Database Labdon
745 subscribers
31 photos
1 file
572 links
🕸 Database Academy

حمایت مالی:
https://www.coffeete.ir/mrbardia72

ادمین:
@mrbardia72
Download Telegram
🔵 عنوان مقاله
Missed POSETTE 2025? Now Watch All 42 Talks on Demand

🟢 خلاصه مقاله:
مقاله‌ای که مرور شد به تشریح رویداد POSETTE: An Event for Postgres پرداخته است. این رویداد بصورت رایگان و مجازی توسط تیم Postgres در مایکروسافت برگزار شده است. در این رویداد، ۴۵ متخصص از اکوسیستم PostgreSQL به بحث و تبادل نظر پیرامون آخرین قابلیت‌ها، نکات کلیدی عملکرد، و کاربردهای واقعی PostgreSQL پرداخته‌اند. این جلسه فرصتی بوده برای توسعه‌دهندگان تا با آخرین دستاوردها و پیشرفت‌ها در عرصه‌ی PostgreSQL آشنا شوند در حالی که تجربه‌ها و دانش خود را در محیطی مجازی به اشتراک گذاشته‌اند. این رویداد نویدبخش ارائه‌ی دانش فنی و استراتژی‌های به‌روز در استفاده از این پایگاه داده‌ی قدرتمند است.

🟣لینک مقاله:
https://postgresweekly.com/link/170645/web


👑 @Database_Academy
Forwarded from Gopher Academy
🎬 استخدام – تولید ویدیو با کمک هوش مصنوعی (AI Video Creator)

درود به همه 🙌
ما به‌دنبال یک فرد خلاق و مسلط هستیم که بتونه با استفاده از ابزارهای هوش مصنوعی، ویدیوهای حرفه‌ای و جذاب تولید کنه.

🧠 مهارت‌های موردنیاز:

آشنایی کامل با ابزارهای ساخت ویدیو مبتنی بر هوش مصنوعی

توانایی پرامپت‌نویسی حرفه‌ای برای تولید محتوای حرفه های ویدیویی با AI

درک خوب از اصول تدوین، داستان‌پردازی تصویری و خلاقیت در تولید محتوا

آشنایی با مفاهیم پایه تولید محتوا در شبکه‌های اجتماعی

🌍 همکاری به‌صورت دورکاری / پروژه‌ای

📩 اگر فکر می‌کنی می‌تونی این نقش رو به خوبی اجرا کنی، به شماره زیر توی واتساب یا تلگرام پیام بفرستید

+989355167911
🔵 عنوان مقاله
How Notion Runs PostgreSQL at Scale

🟢 خلاصه مقاله:
مقاله بررسی می‌کند چگونگی دستیابی شرکت Notion به بهبود 733 درصدی عملکرد در یک پرس و جوی حیاتی با اصلاح یک شاخص GIN واحد. در این مقاله، نحوه مقیاس‌بندی پایگاه داده Postgres در 96 شارد توضیح داده شده است و همچنین به بررسی چگونگی استفاده از ابزار pganalyze برای شناسایی و حل سریع‌تر مشکلات تولید پرداخته شده است. از این ابزار برای تجزیه و تحلیل و ردیابی مشکلات بدون نیاز به غوطه‌وری عمیق در داده‌های داخلی استفاده شده که به متخصصین IT امکان مداخله سریع و مؤثر را می‌دهد. این مقاله نشان می‌دهد که با استفاده از تکنیک‌های مناسب و ابزارهای پیشرفته، می‌توان بهبودهای قابل توجهی در عملکرد سیستم‌ها را حاصل نمود.

