Syntax | سینتکس

مقایسه مرتب کردن یک آرایه به طول 50 هزار عنصر در چهار الگوریتم مختلف. (تفاوت n2 با nlogn با زیاد شدن طول، خیلی قابل لمس هستش)

چند تا نکته کوتاه درباره پیمایش: iterator: به معنی پیمایش هستش iterable: به معنی قابل پیمایش بودن تو پیاده سازی ساختمان داده یه نکته ای که باید بهش دقت کنید این هستش که اگه نیازره، براش قابلیت پیمایش شدن رو پیاده سازی کنید. یک iterable معمولا متد های زیر رو داره: next() با این متد به مقدار بعدی رو برمیگردونه hasNext() این متد که یک boolean هستش بهمون میگه مقدار بعدی وجود داره یا نه. remove() با این متد، عنصری که الان اونجا هستیم رو پاک میکنیم. نکته: معمولا iterator ها دربرابر concurrent modification ایمن هستن. یعنی روی یک ساختمان داده دارید پیمایش می کنید، نمیتونید بصورت همزمان مقداری رو بهش اضافه و یا حذف کنید. @Syntax_fa

Lambda Expression توضیح: Lambda expressions، که به عنوان anonymous functions (توابع بی‌نام) نیز شناخته می‌شوند، توابعی هستند که بدون نام تعریف می‌شوند و برای عملیات‌های کوچک و ساده مورد استفاده قرار می‌گیرند. در پایتون، این توابع با استفاده از کلمه کلیدی lambda تعریف می‌شوند. کار با Lambda Expression در پایتون

lambda arguments: expression

- arguments: آرگومان‌هایی که تابع می‌پذیرد. - expression: عبارتی که ارزیابی می‌شود و نتیجه آن برگردانده می‌شود. مثال ساده در این مثال، یک تابع لامبدا تعریف می‌کنیم که دو عدد را با هم جمع می‌کند:

# تعریف یک تابع لامبدا که دو عدد را جمع می‌کند
add = lambda x, y: x + y

# استفاده از تابع لامبدا
result = add(3, 4)
print(result)  # Output: 7

در اینجا، تابع لامبدا دو آرگومان x و y می‌پذیرد و مقدار x + y را برمی‌گرداند. استفاده از Lambda Expressions در توابع higher-order توابع higher-order توابعی هستند که یک یا چند تابع را به عنوان آرگومان می‌پذیرند و یا تابعی را برمی‌گردانند. Lambda expressions معمولاً در توابع higher-order مانند map(), filter(), و reduce() استفاده می‌شوند. مثال با `map()` تابع map() یک تابع را روی هر آیتم از یک iterable اعمال می‌کند:

تعریف یک لیست از اعداد
numbers = [1, 2, 3, 4, 5]

doubled = map(lambda x: x * 2, numbers)

print(list(doubled))  # Output: [2, 4, 6, 8, 10]

مثال با `filter()` تابع filter() آیتم‌هایی را که تابع به عنوان True ارزیابی می‌کند، فیلتر می‌کند:

# تعریف یک لیست از اعداد
numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

evens = filter(lambda x: x % 2 == 0, numbers)

print(list(evens))  # Output: [2, 4, 6, 8, 10]

مثال با `reduce()` تابع reduce() از ماژول functools توضیح اینکه دقیقا چطور عمل میکنه رو خواستید بگید تو یه پست دیگه بگم:

from functools import reduce

numbers = [1, 2, 3, 4, 5]

product = reduce(lambda x, y: x * y, numbers)

print(product)  # Output: 120

#lambda_expression #filter #map #reduce #python @Syntax_fa

وقتی بعد از یه عمر نصب ویندوز کرکی روی کلی سیستم، کرک برنامه های کاربردی مختلف، کرک بازی ها از کودکی تا به امروز، تماشای غیر قانونی فیلم و سریال ها، استفاده از اکانت های دزدی، دانلود رایگان کتاب ها از کانال های تلگرامی، صد ها فقره کپی رایت دیگه میری اون دنیا. #fun @Syntax_fa

