DevOps Labdon
441 subscribers
22 photos
1 video
1 file
589 links
👑 DevOps Labdon

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

ادمین:
@mrbardia72
Download Telegram
🔵 عنوان مقاله
Overclocking dbt: Discord's Custom Solution in Processing Petabytes of Data (3 minute read)

🟢 خلاصه مقاله:
مقاله‌ی مورد بحث در مورد چگونگی مقیاس‌بندی سامانه Discord به کمک ابزار dbt برای پردازش داده‌هایی به اندازه چند پتابایت توسط بیش از 100 توسعه‌دهنده کار کننده روی بیش از 2500 مدل می‌باشد. برای دستیابی به این مقیاس، Discord راه‌حل‌های سفارشی مانند تفکیک محیط‌ها، پردازش قابل تنظیم براساس زمان و یک سیستم نسخه‌بندی پیشرفته را پیاده‌سازی کرده است. با این اقدامات، زمان‌های کامپایل به میزان 5 برابر بهبود یافته و یک خط لوله CI/CD با بررسی‌های خودکار ایجاد شد تا از وقوع خطاها پیش از رسیدن به محیط تولید جلوگیری شود. این استراتژی‌ها به Discord کمک کرد تا بازدهی کلی سامانه و توانایی‌های توسعه‌دادن مداوم و مطمئن مدل‌های داده‌ای خود را به طور قابل توجهی افزایش دهد.

🟣لینک مقاله:
https://discord.com/blog/overclocking-dbt-discords-custom-solution-in-processing-petabytes-of-data?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
Google's AI-powered next-generation global network: Built for the Gemini era (8 minute read)

🟢 خلاصه مقاله:
Google Cloud اخیراً ویژگی‌های جدید و قدرتمند هوش مصنوعی را معرفی کرده است که طراحی و مدیریت توسعه نرم‌افزار را در تمام مراحل چرخه عمر نرم‌افزار ساده‌سازی و تسریع می‌بخشد. ابزارهایی مانند Gemini Code Assist و Gemini Cloud Assist به توسعه‌دهندگان امکان می‌دهد با استفاده از زبان طبیعی، عوامل هوشمند و خدمات ابری یکپارچه، به طراحی، استقرار، عیب‌یابی و بهینه‌سازی برنامه‌ها به شکلی آسان‌تر دست یابند. این توانایی‌ها به توسعه‌دهندگان کمک می‌کند تا با سهولت بیشتر بر روی نوآوری و خلاقیت خود تمرکز کنند، درحالی که بخشی از جزییات فنی و چالش‌های معمول در مدیریت پلتفرم‌های نرم‌افزاری توسط این ابزارهای جدید حل می‌شود. این امکانات جدید قرار است تاثیر قابل توجهی بر بهره‌وری توسعه‌دهندگان و سرعت توسعه نرم‌افزار داشته باشد.

🟣لینک مقاله:
https://cloud.google.com/blog/products/application-development/an-application-centric-ai-powered-cloud?utm_source=tldrdevops


👑 @DevOps_Labdon
Forwarded from Software Engineer Labdon
اگر از گیت استفاده می‌کنید و حس می‌کنید مخزن شما مثل یک انبار قدیمی پر از فایل‌های بی‌استفاده و اضافی شده و دو ساعت طول میکشه یه کلون بگیرید 
دستور
git gc --prune=now --aggressive

می‌تونه مثل یک جاروبرقی برای گیت عمل کنه و فضای خالی زیادی رو باز کنه.

این دستور دقیقا همونطور که اسمش میگه، زباله‌ها و فایل‌های بی‌مصرف رو از مخزن شما پاک می‌کنه.

علاوه بر این، با گزینه --aggressive، گیت کلی وقت می‌ذاره که هر چی بیشتر بتونه فشرده‌سازی کنه و حجم مخزن رو کم کنه.

البته با این گزینه، ممکنه یه کمی طول بکشه، ولی مطمئن باشید که مخزن شما مرتب‌تر و سریع‌تر خواهد شد.

حواستون باشه، این دستورات به درد کسانی می‌خوره که کنترل کامل روی مخزن خودشون دارن. اگر اجازه دسترسی ندارید، باید از کسی که مسئول گیت هست بخواهید این کار رو براتون انجام بده.

