درود دوستان
اینم یکی از بچه ها زحمتش رو کشیده گفتم جالبه اگه منتشر بشه
اینم آیدی تلگرامش

@ReturnWasHere

پیام ایشون:

من یه پنل برای هیستریا۲ نوشتم که با خود هسته هیستریا۲ کار میکنه آدرس گیت هاب:

https://github.com/ReturnFI/Hysteria2

اگر رفیقای فرانت کار دوست داشتن و علاقه ای داشتن من دنبال اینم یه webui بالا بیارم یه سری cli  براش نوشتم که  اینجا میتونید آموزش مطالعه کنید

https://github.com/ReturnFI/Hysteria2/blob/main/core/README.md

اگر کسی علاقه ای داشت که پنل سمت وبش بنویسه خوشحال میشم باهاش همکاری کنم
دمتون گرم❤️

ببینید یک ابزارِ کوچک اما کاربردی چقدر می‌تونه کارها رو ساده کنه. با pasteasfile می‌تونید محتوایِ کلیپ‌بورد رو در قالبِ یک فایل پیست کنید. کاش ویندوز این قابلیت رو به صورتِ built-in می‌داشت. لذت بردم.
pasteasfile.org‎

@DevTwitter | <Ayub Kokabi/>

اگه بتونین درایور NVIDIA بنویسین جز 0.01% تاپ کامپیوترین


@Linuxor

میخواهید برای مصاحبه DevOps آماده بشید ؟
مجموعه ای از سوالات مصاحبه DevOps
interview.devopscommunity.in‎

@DevTwitter | <MehrdadLinux/>

🔶 دوره آموزش حرفه ای طراحی قالب فروشگاهی بر پایه ووکامرس در تاریخ ۱۴۰۳/۱۰/۲۰ منتشر خواهد شد.

تا آخر دی ماه تخفیف ۸۰ درصدی فعال است.

https://rayium.ir/?p=1247

#ووکامرس

@TheRaymondDev

اگه دولوپر اوپن سورس هستین یا پروژه هاتون پابلیک هست برین تو این لینک و کارنامه یکسال اخیرتون رو در گیت هاب ببینید.
https://git-wrapped.com/


💻@DevAcaademy
💬@DevAcademyGroup

منابع انسانی دیجی‌کالا: مهم‌ترین دلیل خروج از دیجی‌کالا در ۱۴۰۲ مهاجرت بوده است

مدیر منابع انسانی دیجی‌کالا :

ما چالش‌های زیادی برای نگهداشت نیروی انسانی در دپارتمان تکتولوژی دیجی‌کالا داشتیم و پارسال نرخ خروج ما ۲۰ درصد بوده است.

۳۷ درصد دلیل خروج از دیجی‌کالا در سال ۱۴۰۲ مهاجرت از کشور بوده است.

۳۵ درصد افراد به دلیل پیدا کردن موقعیت شغلی بهتر این سازمان را ترک کرده‌اند.

۴۰ درصد از افرادی که سازمان را ترک کرده‌اند در بازه سنی بین ۲۱ تا ۲۵ سال قرار داشتند.

----------


به ناپلئون خبر دادند در جنگ پیروز شدیم
ناپلئون پرسید چقدر تلفات دادیم؟
گفتند ۶۰ درصد از نیروهامون کشته شدند
ناپلئون گفت یک بار دیگر پیروز شویم نابود میشویم

حالا هم دو سال دیگه بگذره دیجی کالا هیچ نیرویی نداره

@poinair

اگه یه میلیون کار داشته باشی و بخوای همزمان اجراشون کنی، ولی فقط 8 تا CPU داری، چه‌جوری بهینه‌ترین حالت رو پیدا می‌کنی؟

تو گولنگ، گوروتین‌ها خیلی سبک هستن. می‌تونی هزار تا، ده هزار تا، یا حتی بیشتر گوروتین همزمان اجرا کنی. ولی وقتی تعداد کارهات خیلی زیاده (مثلاً یه میلیون)، دیگه تعداد CPUها محدودیت اصلی میشه و نمی‌صرفه حافظه‌ رو با صدها هزار گوروتین که همزمان نمی‌تونن اجرا بشن، هدر بدی.

یه راه خفن برای کنترل این داستان استفاده از Semaphore هست که می‌تونی تعداد گوروتین‌های در حال اجرا رو محدود کنی.

حالا چطور کار می‌کنه؟
1. یه کانال با ظرفیت مشخص (N) درست می‌کنی که این ظرفیت میشه تعداد گوروتین‌های همزمانی که می‌خوای اجرا بشه.

