🔵 عنوان مقاله
pgFormatter 5.7: A Tool to Format SQL Code

🟢 خلاصه مقاله:
pgFormatter 5.7 یک ابزار برای فرمت‌کردن کد SQL است که با استانداردسازی تورفتگی‌ها، شکست خطوط و حروف کلیدی، خوانایی و یکنواختی کد را بهبود می‌دهد. می‌توانید آن را به‌صورت آنلاین امتحان کنید یا سورس را از GitHub دریافت کنید و به‌دلیل نوشته‌شدن با Perl، آن را در اسکریپت‌ها و جریان‌های کاری خود به‌راحتی اجرا کنید. مقاله روی بهبودهای سری v5 و انتشار 5.7 تمرکز دارد تا فرمت‌کردن SQL سریع‌تر، قابل‌اتکاتر و سازگارتر با راهنمای سبک تیم‌ها شود.

#pgFormatter #SQL #CodeFormatting #OpenSource #GitHub #Perl #DeveloperTools

🟣لینک مقاله:
https://postgresweekly.com/link/174124/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
here's a quirk to be aware of

🟢 خلاصه مقاله:
قبل از ارتقا به Debian 13 یک نکته ریز اما مهم را در نظر بگیرید: عمده‌ترین دردسر معمولاً از مخازن خارجی APT می‌آید. وقتی منابع از bookworm به trixie تغییر کنند، ممکن است برخی مخازن فروشندگان (مثل Docker، Grafana، NodeSource، GitLab یا VS Code) هنوز شاخه trixie نداشته باشند؛ نتیجه‌اش خطاهای APT، نگه‌داشتن بسته‌ها یا تلاش برای حذف بسته‌های متا برای حل وابستگی‌هاست. راه امن این است که این مخازن را موقتاً در /etc/apt/sources.list.d/ غیرفعال کنید، ارتقا را کامل کنید و بعد وقتی پشتیبانی trixie اضافه شد دوباره فعالشان کنید (یا اگر امکان دارد آن‌ها را روی شاخه stable بگذارید). همچنین وضعیت بسته‌های hold (با apt-mark showhold) و پین‌ها (با apt policy) را بررسی کنید تا مانع حل تمیز وابستگی‌ها نشوند. شبیه‌سازی ارتقا با apt-get dist-upgrade -s به شما می‌گوید چه چیزی قرار است تغییر کند. اگر به firmware نیاز دارید، مطمئن شوید اجزای لازم (از جمله non-free-firmware در صورت نیاز) در منابع باقی می‌مانند. هنگام پرسش‌های APT درباره جایگزینی فایل‌های پیکربندی هم تغییرات را دقیق بررسی کنید تا تنظیمات سفارشی شما از بین نرود. خلاصه: پشتیبان بگیرید، فضای دیسک را چک کنید، مخازن ثالث را موقتاً غیرفعال کنید، Release Notes مربوط به Debian 13 را بخوانید، در صورت امکان در یک VM تست کنید و بعد از ارتقای موفق، مخازن خارجی را وقتی از trixie پشتیبانی کردند دوباره فعال کنید.

#Debian #Debian13 #Linux #Sysadmin #APT #Upgrade #ReleaseNotes #Repositories

🟣لینک مقاله:
https://postgresweekly.com/link/174480/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
Google Summer of Code

🟢 خلاصه مقاله:
** این مطلب به تجربه‌ی Ahmed Gouda در دوره‌ی Google Summer of Code می‌پردازد؛ جایی که او دستاوردهای خود را در پروژه‌ی pgwatch — ابزار متن‌باز پایش PostgreSQL — مرور می‌کند. هدف اصلی او بهبود کارایی، سهولت پیکربندی، وضوح داشبوردها و تقویت مستندات بود. در تعامل نزدیک با راهبران پروژه و با بازبینی‌های مرحله‌ای، تغییراتی ارائه کرد که راه‌اندازی و استفاده‌ی روزمره را ساده‌تر، پایداری را بیشتر، و تجربه‌ی کاربر را عملی‌تر کرد؛ همراه با تست‌ها و مستندات برای پایداری بلندمدت. او همچنین بر مهارت‌های کلیدی متن‌باز—ارتباط مؤثر، بازخوردپذیری و نگهداشت—تأکید می‌کند و دیگران را دعوت می‌کند نسخه‌های جدید را بیازمایند، بازخورد بدهند و در توسعه‌ی آینده‌ی pgwatch مشارکت کنند.

