918

Рисунок 1. Зерновые культуры

Зерно является сырьем для производства основного вида продукта питания

– хлеба. Наряду с этим, наша страна является одним из мировых лидеров по экспорту зерна. В последние десятилетия отмечается развитие тепличных хозяйств, выращивающих овощи в условиях закрытого грунта. Все больше внимания в в

условиях импортозамещения уделяется семеноводству, развитию сортоиспытательных станций и лабораторий.

Основным направлением отрасли животноводства на сельскохозяйственных предприятиях Пермского края является производство молока и содержание основного стада молочного направления (рисунок 2).

Рисунок 2. Корова из основного стада молочного направления

Индустриальное производство нацелено на производство мяса птицы и яйца, свинины (свинокомплекс) и говядины (откормочный комплекс). В Пермском крае имеются племенные хозяйства, занимающиеся выращиванием племенных животных. Несомненно, что развитие отрасли животноводства на сельскохозяйственных предприятиях предполагает обновление поголовья животных, приобретение высокопродуктивных породистых животных.

221

Отметим, что элитные семена и высокопродуктивные животные – это дорогое удовольствие для сельскохозяйственного предприятия (рисунок 3).

Рисунок 3. Направления господдержки в сельском хозяйстве

Программы развития аграрного производства включают в себя различные направления государственной поддержки агробизнеса. Для финансирования Программы предусмотрены гранты, субсидии и дотации на развитие отраслей сельского хозяйства в условиях импортозамещения.

Литература

1. Воронина Н.П. Производство и экспорт органической продукции как стратегическая задача российского государства // Аграрное и земельное право. – 2019. - № 6. – С. 34 – 38.

2.Газимагомедова П.К. Методологическое исследование функционирования продовольственного обеспечения региона // Продовольственная политика и безопасность. – 2018. – № 1. – С. 17 – 25.

3.Донская О.А. Стратегический подход к зонированию внутреннего рынка молока в России// Мировые научно-технологические тенденции социально-экономического развития АПК и сельских территорий / Волгоградский государственный аграрный университет, - Волгоград, 2018.

–Т.3. – С. 50 – 56.

4.Brankov T. и др. Loong-Term Trends In Food Consumption: Comparison Between Serbia And Greece /Brankov T., Markopoulos T., Kontakos S. // Economics of Agriculture. – 2019. – № 4. – С. 975 – 988.

222

УДК 664.61

Е.В. Сырвачева – обучающаяся; Ф.З. Мичурина – научный руководитель, д-р геогр. наук, профессор,

ФГБОУ ВО Пермский ГАТУ, г. Пермь, Россия

СОВРЕМЕННОЕ СОСТОЯНИЕ РЫНКА ХЛЕБОПЕЧЕНИЯ РОССИИ

Аннотация. В данной статье рассмотрено современное состояние российского рынка хлебопечения, оценена значимость хлебопекарной отрасли для России, а также выявлены причины снижения объемов производства и повышения потребительских цен за последние годы. Представлены основные тенденции на рынке хлебопечения.

Ключевые слова: хлеб, хлебобулочное изделие, Россия, пекарня, рост цен, тенденция.

На сегодняшний день, в условиях непростой обстановки в мире, вызванной последствиями финансового кризиса и санкциями по отношению к России, хлебопекарная отрасль призвана гарантировать продовольственную сохранность страны, снабжая население необходимым количеством хлеба и хлебобулочной продукции хорошего качества.

Хлебопекарная промышленность является одной из ведущих отраслей пищевой промышленности России. Хлеб является уникальным пищевым продуктом, содержащим практически все компоненты, необходимые для поддержания жизнедеятельности и здоровья человека. Хлебобулочные изделия традиционно являются незаменимым продуктом, входящим в ежедневный рацион питания россиян 1 .

Согласно сведениям Росстата, в России действует около 1000 современных хлебопекарных предприятий. Лидером отрасли является петербургское предприятие «Фацер», которое несмотря на снижение выручки на 34,9% в 2020 году удерживает лидирующую позицию на рынке с объемом выручки 10,2 млрд. руб.

