Channel: جنگولرن
Forwarded from ITShield
Media is too big
VIEW IN TELEGRAM
مواظب باشین وگرنه این بلا سر شما هم خواهد آمد یا قبلا اومده و خبر ندارین
نخواستم از همه قابلیت ها استفاده کنم تا باعث وحشت یا ... نشه و فقط اطلاع رسانی بشه
نخواستم از همه قابلیت ها استفاده کنم تا باعث وحشت یا ... نشه و فقط اطلاع رسانی بشه
Forwarded from ITShield
نصیحتی برادرانه از یک علاقه مند به امنیت به عموممردم :
اگر مجهز به دانش سایبری نیستین انجام کارهای زیر در تلگرام برای شما حیاتی هست و در صورت انجام ندادن دارین با جون خودتون بازی میکنین
۱- برای اکانت تلگرامتون نامکاربری نزارین
۲- هر از چند گاهی اکانتتون رو حذف کنین و دوباره اکانت تلگرامبسازین تا آیدی شما تغییر کنه
۳- به کسی که نمیشناسین پیام ندین و جواب پیامش رو هم ندین
۴- توی هر گروه و کانالی پیام نزارین مگر پیام ضروری حتی گروه ها یا کانالهای خصوصی یه نفره خودتون با خودتون
۵- از نشر اطلاعات خصوصی در تلگرام و یا آرشیو کردن بپرهیزین
دلیلش رو شاید هیچ وقت نتونم بهتون توضیح بدم تا زمانی که قصه پابلیک بشه
اما سربسته از من بپذیرین که تلگرام برای اطلاعات و ... شما جای امنی نیست
از تجربه این برادر کوچک طلبه خودتون استفاده کنین قبل از اینکه گذر زمان براتون تجربه درست کنه(و مورد استفاده یا سوءاستفاده قرار بگیرین)
هکرها فقط نامکاربری یا یک پیام از شما لازم دارن تا .....
این هیچ ربطی به مهندسی اجتماعی و گوشی شما و سازمانهای خاص و رمز دو مرحله ای و ..... نداره
خانه از پای بست ویران است
اطلاع رسانی عمومی
اگر مجهز به دانش سایبری نیستین انجام کارهای زیر در تلگرام برای شما حیاتی هست و در صورت انجام ندادن دارین با جون خودتون بازی میکنین
۱- برای اکانت تلگرامتون نامکاربری نزارین
۲- هر از چند گاهی اکانتتون رو حذف کنین و دوباره اکانت تلگرامبسازین تا آیدی شما تغییر کنه
۳- به کسی که نمیشناسین پیام ندین و جواب پیامش رو هم ندین
۴- توی هر گروه و کانالی پیام نزارین مگر پیام ضروری حتی گروه ها یا کانالهای خصوصی یه نفره خودتون با خودتون
۵- از نشر اطلاعات خصوصی در تلگرام و یا آرشیو کردن بپرهیزین
دلیلش رو شاید هیچ وقت نتونم بهتون توضیح بدم تا زمانی که قصه پابلیک بشه
اما سربسته از من بپذیرین که تلگرام برای اطلاعات و ... شما جای امنی نیست
از تجربه این برادر کوچک طلبه خودتون استفاده کنین قبل از اینکه گذر زمان براتون تجربه درست کنه(و مورد استفاده یا سوءاستفاده قرار بگیرین)
هکرها فقط نامکاربری یا یک پیام از شما لازم دارن تا .....
این هیچ ربطی به مهندسی اجتماعی و گوشی شما و سازمانهای خاص و رمز دو مرحله ای و ..... نداره
خانه از پای بست ویران است
اطلاع رسانی عمومی
Forwarded from Python BackendHub
یکی از مشکلاتی که اکثر برنامه نویسا دارن تو مدیریت دپندسیه! حالا لایبری جدید یا external service که قراره ازش استفاده کنن.