#GSoC #OpenSource #pgwatch #PostgreSQL #Monitoring #DevOps #Mentorship #SoftwareEngineering

🟣لینک مقاله:
https://postgresweekly.com/link/174113/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

👋 درود به همه دوستان عزیز

📌 اگر شما هم مقاله، مطلب آموزشی یا هر چیزی که فکر می‌کنید درباره انواع دیتابیس ها می‌تونه مفید باشه دارید، خوشحال میشم برام بفرستید تا با اسم خودتون توی کانال منتشر کنم.

🤝 اینطوری هم به بقیه کمک می‌کنید و هم محتوای ارزشمندتون بیشتر دیده میشه.

🔵 عنوان مقاله
The Evolution of Logical Replication in Postgres: A Historical Overview

🟢 خلاصه مقاله:
این مرور تاریخی نشان می‌دهد Logical Replication در Postgres طی حدود ۲۰ سال از راهکارهای مبتنی بر trigger مانند Slony، Bucardo و Londiste به دوران logical decoding از WAL و سپس ابزارهای بالغ‌تری مثل pglogical و در نهایت قابلیت داخلی publication/subscription در Postgres 10 رسیده است. راهکارهای اولیه گرچه مسیر را هموار کردند، با سربار، پیچیدگی عملیاتی و چالش‌های DDL و تعارض‌ها درگیر بودند. افزوده‌شدن logical decoding و سپس پیاده‌سازی داخلی، کارایی، فیلترگذاری و سهولت راه‌اندازی را بهبود داد، هرچند مسائلی مانند تکرار DDL و multi‑master همچنان حساس و وابسته به ابزارهای جانبی و شیوه‌های عملیاتی دقیق‌اند. به دلیل حضور طولانی Petr در پروژه‌های مرتبط و ارائه او در PostgresOpen 2016، این روایت معتبر و مبتنی بر تجربه عملی است.
#Postgres #PostgreSQL #LogicalReplication #WAL #pglogical #DatabaseReplication #OpenSourceDatabases

🟣لینک مقاله:
https://postgresweekly.com/link/174458/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
BigQuery Under the Hood: Scalability, Reliability, and Usability Enhancements for Gen AI Inference (7 minute read)

🟢 خلاصه مقاله:
BigQuery با تمرکز بر مقیاس‌پذیری، قابلیت اتکا و سهولت استفاده، اجرای Gen AI را در خود داده‌انبار پیش می‌برد. هسته بهبودها، استفاده از dynamic token‑based batching است که به‌جای شمارش ردیف‌ها، به طول توکنی ورودی‌ها توجه می‌کند و تا حد امکان ردیف‌های بیشتری را در یک درخواست جا می‌دهد. نتیجه، جهش چشمگیر کارایی است: بیش از 100 برابر برای first‑party LLMs و حدود 30 برابر برای embeddings.

از نظر قابلیت اتکا، سیستم با partial failure modes و adaptive retries تضمین می‌کند که خطای یک ردیف کل پرس‌وجو را مختل نکند؛ ردیف‌های سالم ادامه می‌یابند و خطاها با تکرارهای هوشمند و مدیریت خطا مهار می‌شوند. حاصل، بیش از 99.99٪ تکمیل پرس‌وجو بدون شکست ردیفی و بیش از 99.99٪ موفقیت در سطح ردیف است.

