Сайн байцгаана уу, намайг Александр гэдэг бөгөөд би мэдээллийн чанарыг шалгадаг өгөгдлийн чанарын инженер юм. Энэ нийтлэлд би яаж ийм байдалд хүрсэн, яагаад 2020 онд энэ туршилтын талбар давалгааны орой дээр байсан тухай ярих болно.
Дэлхийн чиг хандлага
Өнөөгийн дэлхий дахин нэг технологийн хувьсгалыг туулж байгаа бөгөөд үүний нэг тал нь бүх төрлийн компаниуд өөрсдийн борлуулалт, ашиг орлого, PR-ыг сурталчлахын тулд хуримтлагдсан өгөгдлийг ашиглах явдал юм. Сайн (чанартай) өгөгдөл, мөн түүгээр мөнгө олох чадвартай (зөв боловсруулах, дүрслэх, машин сургалтын загвар бүтээх гэх мэт) чадварлаг тархи байгаа нь өнөөгийн олон хүмүүсийн амжилтын түлхүүр болсон юм шиг санагддаг. Хэрэв 15-20 жилийн өмнө томоохон компаниуд мэдээлэл хуримтлуулах, мөнгө олох чиглэлээр эрчимтэй ажилд голчлон оролцдог байсан бол өнөөдөр энэ нь бараг бүх эрүүл саруул хүмүүсийн хувь тавилан юм.
Үүнтэй холбогдуулан хэдэн жилийн өмнөөс дэлхий даяар ажил хайхад зориулагдсан бүх порталууд Мэдээлэл судлаачдын сул орон тоогоор дүүрч эхэлсэн, учир нь ийм мэргэжилтэн ажилд авснаар машин сургалтын супер моделийг бий болгох боломжтой гэдэгт бүгд итгэлтэй байсан. , ирээдүйг урьдчилан таамаглаж, компанид "квант үсрэлт" хийх. Цаг хугацаа өнгөрөхөд хүмүүс ийм мэргэжилтнүүдийн гарт орсон бүх өгөгдөл нь загвар зохион бүтээхэд тохиромжгүй тул энэ арга нь бараг хэзээ ч ажиллахгүй гэдгийг ойлгосон.
Мэдээллийн мэргэжилтнүүдээс "Эдгээр болон тэдгээрээс илүү их дата худалдаж авцгаая...", "Бидэнд хангалттай мэдээлэл алга...", "Бидэнд ахин өгөгдөл хэрэгтэй, болж өгвөл өндөр чанартай..." гэсэн хүсэлтүүд эхэлсэн. . Эдгээр хүсэлт дээр үндэслэн нэг буюу өөр мэдээллийн багцыг эзэмшдэг компаниудын хооронд олон тооны харилцан үйлчлэл бий болж эхлэв. Мэдээжийн хэрэг, энэ нь энэ үйл явцын техникийн зохион байгуулалтыг шаарддаг - өгөгдлийн эх сурвалжтай холбогдох, татаж авах, бүрэн ачаалагдсан эсэхийг шалгах гэх мэт. Ийм үйл явцын тоо нэмэгдэж эхэлсэн бөгөөд өнөөдөр бидэнд өөр төрлийн програм хангамж асар их хэрэгцээтэй байна. Мэргэжилтнүүд - Өгөгдлийн чанарын инженерүүд - систем дэх өгөгдлийн урсгал (өгөгдлийн дамжуулах хоолой), оролт, гаралтын өгөгдлийн чанарыг хянаж, тэдгээрийн хангалттай байдал, бүрэн бүтэн байдал болон бусад шинж чанаруудын талаар дүгнэлт гаргадаг хүмүүс.
Өгөгдлийн чанарын инженерүүдийн чиг хандлага капитализмын эрин үе дунд хэн ч мэдээллийн төлөөх тулаанд ялагдахад бэлэн байдаггүй АНУ-аас ирсэн. Доор би АНУ-ын хамгийн алдартай ажил хайх сайтуудын дэлгэцийн агшинг орууллаа. и — 17 оны 2020-р сарын XNUMX-ны өдрийн мэдээллийг: Мэдээллийн чанар ба Мэдээлэл судлаач гэсэн түлхүүр үгсээр хүлээн авсан нийтэлсэн ажлын байрны тоог харуулдаг.
