📂 یه فایل فوق‌العاده آماده کردیم براتون!

🔹 لیست ۶۴ شرکت بزرگ دنیا که از Golang استفاده می‌کنن
🔹 همراه با موقعیت‌های شغلی فعال Golang توی همین شرکت‌ها

اگه دنبال فرصت‌های شغلی توی حوزه Backend، DevOps یا Software Engineering هستی، این فایل می‌تونه یه نقطه شروع عالی باشه.

📌 همین الان فایل رو بردار و شرکت‌ها + موقعیت‌ها رو ببین

@gopher_job

🔵 عنوان مقاله
kubechecks: App Updates

🟢 خلاصه مقاله:
**این مطلب به‌روزرسانی‌های اخیر برنامه kubechecks را اعلام می‌کند و بر بهبودهای کلی در پایداری، کارایی و سهولت استفاده تأکید دارد. از کاربران خواسته شده به آخرین نسخه ارتقا دهند و برای جزئیات کامل تغییرات، یادداشت‌های انتشار را ببینند. همچنین از بازخورد کاربران استقبال می‌شود و اشاره شده که به‌روزرسانی‌های تدریجی با تمرکز بر کیفیت ادامه خواهند داشت.

🟣لینک مقاله:
https://ku.bz/q9XwPkcRJ

➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon

ابزار ‏LocalStack چیست و چرا برای توسعه‌دهندگان و مهندسان زیرساخت مفید است؟

ابزار ‏LocalStack یک پلتفرم متن‌باز برای شبیه‌سازی سرویس‌های AWS روی ماشین لوکال یا Docker است. این ابزار امکان توسعه و تست زیرساخت‌های ابری را بدون نیاز به اتصال به AWS واقعی و پرداخت هزینه فراهم می‌کند.

‏ویژگی‌های کلیدی:
‏- دارای APIهای استاندارد AWS: می‌توانید مستقیماً از AWS CLI، SDK یا Terraform استفاده کنید.
‏- شبیه‌سازی سرویس‌های مهم:
نسخه رایگان: S3، DynamoDB، Lambda، API Gateway، SNS/SQS، CloudFormation، IAM، Kinesis، CloudWatch Logs، Step Functions
نسخه Pro: سرویس‌های پیشرفته‌تر مانند Athena، Glue و EventBridge
‏- محیط تست واقعی: امکان تمرین با Terraform/CloudFormation، تست Lambda، S3، SQS و یکپارچه‌سازی با CI/CD pipeline بدون نیاز به اکانت AWS.
‏- صرفه‌جویی در هزینه: اجرای همه‌چیز به‌صورت لوکال، بدون هزینه تا زمان دیپلوی واقعی.

‏محدودیت‌ها:
‏- سرویس‌هایی مانند AWS WAF مستقیماً شبیه‌سازی نمی‌شوند، اما سرویس‌های مرتبط مثل S3، Lambda و EventBridge قابل تست هستند.

‏چرا LocalStack ارزشمند است؟
‏- تست سناریوهای پیچیده و Unit Testing برای Lambda، S3، SQS و غیره
‏- شبیه‌سازی محیط‌های Production در لوکال
‏- توسعه و دیباگ زیرساخت بدون وابستگی به اینترنت یا اکانت AWS
‏- یکپارچگی با CI/CD برای تست کدهای زیرساختی

در نهایت ‏LocalStack ابزاری قدرتمند برای توسعه و تست زیرساخت‌های AWS بدون هزینه‌های اضافی است.


<Mahdi Shahi/>

🚀 رفع خطای `docker-compose` در Python 3.12

اگر روی سیستم‌تون Python نسخه‌ی 3.12 نصب باشه، ممکنه هنگام اجرای دستور docker-compose با خطای زیر مواجه بشید:

ModuleNotFoundError: No module named 'distutils'

از نسخه‌ی 3.12 به بعد، ماژول distutils از پایتون حذف شده و نسخه‌ی قدیمی docker-compose (که به Python وابسته بود) دیگه کار نمی‌کنه.

✅ راه‌حل‌ها:

1️⃣ استفاده از دستور جدید Docker Compose (داخلی در داکر):

```bash
docker compose up -d
```

⚠️ به فاصله بین `docker` و `compose` دقت کنید.

