چند وقت پیش سر میتینگ Devonix درباره docker swarm صحبت کردیم. معمولا اغلب دوآپسی‌ ها خیلی زود به این نتیجه میرسن که چون k8s فراگیر شده، پس swarm به درد اغلب کارها نمیخوره اما واقعیت اینه که در اسکیل‌ های کوچک‌ تر و برای تیم‌ هایی که یک کلاستر ساده با پیچیدگی کم میخوان، swarm هنوز هم یک انتخاب کاملا منطقی و قابل‌ اتکا محسوب میشه.
برای همین در ادامه از ظرفیت‌ هایی که میشه روی swarm سوار کرد براتون یه پرزنت زدم و یه مثال عملی آوردم. سه نود ساده رو با vrrp تبدیل کردم به یه ورودی استیبل تا ترافیک همیشه از یه virtual ip عبور کنه حتی اگر یکی از نودها از دسترس خارج بشه، failover در لحظه انجام بشه. بعد روی همین سه نود یه رپلیکیت گلاستر زدم تا همه سرور ها یه shared storage داشته باشن و بتونن sync بشن...
با همین مثال پایه minio رو روی swarm به صورت دیستریبیوت اجرا کردم و سرویس روی هر نودی که scheduler انتخاب میکرد بدون هیچ مشکلی بالا می‌ اومد و به استورج مشترک متصل میشد.

اَحپِف‌اِیْسم 🍋

نیازمند یک روز تعطیلی، پس از روز تعطیل هستیم

@DevTwitter

🌀 نصب آرچ با Wi-Fi به نصب‌کننده‌ی Archinstall اضافه شد 🚀

⚠️اگر چند سال پیش کسی می‌گفت «آرچ رو می‌تونی با چند مرحله‌ی ساده نصب کنی!» احتمالاً به شوخی می‌گرفتیم 🥴
✅با Archinstall ( اسکریپت رسمی نصب آرچ لینوکس ) دیگر خبری از ترس و پیچیدگی نیست.

‏🆕حالا نسخه‌ی Archinstall 3.0.13 با یک ویژگی بسیار مهم منتشر شده:
📡 منوی اتصال به Wi-Fi داخل نصاب آرچ لینوکس!
بدون نیاز به اجرای دستی iwctl یا wpa_cli 😎
✨کاربران لپ‌تاپ دیگر نیاز به اجرای چندین دستور شبکه به‌صورت دستی ندارند.

🔧 جزئیات فنی جالب برای اهل تکنیک:
از کتابخانه‌ی Textual (textualize.io) جایگزینی مدرن برای curses قدیمی در پایتون استفاده شده
دلیل تغییر؟ پشتیبانی ضعیف curses از ورودی‌های غیر-ASCII (مثل پسوردهایی با حروف خاص 😅).
فعلاً فقط منوی وای‌فای از Textual استفاده می‌کنه، ولی احتمالاً در نسخه‌های بعدی، کل رابط نصاب به Textual مهاجرت کنه.

🔥 آرچ در حال تغییره اما همچنان "Minimal" می‌ماند!
لینک Github
منبع
@MehrdadLinuxchannel

مولانا | دیوان شمس | رباعیات | رباعی شمارهٔ ۳۰۸

در عشق اگر چه که قدم بر قدم است
آنست قدم که آن قدم از قدم است
در خانه نیست هست بینی بسیار
می مال دو چشم را که اکثر عدم است

#مولانا | گنجور
📍@iipoem

🔵 عنوان مقاله
How We Saved 70% CPU and 60% Memory in Refinery’s Go Code

🟢 خلاصه مقاله:
**تیم Refinery روی یک سرویس مهم مبتنی بر Go با مصرف بالای CPU و Memory کار می‌کرد و با پروفایلینگ دقیق (pprof، tracing و بنچمارک‌های انتهابه‌انتها) گلوگاه‌های واقعی را پیدا کرد. بیشترین صرفه‌جویی با حذف کارهای غیرضروری به‌دست آمد: حذف پردازش‌ها و serialization تکراری، دوری از reflection در مسیرهای داغ، جایگزینی JSON در hot path با دسترسی مستقیم/کدگذاری ساده، پیش‌اختصاص slices/maps و بازاستفاده از بافرها برای کاهش allocation و فشار GC. در هم‌روندی، به‌جای goroutineهای بدون‌مهار، از worker poolهای محدود و backpressure استفاده شد، کارها batch و داده‌ها تا حد امکان stream شدند تا قفل‌زنی و جابه‌جایی زمینه کاهش یابد. همچنین چند حلقه O(n^2) با ایندکس‌گذاری مبتنی بر map/set جایگزین شد، نتایج گران با cache کردن تکرار نشد و الگوهای I/O با خواندن/نوشتن تجمیعی بهینه شدند. در نهایت با تکیه بر allocationهای روی stack، استفاده از sync.Pool و روش‌های zero-copy، نیاز به GC پایین آمد. نتیجه: حدود 70% کاهش مصرف CPU و 60% کاهش Memory همراه با بهبود تاخیرهای p95/p99. درس کلیدی: بهینه‌سازی اغلب یعنی کمتر کار کردن—اندازه‌گیری کن، کار زائد را حذف کن و ساده‌سازی را تکرار کن.