مشکل چیه؟برنامه نویس میاد یک توتوریال از اون دپندسی جدید میبینه با خودش میگه ایول چه باحاله و تصمیم میگیره اضافش کنه! و این بد ترین کاریه که میتونید بکنید. قراره وابسته بشین به چیزی. فکر کنید این وابستگی از جنس عاطفیه. همینقدر باید باهاش حساس برخورد کنید :))
خب چیکار کنیم؟
اولین کاری که میکنید اینه که توتوریالشو میریزین دور. میرین داکیومنتشو خوب میخونید. متوجه میشین limitation هاش چیه. متوجه میشین سیستمش چطور کار میکنه. یک داکیومنت مختصر شده ازش میسازین و cons pro هاشو در میارین. مثلا یعنی چی؟
فکر کنید مثلا دارین یک external system اضافه میکنید. مثلا یک CRM. خب اول باید چک کنید چه limitation هایی داره؟ایا api داره؟ایا web hook داره؟ ایا share state به وجود میاد؟ هزینش چقدره؟ alternative هاش چیه؟ چطور اصلا کار میکنه؟ اصلا خوب کار میکنه؟!
بعد تو درجه دوم میرین گوگل میکنید و مقاله هایی پیدا میکنید که نقاط ضعفشو بیشتر گفته. ممکنه همه نقاط ضعفش تو داکیومنتش نباشه و یکم پنهان باشه. میبینید بقیه چه چالش هایی داشتن موقع کار کردن باهاش.
در نهایت بین آپشن ها یک لیست pro cons میسازین و تصمیم گیری نهایی رو میکنید.
اگه این کارو نکنیم چه اتفاقی میفته؟
بذارین مثال بگم. مثلا شما ندیدین این api limit احمقانه ای داره. بعد کلی روش کد میزنید. یک روزی سایز بیزنستون بزرگ تر میشه و حالا هرچی کد رو زدین باید undo کنید.
همیشه تو انتخاب دپندسی هاتون خیلی فکر کنید! من بعضا دیدم بچه ها میگن <کارفرما اینطوری گفته> یا <مدیر تیم با این بیشتر حال کرده>. اینا دلایل منطقی اصلا نیستن برای انتخاب یک دپندسی.
@ManiFoldsPython
مشکل چیه؟برنامه نویس میاد یک توتوریال از اون دپندسی جدید میبینه با خودش میگه ایول چه باحاله و تصمیم میگیره اضافش کنه! و این بد ترین کاریه که میتونید بکنید. قراره وابسته بشین به چیزی. فکر کنید این وابستگی از جنس عاطفیه. همینقدر باید باهاش حساس برخورد کنید :))
خب چیکار کنیم؟
اولین کاری که میکنید اینه که توتوریالشو میریزین دور. میرین داکیومنتشو خوب میخونید. متوجه میشین limitation هاش چیه. متوجه میشین سیستمش چطور کار میکنه. یک داکیومنت مختصر شده ازش میسازین و cons pro هاشو در میارین. مثلا یعنی چی؟
فکر کنید مثلا دارین یک external system اضافه میکنید. مثلا یک CRM. خب اول باید چک کنید چه limitation هایی داره؟ایا api داره؟ایا web hook داره؟ ایا share state به وجود میاد؟ هزینش چقدره؟ alternative هاش چیه؟ چطور اصلا کار میکنه؟ اصلا خوب کار میکنه؟!
بعد تو درجه دوم میرین گوگل میکنید و مقاله هایی پیدا میکنید که نقاط ضعفشو بیشتر گفته. ممکنه همه نقاط ضعفش تو داکیومنتش نباشه و یکم پنهان باشه. میبینید بقیه چه چالش هایی داشتن موقع کار کردن باهاش.
در نهایت بین آپشن ها یک لیست pro cons میسازین و تصمیم گیری نهایی رو میکنید.
اگه این کارو نکنیم چه اتفاقی میفته؟
بذارین مثال بگم. مثلا شما ندیدین این api limit احمقانه ای داره. بعد کلی روش کد میزنید. یک روزی سایز بیزنستون بزرگ تر میشه و حالا هرچی کد رو زدین باید undo کنید.
همیشه تو انتخاب دپندسی هاتون خیلی فکر کنید! من بعضا دیدم بچه ها میگن <کارفرما اینطوری گفته> یا <مدیر تیم با این بیشتر حال کرده>. اینا دلایل منطقی اصلا نیستن برای انتخاب یک دپندسی.
@ManiFoldsPython
sarabi.pdf
626.4 KB
✅بهینهسازی کوئریها و مشکل N+1
از لینکدین Mohsen Sarabi
یکی از مشکلات رایج در کوئریها، N+1 Query Problem است. این مشکل زمانی رخ میدهد که ابتدا یک کوئری برای دریافت لیست اصلی دادهها اجرا میشود و سپس برای هر آیتم در این لیست، یک کوئری جداگانه برای دریافت دادههای مرتبط ارسال میشود. نتیجه این قضیه، فرستادن تعداد زیادی درخواست غیرضروری به پایگاه داده است که موجب افزایش زمان پردازش و کاهش عملکرد برنامه ما می شود!
