IT + Программа

Проект на момент написания этой статьи задействует менее 50% своих ресурсов, оставляя значительный потенциал для расширения. Если у вас нет знакомого программиста, я или Антон всегда готовы вам помочь! С Антоном мы делали этот же проект, но на LwIP (хотя, между нами, моя роль в разработке веб-интерфейса на LwIP была минимальной, не говорите это Антону 😉.

Но, не спешите искать программистов и делать заказы! Если в комментариях будут обоснованные предложения по добавлению новых функций или доработка существующих и под ними будет много лайков, я добавлю/переделаю их бесплатно!

Почему я здесь: Ищу отзывы для улучшения проекта по автоматизации от пользователей (не программистов). Их вопросы и предложения помогут мне улучшить веб. интерфейс, что бы он стал максимально интуитивно понятным. Цель - снизить порог вхождения в автоматизацию и сделать её понятной и доступной.

GitHub для многих скучный сайт, но, с вашей обратной связью я сделаю страничку "Zagotovka - M" более дружелюбной и понятной для людей без опыта программирования. Кликайте на иконки youtube или Rutube ...

Если вы программист frontend или backend или дизайнер буду рад любому сотрудничеству в улучшении проекта. Поскольку результаты проекта доступны бесплатно, маловероятно, что мы сможем на этом заработать! Но, потенциальные преимущества от участия все-таки есть: Опыт работы в open-source проекте!

Всё просто: вкладываем время и знания, взамен получаем опыт работы в open-source. Никаких скрытых обещаний или неясных перспектив. Все как мы любим! :)

Если вам это интересно, и хотите присоединиться, не скрывая удивления, я 🤝 и скажу добро пожаловать в команду, нас будет уже двое! 😉

Если вы электрик, но не уверены в своих навыках автоматизации начните с простых проектов:

1. Соберите 'конструктор' "Заготовка-M".

2. Начните с автоматизации простых вещей:

   • Освещение аквариума, подогрев и поддержание заданной температуры воды или т.п.

3. После перейдите к более сложным проектам:

   • Автоматизация гаража/теплицы

4. Если есть вопросы, спрашивайте! https://discord.gg/fJnXGjqXAn (Но, нужен VPN!)

   Такой подход поможет постепенно развить навыки автоматизации.

PS - Внимание: этот "конструктор" затягивает!

NVIDIA Deep Learning Super Sampling (DLSS) — технология масштабирования изображения, позволяющая увеличить игровую производительность с минимальными потерями качества. DLSS является пионером подобных технологий: ее первая версия увидела свет в 2019 году, а сегодня актуальна DLSS 3.5. Как работают разные поколения «умного» масштабирования NVIDIA, и в чем разница между ними?

DLSS 1.x

Первая версия DLSS была представлена вместе с картами RTX 2000 в сентябре 2018 года. Картинка в ней формируется следующим образом:

• Для каждой игры создается собственный алгоритм восстановления деталей. Это делается посредством ее запуска на серверах компании NVIDIA. Сначала в разрешении 16К рендерится множество кадров из разных сцен. Затем разрешение выбранных кадров понижается до 4К с помощью избыточной выборки (SSAA). На их основе полученных изображений обучается автономная нейросеть.

• При запуске на компьютере пользователя рендеринг 3D-сцены производится в более низком разрешении, чем целевое у экрана.

• Картинка растягивается до целевого разрешения.

• На основе «просмотренных» изображений высокого качества нейросеть дорисовывает недостающие детали на растянутой картинке.

Технически нейросеть для работы DLSS можно запустить на любых вычислительных единицах, в том числе – на универсальных шейдерных процессорах видеокарты. Но NVIDIA не стала отнимать их драгоценные ресурсы, и выбрала другой подход: запуск на выделенных тензорных ядрах. Поэтому эта закрытая технология совместима только с картами серии NVIDIA RTX, у которых такие ядра есть.

DLSS первой версии не отличалась особым качеством. Все операции по восстановлению исходного разрешения картинки ложились на плечи нейросети, возможности которой были ограниченны эталонным набором изображений. Поэтому хоть качество и было выше, чем при обычном масштабировании, на практике заметно это было далеко не везде.

Для каждой игры нужно было потратить немало времени на обучение отдельной нейросети. Вследствие этого поддержкой DLSS первого поколения обзавелись только крупные проекты: Battlefield V, Metro Exodus и Control. При этом присутствовали определенные ограничения на ее включение. Например, в Battlefield V изначально технологию можно было задействовать только при активной трассировке лучей и определенных разрешениях экрана.

DLSS 2.x

Как и в случае с любой технологией, DLSS стала раскрываться не сразу. Качественный рывок она сделала только во втором поколении, анонсированном в апреле 2020 года. DLSS 2 работает по такому принципу:

• В качестве основы используется универсальная нейросеть, прошедшая обучение на серверах компании NVIDIA с помощью множества игровых проектов.

• При запуске на компьютере рендеринг кадра 3D-сцены производится в более низком разрешении, чем целевое у экрана.

• На основе векторов движения рассчитывается, насколько следующий кадр смещен по отношению к предыдущему, и чем от него отличается.

• Следующий кадр проходит рендер со сдвигом по отношению к предыдущему.

• Временная информация из нескольких кадров совмещается. Картинка из этих данных «склеивается».

• Универсальная нейросеть дорисовывает недостающие детали на итоговой картинке.

Использование новых приемов заметно подняло качество картинки. Во-первых, базовое изображение теперь формируется с помощью временной информации из нескольких кадров. Это схоже со сглаживанием TAA. С той разницей, что для его работы используются кадры полного размера, а для работы DLSS 2 — кадры уменьшенного разрешения. Во-вторых, универсальная нейросеть научилась куда более точно и аккуратно дорисовывать мелкие детали, порой превосходя в них даже рендер нативного разрешения.

Благодаря нескольким пресетам, отличающихся исходным разрешением рендеринга, стало возможным гибко балансировать между качеством изображения и производительностью. Но параллельно улучшениям появилась главная проблема, преследующая все технологии временного масштабирования — гостинг. Она проявляется при быстром движении в виде остаточных силуэтов с прошлых кадров. А иногда вдобавок к этому возникает и мерцание текстур.

Однако минусы DLSS второго поколения со временем стали не такими явными. Ее алгоритм мог дорабатываться без внесения кардинальных изменений в принцип работы технологии, и в этом был главный плюс. В 2020 году дебютировала DLSS 2.1, которая принесла с собой режим сверхвысокой производительности за счет значительного снижения разрешения рендера. В 2021 году на смену ей пришли DLSS версий 2.2 и 2.3, улучшившие качество в движении. И, наконец, в 2022 году появились DLSS версий 2.4 и 2.5, с применением которых стало меньше проявляться мерцание и гостинг.

