📌 Site Reliability Engineer - Mandarin speaking / Python / SQL / NoSQL / Machine Learning / Big Data
📝 Type: Visa Sponsorship
🌍 Relocation Package: ✅
🏢 Company: european tech recruit
📍 Location: IRELAND
⌨️ Category: #DataScience
🔗 Tags: #javascript #python #nosql #mysql #redis #rabbitmq #oracle #memcache #yarn #storage #kubernetes #docker #jenkins #kafka #grafana #prometheus #cloud #sql #tensorflow #pytorch #hadoop #spark
📝 Type: Visa Sponsorship
🌍 Relocation Package: ✅
🏢 Company: european tech recruit
📍 Location: IRELAND
⌨️ Category: #DataScience
🔗 Tags: #javascript #python #nosql #mysql #redis #rabbitmq #oracle #memcache #yarn #storage #kubernetes #docker #jenkins #kafka #grafana #prometheus #cloud #sql #tensorflow #pytorch #hadoop #spark
📌 Site Reliability Engineer (DevOps Engineer)
📝 Type: Visa Sponsorship
🌍 Relocation Package: ✅
🏢 Company: Luxoft
📍 Location: SINGAPORE
⌨️ Category: #Devops
🔗 Tags: #python #java #oracle #groovy #gcp #html5 #git #kubernetes #docker #jenkins #devops #apache #kafka #ansible #bash #linux #artifactory #jira #confluence #sql
📝 Type: Visa Sponsorship
🌍 Relocation Package: ✅
🏢 Company: Luxoft
📍 Location: SINGAPORE
⌨️ Category: #Devops
🔗 Tags: #python #java #oracle #groovy #gcp #html5 #git #kubernetes #docker #jenkins #devops #apache #kafka #ansible #bash #linux #artifactory #jira #confluence #sql
🍓2
🔵 عنوان مقاله
kubectl-sql: Query Kubernetes with SQL Syntax
🟢 خلاصه مقاله:
افزونه kubectl-sql برای kubectl امکان اجرای پرسوجوهای شبیه SQL روی منابع Kubernetes را فراهم میکند. با آن میتوانید روی اشیایی مثل Pods و PVCs عمل فیلتر، انتخاب فیلد و مرتبسازی انجام دهید، بدون اینکه مجبور باشید از jq یا JSONPath بهصورت خام استفاده کنید. نتیجه، پرسوجوهای خواناتر و سریعتر برای رفع اشکال، با روالی آشنا برای کسانی که SQL میدانند و در چارچوب خط فرمان kubectl کار میکنند.
#Kubernetes #kubectl #SQL #DevOps #CloudNative #CLI #jq #JSONPath
🟣لینک مقاله:
https://ku.bz/908njZKBb
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
kubectl-sql: Query Kubernetes with SQL Syntax
🟢 خلاصه مقاله:
افزونه kubectl-sql برای kubectl امکان اجرای پرسوجوهای شبیه SQL روی منابع Kubernetes را فراهم میکند. با آن میتوانید روی اشیایی مثل Pods و PVCs عمل فیلتر، انتخاب فیلد و مرتبسازی انجام دهید، بدون اینکه مجبور باشید از jq یا JSONPath بهصورت خام استفاده کنید. نتیجه، پرسوجوهای خواناتر و سریعتر برای رفع اشکال، با روالی آشنا برای کسانی که SQL میدانند و در چارچوب خط فرمان kubectl کار میکنند.
