惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Apple Machine Learning Research
Apple Machine Learning Research
WordPress大学
WordPress大学
O
OpenAI News
量子位
Last Week in AI
Last Week in AI
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
J
Java Code Geeks
小众软件
小众软件
有赞技术团队
有赞技术团队
V
V2EX
宝玉的分享
宝玉的分享
月光博客
月光博客
腾讯CDC
IT之家
IT之家
博客园 - 【当耐特】
D
Darknet – Hacking Tools, Hacker News & Cyber Security
T
Tenable Blog
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
V
Vulnerabilities – Threatpost
美团技术团队
博客园 - 三生石上(FineUI控件)
博客园_首页
博客园 - Franky
T
Threatpost
阮一峰的网络日志
阮一峰的网络日志
博客园 - 司徒正美
Project Zero
Project Zero
Cyberwarzone
Cyberwarzone
博客园 - 叶小钗
雷峰网
雷峰网
Latest news
Latest news
S
SegmentFault 最新的问题
罗磊的独立博客
Help Net Security
Help Net Security
Hugging Face - Blog
Hugging Face - Blog
Jina AI
Jina AI
P
Proofpoint News Feed
L
LINUX DO - 热门话题
爱范儿
爱范儿
大猫的无限游戏
大猫的无限游戏
酷 壳 – CoolShell
酷 壳 – CoolShell
K
Kaspersky official blog
A
Arctic Wolf
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
G
GRAHAM CLULEY
F
Fortinet All Blogs
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
PCI Perspectives
PCI Perspectives
Security Archives - TechRepublic
Security Archives - TechRepublic

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Сколько памяти нужно для жизни: стресс-тест старого и нового железа
4pykella (Se · 2026-05-01 · via Все публикации подряд на Хабре

Сколько памяти нужно для жизни: стресс-тест старого и нового железа

Время на прочтение6 мин

Охват и читатели5

Не так давно мне попался ноутбук Acer TravelMate B1 TMB118 с 4 ГБ DDR4. Благодаря размеру и маленькому потреблению он идеально подошел под эксплуатацию в виде печатной машинки и простенького редактора кода. 

Но именно этот малыш заставил меня задуматься: на какие уступки можно пойти по памяти, чтобы комфортно выполнять свою работу. В эпоху, когда комплект из 32 ГБ RAM DDR5 стоит в среднем 40 000 рублей, что сопоставимо с ценой бюджетного ноутбука, интересно, насколько можно опустить планку и существовать на современной системе.

Привет, Хабр! Меня зовут Данил, я системный инженер в Selectel и у меня дома скопилось немало «железа» разных поколений, в том числе любезно одолженного моими друзьями. Я решил не ограничиваться одним ноутбуком и превратил эту больную идею в полноценный стресс-тест для разных платформ.

Источник.

Источник.

Условия тестирования

План простой: столкнуть разные поколения железа в одинаковых условиях и посмотреть, кто из них первым начнет тормозить под современным софтом.


Для проверки я выбрал две операционные системы: Windows 10 и Linux Mint. Испытывать их решил на трех поколениях процессоров, которые нашлись под рукой.
Роль современного бюджетника досталась RyzenTM 3 2200g, чуть постарше — Intel® Core® i5 4500, а совсем «древним» участником стал Intel® Core® 2 Duo.

С памятью поступил так: в конфиги с RyzenTM и i5 вставил по одной плашке на 8 ГБ, ниже которой лучше не опускаться. А вот Core® 2 Duo оставил 4 ГБ, набранные четырьмя планками по гигабайту (плашки по 2 ГБ — редкость).

В таком составе я и отправил их в работу, чтобы посмотреть, кто из них первым начнет спотыкаться на элементарных задачах.

Конфигурации тестовых стендов:

Процессор

Память

Диск, GPU

AMD RyzenTM 3 2200G

8 ГБ DDR4 (один канал)

SSD 256 ГБ (SATA, без буфера), видеокарта NVIDIA GTX 1050

Intel® Core® i5 4500

8 ГБ DDR3 (один канал)

Intel® Core® 2 Duo

4 ГБ DDR2 (четыре канала)

Тестовый стенд Intel Core® i5 4500.

Тестовый стенд Intel Core® i5 4500.

