.NET | دات نت – Telegram
.NET | دات نت
284 subscribers
121 photos
7 videos
26 files
165 links
دنیای شگفت انگیز و جذاب دات نت رو زیر ذره‌بین می‌بریم و تجربه ها رو به اشتراک میذاریم

به جمع توسعه دهندگان دات نت خوش اومدی 🥰❤️


گروه: https://news.1rj.ru/str/dndevelopchat
Download Telegram
ترجمه فارسی The Pragmatic Programmer

این کتاب فقط درباره نوشتن کد نیست؛ درباره ساختن ذهنیت یک توسعه‌دهنده حرفه‌ایه

مسئولیت‌پذیری، تصمیم‌گیری بهتر، و نوشتن کدی که هم قابل اعتماد باشه هم قابل نگهداری، حتی وقتی پروژه بزرگ و تیم شلوغ می‌شه.
با گذشت سال‌ها هنوز هم یکی از بهترین منابع رشد شغلیه؛ از جونیور تا سنیور.


https://github.com/hheydarian/the-pragmatic-programmer-parsion
16👍1🔥1👏1
فصل هفتم - الگوهای کارآموزی

نتیجه‌گیری (پایان یا آغاز؟)

آیا استادان نرم‌افزار وجود دارند؟ شاید هنوز نه.
اما اگر می‌خواهیم روزی وجود داشته باشند، باید رازی را که استرادیواری با خود به گور برد، کشف کنیم.

ویولن‌های استرادیواری ۳۰۰ سال است که بی‌رقیب مانده‌اند. چرا؟ چون او نتوانست نبوغ خود را فرموله کند و به شاگردانش یاد دهد. با مرگ او، کارگاهش هم مُرد.

صنعت نرم‌افزار در خطر مشابهی است. ما جیب‌های کوچکی از کیفیت داریم؛ تیم‌های فوق‌العاده‌ای که وقتی از هم می‌پاشند، دانش‌شان هم ناپدید می‌شود.

۱. استادی یعنی انتقال مهارت:
نبوغ شخصی کافی نیست. سِمل‌وایس (پزشکی که فهمید شستن دست‌ها جان مادران را نجات می‌دهد) یک نابغه بود، اما یک نابغه‌ی شکست‌خورده. چون نتوانست دیگران را قانع کند. او دیوانه شد و مُرد، و ۲۰ سال طول کشید تا دنیا حرفش را بفهمد.
استاد نرم‌افزار کسی نیست که کد خارق‌العاده می‌زند؛ کسی است که می‌تواند آن مهارت خارق‌العاده را به دیگران هم یاد بدهد.

۲. خطر توهم مهارت:
بیشتر برنامه‌نویسان فکر می‌کنند بالاتر از میانگین هستند. این اثر "دنینگ-کروگر" است: ما آنقدر نمی‌دانیم که حتی بفهمیم چقدر نمی‌دانیم.
استادی یعنی درک اینکه مقیاس مهارت از ۱ تا ۱۰ نیست؛ از ۱ تا ۱۰۰ است و ما شاید تازه به ۹ رسیده باشیم.

۳. هیچ‌کس خودش را استاد نمی‌نامد:
اگر کسی گفت "من استاد هستم"، به او شک کنید. استادی یک برچسب است که دیگران (آن هم دیگر استادان) باید به تو بدهند.
مدرک واقعی استادی، کیفیت کار شاگردان توست. اگر شاگردانت از تو بهتر شدند، یعنی تو استادی.

۴. هنوز استادان واقعی نداریم:
نویسندگان کتاب صادقانه می‌گویند: ما خودمان هنوز استاد نیستیم. ما مسافریم.
شاید هنوز در تاریخ نرم‌افزار، استادی در تراز میکل‌آنژ یا استرادیواری ظهور نکرده باشد. اما این یک خبر بد نیست؛ این یک دعوت‌نامه است.
شاید نسل بعدی کارآموزان (شما) همان کسانی باشید که می‌گویید:
استادان نرم‌افزار وجود نداشتند... تا اینکه ما آمدیم.

