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.
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
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
ویرگول
با Redis Sentinel دیگه نگران کرش کردن Master نباش!
Redis Sentinelمقدمهاگر تا حالا با Redis کار کردید، احتمالاً می‌دونید که این دیتابیس سریع و دوست‌داشتنی چقدر توی کش کردن و مدیریت داده‌های م…
❤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
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
Substack
On Postgres Plan Cache Mode Management
Can the generic plan switch method provide better performance guarantees?
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
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
این مقاله چند تا از این ابزارهارو معرفی کرده
Postgres query plan visualization tools
https://www.pgmustard.com/blog/postgres-query-plan-visualization-tools
pgMustard
Postgres query plan visualization tools - pgMustard
When you’ve got a slow Postgres query, EXPLAIN and its parameters are incredibly useful for working out why. However, the information returned can be difficult (and time-consuming) to interpret, especially for more complex queries. Over the years, people…
❤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
بررسی TTL یک کلید
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
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.
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
How TimescaleDB helped us scale analytics and reporting
https://blog.cloudflare.com/timescaledb-art/
https://blog.cloudflare.com/timescaledb-art/
The Cloudflare Blog
How TimescaleDB helped us scale analytics and reporting
Cloudflare chose TimescaleDB to power its Digital Experience Monitoring and Zero Trust Analytics products. TimescaleDB is a PostgreSQL extension designed for real-time analytics and time series data, and it helped us reduce query latency by 5–35x and cut…
A Guide to Database Replication: Key Concepts and Strategies
https://blog.bytebytego.com/p/a-guide-to-database-replication-key
https://blog.bytebytego.com/p/a-guide-to-database-replication-key
Bytebytego
A Guide to Database Replication: Key Concepts and Strategies
We will cover single-leader, multi-leader, and leaderless replication models, breaking down how each works, what problems they solve, and where they fall apart.
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
🔸 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
Telegram
AI Labdon
🕸 AI Labdon
بروز ترین مرجع خبری در مورد دنیایی هوش مصنوعی
حمایت مالی:
https://www.coffeete.ir/mrbardia72
ادمین:
@mrbardia72
بروز ترین مرجع خبری در مورد دنیایی هوش مصنوعی
حمایت مالی:
https://www.coffeete.ir/mrbardia72
ادمین:
@mrbardia72
🔥2❤1
Forwarded from AI Labdon
Forwarded from Bardia & Erfan
پاول دروف : اگه دانش‌آموزی و نمی‌دونی رو چی تمرکز کنی، برو سراغ ریاضی!
▪️ریاضی بهت یاد میده که به مغز خودت تکیه کنی، منطقی فکر کنی، مسئله رو خرد کنی و قدم‌به‌قدم درست پیش بری.
▪️و این دقیقاً همون مهارتیه که برای ساختن شرکت، راه انداختن پروژه و موفقیت تو هر کاری لازمه!
▪️ریاضی بهت یاد میده که به مغز خودت تکیه کنی، منطقی فکر کنی، مسئله رو خرد کنی و قدم‌به‌قدم درست پیش بری.
▪️و این دقیقاً همون مهارتیه که برای ساختن شرکت، راه انداختن پروژه و موفقیت تو هر کاری لازمه!