#Go #Golang #Performance #Profiling #CPU #Memory #Optimization #pprof

🟣لینک مقاله:
https://golangweekly.com/link/176624/web

➖➖➖➖➖➖➖➖
👑 @gopher_academy

یه اکستنشن دارم برای لینکدین که متن پست‌ها رو باهاش استخراج می‌کنم

این لینکدین هر روز DOM رو آپدیت می‌کنه و تغییر میده
زخم شدم یعنی، بس کن دیگه دو روز آروم بگیر

یه نفر روی ریپوی الگوریتم توییتر یه issue باز کرده نوشته: اکانت های دخترا وقتی بهشون پیام می‌دم جواب نمی‌دن! لطفا مشکلو حل کنید.

@Linuxor

اگر دوست دارید سرویس ها مختلف مثل اور لیف و جوپیتر و ار استدیو و ... لوکال بیارید بالا و همشو باهم داشته باشید
این ریپو به دردتون میخوره

https://github.com/parvvareshInfrastructure/local-service

@DevTwitter | <Alireza Parvaresh/>

وضعیت راست در ایران:

#م
@SohrabContents

✅ برای محاسبه border-radius خارجی یک المنت با استفاده از padding و border-radius المنت داخلی میتوان از فرمول ساده زیر استفاده کرد:

outer-radius = inner-radius + padding

🔺برای مثال: یه المان با مشخصات border-radius: 24px و padding: 8px داریم، برای محاسبه border-radius المان داخلی خواهیم داشت:

24px - 8px = 16px

🔺رعایت این نکته باعث میشه طراحی های اصولی تر و حرفه ای تری داشته باشیم.
------------------------------------
پُروکُد، جایی که‌ برنامه‌نویسای حرفه‌ای متولد میشن🧑🏻‍💻👇🏽

https://news.1rj.ru/str/ProCode0101

🔵 عنوان مقاله
Concord: A Resilient Chord Implementation in Go

🟢 خلاصه مقاله:
اConcord یک پیاده‌سازی مقاوم از پروتکل Chord در زبان Go است که برای پایداری در برابر churn و خرابی‌های جزئی طراحی شده. Chord یک DHT همتابه‌همتاست که با استفاده از consistent hashing یک حلقه منطقی می‌سازد؛ هر گره بخشی از فضای کلید را نگه می‌دارد و با تکیه بر successor، predecessor و finger table، کلیدها را در زمان تقریبی O(log N) مسیردهی می‌کند.

تمرکز اصلی Concord بر مدیریت عضوگیری و بازیابی سریع است: پایش و stabilization دوره‌ای برای به‌روزرسانی اشاره‌گرها، استفاده از successor list برای تحمل خرابی، و تعمیر پس‌زمینه fingerها برای کاهش انحراف مسیریابی. جهت دوام داده، کلیدها روی چند successor تکرار می‌شوند و همگرایی نسخه‌ها با سیاست‌های ساده نسخه‌بندی یا last-writer-wins انجام می‌گیرد. تشخیص خرابی با زمان‌بندی‌ها و heartbeatهای اکتشافی تنظیم می‌شود تا بین حساسیت و خطای مثبت کاذب تعادل برقرار شود.

مدل هم‌زمانی Go پایه‌ی طراحی Concord است: goroutineها و channelها کارهای پروتکلی مانند stabilization، replication و رسیدگی به درخواست‌ها را جدا می‌کنند تا کندی یا خرابی یک همتا کل سیستم را متوقف نکند. ارتباطات RPC مرز روشنی بین گره‌ها ایجاد می‌کند و الگوهای backoff و circuit breaker از آبشاری‌شدن timeoutها جلوگیری می‌کنند. Concord همچنین به نیازهای عملیاتی مانند bootstrap گره‌های جدید، خروج ایمن، و توزیع مجدد کم‌اختلال کلیدها می‌پردازد.

