KyaServer Monorepo

Главный репозиторий для управления несколькими проектами: основное приложение (Main), Docker контейнеры и документация.

Паттерны

https://www.javadeploy.com/java-beans/module5/design-pattern-types.jsp

https://www.oreilly.com/library/view/java-enterprise-best/0596003846/ch02s01s04.html

https://www.oreilly.com/library/view/design-patterns-elements/0201633612/fm.html

Cursor

https://forum.cursor.com/

Obsidian

https://docs.obsidian.md/Plugins/User+interface/Status+bar

Cursor, Perplexity https://linear.app/kyamovvm/project/kyaserver-monorepo-fd8e309de16d

Структура

kyaserver/
├── .cursor/              # Конфигурация и документация для Cursor
├── main-project/         # Git submodule → Main (основное приложение)
│   └── Japanese game/    # Игровой проект
├── wiki/                 # Git submodule → Main.wiki (документация)
├── docker-projects/      # Docker контейнеры и примеры
│   ├── bindmount-app/    # Приложение с bind mount
│   ├── getting-started-app/  # Учебное приложение
│   └── multi-container-app/  # Мульти-контейнерное приложение
├── tests/                # Тесты корневого уровня
├── compose.yaml          # Docker Compose конфигурация
├── Dockerfile            # Docker образ для основного приложения
└── package.json          # Зависимости корневого уровня
└── JP                    # Японский словарь и обучение
│   ├── agile/            # Agile система обучения (спринты, прогресс, трекинг)
│   │   ├── sprints/      # Спринты (текущий и архив)
│   │   ├── scripts/      # Скрипты автоматизации
│   │   ├── progress.md   # Общий прогресс
│   │   ├── kanban.md     # Доска задач
│   │   └── weekly-review.md # Еженедельные обзоры
│   └── Books/            # Книги для обучения на японском языке
└── EN                    # Английский словарь и обучение

Быстрый старт

1. Клонирование с submodules

git clone http://192.168.0.104:3000/KyaMovVM/kyaserver.git
cd kyaserver
git submodule update --init --recursive

2. Установка зависимостей

Корневые зависимости (для тестов):

npm install

Для каждого Docker проекта отдельно (если нужно):

cd docker-projects/bindmount-app
npm install

Для основного приложения (Main):

cd main-project
# Смотрите README там

Тестирование

npm test                    # Запустить корневые тесты
npm run test -- __tests__/novel.test.js  # Конкретный тест

Развертывание

# Запустить все контейнеры
docker-compose up -d

# Запустить specific сервис
docker-compose up -d bindmount-app

Git управление

Обновление submodules

# Обновить все submodules
git submodule update --remote

# Обновить конкретный submodule
cd main-project
git pull origin main
cd ..
git add main-project
git commit -m "Update main-project"

Добавление изменений

# Добавить изменения в этом репозитории
git add .
git commit -m "Description"
git push

# Изменения в submodule требуют отдельного push
cd main-project
git add .
git commit -m "Description"
git push
cd ..

Репозитории на Gitea

• Main: http://192.168.0.104:3000/KyaMovVM/Main
• Main.wiki: http://192.168.0.104:3000/KyaMovVM/Main.wiki
• Kyaserver: http://192.168.0.104:3000/KyaMovVM/kyaserver

Конфликты package.json

Каждый Docker проект имеет собственный package.json для своих зависимостей:

• Корневой package.json → только тесты и скрипты корневого уровня
• docker-projects/*/package.json → зависимости контейнеров
• main-project/package.json → зависимости основного приложения

Это предотвращает конфликты версий между проектами.

📚 Документация

Структура документации

Документация проекта состоит из нескольких частей:

1. README.md (этот файл) — быстрый старт и основные команды
2. .cursor/CURSOR.md — подробное руководство для работы с Cursor AI, архитектура проекта и лучшие практики
3. wiki/ (Git submodule) — техническая документация в формате Markdown
4. CURSOR_EXTENSIONS_RECOMMENDATIONS.md — рекомендации по расширениям для Cursor IDE
5. JP/agile/ — Agile система обучения японскому языку (спринты, прогресс, трекинг)

Обучение японскому языку

Проект включает Agile систему для изучения японского языка с учётом ограниченного времени (40+ часов работы в неделю).