Мэдээлэл судлаач – 21416 сул орон тоо
Мэдээллийн чанар – 41104 сул орон тоо
Мэдээлэл судлаачид – 404 сул орон тоо
Мэдээллийн чанар - 2020 сул орон тоо
Мэдээжийн хэрэг, эдгээр мэргэжлүүд хоорондоо ямар ч байдлаар өрсөлдөхгүй. Дэлгэцийн агшинг ашиглан би хөдөлмөрийн зах зээл дээрх өнөөгийн нөхцөл байдлыг өгөгдөл судлаачдаас илүү хэрэгцээтэй байгаа өгөгдлийн чанарын инженерүүдийн хүсэлтээр харуулахыг хүссэн юм.
2019 оны XNUMX-р сард EPAM нь орчин үеийн мэдээллийн технологийн зах зээлийн эрэлт хэрэгцээнд нийцүүлэн өгөгдлийн чанарыг тусдаа практик болгон хуваасан. Өгөгдлийн чанарын инженерүүд өдөр тутмын ажлынхаа явцад өгөгдлийг удирдаж, шинэ нөхцөл, систем дэх түүний үйл ажиллагааг шалгаж, өгөгдлийн хамаарал, түүний хүрэлцээ, хамаарлыг хянадаг. Энэ бүхний хувьд практик утгаараа өгөгдлийн чанарын инженерүүд сонгодог функциональ туршилтад үнэхээр бага цаг зарцуулдаг. Үгүй Энэ нь төслөөс ихээхэн хамаарна (би доор жишээ өгөх болно).
Мэдээллийн чанарын инженерийн үүрэг хариуцлага нь зөвхөн мэдээллийн сангийн хүснэгтүүд дэх "хэг, тоолол, нийлбэр" -ийг ердийн гарын авлага/автоматаар шалгахаар хязгаарлагдахгүй бөгөөд үйлчлүүлэгчийн бизнесийн хэрэгцээг гүнзгий ойлгох, үүний дагуу байгаа өгөгдлийг өөрчлөх чадварыг шаарддаг. ашигтай бизнесийн мэдээлэл.
Өгөгдлийн чанарын онол
Ийм инженерийн үүргийг илүү бүрэн дүүрэн төсөөлөхийн тулд онолын хувьд өгөгдлийн чанар гэж юу болохыг олж мэдье.
Өгөгдлийн чанар — Мэдээллийн менежментийн үе шатуудын нэг (бид танд бие даан суралцахаар үлдээх бүхэл бүтэн ертөнц) бөгөөд дараах шалгуурын дагуу өгөгдөлд дүн шинжилгээ хийх үүрэгтэй.
Цэг бүрийг тайлах шаардлагагүй гэж би бодож байна (онолын хувьд тэдгээрийг "өгөгдлийн хэмжээс" гэж нэрлэдэг) зураг дээр маш сайн дүрсэлсэн байдаг. Гэхдээ туршилтын үйл явц нь өөрөө эдгээр шинж чанаруудыг туршилтын тохиолдлуудад хуулж, шалгах гэсэн үг биш юм. Мэдээллийн чанарын хувьд бусад төрлийн шалгалтын нэгэн адил юуны өмнө бизнесийн шийдвэр гаргадаг төслийн оролцогчидтой тохиролцсон мэдээллийн чанарын шаардлагад тулгуурлах шаардлагатай.
Мэдээллийн чанарын төслөөс хамааран инженер өөр өөр функцийг гүйцэтгэж болно: өгөгдлийн чанарыг өнгөц үнэлдэг энгийн автоматжуулалт шалгагчаас эхлээд дээрх шалгуурын дагуу мэдээллийн гүн профайл хийдэг хүн хүртэл.
Өгөгдлийн менежмент, өгөгдлийн чанар болон холбогдох үйл явцын талаар маш нарийвчилсан тайлбарыг номонд маш сайн тайлбарласан болно "DAMA-DMBOK: Мэдээллийн менежментийн мэдлэгийн хэсэг: 2-р хэвлэл". Би энэ номыг энэ сэдвийн танилцуулга болгон санал болгож байна (өгүүллийн төгсгөлд та линкийг олох болно).