❤7
🔵 عنوان مقاله
pgsqlite: A Postgres Protocol Adapter for SQLite Databases
🟢 خلاصه مقاله:
مقاله‌ای که مورد بررسی قرار گرفته به تشریح روشی نوآورانه برای امکان اتصال مشتری‌های Postgres به پایگاه‌های داده SQLite پرداخته است، به گونه‌ای که این پایگاه‌های داده توسط کاربران همانند پایگاه‌های داده Postgres عمل کنند. این رویکرد به عنوان یک پروژه "آزمایشی" معرفی شده است و هنوز در مراحل ابتدایی توسعه قرار دارد. تکنیک‌ها و فناوری‌های بکار رفته در این روش شامل ایجاد یک لایه تطابق است که امکان ترجمه پرس و جوهای SQL از فرمت مورد قبول در Postgres به فرمت قابل استفاده در SQLite را فراهم می‌آورد. هدف از این روش، افزایش انعطاف‌پذیری و قابلیت استفاده از پایگاه‌های داده SQLite برای کاربرانی است که معمولاً با Postgres کار می‌کنند. این پروژه پتانسیل تحول در تعاملات میان مختلف پایگاه‌های داده‌های موجود را دارد، گرچه به دلیل وضعیت آزمایشی‌اش، ممکن است در عملکرد و استقرار دارای چالش‌هایی باشد.
🟣لینک مقاله:
https://postgresweekly.com/link/171595/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
pgsqlite: A Postgres Protocol Adapter for SQLite Databases
🟢 خلاصه مقاله:
مقاله‌ای که مورد بررسی قرار گرفته به تشریح روشی نوآورانه برای امکان اتصال مشتری‌های Postgres به پایگاه‌های داده SQLite پرداخته است، به گونه‌ای که این پایگاه‌های داده توسط کاربران همانند پایگاه‌های داده Postgres عمل کنند. این رویکرد به عنوان یک پروژه "آزمایشی" معرفی شده است و هنوز در مراحل ابتدایی توسعه قرار دارد. تکنیک‌ها و فناوری‌های بکار رفته در این روش شامل ایجاد یک لایه تطابق است که امکان ترجمه پرس و جوهای SQL از فرمت مورد قبول در Postgres به فرمت قابل استفاده در SQLite را فراهم می‌آورد. هدف از این روش، افزایش انعطاف‌پذیری و قابلیت استفاده از پایگاه‌های داده SQLite برای کاربرانی است که معمولاً با Postgres کار می‌کنند. این پروژه پتانسیل تحول در تعاملات میان مختلف پایگاه‌های داده‌های موجود را دارد، گرچه به دلیل وضعیت آزمایشی‌اش، ممکن است در عملکرد و استقرار دارای چالش‌هایی باشد.
🟣لینک مقاله:
https://postgresweekly.com/link/171595/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
GitHub
GitHub - erans/pgsqlite: A PostgreSQL protocol adapter for SQLite databases. This project allows PostgreSQL clients to connect…
A PostgreSQL protocol adapter for SQLite databases. This project allows PostgreSQL clients to connect to and query SQLite databases using the PostgreSQL wire protocol. - erans/pgsqlite
🔵 عنوان مقاله
When SIGTERM Does Nothing: A Postgres Mystery
🟢 خلاصه مقاله:
تیمی در ClickHouse با اشکالی در نمونه‌های خواندنی مواجه شد که باعث می‌شد دستورات راه‌اندازی تکثیر به صورت نامحدود متوقف شوند و درخواست‌های لغو را نادیده بگیرند، که این امر خطر توقف خطوط پردازشی و افزایش استفاده از فضای دیسک را به همراه داشت. با این حال، پایان خوشی در کار بود، زیرا علت شناسایی شده و یک وصله (پچ) برای نسخ‌ه‌های پشتیبانی شده‌ی PostgreSQL طراحی و ارائه شده است، بنابراین همه ما اکنون می‌توانیم به طور ایمن تکثیر را در استندبای‌ها متوقف کنیم. این اقدام سریع و مؤثر تیم ClickHouse نشان دهنده پیشرفت در حل مشکلات پیچیده‌ی فنی و اهمیت به‌روزرسانی‌های امنیتی در نگهداری نرم‌افزارهای قابل اعتماد است.
