Hirad Sajde - CH

I'll share my interests & experience here 🌐 socials: hiradsajde.ir/socials ✉️ collab : [email protected] 📊 stats: bit.ly/3pNp7eZ

Ko'proq ko'rsatish

Eron101 434Forsiy95 080Texnologiyalar & Aralashmalar29 438

Reklama postlari

1 513

Obunachilar

Ma'lumot yo'q24 soatlar

-107 kunlar

+12530 kunlar

671

Post ko'rishlar

~ 17724 soatlar

Ma'lumot yo'q48 soatlar

44.26%

Muloqot nisbati

11.7%24 soatlar

Ma'lumot yo'q48 soatlar

Izohlarni

Ma'lumot yo'q7 kunlar

130 kunlar

Ma'lumot yo'q

Kuniga postlar

~ 10

Reaksiyalar

~ 1

Izohlari

~ 8

Qaytarishlar

Kanalning o'sishi
Post qamrovi
ER - jalb qilish nisbati

Ma'lumot yuklanmoqda...

👨‍💻 لیستی از کانال های حوزه نرم افزار که تولید محتوای مفید دارند. 🔗 t.me/addlist/ofQUtBMkdCsyMTJk

Hammasini ko'rsatish...

Tech

Hirad Sajde invites you to add the folder “Tech”, which includes 11 chats.

🔥 4🤡 1

❗️آیا استفاده از Mutex بی هزینه است؟ خیر به نظرم راهکار اشتباهیه. فرض کنید پنج برنامه‌نویس و یک میز داریم. نمی‌خوایم میز های بیشتری بخریم چون میتونیم ساعت کاری برنامه نویس ها رو هماهنگ کنیم. Developer 1 (8:00-16:00) Developer 2 (16:00-24:00) Developer 3 (24:00-8:00) Developer 4 Developer 5 خب زمان به دو تا برنامه نویس نرسید و این شبیه مشکلی میمونه که Mutex ها به وجود میارن. اینکه Thread ها باید صبر کنند تا کار بقیه شون تموم بشه، اما Distributed Scheduler ها نه تنها چنین مشکلی رو به وجود نمیاره ، امکان استفاده از چند Processesor (پردازنده) به طور همزمان رو بهمون میده. اما باید Memory Allocator مجزا برای هر پردازنده داشته باشیم. اما مشکل این روش : ما Go Routine ای داریم که آمادست اجرا بشه. اما با مشکل مواجه میشه. البته میتونیم لاگ بگیریم. 🗣️ Dmitry Vyukov 🔗 youtu.be/-K11rY57K7k?si=j7txUm7cteOyJP6E 🎙 @Hiradsajde

Hammasini ko'rsatish...

🔥 9❤ 2

⚡️ محتوای خوب ، دیده میشه. کانال های برنامه نویسی که تولید محتوای مفید دارن 🔗 t.me/addlist/ofQUtBMkdCsyMTJk

Hammasini ko'rsatish...

Tech

Hirad Sajde invites you to add the folder “Tech”, which includes 12 chats.

🔥 7❤ 3

Protocol Buffers فرض کنید بخشی از برنامه بخاطر پرفورمنس بالایی که نیاز داشته با Golang و قسمت دیگه با Django توسعه داده شده. منطقی نیست که کد کل ساختمان داده رو روی هر زبان دوباره پیاده کنیم. XML و JSON از روش های سنتی بودن. الان با protobuf که Google توسعه داده ما یکبار ساختمان داده رو در فایل .proto تعریف می کنیم. کامپایل میشه. همون ساختمان داده رو با استفاده از زبان های مختلف می تونیم دریافت و استفاده کنیم. تغییرات پروژه هم در بلند مدت خیلی ساده تر میشه! protobuf.dev https://protobuf.dev 🗣️ @Hiradsajde

Hammasini ko'rsatish...

Protocol Buffers

Protocol Buffers are language-neutral, platform-neutral extensible mechanisms for serializing structured data.

🔥 7❤ 1

Mutex vs Synchronization بیاید فرض کنیم دو Thread به اسم های Thread 1 و Thread 2 داریم Synchronization وقتی که Thread 1 تسک A رو انجام داد Thread 2 شروع به انجام تسک B می کنه. https://youtu.be/jkRN9zcLH1s?si=jhrExN7DPXzqdURH Mutex وقتی Thread 1 داره به بخشی از memory دسترسی میگیره ، دسترسی Thread 2 به اون بخش بسته میشه. Mutex Lock فرض کنید Thread 1 به یک متغیر در مموری دسترسی گرفته و Thread 2 میخواد به همون مموری دسترسی پیدا کنه ، اینجا با Mutex Lock مواجه میشه، Thread 2 باید صبر کنه تا کار Thread 1 تموم بشه و بعد ادامه بده. مخلص کلام : Mutex ها برای جلوگیری از دسترسی همزمان چند Thread به داده استفاده میشن. 🔗 youtu.be/9lAuS6jsDgE?si=RiUgHrxTUFZtaF65 🗣️ @Hiradsajde

Hammasini ko'rsatish...

