✔️ اختلال گسترده در Cloudflare

به دلیل مشکل در شبکه جهانی Cloudflare، امروز تعداد زیادی از سایت‌ها و سرویس‌ها با خطاهای 500 و قطعی موقت روبه‌رو شده‌اند.
این اختلال روی سرویس‌هایی که از شبکه Cloudflare استفاده می‌کنند تأثیر گذاشته و ممکن است در بارگذاری سایت‌ها، APIها و حتی برخی اپلیکیشن‌ها مشکل مشاهده کنید.

شرکت Cloudflare اعلام کرده مشکل در حال بررسی و رفع است.

اگر سایت‌ها یا سرویس‌هایی امروز برای شما باز نمی‌شوند، احتمالاً مشکل از Cloudflare است و نه سرویس مقصد.

@kaliboys | کالی بویز

✔️ مسیر یک API از مرورگر تا بک‌اند یک سامانه جنگویی

🌐 مرورگر (Browser): درخواست‌ها را به سرور می‌فرستد.
📍 سیستم نام دامنه (DNS): نام سایت را به آی‌پی تبدیل می‌کند.
⚖️ لود بالانسر (Load Balancer): ترافیک را بین سرورها تقسیم می‌کند تا سرورها شلوغ نشوند.
🖥 سرور وب (Nginx): فایل‌های ثابت را ارائه می‌دهد و ارتباط امن (SSL) را مدیریت می‌کند.
🚀 سرور اپلیکیشن (Gunicorn / Uvicorn): درخواست‌ها را دریافت و به جنگو می‌فرستد.
🧩 میان‌افزار جنگو (Django Middleware): پردازش میانی و بررسی امنیت یا اعتبار درخواست‌ها.
🗺 مسیر‌یاب URL (URL Router): تعیین می‌کند که درخواست به کدام ویو برود.
💡 ویو (View): منطق کسب‌وکار را پردازش می‌کند.
💾 مدیریت پایگاه‌داده (ORM): داده‌ها را از پایگاه‌داده خوانده یا در آن ذخیره می‌کند.
🔄 سریالایزر (Serializer): داده‌ها را به فرمت مناسب (مثلاً JSON) تبدیل می‌کند.
📤 پاسخ (Response): نتیجه پردازش به مرورگر بازمی‌گردد.

@Teachify | برنامه نویسی

✔️ چند نفر توی لینکدین گفته بودن ابرآوران Status Checker خودش رو گذاشته پشت Cloudflare و بابتش کنایه زده بودن!

به‌نظر می‌رسه بعضی‌ها هنوز فلسفه‌ی Status Page رو با سرویس اصلی قاطی می‌کنن. در حالی که پایه‌ای‌ترین اصل در SRE اینه که رصد وضعیت یک سرویس نباید وابسته به خود اون سرویس باشه.

کاملاً واضحه اگه Status Page روی همان زیرساخت سرویس اصلی قرار بگیره، با هر قطعی یا اختلال، خود Status Checker هم از دسترس خارج میشه.

در نتیجه هیچ گزارش مستقلی وجود نخواهد داشت. این دقیقاً ضد اصول Site Reliability Engineering است.
اینکه ابرآوران Status Page رو روی یک زیرساخت مستقل مثل Cloudflare قرار داده، نه‌تنها ضعف نیست، بلکه Best Practice جهانیه.

شرکت های Cloudflare، AWS، Google، GitHub و هزاران سرویس بزرگ دنیا دقیقاً همین طراحی رو دارن.
چون سرویس اصلی ممکنه داون بشه اما Status Page باید همیشه Up باشه.
پس Status Page باید بیرون از مسیر خطای سرویس ساخته بشه. وگرنه این کار مثل اینه که آژیر خطر یه ساختمان، برقش فقط از خود همون ساختمان تأمین بشه؛ اگه حادثه پیش بیاد و برق بره… خود آژیر هم خاموش می‌شه!

@Teachify | برنامه نویسی

✔️ معرفی Antigravity – IDE جدید و انقلابی گوگل

گوگل با معرفی IDE جدید خودش به نام Antigravity نگاه تازه‌ای به توسعه نرم‌افزار ارائه داده. این IDE بر پایه Agent طراحی شده و هوش مصنوعی فقط پیشنهاد نمی‌دهد، بلکه می‌تواند خودش برنامه‌ریزی کند، کد بزند، اجرا کند، تست بگیرد و نتیجه را تحلیل کرده و مرحله بعد را انتخاب کند؛ مثل یک توسعه‌دهنده واقعی داخل محیط IDE.

ایجنت فقط متن تولید نمی‌کند و به ابزارها دسترسی مستقیم دارد. می‌تواند دستور در ترمینال اجرا کند، پروژه را در مرورگر تست بگیرد، اسکرین‌شات ثبت کند و همه این مراحل قابل بازبینی باشند؛ یعنی نتیجه عملی است، نه صرفاً تئوری.