🟣لینک مقاله:
https://postgresweekly.com/link/171587/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
When SIGTERM Does Nothing: A Postgres Mystery
🟢 خلاصه مقاله:
تیمی در ClickHouse با اشکالی در نمونه‌های خواندنی مواجه شد که باعث می‌شد دستورات راه‌اندازی تکثیر به صورت نامحدود متوقف شوند و درخواست‌های لغو را نادیده بگیرند، که این امر خطر توقف خطوط پردازشی و افزایش استفاده از فضای دیسک را به همراه داشت. با این حال، پایان خوشی در کار بود، زیرا علت شناسایی شده و یک وصله (پچ) برای نسخ‌ه‌های پشتیبانی شده‌ی PostgreSQL طراحی و ارائه شده است، بنابراین همه ما اکنون می‌توانیم به طور ایمن تکثیر را در استندبای‌ها متوقف کنیم. این اقدام سریع و مؤثر تیم ClickHouse نشان دهنده پیشرفت در حل مشکلات پیچیده‌ی فنی و اهمیت به‌روزرسانی‌های امنیتی در نگهداری نرم‌افزارهای قابل اعتماد است.
🟣لینک مقاله:
https://postgresweekly.com/link/171587/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
ClickHouse
When SIGTERM Does Nothing: A Postgres Mystery
A story about a bug with logical replication slot creation on Postgres read replicas
🔵 عنوان مقاله
8. How OpenAI Scales Postgres to the Next Level
🟢 خلاصه مقاله:
در مقاله‌ای که در ادامه سخنرانی مهندس OpenAI، بُهان ژانگ، در کنفرانس PGConf.dev نوشته شده است، به توضیح چگونگی مدیریت مقیاس‌پذیری در OpenAI با استفاده از رویکردی بدون شاردینگ پرداخته شده است. در این روش، فقط از یک نویسنده و چندین خواننده استفاده می‌شود. طبق گفته ژانگ، Postgres به عنوان ستون فقرات سیستم‌های بحرانی در OpenAI عمل می‌کند. علی‌رغم محدودیت‌هایی که معمولاً در پایگاه‌های داده Postgres برای مقیاس‌پذیری وجود دارد، OpenAI موفق شده است با این ساختار منحصر به فرد به کار خود ادامه دهد. این نشان‌دهنده این است که اگر این سیستم برای OpenAI کافی باشد، می‌تواند برای بسیاری از دیگر سازمان‌هایی که با چالش‌های مشابه روبرو هستند نیز مناسب باشد. این خلاصه بیانگر توانایی‌ها و کارایی استفاده از Postgres در مقیاس بزرگ است، حتی با وجود مشکلات احتمالی شناخته شده در مورد مقیاس‌پذیری.
🟣لینک مقاله:
https://postgresweekly.com/link/171610/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
8. How OpenAI Scales Postgres to the Next Level
🟢 خلاصه مقاله:
در مقاله‌ای که در ادامه سخنرانی مهندس OpenAI، بُهان ژانگ، در کنفرانس PGConf.dev نوشته شده است، به توضیح چگونگی مدیریت مقیاس‌پذیری در OpenAI با استفاده از رویکردی بدون شاردینگ پرداخته شده است. در این روش، فقط از یک نویسنده و چندین خواننده استفاده می‌شود. طبق گفته ژانگ، Postgres به عنوان ستون فقرات سیستم‌های بحرانی در OpenAI عمل می‌کند. علی‌رغم محدودیت‌هایی که معمولاً در پایگاه‌های داده Postgres برای مقیاس‌پذیری وجود دارد، OpenAI موفق شده است با این ساختار منحصر به فرد به کار خود ادامه دهد. این نشان‌دهنده این است که اگر این سیستم برای OpenAI کافی باشد، می‌تواند برای بسیاری از دیگر سازمان‌هایی که با چالش‌های مشابه روبرو هستند نیز مناسب باشد. این خلاصه بیانگر توانایی‌ها و کارایی استفاده از Postgres در مقیاس بزرگ است، حتی با وجود مشکلات احتمالی شناخته شده در مورد مقیاس‌پذیری.