2️⃣ نصب نسخه‌ی جدید Go-based `docker-compose` (بدون وابستگی به Python):

sudo curl -L "https://github.com/docker/compose/releases/download/v2.27.0/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
sudo chmod +x /usr/local/bin/docker-compose

🔎 سپس تست کنید:

docker-compose version

📦 بعد از این مراحل، بدون هیچ خطایی می‌تونید پروژه‌هاتون رو بالا بیارید 🚀

🔵 عنوان مقاله
Kube-vip: virtual IP and load balancer

🟢 خلاصه مقاله:
** kube-vip یک راهکار سبک است که بدون اتکا به سخت‌افزار یا نرم‌افزار خارجی، برای کلاسترهای کوبرنتیز IP مجازی و بالانسر فراهم می‌کند. این ابزار با ارائه یک IP پایدار برای کنترل‌پلین و جابه‌جایی خودکار آن میان نودهای کنترل‌پلین، دسترس‌پذیری بالای API را تضمین می‌کند. همچنین امکان استفاده از Service از نوع LoadBalancer را در محیط‌های بدون کلاد فراهم می‌سازد و ترافیک ورودی را به پادهای مربوطه توزیع می‌کند. نتیجه، ساده‌سازی شبکه، کاهش وابستگی‌ها و یکپارچگی در پیاده‌سازی HA و اکسپوژ سرویس‌ها در محیط‌های on‑prem و bare‑metal است.

🟣لینک مقاله:
https://ku.bz/Ng11QLpfZ

➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon

#Kubernetes

Kubernetes Pod Anatomy
➖➖➖➖➖➖➖➖➖➖➖➖➖

🔵 عنوان مقاله
Grogg – A Modern Local and Remote Kubernetes GUI for Developers

🟢 خلاصه مقاله:
Grogg یک کلاینت گرافیکی مدرن برای Kubernetes است که مخصوص توسعه‌دهندگان طراحی شده و هم به‌صورت برنامهٔ محلی و هم افزونهٔ VSCode اجرا می‌شود. این ابزار برای خوشه‌های محلی و راه‌دور کاربرد دارد و بدون نیاز به خط فرمان یا داشبوردهای ابری، کارهایی مانند تغییر مقیاس سرویس‌ها و اجرای دستی CronJob‌ها را ساده می‌کند. همچنین با نمایش یک‌جای لاگ‌های چند پاد، عیب‌یابی را سریع‌تر و سرراست‌تر می‌کند.

🟣لینک مقاله:
https://ku.bz/8TWQSmXsD

➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon

🔵 عنوان مقاله
Kubernetes Observability With Kube-State-Metrics

🟢 خلاصه مقاله:
** این آموزش نحوه نصب، پیکربندی و به‌کارگیری Kube-State-Metrics را برای پایش وضعیت آبجکت‌های کوبرنتیزی توضیح می‌دهد. سرویس مذکور با خواندن وضعیت اشیا از API کوبرنتیز، آن‌ها را به متریک‌های Prometheus تبدیل می‌کند؛ مانند تعداد Replicaهای مطلوب و در دسترس در Deploymentها، وضعیت Podها و دلایل Pending شدن، شرایط Nodeها، و سلامت Job/CronJobها. راهنما روش استقرار با Helm یا مانفیست خام، تنظیم RBAC و Service، و اتصال به Prometheus (از طریق ServiceMonitor در Prometheus Operator یا تنظیمات scrape معمولی) را پوشش می‌دهد و به کنترل کاردینالیتی و فعال‌سازی گزینشی کالکتورها برای کارایی بهتر اشاره می‌کند. سپس با مثال‌هایی از پرس‌وجوهای PromQL و ساخت داشبوردهای Grafana، نشان می‌دهد چگونه سلامت رول‌اوت‌ها، پوشش Workloadها، وضعیت Nodeها و قابلیت اتکای Jobها را بصری کنید و بر مبنای آن هشدار بسازید. نتیجه نهایی یک جریان کامل مشاهده‌پذیری از جمع‌آوری متریک‌ها تا ساخت داشبورد و آلارم برای رصد وضعیت اشیای کوبرنتیز است.

