این مقاله در‌خصوص نحوه تشخیص مموری‌لیک‌هایی (memroy leak) که در پروژه‌های بزرگ گولنگ ایجاد میشه صحبت می‌کنه و میگه چطور این مشکلات را پیدا کنیم.

https://www.freecodecamp.org/news/how-i-investigated-memory-leaks-in-go-using-pprof-on-a-large-codebase-4bec4325e192/

#blog
#tip

اگه هنوز اینترفیس‌ها در گولنگ براتون خوب جا نیفتاده، به مقاله زیر یه نگاهی بندازین!


https://www.calhoun.io/crash-course-on-go-interfaces/


#blog
#tip

گولنگ ۱.۲۴ در ماه فوریه ۲۰۲۵ ارائه میشه و بالاخره توسعه‌هندگان تصمیم گرفتن تگ omitzero رو برای پکیج encoding/json فعال کنن و از این به بعد با نوشتن این تگ علاوه بر مقادیر پیش‌فرض، استراکچرهای خالی هم حذف میشن!

در ورژن‌های فعلی گولنگ تگ‌ omitempty رو داشتیم اما تنها فیلدهای با مقادیر پیش فرض رو حذف میکرد.

یه نگاه به نمونه کد زیر بندازین تا بیشتر موضوع روشن بشه:

type Blog struct {
 Name    string     `json:"omitempty"`
 Tags    []string   `json:"omitempty"`
 Posts   Posts      `json:"omitempty"`
}

تگ‌ omitempty استراکچر درونی Posts رو حذف نمیکنه و فقط فیلدهای Name و Tags رو به شرطی حذف می‌کنه که مقدار پیش‌فرض گولنگی خودشون رو داشته باشن.

برای اینکه این مقادیر رو حذف کنید باید اینترفیس marshaler رو خودتون برای استراکت پیاده‌سازی کنید اما با ورژن ۱.۲۴ با تگ omitzero استراکت‌های خالی به شکل خودکار حذف میشن.

type Blog struct {
 Name    string     `json:"omitzero"`
 Tags    []string   `json:"omitzero"`
 Posts   Posts      `json:"omitzero"`
}

لینک ریلیز ۱.۲۴ گولنگ برای جزییات بیشتر:
https://tip.golang.org/doc/go1.24


#tip
#golang

یکی از جالب‌ترین مباحث در Golang استفاده از errgroup است.


این نمونه کد از آقای matt boyle به‌خوبی یک مثال ساده از این مفهوم رو به نمایش می‌گذارد.


#tip

تفسیر کردن آبجکت‌های json در همه زبان‌های برنامه‌نویسی می‌تونه مثل حرکت کردن در یک میدان مین باشه! 💣

اگر تا حالا در این حوزه عمیق نشدین حتما یه سر به مقاله زیر بزنید که در مورد موضوعات بسیار جالبی در خصوص parse کردن آبجکت‌های json صحبت می‌کنه.

Parsing Json Is A Minefield


#blog
#tip
#deep

این داستان: وقتی خودمون با دست خودمون N+1 می‌سازیم!


یکی از مهم‌ترین موضوعات زمانی که داریم اطلاعات رو از دیتابیس می‌خونیم، هزینه‌های پنهانی هستش که خودمون در هنگام نوشتن کوئری ایجاد می‌کنیم و حواسمون نیست. به کوئری زیر دقت و فرض کنید اپلیکیشنی مشابه اینستاگرام داریم و می‌خوایم خیلی ساده در یک کوئری پست‌ها و تعداد لایک‌ها رو از دیتابیس فراخوانی کنیم.

SELECT
    posts.id,
    posts.caption,
    posts.content_url,
    COALESCE(
        (
         SELECT COUNT(*)
         FROM post_reactions
         WHERE post_reactions.post_id = posts.id
        ),
        0
    ) AS reactions_count
FROM
    posts LEFT JOIN post_reactions ON post_reactions.post_id = posts.id

اگر با بعضی واژه‌ها در کوئری بالا آشنا نیستید مهم نیست، هدف ما بررسی ساب‌کوئری:

 SELECT COUNT(*)
       FROM post_reactions
         WHERE post_reactions.post_id = posts.id

ساب‌کوئری بالا رو میشه با روش‌های دیگه‌ای هم نوشت و تقریبا همه ما عادت کردیم در بسیاری از موارد وقتی میخوایم دیتایی مرتبط با نتایج مورد نظرمون از جدول‌های دیگه فراخوانی کنیم سریعا سراغ ساب‌کوئری‌ها بریم.