🟣لینک مقاله:
https://postgresweekly.com/link/171610/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
www.pixelstech.net
OpenAI: Scaling PostgreSQL to the Next Level
At the PGConf.dev 2025 Global Developer Conference, Bohan Zhang from OpenAI shared OpenAI’s best practices with PostgreSQL, offering a glimpse into the database usage of one of the most prominen
🔵 عنوان مقاله
7. A Roundup of Postgres Query Plan Visualization Tools
🟢 خلاصه مقاله:
مقاله‌ای که بیان شده، پیرامون دستور EXPLAIN در PostgreSQL بحث می‌کند که ابزاری کلیدی برای درک نحوهٔ برنامه‌ریزی و اجرای پرسوجوها توسط این سیستم مدیریت پایگاه داده است. با استفاده از دستور EXPLAIN و تنظیمات متعدد آن، کاربران می‌توانند دریابند که چگونه پرس‌وجوهای خاص به اجرا درمی‌آیند و دلایل کند بودن برخی از این پرسوجوها را شناسایی کنند. با این حال، خروجی خام دستور EXPLAIN ممکن است دشوار به فهم باشد. در این راستا، چندین ابزار مفید وجود دارد که می‌تواند به تجزیه و تحلیل و درک بهتر این خروجی‌ها کمک کند. مقاله تأکید می‌کند که استفاده از این ابزارها می‌تواند در بهینه‌سازی پرسوجوها و افزایش کارایی عملیات پایگاه داده مؤثر باشد.
🟣لینک مقاله:
https://postgresweekly.com/link/171607/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
7. A Roundup of Postgres Query Plan Visualization Tools
🟢 خلاصه مقاله:
مقاله‌ای که بیان شده، پیرامون دستور EXPLAIN در PostgreSQL بحث می‌کند که ابزاری کلیدی برای درک نحوهٔ برنامه‌ریزی و اجرای پرسوجوها توسط این سیستم مدیریت پایگاه داده است. با استفاده از دستور EXPLAIN و تنظیمات متعدد آن، کاربران می‌توانند دریابند که چگونه پرس‌وجوهای خاص به اجرا درمی‌آیند و دلایل کند بودن برخی از این پرسوجوها را شناسایی کنند. با این حال، خروجی خام دستور EXPLAIN ممکن است دشوار به فهم باشد. در این راستا، چندین ابزار مفید وجود دارد که می‌تواند به تجزیه و تحلیل و درک بهتر این خروجی‌ها کمک کند. مقاله تأکید می‌کند که استفاده از این ابزارها می‌تواند در بهینه‌سازی پرسوجوها و افزایش کارایی عملیات پایگاه داده مؤثر باشد.
🟣لینک مقاله:
https://postgresweekly.com/link/171607/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
pgMustard
Postgres query plan visualization tools - pgMustard
When you’ve got a slow Postgres query, EXPLAIN and its parameters are incredibly useful for working out why. However, the information returned can be difficult (and time-consuming) to interpret, especially for more complex queries. Over the years, people…
🔵 عنوان مقاله
3. Don't Do This (in Postgres)
🟢 خلاصه مقاله:
این مقاله به بررسی یک صفحه پربازدید از ویکی رسمی Postgres می‌پردازد که به طور منظم هر یکی دو سال یکبار به آن ارجاع داده می‌شود. این صفحه شامل راهنمایی‌ها و مشاوره‌هایی در مورد 'اشتباهات رایج'ی است که کاربران هنگام استفاده از Postgres مرتکب می‌شوند و نبایدهایی که باید اجتناب کنند. مقاله بیان می‌کند که دیدن افزوده شدن مطالب بیشتر به این صفحه در زمان‌های آینده بسیار خوب خواهد بود. این اشاره به لزوم به‌روزرسانی و توسعه مستمر محتوا در رابطه با استفاده بهینه از این سیستم مدیریت پایگاه داده است. دانش به دست آمده از این صفحه به کاربران کمک می‌کند تا با شناخت اشتباهات معمول، بهره‌وری خود را افزایش دهند و از مشکلات احتمالی جلوگیری کنند.