این کتاب تمام شد، اما مسیر The Long Road تازه شروع شده است.
3👍1🔥1
کدنویسی شغل نیست؛ یک مسیر طولانی است

دانشگاه و بوت‌کمپ‌ها به ما سینتکس یاد می‌دهند، اما کسی به ما یاد نمی‌دهد چطور در این اقیانوس بی‌انتها غرق نشویم، چطور رشد کنیم و چطور از یک کدنویس معمولی به یک استاد نرم‌افزار تبدیل شویم.
کتاب Apprenticeship Patterns (الگوهای شاگردی) دقیقاً همان حلقه گمشده است.
این کتاب درباره جاوا یا پایتون نیست؛ درباره تو است. درباره مسیر شغلی‌ات، طرز تفکرت و عادات روزانه‌ای که تفاوت میان یک کارمند خسته و یک مهندس خلاق را رقم می‌زند.
من در هفته‌های گذشته، عصاره‌ی این کتاب ارزشمند را فصل‌ به‌ فصل خلاصه کردم تا راهنمایی باشد برای تمام کسانی که نمی‌خواهند درجا بزنند.
اگر احساس می‌کنید رشدتان متوقف شده، یا اگر تازه اول راه هستید و نقشه راه می‌خواهید، این مجموعه پست‌ها برای شماست.
- دسترسی به خلاصه تمام فصل‌ها

- فصل اول: الگوهای کارآموزی (چرا باید ذهنیت شاگردی داشته باشیم؟)

- فصل دوم: خالی کردن فنجان (چگونه غرور دانایی مانع یادگیری می‌شود؟)

- فصل سوم: پیمودن راه طولانی (چرا نباید عجله کرد و چگونه در مسیر بمانیم؟)

- فصل چهارم: ارزیابی دقیق خود (چرا باید همیشه بدترین عضو تیم باشیم؟)

- فصل پنجم: یادگیری همیشگی (تفاوت کار کردن و تمرین کردن؛ اسباب‌بازی‌های شکستنی)

- فصل ششم: ساخت برنامه درسی خود (چگونه منتظر دیگران نمانیم و مسیر یادگیری خودمان را بسازیم؟)

- فصل هفتم: نتیجه‌گیری (آیا استادان نرم‌افزار وجود دارند؟)
6
۵ اشتباه رایج در نوشتن رزومه که باعث رد شدن در نقش‌های بین‌المللی می‌شود

اگر دنبال شغل با ویزا اسپانسر شیپ هستید، رزومه تان باید یک سطح بالاتر از معمول باشد.

این ۵ خطا، بیشتر از هر چیز، باعث رد شدن رزومه ها میشود:

۱) نوشتن وظایف شغلی به جای نتایج
✔️ کارفرما دنبال اثر است، نه فعالیت.
بهجای:
“Worked on Python APIs”
✔️ بنویس:
“Reduced API latency by 34% through refactoring Python microservices.”

۲) نداشتن مهارت‌های کلیدی همان نقش
سیستم‌های ATS دقیقاً دنبال همان ۵–۸ Skill اصلی هستند.
✔️ مهارت ها باید با Job Denoscription همراستا باشند نه پراکنده.

۳) جمله‌های طولانی، بدون اعداد
اعداد = واقعیت + تاثیر
✔️ “Improved ETL throughput by 45%”
✔️ “Cut cloud cost by 27%”

۴) نبود بخش Tech Stack کاربردی
کارفرما باید در ۵ ثانیه متوجه شود با چه ابزارهایی کار کردهاید.
✔️ “Python, FastAPI, Airflow, AWS, Docker, PostgreSQL, BigQuery”

۵) رزومه ی طولانی بدون ساختار
یک رزومه موفق برای نقشهای بین‌المللی:
دو صفحه
بخش بندی حرفه‌ای
Bullet Points
مثال های عدددار

🔗 LinkedIn
👍7
اگر کدهاتون هنوز پر از if و else هست، دارید به سیشارپ مدرن خیانت میکنید! 🔪🩸