Чтобы понять, как менялась скорость памяти от поколения к поколению и как ее объем в принципе влияет на работу с данными, я выбрал два самых популярных теста. 

На Windows 10 это AIDA 64 Cache & Memory Benchmark и PassMark PerformanceTest. По этим данным будет понятна кривая изменения скорости оперативной памяти за поколение и то, как объем влияет на работоспособность с базами данных (хоть и примитивно).

Тесты тестами, но хочется и посмотреть на результаты стендов, что называется, в быту. Так что дополнительно посмотрим, как сборки поведут себя при работе в Google Chrome и Mozilla Firefox. Эти браузеры работают на разных движках, так что должно быть интересно. Такая особенность дает разнообразность: движки по-своему переваривают скрипты, тяжелые сайты и файлы.

Снижаем цены на выделенные серверы в реальном времени

Успейте арендовать со скидкой до 35%, пока лот не ушел другому.

Подробнее →

Прогон

Порядок действий таков: сначала проверить сборки в тестах, потом — «в быту». Результаты тестов станут нашей отправной точкой для проверки стабильности. Если с ними не возникает проблем, то проделаю обычные действия по типу работы в браузере. Для этого я подготовил видео с YouTube и текстовый документ в Google Docs. 

Для сравнения я прогнал те же задачи на своей основной сборке: там стоит 32 ГБ DDR4 в четырехканале с настроенным профилем. Я еще не встречался с пулом бытовых задач, в которых мне не хватало бы памяти. Базой я считаю объем в 16 ГБ, так как уже при 8 ГБ начинаются проблемы при большом объеме вкладок.

Чтобы эксперимент был честным, мне пришлось программно ограничить объем оперативки. Это пришлось сделать, потому что найти нераспянные маленькие объемы RAM либо очень тяжело, либо невозможно. Набрать 1 ГБ DDR4 невозможно без выпаивания чипов.

На Windows 10 это делается через конфигурацию системы (msconfig):

  1. нажимаем Win+R и вводим команду msconfig;

  2. на вкладке Загрузка идем в Дополнительные параметры

  3. ставим галочку на Максимум памяти и вводим желаемое значение в мегабайтах; 

  4. затем нажимаем ОК и Перезагрузить.

С Linux придется повозиться чуть дольше — здесь ресурсы ограничиваются через GRUB.

Сначала открываем параметры загрузки командой sudo nano /etc/default/grub и  редактируем параметры загрузки. Далее прописываем лимит в строке GRUB_CMDLINE_LINUX_DEFAULT="quiet splash mem=2G". После сохраняем файл, обновляем конфигурацию через sudo update-grub и перезагружаем. 

После ребута стенд готов к работе.

Результаты тестирования

Для начала проверил систему в простое и под обычной нагрузкой. При первом на Windows потребление RAM подскочило до 2 ГБ, а затем стабилизировалось на 1,4–1,5. Самое интересное: когда я принудительно снизил оперативную память до 1,5 ГБ, ОС начала скидывать необходимые ресурсы до 0,9 ГБ и при этом нормально функционировала.

Вплоть до этой отметки все три конфигурации уверенно отработали поиск в интернете, видео на YouTube и даже не шибко ругались на количество вкладок. Но как только я перешагнул порог в 1,5 ГБ «вниз», началась жесткая оптимизация: вкладки открывались уже не так резво, хотя критической проблемой это не стало.

Linux Mint ожидаемо оказался проворнее: взаимодействовал с ресурсами и в базе отдал всего 0,9 ГБ. Даже при сжатых лимитах система шикарно справлялась. Плюс у Linux есть бесплатный чит — Chromium. По факту это чуть урезанная версия Chrome, которая ест меньше памяти. 

Это подтолкнуло меня добавить к основной ветке тестов прогон Chromium и Firefox на JetStream 3.0. Chromium, благодаря меньшему функционалу и практически являясь скелетом большинства браузеров, выдает большую производительность. К тому же, более маленький объем оперативной памяти не режет его быстродействие в отличие от Firefox. 

Результаты в JetStream 3.0

Объем памяти

1 ГБ

1,5 ГБ

2 ГБ

4 ГБ

Firefox

51,33

83,46

89,97

96,14

Chromium

110,67

110,65

111,26

149,75

Результаты тестов показали: скорость чтения и записи почти не зависит от объема памяти и гуляет в пределах погрешности. А вот latency (задержка) растет с уменьшением объема. Процессору нужно больше времени на обработку даже первичных запросов. 