В настоящее время сегментация хлебопекарной отрасли выглядит следующим образом: крупные хлебозаводы производят примерно 71% от общего объёма, пекарни в супермаркетах – 14%, небольшие пекарни – 12% и прочие – 3%. [2]

Рисунок 1. Объемы производства хлеба и хлебобулочных изделий в России, млн. т. [4]

223

На сегодняшний день наблюдается тенденция снижения объемов производства хлеба и хлебобулочных изделий (рисунок 1).

Объём производства хлеба и хлебобулочных изделий в 2021 году составил 6,1 млн. т., по сравнению с 2017 годом объём производства сократился примерно на 0,4 млн. т.

Существует несколько причин отрицательной динамики:

1. снизился уровень нестабильности, и население адаптировалось к кризису; 2. увеличилось количество людей, которые придерживаются здорового питания и сокращают потребление хлеба;

3. снижается доверие потребителей к качеству продукции.

Последняя причина объясняется тем, что в тяжелой экономической ситуации производители стараются снизить стоимость готового изделия и зачастую пренебрегают качеством, при этом продукция теряет свои вкусовые качества и быстро сохнет. В результате потребитель, столкнувшись с некачественными продуктами, старается покупать меньше, чем раньше.

По данным агентства GFK, в 2021 году продажи в сегменте хлебобулочных изделий снизились по сравнению с предыдущим годом. При этом падение наблюдается во всех категориях хлебобулочных изделий за исключением хлебцев, что косвенно подтверждает тренд выпекания хлеба дома. Самое значимое падение было в категории «сдоба сладкая», в которой из-за повышения цен уменьшились и частота, и объем покупки. [3]

На рисунке 2 представлены средние цены на хлеб и хлебобулочную продукцию в России.

Рисунок 2. Средние потребительские цены на хлеб

ихлебобулочную продукцию, руб./кг. [4]

В2021 году средняя цена на хлебобулочные изделия составила 62,27 руб./кг., по сравнению с 2017 годом цена выросла примерно на 28 %.

На росте цен сказывается увеличение цен на сырье, тарифы на электроэнергию и другие услуги ЖКХ.

224

На российском рынке хлебопекарной продукции в настоящее время сложились следующие основные тенденции:

-снижение объёмов производства хлебобулочных изделий;

-снижение объемов потребления традиционных изделий;

-рост потребления европейских хлебобулочных изделий (чиабатта, багеты, рустикальный хлеб);

-увеличение потребления тостовых сортов хлеба;

-расширение ассортимента заварных хлебобулочных изделий.

Эксперты считают, что в течение пяти лет произойдет более четкая сегментация рынка, в результате которой в нижнем ценовом сегменте останутся так называемые традиционные виды хлеба с одновременным ростом премиального сегмента - брендированного хлеба и хлеба только из натуральных ингредиентов. При этом ожидается, что доля нижнего сегмента продолжит сокращаться, а премиальный будет активно формироваться.

Литература

1.Панищенко М. И., Губарьков С. В. Развитие хлебопекарной промышленности в России и

еесовременное состояние // Экономика и менеджмент инновационных технологий. 2016. № 6.

2.Старкова О.Я. Бюджетная поддержка развития сельского хозяйства. Сборник научный трудов по материалам II международной научно-практической конференции 31 августа 2016г «Современные научные исследования в области финансов, денежного обращение и кредитных отношений», НОО «Профессиональная наука».-2016.-с.38-42.

3.Краус, С.В. Современное состояние хлебопекарной отрасли России [Текст] [Электронный ресурс] - Режим доступа: URL: http://www.khlebprod.ru/186-zhurnaly-2016/1-16/2036- sovremennoe-sostoyanie-khlebopekarnoj-otrasli-rossii

4.Федеральная служба государственной статистики [Электронный ресурс]. – Режим доступа: http://www.gks.ru/ (дата обращения: 05.09.2022).