NVIDIA вынесла алгоритм работы DLSS в отдельный DLL-файл. Его можно заменить без внесения изменений в саму игру. Таким образом даже для старого проекта, уже не получающего обновления, можно задействовать актуальную и наиболее качественную версию технологии. Для этого достаточно лишь скачать и поместить в папку с игрой последнюю версию библиотеки DLSS. Но стоит учитывать, что в мультиплеерных играх античит-системы могут распознать такую манипуляцию как читерство.

DLSS 3.0

В сентябре 2022 года NVIDIA представила видеокарты серии RTX 4000. А с ними и очередное поколение технологии масштабирования — DLSS 3. Впрочем, называть ее так не совсем корректно. Теперь за повышение производительности отвечает не только масштабирование изображения, но и генерация промежуточных кадров Frame Generation, FG. Конвейер DLSS 3 может работать параллельно с DLSS 2, добавляя к ранее используемым этапам следующие:

• Между двумя отрендеренными кадрами анализируется направление и скорость движения точек.

• Данные сопоставляются с векторами движения, чтобы избежать ошибочных расчетов.

• На основе этой информации нейросеть генерирует и вставляет между двух кадров промежуточный.

Скорость и направление движения точек анализирует специальный блок в видеокарте — ускоритель оптического потока Optical Flow Accelerator. В видеокартах RTX 4000 производительность ускорителя была заметно увеличена по сравнению с прошлыми поколениями: он научился работать с блоками размером 1х1 пиксель, по сути — с отдельными точками. Карты RTX 2000 и RTX 3000 такого не умеют, поэтому Frame Generation на них не поддерживается.

Генерация кадров имеет как светлые, так и темные стороны. В числе первых отсутствие упора в процессор, так как промежуточные кадры генерирует только видеокарта. Плюс к этому — практически двукратное увеличение производительности без необходимости снижать разрешение рендера.

Но и недостатков не меньше. При быстром движении информации от двух кадров часто не хватает для правильной генерации промежуточного, поэтому возникают артефакты.

А из-за того, что игровая логика продолжает работать на частоте рендера, возникает дополнительная задержка ввода. И хотя NVIDIA старается компенсировать ее технологией Reflex, предназначенной для синхронизации работы ЦП и ГП с целью уменьшить задержку, данное решение помогает лишь частично.

DLSS 3.5

В августе 2023 года NVIDIA представила DLSS 3.5. Это не продолжение классической DLSS, как можно было бы подумать, а скорее дополнение. Ее ключевой фишкой является Ray Reconstruction. Эта технология разработана специально для подавления шумов, возникающих при трассировке лучей. Подобная реконструкция позволяет восстанавливать кадры с трассированными отражениями, тенями и освещением заметно точнее, чем ранее.

Как заявляет NVIDIA, нейросеть для работы Ray Reconstruction обучалась на впятеро большем объеме данных, чем прошлые версии DLSS. Причем работает она, в отличие от генератора кадров, на всех картах семейства RTX — от 2000 до 4000 серии.

Выход DLSS 3.5 принес путаницу в ранее логичный список версий. Поэтому с его появлением NVIDIA стала упоминать классический DLSS 2 как DLSS Super Resolution, а бывший DLSS 3 — как DLSS Frame Generation. В последних играх можно встретить ползунки включения этих технологий именно под такими названиями. Ну, а сама DLSS 3.5 чаще упоминается как DLSS Ray Reconstruction.

Несмотря на общее название, каждая из следующих технологий DLSS работает независимо от другой:

• DLSS Super Resolution (2.х): временное масштабирование. Поддерживается на любых картах RTX в огромном списке проектов, начиная с самых первых игр с поддержкой технологии и заканчивая самыми современными.

• DLSS Frame Generation (3.0): генерация кадров. Работает только на картах серии RTX 4000. Список проектов с ее поддержкой меньше — основную массу составляют игры, выпущенные за последние пару лет.

• DLSS Ray Reconstruction (3.5): реконструкция лучей. Поддерживается на любых картах RTX, но пока не особо распространена в играх. В числе поддерживаемых на ноябрь 2024 года: Cyberpunk 2077, Alan Wake 2, Portal RTX и Star Wars Outlaws. Стоит отметить, что работают новые алгоритмы восстановления картинки лишь при включении трассировки лучей — для классического рендеринга используются только приемы из DLSSx.

Прирост производительности

У разных поколений технологии прирост производительности отличается. Самая скромная в этом плане — DLSS первой версии, так как разрешение рендеринга у нее фиксированное и довольно высокое. В наиболее «тяжелом» разрешении 4К от нее можно было рассчитывать на 30-40 % дополнительной производительности.

Но даже при этом технология умудрялась выдавать не очень качественную картинку. Поэтому вскоре она канула в лету и была полностью заменена DLSS 2. У второго поколения появились несколько пресетов, прирост от которых разнится от нескольких десятков процентов до двукратного (как и у конкурирующей FSR 2.x ).

Чем выше разрешение, тем больше происходит упор в возможности ГП и тем больший прирост может дать DLSS. И наоборот: чем меньше разрешение экрана, тем меньший прирост обеспечивает технология. Если для 4K в случае с пресетом Performance практически двукратный прирост характерен, то в разрешении Full HD при тех же условиях он может быть заметно меньше. Старшие пресеты Balanced и Quality дают на 20-30 % меньше производительности в обоих случаях, но взамен обеспечивают более высокое качество картинки. DLSS 3 с генерацией кадров способна увеличить производительность еще вдвое. То есть, по сравнению c классическим рендером, связка из DLSS Super Resolution (2.x) и DLSS Frame Generation (3.0) способна увеличить частоту кадров до четырех раз. А в случае использования тяжелых пресетов трассировки лучей или трассировки пути — иногда и еще больше.

При этом не стоит забывать, что Frame Generation вносит задержку в управление. Использование генератора при исходной частоте ниже 35-40 кадров в секунду (в том числе полученных посредством DLSS Super Resolution) игровому процессу особо не поможет. Несмотря на кажущийся высокий FPS, управление будет «кисельным», препятствуя комфортному игровому процессу.