این توانمندی‌ها با تجربه کاربری ساده ارائه می‌شوند: انتخاب خودکار اندازه بچ‌ها، تعادل میان تاخیر و توان عملیاتی، و ارایه بازخورد شفاف درباره خطاها و بازیابی. جمع‌بندی اینکه کاربران می‌توانند استنتاج LLM و embeddings را مستقیماً در BigQuery با سرعت بالا و پایداری قوی اجرا کنند، بدون نیاز به تغییرات پیچیده در کد یا عملیات.

#BigQuery #GenAI #LLMInference #Scalability #Reliability #Embeddings #Batching #DataWarehouse

🟣لینک مقاله:
https://cloud.google.com/blog/products/data-analytics/bigquery-enhancements-to-boost-gen-ai-inference/?utm_source=tldrdata

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
Postgres 18 Release Candidate 1 has landed

🟢 خلاصه مقاله:
نسخه Release Candidate 1 از Postgres 18 منتشر شده و نشان می‌دهد انتشار نهایی نزدیک است. جامعه کاربری از توسعه‌دهندگان و مدیران سیستم دعوت می‌کند RC1 را روی بارهای واقعی آزمایش کنند و بازخورد بدهند تا مشکلات احتمالی پیش از انتشار نهایی رفع شود. هم‌زمان، Ahsan Hadi مروری بر نکات برجسته Postgres 18 ارائه کرده است؛ از بهبودهای کارایی تا ارتقای تجربه توسعه‌دهنده و مدیریت و امنیت. اکنون بهترین زمان برای تست و گزارش مسائل از مسیرهای همیشگی جامعه است.

#Postgres #PostgreSQL #Postgres18 #RC1 #Database #OpenSource #ReleaseNotes

🟣لینک مقاله:
https://postgresweekly.com/link/173828/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
the original 1986 paper

🟢 خلاصه مقاله:
**این متن به مقاله‌ی سال ۱۹۸۶ می‌پردازد که اهداف طراحی Postgres را تعریف کرد و نشان می‌دهد چگونه همان دیدگاه، امروز در PostgreSQL به‌خوبی محقق شده است. تمرکز مقاله بر قابلیت توسعه‌پذیری، پشتیبانی از داده‌های پیچیده، تضمین‌های تراکنشی و معماری پایدار است و نتیجه می‌گیرد که تصمیم‌های اولیه بسیار آینده‌نگرانه بوده‌اند؛ به‌طوری‌که «سازندگان PostgreSQL واقعاً عالی از پس آن برآمده‌اند.»

#Postgres #PostgreSQL #DatabaseSystems #DBMS #SystemsResearch #DataManagement #SoftwareArchitecture

🟣لینک مقاله:
https://postgresweekly.com/link/174750/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
How Anthropic Built a Multi-Agent Research System (16 minute read)

🟢 خلاصه مقاله:
**
Anthropic یک سیستم پژوهشی چندعاملی ساخته که در پرسش‌های پیچیده بیش از ۹۰٪ بهتر از روش‌های تک‌عامل عمل می‌کند. این برتری از اکتشاف پویا، پرامپت‌های دقیق و نقش‌محور، و لایه‌های ارزیابیِ سخت‌گیرانه به‌دست می‌آید. در معماری سیستم، یک عامل راهبر چند زیرعاملِ موازی را هدایت می‌کند و یک راستی‌سنجِ ارجاعات، ادعاها را با منابع تطبیق می‌دهد تا خطاها و ادعاهای بی‌پشتوانه کاهش یابد. در مقابل، به‌خاطر اجزای متعدد و مراحل تکراریِ راستی‌آزمایی، مصرف توکن و هزینه‌ها حدود ۱۵ برابر می‌شود و پیچیدگی تولیدی و تأخیر نیز بالا می‌رود؛ بنابراین این رویکرد برای کارهای پژوهشی حساس و دشوار که دقت و قابلیت استناد مهم‌تر از سرعت و هزینه است مناسب‌تر است.