Massimo Dev 📗 اصول مهم کد ریویو یا بررسی کد: YAGNI، KISS و DRY من خودم موقع کد ریویوها این سه اصل رو خیلی با دقت رعایت می‌کنم. 🔶 1. YAGNI (You aren't gonna need it): - این اصل داره میگه از اضافه کردن ویژگی‌ها یا کدی که الان لازم نیست خودداری کن. این کار باعث میشه کدت تمیز و ساده بمونه. 🔹 - مثال: اگه تو داری یه فرم ساده برای ورود اطلاعات می‌نویسی، لازم نیست از الان برای فیلتر کردن داده‌ها یا اضافه کردن قابلیت‌های پیچیده فکر کنی. اونها رو بعداً وقتی واقعاً نیاز بود اضافه کن. 🔶 2. KISS (Keep it simple & stupid): - میگه سعی کن کدت ساده باشه. راه‌حل‌های پیچیده معمولاً میشه ساده‌ترشون کرد و این باعث میشه کد راحت‌تر خوانده و نگهداری بشه. 🔹 - مثال: به جای نوشتن یه تابع پیچیده برای محاسبه تخفیف، یه تابع ساده بنویس که فقط تخفیف رو بر اساس درصد حساب کنه. اگه بعداً نیاز به محاسبات پیچیده‌تر بود، اون موقع بهش اضافه کن. 🔶 3. DRY (Don't repeat yourself): - میگه جایی که میشه، از کدهای موجود استفاده کن و از تکرار کد خودداری کن. این کار باعث میشه نگهداری کد راحت‌تر باشه و احتمال خطاها کمتر بشه. 🔹- مثال: اگه داری چند بار یه عملیات مشابه مثل محاسبه مالیات رو انجام میدی، اون رو تو یه تابع مجزا بنویس و هر بار از اون تابع استفاده کن. با رعایت این اصول در کد ریویوها، می‌تونی کدی بنویسی که هم خواناتر، هم قابل نگهداری‌تر و هم بهینه‌تر باشه. همه چیز در مورد نوشتن کد کمتر ولی بهتره. Source: @gopher_academy @Syntax_fa

وضعیت هسته ها تو زبان های single thread #fun @Syntax_fa | @GoInsights

اینم یه لیست از کانالای برنامه نویسیه خوب و جذاب خواستید جوین شید تا از ما حمایت شه https://t.me/addlist/ofQUtBMkdCsyMTJk

فامیل و آشنا: شنیدم برنامه نویسی و طراحی وب سایت بلدی _ آره بلدم یه ایده دارم بیا بزنش نصف نصف میلیاردر میشیم _ فرار #fun @Syntax_fa

چند نکته در خصوص الگوریتم های بازگشتی الگوریتم‌های Tail Recursion: مفهوم Tail Recursion الگوریتم‌های بازگشتی، تکنیکی برای حل مسائل پیچیده از طریق تجزیه آنها به زیرمسائل کوچکتر و حل آنها با استفاده از خود تابع بازگشتی هستند. یکی از انواع خاص این الگوریتم‌ها، Tail Recursion است. در tail recursion، فراخوانی بازگشتی به عنوان آخرین عملیات در تابع انجام می‌شود. به عبارت دیگر، هیچ عملیات دیگری بعد از فراخوانی بازگشتی انجام نمی‌شود. این ویژگی اجازه می‌دهد که حالت فعلی تابع دیگر نیازی به نگهداری در حافظه نداشته باشد. به عنوان مثال، تابع بازگشتی برای محاسبه فاکتوریل یک عدد را در نظر بگیرید:

func SearchRecursive(array []int, x int) bool {
  if len(array) == 1 {
    return array[0] == x
  }

  middle := len(array) / 2
  if array[middle] == x {
    return true
  }

  if array[middle] < x && len(array) >= middle+1 {
    return SearchRecursive(array[middle:], x)
  } else {
    return SearchRecursive(array[:middle], x)
  }
}