به هر حال، بعد از اجرا، شما یک مخزن تمیز و سبک‌تر خواهید داشت که کار کردن باهاش خیلی راحت‌تره!

<Sajjad Zibafar/>

https://t.iss.one/addlist/KpzXaiSpKENkMGM0
👍1
اگر از Git استفاده می‌کنید، احتمالاً با gitignore. آشنا هستید. ولی یه فایل دیگه هم هست به اسم exclude
حالا این دوتا چه فرقی دارن؟

gitignore.
این فایل توی ریشه‌ی پروژه‌ است و برای نادیده گرفتن فایل‌هایی استفاده میشه که همه‌ی اعضای تیم نباید پیگیری‌شون کنن. خودش هم commit میشه و داخل repo میمونه.

exclude
مسیرش توی git/info/exclude. هست و فقط روی سیستم شخصی شما تأثیر داره. ایده‌آله برای فایل‌هایی که فقط خودت نمی‌خوای track بشن، بدون اینکه توی repo دیده بشن.

پس اگر فایل لوکال خاصی داری و نمی‌خوای توی gitignore. بذاری، برو سراغ exclude

<Amir Mohammad Rezvaninia/>


https://t.iss.one/addlist/KpzXaiSpKENkMGM0
👍1
انتخاب زیرساخت مناسب برای دیپلوی پروژه‌ها؛ فقط یک تصمیم فنی نیست، بلکه نیازمند یک تصمیم استراتژیکه.

امروزه، با گسترش ابزارهای کانتینرسازی، معمولاً سه گزینه هست که بیشتر از همه به چشم میاد:

Docker Compose
+ عالی برای توسعه و محیط‌های لوکال
+ ساده، سریع و بدون نیاز به منابع زیاد
- مناسب نبودن برای پروژه‌های High Availability

Docker Swarm
+ راه‌حلی سریع برای مقیاس‌بندی ساده روی چند سرور
+ راه‌اندازی راحت‌تر نسبت به Kubernetes
- امکانات محدود نسبت به مباحث پیشرفته
- خود داکر بیشتر به Kubernetes اهمیت میده

Kubernetes (K8s)
+ استاندارد بازار کار برای مقیاس‌بندی، پایداری، و مدیریت سیستم‌های بزرگ
+ Self-Healing، Load Balancing پیشرفته، و مقیاس‌پذیری بی‌نهایت
+ اکوسیستم قدرتمند از ابزارها (CI/CD, Monitoring, Security)
- نیازمند تخصص بیشتر
- پیچیدگی در راه‌اندازی اولیه

اما در دنیای واقعی چه اتفاقی میوفته؟
Docker Compose بیشتر برای توسعه‌ی لوکال یا پروژه‌های کوچک استفاده می‌شه.
Docker Swarm به تدریج جایگاه خودش رو از دست داده و کمتر در پروژه‌ها دیده می‌شه.
Kubernetes به استاندارد اصلی بازار کار تبدیل شده؛ به طوری که همه به نوعی روی Kubernetes تاکید میکنن.

به عنوان نتیجه‌گیری نهایی و البته نظر شخصی:
هیچ ابزاری به خودی خود بهترین نیست.
بهترین انتخاب، ابزاری است که با نیازهای امروز و چشم‌انداز فردای پروژه‌ هماهنگ باشه.
ولی اگر به فکر آینده‌ شغلی، رشد و مقیاس‌پذیری هستی، باید Kubernetes رو جدی بگیری.

<Farzin Shams/>

https://t.iss.one/addlist/KpzXaiSpKENkMGM0
👍1👏1
🔵 عنوان مقاله
What Makes a Great Developer Experience? (34 minute read)

🟢 خلاصه مقاله:
مقاله مورد بحث به اهمیت تجربه برنامه‌نویسان در فرآیندهای توسعه نرم‌افزار پرداخته و بر سه عامل اصلی تاکید دارد: کم‌کردن زمان چرخه، حفظ تمرکز، و کاهش بار شناختی. این عوامل به برنامه‌نویسان کمک می‌کنند تا سریع‌تر ایده‌های خود را آزمایش کنند، بدون وقفه در جریان کاری خود باقی بمانند، و از تصمیم‌گیری‌های غیرضروری یا دانش افزونی بپرهیزند. برای ایجاد چنین محیطی، استفاده از ابزارهای مناسب، تعریف پیش‌فرض‌های روشن، مدیریت تغییرات تدریجی و فرهنگی که زمان انسانی را در اولویت قرار دهد، ضروری است. همچنین، ضرورت دارد که درد تغییرات را بر عهده تغییردهندگان قرار داده و با ادغام آسان در جریان‌های کاری موجود، پذیرش گسترده‌ای را امکان‌پذیر سازد. این رویکردها به تسهیل فرآیندهای توسعه و افزایش بهره‌وری و رضایت برنامه‌نویسان کمک شایانی می‌کند.

