🔵 عنوان مقاله
pdot: Interactive Directed Graphs of Your Database

🟢 خلاصه مقاله:
مقاله‌ای که مورد بررسی قرار می‌گیرد به ابزاری می‌پردازد که قابلیت تولید تعاریف GraphViz یا Mermaid را داشته و به منظور نمایش گراف‌هایی از پایگاه داده Postgres طراحی شده است. این گراف‌ها شامل موارد متنوعی مانند روابط بین جداول، گراف‌های کلید خارجی، تریگر‌ها و توابع، روابط سیاست‌های RLS و موارد دیگر می‌باشد. این ابزار به کاربران امکان می‌دهد تا ساختار و تعاملات پیچیده درون پایگاه داده خود را به شکل بصری و قابل درک‌تری مشاهده کنند. استفاده از چنین ابزاری می‌تواند به تحلیل و درک بهتر پایگاه داده‌ها کمک کند و در نتیجه به بهبود و افزایش کارایی در مدیریت پایگاه داده منجر شود. این ابزار برای مدیران داده و توسعه‌دهندگانی که با پایگاه داده‌های Postgres کار می‌کنند، بسیار مفید است.

🟣لینک مقاله:
https://postgresweekly.com/link/171893/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
Fix Slow Postgres Queries with pganalyze Query Advisor

🟢 خلاصه مقاله:

در وبینار قرار داده شده در ۳۰ جولای شرکت کنید تا یاد بگیرید چگونه مشکلات متداول طرح‌های پرس‌وجو در Postgres را کشف کنید، توصیه‌های قابل اجرا برای بازنویسی دریافت کنید و تاثیر آن را در یک ابزار جامع پیگیری کنید. این وبینار برای توسعه‌دهندگان، مدیران پایگاه داده و متخصصان فناوری اطلاعات که با Postgres کار می‌کنند و به دنبال بهینه‌سازی پرس‌وجوهای پایگاه داده‌شان هستند، بسیار مفید خواهد بود.

🟣لینک مقاله:
https://golangweekly.com/link/171843/web

➖➖➖➖➖➖➖➖
👑 @gopher_academy

یک پروژه شسته رُفته از پیاده سازی یک RAG پیشرفته با استفاده از llamaIndex و روی Google Cloud Vertex AI. که این موضوعات را هم پوشش میده:
- RAG design, indexing, retrieval, evaluation metrics

میتونید کامل هم روی Cloud یا لوکال اجرا کنید و تکنیکهای مختلف را تست کنید.
Github: https://github.com/GoogleCloudPlatform/generative-ai/tree/main/gemini/sample-apps/llamaindex-rag

<Mehdi Allahyari/>

📢 اگر تلگرام پرمیوم دارید، کانال ما رو Boost کنید ! 🚀

با Boost کردن کانال، به رشد و دیده شدن ما بیشتر کمک کنید💙

https://t.iss.one/boost/gopher_academy

🔵 عنوان مقاله
2. Microsoft's New 'IDE' for Postgres in VS Code

🟢 خلاصه مقاله:
مایکروسافت دو ماه پیش از این، یک نسخه‌ی آزمایشی عمومی از افزونه‌ی Postgres برای ویرایشگر VS Code خود را معرفی کرد تا امکان مدیریت اشیاء پایگاه داده، استفاده از IntelliSense برای ساخت پرس و جوها، و ادغام با Copilot را فراهم آورد. مت مک‌فارلند در مورد این افزونه در کنفرانس POSETTE 2025 صحبت کرد و آن را نمایش داد. این افزونه امکانات قابل توجهی به ویرایشگر VS Code می‌افزاید، از جمله بهبود دسترسی و کارایی در هنگام کار با پایگاه‌های داده‌ی Postgres، بالا بردن سطح بهره‌وری توسعه‌دهندگان به کمک ابزارهای پیشرفته و همچنین همکاری بهتر با Copilot برای برنامه‌ریزی و اجرای پرس و جوها. این توسعه نشان‌دهنده تلاش مایکروسافت برای تسهیل و تسریع بخشیدن به توسعه‌ی نرم‌افزار از طریق ابزارهای قدرتمند و کاربردی است.