225

ИНФОРМАЦИОННЫЕ СИСТЕМЫ И ТЕЛЕКОММУНИКАЦИИ

УДК 004.6

С.К. Арсланов – обучающийся, О.А. Зорин – научный руководитель, доцент,

ФГБОУ ВО Пермский ГАТУ, г. Пермь, Россия

ВИЗУАЛИЗАЦИЯ МЕТРИЧЕСКИХ ДАННЫХ ПРИ ПОМОЩИ ПЛАТФОРМЫ

GRAFANA

Аннотация. В статье описан процесс внедрения платформы Grafana в систему мониторинга и сбора данных Prometheus для визуализации метрических данных. Произведен анализ аналогичных платформ. Выявлена лучшая платформа для визуализации метрических данных. Показан результат работы платформы

Grafana.

Ключевые слова: Grafana, Prometheus, метрические данные, визуализация, мониторинг.

Постановка проблемы. Ежедневно на сервер Prometheus в компании ООО

«Биллинговые системы» поступает огромное количество данных от клиентов компании, при совершении любой транзакции.

Для удобного и быстрого использования данных по платежам клиентов, сотрудникам технической поддержки необходимо визуально наблюдать за различными показателями платежей в режиме реального времени.

Входе анализа данных, поступающих на сервер Prometheus, была выявлена проблема визуализации этих данных. Проблема заключалась в длительном поиске необходимой информации на сервере Prometheus и трудность ее прочтения.

Материалы и методы. Для визуализации данных были рассмотрены следующие инструменты для средств мониторинга:

•Cacti;

•Ganglia;

•Collectd;

•Graphite;

•Zabbix;

•Nagios;

•Icinga.

Вышеперечисленные компоненты достойны внимания. Но все они являются устаревшими, хотя все еще поддерживаются, но очень слабо развиваются и имеют устаревший интерфейс.

Вбольшинстве из них используются sql-базы данных, что является не оптимальным для хранения метрических данных. Это кажется универсальным, но с другой стороны — таки базы данных создают большую нагрузку на диски. При этом размерность данных велика.

Именно поэтому выбор для визуализации данных был сделан в сторону более современных средств мониторинга, а именно: NetData, InfluxDb, Grafana, Telegraph.

Результаты исследований. По результатам исследований всех четырех средств для мониторинга, наиболее результативными показателями обладает платформа Grafana.

226

Grafana представляет собой открытый веб-интерфейс к различным темпо-

ральным СУБД, таким, как Graphite, InfluxDB, и, конечно, Prometheus. Grafana

строит графики, используя информацию из сервера Prometheus. Несмотря на то, что у Prometheus есть собственный веб-интерфейс для мониторинга, лучше всего использовать средство для мониторинга Grafana.

На рисунке 1 изображен пример информации, поступающей на сервер Prometheus и отображаемой при помощи встроенного интерфейса для мониторин-

га в системе Prometheus.

Рисунок 1. Визуализация данных при помощи встроенного интерфейса мониторинга Prometheus

На рисунке 2 изображен пример информации, поступающей на сервер Prometheus и отображаемой при помощи средства мониторинга Grafana.

Рисунок 2. Визуализация данных при помощи использования системы мониторинга Grafana

Выводы. В ходе научно-исследовательской работы была отобрана литература и электронные ресурсы, для анализа и сбора информации. Все источники подходят специфике проблемы. Помимо отбора литературы и ее анализа был проведен анализ работы платформы Prometheus и нескольких систем мониторинга, в ходе которого удалось выявить наиболее подходящую связку программ, а именно Prometheus и Grafana. Благодаря системе мониторинга Grafana можно легко и доступно получать необходимые данные с сервера Prometheus и наблюдать за изменениями каких-либо показателей в режиме реального времени.

Литература

1.Диомидис Спинеллис. Идеальная архитектура. Ведущие специалисты о красоте программных архитектур / Спинеллис Диомидис, Гусиос Георгиос. – Москва : Символ, 2010. – 528 с.