نتایج آزمایش‌های churn، تزریق خطا و بنچمارک‌ها نشان می‌دهد که lookupها نزدیک به O(log N) باقی می‌مانند و در زمان خرابی‌های گذرا نرخ موفقیت بالایی دارند؛ در حالی‌که کارایی پایدار هم‌تراز Chord استاندارد و از نظر تاب‌آوری بهتر است. حاصل کار، یک DHT عملی مبتنی بر Go برای کاربردهایی مانند فراداده توزیع‌شده، service discovery و content indexing است.

#DistributedSystems #Chord #DHT #Go #P2P #FaultTolerance #ConsistentHashing #Scalability

🟣لینک مقاله:
https://golangweekly.com/link/176641/web

➖➖➖➖➖➖➖➖
👑 @gopher_academy

🟣 اسمبلی x86 - قسمت 17 - دستورالعمل های Shift و Rotate

در این قسمت به بررسی دستورالعمل های SHR , SHL , SAR , SAL , ROR , ROL , RCR , RCL پرداخته که برای انجام عملگر های SHIFT و ROTATE میباشند . همچنین تاثیر آن ها روی اعداد و پرچم ها نیز بررسی شده است .

Aparat : https://www.aparat.com/v/nrslg33
Youtube : https://youtu.be/dm7i4dLfudU

🆔 : @MrPythonBlog | BOOST

https://w3schools.com
بچه ها این سایت برای یادگیری برنامه نویسی خیلی عالیه
نکته ای که متمایزش میکنه از بقیه 1-اکثر زبان های برنامه نویسی رو داره 2-ازت سوال میپرسه و عملی تمرینت میده
ترجیحا پایتون یا سی شارپ یادبگیرید (مرگ بر جاوااسکریپت)

@DevTwitter | <MaHdI/>

این کد عجیب غریب رو ببینید، خروجیش شده Hello World به این کار می‌گن Obfuscate کردن کد به طوری که دیگه مبهم شده و دیگه خونده نمی‌شه.

مبهم سازی رو برای افزایش امنیت کد انجام می‌دن چون جاوا اسکریپت همیشه در معرض دید هستش، نکته جالبش اینه که اوپن سورسه، اما این به معنی این نیست که الگوریتم خودش معلومه و قابل بازگردانیه چون یه سری عملیات یه طرفه روش انجام می‌شه و تا حد خوبی کد رو مبهم می‌کنه، از اینجا می‌تونید کد خودتون رو تست کنید :

obfuscator.io

@Linuxor

خیلی از سایت‌ها و پروژه های بزرگ مثل تلگرام و دیجی کالا برای بعضی از بخش های بک‌اندشون از PHP استفاده می‌کنن، چون PHP سادس و واقعا بعضی جاها نجات دهندس و محیط توسعه‌اش تقریبا همیشه فراهمه و هیچ دردسری نداره.

اما یادگیری فریم ورک های PHP کار زمان بریه، این فریم ورک که اسمش SLIM هست یه فریم ورک خیلی خیلی سبک و سادس برای کار های وبی، برای پروژه هایی که هزینه و زمان محدوده عالیه:

www.slimframework.com

@Linuxor

آپدیت از وضعیت مدل‌ها بدم چون نمی‌دونم چرا اما این چندروز خیلی ازم سوال شد:

شخصا اینطوری با مدل‌ها کار می‌کنم:‌
GLM-4.6
برای توسعه کد؛ خوبی این مدل context بزرگ و رایگان بودنش هست و نتایج خیلی خوبی هم میده (بیش از ۱ ماه هست دارم ازش استفاده می‌کنم) شخصا برای Python, Rust, Javanoscript دارم ازش استفاده می‌کنم و نتابجش از همه مدل‌های معروف دیگه بهتره حتی از Gemini2.5 Pro فقط بعضی وقتا ممکنه احمق بشه که کافی با آپدیت پرامپت کمی راهنماییش کنید (پیشنهاد می‌دم پیام قبلی رو پاک کنید یا همون رو آپدیت کنید که context تمیز بمونه)

cerebras
برای api و اتومات کردن بعضی از کارهام روی لوکال خودم؛ سرعت فوق‌العاده بالا (توی پیام‌های قبلی لینک دادم اگر از اون استفاده کنید برای ثبت‌نام سقف رایگان روزانه براتون افزایش پیدا می‌کنه که بیش از حد هم هست
مدل‌های مهمی هم که بهتون میده :

zai-glm-4.6 (context: 132000)
gpt-oss-120b (context: 65000)
qwen3-235b thinking (context: 65000)