🟣لینک مقاله:
https://ku.bz/RPzhmfFjV

➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon

🤖 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

🔵 عنوان مقاله
Helm CEL Validator

🟢 خلاصه مقاله:
** یک اعتبارسنج مبتنی بر CEL برای Helm راهی سبک و سریع برای بررسی چارت‌ها و مانیفست‌های رندرشده قبل از استقرار است. با تعریف قوانین شفاف در CEL، می‌توان خط‌مشی‌هایی مانند وجود برچسب‌ها و حاشیه‌نویسی‌های لازم، حدود منابع، عدم اجرای کانتینرهای دارای سطح دسترسی بالا و استفاده از رجیستری‌های مورد اعتماد را enforce کرد. این اعتبارسنج به‌راحتی در توسعه محلی و CI اجرا می‌شود و بازخورد دقیق و قابل اقدام ارائه می‌دهد. نتیجه، کاهش خطاهای پیکربندی و سازگاری بیشتر میان سرویس‌هاست؛ و در عین حال، این رویکرد مکمل کنترل‌های پذیرش درون کلاستر است، نه جایگزین آن، تا تخلفات پیش از رسیدن به کلاستر شناسایی شوند.

🟣لینک مقاله:
https://ku.bz/rJCwmpqwH

➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon

🔵 عنوان مقاله
OpenAI acquires Statsig for $1.1B; Viyaje Raji to become CTO of Applications (4 minute read)

🟢 خلاصه مقاله:
OpenAI با پرداخت ۱.۱ میلیارد دلار Statsig را برای تقویت زیرساخت آزمایش‌های محصولی و A/B خود خرید تا بتواند ChatGPT را در مقیاس صدها میلیون کاربر بهتر توسعه و مدیریت کند. طبق این معامله، Viyaje Raji به‌عنوان CTO بخش Applications به OpenAI می‌پیوندد. هدف از این ادغام، تسریع در عرضه و ارزیابی کنترل‌شده قابلیت‌ها و بهبود تجربه کاربران از طریق تصمیم‌گیری داده‌محور است.

🟣لینک مقاله:
https://openai.com/index/vijaye-raji-to-become-cto-of-applications-with-acquisition-of-statsig/?utm_source=tldrai

➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon

🔵 عنوان مقاله
GPT-5 Thinking in ChatGPT (aka Research Goblin) is shockingly good at search (11 minute read)

🟢 خلاصه مقاله:
حالت «GPT-5 Thinking» در چت‌جی‌پی‌تی، معروف به «Research Goblin»، در کارهای شبیه جست‌وجو شگفت‌انگیز عمل می‌کند و به‌جای پاسخ‌های سطحی، جمع‌بندی‌های منسجم و جامع‌تری ارائه می‌دهد. نقطه قوت آن، رویکرد سنجیده و مرحله‌به‌مرحله برای پوشش زوایای مختلف و یافتن نکات ظریف است؛ اما بهای این دقت و پوشش، سرعت کمتر و پاسخ‌دهی کندتر است. این حالت برای پژوهش‌های عمیق، مرور ادبیات، مقایسه گزینه‌ها و پرسش‌های باز مناسب است، ولی برای پرسش‌های سریع و ساده پیشنهاد نمی‌شود. نتیجه: اگر عمق و ترکیب منابع می‌خواهید، از آن استفاده کنید؛ اگر سرعت مهم‌تر است، سراغ حالت‌های سریع‌تر بروید.

🟣لینک مقاله:
https://simonwillison.net/2025/Sep/6/research-goblin/?utm_source=tldrai

➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon

🚀 به کانال تخصصی انواع دیتابیس و دیتا خوش اومدی!

اینجا هر روز مطالب کاربردی و به‌روز درباره موضوعات زیر می‌ذاریم:
🔹 PostgreSQL
🔹 RDBMS (سیستم‌های مدیریت پایگاه داده رابطه‌ای)
🔹 NoSQL
🔹 Big Data
🔹 Data Science
🔹 Data Engineering

📚 یادگیری، نکات حرفه‌ای و تازه‌ترین ترندهای دنیای دیتا همه اینجاست!