–URL: https://www.litres.ru/georgios-gusios/idealnaya-arhitektura-veduschie-specialisty-o-krasote- programmnyh-arhitektur-24500662/ (дата обращения: 25.09.2022). – Режим доступа: для авторизированных пользователей

2.Джин Желязны. Говори на языке диаграмм. Пособие по визуальным коммуникациям /

Желязны Джин. – Москва : Манн, 2016. – 304 с. – URL: https://www.litres.ru/dzhin-zhelyazny/govori- na-yazyke-diagramm/ (дата обращения: 25.09.2022) – ISBN 9785001002628

3.Graphite : сайт. – URL: http://graphiteapp.org/ (дата обращения: 25.09.2022)

4.InfluxDB : сайт. – URL: https://www.influxdata.com/ (дата обращения: 25.09.2022)

5.Grafana Labs : сайт. – URL: https://grafana.com/ (дата обращения: 25.09.2022)

6.Prometheus : сайт. – URL: https://prometheus.io/ (дата обращения: 25.09.2022)

227

УДК 004.051

Е.Н. Буторин – обучающийся 4 курса; И. С. Шевчук – научный руководитель, старший преподаватель,

ФГБОУ ВО Пермский ГАТУ, г. Пермь, Россия

ВЫБОР ЯЗЫКА ПРОГРАММИРОВАНИЯ ДЛЯ РАЗРАБОТКИ ТОРГОВОГО РОБОТА

Аннотация. Статья посвящена сравнительному анализу языков программирования на предмет большей предпочтительности для написания торгового робота под крипто-биржу. Рассмотрение проходит с позиций оценки производительности и безопасности написанного кода, простоты разработки.

Ключевые слова: языки программирования, крипто-биржа, Java, Rust, С#,

С++, Ada, Python.

С развитием рыночной экономикой, повышением накоплений и финансовой грамотности населения начался рост интереса населения к частному инвестированию на финансовых ранках.

Так прирост количества физических лиц на Московской бирже в 2016 году составлял 9.8%, в 2018 г. - 49.2%, в 2019 – 97.4% а в 2020 – 127.7 %.

При этом стоит отметить развитие информационных технологий коснулось и сферы торговли на финансовых рынках. Так количество активов под управлением торговыми роботами на глобальном рынке с 2016 года по 2020 год выросло с $200 млрд. до $3,7 трлн. При этом ожидается, что к 2025 г. Данная цифра достигнет показателя в $16 трлн [1].

Создание торгового робота представляет научный и практический интерес. Процесс создания любого программного обеспечения начинается с выбора языка программирования. Стоит понимать, что при выборе языка необходимо

учитывать параметры торговой стратегии, необходимую производительность, модульность, методологию разработки и требования к отказоустойчивости. Разобрав основные компоненты алгоритмической торговой системы можно определить особенности ее использования, необходимый инструментальный и технологический аппарат и, следовательно, выбрать язык программирования, наиболее удовлетворяющий рассматриваемые требования.

Основными элементами алгоритмической торговой системы являются – оптимизатор портфолио, риск-менеджер, торговый движок. Так же имеют значения и особенности различных торговых стратегий, так как выбор какой-либо из них влияет на разработку всей системы (частота и объем торговли).

Одним из важных элементов торговой системы является оптимизатор портфолио его задача заключается в том, чтобы фиксировать группу потенциально выгодных сделок и совершать те из них, которые принесут наибольшую выгоду. Это достигается посредством анализа множества показателей (волатильность,

228

класс актива и сектор рынка). Исходя из этого происходит распределение средств по разнообразным биржевым инструментам.

Проектирование оптимизатора портфолио реализуется посредством выражений линейной алгебры (вроде матричной факторизации). Соответственно, производительность работы механизма во многом зависит от эффективности реализации инструментария линейной алгебры.

В качестве популярных библиотек, можно выделить LAPACK, uBLAS и NAG для C++, NumPy/SciPy для Python, EJML, Apache Commons Math, la4j для

Java. Для того, чтобы система могла поддерживать сбалансированное и верифицированное портфолио необходимо использовать библиотеку, позволяющую эффективно работать с матричными системами. К таким библиотекам можно отве-

сти NumPy для Python и EJML(Efficient Java Matrix Library) для Java.

