Значит, нужна модель, которая одинаково хорошо описывала бы движение вещества на масштабах от десятков тысяч до сотен триллионов километров. При этом речь идёт о течении вещества, в котором действуют самые разнообразные физические и химические процессы, на моделирование которых также уходят весьма значительные компьютерные ресурсы. И это только одна звезда. Что же говорить о модели целого звёздного скопления?
Оказывается, что решить современные задачи вычислительной астрофизики можно лишь при помощи суперкомпьютеров и параллельного программирования. Написать эффективную программу для такой системы очень непросто. С современными суперкомпьютерами астрономы-вычислители пока ещё управляются сами. Но пройдёт совсем немного времени, и эту задачу придётся отдать профессиональным программистам. Астрономического образования будет так же недостаточно для работы с компьютерами будущего, как сейчас не хватает его для работы с современными большими телескопами.
Как это будет выглядеть? Может быть, появятся какие-то инструменты высокого уровня, конструкторы («Сюда перетаскиваем звезду, сюда — планеты, задаем связь один ко многим»), может быть, на составление программ для суперкомпьютеров будут подаваться заявки, подобные нынешним заявкам на наблюдения.
В любом случае, астроном лишится ещё одной возможности сделать что-то своими руками, почувствовать себя творцом Вселенной, пусть немножко ненастоящей, немножко выдуманной, вылепленной из нескольких тысяч строк кода, но такой своей, близкой и понятной!
Андрей Себрант («Яндекс») о том, как удержать посетителей
АНДРЕЙ СЕБРАНТ
Опубликовано 11 ноября 2010 года
Запись доклада «Незаслуженно забытый Churn Rate», с которым Андрей Себрант выступил на конференции User Experience Russia 2010.
В прошлом году на этой же конференции я рассказывал о роли маркетинговых экспериментов в работе юзабилистов и о тандеме юзабилистов и маркетологов в «Яндексе». Там было много слайдов с разными кейсами. Один из них содержал график, на котором было показано, как «утекают» пользователи одного из наших продуктов — «Яндекс.Бара». На графике было показано, как от месяца к месяцу в зависимости от того, в какой месяц какая версия была установлена, падает доля пользователей.
Показав этот график, я всего лишь сказал, что сейчас кроме стандартных метрик всё важнее становится churn rate — метрика, обратная времени «жизни» пользователя на сервисе. Попробую сейчас рассказывать вам историю вокруг этой частной метрики.
Не стоит считать, что сегодня можно что-то придумать, завтра сделать и послезавтра стать миллионером. На самом деле то, что было придумано двадцать лет назад, доходит до какого-то воплощения через десять лет, и лишь ещё через десять лет становится бизнесом на миллиард.
Многие веб-разработчики полагают, что раз в их отрасли всё бурлит со страшной силой, то стоит опоздать на полчаса, и тебя выкинут из бизнеса. Это неправда. На самом деле бывают и долгие времена — на эту тему у меня есть очень яркий пример из истории поисковых машин.
Лет этак семь назад в «Яндексе» не всегда успевали вовремя доставить нужное количество серверов. Сейчас с нашими дата-центрами таких проблем уже нет. Но тогда были, и мы выяснили, что если время отклика (то есть время отрисовки страницы с результатами поиска) увеличится на 200 миллисекунд (это пятая доля секунды), то через несколько месяцев пользователи начинают реже обращаться к сервису. Часть пользователей покидает сервис — часть большая, чем в контрольной группе, которая такого замедления не наблюдала. То есть внешне, казалось бы, ничего особенного не происходило, а на долговременной статистике видны катастрофические эффекты.
Если мы сравниваем пятую долю секунды с периодом наблюдения, за который что-то скажется на пользователе, получается разница в миллионы раз. Занятно, что информацию о миллисекундах мы всегда держим в голове, а про то, что что-то изменившееся сейчас может дать долговременный эффект через время в биллион раз большее, забываем. А на самом деле это очень важно.