✅ راهحل؟ استفاده از select_related
این متد با استفاده از JOIN در سطح دیتابیس، تمام دادههای مرتبط را در یک کوئری واحد واکشی میکند، که باعث بهینهسازی عملکرد و کاهش تعداد درخواستها میشود.
📌 اگر رابطه ManyToMany باشد، prefetch_related گزینه مناسبی است.
آیا تا به حال با این مشکل برخورد کردهاید؟ چگونه آن را حل کردید؟ خوشحال میشم تجربیاتتون را به اشتراک بذارید.
از لینکدین Mohsen Sarabi
یکی از مشکلات رایج در کوئریها، N+1 Query Problem است. این مشکل زمانی رخ میدهد که ابتدا یک کوئری برای دریافت لیست اصلی دادهها اجرا میشود و سپس برای هر آیتم در این لیست، یک کوئری جداگانه برای دریافت دادههای مرتبط ارسال میشود. نتیجه این قضیه، فرستادن تعداد زیادی درخواست غیرضروری به پایگاه داده است که موجب افزایش زمان پردازش و کاهش عملکرد برنامه ما می شود!
✅ راهحل؟ استفاده از select_related
این متد با استفاده از JOIN در سطح دیتابیس، تمام دادههای مرتبط را در یک کوئری واحد واکشی میکند، که باعث بهینهسازی عملکرد و کاهش تعداد درخواستها میشود.
📌 اگر رابطه ManyToMany باشد، prefetch_related گزینه مناسبی است.
آیا تا به حال با این مشکل برخورد کردهاید؟ چگونه آن را حل کردید؟ خوشحال میشم تجربیاتتون را به اشتراک بذارید.
https://www.cursor.com/en
اینو تست کنید.
حتی شاید ارزشش رو داشته باشه که اکانتش هم بخرید.
کل پروژه رو اوپن کن بهش بده.
علاوه بر کد، فایل هارو هم خودش میسازه و...
اینو تست کنید.
حتی شاید ارزشش رو داشته باشه که اکانتش هم بخرید.
کل پروژه رو اوپن کن بهش بده.
علاوه بر کد، فایل هارو هم خودش میسازه و...
Cursor
Cursor - The AI Code Editor
Built to make you extraordinarily productive, Cursor is the best way to code with AI.
Forwarded from محمد خشنوا / برنامه نویسی (SeYeD Mohammad Khoshnava)
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from TorhamDev | تورهام 😳
یک مبحثی که خیلی وقتها آدمهای رو داخل #جنگو گیج میکنه موضوع Aggregation هستش. برای مثال کوئری پایین:
خب این کوئری مشخصه چه کاری داره انجام میده، همه میتونن بفهمنش مخصوصا وقتی خروجی کوئری رو میبینن، اما اگر ازشون بپرسید خب Aggregation چی هستش هیچ ایده ای ندارن! و این ماجرا از ضعف در دانش SQL سر چشمه میگیره. چون خیلی از آدمهایی که دارن #django کار میکنن مستقیم سراغ جنگو اومدن و نرفتن چیزهای دیگه رو مطالعه کنن و یاد بگیرن.
اسم Aggregation داخل ORM جنگو مستقیما از SQL میاد. در SQL یک سری فانکشن وجود داره که بهشون Aggregation functions میگن و کارشون خلاصه سازی اطلاعات:
MIN() - returns the smallest value within the selected column
MAX() - returns the largest value within the selected column
COUNT() - returns the number of rows in a set
SUM() - returns the total sum of a numerical column
AVG() - returns the average value of a numerical column
و خب شما میتونید داخل کوئریهای SQL ازشون استفاده کنید و دیتا خروجی رو خلاصه سازی کنید و یا یک آمار ازش دربیارید. مثلا میانگین قیمت کتابهای تو سال اخیر و ...
یک کوئری مثال برای Aggregation میتونه این باشه:
خب از اونجایی که ORM جنگو در نهایت قرار کار همین SQL نوشتن برای شما انجام بده و کوئری شمارو به SQL تبدیل کنه شما دقیقا همین کوئری میتونید داخل جنگو به این صورت بنویسید:
میتونید لیست فانکشنهای Aggregation خود SQL داخل این لینک ببینید و ساپورت جنگو هم میتونید داخل این لینک ببینید.