همچنین Antigravity فقط محدود به Gemini 3 Pro نیست و امکان استفاده از مدل‌هایی مثل Claude Sonnet 4.5 و حتی مدل‌های متن‌باز وجود دارد که آزادی بیشتری به تیم‌ها می‌دهد.

این IDE به مرور از سبک کاری تیم یاد می‌گیرد و هرچه پروژه جلو برود، خروجی‌ها هوشمندتر و شخصی‌تر می‌شوند.

https://antigravity.google/

@Teachify | برنامه نویسی

✔️ کنترل همزمانی در تراکنش‌های مالی و جلوگیری از Race Condition / Double Spending

در سرویس‌های مالی، اگر چند درخواست برداشت همزمان به یک حساب برسد، هر دو موجودی را در یک لحظه می‌خوانند و هر دو تراکنش را تأیید می‌کنند؛ نتیجه: برداشت بیش از موجودی و ایجاد Double Spending.

برای جلوگیری از این اتفاق، از قفل‌گذاری Redis استفاده می‌شود:

SET lock:user_id unique_token NX PX 10000

این دستور چه می‌کند؟

🔸 NX
فقط اگر قفل قبلاً وجود نداشته باشد، ثبت می‌شود؛ یعنی تنها یک فرآیند قفل را می‌گیرد.

🔸 PX 10000
قفل بعد از ۱۰ ثانیه خودکار آزاد می‌شود تا Deadlock رخ ندهد.

🔸 unique_token
یک UUID که تضمین می‌کند فقط صاحب قفل بتواند آن را آزاد کند.

با این مکانیزم، عملیات حساس روی حساب به‌صورت انحصاری انجام می‌شود و احتمال Double Spending از بین می‌رود.

@Teachify | برنامه‌نویسی

✔️ آشنایی با متد کاربردی dict.fromkeys در پایتون

گاهی لازم است یک دیکشنری با مجموعه‌ای از کلیدها بسازیم که همه مقادیر اولیه یکسان باشند. برای این کار، متد dict.fromkeys راهکاری سریع و استاندارد ارائه می‌دهد:

keys = ["a", "b", "c"]
d = dict.fromkeys(keys, 0)
print(d)
# خروجی: {'a': 0, 'b': 0, 'c': 0}

نکته مهم درباره مقادیر mutable

اگر مقدار اولیه از نوع mutable مثل لیست، دیکشنری یا set باشد، تمام کلیدها به یک آبجکت مشترک اشاره می‌کنند:

d = dict.fromkeys(["x", "y"], [])
d["x"].append(1)
print(d)
# خروجی: {'x': [1], 'y': [1]}

در این حالت، استفاده از dictionary comprehension پیشنهاد بهتری است.

متدهای مهم و رایج دیکشنری‌ها در پایتون

get(key, default) → دریافت مقدار بدون خطا
setdefault(key, default) → ایجاد کلید در صورت عدم وجود
update(mapping) → ادغام دو دیکشنری
pop(key, default) → حذف کلید و بازگرداندن مقدار
popitem() → حذف آخرین کلید اضافه‌شده
keys(), values(), items() → دسترسی به اجزای دیکشنری

@Teachify | برنامه‌نویسی

✔️ تفاوت set و frozenset در پایتون

در پایتون، دو نوع ساختار برای کار با مجموعه‌های غیرتکراری وجود دارد: set و frozenset. 
تفاوت اصلی آن‌ها در قابلیت تغییر است:

▪️set (قابل تغییر – Mutable)

s = {1, 2, 3}
s.add(4)        #افزودن عنصر
s.remove(2)     # حذف عنصر
print(s)        # خروجی: {1, 3, 4}

کاربرد: زمانی که داده‌ها در طول برنامه نیاز به به‌روزرسانی دارند.

▪️frozenset (غیرقابل تغییر – Immutable)

fs = frozenset([1, 2, 3])
print(fs)       # خروجی: frozenset({1, 2, 3})
# fs.add(4)
#خطا: frozenset قابل تغییر نیست

کاربرد: داده‌های ثابت و hashable

weights = {frozenset(["سیب", "موز"]): 120}
key = frozenset(["موز", "سیب"])
print(weights[key])  # خروجی: 120

@Teachify | برنامه نویسی

✔️ حقیقتی که باید قبول کنیم

عزیزان ،

اگر صرفا یک Endpoint از OpenAI یا هر AI Service Provider دیگری را صدا میزنید و یک اتفاقی می افتد، شما از خدایان هوش مصنوعی نیستید - باور کنید شما اصلا چیز خاصی نیستید، شما در حال حرام شدن و یک استعداد کشف نشده نیستید، شما صرفا یک صدا کننده یک API هستید - زیاد خودتان را اذیت نکنید !! - کسی هم در هیچ کجای دنیا الاف این تخصص عجیب شما نیست - به همان CRUD ادامه بدهید - خبری هم از حقوق 800 هزار دلاری نیست - بشین سر جات دوست من !