2. کانال رو با N تا "توکن" (هرچیزی مثل عدد) پر می‌کنی.

3. هر گوروتین قبل از اجرا باید یه توکن از کانال بگیره و وقتی کارش تموم شد توکن رو برمی‌گردونه.

4. اگه توکن نباشه گوروتین منتظر می‌مونه تا یکی آزاد بشه.
این تصویر یه مثال ساده با N=2 هست.



| <Mohammad Abdorrahmani/>
➖➖➖➖➖➖➖➖
https://news.1rj.ru/str/addlist/KpzXaiSpKENkMGM0

Mac Users: If you're struggling to optimize your workflow, don’t worry—you have plenty of money to waste. Just buy a newer Mac instead!

Windows Users: Before searching for a real IDE, you might want to get yourself a real operating system.

#موقت

این رو هم مستقیم میذارم که باشه:

“The extreme of the “classes should be small” approach is a syndrome I call classitis, which stems from the mistaken view that “classes are good, so more classes are better.” In systems suffering from classitis, developers are encouraged to minimize the amount of functionality in each new class: if you want more functionality, introduce more classes. Classitis may result in classes that are individually simple, but it increases the complexity of the overall system. Small classes don’t contribute much functionality, so there have to be a lot of them, each with its own interface. These interfaces accumulate to create tremendous complexity at the system level. Small classes also result in a verbose programming style, due to the boilerplate required for each class.”

A Philosophy of Software Design, 2nd Edition
John K. Ousterhout

به‌به
رسیدیم به اونجایی که من خیلی دوسش دارم.

توی فصل چهارم کتاب، میاد و راجع‌به طراحی modular صحبت میکنه و ادامه میده تا میرسه به طبقه‌بندی ماژول‌ها به deep و shallow.

هرکدوم رو این طور تعریف میکنه:

“Deep modules are those that provide powerful functionality yet have simple interfaces.”

و تعریفی که از shallow moduleها میده اینه:

“a shallow module is one whose interface is relatively complex in comparison to the functionality that it provides.”

و مثال extreme‌ی هم براش میزنه اینه:

private void addNullValueForAttribute(String attribute) {
data.put(attribute, null);
}

و خلاصه میگه این shallow module چیز کثافتیه و بده و فلان چون که این خودش پیچیدگی رو میبره بالا:

“The method offers no abstraction, since all of its functionality is visible through its interface. ”

تا اینجا مقدمه‌ایه تا برسه بر کوتاه کردن. کوتاه کردن کلاس، شکوندن تابع. میاد و یک اسمی هم روی این مرض میذاره: Classitis

میگه، برنامه‌نویس‌ها عموماً فکر میکنند و اینطور یادگرفتند که این‌ها باید کلاس‌ها و تابع‌هاشون رو بشکونن به واحدهای کوچیک‌تر. مثلا اگر طول تابع از n خط (۱۰ خط) بیشتر شد، این باید شکسته بشه به چند تا تابع و فلان و اینطوری خیال میکنند که پیچیدگی رو کم کردن.

ولی اینجا دقیقا همونجاییه که دارن اتفاقا پیچیدگی رو بالاتر میبرند. چرا که تعداد ماژول‌هایی که کار کمی میکنند و به نسبت interface ‌های پیچیده دارن رو بیشتر میکنند. یا به عبارتی، از deep moduleها می‌کاهند و به shallow module ها می‌افزایند.

من فکر میکردم که این ماجرا بدیهی باشه ولی هرچی رفتم جلوتر بیشتر زدن تو سرمون که اینطور بنویسیم. اینطور خوبه. کوتاه و کوچیکه که خوبه. ولی خب در عمل میدیدم که همه‌چیز وقتی بعد از یک مدت به نسبت قابل توجهی وقفه برمیگشتم به اون چه که نوشته بودم، برام فهمش به نسبت پیچیده تر بود. حالا میبینم که اونقدر‌ها هم بی راه فکر نمیکردم و این باعث خوش‌حالیمه.

Rolldown 1-beta.1 is out

https://github.com/rolldown/rolldown/releases/tag/v1.0.0-beta.1

https://rolldown.rs/

#rolldown #news

چرا ؟
ـGo که خیلی خوبه 🤔
اونایی که گفتن نه دوست دارم دلیلشون رو بدونم

#کوته_نیوز

دکتر:
همین روزا درز تلگرامو براتون باز میکنم.