بیایید رو راست باشیم؛ نیمی از کدهایی که ما روزانه مینویسیم، فقط چک کردن شرایط هستن.
( عددش مثبته؟ نوعش درسته؟ وضعیتش فعاله؟ Null هست؟)
نتیجه؟ ده‌ها خط کد اسپاگتی با ifهای تو در تو که خوندنش عذاب آوره. 🍝
اما Pattern Matching در نسخههای جدید سی شارپ فقط یک سینتکس قشنگ نیست؛ یک تغییر پارادایم (Paradigm Shift) برای نوشتن کدهای Declarative (توصیفی) به جای Imperative (دستوری) هست.

چرا باید همین امروز استایل کدنویسی تون رو عوض کنید؟
۱. خداحافظی با Cast کردنهای دستی (Type Pattern)
دیگه لازم نیست بنویسید:
if (obj != null && obj is Employee) { var emp = (Employee)obj; ... }

خیلی شیک بنویسید:
if (obj is Employee emp) { ... }

۲. شرط های خوانا مثل زبان انسان (Logical Patterns)
به جای عملگرهای ریاضی گیج کننده، با کامپیوتر حرف بزنید:
if (number > 0 && number < 10)
if (number is > 0 and < 10)

۳. قدرت نمایی در Switch (Switch Expressions)
این قابلیت، قاتلِ case و break های قدیمیه! شما میتونید ۱۰ خط switch قدیمی رو تبدیل کنید به یک خط کد که مستقیماً مقدار برمیگردونه. تمیز، کوتاه و بدون باگ.

۴. جراحی دقیق آبجکت ها (Property Pattern)
میخواید چک کنید که آیا کاربر فعاله و اهل تهرانه؟
if (user is { IsActive: true, City: "Tehran" })
بدون نیاز به نوشتن user.IsActive && user .City == ...

💡 نکته حرفه‌ای:
کد نویسی با Pattern Matching فقط خلاصه‌نویسی نیست؛ بلکه باعث میشه نیت کد شما واضح‌تر بشه. وقتی کد رو میخونید، درگیر چطوری انجام دادن نمیشید، بلکه چی بودن رو میبینید.
صادقانه بگید: چند درصد از کدهای پروژه تون هنوز به سبک C# 5.0 و پر از If/Else نوشته میشه؟
👍7👏2
اعتراف کنید! هنوز دارید با as کد مینویسید و منتظر NullReferenceException هستید؟ 💣

بیایید درباره یکی از شایع‌ترین بوهای بد کد (Code Smell) در سی شارپ حرف بزنیم: Type Checking و Casting.
خیلی از ما هنوز به سبک C# 2.0 کد مینویسیم. اما واقعیت اینه که استفاده نادرست از is و as و Castهای مستقیم، مثل مین گذاری توی کدبیس شماست!
👇 بیایید این ۴ روش رو کالبد شکافی کنیم:

۱. روش خطرناک (Direct Cast):
(Employee)obj
این یعنی: من مطمئنم این آبجکت از نوع Employee هست، اگه نبود برنامه رو بترکون! 💥
نتیجه: اگر اشتباه کرده باشید، یک InvalidCastException زیبا در زمان اجرا میگیرید.
کاربرد: فقط و فقط وقتی ۱۰۰٪ مطمئنید.

۲. روش ترسو (The as operator):
var emp = obj as Employee;
این یعنی: سعی کن تبدیلش کنی، اگه نشد، null برگردون.
مشکل اینجاست که خیلی‌ها بعدش یادشون میره چک کنن که نتیجه null شده یا نه! و چند خط پایین‌تر... بوم! NullReferenceException.