پیروز باشید

@Teachify | #AliKolahdoozan

برنامه نویس های عزیز شما دلتون گرفتنی چیکار میکنید؟

✔️ سطح توسعه‌دهنده، فقط کدنویسی نیست!

برنامه نویس Junior
کد می‌زنه تا برنامه فقط کار کنه.

برنامه نویس Mid-Level
کد رو تمیز و مرتب می‌کنه. می‌دونه:
هر چیزی که کار می‌کنه، لزوماً خوب نیست.

برنامه نویس Senior
می‌فهمه کی باید کد بزنه، کی نزنه و کی کد رو حذف کنه.

برنامه نویس Lead
اصلاً نمی‌ذاره کد اشتباه نوشته بشه.
قبل از اجرا، مسئله رو درست تعریف می‌کنه.

حقیقت ساده ولی مهم:
هر چی جلوتر میری، کمتر کد می‌زنی
ولی مسئولیت تصمیم‌هات خیلی سنگین‌تر می‌شه.

تجربه فقط به سال‌ها نیست؛
طرز فکر و تصمیم‌گیریه که سطح واقعی تو رو نشون می‌ده.

@Teachify | برنامه نویسی

✔️ چه بلایی سر MinIO اومده؟

تیم توسعه MinIO رسماً اعلام کرده است که نسخه متن‌باز MinIO وارد Maintenance Mode شده است.

- توسعه فعال نسخه Community متوقف شده است
- رفع مشکلات تنها برای باگ‌های امنیتی حیاتی انجام می‌شود
- افزودن قابلیت‌های جدید یا بهبودهای عمده دیگر در نسخه متن‌باز ارائه نخواهد شد
- تمرکز تیم توسعه اکنون به سمت نسخه Enterprise با نام AIStor معطوف شده است

—> به عبارت دیگر، نسخه متن‌باز MinIO دیگر در حال رشد و توسعه فعال نیست و تنها برای اطمینان از ثبات و امنیت نگه‌داری می‌شود.

پیامدها برای کاربران:

_ پروژه‌هایی که روی نسخه Community بنا شده‌اند، ممکن است نیازمند بازبینی و برنامه‌ریزی بلندمدت باشند
- انتشار باینری‌ها و تصاویر رسمی Docker/Helm نسخه متن‌باز متوقف شده است
- مدیریت و تنظیمات پیشرفته UI به نسخه Enterprise منتقل شده است

جایگزین‌های متن‌باز معتبر:

Ceph
SeaweedFS
Garage
Zenko

🔗 لینک رسمی پروژه: MinIO GitHub

@Teachify | برنامه نویسی

✔️ تفاوت repr و str در پایتون

متد repr:
نمایش رسمی و دقیق شیء
مخصوص برنامه‌نویس، دیباگ و لاگ
متد str:
نمایش کاربرپسند شیء
مخصوص خروجی برای کاربر نهایی

class User:
    def init(self, name):
        self.name = name

    def repr(self):
        return f"User(name={self.name!r})"

    def str(self):
        return self.name

u = User("Yousef")
print(u)        # Yousef
repr(u)         # User(name='Yousef')`

نکته مهم:
اگه str نباشه پایتون از repr استفاده می‌کنه.

@Teachify | برنامه نویسی

✔️ 8 مدل LLM مناسب اجرا روی لوکال (دسامبر 2025)

1️⃣ Devstral-2-123B
بهترین برای برنامه‌نویسی
مخصوص توسعه نرم‌افزار، دیباگ، ریفکتور و ساخت Agent

2️⃣ MiniMax-M2
Agent + Coding + UI
مناسب فول‌استک و پروتوتایپ سریع

3️⃣ GLM-4.5-Air
بهترین انتخاب کلی
روزمره، سریع و پایدار

4️⃣ Qwen3-VL-235B-A22B
متن + تصویر
بهترین مدل بینایی (VLM)

5️⃣ GLM-4.6 (REAPed)
استدلال قوی + کدنویسی پیشرفته
قدرت بالا در مسائل پیچیده

6️⃣ Nemotron-3-Nano-30B-A3B
سبک ولی قدرتمند
کیفیت بالا با مصرف کمتر

7️⃣ GPT-OSS-120B
GPT-5 روی سیستم خودت
Agent و Coding سنگین

8️⃣ GPT-OSS-20B
سریع و کم‌مصرف
مناسب Automation و Tool Calling

@Teachify | برنامه نویسی