🟣لینک مقاله:
https://postgresweekly.com/link/170967/web


👑 @Database_Academy
1
🔵 عنوان مقاله
Interesting Bits of Postgres Grammar

🟢 خلاصه مقاله:
استیو در حال ساخت یک linter برای تغییرات Postgres است و بدین منظور، نیاز به بررسی دقیقتری برخی از ویژگی‌های دستوری زبان که Postgres پشتیبانی می‌کند، داشته است. این پروژه شامل ترکیبی از SQL استاندارد و رویکردهای منحصر به فرد Postgres است. Linter طراحی شده توسط استیو قادر است تا به زبان‌های برنامه‌نویسی وابسته به پایگاه داده توجه کند و از پیچیدگی‌های خاص و غیرمعمول در ساختار دستوری Postgres آگاه باشد. این ابزار به توسعه‌دهندگان کمک می‌کند تا اشتباهات احتمالی را در هنگام توسعه و به روزرسانی دیتابیس‌هایشان بیابند و اصلاح کنند، و در نتیجه اطمینان حاصل شود که تغییرات دیتابیس با کیفیت و دقیق انجام شود. این کار باعث صرفه‌جویی در زمان و کاهش احتمال بروز خطا در مراحل بعدی توسعه و نگهداری سیستم‌های پایگاه داده می‌شود.

🟣لینک مقاله:
https://postgresweekly.com/link/170968/web


👑 @Database_Academy
🔵 عنوان مقاله
PLJS 1.0: JavaScript Language Plugin for Postgres

🟢 خلاصه مقاله:
مقاله‌ای که مورد بررسی قرار گرفته به بررسی نسخه‌ای جدید و مبتنی بر QuickJS از PLV8 پرداخته است. PLV8 به عنوان راه‌حلی برای استفاده از JavaScript به عنوان زبان روالی در درون پایگاه داده Postgres شناخته شده است. با این حال، این نسخه جدید که توسط همان خالق PLV8 ساخته شده، دارای اثرپای کوچکتری است و نگهداری آن آسان‌تر می‌باشد. از این رو، این نسخه می‌تواند برای برخی از نیازهای کاربران کفایت کند. از مزایای این نسخه جدید می‌توان به سبکی و سهولت در نگهداری آن اشاره کرد که ممکن است آن را به گزینه‌ای مطلوب‌تر برای توسعه‌دهندگان و مدیران پایگاه داده تبدیل کند.

🟣لینک مقاله:
https://postgresweekly.com/link/170970/web


👑 @Database_Academy
🤝1
🔵 عنوان مقاله
  Performance Archaeology - 20 Years of Improvements

🟢 خلاصه مقاله:
مقاله‌ مورد بررسی به تحلیل تغییرات عملکرد دیتابیس Postgres از نسخه 8.0 که در سال 2005 منتشر شده است تا به امروز می‌پردازد. بررسی‌ها نشان می‌دهند که عملکرد این دیتابیس با گذشت زمان به طرز چشمگیری بهبود یافته است، اما از زمان انتشار نسخه 11، رشد قابل توجهی در بهبود عملکرد مشاهده نشده است. این مطالعه تأکید می‌کند که پیشرفت‌های مهم در بهینه‌سازی و ویژگی‌های جدید کمتر شده‌اند، اما هنوز هم افزایش کارایی کلی نرم‌افزار را شاهد هستیم. این خلاصه نشان دهنده نحوه تطور و توسعه مستمر Postgres به عنوان یک ابزار قدرتمند در مدیریت پایگاه‌داده‌ها است.

🟣لینک مقاله:
https://postgresweekly.com/link/170980/web


👑 @Database_Academy
Forwarded from Linux Labdon
🧠 توضیح ساده:
Threads چیست؟
یک thread یک واحد اجرایی در برنامه است که توسط سیستم‌عامل ایجاد و کنترل می‌شود.

اجرای چند thread به صورت همزمان، multithreading نام دارد.

thread ها برای برنامه‌های سنگین مناسب‌اند، اما ساختن و مدیریت آن‌ها پرهزینه است (از نظر حافظه و زمان CPU).

Goroutines چیست؟
Goroutine یک رشته سبک (lightweight thread) در زبان Go است.

بسیار سریع‌تر و سبک‌تر از thread سنتی است.

وقتی شما می‌نویسید go myFunction()، یک goroutine جدید ایجاد می‌شود.

Goroutineها توسط runtime زبان Go مدیریت می‌شوند، نه سیستم‌عامل.