در نهایت از دانش SQL غافل نباشید و حتما یادش بیگیرید. هرچی بیشتر SQL بدونید زندگی راحتتری خواهید داشت.
@TorhamDevCH
>>> from django.db.models import Avg, Max, Min
>>> Book.objects.aggregate(Avg("price"), Max("price"), Min("price"))
# {'price__avg': 34.35, 'price__max': Decimal('81.20'), 'price__min': Decimal('12.99')}
خب این کوئری مشخصه چه کاری داره انجام میده، همه میتونن بفهمنش مخصوصا وقتی خروجی کوئری رو میبینن، اما اگر ازشون بپرسید خب Aggregation چی هستش هیچ ایده ای ندارن! و این ماجرا از ضعف در دانش SQL سر چشمه میگیره. چون خیلی از آدمهایی که دارن #django کار میکنن مستقیم سراغ جنگو اومدن و نرفتن چیزهای دیگه رو مطالعه کنن و یاد بگیرن.
اسم Aggregation داخل ORM جنگو مستقیما از SQL میاد. در SQL یک سری فانکشن وجود داره که بهشون Aggregation functions میگن و کارشون خلاصه سازی اطلاعات:
MIN() - returns the smallest value within the selected column
MAX() - returns the largest value within the selected column
COUNT() - returns the number of rows in a set
SUM() - returns the total sum of a numerical column
AVG() - returns the average value of a numerical column
و خب شما میتونید داخل کوئریهای SQL ازشون استفاده کنید و دیتا خروجی رو خلاصه سازی کنید و یا یک آمار ازش دربیارید. مثلا میانگین قیمت کتابهای تو سال اخیر و ...
یک کوئری مثال برای Aggregation میتونه این باشه:
SELECT AVG(Price) as price_avg FROM Books WHERE puddate='2023-01-01';
خب از اونجایی که ORM جنگو در نهایت قرار کار همین SQL نوشتن برای شما انجام بده و کوئری شمارو به SQL تبدیل کنه شما دقیقا همین کوئری میتونید داخل جنگو به این صورت بنویسید:
>>> from django.db.models import Avg
>>> from datetime import datetime
>>> Books.objects.filter(pubdate=datetime(2023, 1, 1)).aggregate(price_avg=Avg("price"))
میتونید لیست فانکشنهای Aggregation خود SQL داخل این لینک ببینید و ساپورت جنگو هم میتونید داخل این لینک ببینید.
در نهایت از دانش SQL غافل نباشید و حتما یادش بیگیرید. هرچی بیشتر SQL بدونید زندگی راحتتری خواهید داشت.
@TorhamDevCH
W3Schools
W3Schools offers free online tutorials, references and exercises in all the major languages of the web. Covering popular subjects like HTML, CSS, JavaScript, Python, SQL, Java, and many, many more.
Forwarded from Django Expert (Majid A.M)
bigdeli_2.pdf
1003.3 KB
✅تست نرم افزار چیه و شامل چیا میشه؟
از لینکدین علی بیگدلی
همگی کم و بیش با واژه تست کردن نرم افزار یا سرویسمون آشنایی داریم و می دونیم از چه ابزار هایی برای چه تست هایی استفاده میشه ولی می خوام یه قدم برگردیم عقب تر و مباحث رو با دسته بندی بهتر نگاه کنیم.
اگر بخوایم کلی دسته بندی کنیم:
- تست عملکرد (Functional Testing)
- تست غیر عملکرد (Non-Functional Testing)
- تست نگهداری و بازرسی (Maintenance Testing)
بر اساس نحوه اجرا اگر دسته بندی بشن:
- تست دستی (Manual Testing)
- تست خودکار (Automation Testing)
و بر اساس تکنیک تست:
- تست جعبه سیاه (Black-box Testing)
- تست جعبه سفید (White-box Testing)
- تست جعبه خاکستری (Gray-box Testing)
موارد بسیار زیادی هستش که نیازمند یادگیری میشن مثل اینکه بهترین روش ها چیه و به اصطلاح best practice ها چی می تونن باشن. اما در کل شما طی یک پروژه نیازمند تست نرم افزار، ساختار و کیفیت اون خواهید بود و حتی بر اساس امنیت و میزان باری که تحمل می کنه و یا اینکه زیر Stress test چه واکنش هایی میده هم باید سرویس رو مورد آزمایش قرار بدید.