В таблицах ниже я свел средние показатели для трех поколений памяти в разных режимах ограничения. Это результаты бенчмарка: здесь учтена не только латентность, но и работа с базами данных, чтение, запись и работа с файлами.

Результаты в PassMark (Memory mark)

Объем

DDR4

DDR3

DDR2

4 ГБ

1 496

1 411

937

3 ГБ

1 487

1 313

866

2 ГБ

1 378

1 298

788

1,5 ГБ

1 101

1 111

598

Интересно, что при снижении объема до 1,5 ГБ показатели DDR3 практически не изменились и даже обошли DDR4. Современная память на таком лимите проседает сильнее: ее результат упал почти на 400 пунктов относительно базовых 4 ГБ. 

Это подтверждает, что свежее железо и софт гораздо чувствительнее к дефициту пространства и при нехватке памяти теряют преимущество в скорости быстрее, чем старые платформы.

Результаты в AIDA 64

Средний показатель

DDR4

DDR3

DDR2

Чтение, МБ/с

19 996,5

10 426,75

6 548

Запись,  

МБ/с

19 570,5

10 543,5

4 855

Копирование,  МБ/с

17 337,25

10 585,75

5 311

задержка, нс

87,5

67,675

91.5

В AIDA 64 разрыв по цифрам колоссальный: по чтению и записи DDR4 почти в два раза обходит DDR3. Но если смотреть на задержки, ситуация меняется: у DDR3 они оказались заметно ниже. В реальной работе это может быть важнее мегабайтов в секунду, так как именно низкая задержка дает системе отзывчивость. 

В условиях дефицита ресурсов старый i5 на DDR3 чувствует себя даже увереннее, чем свежий Ryzen, которому просто не хватает пространства для маневра.

Практическое применение: зачем резать память

Как и любому человеку, кто занимается железом и пытается развиваться в IT, мне нужна надежная база для проверки гипотез, тестов разного софта и ремонта оборудования. 

Мой выбор остается за Linux Mint. Да, он бывает неказистым, и можно найти более производительные дистрибутивы. Но он хорошо отрабатывает свои задачи. В моем «ремонтном рюкзаке» всегда есть SSD с этой ОС. Сейчас же я использую ее как тестовый полигон для перехода некоторых моих знакомых на Linux. Это холиварная тема, но именно с этой системой у меня было меньше всего конфликтов, проблем и недопониманий.

Этот эксперимент показал, что можно еще сильнее ужать свои Linux-образы на виртуальных машинах. В какой-то момент я все же упрусь в предел памяти, но зато буду знать, на что способна ОС при дефиците ресурсов. И это помогает мне настраивать легкие рабочие среды.

Например, просто убрав все анимации, удается уменьшить задержку интерфейса. А если поменять графический системный монитор на консольную утилиту htop, можно сократить потребление ОЗУ на отрисовку красивого интерфейса. 

Если пойти по этому пути дальше, то многие красивые окна можно ужать до базовых утилит — так можно практически полностью перенести работу в терминал, оставив ресурсы только под браузер или IDE.

Вывод стандартной утилиты.

Вывод стандартной утилиты.

Вывод утилиты htop.

Вывод утилиты htop.

Подход «все для удобства» и подход «все для оптимизации» имеют свои последствия. Как мы выяснили, ОЗУ — это первое, что будет страдать. Излишние анимации и красивые интерфейсы не всегда идут на пользу, поэтому даже на своей основной системе я пытаюсь отказаться от эффектов, нового меню и лишних (иногда ненужных) функций в Windows. Если что-то не влияет на работу, а лишь красиво выглядит, то в моей системе это с большей вероятностью будет выключено.

Вывод 

В нашем мире на оптимизацию обращают все меньше и меньше внимания. При должных усилиях, отказа от ненужных функций и оптимизации системы можно выжать базовый минимум. Объем в 16 ГБ даст вам комфорт, но в следующий раз, при переходе на другую платформу помните: для обычной работы вам может хватить и 4 ГБ. 

Остается лишь один вопрос: насколько вы готовы урезать свой комфорт во имя оптимизации? Делитесь своим мнением в комментариях.