📌 همین حالا جوین شو و یک قدم جلوتر باش
https://t.iss.one/Database_Academy

🔵 عنوان مقاله
No More Hardcoded Secrets: Automatic Database Credential Rotation with Vault, AKS and Postgres

🟢 خلاصه مقاله:
** این آموزش نشان می‌دهد چگونه با استفاده از Vault در AKS و موتور Database Secrets آن، برای Postgres اعتبارنامه‌های کوتاه‌عمر به‌صورت خودکار صادر و چرخش شوند تا نیاز به رمزهای ثابت از بین برود. با احراز هویت پادها در Vault از طریق Kubernetes auth و تعریف نقش‌ها و TTL، هر برنامه اعتبارنامه اختصاصی و قابل ابطال دریافت می‌کند. برای مصرف ساده در کلاستر، External Secrets و VaultDynamicSecret اعتبارنامه‌های پویا را از Vault گرفته و به Secrets بومی کوبرنتیس همگام می‌کنند؛ برنامه‌ها فقط همان Secret را می‌خوانند و بدون دست‌کاری Vault همیشه به رمزی معتبر دسترسی دارند. خروجی نهایی یک جریان خودکار صدور، نوسازی و ابطال رمزهای Postgres با سیاست‌گذاری دقیق و حداقل دسترسی است.

🟣لینک مقاله:
https://ku.bz/MbNs69CsB

➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon

🔵 عنوان مقاله
Kubernetes Capacity Planning: Getting It Wrong Is Step One (And That’s Okay!)

🟢 خلاصه مقاله:
این مقاله می‌گوید برنامه‌ریزی ظرفیت در کوبرنتیز با پذیرفتن عدم قطعیت شروع می‌شود؛ برآورد اولیه معمولاً اشتباه است و همین اشتباه نقطه آغاز یادگیری است. متن، مفاهیم پایه مانند تفاوت requests و limits، نقش کلاس‌های QoS، منابع قابل تخصیص هر نود و درنظرگرفتن سربار سیستم را توضیح می‌دهد و با فرمول‌های ساده نشان می‌دهد چگونه مجموع نیازمندی‌های بارکاری را به تعداد نود و اهداف بهره‌برداری تبدیل کنیم، همراه با حاشیه امن برای نوسان‌ها.

همچنین به اندازه‌دهی نود می‌پردازد و مزایا/معایب نودهای بزرگ و کوچک، رزرو منابع (kube-reserved/system-reserved)، انتخاب نوع ماشین متناسب با گلوگاه و برنامه‌ریزی برای آستانه‌های اخراج و ظرفیت جهشی را بیان می‌کند. راهبردهای مقیاس‌گذاری عمودی/افقی، اتصال HPA/VPA به Cluster Autoscaler و مقیاس‌گذاری زمان‌بندی‌شده برای الگوهای قابل پیش‌بینی نیز تشریح می‌شود و بر انتخاب سیگنال‌های درست (CPU/Memory یا متریک‌های کاربردی و SLOها) تأکید دارد.

در پایان، دسته‌بندی بارهای کاری (سرویس‌های حساس به تأخیر، پردازش‌های دسته‌ای، و کارهای stateful) و استفاده از taint/toleration، priority class، محدودیت‌های پراکندگی و quota برای جداسازی و حفاظت از بارهای حیاتی مطرح می‌شود. پیام اصلی: با یک خط‌مبنا شروع کنید، اندازه‌گیری کنید، از شکاف‌ها بیاموزید و به‌صورت تکراری به ظرفیتی بهینه، مقرون‌به‌صرفه و پایدار برسید.

🟣لینک مقاله:
https://ku.bz/LRpnm64YN

➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon

🔵 عنوان مقاله
Blixt: Experimental Rust-Based eBPF Load Balancer

🟢 خلاصه مقاله:
Blixt یک تعادل‌دهنده بار آزمایشی است که با ترکیب eBPF و Rust، امکان اجرای بخشی از منطق توزیع ترافیک در مسیر سریع کرنل را بررسی می‌کند. eBPF تصمیم‌گیری سریع درون کرنل و به‌روزرسانی پویا از طریق نقشه‌ها را فراهم می‌کند، و Rust ایمنی حافظه و قابلیت نگه‌داری بالاتر را برای مؤلفه‌های کاربر-فضا و مدیریت برنامه‌ها و پیکربندی‌ها به ارمغان می‌آورد. معماری پیشنهادی شامل یک بخش کوچک eBPF درون کرنل برای هدایت بسته‌ها و یک بخش Rust در فضای کاربر برای مدیریت سیاست‌ها و مشاهده‌پذیری است. این پروژه پژوهشی است و با هدف ارزیابی کارایی، ایمنی، و قابلیت عملیاتی شکل گرفته و هنوز برای محیط تولید آماده محسوب نمی‌شود.

🟣لینک مقاله:
https://ku.bz/1cZxMK7Ck

➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon