирается, как один объект может иметь разные формы в зависимости от контекста, как работает динамическое связывание, как переопределять методы в наследниках и использовать ссылки на родительские типы для управления объектами.

🗣️Запомни: полиморфизм даёт гибкость в архитектуре и делает код расширяемым и масштабируемым. 🤩 Java Фишки и трюки || #Видео