نکته: اکثر الگوریتم های بازگشت دمی رو ، میشه بصورت خطی نوشت. بهینه‌سازی Tail Recursion توسط کامپایلرها یکی از ویژگی‌های مهم بازگشت دم این است که بسیاری از کامپایلرها و مفسرهای زبان‌های برنامه‌نویسی می‌توانند این نوع بازگشت را بهینه‌سازی کنند. این بهینه‌سازی که به نام Tail Call Optimization (TCO) یا بهینه‌سازی فراخوانی دم شناخته می‌شود، به کامپایلر اجازه می‌دهد که فراخوانی‌های بازگشتی دم را به یک حلقه ساده تبدیل کند، در نتیجه نیاز به استفاده از پشته بازگشتی را حذف می‌کند. در زبان‌های برنامه‌نویسی که از این بهینه‌سازی پشتیبانی می‌کنند، مانند Haskell، Scheme و برخی پیاده‌سازی‌های Python (مثل PyPy)، کامپایلر می‌تواند بازگشت دم را به یک حلقه for یا while تبدیل کند:

def factorial(n):
    acc = 1
    while n > 0:
        acc *= n
        n -= 1
    return acc

این تبدیل باعث می‌شود که عملکرد و بهره‌وری برنامه بهبود یابد، زیرا دیگر نیازی به افزایش عمق پشته بازگشتی برای هر فراخوانی وجود ندارد. محدودیت‌های Recursion Stack در اکثر زبان‌های برنامه‌نویسی، هر بار که یک تابع بازگشتی فراخوانی می‌شود، یک فریم جدید به پشته بازگشتی اضافه می‌شود. پشته بازگشتی یا recursion stack مکانی است که اطلاعات مربوط به هر فراخوانی، شامل پارامترها، متغیرهای محلی و آدرس بازگشت، ذخیره می‌شود. این پشته محدودیت‌های خاص خود را دارد: 1. محدودیت حافظه: هر پشته بازگشتی مقدار مشخصی از حافظه را مصرف می‌کند. در صورتی که عمق بازگشتی زیاد باشد، ممکن است برنامه با خطای Stack Overflow مواجه شود. 2. کاهش کارایی: هر فراخوانی بازگشتی نیاز به زمان اضافی برای مدیریت فریم‌های پشته دارد که می‌تواند منجر به کاهش کارایی شود. 3. پیچیدگی کد: مدیریت دستی بازگشت‌ها و پارامترها می‌تواند کد را پیچیده‌تر و مشکل‌تر برای فهم کند. نکته: معمولا الگوریتمی که بصورت خطی بتونیم بنویسیم، نسبت به الگوریتم بازگشتی پرفورمنس بهتری داره. #recursion @Syntax_fa