Быстрый старт:

cd JP/agile
# См. QUICK_START.md для подробностей

Основные компоненты:

• Спринты (2 недели) - планирование и отслеживание прогресса
• Трекинг слов/кандзи - JSON файлы для автоматизации
• JS Game интеграция - иммерсивная практика через визуальную новеллу
• Скрипты - автоматизация добавления слов/кандзи и обновления прогресса

Цели:

• 1500 слов (N5-N4 + SSW ресторанный словарь)
• 300 кандзи (N5-N4)
• JFT-Basic 200+ (A2 уровень) - основной языковой тест (онлайн, проще JLPT)
• SSW Skills Test готовность (45 вопросов, 70 минут)

См. JP/agile/README.md и JP/agile/QUICK_START.md для подробностей.

Ведение документации

Обновление README.md

• README.md содержит общую информацию о проекте
• Обновляйте при изменении структуры проекта, добавлении новых команд или зависимостей
• Используйте понятные заголовки и структурированные списки

Обновление .cursor/CURSOR.md

• Основной файл документации для Cursor AI
• Обновляйте при значительных изменениях в архитектуре проекта
• Включайте информацию о новых технологиях, паттернах и практиках
• Добавляйте примеры частых задач и их решения

Работа с wiki (Git submodule)

Wiki находится в отдельном репозитории (Main.wiki) и подключена как Git submodule.

Создание новой статьи:

cd wiki
# Создайте новый файл .md
# Используйте понятные имена в формате kebab-case (например: new-article.md)
# Добавьте ссылку в Home.md или соответствующем разделе

Редактирование существующей статьи:

cd wiki
# Отредактируйте нужный .md файл
git add .
git commit -m "Update documentation: описание изменений"
git push
cd ..
# Обновите ссылку на submodule в основном репозитории (если нужно)
git add wiki
git commit -m "Update wiki submodule"
git push

Рекомендации по форматированию:

• Используйте стандартный Markdown синтаксис
• Заголовки: # для H1, ## для H2, ### для H3
• Списки: - для маркированных, 1. для нумерованных
• Код: `inline code` для фрагментов, тройные кавычки для блоков кода с указанием языка
• Внутренние ссылки: [[filename.md]] (если используется Obsidian) или [текст](filename.md)
• Изображения: храните в wiki/ и ссылайтесь как ![alt](image.png)

Структура wiki:

• Home.md — главная страница вики (точка входа)
• 1-overview.md, 2-build.md, и т.д. — нумерованные разделы документации
• Специализированные файлы: idea-submodule.md, test-node.md, dev-containers.md и т.д.

Обновление CURSOR_EXTENSIONS_RECOMMENDATIONS.md

• Обновляйте при изменении технологического стека проекта
• Добавляйте/удаляйте рекомендации по расширениям при добавлении новых технологий
• Включайте информацию о настройках и конфигурации расширений

Лучшие практики

1. Актуальность: Регулярно обновляйте документацию при изменении проекта
2. Ясность: Пишите понятно, используйте примеры и код
3. Структура: Организуйте документацию логично, используйте оглавления
4. Коммиты: Делайте отдельные коммиты для документации с понятными сообщениями
5. Согласованность: Используйте единый стиль форматирования во всех файлах

Полезные ссылки

• Gitea репозиторий wiki: http://192.168.0.104:3000/KyaMovVM/Main.wiki
• Подробное руководство для Cursor: .cursor/CURSOR.md

CUDA Python — Key Libraries and Tools

CUDA Python экосистема для GPU-вычислений. Требуется система с CUDA-capable GPU и установленный NVIDIA CUDA Toolkit. Библиотеки устанавливаются через pip или conda.

Модель исполнения CUDA

Иерархия не менялась с момента появления CUDA:

Grid (вся задача)
 └── Block (группа потоков, общая shared memory)
      └── Warp (32 потока, исполняются одновременно на SM)
           └── Thread (минимальная единица исполнения)

Современные Python-библиотеки абстрагируют эту модель: ты работаешь с массивами и операциями, а библиотека сама определяет grid/block конфигурацию. Ручное управление потоками и блоками нужно только при написании кастомных ядер через Numba или PyCUDA.