🟣لینک مقاله:
https://www.codesimplicity.com/post/what-makes-a-great-developer-experience/?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
Amazon EKS Community Add-ons Catalog (2 minute read)

🟢 خلاصه مقاله:
Amazon EKS اخیراً کاتالوگ افزودنی‌های جامعه را ارائه داده است که استقرار و مدیریت افزودنی‌های محبوب متن‌باز Kubernetes را از طریق کنسول EKS، CLI، SDK، یا ابزارهای زیرساخت به صورت کد، ساده‌سازی می‌کند. این کاتالوگ به کاربران اجازه می‌دهد که به سهولت افزودنی‌های مورد نیاز خود را نصب و مدیریت کنند، بدون اینکه نیاز به تخصص فنی گسترده‌ای در زمینه Kubernetes داشته باشند. این ویژگی جدید قصد دارد تا با ارائه یک روش مستقیم و مدیریت شده برای استفاده از افزودنی‌های رایج، کاربردپذیری و کارایی EKS را برای توسعه‌دهندگان و مدیران سیستم بهبود بخشد. این کاتالوگ همچنین به کاربران کمک می‌کند تا اطمینان حاصل کنند که افزودنی‌های استفاده شده به‌روز و از نظر امنیتی تأیید شده‌اند، این باعث می‌شود مدیریت زیرساخت‌های Kubernetes کارآمدتر و ایمن‌تر شود.

🟣لینک مقاله:
https://aws.amazon.com/blogs/containers/announcing-amazon-eks-community-add-ons-catalog/?trk=4b29643c-e00f-4ab6-ab9c-b1fb47aa1708&amp;sc_channel=blog&amp;utm_source=tldrdevops


👑 @DevOps_Labdon
Persian Gulf | TAK3DA.COM
Shadmehr Aghili
آهنگ جدید شادمهر عقیلی - خلیج فارس

https://t.iss.one/addlist/KpzXaiSpKENkMGM0
1
🔵 عنوان مقاله
Introducing Docker Hardened Images: Secure, Minimal, and Ready for Production (4 minute read)

🟢 خلاصه مقاله:
مقاله مورد نظر به بررسی تصاویر Docker Hardened Images (DHI) که توسط Docker معرفی شده‌اند، می‌پردازد. این تصاویر به‌عنوان تصاویر کانتینری امن-به-صورت-پیش‌فرض برای محیط‌های تولیدی مدرن توسعه یافته‌اند. تصاویر DHI سطح تهدید را تا حدود ۹۵٪ کاهش می‌دهند و برای تضمین امنیت، به طور مداوم به‌روزرسانی می‌شوند تا تقریباً هیچ CVE شناخته‌شده‌ای نداشته باشند، به‌علاوه CVE‌های با اهمیت بحرانی و بالا در طی ۷ روز ترمیم می‌شوند. این تصاویر از سیستم‌ عامل‌هایی چون Alpine و Debian پشتیبانی می‌کنند و با بسترهایی مثل مایکروسافت، NGINX، و Sonatype یکپارچه‌سازی شده‌اند. این مقاله تأکید می‌کند که استفاده از تصاویر DHI می‌تواند به‌طور چشمگیری امنیت کانتینرها را در برابر حملات سایبری افزایش دهد و برای محیط‌های تولیدی که به امنیت بالا نیاز دارند ایده‌آل است.