اما باید دقت کنیم که این ساب‌کوئری‌ها در دل خودشون یک N+1 ایجاد میکنن و به‌ ازای تک‌تک ریف‌هایی که فراخوانی کردیم، تکرار میشن و به‌راحتی ما رو در رکوردهای بالا دچار مشکل میکنن!

راه‌حل چنین موضوعاتی استفاده از pre aggregating و CTE هستش.
بهتره در چنین مواقعی با استفاده از WITH در PostgreSQL یا MySQL یا MariaDB از تکرار کوئری‌ها به‌صورت پنهان در Joinها جلوگیری کنیم. نسخه اصلاح شده کوئری:

WITH
    reaction_counts AS (
        SELECT post_id, COUNT(*) AS reactions_count
        FROM post_reactions
        GROUP BY
            post_id
    ),
SELECT
            posts.id,
            posts.caption,
            posts.content_url,
            reaction_counts.reactions_count
FROM
        LEFT JOIN reaction_counts ON reaction_counts.post_id = posts.id

کوئری بالا هم خوانایی بیشتری داره و هم پرفورمنس بهتری! کاری که هیچ ORM درکی از انجامش نداره!


#episode_0
#story
#tip

یکی از بهترین رو‌ش‌ها برای اینکه عملکرد کدهاتون رو بهتر کنید اینه که بنچمارک‌های مختلفی روی کد مورد نظرتون اجرا کنید تا مشخص بشه چه قسمت‌هایی باید بهبود پیدا کنن.
مقاله زیر توضیحات کاملی در خصوص بنچمارک کدهای گولنگی بیان کرده و هر بخش رو با مثال شفاف‌تر کرده!

از زمانی که وارد توسعه با گولنگ شدم همیشه از کدها بنچمارک می‌گیرم و هربار شگفت زده میشم که تغییرات کوچیک چقدر میتونه سرعت اجرا و بهینه بودن کدها را بیشتر کنه. مقاله زیر رو بخونید خالی از لطف نیست.

https://stackademic.com/blog/profiling-go-applications-in-the-right-way-with-examples

#tip
#bench

اگر در اپلیکیشنی که دارید زیاد از time.Time استفاده می‌کنید می‌تونید با استفاده از ایجاد یک تایپ دلخواه و استفاده int64 میزان مصرف مموری رو تا حد قابل قبولی کاهش بدید و پرفورمنس رو بهتر کنید. به مثال زیر دقت کنید:

‍‍‍‍

type Timestamp int64

func (t Timestamp) Time() time.Time {
    return time.Unix(int64(t), 0)
}

#tip
#golang

مقاله زیر به ما آموزش میده چطور 1,000,000 رکورد دیتا رو در 4 ثانیه در PostgreSQL ذخیره کنیم!

https://www.timescale.com/learn/testing-postgres-ingest-insert-vs-batch-insert-vs-copy?ref=timescale.com


#tip
#postgresql
#database

در سالهای اخیر مسیر شغلی DevOps خیلی جدی‌تر داره دنبال میشه و در مقیاس کلی هم تغییرات زیادی به خودش دیده.

معمولا roadmapهای متفاوتی برای این مسیر بیان میشه که یکی از جالب‌ترین‌ها، ریپازیتوری 90DaysDevOps هستش.

این ریپازیتوری 27K استار داره و توسط خود کامیونیتی DevOps در خصوص مسیر یادگیری، قوانین، ابزارها و... ویدیوهای آموزشی و محتوای قابل قبولی داره و هر سال هم به‌روز میشه.


https://github.com/MichaelCade/90DaysOfDevOps/tree/main

#devops
#github

اگر هنوز یه quick start خوب برای یادگیری پرومتئوس و گرافانا پیدا نکردین یه نگاهی به ریپازیتوری زیر بندازین.

