این perplexity یه مدل Deep Research داده بیرون، که تا نزدیک ده دقیقه وقت میگیره جواب بده و به جاش یه مطلب رو دقیق تر با امار و رفرنس درست حسابی تحلیل میکنه تحویلت میده.
جون میده برای ریپورت و پروپوزال و …گرچه که هنوز جای کار داره ولی حداقل دیگه رفرنس سازی فیک نمیکنه

@DevTwitter | <Shana/>

SIMD مخفف Single Instruction, Multiple Data

(یک دستورالعمل، چندین داده) است. این یک تکنیک پردازشی است که در معماری کامپیوتر استفاده می‌شود و به پردازنده اجازه می‌دهد تا یک عملیات را همزمان روی چندین داده اجرا کند. این کار باعث افزایش کارایی و سرعت پردازش، به ویژه در عملیات‌های موازی مانند محاسبات برداری یا ماتریسی، می‌شود.


### توضیح بیشتر:


- Single Instruction:
یک دستورالعمل واحد به پردازنده داده می‌شود.

- Multiple Data:
این دستورالعمل به طور همزمان روی چندین داده (مثلاً چندین عنصر در یک آرایه) اعمال می‌شود.


### مثال:

فرض کنید می‌خواهید چهار عدد را با هم جمع کنید. در حالت عادی، پردازنده باید چهار بار عملیات جمع را انجام دهد. اما با استفاده از SIMD، می‌توانید این چهار عدد را به صورت موازی و در یک عملیات جمع کنید.


### کاربرد SIMD در SwissTable:

در SwissTable، از SIMD برای بهینه‌سازی عملیات‌هایی مانند جستجو، درج و حذف استفاده می‌شود. به این صورت:
- جستجو: با استفاده از SIMD، می‌توان چندین کلید را به طور همزمان بررسی کرد و سرعت جستجو را افزایش داد.
- درج و حذف: عملیات‌های مرتبط با مدیریت داده‌ها نیز می‌توانند به صورت موازی انجام شوند.


### مزایای SIMD:

1. سرعت بیشتر: انجام عملیات‌ها به صورت موازی باعث کاهش زمان اجرا می‌شود.
2. بهینه‌سازی مصرف انرژی: با کاهش تعداد دستورالعمل‌ها، انرژی کمتری مصرف می‌شود.
3. کارایی بالا: به ویژه در عملیات‌های تکراری و محاسبات سنگین، کارایی سیستم افزایش می‌یابد.

### معایب SIMD:

1. پیچیدگی: برنامه‌نویسی با SIMD نیاز به دانش خاص و توجه به جزئیات دارد.
2. وابستگی به سخت‌افزار: برای استفاده از SIMD، پردازنده باید از این قابلیت پشتیبانی کند.

در کل، SIMD یک تکنیک قدرتمند برای افزایش سرعت و کارایی در عملیات‌های موازی است و در SwissTable نیز از آن برای بهبود عملکرد map استفاده شده است.

➖➖➖➖➖➖➖➖
https://news.1rj.ru/str/addlist/KpzXaiSpKENkMGM0

الان سگارو آزاد شده

ولی پست هایی که میزنه هیچ شباهتی به سگارو قبلی نداره

ایا من دارم اشتباه میکنم یا اینکه یه نفر دیگه داره میاد تو ایکس فالس آلارم میده ؟

یه وب interface برای api توییتر انقدری ترسناک نیست که اینطور مطرح بشه

اون هم با اصطلاح برادرا و گونی.

اگر میخواید در مورد swiss map ها اطلاعات بیشتر داشته باشید این رفرنس ها به شما کمک می کندد

https://www.dolthub.com/blog/2023-03-28-swiss-map/
https://www.youtube.com/watch?v=JZE3_0qvrMg
https://abseil.io/about/design/swisstables
https://www.youtube.com/watch?v=ncHmEUmJZf4
http://graphics.stanford.edu/~seander/bithacks.html##ValueInWord
https://aras-p.info/blog/2016/08/09/More-Hash-Function-Tests/
https://lemire.me/blog/2016/06/27/a-fast-alternative-to-the-modulo-reduction/


➖➖➖➖➖➖➖➖
https://news.1rj.ru/str/addlist/KpzXaiSpKENkMGM0

با پیشرفت روزافزون agent های کدنویسی هوش مصنوعی، مهندسان نرم‌افزار باید توانایی‌های زیر را داشته باشند:

۱- توانایی بررسی سریع و دقیق کد نوشته شده توسط هوش مصنوعی
۲- توانایی توصیف مشکلات به‌صورت واضح و کامل
۳- توانایی انجام هم‌زمان چند کار و تغییر سریع بین زمینه‌های مختلف
خوب است که از حالا این مهارت‌ها را تمرین کنید!

@DevTwitter | <Mehdi Allahyari/>

با گذاشتنِ http://r.jina.ai قبل از هر URL، محتوایِ اون صفحه رو به صورتِ مارک‌داون بهتون می‌ده. مثلاً می‌تونید آخرین نسخهٔ مستنداتِ محصول رو به چت‌بات بدید تا جوابِ به‌روز بده. اگر قبل از لینکِ یک PDF بگذارید متنش رو بهتون می‌ده. رویِ بعضی از PDFهای فارسی هم کار می‌کنه.