DLSS Ray Reconstruction (3.5) сама по себе не поднимает производительность, а лишь улучшает качество эффектов трассировки при задействовании DLSS Super Resolution (2.x) и DLSS Frame Generation (3.0). Однако оптимизации, применяемые в ней, в некоторых ситуациях могут слегка повысить FPS.

Заключение

Deep Learning Super Sampling — семейство технологий от компании NVIDIA, предназначенное для повышения производительности в играх. Закрытые разработки и заточенность под собственное «железо» позволяют им обеспечивать более высокое качество картинки, чем конкурирующие AMD FSR и Intel XeSS. Но в этом и главный минус DLSS: в отличие от соперников, она работает только на видеокартах NVIDIA.

В то же время доминирование NVIDIA на рынке видеокарт и ее широкие связи с разработчиками игр сыграли свою роль — из всех технологий масштабирования DLSS является самой распространенной.

Первая версия DLSS не блистала качеством и была скорее пробой пера. А вот DLSS второй версии, сегодня известная как DLSS Super Resolution, стала эталоном масштабирования и до сих пор используется во множестве игр как универсальный инструмент для повышения производительности.

DLSS 3 Frame Generation предлагает еще более высокую частоту кадров. Но взамен увеличивает задержку, что придется по душе не всем игрокам. И, наконец, DLSS 3.5 Ray Reconstruction — дополнение к технологиям увеличения производительности. Оно предназначено для совместной работы с ними, чтобы более качественно передавать эффекты трассировки лучей.

NVIDIA Deep Learning Super Sampling (DLSS) — технология масштабирования изображения, позволяющая увеличить игровую производительность с минимальными потерями качества. DLSS является пионером подобных технологий: ее первая версия увидела свет в 2019 году, а сегодня актуальна DLSS 3.5. Как работают разные поколения «умного» масштабирования NVIDIA, и в чем разница между ними?

DLSS 1.x

Первая версия DLSS была представлена вместе с картами RTX 2000 в сентябре 2018 года. Картинка в ней формируется следующим образом:

• Для каждой игры создается собственный алгоритм восстановления деталей. Это делается посредством ее запуска на серверах компании NVIDIA. Сначала в разрешении 16К рендерится множество кадров из разных сцен. Затем разрешение выбранных кадров понижается до 4К с помощью избыточной выборки (SSAA). На их основе полученных изображений обучается автономная нейросеть.

• При запуске на компьютере пользователя рендеринг 3D-сцены производится в более низком разрешении, чем целевое у экрана.

• Картинка растягивается до целевого разрешения.

• На основе «просмотренных» изображений высокого качества нейросеть дорисовывает недостающие детали на растянутой картинке.

Технически нейросеть для работы DLSS можно запустить на любых вычислительных единицах, в том числе – на универсальных шейдерных процессорах видеокарты. Но NVIDIA не стала отнимать их драгоценные ресурсы, и выбрала другой подход: запуск на выделенных тензорных ядрах. Поэтому эта закрытая технология совместима только с картами серии NVIDIA RTX, у которых такие ядра есть.

DLSS первой версии не отличалась особым качеством. Все операции по восстановлению исходного разрешения картинки ложились на плечи нейросети, возможности которой были ограниченны эталонным набором изображений. Поэтому хоть качество и было выше, чем при обычном масштабировании, на практике заметно это было далеко не везде.

Для каждой игры нужно было потратить немало времени на обучение отдельной нейросети. Вследствие этого поддержкой DLSS первого поколения обзавелись только крупные проекты: Battlefield V, Metro Exodus и Control. При этом присутствовали определенные ограничения на ее включение. Например, в Battlefield V изначально технологию можно было задействовать только при активной трассировке лучей и определенных разрешениях экрана.

DLSS 2.x

Как и в случае с любой технологией, DLSS стала раскрываться не сразу. Качественный рывок она сделала только во втором поколении, анонсированном в апреле 2020 года. DLSS 2 работает по такому принципу:

• В качестве основы используется универсальная нейросеть, прошедшая обучение на серверах компании NVIDIA с помощью множества игровых проектов.

• При запуске на компьютере рендеринг кадра 3D-сцены производится в более низком разрешении, чем целевое у экрана.

• На основе векторов движения рассчитывается, насколько следующий кадр смещен по отношению к предыдущему, и чем от него отличается.

• Следующий кадр проходит рендер со сдвигом по отношению к предыдущему.

• Временная информация из нескольких кадров совмещается. Картинка из этих данных «склеивается».

• Универсальная нейросеть дорисовывает недостающие детали на итоговой картинке.

Использование новых приемов заметно подняло качество картинки. Во-первых, базовое изображение теперь формируется с помощью временной информации из нескольких кадров. Это схоже со сглаживанием TAA. С той разницей, что для его работы используются кадры полного размера, а для работы DLSS 2 — кадры уменьшенного разрешения. Во-вторых, универсальная нейросеть научилась куда более точно и аккуратно дорисовывать мелкие детали, порой превосходя в них даже рендер нативного разрешения.

Благодаря нескольким пресетам, отличающихся исходным разрешением рендеринга, стало возможным гибко балансировать между качеством изображения и производительностью. Но параллельно улучшениям появилась главная проблема, преследующая все технологии временного масштабирования — гостинг. Она проявляется при быстром движении в виде остаточных силуэтов с прошлых кадров. А иногда вдобавок к этому возникает и мерцание текстур.

Однако минусы DLSS второго поколения со временем стали не такими явными. Ее алгоритм мог дорабатываться без внесения кардинальных изменений в принцип работы технологии, и в этом был главный плюс. В 2020 году дебютировала DLSS 2.1, которая принесла с собой режим сверхвысокой производительности за счет значительного снижения разрешения рендера. В 2021 году на смену ей пришли DLSS версий 2.2 и 2.3, улучшившие качество в движении. И, наконец, в 2022 году появились DLSS версий 2.4 и 2.5, с применением которых стало меньше проявляться мерцание и гостинг.

NVIDIA вынесла алгоритм работы DLSS в отдельный DLL-файл. Его можно заменить без внесения изменений в саму игру. Таким образом даже для старого проекта, уже не получающего обновления, можно задействовать актуальную и наиболее качественную версию технологии. Для этого достаточно лишь скачать и поместить в папку с игрой последнюю версию библиотеки DLSS. Но стоит учитывать, что в мультиплеерных играх античит-системы могут распознать такую манипуляцию как читерство.