👑 @Linux_Labdon
🔵 عنوان مقاله
Squawk: A Linter for Postgres Migrations

🟢 خلاصه مقاله:
مقاله‌ای که ارائه شده است به ابزاری جدید در حوزه برنامه‌نویسی اشاره دارد که مشابه ابزار ESLint، ولی برای مهاجرت‌های Postgres و سایر SQL‌ها استفاده می‌شود. این ابزار جدید، امکان تست SQL‌ها را بدون نیاز به نصب هیچ برنامه‌ای فراهم می‌کند، به خصوص با استفاده از یک زمین‌بازی آنلاین. این قابلیت به کاربران اجازه می‌دهد تا کدهای SQL خود را به طور مستقیم و آنلاین آزمایش کنند، و این امر می‌تواند به بهبود و اصلاح کدها قبل از اجرای نهایی آنها کمک کند. ابزار مذکور می‌تواند در بالا بردن کیفیت توسعه دیتابیس و کاهش خطاها به طور قابل توجهی مفید واقع شود.

🟣لینک مقاله:
https://postgresweekly.com/link/171281/web


👑 @Database_Academy
🔵 عنوان مقاله
Building Replication-Safe LSM Trees in Postgres

🟢 خلاصه مقاله:
در مقاله "نگاهی پشت صحنه به مهندسی لازم برای ارائه جستجوی به سبک Elasticsearch در Postgres"، تفاوت‌ها و توسعه‌های لازم برای تجهیز Postgres به قابلیت‌های جستجوی پیشرفته مورد بررسی قرار گرفته است. پایگاه داده Postgres به طور پیش‌فرض دارای امکانات جستجوی متن کامل است، اما برای رسیدن به قابلیت‌های جستجوی Elasticsearch، نیازمند توسعه‌های اضافی است. این مقاله به بررسی چالش‌های فنی موجود در تطبیق Postgres با Elasticsearch می‌پردازد و راهکارهای ممکن برای ادغام این قابلیت‌ها را توضیح می‌دهد. تاکید ویژه‌ای بر روی فناوری‌های مورد استفاده برای بهینه‌سازی جستجو و ارائه نتایج دقیق‌تر و سریع‌تر در دیتابیس Postgres شده است، که نشان‌دهنده پیشرفت‌های چشمگیر در بهبود جستجوهای مبتنی بر متن است.

🟣لینک مقاله:
https://postgresweekly.com/link/171276/web


👑 @Database_Academy
🔵 عنوان مقاله
pgrx 0.15: Build Postgres Extensions with Rust

🟢 خلاصه مقاله:
این مقاله به بررسی یک چارچوب محبوب و پایدار در زبان برنامه‌نویسی Rust پرداخته است که برای ساخت افزونه‌ها استفاده می‌شود. به تازگی، پشتیبانی اولیه از پستگرس نسخه ۱۸ به این چارچوب افزوده شده است. این چارچوب اکنون قادر است تا با نسخه جدید پستگرس سازگاری داشته باشد، که این موضوع می‌تواند به توسعه‌دهندگان کمک کند تا برنامه‌های کاربردی‌تر و مؤثرتری بسازند. همچنین، کد مرتبط با این به‌روزرسانی در مخزن GitHub قرار داده شده است که به دیگر توسعه‌دهندگان اجازه می‌دهد تا به راحتی به کد دسترسی پیدا کرده و از آن بهره ببرند. این اقدام می‌تواند منجر به بهبود و توسعه بیشتر این چارچوب در زمینه پشتیبانی از پایگاه داده‌های پیشرفته شود.

🟣لینک مقاله:
https://postgresweekly.com/link/171283/web


👑 @Database_Academy
🔵 عنوان مقاله
PlanetScale Enters the Postgres World with Benchmarks-a-Plenty

🟢 خلاصه مقاله:
این هفته در فضای تجاری پستگرس، خبر بزرگی که اعلام شده است این است که شرکت PlanetScale، که بیشتر به خاطر سرویس MySQL با کارایی بالا و قابلیت اسکیل پذیری معروف است، تصمیم گرفته است تا در زمین قدم بگذارد و سرویس‌های Postgres را نیز ارائه دهد. این سرویس فعلاً در حالت "پیش‌نمایش خصوصی" قرار دارد، اما به نظر می‌رسد که PlanetScale آمادگی دارد تا به سایر ارائه دهندگان در این زمینه از همان ابتدا چالشی جدی ارائه دهد. این گام نشان دهنده‌ی توسعه و گسترش زمینه خدماتی PlanetScale و افزایش رقابت در بازار سرویس‌های پایگاه داده است. این حرکت می‌تواند تأثیرات مهمی بر روی انتخاب‌های موجود برای کاربران و بر روی بازار پستگرس در مجموع داشته باشد.