و...
از لینکدین علی بیگدلی
همگی کم و بیش با واژه تست کردن نرم افزار یا سرویسمون آشنایی داریم و می دونیم از چه ابزار هایی برای چه تست هایی استفاده میشه ولی می خوام یه قدم برگردیم عقب تر و مباحث رو با دسته بندی بهتر نگاه کنیم.
اگر بخوایم کلی دسته بندی کنیم:
- تست عملکرد (Functional Testing)
- تست غیر عملکرد (Non-Functional Testing)
- تست نگهداری و بازرسی (Maintenance Testing)
بر اساس نحوه اجرا اگر دسته بندی بشن:
- تست دستی (Manual Testing)
- تست خودکار (Automation Testing)
و بر اساس تکنیک تست:
- تست جعبه سیاه (Black-box Testing)
- تست جعبه سفید (White-box Testing)
- تست جعبه خاکستری (Gray-box Testing)
موارد بسیار زیادی هستش که نیازمند یادگیری میشن مثل اینکه بهترین روش ها چیه و به اصطلاح best practice ها چی می تونن باشن. اما در کل شما طی یک پروژه نیازمند تست نرم افزار، ساختار و کیفیت اون خواهید بود و حتی بر اساس امنیت و میزان باری که تحمل می کنه و یا اینکه زیر Stress test چه واکنش هایی میده هم باید سرویس رو مورد آزمایش قرار بدید.
و...
از کانال @siliciumir
درود
شاید این پلتفرم رایگاان به کار عده ای بیاد. برای ادمین پنل جنگو میتونید تم های مختلفی رو جنریت کنید. خیلی از کارا رو سریعتر میشه باهاش انجام داد. دیتابیس و غیره رو هم متصل میکنید.
https://app-generator.dev/tools/django-generator/
درود
شاید این پلتفرم رایگاان به کار عده ای بیاد. برای ادمین پنل جنگو میتونید تم های مختلفی رو جنریت کنید. خیلی از کارا رو سریعتر میشه باهاش انجام داد. دیتابیس و غیره رو هم متصل میکنید.
https://app-generator.dev/tools/django-generator/
app-generator.dev
Django App Generator - Select Design, DataBase, Auth and Tools | App Generator
Generate Django projects and customize the database, APIs, deployment and authentication
Forwarded from Ninja Learn | نینجا لرن
Please open Telegram to view this post
VIEW IN TELEGRAM
استفاده از Django-storage در محیط پروداکشن
از لینکدین Farzin Shams
قطعا در پروژههای Django از فایلهای مدیا استفاده کردید و میدونید برای بهینه بودن پروژه بهتره این فایلهارو روی سروری که پروژه ران شده ذخیره نکنید. دلایل مختلفی برای این کار وجود داره! چون:
🔹 سرور فضای محدودی داره
🔹 سرعت پایینه
🔹 بکآپگیری و امنیت سخته
🔹 مقیاسپذیر نیست
اینجاست که django-storages به کمک ما میاد:
یک پکیج کاربردی که کمک میکنه فایلها رو بهجای ذخیرهسازی محلی، روی فضای ابری آپلود کنیم، مثل:
✅ Amazon S3
✅ Google Cloud
✅ Azure
از اونجایی که اکثر سرویس دهندههای خارجی از ایران قابل استفاده نیستن، شما به راحتی میتونید با استفاده از سرویسهای S3 ایرانی مثل ابر آروان، دادیار، لیارا و ... تجربه بهتری رو برای کاربران سایت خودتون رقم بزنید.
.
💡 با این کار، همهی فایلهای آپلودی روی فضای ابری ذخیره میشن؛ که موجب سریعتر، امنتر و مقیاسپذیرتر شدن پروژههای جنگویی شما میشه.
.
اگر تجربه کار با django-storages یا اتصال به سرویسهای ابری ایرانی رو داشتی، خوشحال میشم نظرتون رو بدونم!
.