این ریپازیتوری 4.4k استار داره و علاوه بر داکرایز کردن، در خصوص هشدارها (alerts) و دیپلوی کردن هم نکات اولیه رو به سادگی بیان می‌کنه.

https://github.com/vegasbrianc/prometheus?tab=readme-ov-file

#github

اگر در گیت‌هاب فعالیت می‌کنید می‌تونید با وارد شدن به لینک زیر خلاصه‌ای از فعالیت‌هاتون رو زیر ذره‌بین ببرین!

https://githubunwrapped.com/


#fun
#github

#github_unwrapped

برای من جالب‌تر از چیزی بود که فکر میکردم :)

#110 pull request
#814 contribution
پرکارترین روز هفته #دوشنبه

این مقاله از وب‌سایت مهندسای RisingWave نکات جالبی داره و خیلی شفاف بیان می‌کنه چرا تصمیم گرفتن etcd رو بذارن کنار و از PostgreSQL برای مدیریت بهتر metadata استفاده کنن.
در واقع RisingWave یک سیستم متن‌باز Continuous Analytics و ETL pipeline و Event management هستش.

خیلی جالبه که اعلام می‌کنند با این جابه‌جایی دیکه سیستم‌شون از latency پایین و خوبی که با etc داشتن بهره نمی‌بره اما با پوستگرس تونستن مسائلی مثل: scaleability و developer friendly بودن رو بخاطر ابزارهای بیشتر در حوزه cloud با کیفیت بهتری داشته باشند.

مقاله:
https://risingwave.com/blog/risingwave-replaces-etcd-postgres/


لینک گیت‌هاب RisingWave:
https://github.com/risingwavelabs/risingwave

#story
#database
#PostgreSQL

پکیج go-tmpl بهتون این امکان رو میده خیلی ساده کدهای گولنگ رو با HTML ترکیب کنید. هرچند که خود استانداد لایبرری گولنگ از این موضوع پشتیبانی می‌کنه اما خب این پکیج امکانات جالبی داره که در ویدیو بالا می‌تونید ببینید.

https://github.com/a-h/templ

#golang
#packge

گزارش سالانه اکوسیستم برنامه‌نویسان سایت jetbrains برای سال ۲۰۲۴ منتشر شد.

🥇جاوااسکریپت در صدر
🥈پایتون در جایگاه دوم

🏆 گولنگ بیشترین زبان مورد استفاده برای وب‌سرویس‌ها
🏆 گولنگ بیشترین زبان مورد استفاده در حوزه cloud



https://www.jetbrains.com/lp/devecosystem-2024/


#blog

تمام تغییرات زبان گولنگ در نسخه 1.24 رو در لینک زیر مشاهده و اجرا کنید!

لینک زیر یک محیط تعاملی برای درک بهتر قابلیت‌های Golang در ورژن 1.24 است.

https://antonz.org/go-1-24/


#golang
#tip

همانطور که می‌دونید، همه ما می‌تونیم براساس نیازمون یک یا چند extension روی دیتابیس پوستگرس نصب کنیم. افزونه‌هایی برای ایندکس کردن، mask کردن دیتاهای حساس و... اما خب همین افزونه‌ها ممکنه در آینده باعث سردرد بشن. پکیج Pig با زبان گولنگ نوشته شده و یک extension manager خیلی ساده و خوب برای نصب و به‌روزرسانی و مدیریت افزونه‌های PostgreSQL هست.

https://github.com/pgsty/pig

#tip
#database
#PostgreSQL

#teach_me_live

دوره آموزش برنامه‌نویسی گولنگ، از مقدماتی تا پیشرفته به‌صورت جلسات live coding و پروژه محور

سرفصل‌ها و جزییات بخش‌های دوره:

https://cloudygo.ir/register

#course
#teach_me_live

سلام دوستان
در نظر دارم تا اولین دوره آموزش برنامه‌نویسی مقدماتی تا پیشرفته گولنگ رو به‌صورت جلسات live coding برگزار کنم.