Миний түүх
Мэдээллийн технологийн салбарт би бүтээгдэхүүний компаниудын бага шалгагчаас EPAM-д Мэдээллийн чанарын ахлах инженер хүртэл ажилласан. Хоёр жил орчим туршигчаар ажилласны дараа би регресс, функциональ, стресс, тогтвортой байдал, аюулгүй байдал, UI гэх мэт бүх төрлийн туршилтыг хийсэн гэдэгтээ бат итгэлтэй болж, олон тооны туршилтын хэрэгслийг туршиж үзсэн. Java, Scala, Python гэсэн гурван програмчлалын хэл дээр нэгэн зэрэг ажилласан.
Эргээд бодоход миний ур чадвар яагаад ийм олон янз байдгийг ойлгож байна — би том жижиг гэлтгүй өгөгдөлд суурилсан төслүүдэд оролцож байсан. Энэ бол намайг өсөх олон хэрэгсэл, боломж бүхий ертөнцөд авчирсан зүйл юм.
Шинэ мэдлэг, ур чадвар олж авах олон төрлийн хэрэгсэл, боломжуудыг үнэлэхийн тулд "Data & AI" ертөнцийн хамгийн алдартай зургуудыг харуулсан доорх зургийг хараарай.
Энэ төрлийн зураглалыг програм хангамж хөгжүүлэлтээс гаралтай алдартай венчур капиталистуудын нэг Мэтт Турк жил бүр эмхэтгэдэг. Энд түүний блог руу болон , хаана тэр түншээр ажилладаг.
Би төслийн цорын ганц шалгагч байхдаа эсвэл ядаж төслийн эхэн үед мэргэжлийн хувьд маш хурдан өссөн. Яг ийм мөчид та бүх шалгалтын үйл явцыг хариуцах ёстой бөгөөд ухрах боломж байхгүй, зөвхөн урагшлах болно. Эхэндээ энэ нь аймшигтай байсан, гэхдээ одоо ийм туршилтын бүх давуу талууд надад тодорхой байна:
- Туршилтын менежер ч, бусад туршигчид ч байхгүй тул та бүхэл бүтэн багтай урьд өмнө хэзээ ч байгаагүйгээр харилцаж эхэлдэг.
- Төсөлд нэвтрэн орох нь гайхалтай гүнзгий болж, та бүх бүрэлдэхүүн хэсгүүдийн талаар ерөнхий болон дэлгэрэнгүй мэдээлэлтэй болно.
- Хөгжүүлэгчид таныг "юу хийж байгаагаа мэдэхгүй сорилт хийдэг залуу" гэж бус харин автоматжуулсан туршилтаараа багт гайхалтай үр өгөөжөө өгч, програмын тодорхой бүрэлдэхүүн хэсэгт алдаа гарч ирэхийг хүлээдэг ижил хүн гэж хардаг. бүтээгдэхүүн.
- Үүний үр дүнд та илүү үр дүнтэй, илүү мэргэшсэн, илүү эрэлт хэрэгцээтэй байдаг.
Төсөл хөгжихийн хэрээр 100% тохиолдолд би шинэ тестерүүдэд зааварлагч болж, тэдэнд зааж, өөрийнхөө сурсан мэдлэгийг бусдад дамжуулах болсон. Үүний зэрэгцээ, төслөөс хамааран би удирдлагаас хамгийн өндөр түвшний авто туршилтын мэргэжилтнүүдийг үргэлж хүлээж авдаггүй байсан тул тэднийг автоматжуулалтад сургах (сонирхогчдод зориулсан) эсвэл өдөр тутмын үйл ажиллагаанд ашиглах хэрэгсэл (хэрэгсэл) бий болгох шаардлагатай байсан. өгөгдөл үүсгэх, системд ачаалах, ачааллын туршилт/тогтвортой байдлын туршилтыг "хурдан" гүйцэтгэх хэрэгсэл гэх мэт).
Тодорхой төслийн жишээ
Харамсалтай нь, задруулахгүй байх үүргээс болж би ажиллаж байсан төслүүдийнхээ талаар дэлгэрэнгүй ярих боломжгүй, гэхдээ би төслийн аль нэг дээр өгөгдлийн чанарын инженерийн ердийн ажлуудын жишээг өгөх болно.