برای من انقدر زیاد هست که تمام api های پولیم رو حذف کردم و خروجی بهتر و با سرعت بیشتر می‌گیرم.

grok.com
برای چت‌های کلی و یادگیری و factcheck بهترین موردش برای یادگیری مفاهیم هست خیلی دقیق و عالی جواب میده؛ بخصوص وقتی روی حالت expert هست و بهش می‌گی بهم رفرنس صحبت‌هات رو هم بده؛ می‌تونی بهش بگی بعضی سایت‌ها رو هم رفرنس نکنه (مثلا من wikipedia رو بهش می‌گم قبول ندارم)
duck.ai

این مورد هم برای سرچ‌های سریع هست؛ مثلا این مدت که دارم Javanoscript کار می‌کنم چون کار هرروزم نبوده و بعضی مباحث یادم رفته بجای سرچ کردن تو این چت می‌پرسم بعنوان نمونه:
how to use prototype for inheritance instead of class in JS?

وقتی از مدل درست برای کار درست استفاده می‌کنم به هیچ مشکلی نمیخورم؛ توی ۱ ماه گذشته اصلا نشده به این قضیه بخورم که فکر کنم به مدل قوی‌تر نیاز دارم برای کارهایی که دارم انجام میدم.

پینوشت:
پرسیدید برای DeepResearch چطور ؟
این مورد برای من خیلی کاربرد نداره حقیقتش؛ خیلی کم بهش نیاز پیدا می‌کنم و قطعا سراغ z.ai هم نمیرم (اگر به یک جوابی نرسه توی لوپ بی‌نهایت میوفته) برای اینکار Grok خوب کار می‌کنه (من موارد خیلی خیلی سخت رو فقط تست کردم) و یا Deepseek البته به تازگی Kimi k2 هم آپدیت گرفته که اگر مورد دیگری پیش بیاد تست می‌کنم.
ولی بطور کلی چون کارهام بدون DeepResearch و با همون قابلیت‌های مدل‌های قبلی حل می‌شه خیلی تجربه‌ای ازین قابلیت ندارم؛ برای همین پیشنهاد دقیقی ندادم.

🔵 عنوان مقاله
Dependency Management in Database Design

🟢 خلاصه مقاله:
** مدیریت وابستگی‌ها در پروژه‌های بزرگ Go، به‌خصوص در موتورهای پایگاه‌داده، چالش‌زا است. مطالعه موردی Dolt (با ۷۶۲ هزار خط کد Go) نشان می‌دهد که لایه‌بندی دقیق، مرزبندی شفاف، و تکیه بر interfaceها به‌جای پیاده‌سازی‌های مستقیم، جلوی چرخه‌های import و کوپلینگ پنهان را می‌گیرد. استفاده از Go modules، نسخه‌بندی معنایی، internal packages و اجراهای خودکار در CI برای شناسایی چرخه‌ها و importهای ممنوع، سلامت نمودار وابستگی را حفظ می‌کند. راهبرد تست مبتنی بر mock/fake و تست‌های یکپارچه، هر لایه را مستقل قابل آزمون می‌کند و رگرسیون را کاهش می‌دهد. نتیجه این است که زیرسامانه‌هایی مانند ذخیره‌سازی، پرس‌وجو و تکرار در Dolt می‌توانند مستقل و با سرعت تکامل پیدا کنند، بدون آن‌که تغییرات به کل کدبیس سرایت کند.

#Go #Golang #DependencyManagement #ModularArchitecture #DatabaseSystems #Dolt #SoftwareArchitecture #Scalability

🟣لینک مقاله:
https://golangweekly.com/link/176659/web

➖➖➖➖➖➖➖➖
👑 @gopher_academy

لیستی از پروژه‌های پیشنهادی GenAI که می‌تونه بهتون کمک کنه رزومه بهتری در این حوزه داشته باشید، از دستش ندید!

https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/resources/60_ai_projects.md

@DevTwitter | <zhiwar/>

🔶 توکن های JWT کار نمی کند.

راه حلی دارید؟

UserContext: No token, setting loading false

@TheRaymondDev