@DevTwitter | <Ayub Kokabi/>

چند روز قبل Elon Musk یک توییت زد که، Grok-3 بهترین AI ایی خواد بود که دیدید.

همینطوری که ملت در حالی خوشگذرانی با Gemini 2.0 Flash Thinking بودند (اتفاقاً خیلی از شرکت‌ها هم رفتند سراغش بخصوص اونایی که در زمینه RAG کار می‌کنند)

نسخه Early Release مدل Grok-3 منتشر شد، و رتبه اول رو تا اینجا کار به خودش اختصاص داده
توی اکثر بنچمارک‌های معروف مثل lmarena حتی اختلاف با مدل دوم حدود 20 امتیاز هست.

نظر کاربرا راجب این مدل هم بسیار مثبت هست.


پی‌نوشت‌: توی تمام زمینه‌های lmarena رتبه اول رو داره این مدل (یادم رفت بگم)

✅ انتخاب یک توزیع لینوکس ( #linux distro) مناسب برای شروع 😎

⁉️ بهترین توزیع گنو/لینوکس مناسب برای شروع ؟
🗓 جامعه :
نسخه لینوکسی که جامعه کاربری بزرکتری دارد یعنی فراوانی آموزش و رفع مشکلات بیشتر
🔥 مربی:
از اطرافیان شما #لینوکس کار هستند توزیع هایی که انها استفاده میکنند باعث میشود مشکلات شما زود تر حل شود
😎 تخصص :
چک کنید جامعه کاربری تخصص شما از کدام توزیع بیشتر استفاده میکند
🤩 نیاز خواسته:
ببینید از لینوکس چه میخواهید و نیاز شما چیست تمرکز جامعه روی نیاز شما است

توصیه مهردادلینوکس:
در لینوکس دنبال ویندوز نگردید،کنترل پنلش کجاست درایو C کو ؟ رجیستری کجاست و ...
برای ویندوز وقت گذاشتید که تسلط دارید برای لینوکس هم باید وقت بگذارید
یک شبه نمیشه
از اشتباه کردن نترسید، ۱۰۰ بار ویندوز را خراب کردید دوباره نصب کردید
فقط شروع کنید ، اندروید گوشی یک لینوکسه ولی شما مسلط هستید

💠 چند توزیع معروف که اگر سردرگم هستید فقط نصب کنید 😍

1️⃣مینت Linux Mint
2️⃣ابونتو Linux Ubuntu
3️⃣المنتری او-اس elementary OS
4️⃣منجارو Arch Manjaro
5️⃣فيدورا Fedora

⁉️ با چه توزیعی #linux شروع کردید ؟ الان با چی کار میکنید؟

خب خب خب جلوگیری از Race Condition در جنگو با select_for_update 🔒🚀

توی این پست در مورد Race Condition صحبت کردیم و گفتیم چطور ممکنه چندتا درخواست همزمان بیان و دیتا رو خراب کنن. حالا بریم ببینیم جنگو چه ترفندهایی برای کنترل این مشکل داره و چطور می‌تونیم از select_for_update استفاده کنیم.

مشکل چیه؟ 🤔
فرض کن یه سیستم بانکی داری و کاربرا دارن پول جابه‌جا می‌کنن. حالا دو نفر همزمان می‌خوان از حسابشون پول بردارن و موجودی حساب فقط 100 تومنه. اگه این درخواست‌ها بدون قفل کردن دیتا پردازش بشن، ممکنه هر دو برداشت موفق بشن و سیستم بدهکار بشه 😬

اینجا همون جاییه که select_for_update میاد وسط و دیتا رو از فاجعه نجات می‌ده.

چطوری select_for_update مشکل رو حل می‌کنه؟ 🔐
وقتی از select_for_update استفاده می‌کنی، رکورد دیتابیس قفل می‌شه تا هیچ درخواست دیگه‌ای نتونه همزمان تغییرش بده. این یعنی هر درخواستی که بعد از اولین درخواست بیاد، باید منتظر بمونه تا قفل آزاد بشه و بعد پردازش بشه.

مثال 1: جلوگیری از برداشت همزمان از حساب بانکی 🏦

from django.db import transaction
from myapp.models import Account

def withdraw_money(account_id, amount):
    with transaction.atomic():  # شروع تراکنش
        account = Account.objects.select_for_update().get(pk=account_id)  # قفل کردن رکورد
        if account.balance >= amount:
            account.balance -= amount
            account.save()
            print("برداشت موفقیت‌آمیز بود!")
        else:
            print("موجودی کافی نیست!")  # جلوگیری از برداشت بیش از حد

✅ این کد مطمئن می‌شه که وقتی یه درخواست داره موجودی رو چک می‌کنه و کم می‌کنه، هیچ درخواست دیگه‌ای همزمان وارد عمل نشه.