لینک: https://lnkd.in/e9EgFTpC
از لینکدین Farzin Shams
قطعا در پروژههای Django از فایلهای مدیا استفاده کردید و میدونید برای بهینه بودن پروژه بهتره این فایلهارو روی سروری که پروژه ران شده ذخیره نکنید. دلایل مختلفی برای این کار وجود داره! چون:
🔹 سرور فضای محدودی داره
🔹 سرعت پایینه
🔹 بکآپگیری و امنیت سخته
🔹 مقیاسپذیر نیست
اینجاست که django-storages به کمک ما میاد:
یک پکیج کاربردی که کمک میکنه فایلها رو بهجای ذخیرهسازی محلی، روی فضای ابری آپلود کنیم، مثل:
✅ Amazon S3
✅ Google Cloud
✅ Azure
از اونجایی که اکثر سرویس دهندههای خارجی از ایران قابل استفاده نیستن، شما به راحتی میتونید با استفاده از سرویسهای S3 ایرانی مثل ابر آروان، دادیار، لیارا و ... تجربه بهتری رو برای کاربران سایت خودتون رقم بزنید.
.
💡 با این کار، همهی فایلهای آپلودی روی فضای ابری ذخیره میشن؛ که موجب سریعتر، امنتر و مقیاسپذیرتر شدن پروژههای جنگویی شما میشه.
.
اگر تجربه کار با django-storages یا اتصال به سرویسهای ابری ایرانی رو داشتی، خوشحال میشم نظرتون رو بدونم!
.
لینک: https://lnkd.in/e9EgFTpC
✅چرا Multi-Threading در پایتون مثل جاوا کار نمیکنه؟
از لینکدین Majid BagherZadeh
کامنت های پستش رو بخونید. لینک این پست
یکی از تفاوتهای جالب بین زبانهای برنامهنویسی اینه که "Thread" در هر زبان لزوماً به معنای واقعی خودش اجرا نمیشه!
🔹 در جاوا، Threadها واقعاً میتونن روی چندین هسته CPU اجرا بشن، مخصوصاً حالا که با Virtual Threads در جاوا ۲۱، اجرای همزمان بسیار سبکتر و مقیاسپذیرتر شده.
🔹 اما در پایتون، یک چیزی به نام GIL (Global Interpreter Lock) وجود داره که باعث میشه در هر لحظه فقط یک Thread بتونه اجرا بشه، حتی اگه چند Thread ساخته باشیم! به همین خاطر، در پایتون برای استفاده از تمام هستههای CPU معمولاً به جای Multi-Threading از Multi-Processing استفاده میکنن.
💡 نتیجه؟
اگر توی جاوا Thread بسازید، واقعاً روی چند هسته اجرا میشه. اما توی پایتون، ساختن چندین Thread لزوماً به معنی اجرای همزمان واقعی نیست! به جای اون، در پایتون پردازشهای موازی بیشتر با Multi-Processing انجام میشن تا بتونن از همهی قدرت CPU استفاده کنن.
🔥 این یکی از اون تفاوتهاییـه که اگر بهش دقت نکنید، ممکنه فکر کنید Multi-Threading همیشه همون معنی رو داره—ولی در عمل، بستگی داره که توی چه زبانی کار میکنید!
🚀 شما چقدر به این تفاوتها توجه کردید؟ تجربهای در این زمینه داشتید؟
از لینکدین Majid BagherZadeh
کامنت های پستش رو بخونید. لینک این پست
یکی از تفاوتهای جالب بین زبانهای برنامهنویسی اینه که "Thread" در هر زبان لزوماً به معنای واقعی خودش اجرا نمیشه!
🔹 در جاوا، Threadها واقعاً میتونن روی چندین هسته CPU اجرا بشن، مخصوصاً حالا که با Virtual Threads در جاوا ۲۱، اجرای همزمان بسیار سبکتر و مقیاسپذیرتر شده.
🔹 اما در پایتون، یک چیزی به نام GIL (Global Interpreter Lock) وجود داره که باعث میشه در هر لحظه فقط یک Thread بتونه اجرا بشه، حتی اگه چند Thread ساخته باشیم! به همین خاطر، در پایتون برای استفاده از تمام هستههای CPU معمولاً به جای Multi-Threading از Multi-Processing استفاده میکنن.
💡 نتیجه؟
اگر توی جاوا Thread بسازید، واقعاً روی چند هسته اجرا میشه. اما توی پایتون، ساختن چندین Thread لزوماً به معنی اجرای همزمان واقعی نیست! به جای اون، در پایتون پردازشهای موازی بیشتر با Multi-Processing انجام میشن تا بتونن از همهی قدرت CPU استفاده کنن.