DLSS 3.0

В сентябре 2022 года NVIDIA представила видеокарты серии RTX 4000. А с ними и очередное поколение технологии масштабирования — DLSS 3. Впрочем, называть ее так не совсем корректно. Теперь за повышение производительности отвечает не только масштабирование изображения, но и генерация промежуточных кадров Frame Generation, FG. Конвейер DLSS 3 может работать параллельно с DLSS 2, добавляя к ранее используемым этапам следующие:

• Между двумя отрендеренными кадрами анализируется направление и скорость движения точек.

• Данные сопоставляются с векторами движения, чтобы избежать ошибочных расчетов.

• На основе этой информации нейросеть генерирует и вставляет между двух кадров промежуточный.

Скорость и направление движения точек анализирует специальный блок в видеокарте — ускоритель оптического потока Optical Flow Accelerator. В видеокартах RTX 4000 производительность ускорителя была заметно увеличена по сравнению с прошлыми поколениями: он научился работать с блоками размером 1х1 пиксель, по сути — с отдельными точками. Карты RTX 2000 и RTX 3000 такого не умеют, поэтому Frame Generation на них не поддерживается.

Генерация кадров имеет как светлые, так и темные стороны. В числе первых отсутствие упора в процессор, так как промежуточные кадры генерирует только видеокарта. Плюс к этому — практически двукратное увеличение производительности без необходимости снижать разрешение рендера.

Но и недостатков не меньше. При быстром движении информации от двух кадров часто не хватает для правильной генерации промежуточного, поэтому возникают артефакты.

А из-за того, что игровая логика продолжает работать на частоте рендера, возникает дополнительная задержка ввода. И хотя NVIDIA старается компенсировать ее технологией Reflex, предназначенной для синхронизации работы ЦП и ГП с целью уменьшить задержку, данное решение помогает лишь частично.

DLSS 3.5

В августе 2023 года NVIDIA представила DLSS 3.5. Это не продолжение классической DLSS, как можно было бы подумать, а скорее дополнение. Ее ключевой фишкой является Ray Reconstruction. Эта технология разработана специально для подавления шумов, возникающих при трассировке лучей. Подобная реконструкция позволяет восстанавливать кадры с трассированными отражениями, тенями и освещением заметно точнее, чем ранее.

Как заявляет NVIDIA, нейросеть для работы Ray Reconstruction обучалась на впятеро большем объеме данных, чем прошлые версии DLSS. Причем работает она, в отличие от генератора кадров, на всех картах семейства RTX — от 2000 до 4000 серии.

Выход DLSS 3.5 принес путаницу в ранее логичный список версий. Поэтому с его появлением NVIDIA стала упоминать классический DLSS 2 как DLSS Super Resolution, а бывший DLSS 3 — как DLSS Frame Generation. В последних играх можно встретить ползунки включения этих технологий именно под такими названиями. Ну, а сама DLSS 3.5 чаще упоминается как DLSS Ray Reconstruction.

Несмотря на общее название, каждая из следующих технологий DLSS работает независимо от другой:

• DLSS Super Resolution (2.х): временное масштабирование. Поддерживается на любых картах RTX в огромном списке проектов, начиная с самых первых игр с поддержкой технологии и заканчивая самыми современными.

• DLSS Frame Generation (3.0): генерация кадров. Работает только на картах серии RTX 4000. Список проектов с ее поддержкой меньше — основную массу составляют игры, выпущенные за последние пару лет.

• DLSS Ray Reconstruction (3.5): реконструкция лучей. Поддерживается на любых картах RTX, но пока не особо распространена в играх. В числе поддерживаемых на ноябрь 2024 года: Cyberpunk 2077, Alan Wake 2, Portal RTX и Star Wars Outlaws. Стоит отметить, что работают новые алгоритмы восстановления картинки лишь при включении трассировки лучей — для классического рендеринга используются только приемы из DLSSx.

Прирост производительности

У разных поколений технологии прирост производительности отличается. Самая скромная в этом плане — DLSS первой версии, так как разрешение рендеринга у нее фиксированное и довольно высокое. В наиболее «тяжелом» разрешении 4К от нее можно было рассчитывать на 30-40 % дополнительной производительности.

Но даже при этом технология умудрялась выдавать не очень качественную картинку. Поэтому вскоре она канула в лету и была полностью заменена DLSS 2. У второго поколения появились несколько пресетов, прирост от которых разнится от нескольких десятков процентов до двукратного (как и у конкурирующей FSR 2.x ).

Чем выше разрешение, тем больше происходит упор в возможности ГП и тем больший прирост может дать DLSS. И наоборот: чем меньше разрешение экрана, тем меньший прирост обеспечивает технология. Если для 4K в случае с пресетом Performance практически двукратный прирост характерен, то в разрешении Full HD при тех же условиях он может быть заметно меньше. Старшие пресеты Balanced и Quality дают на 20-30 % меньше производительности в обоих случаях, но взамен обеспечивают более высокое качество картинки. DLSS 3 с генерацией кадров способна увеличить производительность еще вдвое. То есть, по сравнению c классическим рендером, связка из DLSS Super Resolution (2.x) и DLSS Frame Generation (3.0) способна увеличить частоту кадров до четырех раз. А в случае использования тяжелых пресетов трассировки лучей или трассировки пути — иногда и еще больше.

При этом не стоит забывать, что Frame Generation вносит задержку в управление. Использование генератора при исходной частоте ниже 35-40 кадров в секунду (в том числе полученных посредством DLSS Super Resolution) игровому процессу особо не поможет. Несмотря на кажущийся высокий FPS, управление будет «кисельным», препятствуя комфортному игровому процессу.

DLSS Ray Reconstruction (3.5) сама по себе не поднимает производительность, а лишь улучшает качество эффектов трассировки при задействовании DLSS Super Resolution (2.x) и DLSS Frame Generation (3.0). Однако оптимизации, применяемые в ней, в некоторых ситуациях могут слегка повысить FPS.

Заключение

Deep Learning Super Sampling — семейство технологий от компании NVIDIA, предназначенное для повышения производительности в играх. Закрытые разработки и заточенность под собственное «железо» позволяют им обеспечивать более высокое качество картинки, чем конкурирующие AMD FSR и Intel XeSS. Но в этом и главный минус DLSS: в отличие от соперников, она работает только на видеокартах NVIDIA.

В то же время доминирование NVIDIA на рынке видеокарт и ее широкие связи с разработчиками игр сыграли свою роль — из всех технологий масштабирования DLSS является самой распространенной.

Первая версия DLSS не блистала качеством и была скорее пробой пера. А вот DLSS второй версии, сегодня известная как DLSS Super Resolution, стала эталоном масштабирования и до сих пор используется во множестве игр как универсальный инструмент для повышения производительности.