#Kubernetes #kubectl #SQL #DevOps #CloudNative #CLI #jq #JSONPath
🟣لینک مقاله:
https://ku.bz/908njZKBb
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
GitHub
GitHub - yashbhutwala/kubectl-df-pv: kubectl plugin - giving admins df (disk free) like utility for persistent volumes
kubectl plugin - giving admins df (disk free) like utility for persistent volumes - yashbhutwala/kubectl-df-pv
👾1
🔵 عنوان مقاله
YamlQL – Query YAML Files with SQL & Natural Language
🟢 خلاصه مقاله:
YamlQL ابزاری است برای جستوجو و تحلیل فایلهای YAML با دو شیوه: SQL و زبان طبیعی. این ابزار اجازه میدهد بدون نوشتن اسکریپتهای یکبارمصرف، روی چندین فایل همزمان فیلتر بزنید، فیلدها را استخراج کنید و خلاصهها یا آمارهای لازم را بسازید. برای کسانی که SQL نمیدانند، میتوان پرسشها را به زبان طبیعی مطرح کرد تا به پرسوجوهای مناسب روی ساختار YAML تبدیل شوند. YamlQL بهویژه برای توسعهدهندگان و تیمهای DevOps در سناریوهایی مثل تنظیمات برنامه، خطوط CI/CD و مانیفستهای Kubernetes مفید است؛ از بررسی انطباق و یافتن فیلدهای ناقص تا تهیه موجودی و گزارشگیری سریع.
#YamlQL #YAML #SQL #NaturalLanguage #DevOps #ConfigManagement #DataQuery #Kubernetes
🟣لینک مقاله:
https://ku.bz/dGSTnVnN4
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
YamlQL – Query YAML Files with SQL & Natural Language
🟢 خلاصه مقاله:
YamlQL ابزاری است برای جستوجو و تحلیل فایلهای YAML با دو شیوه: SQL و زبان طبیعی. این ابزار اجازه میدهد بدون نوشتن اسکریپتهای یکبارمصرف، روی چندین فایل همزمان فیلتر بزنید، فیلدها را استخراج کنید و خلاصهها یا آمارهای لازم را بسازید. برای کسانی که SQL نمیدانند، میتوان پرسشها را به زبان طبیعی مطرح کرد تا به پرسوجوهای مناسب روی ساختار YAML تبدیل شوند. YamlQL بهویژه برای توسعهدهندگان و تیمهای DevOps در سناریوهایی مثل تنظیمات برنامه، خطوط CI/CD و مانیفستهای Kubernetes مفید است؛ از بررسی انطباق و یافتن فیلدهای ناقص تا تهیه موجودی و گزارشگیری سریع.
#YamlQL #YAML #SQL #NaturalLanguage #DevOps #ConfigManagement #DataQuery #Kubernetes
🟣لینک مقاله:
https://ku.bz/dGSTnVnN4
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
GitHub
GitHub - AKSarav/YamlQL: YamlQL - Query your YAML files with SQL and Natural Language
YamlQL - Query your YAML files with SQL and Natural Language - AKSarav/YamlQL
🔵 عنوان مقاله
Advanced analytics using Amazon CloudWatch Logs Insights (9 minute read)
🟢 خلاصه مقاله:
** خلاصه فارسی: Amazon CloudWatch Logs Insights با پشتیبانی از OpenSearch Piped Processing Language و SQL، تحلیل لاگها را منعطفتر و قدرتمندتر کرده است. این قابلیتها امکان همبستگی سریعتر رویدادها، دستکاری غنیتر دادهها (فیلتر، تجمع و تبدیل)، و پیادهسازی سناریوهای پیشرفته تشخیص ناهنجاری را فراهم میکنند. علاوه بر این، Generative AI با تبدیل درخواستهای زبان طبیعی به کوئریهای قابل اجرا، خلاصهسازی نتایج و اتصال بین چند منبع لاگ، زمان دستیابی به بینش را بهطور چشمگیری کاهش میدهد.