مثال 2: انتقال وجه بین دو حساب 💳
حالا یه چالش سخت‌تر انتقال پول از یه حساب به حساب دیگه. باید هر دو حساب همزمان قفل بشن تا مشکلات همزمانی پیش نیاد.

from django.db import transaction
from myapp.models import Account

def transfer_money(from_id, to_id, amount):
    with transaction.atomic():
        accounts = Account.objects.select_for_update().filter(pk__in=[from_id, to_id]).order_by("id")
        
        sender = accounts[0]
        receiver = accounts[1]

        if sender.balance >= amount:
            sender.balance -= amount
            receiver.balance += amount
            sender.save()
            receiver.save()
            print("انتقال وجه موفقیت‌آمیز بود!")
        else:
            print("موجودی کافی نیست!")  # جلوگیری از انتقال اشتباه

✅ اینجا هر دو حساب رو قفل می‌کنیم تا حتی اگه دو درخواست انتقال پول به صورت همزمان بیاد، هیچکدوم نتونن وسط کار رو همدیگه تأثیر بذارن.

چندتا نکته 🚀

🔹 انتخاب نوع قفل (select_for_update(nowait=True))
اگه بخوای درخواست‌های معطل رو سریع رد کنی، می‌تونی nowait=True بذاری که اگه رکورد قفل بود، درخواست جدید منتظر نمونه و مستقیم خطا بده.

account = Account.objects.select_for_update(nowait=True).get(pk=1)

☝️ این باعث می‌شه که اگه رکورد قفل باشه، جنگو بلافاصله یه DatabaseError بده و منتظر نمونه.

🔹 قفل کردن رکوردها بدون مسدود کردن خواندن (select_for_update(skip_locked=True))
اگه درخواست‌های زیادی داری و نمی‌خوای که یک درخواست کل سیستم رو بلاک کنه، می‌تونی از skip_locked=True استفاده کنی که درخواست‌های دیگه بتونن رکوردهای آزاد رو پردازش کنن.

account = Account.objects.select_for_update(skip_locked=True).get(pk=1)

☝️ این کار باعث می‌شه که اگه یه رکورد قفل بود، درخواست بیخیال اون رکورد بشه و فقط رکوردهایی که قفل نیستن رو انتخاب کنه.

🔹 مدیریت تایم‌اوت قفل (set statement_timeout)
اگه نمی‌خوای که درخواست‌ها مدت زیادی بلاک بشن، توی PostgreSQL می‌تونی یه تایم‌اوت برای قفل تعیین کنی:

SET statement_timeout = '5s'; 

☝️ این یعنی اگه یه درخواست بیشتر از ۵ ثانیه قفل بمونه، بهش خطا داده می‌شه و می‌ره بیرون.

جمع‌بندی ✍
‏select_for_update یکی از قوی‌ترین ابزارها برای جلوگیری از Race Condition توی جنگوئه. مهم‌ترین نکاتش اینان:
✅ قفل کردن رکوردهای دیتابیس موقع آپدیت برای جلوگیری از دستکاری همزمان
✅ استفاده از nowait=True برای جلوگیری از انتظار بیش از حد
✅ استفاده از skip_locked=True برای رد کردن رکوردهای قفل‌شده و ادامه پردازش.

#️⃣ #python #programming #db

➖➖➖➖➖➖➖➖➖

🥷 CHANNEL | GROUP

خیلی وقت بود پست جنگو نداشته بودیم 😬

🔥 مناظرهٔ تاننباوم–توروالدز «LINUX منسوخ شده است»

🗓بین اندرو اس. تاننباوم، خالق سیستم‌عامل آموزشی مینیکس
🗓 و لینوس توروالدز، خالق هستهٔ لینوکس، بود.
💠این مناظره در گروه خبری Usenet به نام comp.os.minix در سال ۱۹۹۲ رخ داد

✅ موضوع سر معماری هسته‌های سیستم‌عامل، به‌ویژه مقایسهٔ هسته‌های یکپارچه (monolithic) و ریزهسته‌ها (microkernel)، تمرکز داشت.

🔥 تاننباوم بحث را با استدلال اینکه طراحی هستهٔ یکپارچهٔ لینوکس از نظر مفهومی قدیمی و ریزهسته‌ها به دلیل قابلیت حمل و پایداری، برتر هستند آغاز کرد
و گفت معماری پردازنده‌های x86 که لینوکس بر پایهٔ آن توسعه یافته، در آینده جای خود را به معماری‌های RISC خواهد داد.

🔥 توروالدز در پاسخ، ضمن اذعان به مزایای نظری ریزهسته‌ها، از تصمیم خود برای استفاده از هستهٔ یکپارچه دفاع کرد.
او اشاره کرد که مینیکس دارای محدودیت‌هایی مانند نبود پشتیبانی از چندنخی (multithreading) و هدف او از توسعهٔ لینوکس، ایجاد یک سیستم‌عامل کاربردی برای استفادهٔ شخصی بوده است.

✅ با گذشت زمان،
هر دو مدل هسته در حوزه‌های مختلف به کار گرفته شدند

منبع wikipedia
#linux