۳. روش قدیمی (The old is):
if (obj is Employee) { ... }
امن هست، ولی کُد رو زشت و تکراری میکنه. اول چک میکنی، بعد دوباره داخل if مجبور Cast کنی. چرا کار تکراری؟

🔥 ۴. روش مدرن و حرفه‌ای (Pattern Matching is):
اینجاست که باید سبک کدنویسی تون رو عوض کنید!
از C# 7.0 به بعد، اپراتور is قدرت Pattern Matching پیدا کرده. همزمان هم چک میکنه و هم Cast، بدون خطر:

if (obj is Employee emp)
{
Console.WriteLine($"Hello {emp.Name}");
}

مزایا:
اتمیک: چک و کست در یک حرکت.
امن: متغیر emp فقط داخل بلاک معتبره و نال نیست.
خوانا: خداحافظی با کدهای تکراری.
💡 خلاصه کلام برای مهندسین مدرن:
دور Cast مستقیم (T)x رو خط بکشید (مگر اینکه عاشق Exception هستید).
از as فقط زمانی استفاده کنید که null بودن براتون یک نتیجه معتبره، نه خطا.
برای ۹۹٪ موارد، Pattern Matching بهترین دوست شماست.

شما هنوز کجا از as استفاده میکنید؟ تو کامنت ها بنویسید!
3👍3🆒1
شب یلدا بهانه‌ست؛
اصلش کنار هم بودنِ آدم‌هاست. 🍉❤️
امشب برای چند دقیقه هم که شده، گوشی رو زمین بذاریم و با یک تماس/پیام حالِ یکی رو خوب کنیم.
یلداتون پر از لبخند و امید.
1❤‍🔥113🔥1🍓1
ساخت استارتاپ، خروج موفق و شروع سرمایه گذاری - پارسا غفاری

#ویدئو_کدنویس
🔗 YouTube
👍4
تجارت تجارت تجارت است. و من همیشه به دنبال آنم.

سیلوستر استالونه
4🔥2
#استخدام

faridshahdad17@gmail.com
👍51
تفاوت datetime و datetime2 در SQL Server

اگر هنوز در پروژه های جدید از datetime استفاده میکنی، این پست رو از دست نده 👇

در SQL Server دو نوع داده ی پرکاربرد برای تاریخ و زمان داریم:
datetime و datetime2
اما این دو اصلاً معادل هم نیستند

دقت (Precision)
- نوع datetime دقت حدود 3.33 میلی ثانیه دارد و زمان ها گرد میشوند
- نوع datetime2 دقت تا 100 نانوثانیه و کاملاً دقیق

📌 برای لاگ ها، پرداخت ها، رویدادها و سیستم های حساس، این تفاوت حیاتی است

📆 بازهی تاریخ

- نوع datetime از سال 1753
- نوع datetime2 از سال 0001

اگر با داده های تاریخی، مهاجرت داده یا محاسبات خاص سر و کار دارید، datetime2 امن تر است

💾 حجم ذخیره‌سازی

- نوع datetime همیشه 8 بایت
- نوع datetime2 بین 6 تا 8 بایت (بسته به دقت)

➡️ یعنی حتی ممکن است کم حجم تر هم باشد

📐 استاندارد و آینده نگری

- نوع datetime یک نوع قدیمی و غیر استاندارد است
- نوع datetime2 مطابق ISO 8601 طراحی شده

مایکروسافت برای پروژه های جدید استفاده از datetime2 را توصیه میکند

⚙️ سازگاری با .NET و EF Core

در EF Core به صورت پیشفرض DateTime را به datetime2 نگاشت میکند.

استفاده از datetime میتواند باعث:
- خطاهای مقایسه
- مشکلات Sort
- لاگ های نادقیق شود

🧠 جمع‌بندی
اگر در حال طراحی دیتابیس جدید هستی:
نوع datetime2(7) انتخاب استاندارد، دقیق و حرفه ای است
نوع datetime فقط برای پروژه های قدیمی قابل توجه است، نه سیستم های مدرن

🔗 LinkedIn
👍7👏1
اگر کسب و کار دارید، تا دیر نشده ( البته کمی شده ) ، 20 مورد زیر را هزار بار چک کنید