DLSS 3 Frame Generation предлагает еще более высокую частоту кадров. Но взамен увеличивает задержку, что придется по душе не всем игрокам. И, наконец, DLSS 3.5 Ray Reconstruction — дополнение к технологиям увеличения производительности. Оно предназначено для совместной работы с ними, чтобы более качественно передавать эффекты трассировки лучей.

❯ Что такое коммутатор, маршрутизатор?

Когда мы задаем вопрос в поисковике: «Чем отличается коммутатор от маршрутизатора?», то один из самых распространенных ответов, который можно найти в интернете (например, на Mail.ru), звучит так:

в функционале. маршрутизатор - маршрутизирует, коммутатор - коммутирует. все просто:)))

Это, пожалуй, самый краткий и ёмкий ответ на данный вопрос.

Однако если подойти к вопросу серьезно, необходимо разобраться в понятиях коммутации и маршрутизации.

Коммутация — это процесс перенаправления данных (кадров) в пределах одной сети, основанный на анализе адреса назначения. Она работает на канальном уровне модели OSI (L2), используя MAC-адреса устройств.

Маршрутизация — это процесс определения пути для передачи данных между разными сетями. Работает на сетевом уровне модели OSI (L3), используя IP-адреса.

Коммутаторы (switch) и маршрутизаторы (router) — это два ключевых устройства в сетевых инфраструктурах, которые выполняют разные, хотя и пересекающиеся, задачи. Разберемся в их функциях, особенностях и причинах появления, а также рассмотрим современные реалии, в которых их функциональность все больше пересекается.

Зачем появились маршрутизаторы

Исторически маршрутизаторы появились для соединения сетей с разными технологиями передачи данных. В начале эры сетей существовало множество локальных сетей (LAN) с различными стандартами: Ethernet, Token Ring, модемные пулы и другие. Эти сети были физически и логически разобщены, поскольку каждая из них использовала свои протоколы адресации и методы передачи данных.

Для решения этой проблемы была введена абстракция в виде IP-адреса — универсального протокола, не привязанного к физическому носителю. Маршрутизаторы стали устройствами, способными связывать сети с разными технологиями передачи данных, обеспечивая маршрутизацию на основе IP-адресов.

Основные функции

1. Коммутаторы:

   • работают преимущественно на уровне 2 модели OSI (канальный уровень);

   • создают таблицы MAC-адресов, которые определяют, через какой физический порт отправлять трафик;

   • обеспечивают коммуникацию внутри одной локальной сети (LAN).

2. Маршрутизаторы:

   • работают на уровне 3 модели OSI (сетевой уровень);

   • используют таблицы маршрутизации для определения оптимального пути передачи данных;

   • обеспечивают связь между разными сетями, в том числе с разными технологиями (Ethernet, Frame Relay, ATM, DSL);

   • используют протоколы маршрутизации, такие как OSPF, BGP, IS-IS.

Совместная работа коммутаторов и маршрутизаторов

• Коммутаторы обеспечивают быстрый обмен данными внутри сети.

• Маршрутизаторы соединяют локальную сеть с другими сетями, например, с интернетом, обеспечивая связь с серверами.

❯ Современные тенденции

Раньше этих различий хватало для определения работы коммутатора и маршрутизатора, но в современных устройствах все эти функции часто объединяются в L3-коммутаторах, которые совмещают преимущества обоих типов устройств.
На данный момент различия между ними размыто, так как коммутаторы L3 и L3+ (Multiplayer switch) могут выполнять часть функционала маршрутизатора и маршрутизатор может иметь дополнительные физические порты для подключения локальных сетей.

❯ Рассмотрим различия между устройствами

L2-коммутаторы (канальный уровень)

❯ Особенности

• Рабочий уровень: работают на 2 уровне модели OSI (канальный уровень).

• Функциональность: обеспечивают передачу данных внутри одной локальной сети (LAN), используя таблицу MAC-адресов для маршрутизации кадров Ethernet.

• Ограничения: не способны маршрутизировать трафик между разными VLAN или подсетями.

❯ Плюсы

• Простая настройка.

• Высокая производительность для однорангового (peer-to-peer) соединения.

❯ Минусы

• Отсутствие поддержки IP-адресации.

• Не подходит для сложных сетевых структур с множеством VLAN.

L3-коммутаторы (сетевой уровень)

❯ Особенности

• Рабочий уровень: работают на 3 уровне модели OSI (сетевой уровень).

• Функциональность:

  • выполняют функции коммутатора (L2) и маршрутизатора (L3);

  • поддерживают маршрутизацию между VLAN через интерфейсы SVI (Switch Virtual Interface);

  • поддерживают IP-адресацию и статическую маршрутизацию.

❯ Плюсы

• Универсальность.

• Встроенная поддержка маршрутизации.

❯ Минусы

• Ограниченные возможности динамической маршрутизации (по сравнению с маршрутизаторами). Обычно используется «межвлановая» маршрутизация, когда ip-адрес назначается на VLAN, а не на саб-интерфейс.

• Более сложная настройка по сравнению с L2-коммутаторами.

L3+ коммутаторы (расширенные возможности сетевого уровня)

❯ Особенности

• Рабочий уровень: также работают на 3 уровне, но с функциями, приближенными к маршрутизаторам.

• Функциональность:

  • полноценная поддержка динамических протоколов маршрутизации (OSPF, BGP, EIGRP);

  • расширенные функции управления трафиком: ACL, QoS, NAT;

  • некоторые модели поддерживают MPLS для оптимизации передачи данных.

❯ Плюсы

• Возможности динамической маршрутизации.

• Более высокий уровень управления сетью.

❯ Минусы

• Стоимость.

• Сложность настройки.

Маршрутизаторы (Router)

❯ Особенности

• Рабочий уровень: работают на 3 уровне модели OSI и выше.

• Функциональность:

  • передача данных между разными сетями;

  • маршрутизация IPv4 и IPv6;

  • полноценная поддержка динамической маршрутизации (OSPF, BGP, RIP и др.);

  • поддержка VPN, NAT и часть функций межсетевого экранирования.

❯ Плюсы

• Поддержка работы в глобальных сетях (WAN).

• Высокий уровень безопасности.

❯ Минусы

• Не предназначены для высокоскоростного L2-коммутирования.

• Могут вызывать дополнительные задержки в локальных сетях.

❯ Сравнительная таблица

• L2-коммутаторы идеально подходят для небольших сетей, где маршрутизация не требуется.