🟣لینک مقاله:
https://www.docker.com/blog/introducing-docker-hardened-images/?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
Keeping Up With AI: The Painful New Mandate for Software Engineers (6 minute read)

🟢 خلاصه مقاله:
مهندسی نرم‌افزار متولد شده از هوش مصنوعی به سرعت در حال ظهور است، با انتظار رشد استفاده از ابزارهای هوش مصنوعی در تمام مراحل چرخه توسعه نرم‌افزار، که منجر به تغییر نقش توسعه‌دهندگان از برنامه‌نویسی سنتی به هماهنگ‌سازی عوامل هوشمند می‌شود که وظایف را خودکار و بهبود می‌بخشند. این پیشرفت، توسعه‌دهندگان را از انجام دستی کدهای پیچیده به نقش‌هایی که در آن‌ها بیشتر به مدیریت و نظارت بر اجرای فرآیندهای خودکار توسط نرم‌افزارها می‌پردازند، سوق می‌دهد. این تغییر نه تنها باعث افزایش کارایی و سرعت در توسعه نرم‌افزار می‌شود بلکه به توسعه‌دهندگان امکان می‌دهد تا بر تکنیک‌ها و نوآوری‌های جدیدتر تمرکز کنند. در نتیجه، هوش مصنوعی نه تنها به عنوان یک ابزار کمکی که به عنوان یک عنصر اساسی در مهندسی نرم‌افزار مطرح می‌شود.

🟣لینک مقاله:
https://thenewstack.io/keeping-up-with-ai-the-painful-new-mandate-for-software-engineers/?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
Announcing etcd v3.6.0 (10 minute read)

🟢 خلاصه مقاله:
نسخه 3.6.0 از etcd منتشر شده و این اولین انتشار جزئی پس از نسخه 3.5.0 در ژوئن 2021 است. این نسخه به‌روزرسانی‌های کلیدی از جمله حذف پرچم --enable-v2، پشتیبانی کامل از دان‌گرید، و کاهش مصرف متوسط حافظه تا دست‌کم 50% را شامل می‌شود. همچنین، بهبود عملکرد تقریباً 10% در پهنای باند خواندن و نوشتن معرفی شده است. etcd به عنوان یک SIG (sig-etcd) به پروژه کوبرنتیس پیوست تا پایداری پروژه را بهبود بخشد. این تغییرات نشان‌دهنده تمرکز etcd بر بهینه‌سازی و پایداری است، که تأثیرات مثبتی بر کاربردهای آینده‌ای که به مدیریت مقیاس‌پذیر و موثر پایگاه داده نیاز دارند خواهد داشت.

🟣لینک مقاله:
https://kubernetes.io/blog/2025/05/15/announcing-etcd-3.6/?utm_source=tldrdevops


👑 @DevOps_Labdon
👍1
🔵 عنوان مقاله
Handling Network Throttling with AWS EC2 at Pinterest (10 minute read)

🟢 خلاصه مقاله:
مقاله‌ای که مورد بررسی قرار گرفته به مشکلات عمده کاهش کارایی در سیستم‌های ذخیره‌سازی کلیدی Pinterest به دلیل محدودیت‌های ناشناخته شبکه EC2 اشاره دارد، که بیشتر به دلیل میکروبرست‌هایی که از حد باندویث موجود برای نمونه‌ها فراتر می‌رفت، رخ داده است. برای حل این مشکل، Pinterest از متریک‌های ENA در سراسر شبکه خود برای نظارت لحظه‌ای استفاده کرده است. همچنین، تکنیک‌هایی نظیر محدودسازی نرخ S3 با دقت بالا، برنامه‌ریزی زمان‌بندی شده برای پشتیبان‌گیری و فشرده‌سازی داده‌ها به منظور کاهش تأخیر ناشی از محدودیت باند پهنا و افزایش قابلیت اطمینان سیستم اجرا شده است. این اقدامات با هدف بهبود پایداری و کارایی ذخیره‌سازی در Pinterest توسعه یافته‌اند.

🟣لینک مقاله:
https://medium.com/@Pinterest_Engineering/handling-network-throttling-with-aws-ec2-at-pinterest-fda0efc21083?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
Visualize Amazon Aurora, Zendesk, and more: What's new in Grafana data sources (4 minute read)

🟢 خلاصه مقاله:
شرکت Grafana Labs اخیراً منابع داده‌ای جدیدی را برای Amazon Aurora، Azure CosmosDB، CockroachDB، Drone، Netlify و دیگر سیستم‌ها معرفی کرده است. این منابع داده به بهبود قابلیت مشاهده و نظارت کمک می‌کنند زیرا به کاربران امکان می‌دهند داده‌ها را از سیستم‌های مختلف در یک پلتفرم متمرکز Grafana استعلام و تجسم بزنند. بسیاری از این منابع داده به صورت رایگان در نسخه OSS Grafana در دسترس هستند. علاوه بر این، شرکت از انتشار نسخه 12 Grafana خبر داده است.