🔥 این یکی از اون تفاوتهاییـه که اگر بهش دقت نکنید، ممکنه فکر کنید Multi-Threading همیشه همون معنی رو داره—ولی در عمل، بستگی داره که توی چه زبانی کار میکنید!
🚀 شما چقدر به این تفاوتها توجه کردید؟ تجربهای در این زمینه داشتید؟
Linkedin
🧵 چرا Multi-Threading در پایتون مثل جاوا کار نمیکنه؟
یکی از تفاوتهای… | Majid BagherZadeh | 43 comments
یکی از تفاوتهای… | Majid BagherZadeh | 43 comments
🧵 چرا Multi-Threading در پایتون مثل جاوا کار نمیکنه؟
یکی از تفاوتهای جالب بین زبانهای برنامهنویسی اینه که "Thread" در هر زبان لزوماً به معنای واقعی خودش اجرا نمیشه!
🔹 در جاوا، Threadها واقعاً میتونن روی چندین هسته CPU اجرا بشن، مخصوصاً حالا که با…
یکی از تفاوتهای جالب بین زبانهای برنامهنویسی اینه که "Thread" در هر زبان لزوماً به معنای واقعی خودش اجرا نمیشه!
🔹 در جاوا، Threadها واقعاً میتونن روی چندین هسته CPU اجرا بشن، مخصوصاً حالا که با…
Shahab.pdf
527.1 KB
محدود کردن قبلِ از کار افتادن سیستم
از لینکدین Shahab Bozorgi
ا Throttling یکی از روشهای مهم برای مدیریت درخواستها و جلوگیری از فشار بیش از حد روی سرورهاست
تو این پست باهاش آشنا میشیم
تو جنگو میتونیم با استفاده از DRF خیلی راحت Throttling رو پیادهسازی کنیم
این قابلیت بهمون کمک میکنه تعداد درخواست هایی که هر کاربر یا کل سیستم میتونه در یک بازه زمانی مشخص بفرسته رو کنترل کنیم
چجوری از Throttling تو DRF استفاده کنیم؟!
ا DRF چند نوع Throttle پیشفرض داره:
AnonRateThrottle → برای کاربران ناشناس
UserRateThrottle → برای کاربران لاگین کرده
ScopedRateThrottle → برای محدود کردن درخواستها در سطح API خاص
کافیه این تنظیمات رو توی settings.py اضافه کنیم و مقدار دلخواهمون رو تنظیم کنیم
با این روش از overload شدن سرور هم جلوگیری میکنیم.
از لینکدین Shahab Bozorgi
ا Throttling یکی از روشهای مهم برای مدیریت درخواستها و جلوگیری از فشار بیش از حد روی سرورهاست
تو این پست باهاش آشنا میشیم
تو جنگو میتونیم با استفاده از DRF خیلی راحت Throttling رو پیادهسازی کنیم
این قابلیت بهمون کمک میکنه تعداد درخواست هایی که هر کاربر یا کل سیستم میتونه در یک بازه زمانی مشخص بفرسته رو کنترل کنیم
چجوری از Throttling تو DRF استفاده کنیم؟!
ا DRF چند نوع Throttle پیشفرض داره:
AnonRateThrottle → برای کاربران ناشناس
UserRateThrottle → برای کاربران لاگین کرده
ScopedRateThrottle → برای محدود کردن درخواستها در سطح API خاص
کافیه این تنظیمات رو توی settings.py اضافه کنیم و مقدار دلخواهمون رو تنظیم کنیم
با این روش از overload شدن سرور هم جلوگیری میکنیم.
seo_jozzz.pdf
41 MB
این جزوه رو Hojjat Mesgari توی لینکدینش گذاشته بود.
جزوه دوره سئو خودشه ظاهرا
فکر می کردم جزوه فقط مال دانشگاس
ولی عجب حوصله ای داشته طرف
لینک پست
جزوه دوره سئو خودشه ظاهرا
فکر می کردم جزوه فقط مال دانشگاس
ولی عجب حوصله ای داشته طرف
لینک پست
از بعد از دیدن این
https://github.com/odoo/odoo
دیگه به پایتون احترام میزارم.
لکن، ریپو قابل احترام میشناسی کامنت کن لطفا
https://github.com/odoo/odoo
دیگه به پایتون احترام میزارم.
لکن، ریپو قابل احترام میشناسی کامنت کن لطفا
HTML Embed Code: