Теория отказоустойчивых распределенных систем — различия между версиями
M8hew (обсуждение | вклад) |
M8hew (обсуждение | вклад) |
||
| Строка 13: | Строка 13: | ||
== Формула оценки == | == Формула оценки == | ||
| − | Оценка за курс | + | Оценка за курс ставиться по следующей формуле (О<sub>ДЗ1</sub> + О<sub>ДЗ2</sub> + О<sub>ДЗ3</sub> + О<sub>Экз</sub>)*4/3, где максимальная отметка |
| − | + | * за ДЗ1 1 балл | |
| − | + | * за ДЗ2 3 балла | |
| − | + | * за ДЗ3 2 балла | |
| − | + | * за ЭКЗ 2 балла | |
| − | + | ||
| − | + | ||
== Домашние задания == | == Домашние задания == | ||
Версия 01:48, 8 ноября 2024
Содержание
Теория отказоустойчивых распределенных систем
Обязательный осенний курс для студентов 4 курса специализации РС ПМИ ФКН ВШЭ.
Занятия проводятся онлайн по субботам c 9.30 в zoom
Лектор: Алексей Неганов aka @bokareis.
Записи пар: TBD
Текущая ведомость: TBD
Формула оценки
Оценка за курс ставиться по следующей формуле (ОДЗ1 + ОДЗ2 + ОДЗ3 + ОЭкз)*4/3, где максимальная отметка
- за ДЗ1 1 балл
- за ДЗ2 3 балла
- за ДЗ3 2 балла
- за ЭКЗ 2 балла
Домашние задания
Домашние задания можно желательно сдавать на C/C++, Python, Go
Допустимо на Java, C#
Задание 1
Реализуйте LSM-дерево со строковыми ключами (levelled / tiered — на выбор). Дисковые компоненты должны поддерживать бинарный или иной логарифмический поиск без полной выгрузки в RAM. Обязательны Блум-фильтры для компонент. Напишите бенчмарки для вставки, чтения по ключу, чтения короткого диапазона.
Deadline: 18 октября
Задание 2
Постройте обратный индекс для набора текстовых документов, используя Roaring bitmaps.
- Построить индекс (хотя бы в памяти), что позволит выдавать документы, для которых верна булева формула о вхождении слов
- Для слов применить стеммирование / лемматизацию / очистку от стоп-слов
- Реализовать индекс как LSM-подобное дерево
Deadline: 25 октября
Задание 3
Взяв за основу индекс из задания 4:
- Реализовать поиск по префиксу
- Реализовать поиск по wildcard с помощью k-gram
Deadline: 10 ноября
Задание 4
Взяв за основу индекс из задания 4:
- Для каждого документа задать дополнительно атрибут даты и искать по диапазону дат, а так же по булевым формулам, содержащим условия на диапазоны дат
- Пусть у документа присутствуют две даты: начала и окончания жизни (последняя может быть не задана). Реализовать поиск документов,
- валидных в диапазоне дат
- появившихся в диапазоне дат
Deadline: 17 ноября
Задание 5
Построить позиционный индекс, что позволит выполнять фразовый поиск по документам.
Deadline: 24 ноября
Задание 6
Реализуйте FM-index для поиска по подстроке и тесты к нему.
Deadline: 1 декабря
Задание 7
Построить индекс, что позволит давать ранжированные результаты
- по TF-IDF
- согласно модели векторного пространства
- реализовать эффективное Inexact top K ранжирование
Deadline: 8 декабря
Задание 8
Построить индекс для dense vector (similarity) search, используя BERT для получения эмбеддингов
- используя Faiss для поиска
- понижая размерность самостоятельно (randomized PCA, LSH, кластеризация, etc)
Deadline: 15 декабря
Задание 9
Реализуйте k-d tree и бенчмарк для поиска точки в k-мерном пространстве. Покажите, как меняется скорость поиска с ростом параметра k.
Deadline: 22 декабря
Литература
- Petrov, A. (2019). Database Internals: A deep dive into how distributed data systems work.
- Luo, C., & Carey, M. J. (2020). LSM-based storage techniques: a survey.
- Schütze, H., Manning, C. D., & Raghavan, P. (2008). Introduction to information retrieval.
- Lemire, D., Ssi‐Yan‐Kai, G., & Kaser, O. (2016). Consistently faster and smaller compressed bitmaps with roaring.
- Grabowski, S., Raniszewski, M., & Deorowicz, S. (2017). FM-index for Dummies.
- Navarro, G., & Mäkinen, V. (2007). Compressed full-text indexes.