کاری که کروم با رم می کنه #fun @Syntax_fa

ساختمان داده Deque (Double-Ended Queue) Deque، مخفف "Double-Ended Queue"، یک نوع ساختمان داده است که به‌صورت همزمان امکان اضافه و حذف عناصر را از هر دو انتها (ابتدا و انتها) فراهم می‌کند. این ویژگی Deque را به یک ابزار قدرتمند در بسیاری از الگوریتم‌ها و برنامه‌های کاربردی تبدیل کرده است. ویژگی‌های Deque 1. دسترسی دو طرفه: امکان اضافه و حذف عناصر از (ابتدا و انتها) را فراهم می‌کند. 2. انعطاف‌پذیری: ترکیبی از ویژگی‌های پشته (stack) و صف (queue) را داراست. 3. پیچیدگی زمانی بهینه: عملیات افزودن و حذف در هر دو انتها دارای زمان اجرای O(1) است(اگر به لیست های پیوندی پیاده شود) عملیات‌های اصلی در Deque: 1. افزودن به ابتدا (Add to Front):    - عملیات: addFirst(element)    - توضیح: این عملیات یک عنصر را به ابتدای Deque اضافه می‌کند.    2. افزودن به انتها (Add to Rear):    - عملیات: addLast(element)    - توضیح: این عملیات یک عنصر را به انتهای Deque اضافه می‌کند.    3. حذف از ابتدا (Remove from Front):    - عملیات: removeFirst()    - توضیح: این عملیات اولین عنصر را از Deque حذف می‌کند.    4. حذف از انتها (Remove from Rear):    - عملیات: removeLast()    - توضیح: این عملیات آخرین عنصر را از Deque حذف می‌کند.    5. دسترسی به اولین عنصر (Peek at Front):    - عملیات: peekFirst()    - توضیح: این عملیات اولین عنصر را بدون حذف از Deque برمی‌گرداند.    6. دسترسی به آخرین عنصر (Peek at Rear):    - عملیات: peekLast()    - توضیح: این عملیات آخرین عنصر را بدون حذف از Deque برمی‌گرداند.    7. بررسی خالی بودن (Check if Empty):    - عملیات: isEmpty()    - توضیح: این عملیات بررسی می‌کند که آیا Deque خالی است یا خیر.    8. بررسی اندازه (Check Size):    - عملیات: size()    - توضیح: این عملیات تعداد عناصر موجود در Deque را برمی‌گرداند. پیاده‌سازی Deque برای پیاده‌سازی Deque، چندین ساختار داده وجود دارند که می‌توانند به کار گرفته شوند، اما دو ساختار داده‌ای که معمولاً برای پیاده‌سازی Deque مناسب هستند عبارتند از: 1. لیست پیوندی دوطرفه (Doubly Linked List):    - توضیح: لیست پیوندی دوطرفه دارای گره‌هایی است که هر گره شامل دو اشاره‌گر است: یکی به گره قبلی و دیگری به گره بعدی. این ساختار داده امکان افزودن و حذف عناصر از هر دو انتها را با پیچیدگی زمانی O(1) فراهم می‌کند.    - مزایا:      - زمان اجرای بهینه برای عملیات افزودن و حذف.      - انعطاف‌پذیری بالا.    - معایب:      - سربار حافظه به دلیل استفاده از اشاره‌گرها.      2. آرایه دایره‌ای (Circular Array):    - توضیح: آرایه دایره‌ای یک آرایه ثابت است که انتهای آن به ابتدای آرایه پیوند داده شده است. این ساختار داده نیز امکان افزودن و حذف عناصر از هر دو انتها را با پیچیدگی زمانی O(1) فراهم می‌کند.    - مزایا:      - استفاده کارآمد از حافظه.      - دسترسی سریع به عناصر.    - معایب:      - اندازه ثابت آرایه می‌تواند منجر به مشکلاتی در صورت نیاز به فضای بیشتر یا کمتر شود.      - نیاز به مدیریت دقیق اندیس‌ها برای جلوگیری از سرریز (overflow) یا سربار (underflow). تمرین: مثال Deque رو تو زبانی که کار میکنید پیاده سازیش کنید و توی کامنت ارسال کنید. #deque #data_structures @Syntax_fa