• L3-коммутаторы — оптимальное решение для сетей с VLAN и умеренной сложностью.

• L3+ коммутаторы находят применение в крупных и сложных инфраструктурах с необходимостью динамической маршрутизации.

• Маршрутизаторы — необходимы для соединения локальных сетей с внешними сетями, но не заменяют коммутаторы внутри LAN.

Каждое устройство имеет свои уникальные сильные стороны и применяется в зависимости от масштабов и требований сети.

Хотя изначально коммутаторы и маршрутизаторы выполняли строго разные задачи, современное развитие сетевых технологий привело к значительному пересечению их функций.

Однако ключевые различия сохраняются: маршрутизаторы лучше подходят для связи между сетями с различными технологиями и для управления сложными топологиями, тогда как коммутаторы оптимизированы для высокой пропускной способности и коммутации в рамках одной сети. Выбор между этими устройствами зависит от конкретных задач и архитектуры сети.

❯ Что такое сеть?

Что же такое сеть? Если соединить два компьютера между собой, назначить им IP-адреса, будет ли это сетью? Ответ прост: да, это уже локальная сеть.

Сеть — это соединение двух и более компьютеров, устройств или других компонентов для обмена информацией.

Как только мы подключаем устройства к домашнему маршрутизатору, они становятся частью локальной сети. Маршрутизатор служит шлюзом по умолчанию для всех подключенных устройств и направляет пакеты данных для выхода в интернет.

Но пока не будем забегать вперед, начнем с самого простого — с двух соединенных между собой компьютеров.

❯ Рассмотрим самую простую сеть

Предположим, у нас есть два компьютера. Компьютер №1 имеет mac-адрес 00:00:00:00:00:0a, а компьютер №2 — 00:00:00:00:00:0b.

Мы назначаем компьютеру №1 IP-адрес 192.168.0.1, а компьютеру №2 — IP-адрес 192.168.0.2. Затем мы соединяем их сетевые карты «напрямую» с помощью витой пары.

Чтобы проверить доступность соседнего компьютера, можно использовать утилиту «ping» и отправить запрос на него.

Однако есть проблема: компьютер №1 не сможет сразу отправить ICMP-запрос компьютеру №2, так как он не знает его mac-адрес. Это можно проверить, введя команду «arp -a» в командной строке (для Windows) и убедившись, что таблица ARP пуста.

Как было сказано в предыдущей статье, ARP (Address Resolution Protocol) — это важнейший протокол в компьютерных сетях, который используется для определения MAC-адреса другого компьютера по известному IP-адресу.

Первым делом компьютер №1 отправит широковещательный запрос в сеть, чтобы узнать, кто такой 192.168.0.2.

Пакет будет выглядеть следующим образом:

• src mac-адрес 00:00:00:00:00:0a;

• dst mac-адрес ff:ff:ff:ff:ff:ff (широковещательный mac-адрес);

• IP-адресов не будет, так как ARP работает на уровне L2;

• в теле пакета будет информация: кто такой 192.168.0.2, спрашивает 192.168.0.1.

Подробнее о заголовках L3 уровня (ARP, ICMP и др.) я рассказывал в этой статье.

После того как ARP-ответ будет получен компьютером №2, он сохранит в своей ARP-таблице информацию о IP и mac-адресе компьютера №1.

Теперь компьютеру необходимо отправить ARP-ответ.

Пакет будет выглядеть следующим образом:

• src mac-адрес 00:00:00:00:00:0b;

• dst mac-адрес 00:00:00:00:00:0a;

• IP-адресов не будет, так как ARP работает на уровне L2;

• в теле пакета будет информация: у IP-адреса 192.168.0.2 mac-адрес - 00:00:00:00:00:0b.

После того как ARP-ответ поступит к компьютеру №1, он сохранит в своей ARP-таблице информацию о IP и mac-адресе компьютера №2.
Теперь для формирования ICMP-запроса известна вся информация, и от компьютера №1 будет сформирован следующий пакет:

• src mac-адрес 00:00:00:00:00:0a;

• dst mac-адрес 00:00:00:00:00:0b;

• src IP-адрес 192.168.0.1;

• dst IP-адрес 192.168.0.2

• в теле пакета будет служебная информация для ICMP-протокола (подробнее в этой статье).

После того как ICMP-запрос поступит на компьютер №2, тот отправит ICMP-ответ, так как уже знает mac-адрес соседнего устройства из своей ARP-таблицы.

Ответ будет выглядеть следующим образом:

• src mac-адрес 00:00:00:00:00:0b;

• dst mac-адрес 00:00:00:00:00:0a;

• src-IP-адрес 192.168.0.2;

• dst-IP-адрес 192.168.0.1;

• в теле пакета будет служебная информация для ICMP-протокола.

После того как все эти пакеты прошли свой не долгий путь, в утилите «ping» появится первое сообщение о доступности соседнего устройства.

❯ Три компьютера и сетевой концентратор (Hub)

❯ Что если нам нужно подключить больше компьютеров к одной сети?

Для этого в простых сетях используют сетевой концентратор, он же hub/хаб.

❯ Как работает хаб?

Хаб передает данные, поступающие на один из его портов, на все остальные порты, что позволяет устройствам в локальной сети обмениваться информацией без сложной настройки. Однако такой подход имеет свои плюсы и минусы.

❯ Плюсы и минусы использования хаба

Хаб — это недорогое сетевое устройство, которое подходит для соединения небольших локальных сетей. Однако, если в сети используется большое количество устройств, возникают проблемы.

1. Эффективность: хаб работает на уровне L1 модели OSI, что означает, что он не различает адреса. Все пакеты передаются всем устройствам, кроме отправителя, независимо от их назначения.

2. Конфликт пакетов: поскольку данные передаются одновременно всем устройствам, в сети могут возникать коллизии. Чем больше устройств подключено, тем выше вероятность коллизий.

3. Пропускная способность: каждый порт хаба делит общую пропускную способность сети, что приводит к её снижению по мере увеличения числа подключений.

Современные сети используют коммутаторы (switch), которые работают на уровне L2, что позволяет им направлять пакеты только устройствам-адресатам.

❯ Пример работы хаба

Предположим, у нас есть хаб и три компьютера с IP-адресами:

• компьютер №1: 192.168.0.1;

• компьютер №2: 192.168.0.2;

• компьютер №3: 192.168.0.3.

Все три компьютера подключены к хабу. Теперь, если мы с компьютера №1 отправим запрос «ping» на компьютер №2, то процесс будет происходить следующим образом.