🟣لینک مقاله:
https://postgresweekly.com/link/171269/web


👑 @Database_Academy
🔵 عنوان مقاله
PostgreSQL Performance? Diagnose It with pgNow

🟢 خلاصه مقاله:
مقاله‌ای که مورد بررسی قرار گرفته است، به ابزاری به نام pgNow می‌پردازد که برای کاربران جدید PostgreSQL یا کسانی که زمان کافی ندارند طراحی شده است. این ابزار قادر است به سرعت تشخیص‌های متمرکزی ارائه دهد که به تنظیم پیکربندی‌ها، رفع کندی‌ها و شناسایی بلافاصله مشکلات کمک می‌کند. pgNow نیاز به هیچگونه پیکربندی اولیه نداشته و بدون نیاز به نصب نرم افزارهای جانبی (agents) یا دسترسی‌های گسترده عمل می‌کند. این ابزار به صورت رایگان قابل دانلود است و کاربر می‌تواند در چند ثانیه شروع به استفاده از آن کند. این محصول برای کاربرانی که به دنبال راه‌حلی سریع و آسان برای بهبود عملکرد دیتابیس PostgreSQL خود هستند، مناسب است.

🟣لینک مقاله:
https://postgresweekly.com/link/171268/web


👑 @Database_Academy
Forwarded from AI Labdon
✍️Alireza KiakojouriAlireza Kiakojouri

بنیانگذار تلگرام: ChatGPT فکر نمی‌کند، فقط حرف می‌زند!/ پروژه‌ی مخفی برادران دورف چیست؟

پاول دورف به نشریه فرانسوی «لو پوئن» گفت: «مدل‌های هوش مصنوعی مثل ChatGPT فکر نمی‌کنند. فقط مقدار زیادی متن خوانده‌اند و پاسخی می‌دهند که به نظر درست می‌آید. اما واقعاً نمی‌فهمند و ما انسان‌ها چون زبان پیچیده را نشانه هوش می‌دانیم، فریب می‌خوریم. مدل‌های زبانی فقط حرف می‌زنند. اما این به معنای فهمیدن یا فکر کردن نیست.»

پاول می‌گوید برادرش (نیکلای دورف) اکنون روی ساخت مدلی کار می‌کند که واقعاً بتواند منطق را درک کند، تصمیم بگیرد و دنیای واقعی را بفهمد. او مدعی است این پروژه چیزی فراتر از مدل‌های زبانی فعلی است.

در حالی که غول‌هایی مانند OpenAI، گوگل، متا و حتی چین و روسیه در حال رقابت برای ساخت نسل بعدی هوش مصنوعی (AGI) هستند، پروژه نیکلای دورف می‌تواند معادلات را تغییر دهد.

اگر پروژه نیکلای موفق شود، ما شاهد تولد هوش مصنوعی‌ای خواهیم بود که فقط «هوشمندانه صحبت نمی‌کند»، بلکه واقعاً می‌فهمد، فکر می‌کند و تصمیم می‌گیرد.
👍2
✍️Amirhossein Hajimohammadi

اگر می‌خوای Redis همیشه Stable بمونه و نگران کرش کردن دیتابیس نباشی، این مقاله رو از دست نده! 💡

توی این مقاله، یه راهنمای کاربردی آماده کردم که بهت یاد میده چطوری Redis Sentinel رو روی Kubernetes راه‌اندازی کنی و High Availability رو بدون دردسر پیاده کنی!