🟣لینک مقاله:
https://postgresweekly.com/link/171600/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

اصطلاح requirement driven vibe coding چیست؟

https://t.iss.one/Software_Labdon/599?single

مزیت استفاده از این روش چیست؟

https://t.iss.one/Software_Labdon/601

مفهوم feature creep یا scope creep چیست؟

https://t.iss.one/Software_Labdon/602

مفهوم bureaucratic در توسعه نرم افزار چیست؟

https://t.iss.one/Software_Labdon/603

➖➖➖➖➖➖➖➖
https://t.iss.one/addlist/QtXiQlynEJwzODBk

🔵 عنوان مقاله
Billions of Edges Per Second with Postgres

🟢 خلاصه مقاله:
مقاله‌ای که بررسی می‌کنیم به معرفی OneSparse می‌پردازد، که یک افزونه برای پایگاه داده‌ Postgres است و از کتابخانه‌ SuiteSparse’s GraphBLAS استفاده می‌کند تا جداول را به ماتریس‌های پراکنده با کارایی بالا تبدیل کند و بدون نیاز به پایگاه داده گراف خارجی، این تبدیل را معکوس می‌کند. این افزونه نیاز به توضیحاتی دارد تا به درک کامل آن دست یابیم، و خوشبختانه، میشل در این زمینه به تفصیل به بررسی و شرح آن پرداخته است. استفاده از این افزونه می‌تواند به بهبود چشمگیر عملیات و ذخیره‌سازی داده‌ها در پایگاه‌های داده تحت سیستم Postgres کمک کند، چراکه با استفاده از رویکرد ماتریس‌های پراکنده، می‌توان سرعت و کارایی را در مواجهه با داده‌های بزرگ و پیچیده بهینه‌سازی کرد.

🟣لینک مقاله:
https://postgresweekly.com/link/171889/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

اگه حافظه سرور به خاطر حجم بالای کش redis پر بشه چیکار باید کرد؟!
یه وقتایی هست که اپلیکیشنت زیر بار هست و به خاطر حجم زیاد کلیدهای کش٬ حافظه سرورت overload میشه مخصوصا وقتی برای کلیدهای کش ttl ست نکرده باشی و اونجاست که اپ داون میشه. توی این شرایط eviction policies هست که میاد وسط و میتونه سریع رم سرورت رو خالی کنه تا مشکل رفع بشه. اما این مفهوم redis eviction policies چی هست و چطور میشه کانفیگش کرد؟
توی مقاله زیر درباره انواع policy توضیح دادم که چی هست و چطور باید کانفیگ کنی تا اپلیکیشنت رو از کرش کردن در این مواقع بحرانی نجات بده


https://farshadth.medium.com/understanding-redis-eviction-policies-5b7e913ced2b


<Farshad Tofighi/>

➖➖➖➖➖➖➖➖
https://t.iss.one/addlist/QtXiQlynEJwzODBk

🔵 عنوان مقاله
Postgres 18 Beta 2 Released

🟢 خلاصه مقاله:
نسخه دوم بتا از Postgres 18 اخیراً در دسترس قرار گرفته است و انتظار می‌رود که نسخه نهایی آن در چند ماه آینده منتشر شود. برای اطلاع از جدیدترین اطلاعات، مراجعه به یادداشت‌های پیش‌نویس انتشار همچنان بهترین روش است، اما این پست شامل برخی از تغییرات و اصلاحاتی است که از زمان نسخه بتا 1 صورت گرفته‌اند. این اصلاحات و تغییرات نشان‌دهنده تلاش‌های مستمر برای بهبود کیفیت و کارایی نرم‌افزار هستند، به‌طوری که کاربران می‌توانند انتظار داشته باشند نسخه نهایی تجربه کاربری بهتری را ارائه دهد. این فرآیند بررسی مداوم و به‌روزرسانی‌های مکرر، به دقت نیازمندی‌های جدید کاربران و رفع نواقص قبلی می‌پردازد.