Шаг 1. ARP-запрос

Компьютер №1 сначала отправит ARP-запрос в сеть, чтобы узнать MAC-адрес компьютера №2. Этот запрос будет выглядеть так:

• src MAC-адрес: 00:00:00:00:00:0a;

• dst MAC-адрес: ff:ff:ff:ff:ff:ff (широковещательный адрес);

• IP-адреса в пакете отсутствуют, так как ARP работает на уровне L2.

Действия хаба

Хаб получит этот пакет через порт, к которому подключен компьютер №1, и передаст его на все остальные порты, кроме порта-отправителя. Таким образом, ARP-запрос поступит как на компьютер №2, так и на компьютер №3. Компьютеры №2 и №3 сохранят в ARP-таблице запись о компьютере №1, так как запрос был широковещательным. Однако ответит на него только компьютер №2, так как IP-адрес в запросе соответствует его собственному.

Ответ от компьютера №2

Компьютер №2 отправит ARP-ответ, который пройдет через хаб и будет доставлен компьютеру №1. Компьютер №3 проигнорирует этот ответ, так как он не предназначен ему.

ARP-ответ будет выглядеть следующим образом:

• src MAC-адрес: 00:00:00:00:00:0b;

• dst MAC-адрес: 00:00:00:00:00:0a;

• IP-адреса в пакете отсутствуют, так как ARP работает на уровне L2.

Шаг 2. ICMP-запрос и ответ

После завершения ARP-обмена компьютер №1 сформирует ICMP-запрос и отправит его на компьютер №2. Запрос и последующий ответ будут переданы аналогичным образом через хаб, но пакеты также дойдут до всех устройств в сети, создавая дополнительную нагрузку.

❯ Особенности работы ARP в сети с хабом

В такой схеме:

1. Компьютеры №1 и №2 знают о существовании друг друга;

2. Компьютер №3 знает о компьютере №1, так как получил его ARP-запрос, но не знает о компьютере №2.

Небольшое пояснение почему:

Компьютер №3 знает о Компьютере №1 из своей ARP-таблицы, но не знает о Компьютере №2 по следующим причинам:

1. Обработка ARP-запросов.

   ARP-запросы обрабатываются операционной системой компьютера, а не сетевой платой. Однако, поскольку ARP-запрос имеет широковещательный MAC-адрес назначения (ff:ff:ff:ff:ff:ff), он достигает всех устройств в локальной сети и принимается сетевой платой;

2. Сохранение записи в ARP-таблице.

   Хотя Компьютер №3 получает ARP-запрос, адресованный другому IP-адресу (например, Компьютеру №1), он не отвечает на него. Однако информация из тела пакета (IP-адрес и MAC-адрес Компьютера №1) может быть сохранена в ARP-таблице Компьютера №3 как часть пассивного процесса обучения;

3. Отбрасывание ARP-ответа.

   ARP-ответ, отправленный Компьютером №1, также достигает Компьютера №3. Однако, поскольку MAC-адрес назначения в этом пакете не совпадает с MAC-адресом сетевой карты Компьютера №3, пакет отбрасывается сетевой платой на аппаратном уровне. В результате информация о Компьютере №2 не попадает в ARP-таблицу Компьютера №3.

Если мы попытаемся «пингануть» с компьютера №2 компьютер №3, произойдет ARP-обмен, как в примере выше. Однако если мы попытаемся с компьютера №3 «пингануть» компьютер №1, процесс будет следующим:

1. Компьютер №3, зная MAC-адрес компьютера №1 из своей ARP-таблицы, сразу отправит ICMP-запрос;

2. Компьютер №1, не имея записи о компьютере №3, отбросит запрос и отправит широковещательный ARP-запрос;

3. После получения ARP-ответа от компьютера №3 компьютер №1 сможет ответить на ICMP-запрос;

4. Компьютер №3 отправит новый ICMP-запрос, на который компьютер №1 успешно ответит.

Когда мы запускаем утилиту «ping», некоторые пакеты теряются. Это происходит из-за того, что требуется ARP-обмен данными между всеми промежуточными устройствами. Именно поэтому возникает необходимость в обмене данными с использованием протокола ARP между всеми устройствами, находящимися между источником и получателем данных.

❯ Три компьютера и L2 коммутатор

❯ Как обеспечить стабильность работы сети и исключить коллизии?

Ответ прост: использовать L2-коммутатор.

❯ Принцип работы L2-коммутатора

Коммутатор работает на канальном уровне модели OSI и использует MAC-адреса для пересылки данных. Рассмотрим на примере, как это происходит.

Устройства в сети:

• компьютер №1: 192.168.0.1;

• компьютер №2: 192.168.0.2;

• компьютер №3: 192.168.0.3;

• коммутатор №1: MAC-таблица изначально пуста.

Шаг 1. ARP-запрос

Когда компьютер №1 отправляет запрос «ping» на компьютер №2, он сначала формирует ARP-запрос для определения MAC-адреса получателя. Этот запрос поступает на коммутатор, который, не имея записей в MAC-таблице, рассылает его на все активные порты, кроме порта-отправителя.

Действия коммутатора:

• Коммутатор добавляет в свою MAC-таблицу запись о компьютере №1, связав его MAC-адрес с портом, через который пришел запрос;

• ARP-запрос доставляется компьютерам №2 и №3.

Ответы компьютеров:

• Компьютер №2, распознав свой IP-адрес, отправляет ARP-ответ;

• Компьютер №3 игнорирует запрос, но сохраняет запись о MAC-адресе компьютера №1 в своей ARP-таблице.

Коммутатор, получив ARP-ответ от компьютера №2, обновляет свою MAC-таблицу, добавляя запись о MAC-адресе компьютера №2.

Шаг 2. ICMP-запрос и ответ

После завершения ARP-обмена компьютер №1 отправляет ICMP-запрос компьютеру №2. Благодаря MAC-таблице, коммутатор направляет пакеты только в порт, подключенный к компьютеру №2, избегая лишней нагрузки на другие устройства.

❯ Особенности работы ARP в сети с коммутатором

1. Компьютеры №1 и №2 знают о существовании друг друга;

2. Компьютер №3 знает MAC-адрес компьютера №1, но не знает о существовании компьютера №2;

3. В MAC-таблице коммутатора нет записи о компьютере №3.