#AmazonCloudWatch #LogsInsights #OpenSearch #PPL #SQL #GenerativeAI #Observability #AnomalyDetection
🟣لینک مقاله:
https://aws.amazon.com/blogs/mt/advanced-analytics-using-amazon-cloudwatch-logs-insights/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Advanced analytics using Amazon CloudWatch Logs Insights (9 minute read)
🟢 خلاصه مقاله:
** خلاصه فارسی: Amazon CloudWatch Logs Insights با پشتیبانی از OpenSearch Piped Processing Language و SQL، تحلیل لاگها را منعطفتر و قدرتمندتر کرده است. این قابلیتها امکان همبستگی سریعتر رویدادها، دستکاری غنیتر دادهها (فیلتر، تجمع و تبدیل)، و پیادهسازی سناریوهای پیشرفته تشخیص ناهنجاری را فراهم میکنند. علاوه بر این، Generative AI با تبدیل درخواستهای زبان طبیعی به کوئریهای قابل اجرا، خلاصهسازی نتایج و اتصال بین چند منبع لاگ، زمان دستیابی به بینش را بهطور چشمگیری کاهش میدهد.
#AmazonCloudWatch #LogsInsights #OpenSearch #PPL #SQL #GenerativeAI #Observability #AnomalyDetection
🟣لینک مقاله:
https://aws.amazon.com/blogs/mt/advanced-analytics-using-amazon-cloudwatch-logs-insights/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Amazon
Advanced analytics using Amazon CloudWatch Logs Insights | Amazon Web Services
Effective log management and analysis are critical for maintaining robust, secure, and high-performing systems. Amazon CloudWatch Logs Insights has long been a powerful tool for searching, filtering, and analyzing log data across multiple log groups. The…
🔵 عنوان مقاله
Why keep your index set lean (8 minute read)
🟢 خلاصه مقاله:
** ایندکسهای اضافی در Postgres هزینه پنهان اما جدی دارند: نوشتنها را کند میکنند چون هر INSERT/UPDATE باید همه آنها را بهروزرسانی کند، زمان برنامهریزی را بالا میبرند و بهخاطر رقابت برای cache میتوانند خواندنها را هم کند کنند. علاوه بر اتلاف فضای دیسک، کار autovacuum بیشتر میشود و WAL بیشتری تولید میشود که هزینههای نگهداری و پشتیبانگیری را بالا میبرد. راهکار این است که ایندکسهای بلااستفاده یا تکراری حذف و ایندکسهای متورم بازسازی شوند، و با پایش منظم، مجموعهای کمحجم و کارآمد از ایندکسها حفظ شود.
#Postgres #Indexing #DatabasePerformance #WAL #Autovacuum #SQL #DBA #DevOps
🟣لینک مقاله:
https://postgres.ai/blog/20251110-postgres-marathon-2-013-why-keep-your-index-set-lean?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Why keep your index set lean (8 minute read)
🟢 خلاصه مقاله:
** ایندکسهای اضافی در Postgres هزینه پنهان اما جدی دارند: نوشتنها را کند میکنند چون هر INSERT/UPDATE باید همه آنها را بهروزرسانی کند، زمان برنامهریزی را بالا میبرند و بهخاطر رقابت برای cache میتوانند خواندنها را هم کند کنند. علاوه بر اتلاف فضای دیسک، کار autovacuum بیشتر میشود و WAL بیشتری تولید میشود که هزینههای نگهداری و پشتیبانگیری را بالا میبرد. راهکار این است که ایندکسهای بلااستفاده یا تکراری حذف و ایندکسهای متورم بازسازی شوند، و با پایش منظم، مجموعهای کمحجم و کارآمد از ایندکسها حفظ شود.
#Postgres #Indexing #DatabasePerformance #WAL #Autovacuum #SQL #DBA #DevOps
🟣لینک مقاله:
https://postgres.ai/blog/20251110-postgres-marathon-2-013-why-keep-your-index-set-lean?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
PostgresAI
#PostgresMarathon 2-013: Why keep your index set lean | PostgresAI
Your API is slowing down. You check your database and find 42 indexes on your users table. Which ones can you safely drop? How much performance are they costing you? Let's look at what actually happens in Postgres when you have too many indexes.