جلوگیری از کد تکراری (Duplicate Code) کد تکراری یا Duplicate Code به بخشی از کد گفته می‌شود که به‌طور مشابه یا یکسان در چندین نقطه از برنامه تکرار شده است. وجود کد تکراری نه تنها خوانایی کد را کاهش می‌دهد، بلکه باعث می‌شود مدیریت و نگهداری کد نیز پیچیده‌تر شود. آقا / خانم این کارارو نکن: 1. کپی و پیست کردن کد: یکی از رایج‌ترین دلایل وجود کد تکراری، کپی و پیست کردن کد به جای استفاده از رویکردهای ماژولار و تابعی است. 2. عدم وجود طراحی مناسب: طراحی نادرست و عدم استفاده از اصول برنامه‌نویسی شیءگرا و الگوهای طراحی می‌تواند منجر به تکرار کد شود. 3. توسعه توسط تیم‌های مختلف: توسعه موازی توسط تیم‌های مختلف بدون هماهنگی مناسب نیز می‌تواند باعث ایجاد کد تکراری شود. کد تکراری چه مشکلاتی بوجود میاره؟ 1. افزایش پیچیدگی و کاهش خوانایی: کد تکراری باعث افزایش حجم کد و کاهش خوانایی آن می‌شود، که می‌تواند درک و نگهداری کد را دشوارتر کند. 2. افزایش احتمال خطا: در صورت نیاز به تغییر در بخشی از کد، باید همه نمونه‌های تکراری آن تغییر یابند که احتمال بروز خطا را افزایش می‌دهد. 3. کاهش کارایی توسعه: مدیریت کد تکراری زمان‌بر است و باعث کاهش کارایی فرآیند توسعه و نگهداری نرم‌افزار می‌شود. روش‌های جلوگیری از کد تکراری: 1. استفاده از توابع و روش‌های ماژولار:    - با تبدیل کد تکراری به توابع یا متدهای مستقل، می‌توان از تکرار کد جلوگیری کرد و از مزایای کد قابل استفاده مجدد بهره‌مند شد. 2. استفاده از اصول برنامه‌نویسی شیءگرا:    - با استفاده از وراثت، ترکیب (composition) و سایر اصول برنامه‌نویسی شیءگرا می‌توان کد تکراری را کاهش داد. 3. استفاده از الگوهای طراحی (Design Patterns):    - الگوهای طراحی مانند Adapter، Factory، Strategy و دیگر الگوها می‌توانند به کاهش کد تکراری کمک کنند. 4. استفاده از ابزارهای تشخیص کد تکراری:    - ابزارهایی مانند SonarQube می‌توانند به شناسایی و حذف کد تکراری کمک کنند. مثال: حرفای ما ثابت شدست مثال نمیخواد که 😁 پ.ن: تو آخرین شرکتی که کار می کردم، بزرگوار یکی از طرفداران duplicate code بود. حتی اون تابعی که قبلا نوشته بودو دوباره استفاده نمیکرد. کپی پیست میکرد تا بغل دست کدی که ازش استفاده کرده باشه😐 #duplicate_code @Syntax_fa

هزینه‌ی Raise کردن Exception و رویکرد متفاوت گولنگ در اکثر زبان ها، استثناها (Exceptions) ابزار اصلی برای مدیریت خطاها هستند. برای مثال وقتی یک استثنا در Python رخ می‌دهد، سیستم اجرا (Runtime) باید کارهای زیر را انجام دهد: 1. ایجاد یک شیء استثنا: این شامل تخصیص حافظه و مقداردهی اولیه برای شیء استثنا است. 2. جمع‌آوری اطلاعات پشته: Python باید مسیر اجرای فعلی را بررسی کند و یک traceback ایجاد کند. 3. مدیریت جریان کنترل: سیستم اجرا باید به دنبال بلوک‌های try و except بگردد و جریان اجرای برنامه را به بلوک مناسب منتقل کند. این عملیات‌ها، به‌ویژه جمع‌آوری اطلاعات پشته و مدیریت جریان کنترل، هزینه‌بر هستند. در نتیجه، raise کردن یک استثنا در Python می‌تواند تاثیر منفی قابل توجهی بر عملکرد برنامه داشته باشد، به خصوص اگر استثناها به صورت مکرر رخ دهند. رویکرد GoLang برای مدیریت خطاها در زبان برنامه‌نویسی Go، مدیریت خطاها به گونه‌ای متفاوت انجام می‌شود. به جای استفاده از استثناها، خطاها به عنوان مقادیر معمولی برگردانده می‌شوند. این رویکرد به دلایل زیر باعث افزایش عملکرد می‌شود: 1. عدم نیاز به مدیریت جریان کنترل پیچیده: - در Go، خطاها به صورت مقادیر بازگشتی از توابع برگردانده می‌شوند. این رویکرد از مدیریت پیچیده جریان کنترل که در استثناها نیاز است، جلوگیری می‌کند. بنابراین، زمان و منابعی که برای جستجو و انتقال جریان کنترل در بلوک‌های try و catch صرف می‌شود، در Go وجود ندراد. 2. عدم نیاز به جمع‌آوری اطلاعات پشته: - وقتی یک خطا به عنوان مقدار بازگشتی مدیریت می‌شود، نیازی به جمع‌آوری اطلاعات پشته و ایجاد traceback نیست. این باعث کاهش هزینه‌های محاسباتی و بهبود عملکرد می‌شود. 3. کاهش سربار حافظه: - ایجاد استثناها معمولاً شامل تخصیص حافظه برای شیء استثنا و اطلاعات پشته است. در مقابل، بازگرداندن یک خطا به عنوان مقدار بازگشتی نیاز به تخصیص حافظه اضافی ندارد و سربار حافظه را کاهش می‌دهد. مثال از مدیریت خطا در Go