🟣لینک مقاله:
https://postgresweekly.com/link/172192/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

جزئیات تیم فوق‌هوش مصنوعی متا (فیسبوک) فاش شده !
تیمی که متا برای توسعه هوش مصنوعی فوق‌پیشرفته خود تشکیل داده، شامل ۴۴ نفر است که:
۵۰٪ از چین هستند،
۷۵٪ دارای مدرک دکتری (PhD) هستند و ۷۰٪ محقق‌اند،
۴۰٪ از OpenAI، ۲۰٪ از DeepMind و ۱۵٪ از Scale جذب شده‌اند،
۲۰٪ در سطح L8+ (سطح بالای شغلی) فعالیت می‌کنند،
۷۵٪ مهاجران نسل اول هستند.
هر یک از این افراد احتمالاً سالانه بین ۱۰ تا ۱۰۰ میلیون دلار حقوق دریافت می‌کنند!
هرچی top اینجاس
فقط سابقه هاشون رو نگاه کنید
یکشون 37 سال سابقه کار داره YoE
به احتمال زیاد از 14 سالگی کد میزنه
➖➖➖➖➖➖➖➖
https://t.iss.one/addlist/QtXiQlynEJwzODBk

🔵 عنوان مقاله
Lessons from Scaling Postgres Queues to 100K Events Per Second

🟢 خلاصه مقاله:
RudderStack انتخاب کرد به جای استفاده از سیستم‌هایی مانند Kafka، از Postgres به عنوان سیستم صف‌بندی اصلی خود استفاده کند. تیم RudderStack در این مقاله تجربیات و درس‌هایی را که در فرایند توسعه و بهینه‌سازی این سیستم به دست آورده‌اند، به اشتراک گذاشته‌اند. این تجربیات شامل توضیحاتی در مورد تنظیمات خاص پیکربندی Postgres است. تیم توانست با انجام تغییرات و تنظیمات دقیق بر روی Postgres، آن را به گونه‌ای ارتقا دهد که بتواند نیازهای سیستم صف‌بندی را در مقیاس بزرگ تأمین کند. این رویکرد به آنها امکان داد تا سیستمی با کارایی بالا و سازگار با نیازهای ویژه‌ی خود ایجاد کنند. این مقاله نه تنها به اشتراک‌گذاری تجربیات بلکه به تفصیل منافع استفاده از Postgres در موارد خاص تکنیکی را پوشش می‌دهد.

🟣لینک مقاله:
https://postgresweekly.com/link/172194/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
How Matrix Discovered and Recovered from a Postgres Corruption Issue

🟢 خلاصه مقاله:
ماتریکس یک سیستم ارتباطی غیر متمرکز محبوب است که برای کاربران تازه‌کار، یک 'سرور خانگی' ارائه می‌دهد. این سرور خانگی توسط یک نمونه بزرگ Postgres پشتیبانی می‌شود و اخیراً با مشکلات فساد شاخص (index corruption) مواجه شده است. در ادامه، داستان دقیقی از پشت پرده این مشکل ارائه شده است. این مسئله نشان‌دهنده چالش‌هایی است که گاهی اوقات در مدیریت دیتابیس‌های بزرگ و پیچیده به وقوع می‌پیوندد و اهمیت مانیتورینگ دقیق و به‌موقع سیستم‌ها برای جلوگیری از بروز خرابی‌های اساسی را برجسته می‌سازد.

🟣لینک مقاله:
https://postgresweekly.com/link/172202/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

🔵 عنوان مقاله
How Darkhorse Emergency Tamed Complex PostgreSQL Schemas

🟢 خلاصه مقاله:
در مقاله‌ای که مورد بررسی قرار گرفته، نویسنده به توضیح نحوه به‌کارگیری مدیریت طرح‌بندی اظهاری توسط Atlas در شرکت Darkhorse Emergency می‌پردازد، جایی که پیش‌تر از اسکریپت‌های SQL شکننده برای توسعه سیستم پست‌گرس سنگین به لحاظ منطق استفاده می‌شده است. با استفاده از رویکرد Atlas، Darkhorse موفق به اجرای سریع‌تر مهاجرت‌ها و استقرارهای ایمن‌تر شده است، همچنین تعداد بیشتری از توسعه‌دهندگان قادر به مشارکت در پایگاه داده شده‌اند. این تغییر به Darkhorse اجازه داده تا بتواند بدون خطر خرابی یا از دست دادن داده‌ها، ساختار پایگاه داده‌اش را به شکل ایمن‌تری توسعه دهد. مدیریت طرح‌بندی اظهاری از طریق Atlas به این معنی است که تغییرات داده‌ای می‌توانند به صورت برنامه‌ریزی‌شده و مدیریت‌شده اعمال شوند، که در نتیجه خطرات مرتبط با دستیاری ‌های پایگاه داده را کاهش می‌دهد.

