Nick Craver - Stack Overflow: The Architecture - 2016 Edition
A very detailed & insightful explanation of Stack Overflow surprising architecture, from their lead architect in 2016.
— Permalien
A very detailed & insightful explanation of Stack Overflow surprising architecture, from their lead architect in 2016.
Ackify CE est une plateforme open-source (AGPL v3) permettant de générer des preuves de lecture cryptographiquement vérifiables pour des documents internes.
Les organisations doivent souvent prouver qu'un collaborateur a lu un document (politique RGPD, charte de sécurité, formation obligatoire). Les solutions existantes sont soit trop lourdes (signature électronique qualifiée comme DocuSign à 10-30€/utilisateur/mois), soit non sécurisées (simple email).
Ackify génère des preuves de lecture cryptographiques avec :
Ackify n'est pas une alternative à DocuSign pour des contrats juridiques. C'est une solution simple pour des besoins internes où la signature qualifiée est overkill.
N'hésitez pas si vous avez des questions techniques !
curl -fsSL https://raw.githubusercontent.com/btouchard/ackify-ce/main/install/install.sh | bash
cd ackify-ce
nano .env # Configurer OAuth2
docker compose up -d
Installation complète en ~5 minutes.
Backend
Frontend
DevOps
Commentaires : voir le flux Atom ouvrir dans le navigateur
Cet article suggère que PostgreSQL peut à peu près tout faire et représente donc une solution idéale pour la majorité des boîtes dont les besoins en scalabilité (évolution de la charge) ne seront jamais suffisants pour justifier une infra plus complexe.
C'est l'idée de MVI : minimum viable infrastructure.
J'aime bien le côté pragmatique, même si ça implique, de fait, une très grande maîtrise de PostgreSQL.
Cet article suggère que PostgreSQL peut à peu près tout faire et représente donc une solution idéale pour la majorité des boîtes dont les besoins en scalabilité (évolution de la charge) ne seront jamais suffisants pour justifier une infra plus complexe.
C'est l'idée de MVI : minimum viable infrastructure.
J'aime bien le côté pragmatique, même si ça implique, de fait, une très grande maîtrise de PostgreSQL.
Using Google bq CLI, the following command allows to get the top Pypi keywords from the bigquery-public-data.pypi.distribution_metadata table:
bq query --use_legacy_sql=false 'SELECT keyword, COUNT(*) as keyword_count FROM `bigquery-public-data.pypi.distribution_metadata`, UNNEST(SPLIT(keywords, ", ")) as keyword GROUP BY keyword ORDER BY keyword_count DESC LIMIT 100'
Result for the top-15 keywords:
python : 128555 appearancesDuckDB Database SQL OLAP : 70739 appearancesai : 64997 appearancestensorflow tensor machine learning : 51144 appearancespulumi : 50076 appearancesapi : 47986 appearancesprobabilities probabilistic-graphical-models inference diagnosis : 46552 appearancesrust : 45607 appearancescli : 39512 appearancesOpenAPI : 38814 appearancessdk : 38060 appearancesllm : 37487 appearancesOpenAPI-Generator : 36734 appearancesdatabase : 35578 appearancesautomation : 34393 appearancesNote that this is a very basic query, that does take into account that some packages have a lot more versions published on Pypi than others.