🟣لینک مقاله:
https://grafana.com/blog/2025/05/14/visualize-amazon-aurora-zendesk-and-more-whats-new-in-grafana-data-sources/?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
The pros and cons of Lambdalith (5 minute read)

🟢 خلاصه مقاله:
مقاله‌ای که مورد بررسی قرار گرفته در مورد "لامبدالیت‌ها" صحبت می‌کند که تمام مسیرهای API را در یک تابع لامبدای AWS جمع‌آوری می‌کند. این رویکرد به مهاجرت آسان‌تر از برنامه‌های سنتی کمک می‌کند زیرا تجربه آشنایی برای توسعه‌دهندگان فراهم می‌آورد و استفاده اقتصادی از URL‌های تابع لامبدا را به دنبال دارد. با این حال، استفاده از لامبدالیت‌ها ممکن است معایبی همچون شروع کندتر در زمان فعالسازی سرد (cold starts)، کاهش قابلیت مشاهده و محدودیت‌های مقیاس‌پذیری نسبت به رویکرد تابع به ازای هر نقطه پایانی (endpoint) را به همراه داشته باشد. این تفاوت‌ها باید در انتخاب معماری مناسب برای برنامه‌های کاربردی در نظر گرفته شود.

🟣لینک مقاله:
https://theburningmonk.com/2025/03/the-pros-and-cons-of-lambdalith/?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
Deep dive into the challenges of building Kafka on top of S3 (14 minute read)

🟢 خلاصه مقاله:
معماری کافکا که برای مراکز داده محلی طراحی شده است، با چالش‌هایی همچون ارتباط زیاد بین محاسبه و ذخیره‌سازی و هزینه‌های بالای انتقال داده‌ها در مناطق مختلف هنگام استفاده در ابر روبرو است. این موضوع باعث شده تا جایگزین‌هایی مانند استفاده از ذخیره‌سازی اشیاء در S3 برای کارآمدی هزینه پیشنهاد شود. AutoMQ، راه‌حل متن‌باز و سازگار با کافکا، به این دغدغه‌ها با بازنویسی لایه ذخیره‌سازی کافکا برای استفاده مؤثر از ذخیره‌سازی اشیاء پاسخ می‌دهد ضمن اینکه از طریق یک سیستم Write Ahead Log (WAL) تاخیر پایین را حفظ می‌کند و با مدیریت محلیت داده‌ها، کشینگ مؤثر را تضمین می‌کند. این رویکرد به بهبود کارآیی و کاهش هزینه‌ها در محیط‌های ابری کمک می‌کند.

🟣لینک مقاله:
https://blog.det.life/deep-dive-into-the-challenges-of-building-kafka-on-top-of-s3-37a5c5eb9c0b?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
SSL/TLS Certificate Lifespans to Shrink to 47 Days by 2029 (2 minute read)

🟢 خلاصه مقاله:
مجمع CA/Browser که با هدف بهبود امنیت و ترویج خودکارسازی فعالیت می‌کند، تصمیم گرفته است که طول عمر گواهینامه‌های SSL/TLS را به صورت تدریجی از 398 روز به 47 روز تا سال 2029 کاهش دهد. این تصمیم به منظور کاهش خطرات امنیتی مانند سوء استفاده از گواهینامه‌های منقضی شده و افزایش توانایی به روز رسانی و نظارت بر تنظیمات امنیتی است. کوتاه‌تر کردن این مدت‌زمان همچنین به سازمان‌ها کمک می‌کند تا با سرعت بیشتری به تهدیدهای امنیتی پاسخ دهند و از استانداردهای امنیتی جدیدتر بهره‌مند شوند. این اقدام گامی مثبت در جهت افزایش اعتماد عمومی به تراکنش‌های دیجیتالی و تقویت امنیت سایبری محسوب می‌شود.