#MultiAgentSystems #Anthropic #AIResearch #LLM #PromptEngineering #Evaluation #Scalability #TokenCosts

🟣لینک مقاله:
https://blog.bytebytego.com/p/how-anthropic-built-a-multi-agent?utm_source=tldrdata

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
Postgres Partitioning Best Practices: Sofia's Story

🟢 خلاصه مقاله:
سofia در یک پلتفرم تحلیلی شلوغ، با تبدیل جداول بزرگ Postgres به پارتیشن‌های زمان‌محور و همسو با الگوهای فیلترگذاری، تاخیر کوئری‌ها را به‌طور محسوس کاهش داد. او با رعایت اصولی مثل انتخاب کلید پارتیشن درست، اندازه‌گذاری معقول پارتیشن‌ها، خودکارسازی چرخه ایجاد/ضمیمه/حذف، استفاده سنجیده از ایندکس‌های محلی و جمع‌آوری آمار در سطح هر پارتیشن، باعث شد Partition Pruning و برنامه‌ریز Postgres بهتر عمل کنند. نگهداشت هم ساده‌تر شد: حذف داده قدیمی با Drop پارتیشن، Vacuum/Analyze قابل پیش‌بینی، و بهره‌گیری از Partition-wise Join/Aggregate.

برای بهبود نوشتن، او با الهام از نکات Karen Jex و Warda Bibi، نقش حیاتی WAL را درک کرد و آن را روی یک دیسک مجزا و پرتحمل (مثلا NVMe) قرار داد تا رقابت I/O با داده اصلی کم شود. سپس تنظیمات WAL را هوشمندانه تیون کرد (مانند wal_level، max_wal_size، wal_buffers، و زمان‌بندی Checkpoint) و با پایش pg_stat_wal و pg_stat_bgwriter رفتار سیستم را زیر نظر گرفت. ترکیب پارتیشن‌بندی درست و جداسازی WAL روی دیسک مستقل، کارایی و پایداری را همزمان بالا برد، بدون پیچیده کردن معماری.

#Postgres
#WAL
#Partitioning
#DatabasePerformance
#Scaling
#Storage
#DevOps
#BestPractices

🟣لینک مقاله:
https://postgresweekly.com/link/174761/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
Agentic AI, Agent Memory, & Context Engineering (7 minute read)

🟢 خلاصه مقاله:
این مقاله توضیح می‌دهد که چرا الگوهای رایج مبتنی بر vector store و RAG در مقیاس بزرگ دچار افت کیفیت می‌شوند: با رشد داده‌ها و افزایش محتوای تولیدشده توسط خود عامل‌ها، بازیابی ناپایدار می‌شود و «دادهٔ زائد» انباشته می‌گردد. راه‌حل‌های پیشرو با ترکیب vector و graph database و افزودن یک حافظهٔ تکاملی مبتنی بر بازخورد، امکان یادگیری تدریجی عامل‌ها از تعاملات را فراهم می‌کنند و مشکل context windowهای ایستا و شکننده را برطرف می‌سازند. در این رویکرد یک پشتهٔ لایه‌ای شکل می‌گیرد: ingest تخصصی و غنی‌سازی متادیتا، نمایش ترکیبی embedding+گراف، حافظهٔ چندلایه (کوتاه‌مدت، اپیزودیک، بلندمدت)، بازیابی هیبریدی با مسیریابی وظیفه‌محور، و لایهٔ بازخورد برای ترفیع دانش مفید و هرس محتوای کهنه یا تکراری. نتیجه، زمینه‌های فشرده و مبتنی بر منبع برای هر وظیفه است که دقت، قابلیت کنترل، و ایمنی را بالا می‌برد و هزینهٔ توکن را کاهش می‌دهد. جمع‌بندی: گذار از RAG صرف به «Context Engineering» به‌عنوان یک فرایند محصول‌محور، کیفیت بازیابی را پایدار می‌کند و با معیارهایی مانند grounded-answer rate، hit rate، تازگی، و هزینهٔ هر کار موفق، بهبود مستمر عامل‌ها را قابل‌اندازه‌گیری می‌سازد.