Төслийн мөн чанар нь түүнд суурилсан машин сургалтын загваруудыг сургах өгөгдөл бэлтгэх платформыг хэрэгжүүлэх явдал юм. Үйлчлүүлэгч нь АНУ-ын эмийн томоохон компани байв. Техникийн хувьд энэ нь кластер байсан , хүртэл нэмэгдэж байна хэд хэдэн микро үйлчилгээ болон EPAM-ийн үндсэн Нээлттэй эхийн төсөлтэй жишээнүүд - , тодорхой хэрэглэгчийн хэрэгцээнд тохируулсан (одоо төсөл дахин төрсөн ). ETL процессуудыг ашиглан зохион байгуулсан -аас өгөгдөл зөөв хэрэглэгчийн систем дэх Хувин. Дараа нь шинэ өгөгдөл дээр сургаж, REST API интерфейсийг ашиглан бизнест сонирхолтой таамаглал дэвшүүлж, тодорхой асуудлуудыг шийдсэн платформ дээр машин сургалтын загварын Docker дүрсийг байрлуулсан.
Харааны хувьд бүх зүйл иймэрхүү харагдаж байв.
Энэ төсөл дээр олон тооны функциональ туршилтууд байсан бөгөөд онцлог шинж чанарыг хөгжүүлэх хурд, хувилбарын мөчлөгийн хурдыг (хоёр долоо хоногийн спринт) хадгалах хэрэгцээг харгалзан, хамгийн чухал бүрэлдэхүүн хэсгүүдийн туршилтыг автоматжуулах талаар нэн даруй бодох шаардлагатай байв. систем. Кубернетес дээр суурилсан платформын ихэнх хэсэг нь автомат туршилтанд хамрагдсан + Python, гэхдээ тэдгээрийг дэмжих, өргөжүүлэх шаардлагатай байсан. Нэмж дурдахад, үйлчлүүлэгчийн тав тухыг хангах үүднээс кластерт байрлуулсан машин сургалтын загваруудыг удирдах GUI-г бүтээсэн бөгөөд загваруудыг сургахын тулд өгөгдлийг хаана, хаана шилжүүлэх шаардлагатайг зааж өгөх боломжтой болсон. Энэхүү өргөн хүрээг хамарсан нэмэлт нь автоматжуулсан функциональ туршилтыг өргөтгөхөд хүргэсэн бөгөөд энэ нь ихэвчлэн REST API дуудлага болон цөөн тооны төгсгөлийн 2 төгсгөлийн UI тестүүдээр хийгдсэн. Энэ бүх хөдөлгөөний экваторын эргэн тойронд бид гарын авлагын шалгагчаар нэгдэж, бүтээгдэхүүний хувилбаруудыг хүлээн авах туршилтыг хийж, дараагийн хувилбарыг хүлээн авах талаар үйлчлүүлэгчтэй харилцах ажлыг маш сайн гүйцэтгэсэн. Нэмж дурдахад, шинэ мэргэжилтэн ирсэн тул бид ажлаа баримтжуулж, автоматжуулахад хэцүү хэд хэдэн маш чухал гарын авлагын шалгалтыг нэмж оруулсан.
Эцэст нь бид платформ болон түүн дээрх GUI нэмэлтээс тогтвортой байдалд хүрсний дараа Apache Airflow DAG-уудыг ашиглан ETL дамжуулах хоолойг барьж эхэлсэн. Мэдээллийн чанарын автоматжуулсан шалгалтыг ETL процессын үр дүнд үндэслэн өгөгдлийг шалгасан тусгай Агаарын урсгалын DAG бичгээр хийсэн. Энэхүү төслийн хүрээнд бид азтай байсан бөгөөд үйлчлүүлэгч бидний туршиж үзсэн нэрээ нууцалсан мэдээллийн багцад хандах эрх олгосон. Бид өгөгдлийн төрлүүдэд нийцэж байгаа эсэх, эвдэрсэн өгөгдөл байгаа эсэх, өмнөх болон дараах нийт бичлэгийн тоо, нэгтгэх зорилгоор ETL процессоор хийсэн хувиргалтыг харьцуулах, баганын нэрийг өөрчлөх болон бусад зүйлсийг мөр мөрөөр нь шалгасан. Нэмж дурдахад эдгээр шалгалтыг өөр өөр мэдээллийн эх сурвалжид, жишээлбэл SalesForce-ээс гадна MySQL-д тохируулсан.
Мэдээллийн чанарын эцсийн шалгалтыг S3 түвшинд аль хэдийн хийсэн бөгөөд тэдгээр нь хадгалагдаж, машин сургалтын загваруудыг сургахад ашиглахад бэлэн байсан. S3 хувин дээр байрлах эцсийн CSV файлаас өгөгдөл авч, баталгаажуулахын тулд кодыг ашиглан бичсэн .