🟣لینک مقاله:
https://postgresweekly.com/link/172191/web

➖➖➖➖➖➖➖➖
👑 @Database_Academy

بازجویی دوباره از مدیرعامل تلگرام در فرانسه

▪️پاول دورف، مدیرعامل تلگرام، روز گذشته برای سومین بار در دادگاهی در پاریس حاضر شد تا به اتهاماتی مرتبط با تسهیل جرایم سازمان‌یافته در بستر این پیام‌رسان پاسخ دهد. او به همراه چهار وکیلش در جلسه‌ای رسمی شرکت کرد.

▪️این پرونده مربوط به بازداشت دورف در سال ۲۰۲۴ در فرانسه است؛ موضوع اصلی، نقش احتمالی تلگرام در انتشار محتوای غیرقانونی و ضعف در نظارت بر آن‌هاست.

▪️تیم حقوقی او با انتشار بیانیه‌ای تأکید کرده‌اند:

«ما هم مشروعیت کیفرخواست صادرشده علیه موکل‌مان و هم روند بعضی از اقدامات تحقیقاتی را، که در تضاد با قوانین داخلی و مقررات اتحادیه اروپا بوده‌اند، به‌طور جدی زیر سوال می‌بریم.»

‌

مقاله خیلی جذابیه. نکات بسیار ارزشمندی رو میگه. نکات مهمی رو در مورد استفاده از PostgreSQL میگه وقتی که شما همزمان Write-Heavy و Read-Heavy هستی.
مقاله ایده های جالب و متفاوتی رو ارائه میکنه:
داشتن جداولی با حداکثر ۱۰۰ هزار رکورد برای داشتن index scanهای سریع و جلوگیری از کاهش عملکرد PostgreSQL
استفاده از index-only scans و مکانیزمی شبیه loose index scan برای کم کردن io operations
داشتن استراتژی compaction و VACUUM Analyze برای جلوگیری از عملکرد read queries با بزرگ شدن جدول دیتابیس
استفاده از دستور COPY به جای Insert برای batch insertهای زیاد و سنگین
استفاده از golang string type به جای byte slice برای transfer داده که عملکرد تقریبا ۲ برابر بهتری داشته!
Lessons from scaling PostgreSQL queues to 100k events per second
https://www.rudderstack.com/blog/scaling-postgres-queue/

<Hossein Nazari/>

نسخه 11.14 تلگرام منتشر شد

جستجوی پست‌ها
حالا می‌تونی پستای کانال‌های عمومی رو مستقیم سرچ کنی (فعلاً فقط برای پریمیومی‌ها)

آلبوم استوری
استوری‌هاتو می‌تونی تو آلبوم بچینی، مثل خاطره سفر یا معرفی محصول تو کانال‌ها

مجموعه هدیه‌ها
هدایاتو دسته‌بندی کن! مثلا نایاب‌ها، موضوعی‌ها و هرچی دلت خواست

امتیاز پروفایل
با خرید هدیه و پیام پولی، امتیاز می‌گیری و اعتبارت تو تلگرام بالا میره

هدایای خاص برای پریمیومی‌ها
هدایای خفن و محدود فقط برای کاربرای پریمیوم میاد

مینی‌اپ جدید BotFather
ربات‌سازی راحت‌تر از همیشه شده؛ مستقیم از مینی‌اپ جدید مدیریت کن

🐧 ویرایشگر کد Zed :
امکان غیرفعال‌سازی هوش مصنوعی 

🔹اZed چیست؟
اZed یک ویرایشگر کد مدرن و متن‌باز است که ویژگی‌های منحصر‌به‌فردی ارائه می‌دهد: 
✅ سبک و سریع (حتی روی سیستم‌های ضعیف) 
✅ پشتیبانی از چندین زبان برنامه‌نویسی 
✅ امکانات پیشرفته مانند دیباگر داخلی و Git Integration 

🔹 ویژگی جدید:
غیرفعال‌سازی هوش مصنوعی در آخرین آپدیت + امکان خاموش کردن کامل قابلیت‌های هوش مصنوعی اضافه شده است. 