@DevTwitter

نسبت به راعی اکثریت عمل میکنم
اگه 👎
درمورد همون پایتون و اینا پست میزارم
اگه 👍
درمورد go هم پست میزارم

(روی این پست ریکشن نزنید روی همون پستی که ریپلای زدم ریکشن بزنید)

سال نو میلادی رو به همه عزیزان شادباش میگم

💥مجموعه مقاله های مفاهیم دیتابیس💥

سعی کردم تا جایی که جا داره مفاهیم رو ساده توضیح بدم و شک نکنید ازشون تو مصاحبه ها پرسیده میشه 🍻


✅ نبرد بین نظم و انعطاف (قسمت اول از مفاهیم دیتابیس)
👈🏻 کی به وجود اومدن؟
👈🏻 چرا به وجود اومدن؟
👈🏻 چه موقع از کدوم استفاده کنیم و چه موقع استفاده نکنیم؟
👈🏻 مزیت و معایبشون چیه؟ به درد چه پروژه هایی میخوره ؟
👈🏻 مقیاس پذیری افقی و عمودی چیه ؟


✅ وقتی جدول‌ها عاشق می‌شوند (قسمت دوم از مفاهیم دیتابیس)
👈🏻 کلید ها چی هستن و انواع شون ؟
👈🏻 انواع ریلیشن توی دیتابیس چطوری استفاده میشه؟
👈🏻 چه موقع از ON DELETE استفاده کنیم ؟


✅ دیتابیس بدون ایندکس، مثل کتابخانه بدون فهرست! (قسمت سوم از مفاهیم دیتابیس)
👈🏻 مفهوم ایندکس چیه؟ چه موقع استفاده کنیم چه موقع نکنیم ؟
👈🏻 انواع ایندکس کدوما هستن؟چطوری کار میکنن ؟
👈🏻 بررسی سه ساختار داده مهم ایندکس ها B-tree , Bitmap, hash table


✅ نرمال‌سازی دیتابیس: از آشفتگی تا آسودگی در چند مرحله ساده(قسمت چهارم از مفاهیم دیتابیس)
👈🏻 مفهوم نرمالایز چیه؟
👈🏻 سطوح نرمالایز کدوما هست ؟
👈🏻 معایبش چیه و چه موقع استفادش نکنیم ؟


✅ اسید: این بار نه شیمی، بلکه دیتابیس!(قسمت پنجم از مفاهیم دیتابیس)
👈🏻 اسید(ACID) در دیتابیس به چه معنیه؟
👈🏻 اگه ایزوله سازی رو رعایت نکنی چه مشکلاتی پیش میاد ؟ dirty read و phantom readو non-repeatable read چیا هستن ؟
👈🏻 چهار سطح ایزوله سازی کدوما هستن ؟


✅ تکه‌ تکه، اما قوی‌ : Sharding، Partitioning و Replication (قسمت آخر از مفاهیم دیتابیس)
👈🏻 رپلیکیشن، شاردینگ و پارتیشن چی هستن ؟
👈🏻 مزیت هرکدوم چیه ؟
👈🏻 چه موقع از کدوم استفاده کنیم ؟


@LearnByLearn

امسال هم به مانند ۲۷ ادوار گذشته، آقای Donald Knuth لکچر معروفی که هر سال به مناسبت کریسمس برگزار می‌کنند رو در دانشگاه استنفورد برگزار کردند. در ۲۸ امین Christmas lecture شون به محاسبه‌ی weak و strong components روی یک گراف جهت‌دار پرداختند. برای محاسبه‌ی این مسئله الگوریتم معروف آقای Robert Tarjan رو بحث میکنند که طبق گفته خود آقای knuth این الگوریتم جالب‌ترین الگوریتمی بوده که در طول زندگی‌شون تا به حال باهاش برخورد کردند.

لینک این لکچر رو میتونید در اینجا پیدا کنید.

🔴 نمایش سه‌ بعدی عملکرد مدل‌های زبانی LLM

👨🏻‍💻 تابحال شده بخواین ببینین توی مدل‌های زبانی مثل ChatGPT چه اتفاقی می‌افته؟

✔️ با ابزار LLM Visualization می‌تونین به طور دقیق و مرحله به مرحله، نگاهی عمیق و واضح به عملکرد مدل‌های زبان بزرگ داشته باشین.

🏷 این ابزار بهت این امکان رو میده که هر مرحله از اجرای یک توکن رو به دقت مشاهده کنین. از نحوه پردازش ورودی‌ها گرفته تا تولید خروجی نهایی، این ابزار همه مراحل رو به صورت بصری و سه‌بعدی براتون به نمایش می‌ذاره.👇


┌ 💸 LLM Visualization
└ 💰 Website