🟣لینک مقاله:
https://postgresweekly.com/link/171602/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
3. Don't Do This (in Postgres)
🟢 خلاصه مقاله:
این مقاله به بررسی یک صفحه پربازدید از ویکی رسمی Postgres می‌پردازد که به طور منظم هر یکی دو سال یکبار به آن ارجاع داده می‌شود. این صفحه شامل راهنمایی‌ها و مشاوره‌هایی در مورد 'اشتباهات رایج'ی است که کاربران هنگام استفاده از Postgres مرتکب می‌شوند و نبایدهایی که باید اجتناب کنند. مقاله بیان می‌کند که دیدن افزوده شدن مطالب بیشتر به این صفحه در زمان‌های آینده بسیار خوب خواهد بود. این اشاره به لزوم به‌روزرسانی و توسعه مستمر محتوا در رابطه با استفاده بهینه از این سیستم مدیریت پایگاه داده است. دانش به دست آمده از این صفحه به کاربران کمک می‌کند تا با شناخت اشتباهات معمول، بهره‌وری خود را افزایش دهند و از مشکلات احتمالی جلوگیری کنند.
🟣لینک مقاله:
https://postgresweekly.com/link/171602/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
🔵 عنوان مقاله
Migrating the Jira Database Platform to AWS Aurora
🟢 خلاصه مقاله:
خلاصه مقاله: مقاله‌ای که مورد بررسی قرار گرفته است درباره‌ی چالش‌ها و پیچیدگی‌هایی که Atlassian در جریان انتقال چهار میلیون پایگاه داده کاربران از سرورهای Postgres به AWS Aurora مواجه شده است. Atlassian، که از Postgres برای مدیریت دیتابیس‌های منفرد هر کاربر استفاده می‌کند، با تعداد کاربرانی که به میلیون‌ها می‌رسد، نیاز به مدیریت میلیون‌ها پایگاه داده داشت. این فرایند انتقال که شامل حرکت دیتابیس‌ها از ۳۰۰۰ سرور Postgres به سیستم مدیریت دیتابیس Aurora ابری AWS بود، یک کار بسیار پیچیده و دشوار توصیف شده است. این عملیات نشان‌دهنده‌ی ظرفیت‌های بزرگ در مدیریت دیتا و انتقال اطلاعات در مقیاس بسیار بزرگ است و نیاز به دقت و برنامه‌ریزی دقیق دارد.
🟣لینک مقاله:
https://postgresweekly.com/link/171588/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Migrating the Jira Database Platform to AWS Aurora
🟢 خلاصه مقاله:
خلاصه مقاله: مقاله‌ای که مورد بررسی قرار گرفته است درباره‌ی چالش‌ها و پیچیدگی‌هایی که Atlassian در جریان انتقال چهار میلیون پایگاه داده کاربران از سرورهای Postgres به AWS Aurora مواجه شده است. Atlassian، که از Postgres برای مدیریت دیتابیس‌های منفرد هر کاربر استفاده می‌کند، با تعداد کاربرانی که به میلیون‌ها می‌رسد، نیاز به مدیریت میلیون‌ها پایگاه داده داشت. این فرایند انتقال که شامل حرکت دیتابیس‌ها از ۳۰۰۰ سرور Postgres به سیستم مدیریت دیتابیس Aurora ابری AWS بود، یک کار بسیار پیچیده و دشوار توصیف شده است. این عملیات نشان‌دهنده‌ی ظرفیت‌های بزرگ در مدیریت دیتا و انتقال اطلاعات در مقیاس بسیار بزرگ است و نیاز به دقت و برنامه‌ریزی دقیق دارد.