Mutex vs Synchronization

This video is part of the Udacity course "GT - Refresher - Advanced OS". Watch the full course at

https://www.udacity.com/course/ud098

🔥 5❤ 2

⚡️محتوای مفید، باید دیده بشه. بخاطر همین تصمیم به ساخت چنین لیستی گرفتیم، کانال های شخصی برنامه نویسانی که تولید محتوای حرفه ای دارن 🙂 🔗 t.me/addlist/ofQUtBMkdCsyMTJk

Hammasini ko'rsatish...

🔥 7🤩 3🎉 2

Data Lakehouses Explained ما در آشپزخانه تجاری مواد خامی داریم که در سکوی بارگیری با پالت (بسته بندی مخصوص) های بزرگی به دستمون می‌رسه. پالت ها رو پیاده می کنند سپس به جاده بر می‌گردند تا به دیگر رستوران ها مواد خام برسانند. خب این بخش ساده کار بود. الان باید پالت ها رو باز کنیم و هرچیزی داخلش هست رو مرتب کنیم و روی مواد خام لیبل بزنیم. باید مطمئن بشیم هر محصول به قسمت مشخصی از انبار هدایت شده. این محصولات ممکن است به محیط خشک یا فریزر نیاز داشته باشند. پس ما باید محوطه انبار رو سامان‌دهی کنیم ، درسته؟ همانطور باید مطمئن بشیم مواد خام در چه دمایی نگهداری می شوند تا سالم بمانند. باید تمامی اینا رو به سریعترین شکل ممکن انجام بدیم. تا از هدر رفت مواد اولیه جلوگیری بشه. در تمام این مدت آشپز ها نمی تونن کارشون رو بهینه و در ایمنی انجام بدن چون بیشتر زمان شون برای رسیدگی به مواد خام و بخش کمی برای آشپزی و سرو غذا صرف میشه. درسته؟ خب حالا اینا چه ربطی داره؟ کاملا مشابه همین پروسه در معماری داده وجود داره. شما دیتا های متفاوتی از منابع متفاوتی دریافت می کنید. برای مثال Cloud Environment یا Operational applications ، الان حتی شبکه های اجتماعی رو هم داریم. درسته؟ پس ما جایی رو میخوایم که تمامی دیتا به دست آمده از منابع متفاوت رو نگه داری کنیم. پس ما Data Lakes ها رو داریم. که از دیتا هایی با ساختار مشخص (Structured) یا نامشخص (Un-Structured) یا حتی هردو (Semi-Structured) ساخته میشه. اما این دیتا های Raw رو باید به جایی ببریم که مرتب و بهینه و قابل استفاده بشه. پس دیتا رو به EDW ها می فرستیم. جایی که دیتا گاهی از Data Lake ها و گاهی از Operational Applications ها بارگذاری میشه. چالش های که در این مسیر داریم چیاست؟ دیتا لیک (Data Lake) ها برای رسیدن به ترابایت ها دیتا بهینه و محشر هستن اما چالش هایی با نظارت بر دیتا و کیفیت دیتا داریم. مثلاً Data Swamps زمانی اتفاق میوفته که داده اشتباه ، تکراری، ناکامل زیادی وجود داره که مدیریت منابع رو سخت می کنه. وقتی دیتا قدیمی میشه چه اتفاقی میوفته؟ ارزشش رو برای آمارگیری از دست میده. همون اتفاقی که وقتی از مواد اولیه رستوران استفاده نمی کنید میوفته. EDW ها گران‌تر و بهینه‌تر هستند اما پشتیبانی از Semi-Structured و Un-Structured ها رو ندارند. گاهی ممکن است برای برنامه هایی که به تازه ترین دیتا نیاز دارند گزینه مناسبی نباشد چون عملیات ETL زمان بر است. به طور کلی در Data Lakes هزینه کمتری داریم اما در Data Warehouse ها سرعت بیشتر و ساختار مشخصی داریم 🔗 youtu.be/Enu-EH7RHHM?si=oVVWEo3xRRSCgxsh 🗣️ @Hiradsajde

Hammasini ko'rsatish...

Data Lakehouses Explained

Learn more about watsonx →

https://ibm.biz/BdvxRh

Have you ever thought about how the process of moving food ingredients from farm to table could relate to how organizations store and eventually evaluate data – through data lakes, data warehouses and now a trending architecture, known as data lakehouse? In this video, Luv Aggarwal explains that analogy, and how a data lakehouse delivers on the benefits of data lakes and warehouses, and more! #datalake #datalakehouse #datawarehouse #watsonX

🔥 4❤ 3

این کانال ، باعث شد به کف اثر دانینگ کروگر برگردم. بسیار آموختم. درود بر شما استاد بزرگوار. 😊 🔗 t.me/apessimisticresearcher

Hammasini ko'rsatish...