Еще одна крайне важная часть любой алгоритмической торговой системы

— это модуль риск-менеджмента, который посредством статического анализа прогнозирует риски получения убытков (повышенная волатильность, увеличенные корреляции между классами активов и т.п.). В вычислениях подобного рода, как правило, используется параллелизм. Кроме того, наращивание производительности может достигаться посредством дополнительных вычислительных мощностей. Инструменты многопоточного, асинхронного и реактивного программирования представлены на сегодняшний день в большинстве высокоуровневых языков.

Не меньшую важность для алгоритмической торговли представляет и торговый движок. Он осуществляет генерацию и отправление в брокерскую торговую систему распоряжений по совершению сделок на основании сигналов, получаемых от модулей конструктора портфолио и риск-менеджмента. Важнейшим показателем работы торгового движка является частота совершения торговых операций.

Робот может посылать сотни приказов в минуту. Поэтому производительность системы крайне важна. Если система реализована плохо, то неизбежно возникновение проскальзывания между ценой, когда приказ должен был быть выставлен и ценой на момент фактического выставления. Это может драматическим образом сказать на доходности.

Производительность языков программирования зависит от ряда обстоятельств – поддерживает язык динамическую или статическую типизацию, каким образом происходит уничтожение неиспользуемых объектов (реализован ли автоматический garbage collection) и многими другими.

С целью выявления наиболее приемлемого для разработки торгового робота языка можно сравнить ряд наиболее быстрых, энергоэффективных, а также наименее требовательных к памяти языков. При этом необходимо учитывать также сложность написания и поддержки кода, так как чем сложнее язык, тем больше вероятность допущения ошибок, что в финансовой сфере неминуемо повлечет убытки.

229

Одним из самых быстрых языков является язык С. Коды выполняемый на С за 1 секунду будет выполняться на Rust за 1.04, на С++ за 1.56, на Ada за 1.85, на Java за 1.89, на C# за 3.14, на Python вообще за 71.90 секунды[2].

Скорость языка С обуславливается его простотой (с технической, а не с синтаксической точки зрения) и близостью к языку ассемблера. В C многие инструкции напрямую сопоставляются с инструкциями по сборке. Но экстремальная скорость языка C достигается за счет снижения безопасности. Известно, что C имеет наибольшее количество уязвимостей среди популярных языков. Он выполняет небезопасные инструкции без перекрестной проверки.

Язык С++ является потомком языка С. Он так же достаточно быстр в использовании. Кроме того, он содержит достаточно неплохой набор стандартных библиотек. Однако, он по-прежнему остается достаточно не безлопастным и сложным в написании в связи с отсутствием garbage collection.

Такие языки как Java, С# и Python содержат сборщики мусора, что негативно сказывается на скорости работы языка, но значительно упрощает стоимость, и скорость разработки, а также надежность работы программы.

Стоит отметить, что C # и java, медленнее С еще и в связи с прохождением большого количества этапов компиляции. Так в Java исходный код сначала преобразуется компилятором в байт-код, затем java вызывает интерпретатор Java, известный как виртуальная машина Java. Затем загрузчик классов загружает байткод в ОС. Затем средство проверки байт-кода Java проверяет байт-код на наличие проблем с безопасностью. И наконец, механизм выполнения преобразует байтовый код в машинный код.

Кроме того, Ada, C, C++, C#, Java являются статически типизированными языками. Проверка типов в процессе компиляции избавляет код от большого количества ошибок.

Отдельно стоит отметить Rust. Это многопарадигмальный язык высокого уровня, разработанный для обеспечения производительности и безопасности.

Скорость работы Rust обусловлена отсутствием среды выполнения или сборщика мусора. Кроме того, его можно назвать одним из самых надежных языков программирования за счет высоких требований к написанному коду проверяемых при компиляции. Основным минусом данного языка программирования яв-

230