#AgenticAI #RAG #ContextEngineering #VectorDatabases #GraphDatabases #AIAgents #Memory #Retrieval

🟣لینک مقاله:
https://thebigdataguy.substack.com/p/agentic-ai-agent-memory-and-context?utm_source=tldrdata

➖➖➖➖➖➖➖➖
👑 @Database_Academy

اگه با دلار ۱۰۰۰ تومنی زندگیتو جمع کردی
با دلار ۱۰۰ تومنی نصیحت نکن.

🔵 عنوان مقاله
Writing Nothing But Docs for a Week

🟢 خلاصه مقاله:
Lev Kokotov، سازنده PgDog (ابزار connection pooler و sharder برای Postgres)، یک هفته کامل را صرف نوشتن و بهبود مستندات کرد تا شروع کار، پیکربندی و اجرای تولیدی برای کاربران ساده‌تر و شفاف‌تر شود. خروجی این تمرکز شامل راهنمای شروع سریع، آموزش‌های گام‌به‌گام، دستورالعمل‌های عملی برای مقیاس‌پذیری و رفع اشکال، و توضیح روشن معماری و محدودیت‌هاست. او تأکید می‌کند که «مستندسازی» خود نوعی بازبینی طراحی است: هنگام نوشتن، ابهام‌ها و نقص‌ها آشکار می‌شوند و همین باعث بهبود نام‌گذاری‌ها، پیش‌فرض‌ها و تجربه تنظیمات شد. این رویکرد، هم پذیرش PgDog را سریع‌تر می‌کند و هم مشارکت جامعه را تسهیل می‌کند، چون مستندات زنده‌اند و به بازخورد و اصلاحات کاربران تکیه دارند.

#Postgres #PgDog #Documentation #OpenSource #Sharding #ConnectionPooling #DeveloperExperience #Databases

🟣لینک مقاله:
https://postgresweekly.com/link/174759/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
pgexporter 0.7: Prometheus Exporter for Postgres

🟢 خلاصه مقاله:
pgexporter 0.7 یک Prometheus Exporter برای Postgres است که با بهبودهای مهم در متریک‌های هسته و اضافه‌شدن متریک‌های جدید برای autovacuum منتشر شده است. این نسخه همچنین از افزونه‌های PostGIS، pg_stat_statements، pgvector و Timescale پشتیبانی می‌کند تا مشاهده‌پذیری دقیق‌تری بر بارهای کاری مکانی، کارایی پرس‌وجوها، جست‌وجوی برداری و سناریوهای سری‌زمانی فراهم شود. این به‌روزرسانی‌ها رصدپذیری، عیب‌یابی و برنامه‌ریزی ظرفیت را در کلاسترهای Postgres ساده‌تر می‌کند. برای جزئیات بیشتر به صفحهٔ اصلی پروژه مراجعه کنید.

#pgexporter #Postgres #Prometheus #Monitoring #PostGIS #pg_stat_statements #pgvector #Timescale

🟣لینک مقاله:
https://postgresweekly.com/link/174767/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🚀 به دنیای توسعه و تکنولوژی خوش اومدی!

اگر به موضوعات زیر علاقه‌مندی:

🔹 Golang
🔹 Linux & DevOps
🔹 Software Engineering
🔹 AI & Machine Learning
🔹 فرصت‌های شغلی ریموت (خارجی و داخلی)

ما برات یه مجموعه کانال‌های تخصصی ساختیم تا همیشه به‌روز، حرفه‌ای و الهام‌بخش بمونی!
📚 یادگیری، فرصت، شبکه‌سازی و پیشرفت، همش اینجاست...

📌 از این لینک همه چنل‌هامونو یه‌جا ببین و جوین شو:

👉 https://t.iss.one/addlist/AJ7rh2IzIh02NTI0