Расписание

Разберем и сравним актуальные алгоритмы сборки мусора в Java и Go.

Посмотрим, как заменить ENV'ы на более безопасные механизмы получения секретов.

Доклад об эволюции метастора S3-совместимого хранилища на миллиарды объектов, архитектурные паттерны и ошибки на пути. Как эффективно выполняются фоновые операции и сбор статистики.

Покажу Nullaway — крайне умный статический анализатор nullability.

Spring Boot-стартер — это не только @AutoConfiguration. Разберем, как не устроить хаос в экосистеме.

Расскажем, как мы построили надежный и предсказуемый request/reply-механизм поверх Kafka, используя только штатную функциональность клиента и брокера.

Как внедрить нативный движок на Rust в Java-приложение через Project Panama (FFI). Практика и подводные камни.

Смотрим все последние фичи: от AOT-репозиториев и композитных ключей до Single Query Loading, говорим о мечтах, связанных со Scrolling API, и о проблемах в реализации всех этих фич.

Обсудим, что такое корутины в чистом Kotlin (без дополнительных библиотек!), и в качестве самого наглядного примера построим с помощью них свою функцию iterator { ... } из стандартной библиотеки Kotlin.

Доклад про AI-копилоты и IntelliJ IDEA: заглянем под капот популярных агентов и увидим, как классические механизмы IDEA (AST, PSI, индексы) усиливают LLM. В стыке проверенных IDE API и ИИ рождается польза — слушатели узнают, как это связать на практике.

Когда интуиция подводит, а логи молчат, разработчику на Spring Boot остается только гадать. Время гаданий прошло. Встречайте Axelix — опенсорс-«разведчик» внутри экосистемы. Он наблюдает ваши инстансы Spring Boot и строит интерактивную карту приложений в реальном времени.

Все мы уже давно живем в мире, где распределенные системы стали нормой. А умение их проектировать — необходимостью.

На примере реальной задачи из жизни финтеха:

1. Обсудим, как реализовать гарантии доставки, в том числе exactly-once delivery (спойлер: это возможно, но не всегда).
2. Выясним, как обрабатывать сообщения в нужном порядке.

Мы хотим рассказать о каждом этапе возрастания нагрузки и довести сервис до ситуации, в которой типовых решений уже нет.

Что может быть неприятней, чем отказы и сбой вашего Java-сервиса в продакшене? Базовый мониторинг и умение разрабатывать метрики для Spring Boot-микросервисов будут вашими верными помощниками в непростом расследовании инцидентов. Но знаете ли вы, как разрабатывать свои метрики и конструировать для них дашборды в Grafana?

Разберем, почему Spring MVC-сервис может зависать при низком CPU: очередь копится не в процессоре, а в пулах Tomcat/Hikari/HTTP и в ожидании внешних зависимостей. Вы уйдете с минимальным набором метрик (RED+USE), коротким плейбуком диагностики и практическими фиксами: таймауты, bulkhead/лимиты, согласование пулов и алерты по сатурации.

Покажу разные реализации Outbox.

Надоело ревьюить код? Подключи ИИ! Но не удивляйся, если он начнет спамить. 

От провального пилота до production-агента: как мы создали систему автоматического ревью кода на Spring AI. Покажу, почему самый искушенный prompt engineering — не выход, как архитектура и ограничения делают ИИ «умнее» и как мы научили бота оставлять только действительно полезные комментарии.

О фреймворке сериализации/десериализации в библиотеке One-nio и его архитектуре. От истоков к поддержке JDK 25: Unsafe, MagicAccessorImpl, Var/MethodHandles.

Не ждите звонка в три часа ночи, чтобы узнать о race condition. Освойте JCStress, Lincheck и Fray раньше, чем это сделают ваши пользователи.

В докладе рассматривается практическая задача масштабирования кодовых агентов — от единичных локальных запусков к массовым экспериментам, воспроизводимой оценке качества и генерации синтетических данных для обучения.

Доклад об оптимизации производительности записи в Apache Cassandra.

Доклад — верхнеуровневый обзор подходов к оптимизациям, которые современные Java-фреймворки используют для ускорения работы на JVM.

Какие советы дают различные ИИ-помощники по улучшению кода.

Доклад о собственном языке для платформы обработки данных и его движке на Java. Как создать такой язык с помощью JetBrains MPS и использовать ее в качестве среды разработки. В докладе будут практические примеры создания языка и реализации его элементов на Java.

С помощью Claude Code мы напишем персональную СУБД, которая не будет уступать по перформансу ведущим решениям.

Почему одна пропущенная скобка иногда ломает всю IDE, а иногда почти ничего не меняет? Разберем, как Java-парсеры восстанавливаются после ошибок, как измерять качество этого восстановления на реальных данных и почему очевидные на первый взгляд метрики могут приводить к неверным выводам.

Мы покажем, как построить приложение для автоматизации написания тестов на стеке Kotlin Multiplatform, Compose и агентного фреймворка Koog.

Мы расскажем, как предоставили агенту данные времени выполнения и что из этого получилось.

Сборщик мусора G1 появился в Java 6 в 2009 году. С тех пор он неоднократно переписывался. Проследим историю его реализации, чтобы понимать его устройство и границы применимости.

Расскажу, как мы устранили серьезный недостаток сериализации библиотекой One Nio: игнорирование кастомных методов, предназначенных для стандартной Java-сериализации.

А также расскажу про устранение одного из ограничений алгоритма сериализации One Nio, что позволило делать это еще быстрее.

Подводим итоги конференции, вспоминаем яркие моменты и рассказываем о дальнейших планах. Приходите в зал или подключайтесь к трансляции, чтобы ничего не пропустить!