🟣لینک مقاله:
https://www.infoq.com/news/2025/05/ssl-certificate-lifespans-shrink?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
Supercharge data access performance with GKE Data Cache (5 minute read)

🟢 خلاصه مقاله:
مقاله‌ای که مورد بررسی قرار گرفته، به معرفی ویژگی جدیدی در محیط Google Kubernetes Engine (GKE) تحت عنوان "GKE Data Cache" می‌پردازد که اکنون به طور کلی در دسترس قرار گرفته است. این قابلیت جدید به منظور بهبود قابل توجه در عملکرد خواندن داده‌ها برای بارهای کاری Kubernetes ایجاد شده است. با استفاده از GKE Data Cache، داده‌هایی که به طور مکرر دسترسی می‌یابند، در SSDهای محلی ذخیره می‌شوند که این امر فرآیند خواندن داده‌ها را سریع‌تر می‌کند. این ویژگی به ویژه برای کاربرد‌هایی که نیازمند دسترسی سریع و مکرر به مجموعه‌های بزرگ داده‌ها هستند، مفید است و می‌تواند به کاهش تأخیر و افزایش کارایی در پردازش داده‌ها کمک کند. بنابراین، GKE Data Cache یک پیشرفت قابل توجه در بهینه‌سازی عملکرد برای بارهای کاری مبتنی بر Kubernetes در محیط GKE محسوب می‌شود.

🟣لینک مقاله:
https://cloud.google.com/blog/products/containers-kubernetes/gke-data-cache-now-ga-accelerates-stateful-apps/?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
How to build and deliver an MCP server for production (3 minute read)

🟢 خلاصه مقاله:
مقاله مورد بحث به چالش‌هایی که توسعه‌دهندگان هنگام استفاده از پروتکل مدل زمینه (MCP) با آن مواجه‌اند می‌پردازد، که شامل پیچیدگی‌های زمان اجرا، خطرات امنیتی، مشکلات قابلیت کشف و مسائل مرتبط با اعتماد است. این مسائل مانع از ادغام ابزارها با مدل‌های زبان بزرگ (LLMs) می‌شوند. در راه‌حل خود، Docker با ارائه یک محیط اجرایی متمرکز و پویا که شامل سیستم کاتالوگ و مدیریت اسرار است، به حل این چالش‌ها می‌پردازد. این امکانات استقرار MCP را ساده‌تر کرده و قابلیت اطمینان ابزارها را افزایش می‌دهد. Docker بدین ترتیب، توانایی‌های یکپارچه‌سازی ابزار را با LLMs بهبود می‌بخشد، که به توسعه‌دهندگان اجازه می‌دهد تا به صورت مؤثرتری مدل‌های خود را در زمان اجرا به کار گیرند و خدمات امن‌تری را ارائه دهند.

🟣لینک مقاله:
https://www.docker.com/blog/build-to-prod-mcp-servers-with-docker/?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
Kubernetes v1.33: Updates to Container Lifecycle (4 minute read)

🟢 خلاصه مقاله:
مقاله مورد نظر به تحولات ویژگی‌های جدید در نسخه 1.33 Kubernetes می‌پردازد که شامل اختراعات مهم در مدیریت دوره حیات کانتینرها است. اولین ویژگی معرفی‌شده، امکان تنظیم مدت زمان استراحت صفر برای قلاب‌های چرخه حیات کانتینر است که از طریق دروازه ویژگی PodLifecycleSleepActionAllowZero که به طور پیش‌فرض فعال شده، امکان‌پذیر می‌باشد. این تغییر به اپراتورها اجازه می‌دهد تا به سرعت و بدون تاخیر، واکنش‌ها را در چرخه حیات کانتینر اجرا کنند. دومین ویژگی، پشتیبانی آلفا برای سفارشی‌سازی سیگنال توقف فرستاده شده به کانتینرها است که از طریق دروازه ویژگی ContainerStopSignals فراهم شده و به کاربران اجازه می‌دهد تا سیگنال توقف سفارشی‌ را در مشخصات کانتینر مشخص کنند، به شرطی که سیستم عامل پاد با spec.os.name مشخص شده باشد. این ابزارهای جدید بهینه‌سازی‌هایی در نحوه مدیریت و تعامل با کانتینرها ارائه می‌دهند.

🟣لینک مقاله:
https://kubernetes.io/blog/2025/05/14/kubernetes-v1-33-updates-to-container-lifecycle/?utm_source=tldrdevops


👑 @DevOps_Labdon