Основные библиотеки

Библиотека	Уровень	Назначение
NVIDIA CUDA Python	Низкий	Python-биндинги для CUDA Driver и Runtime API. Прямой доступ к CUDA host API.
PyCUDA	Низкий	Питонический доступ к CUDA API с C++ слоем. Написание raw CUDA-ядер на C внутри Python.
Numba	Средний	JIT-компилятор. Декоратор @cuda.jit для написания CUDA-ядер на чистом Python. Ты всё ещё оперируешь threadIdx, blockIdx, но без C/C++.
CuPy	Высокий	Drop-in замена NumPy/SciPy на GPU. cupy.array вместо numpy.array — остальной код без изменений.
Warp (NVIDIA)	Высокий	Python-фреймворк для GPU-симуляций и пространственных вычислений. JIT-компиляция ядер из Python.

RAPIDS — GPU Data Science Ecosystem

Библиотека	Назначение
cuDF	GPU DataFrame, pandas accelerator mode. DataFrame-операции на GPU без изменения кода.
cuML	GPU-ускоренный scikit-learn: регрессия, кластеризация, PCA, UMAP, t-SNE и др.
cuGraph	Графовая аналитика на GPU: PageRank, Louvain, BFS, SSSP.
cuSpatial	Геопространственные операции на GPU.
kvikIO	Высокопроизводительный GPU-direct I/O (GDS).
RAPIDS RAFT	Низкоуровневые GPU-примитивы для ML: k-NN, матричные операции, кластеризация.

Deep Learning и LLM

Библиотека	Назначение
PyTorch (CUDA backend)	Основной фреймворк для DL. tensor.to('cuda') — прозрачный перенос на GPU.
Triton (OpenAI)	Язык и компилятор для GPU-ядер. Проще чем CUDA C, мощнее чем CuPy. Используется в PyTorch 2.0 (torch.compile).
vLLM	Высокопроизводительный LLM inference сервер с PagedAttention.
TensorRT	Оптимизация и inference нейросетей. Квантизация, fusion слоёв.
NVIDIA NeMo	Фреймворк для обучения и fine-tuning LLM, ASR, TTS.
Transformer Engine	FP8 обучение трансформеров на Hopper GPU.

Установка

# Основные библиотеки
pip install cuda-python numba cupy-cuda12x pycuda

# RAPIDS (CUDA 12)
pip install cudf-cu12 cuml-cu12 cugraph-cu12
# или через conda (рекомендуется для RAPIDS):
conda install -c rapidsai -c conda-forge -c nvidia rapids=25.02 python=3.12 cuda-version=12.8

# Deep Learning
pip install torch --index-url https://download.pytorch.org/whl/cu124
pip install triton vllm

# NVIDIA Warp
pip install warp-lang

Ресурсы для обучения

Официальные курсы и документация:

• NVIDIA DLI — Fundamentals of Accelerated Computing with CUDA Python — бесплатный курс от NVIDIA (Numba)
• NVIDIA CUDA Python Programming Guide — официальная документация
• RAPIDS Getting Started — быстрый старт в GPU Data Science
• Numba CUDA Documentation — руководство по написанию CUDA-ядер на Python
• CuPy User Guide — миграция с NumPy на GPU

Книги:

• "Programming Massively Parallel Processors" (Hwu, Kirk, El Hajj, 4th ed. 2022) — основы GPU-архитектуры и CUDA
• "CUDA by Example" (Sanders, Kandrot) — практическое введение
• "Learning Ray" (Zhu et al., O'Reilly 2023) — распределённые GPU-вычисления

Практика и туториалы:

• NVIDIA Launchpad — бесплатные GPU-лаборатории в облаке
• Google Colab — бесплатный доступ к GPU (T4), можно тестировать CuPy/Numba/PyTorch
• Triton Tutorials — написание GPU-ядер на Triton (актуально для PyTorch internals)
• CuPy Examples — примеры миграции NumPy → GPU
• RAPIDS Notebooks — Jupyter-ноутбуки с примерами cuDF, cuML, cuGraph

Лицензия

none

Ignore my old sister (First github)

https://github.com/VMYuki/web https://gist.github.com/VMYuki/eb4bf230b47a6aba9022bebc8c160690