دوره سرفصل‌های کاملی از آموزش برنامه‌نویسی وب با زبان گولنگ خواهد بود و از مفاهیم پایه تا نوشتن یک اپلیکیشن کامل تحت وب به‌صورت API رو‌ به صورت جلسات لایو طراحی، کدنویسی و دیباگ خواهیم کرد.


سرفصل‌ها:
۰. جلسه صفرم آشنایی و اهداف
۱. چرا گولنگ
۲. مفاهیم پایه و ذهنیت توسعه با گولنگ
۳. نوع داده‌ها در گولنگ
۴. جنریک و اینترفیس‌ها
۵. ساختارهای شرطی
۶. مدیریت خطاها در گولنگ
۷. کانکارنسی در گولنگ
۸. مدیریت لاگ‌ها و‌ لاگ‌های ساختار یافته
۹. ایجاد وب‌سرور گولنگ و مقایسه با روترهای Gin, Chi و...
۱۰. داکر و داکر کامپوز
۱۱. آموزش Clean Arch و مینی پروژه
۱۲. نگاهی به دیتابیس‌ PostgreSQL
۱۳. نرمالایز کردن دیتابیس
۱۴. آموزش Materialized Views, CTE, Analyzing Queries
۱۵. ایندکس‌ها در دیتابیس

۱۶. نوشتن یک پروژه مشابه اینستاگرام شامل:
ـ authentication
ـ authorization
ـ swagger
ـ seeder
- چرا ORM خیر و توسعه یک کوئری بیلدر
ـ پست‌ها
ـ استوری‌ها
- لایک‌ها، دیسلایک
ـ کامنت و پاسخ‌ها
ـ فالو کردن افراد و منشن‌ها
ـ ویدیو و تصاویر
ـ آبجکت استوریج MinIO/S3
ـ race condition و distributed lock
ـ Idempotency
ـ async task
ـ cache
ـ cronjob
- پرومتئوس و گرافانا
- لودتست و K6
ـ مانیتورینگ اپلیکیشن و دیتابیس
ـ دیپلوی کامل
ـ میکروسرویس‌ها چرا و چگونه؟
ـ توسعه مایکروسرویس‌ها
ـ RabbitMQ
ـ gRPC و Protobuff
- نکات مهم در مایکروسرویس‌های توسعه‌یافته

ـ Bonus:
ـ نگاهی بر تست نویسی در گولنگ


جزییات جلسات دوره را در وب‌سایت کلادی‌گو مشاهده کنید.

https://cloudygo.ir/register


این دوره ضمانت بازگشت وجه داره و تا پیش از شروع فصل آخر شما میتونید در هر زمان که تمایل داشتید تمام وجه پرداخت شده رو دریافت کنید.

یکی از مسائلی که هنگام scale کردن دیتابیس برای تیم توسعه می‌تونه اتفاق بیفته ایجاد Replication دیتابیس و جداسازی کوئری‌های Read و Write است.

بدین معنی که شما یک/چند دیتابیس Main و به تعداد نیاز دیتابیس Replica خواهید داشت که هر کوئری که از جنس نوشتن، سمت دیتابیس Main و هر کوئری که هدفش خواندن اطلاعات باشد در یکی از instanceهای رپلیکا اجرا می‌شود.

در گولنگ نوشتن چنین امکانی بسیار ساده است اما باید استراتژی‌های مناسبی برای لود بالانس دیتابیس‌ها، به‌درستی Sync کردن دیتا (Data Consistency)، مدیریت I/O و جلوگیری از ایجاد Nework Overhead درنظر داشت.

شخصا یک‌مرتبه از پکیج زیر برای ایجاد دیتابیس‌های Read/Write استفاده کردم که در ابتدای مسیر تا حد مناسبی نیازهای اصلی پروژه را پوشش می‌داد.
https://github.com/bxcodec/dbresolver

احتمالا در طول مسیر برای کنترل صحیح‌تر مجبور می‌شوید پکیج اختصاصی خودتان را ایجاد کنید.

در این مسیر حتما به پترن CQRS توجه کنید. علاوه‌بر این، الگوریتم‌هایی مثل Raft و Paxos می‌توانند برای ایجاد Eventual Consistency کاربردی باشند.

در پست‌های بعدی با راه‌حل چالش‌ها آشنا خواهیم شد

#tip