🔸 مزایای این قابلیت:
- حفظ حریم خصوصی
(عدم ارسال کدها به سرورهای خارجی) 
- کاهش مصرف منابع سیستم 
- تمرکز بیشتر روی کدنویسی بدون مزاحمت پیشنهادات AI 
- امکان استفاده از مدل‌های محلی به جای سرویس ابری 

🔹 نحوه غیرفعال‌سازی:
- باز کردن تنظیمات (Ctrl+, یا Cmd+,) 
- جستجوی "AI" 
- غیرفعال کردن گزینه‌های مربوطه 

🔹 مقایسه با سایر ویرایشگرها:
- سرعت: Zed > VS Code > JetBrains 
- هوش مصنوعی: Zed (انعطاف‌پذیر) - VS Code (وابسته به افزونه) - JetBrains (پولی) 
- متن‌باز بودن: Zed و VS Code متن‌باز هستند 

🔹 دانلود:
🌐 وبسایت رسمی: zed.dev 
📥 برای ویندوز، مک و لینوکس در دسترس است.

👤 نویسنده: امیرحسین قاسم‌زاده
📚 منبع: zed.dev
➖➖➖➖➖➖➖➖
https://t.iss.one/addlist/QtXiQlynEJwzODBk

خلاصه‌ای مفید و مختصر از مقاله «Scalability Challenge: How to Remove Duplicates in a Large Data Set (~100M)» از Pankaj Tanwar
🎯 ۱. مسئله واقعی
فرض کن دنبال ارسال push notification به کاربران موبایل هستیم و نباید چندبار به یک دستگاه واحد برای یک کمپین، پیام ارسال شود. تگ دستگاه‌ها توسط push token مشخص می‌شود که بین ۳۲ بایت تا ۴ کیلوبایت حجم دارد و ممکن است یک شناسه بین چند پروفایل کاربر مشترک باشد (مثلاً در زمان نصب مجدد اپ). در نتیجه باید میان ~۱۰۰ میلیون توکن، موارد تکراری حذف شود. اگر بخواهیم همه را در حافظه نگه داریم، حدود ۲۵ گیگابایت رم نیاز است!

🔧 ۲. راه‌حل: استفاده از Bloom Filter
Pankaj پیشنهاد می‌دهد از Bloom Filter استفاده کنیم:

با استفاده از یک آرایه‌ی بیت و تعدادی تابع hash، هر توکن به یک یا چند بیت نگاشت می‌شود.

برای بررسی تکراری بودن، فقط درستی بیت‌ها را چک می‌کنیم؛ در صورت همه “on”، احتمال duplicate بالا است.

با این روش، حافظه لازم برای ۱۰۰ میلیون توکن و خطای احتمالی کمتر از ۰.۱٪ تا حداکثر خطا تنظیم‌شده، به حدود ۱۷۱ مگابایت کاهش می‌یابد (در مقایسه با ۲۵ GB قبلی)

✅ چرا این روش مفید است؟
حافظه بسیار پایین در مقابل دو نسخه نگهداری (25GB → 171MB)

زمان پاسخ سریع: فقط چند عملیات hash و خواندن بیت

پیاده‌سازی ساده و مقیاس‌پذیر ، به‌ویژه برای جریان بلادرنگ (streaming)

🔍 نکات فنی اضافی
Bloom Filter احتمال false positive (تشخیص اشتباه تکراری) دارد، اما هیچ false negative ندارد؛ یعنی اگر فیلتر اعلام کند تکراری نیست، قطعاً نیست.

انتخاب اندازه بیت‌مپ (m) و تعداد hash functionها (k) باید بر اساس n (تعداد ورودی) و نرخ خطای مورد قبول تنظیم شود.

هش‌های سریع و کارآمد مثل MurmurHash یا FNV بهتر از SHA یا MD5 هستند