یاد می‌گیری:
🔹 انواع مدل‌های پیاده‌سازی Redis و مزیت‌های Sentinel
🔹 چطور Redis Sentinel خرابی رو تشخیص می‌ده و خودش Master جدید انتخاب می‌کنه
🔹 مفهوم Quorum و اهمیت رأی‌گیری بین Sentinelها برای Failover
🔹 یک Helm Chart آماده برای دپلوی Redis Sentinel روی K8s
🔹 نحوه‌ی اتصال کلاینت‌های Python و Golang به Redis Sentinel
🔹 مانیتورینگ Redis Sentinel با Prometheus و Grafana (چون پایش دیتا خیلی مهمه!)

🔗 لینک مقاله:
https://vrgl.ir/IK8rH
2
🔵 عنوان مقاله
On Postgres Plan Cache Mode Management

🟢 خلاصه مقاله:
مقاله مذکور به بررسی عمیقی درباره طرح‌های پرس‌وجو و تعادل بین مزایا و معایب استفاده از طرح‌های عمومی یا جنریک می‌پردازد. طرح‌های جنریک، که پیشاپیش برای دستورات آماده‌شده تولید می‌شوند، امکان استفاده مجدد سریع آنها را فراهم می‌آورند. این مقاله به بررسی این می‌پردازد که آیا می‌توان به‌طور مؤثری زمان مناسبی برای تغییر یا به‌روزرسانی این طرح‌ها یافت، که بتواند با برنامه‌های کاربردی بهینه‌تر سازگار شود. علاوه بر این، مقاله رویکردهای ممکن برای بهینه‌سازی انتخاب یا به‌روزرسانی طرح‌های پرس‌وجو را در شرایط مختلف ارزیابی می‌کند تا بتواند تأثیرات عملکردی ناشی از آنها را به حداقل برساند و پاسخ‌گویی به پرس‌وجوها را بهبود ببخشد. بنابراین، این مقاله یک منبع ارزشمند برای طراحان دیتابیس و مهندسان نرم‌افزار است که به دنبال بهینه‌سازی عملکرد پایگاه داده خود هستند.

🟣لینک مقاله:
https://postgresweekly.com/link/171272/web


👑 @Database_Academy
Forwarded from Bardia & Erfan
🤖 علاقه‌مند به دنیای هوش مصنوعی هستی؟

دنبال می‌کنی که چطور AI داره دنیا رو متحول می‌کنه؟

پس جای درستی اومدی!

🎯 در کانال ما هر روز:

🔍 جدیدترین اخبار و دستاوردهای دنیای AI

🧠 تحلیل‌ تخصصی در حوزه یادگیری ماشین، دیپ لرنینگ و مدل‌های زبانی

💼 بررسی کاربردهای هوش مصنوعی در پزشکی، صنعت، آموزش، امنیت و اقتصاد

🛠 معرفی ابزارها، دوره‌ها و منابع یادگیری

📈 بررسی ترندها و آینده‌ فناوری‌های مرتبط با هوش مصنوعی

همه‌ی این‌ها به زبان ساده، خلاصه و قابل فهم برای همه علاقه‌مندان — از مبتدی تا حرفه‌ای


👇👇👇👇👇


https://t.iss.one/ai_labdon
2
ابزار کاربردی برای visualize کردن query plan کار دیباگ کردن performance کوئری های دیتابیس رو میتونه راحت تر کنه