1- اگر روی وب نیستید، دیگر حتی جای جبران مافات هم نیست ، جمعش کنید
2- اگر روی وب هستید و Responsive و Mobile Support نیستید ، سریعا فکری بکنید
3- اگر تم دارک ندارید، سریعا فکری بکنید
4- اگر Chat bot ندارید ، سریعا فکری بکنید
5- اگر کسب و کار شما در صفحات مجازی هویت درست و حسابی ندارد، به نظرم جمع کنید ، ولی خوب شاااااید هنوز امیدی باشد ، زودتر اقدام کنید
6- اگر بخش رضایت مشتریان و امکان ایجاد رضایت مندی کامل برای مشتری ندارید، سریعا فکری بکنید
7- اگر CRM ندارید، جمع کنید بروید خانه
8- اگر در واتزآپ و اینطور آشغالها کسب و کار میکنید، جمع کنید
9- اگر کالا می فروشید و سیستم انبار ندارید، جمع کنید بروید
10 - اگر نمی توانید به شکلی اداره کنید که پرسنل بتوانند خارج از دفتر کار هم ساپورت و فروش انجام بدهند ، جمع کنید اصلا خانه هم نروید ، شما کلا از دست رفته اید
11- اگر با زدن یک دکمه نمی توانید سابقه و تحرکات یک مشتری را ببینید، یا با رفتن یک پرسنل ، امکان Assign کردن هر چه تا الان انجام داده به دیگری به صورت سیستمی ندارید، جمع کنید، شما شانسی زنده هستید
12- اگر رسید و دیگر اسناد را برای مشتری به صورت اتوماتیک ایمیل نمی کنید، شما شانسی شانسی هنوز در بازار حضور دارید
13- اگر با زدن یک دکمه مشخص نمی شود بابت ارائه یک سرویس یا فروش یک محصول چقدر هزینه شده و چقدر سود کرده اید ، شما کلا شانسی هستید
14- اگر هنوز AI وارد سیستم کاری شما نشده است، زودتر فکری بکنید
15 - اگر هنوز نمی دانید چطوری پرسنل را با AI جایگزین کنید ( لازم نیست انجامش بدهید ، فقط بهش فکر شده باشد ) ، شما مشخص نیست بکجا خواهید رفت
16- اگر سرعت انجام عملیاتهای داخلی خود را با رقبا Benchmark نکرده اید ، در سال 2026 هزینه ها برای شما عجیب خواهد شد
17- اگر برند و لوگو و رنگ مشخصی ندارید ، به زودی فراموش خواهید شد
18- اگر سرعت بخشهای مرتبط با IT در سیستم کاری و کسب و کار شما کند و قدیمی است ، مشتری معطل شما نخواهد ماند ، میره TAB بعدی را باز میکند و به سراغ دیگران می رود
19- قیمت سرویسهای شما تا وقتی خیلی برای مشتری دردآور نشود، زیاد برای آنها مهم نیست ، کار خوب تحویل بدهید، پول زیادتر هم بگیرید، مهم نیست
20 - پرسنل راضی نباشند، مشتری هم راضی نخواهد بود


🔗 LinkedIn
5👏2
بیشتر مهندسان نرم‌افزار فکر می‌کنند کدنویسی با هوش مصنوعی آن‌ها را سریع‌تر می‌کند.
اما اشتباه می‌کنند…