Если компьютер №3 отправит запрос «ping» на компьютер №1, процесс будет следующий:

1. Компьютер №3 сразу формирует ICMP-запрос, используя MAC-адрес из своей ARP-таблицы;

2. Коммутатор передает пакет на порт компьютера №1;

3. компьютер №1, не имея записи о компьютере №3, отправляет ARP-запрос;

4. после завершения ARP-обмена компьютер №1 отвечает на ICMP-запрос.

❯ Что будет если во время работы коммутатор перезагрузится?

Если коммутатор перезагрузится или его MAC-таблица очистится, он начнет временно работать как хаб, передавая пакеты на все порты, пока MAC-таблица не будет заполнена.

В этой ситуации происходит следующее:

1. Пакет, адресованный компьютеру №2, поступает на коммутатор. Поскольку MAC-таблица коммутатора пуста, чтобы обеспечить корректную работу сети, коммутатор передает эти пакеты на все порты, кроме того порта, через который они были получены. Затем в MAC-таблицу коммутатора добавляется первая запись о компьютере №1;

1. Затем коммутатор получит пакет, предназначенный для компьютера №2. Поскольку в MAC-таблице нет записи об этом компьютере, чтобы обеспечить корректную работу сети, коммутатор передаст эти пакеты на все порты, кроме того порта, через который они были получены. После этого в MAC-таблицу коммутатора будет добавлена первая запись о компьютере №2;

2. Далее сеть будет работать так же, как и до перезагрузки или очистки MAC-таблицы.

Ключевое отличие коммутатора от концентратора (хаба) заключается в следующем: хаб, независимо от обстоятельств, всегда будет пересылать пакеты во все порты, кроме того, из которого этот пакет был получен. В свою очередь, коммутатор передает пакеты на все порты до тех пор, пока в его MAC-таблице не появятся записи. Как только в таблице появляются записи, коммутатор направляет пакеты в соответствующие порты.

❯ Три компьютера и несколько L2 коммутаторов

Рассмотрим, как работает сеть с несколькими коммутаторами.

Устройства в сети:

• компьютер №1: 192.168.0.1;

• компьютер №2: 192.168.0.2;

• компьютер №3: 192.168.0.3;

• коммутатор №1 и №2: MAC-таблица изначально пуста.

Все три компьютера подключены к нескольким коммутаторам. Если с компьютера №1 отправить запрос «ping» на компьютер №2, ARP-запрос попадет на коммутатор и будет направлен во все активные порты, поскольку это широковещательный запрос.

Шаг 1. ARP-запрос

Когда компьютер №1 отправляет ARP-запрос компьютеру №2:

1. Коммутатор №1:
   

   • передает запрос на все порты, кроме порта-отправителя;

   • сохраняет в MAC-таблицу запись о компьютере №1.

1. Коммутатор №2:
   

   • получает запрос от коммутатора №1 и передает его на свои порты;

   • добавляет в MAC-таблицу запись о MAC-адресе компьютера №1.

Компьютеры №2 и №3 сохраняют запись о MAC-адресе компьютера №1.

Шаг 2. ICMP-запрос и ответ

Когда компьютеры начинают обмениваться ICMP-пакетами, каждый коммутатор использует свои MAC-таблицы для передачи пакетов только на целевые порты.

Если с компьютера №3 отправить запрос «ping» на компьютер №2, произойдет ARP-обмен данными между устройствами. Коммутаторы сохранят необходимые записи в своих MAC-таблицах, и ICMP-пакеты будут передаваться в соответствии с этими таблицами.

❯ Особенности работы с несколькими коммутаторами

• У каждого коммутатора своя уникальная MAC-таблица.

• Коммутатор №2 может иметь одну запись для порта с несколькими устройствами, подключенными через другой коммутатор.

Каждый коммутатор формирует свою MAC-таблицу, основываясь на трафике, проходящем через его порты. Чем больше устройств подключено за одним портом, тем больше записей будет ассоциировано с этим портом. Однако даже в сложных сетях коммутаторы эффективно справляются с передачей пакетов, минимизируя нагрузку на сеть.

❯ Заключение

Подводя итоги, мы рассмотрели ключевые устройства и их функции в сетях, такие как коммутаторы и маршрутизаторы, их различия и области применения. Также мы разобрали базовые принципы работы сетей на примере нескольких подключенных устройств, ARP-запросов, ICMP-протокола и их взаимодействия.

Важно отметить, что в этой статье мы не рассматривали работу маршрутизаторов в более сложных сетевых топологиях. В следующей статье мы разберем, как работают маршрутизаторы, как сегментировать сеть, зачем это нужно и как это влияет на масштабируемость и управление.

Эти знания помогут глубже понять основы проектирования сетей и взаимодействия их компонентов.

Написано специально для Timeweb Cloud и читателей Пикабу. Больше интересных статей и новостей в нашем блоге на Хабре и телеграм-канале.

Хочешь стать автором (или уже состоявшийся автор) и есть, чем интересным поделиться в рамках наших блогов — пиши сюда.

Облачные сервисы Timeweb Cloud — это реферальная ссылка, которая может помочь поддержать авторские проекты.

📚 Читайте также:

• Что на самом деле показало нашумевшее исследование о «сбежавших и обманывающих» больших языковых моделях

• Защита схемы от переполюсовки, что может быть проще?

• Комменты — наше все! История онлайн-комментариев.

Шаг №3. Переходим в пункт "Резервное копирование".

Для этого нажимаем на кнопку "Резервное копирование" (см. скринiот выше).

Шаг №4. Запускаем создание резервной копии.

Для этого сначала очень внимательно читаем очень важное предупреждение и потом нажимаем на кнопку "Создать резервную копию":

Шаг №5. Сохраняем резервную копию на ваш локальный диск.

Тут всё просто. Надо выбрать место, куда вы сохраняете файл. А может быть даже и сменить его название:

Шаг №6. Сохраняем резервную копию в надежном месте

Настоятельно рекомендуется СРАЗУ скопировать или перенести этот файл в надёжное место. И в следующий раз что-то страшное не застанет вас врасплох.

Как использовать этот файл?

Очень просто!

Итак, у вас случилось что-то страшное. И теперь есть необходимость вернуть настройки приложения AmneziaVРN с помощью ранее сделанной резервной копии. Как это сделать?

Для начала надо запустить приложение, а потом нажать на кнопку "Приступим":

Теперь выбираем пункт "Восстановить из резервной копии":

Теперь надо найти у вас на диске или флешке файл с вашей резервной копией:

А потом нажать кнопку "Открыть резервную копию".

И всё! Программа напишет, что настройки восстановлены из резервной копии. Можно пользоваться программой дальше. Видите как просто и быстро?!