این مقاله چند تا از این ابزارهارو معرفی کرده

Postgres query plan visualization tools
https://www.pgmustard.com/blog/postgres-query-plan-visualization-tools
2
در Redis، طول عمر یک کلید از طریق TTL (Time To Live) یا Expire Time کنترل می‌شود. این مکانیزم به Redis اجازه می‌دهد که کلیدها را بعد از مدت‌زمان مشخصی به‌طور خودکار حذف کند.
مکانیزم مدیریت طول عمر کلید در Redis
Redis از دو روش اصلی برای حذف کلیدهای دارای TTL استفاده می‌کند:
1. Lazy Expiration (حذف تنبل)
در این روش، وقتی یک کلید درخواست می‌شود، Redis بررسی می‌کند که آیا منقضی شده است یا نه.
اگر کلید منقضی شده باشد، Redis آن را حذف کرده و مقدار nil برمی‌گرداند.
مزیت: کمترین مصرف منابع CPU، زیرا کلیدها تنها زمانی بررسی می‌شوند که نیاز به آن‌ها باشد.
عیب: اگر کلیدی منقضی شده باشد ولی هیچ‌وقت درخواست نشود، همچنان در حافظه باقی می‌ماند و فضای بیهوده اشغال می‌کند.
2. Active Expiration (حذف فعال)
Redis به‌صورت دوره‌ای (مثلاً هر 100 میلی‌ثانیه) تعدادی از کلیدهای دارای TTL را انتخاب می‌کند و بررسی می‌کند که آیا منقضی شده‌اند.
اگر کلیدی منقضی شده باشد، آن را حذف می‌کند.
مزیت: این روش باعث می‌شود که کلیدهای منقضی شده‌ای که Lazy Expiration آن‌ها را حذف نکرده است، پاک شوند.
عیب: استفاده از منابع CPU، مخصوصاً اگر تعداد کلیدها خیلی زیاد باشد.
نحوه تنظیم و بررسی TTL در Redis
تنظیم TTL برای یک کلید
SET user:123 "Bardia" EXPIRE user:123 60 # کلید بعد از 60 ثانیه حذف می‌شود
بررسی TTL یک کلید
TTL user:123
اگر مقدار مثبت باشد: زمان باقی‌مانده به ثانیه را نشان می‌دهد.
اگر مقدار -1 باشد: یعنی کلید تاریخ انقضا ندارد.
اگر مقدار -2 باشد: یعنی کلید منقضی شده و حذف شده است.
حذف TTL از یک کلید
PERSIST user:123 # کلید دیگر منقضی نمی‌شود
جمع‌بندی
این Redis برای مدیریت طول عمر کلیدها از Lazy Expiration و Active Expiration استفاده می‌کند. با استفاده از EXPIRE و TTL می‌توان طول عمر یک کلید را تنظیم و بررسی کرد. اگر بهینه‌سازی عملکرد برای شما مهم است، باید این مکانیسم‌ها را در معماری سیستم خود در نظر بگیرید.
4
Forwarded from AI Labdon
🤖 همه‌چیز درباره Grok 4 – نزدیک‌ترین مدل به AGI (مدل انسانی)


🔸 قدرت پردازش: گراک ۴ با ۱۰۰ برابر قدرت بیشتر نسبت به Grok 2 آموزش دیده و نصف تاخیر (Latency) گراک ۳ رو داره.

🔸 دسترسی: احتمالاً نسخه Grok 3 به‌زودی برای دانلود عمومی در دسترس قرار می‌گیره.

📈 بنچمارک AGI:
تو بنچمارک بسیار دشوار ARC-AGI که ماه‌ها هیچ مدلی نتونسته بود حتی از مرز ۱۰٪ عبور کنه، گراک ۴ تونست در کمتر از ۱۲ ساعت به امتیاز ۱۵.۸٪ برسه؛ یک رکورد جدید!

📚 آزمون‌های علمی:
در آزمون HLE با ۲۵۰۰ سؤال در سطح دکترا:

Grok 4: امتیاز %25.4

میانگین انسان‌ها: 5%

Gemini 2.5 Pro: %امتیاز 21.6
OpenAI o3-high: %امتیاز 21

Grok 4 Heavy:
امتیاز عجیب و چشمگیر بیش از ۵۰ درصد


🧠 دیدگاه ماسک:

ایلان ماسک گفته: «دانشجوهای دکترا تو آزمون‌هایی که گراک قبول می‌شه، رد می‌شن!»


🚀 نسخه Heavy:
مدلی با اسم الهام‌گرفته از Falcon Heavy، که یک مدل مولتی‌ایجنته.
ماسک می‌گه وقتی یه سوال پیچیده ازش بپرسید، به‌جای یک جواب مستقیم، چندین ایجنت با هم مثل یه «تیم مطالعه» همکاری می‌کنن تا به بهترین پاسخ برسن.

🧾قیمت API:
پنجره زمینه: تا ۲۵۶ هزار توکن (عالی برای اسناد حجیم)

قیمت:
ورودی: ۳ دلار / یک میلیون توکن
خروجی: ۱۵ دلار / یک میلیون توکن

👇👇👇👇👇👇👇👇👇
@ai_labdon
🔥21