🟣لینک مقاله:
https://postgresweekly.com/link/171588/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
Work Life by Atlassian
Migrating the Jira Database Platform to AWS Aurora
Explore how Atlassian successfully migrated four million Jira databases to AWS Aurora, overcoming unique technical and operational challenges at massive scale. Learn how the team balanced reliability, performance, and ambitious cost-saving goals—while minimizing…
Forwarded from AI Labdon
مرورگر Zen بر پایه فایرفاکس و با الهام از طراحی مدرن Arc ساخته شده.
جدا از خوشگلی و امکانات زیادی که برای شخصی‌سازی و بهره‌وری بیشتر داره؛ حریم شخصی برای Zen مهمه و برخلاف فایرفاکس و گوگل کروم، از دیتای کاربر برای توسعه AI استفاده نمی‌کنه!
+ دریافت:
https://zen-browser.app
<Yaser Shahi/>
جدا از خوشگلی و امکانات زیادی که برای شخصی‌سازی و بهره‌وری بیشتر داره؛ حریم شخصی برای Zen مهمه و برخلاف فایرفاکس و گوگل کروم، از دیتای کاربر برای توسعه AI استفاده نمی‌کنه!
+ دریافت:
https://zen-browser.app
<Yaser Shahi/>
🔵 عنوان مقاله
1. Life Altering Postgres Patterns
🟢 خلاصه مقاله:
مقاله‌ای که بررسی شده حاوی دوازده نکته و بینش کلیدی است که نویسنده از تجربیات واقعی خود در زمینه برنامه‌نویسی و مدیریت پایگاه داده به دست آورده است. این نکات شامل استفاده از UUID به عنوان کلیدهای اصلی، نحوه نام‌گذاری جداول، استفاده از اسکیماها و دیدگاه‌ها (views) می‌باشد. نویسنده تاکید دارد که این توصیه‌ها بر پایه تجربیات سخت و عملی او شکل گرفته‌اند و می‌توانند به عنوان راهنمایی مفید برای توسعه‌دهندگان نرم‌افزار عمل کنند. این مقاله نه تنها نکات تخصصی و فنی مرتبط با مسائل فناوری اطلاعات را پوشش می‌دهد، بلکه به چگونگی بهینه‌سازی کار با پایگاه داده‌ها و افزایش کارایی در زمینه برنامه‌نویسی نیز می‌پردازد. این راهنمایی‌ها برای هر توسعه‌دهنده‌ای که به دنبال بهبود مهارت‌های خود در این زمینه است، ارزشمند است.
🟣لینک مقاله:
https://postgresweekly.com/link/171599/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy
1. Life Altering Postgres Patterns
🟢 خلاصه مقاله:
مقاله‌ای که بررسی شده حاوی دوازده نکته و بینش کلیدی است که نویسنده از تجربیات واقعی خود در زمینه برنامه‌نویسی و مدیریت پایگاه داده به دست آورده است. این نکات شامل استفاده از UUID به عنوان کلیدهای اصلی، نحوه نام‌گذاری جداول، استفاده از اسکیماها و دیدگاه‌ها (views) می‌باشد. نویسنده تاکید دارد که این توصیه‌ها بر پایه تجربیات سخت و عملی او شکل گرفته‌اند و می‌توانند به عنوان راهنمایی مفید برای توسعه‌دهندگان نرم‌افزار عمل کنند. این مقاله نه تنها نکات تخصصی و فنی مرتبط با مسائل فناوری اطلاعات را پوشش می‌دهد، بلکه به چگونگی بهینه‌سازی کار با پایگاه داده‌ها و افزایش کارایی در زمینه برنامه‌نویسی نیز می‌پردازد. این راهنمایی‌ها برای هر توسعه‌دهنده‌ای که به دنبال بهبود مهارت‌های خود در این زمینه است، ارزشمند است.
🟣لینک مقاله:
https://postgresweekly.com/link/171599/web
➖➖➖➖➖➖➖➖
👑 @Database_Academy