Мөн хэрэглэгчийн зүгээс өгөгдлийн нэг хэсгийг нэг S3 хувинд, нэг хэсгийг нөгөөд хадгалах шаардлага тавьсан. Энэ нь мөн ийм ангиллын найдвартай байдлыг шалгахын тулд нэмэлт шалгалт бичих шаардлагатай болсон.
Бусад төслүүдийн ерөнхий туршлага
Өгөгдлийн чанарын инженерийн үйл ажиллагааны хамгийн ерөнхий жагсаалтын жишээ:
- Автомат хэрэгслээр дамжуулан туршилтын өгөгдлийг (хүчингүй том жижиг) бэлтгэ.
- Бэлтгэсэн өгөгдлийн багцыг эх сурвалжид байршуулж, ашиглахад бэлэн эсэхийг шалгана уу.
- Тодорхой багц тохиргоог ашиглан эх үүсвэрийн сангаас эцсийн эсвэл завсрын хадгалалт хүртэлх өгөгдлийг боловсруулах ETL процессуудыг ажиллуулна уу (боломжтой бол ETL даалгаврын тохируулж болох параметрүүдийг тохируулна уу).
- ETL процессоор боловсруулсан өгөгдлийн чанар, бизнесийн шаардлагад нийцэж байгаа эсэхийг шалгана уу.
Үүний зэрэгцээ, шалгалтын гол анхаарал нь зөвхөн систем дэх өгөгдлийн урсгал зарчмын хувьд ажиллаж, дууссан эсэх (функциональ туршилтын нэг хэсэг юм) дээр байх ёстой, гэхдээ гол төлөв мэдээллийг шалгах, баталгаажуулах явдал юм. хүлээгдэж буй шаардлагыг дагаж мөрдөх, гажиг болон бусад зүйлийг тодорхойлох.
Хэрэгсэл
Ийм мэдээллийн хяналтын аргуудын нэг нь уран зохиолд "өгөгдлийн гинж" гэж нэрлэгддэг өгөгдөл боловсруулах үе шат бүрт гинжин хэлхээний шалгалтыг зохион байгуулах явдал юм - эх сурвалжаас эцсийн ашиглалтын цэг хүртэл өгөгдлийг хянах. Эдгээр төрлийн шалгалтыг ихэвчлэн SQL-ийн шалгалтын асуулга бичих замаар хэрэгжүүлдэг. Ийм асуулга нь аль болох хөнгөн байх ёстой бөгөөд өгөгдлийн чанарын бие даасан хэсгүүдийг (хүснэгтийн мета өгөгдөл, хоосон мөр, NULL, синтакс дахь алдаа - шалгахад шаардлагатай бусад шинж чанарууд) шалгах нь ойлгомжтой.
Бэлэн (өөрчлөх боломжгүй, бага зэрэг өөрчлөгддөг) өгөгдлийн багцыг ашигладаг регрессийн тестийн хувьд автомат тестийн код нь өгөгдлийг чанарын шаардлагад нийцэж байгаа эсэхийг шалгах бэлэн загваруудыг хадгалах боломжтой (хүлээгдэж буй хүснэгтийн мета өгөгдлийн тайлбар; мөрийн түүврийн объектууд. туршилтын явцад санамсаргүй байдлаар сонгосон гэх мэт).
Мөн туршилтын явцад та Apache Airflow, эсвэл бүр хар хайрцагны үүл төрлийн хэрэгсэл , гэх мэт. Энэ нөхцөл байдал нь туршилтын инженерийг дээрх хэрэгслүүдийн үйл ажиллагааны зарчмуудад шингээж, функциональ туршилтыг (жишээлбэл, төсөл дээр байгаа ETL процессуудыг) илүү үр дүнтэй хийж, өгөгдлийг шалгахад ашиглахыг шаарддаг. Тухайлбал, Apache Airflow нь алдартай аналитик мэдээллийн сантай ажиллахад бэлэн операторуудтай. . Үүнийг ашиглах хамгийн энгийн жишээг аль хэдийн тайлбарласан болно , тиймээс би өөрийгөө давтахгүй.
Бэлэн шийдлээс гадна өөрийн техник, хэрэгслийг хэрэгжүүлэхийг хэн ч хориглодоггүй. Энэ нь зөвхөн төсөлд ашиг тустай төдийгүй Мэдээллийн чанарын инженерийн хувьд техникийн мэдлэг, код бичих чадвараа сайжруулах болно.