کدنویسی با هوش مصنوعی (AI) میزان خروجی را افزایش می‌دهد،اما هم‌زمان تعداد مشکلات را هم بیشتر می‌کند…
بر اساس گزارش CodeRabbit ،
ء Pull Requestهایی که با کمک هوش مصنوعی نوشته شده‌اند، ۱.۷ برابر بیشتر از Pull Requestهای کاملاً انسانی مشکل ایجاد کرده‌اند.
با این حال، کد تولیدشده توسط هوش مصنوعی معمولاً در نگاه اول درست به نظر می‌رسد.
چرا؟
دلیلش این است که هوش مصنوعی برای درستی سطحی کد بهینه‌سازی می‌کند، نه برای درک عمیق از کانتکست پروژه.
به همین خاطر، کدنویسی با AI نه «خوب» است و نه «بد».
بلکه الگوها را تقویت (Amplify) می‌کند — حتی الگوهای اشتباه را.
طبق گزارش CodeRabbit، مهندسان هنگام استفاده از کدنویسی با AI باید روی این موارد تمرکز کنند:
1️⃣ منطق و درستی (Logic & Correctness)
↳ مشکلات منطقی و درستی کد در PRهای مشترک با AI ۷۵٪ بیشتر بوده است.
↳ خطاهای الگوریتمی و منطق کسب‌وکار ۲.۲۵ برابر بیشتر دیده شده‌اند.
↳ ضعف در مدیریت خطا و exceptionها ۲ برابر افزایش داشته است.
↳ ریسک Null Pointer، تنظیمات اشتباه، ترتیب نادرست وابستگی‌ها و خطاهای concurrency همگی افزایش قابل توجهی داشته‌اند.
2️⃣ کیفیت کد و قابلیت نگهداری (Code Quality & Maintainability)
↳ مشکلات خوانایی کد در PRهای AI محور بیش از ۳ برابر بوده است.
↳ ایرادات فرمت‌بندی ۲.۶۶ برابر بیشتر ظاهر شده‌اند.
↳ ناهماهنگی در نام‌گذاری تقریباً ۲ برابر افزایش داشته است.
↳ وجود کدهای بلااستفاده یا تکراری نیز بیشتر شده است.
این مشکلات معمولاً بلافاصله باعث خرابی در محیط production نمی‌شوند،
اما فرآیند review را کند می‌کنند و بدهی فنی را افزایش می‌دهند.
3️⃣ ریسک‌های امنیتی (Security Risks)
↳ یافته‌های امنیتی به‌طور کلی در PRهای AI محور حدود ۱.۵ برابر بیشتر بوده‌اند.
↳ مدیریت نادرست رمز عبور ۲ برابر بیشتر مشاهده شده است.
↳ ارجاعات ناامن، ریسک‌های injection و deserialization ناامن نیز افزایش یافته‌اند.
هیچ‌کدام از این آسیب‌پذیری‌ها جدید نیستند؛
اما با کمک AI بیشتر تکرار می‌شوند.
4️⃣ ناکارآمدی‌های عملکردی (Performance Inefficiencies)
↳ مشکلات مرتبط با performance به‌طور کلی کم بوده‌اند.
↳ اما عملیات I/O بیش از حد، در PRهای نوشته‌شده با AI ۸ برابر بیشتر بوده است.
این موضوع نشان می‌دهد که AI، اگر هدایت نشود، شفافیت کد را به کارایی ترجیح می‌دهد.
5️⃣ حجم کار Review و پراکندگی مشکلات
↳ در صدک ۹۰ام، PRهای AI محور ۲ برابر بیشتر از PRهای انسانی مشکل داشته‌اند.
↳ این موضوع باعث reviewهای شلوغ، کند شدن pipeline و افزایش ریسک defect می‌شود.
🚀 پس چطور می‌توان با خیال راحت مقیاس‌پذیر از AI در کدنویسی استفاده کرد؟
با حذف reviewها نه…
بلکه با قوی‌تر کردن آن‌ها:
↳ ارائه‌ی کانتکست و محدودیت‌های پروژه از همان ابتدا
↳ اعمال فرمت‌بندی، نام‌گذاری و ساختار کد با سیاست‌های CI
↳ اضافه‌کردن گاردهای ایمن برای error handling، nullability و control flow
↳ تعریف پیش‌فرض‌های امنیتی به‌صورت کدنویسی‌شده، نه تکیه بر پیشنهاد AI
↳ استفاده از code reviewهای آگاه به AI برای شناسایی خطاهای مخصوص کد تولیدشده توسط AI

تیم‌هایی که بیشترین سود را از هوش مصنوعی می‌برند،
آن‌هایی نیستند که کد بیشتری می‌نویسند؛
بلکه تیم‌هایی هستند که مشکلات درست را زودتر شناسایی می‌کنند.

🔗 LinkedIn
👍2🔥1👏1