❤ 2

Enterprise Data Warehouse (EDW) دیتا تمیز و ساماندهی شده و حقیقی که از منابع مختلفی جمع آوری شده. دیتا در این بخش با ابزار های ETL (Extract Transform Load) از Raw Data به High Quality Data تبدیل می شود. دیتا میتونه از منابع مختلفی باشه. مثلا CRM (Customer Relationship Management) ERP (Enterprise Resource Planning) تمامی این دیتا ها به ETL سپس Data Warehouse می شوند. حالا دیتا آماده شده تا به کاربر تحویل داده بشه. کاربر می‌تونه Business Analysis Data Scientist Data Engineers یا حتی BI و PAML ها باشه. سه روش رایج برای Data Warehouse Deployment وجود داره. 1️⃣ On Prem برای کانفیگ کردن با این روش راه های مختلفی داریم. 1️⃣Commodity Hardware در این راه میشه از دو معماری نرم افزاری استفاده کنیم. MPP (Massively Parallel Processing) SMP (Symmetric Multi Processing) 2️⃣ Appliance Data Warehouse چرا از On Prem استفاده کنیم؟ ➕کنترل کامل روی استک فنی ➕ گزینه مناسب کنسولگری و دولت ها ➖ نگهداری و پشتیبانی مداوم 2️⃣ Cloud SaaS در این روش کارای سخت افزاری رو به کلود می‌سپاریم. چرا از Cloud SaaS استفاده کنیم؟ ➕ مدیریت آسان تر ➕ مقیاس پذیری منابع ➕ بروزرسانی خودکار اما گاهی Cloud Based EDW ها با مشکل پرفورمنس یا هزینه های زیادی داشته باشن. 3️⃣ Hybrid ترکیبی از مورد 1️⃣ و 2️⃣ به طور همزمان است. چرا از روش Hybrid استفاده کنیم؟ ➕ دیتا On Prem تحلیل و به کلود ارسال بشه. ➕ جلوگیری از فاجعه و سناریو بکاپ 🔗 youtu.be/k4tK2ttdSDg?si=Efa6BU8B01a2IKRo 🗣️ @Hiradsajde

Hammasini ko'rsatish...

What is a Data Warehouse?

Learn more about Data Warehouses → http://ibm.biz/data-warehouse-guide Learn more about Data Marts → http://ibm.biz/data-mart-guide Blog Post: Cloud Data Lake vs. Data Warehouse vs. Data Mart → http://ibm.biz/data-lake-vs-warehouse-vs-mart Watch "Data Warehouse Q&A in 1 minute" video →

https://youtu.be/xzAo2qmY5RI

► Check out IBM Cloud Pak for Data → http://ibm.biz/prod-ibm-cloud-pak-for-data ► Check out IBM DB2 Warehouse on Cloud → http://ibm.biz/ibm-db2-warehouse-on-cloud What’s is a data warehouse, and how does it compare to a data mart and data lake? Is a data warehouse solution only for large enterprises? In this lightboard video, Luv Aggarwal with IBM Cloud, answers these questions and many more as he breaks down what a data warehouse is and the benefits it can provide for an enterprise. Get started on IBM Cloud at no cost → http://ibm.biz/create-ibm-free-tier-acct Subscribe to the IBM Cloud channel to be notified when a new video drops → http://ibm.biz/subscribe-now

🔥 3❤ 2

معماری های پایگاه داده (Database) 1️⃣ One Tier Architecture زمانی که دیتابیس و اپلیکیشن روی یک لایه (سرور) مستقر باشن ، فرضا Microsoft Access ، هم اپلیکیشن هم دیتابیس روی کامپیوتر خونگی شما اجرا میشن. 2️⃣ Two Tier Architecture لایه دیتابیس جداست ، هر اپلیکیشن روی یک سرور مجزا مستقر میشه. 3️⃣ Three Tier Architecture لایه دیتابیس جداست ، اپلیکیشن ها همگی به لایه ای به اسم سرور در ارتباط هستند که بین دیتابیس و اپلیکیشن قرار داره. معماری ای که این روزا پر مخاطب تره. مقیاس پذیری، توسعه پذیری سریعتر و پایداری بهتری داره. 🔗 youtu.be/hRulZhTtUTg?si=kPlC7xeio0hFZYD8 🗣️ @Hiradsajde

Hammasini ko'rsatish...

What is a Database?

What is WatsonX:

https://ibm.biz/BdPuQD

What is DBaaS? →

https://ibm.biz/what-is-dbaas

Learn more about Db2 →

https://ibm.biz/learn-more-db2

Learn about Db2 on Cloud →

https://ibm.biz/learn-db2-on-cloud

In this video, Aisha Syed explains what a database is and what their benefits are, as well as a discussion of database architectures and the database-as-a-service (DBaaS). Get started for free on IBM Cloud →

https://ibm.biz/cloud-tier-sign-up

Subscribe to see more videos like this in the future → http://ibm.biz/subscribe-now #database #Db2 #DBaaS

❤ 4🔥 1

Boshqa reja tanlang

Joriy rejangiz faqat 5 ta kanal uchun analitika imkoniyatini beradi. Ko'proq olish uchun, iltimos, boshqa reja tanlang.