package main

import (
  "errors"
  "fmt"
)

func divide(a, b int) (int, error) {
  if b == 0 {
    return 0, errors.New("division by zero")
  }
  return a / b, nil
}

func main() {
  result, err := divide(10, 0)
  if err != nil {
    fmt.Println("Error:", err)
    return
  }
  fmt.Println("Result:", result)
}

در این مثال، تابع divide یک خطا به عنوان مقدار بازگشتی برمی‌گرداند. در صورت بروز خطا، نیازی به مدیریت پیچیده جریان کنترل نیست و خطا به صورت معمولی پردازش می‌شود. #exception @Syntax_fa

Fluent API یک سبک برنامه‌نویسی است که در آن متدها به شکلی زنجیره‌ای (chaining) فراخوانی می‌شوند تا کد خواناتر و روان‌تر شود. ویژگی‌های Fluent API - خوانایی بالا: کدها به گونه‌ای نوشته می‌شوند که شبیه به جملات طبیعی هستند. - پیکربندی زنجیره‌ای: متدها به صورت زنجیره‌ای فراخوانی می‌شوند که به کاهش پیچیدگی و افزایش خوانایی کد کمک می‌کند. - استفاده آسان: با استفاده از این روش، توسعه‌دهندگان می‌توانند به راحتی و با کمترین پیچیدگی ممکن اشیا را پیکربندی کنند. مثال کاربردی از Fluent API در Go در این مثال، یک استراکت Car را با استفاده از Fluent API پیکربندی می‌کنیم:

package main

import (
  "fmt"
)

type Car struct {
  Model string
  Color string
  Year  int
}

func main() {
  car := Car{}.SetModel("pride").SetColor("white").SetYear(2015)
  fmt.Printf("%+v", car)
}

func (car Car) SetModel(model string) Car {
  car.Model = model
  return car
}

func (car Car) SetColor(color string) Car {
  car.Color = color
  return car
}

func (car Car) SetYear(year int) Car {
  car.Year = year
  return car
}

Fluent API یک روش قدرتمند و خوانا برای پیکربندی و تعریف اشیا و ساختارها در کد است. این روش با کاهش پیچیدگی و افزایش خوانایی کد، به توسعه‌دهندگان کمک می‌کند تا کدهای خود را به صورت کارآمدتری بنویسند. #fluent_api @Syntax_fa

تو این مقاله، قسمتی از کتاب(طراحی سیستم پرداخت) رو توضیح داده: https://newsletter.pragmaticengineer.com/p/designing-a-payment-system @Syntax_fa

اگه همکار شما بودم. چیکار میکردید؟ 😂 فقط اونجا که گفتم امروز(دوشنبه) تسکارو مشخص میکنم. شنبه هفته بعد شروع کنیم #fun @Syntax_fa

🔥یه مقاله تازه و داغ در مورد scale کردن بکند با حداقل منابع روی سرور خیلی نکات جالب و مهمی رو بهش اشاره میکنه، از جمله اینکه لازمه observability pipeline رو قبل از هر چیزی راه اندازی کنید که بتونید بر اساس داده و اطلاعات تصمیم گیری کنید. این نکته خیلی مهمی هست که ما خیلی وقت ها فراموش می کنیم. وقتی مشکل performanceی داریم اول باید در مورد مشکل مون داده و اطلاعات جمع آوری کنیم. بعدش بریم سراغ اینکه حالا چطور مشکل رو حل کنیم. مقاله جذابیه که در مورد موارد مختلفی برای بهینه سازی صحبت میکنه از connection pooling گرفته تا ایندکس دیتابیس و goroutine throttling Scaling Backend to 1M requests with just 2GB ram ⚡️ https://dev.to/rikenshah/scaling-backend-to-1m-requests-with-just-2gb-ram-4m0c @gocasts @Syntax_fa #backend #golang