Энэ нь бодит төсөл дээр хэрхэн ажилладаг
"Өгөгдлийн сүлжээ", ETL болон хаа сайгүй шалгах тухай сүүлийн догол мөрүүдийн сайн жишээ бол бодит төслүүдийн нэгээс дараах үйл явц юм.
Энд янз бүрийн өгөгдөл (байгалийн хувьд бидний бэлтгэсэн) манай системийн оролтын "юүлүүр" -д ордог: хүчинтэй, хүчингүй, холимог гэх мэт, дараа нь тэдгээрийг шүүж, завсрын хадгалалтанд оруулаад дараа нь дахин хэд хэдэн өөрчлөлтөд ордог. Эцсийн хадгалалтанд байрлуулсан бөгөөд үүнээс эргээд дүн шинжилгээ хийх, мэдээллийн зах зээлийг бий болгох, бизнесийн ойлголтыг хайх зэрэг ажлууд хийгдэнэ. Ийм системд ETL процессын ажиллагааг шалгахгүйгээр бид хувиргахаас өмнө болон дараах өгөгдлийн чанар, мөн аналитикийн гаралтад анхаарлаа хандуулдаг.
Дээр дурдсан зүйлийг нэгтгэн дүгнэхэд би хаана ч ажиллаж байсан газраасаа үл хамааран дараах шинж чанаруудыг хуваалцсан өгөгдлийн төслүүдэд оролцож байсан.
- Зөвхөн автоматжуулалтаар дамжуулан та зарим тохиолдлыг туршиж, бизнест хүлээн зөвшөөрөгдсөн хувилбарт хүрч чадна.
- Ийм төслийн шалгагч нь оролцогч бүрт асар их ашиг тусыг авчирдаг тул багийн хамгийн нэр хүндтэй гишүүдийн нэг юм (туршилтыг хурдасгах, мэдээлэл судлаачийн сайн мэдээлэл, эхний үе шатанд согогийг илрүүлэх).
- Та өөрийн техник хангамж дээр эсвэл үүлэн дээр ажиллах эсэх нь хамаагүй - бүх нөөцийг Hortonworks, Cloudera, Mesos, Kubernetes гэх мэт кластерт нэгтгэдэг.
- Төслүүд нь микро үйлчилгээний арга барил дээр бүтээгдсэн бөгөөд тархсан болон зэрэгцээ тооцоолол давамгайлдаг.
Өгөгдлийн чанарын чиглэлээр туршилт хийхдээ туршилтын мэргэжилтэн нь бүтээгдэхүүний код, ашигласан хэрэгсэлд мэргэжлийн анхаарлаа хандуулдаг гэдгийг тэмдэглэхийг хүсч байна.
Өгөгдлийн чанарын туршилтын онцлог шинж чанарууд
Нэмж дурдахад би өөрийн хувьд өгөгдөл (Том өгөгдөл) төсөл (систем) болон бусад чиглэлээр туршилт хийх дараахь онцлог шинж чанаруудыг тодорхойлсон (энэ нь маш ерөнхий бөгөөд зөвхөн субъектив шинж чанартай гэдгийг би нэн даруй тэмдэглэх болно).
Ашигтай холбоосууд
- Онол: .
- ЭПАМ
- Мэдээллийн чанарын анхан шатны инженерүүдэд санал болгож буй материалууд:
- Степик дээр үнэгүй сургалт: .
- LinkedIn сургалтын курс: .
- Нийтлэл:
- ;
- ;
- ;
- Видео:
- ;
- ;
дүгнэлт
Өгөгдлийн чанар Энэ бол маш залуу ирээдүйтэй чиглэл бөгөөд үүний нэг хэсэг байх нь стартапын нэг хэсэг байх гэсэн үг юм. Мэдээллийн чанарт орсноор та орчин үеийн, эрэлт хэрэгцээтэй олон тооны технологид шимтэх болно, гэхдээ хамгийн чухал нь таны санааг бий болгож, хэрэгжүүлэх асар их боломжууд нээгдэх болно. Та тасралтгүй сайжруулах арга барилыг зөвхөн төсөл дээрээ төдийгүй өөртөө ашиглах боломжтой бөгөөд мэргэжилтэний хувьд тасралтгүй хөгжих болно.
Эх сурвалж: www.habr.com