تكنولوجيا
التصنيف الرئيسي للمقالات التقنية: برمجة، ذكاء اصطناعي، DevOps، تحسين الأداء، أوتوميشن، وأخبار التكنولوجيا.
بث فيديو HLS بـ FFmpeg و NGINX — Adaptive Bitrate لـ 12K مشاهد بـ $40 شهرياً
دليل تنفيذي للمحترف لبناء خدمة بث فيديو HLS من الصفر بـ FFmpeg و NGINX و HLS.js. مثال مزرعة الفواكه للمبتدئ، شرح علمي للـ adaptive bitrate switching و RFC 8216، أمر FFmpeg multi-bitrate كامل، إعداد NGINX مع HTTP/2، أرقام مقاسة من 12K مشاهد متزامن على Hetzner CCX23، 4 trade-offs حقيقية، ومتى Cloudflare Stream تفضل أصلاً.
Distroless Containers للمحترف: شيل bash وapt من الـ image واقطع 87% من ثغرات CVE
لو الـ container بتاعك مبني على node:20 أو python:3.12 الكاملة، فيه عندك 187 ثغرة CVE معروفة و0% منهم ضروري لتشغيل تطبيقك. مقال للمحترف بمثال شنطة المسافر للمبتدئ، تعريف علمي من ورقة Borg EuroSys 2015 ومشروع GoogleContainerTools/distroless، Dockerfile multi-stage شغّال على Node.js 20 و Debian 12، أرقام مقاسة من Skyscanner Engineering و Trivy على 47 خدمة (234 CVE → 18، 0 CRITICAL)، 3 trade-offs حقيقية في debugging و healthcheck و libc، ومتى Distroless تبقى الاختيار الغلط.
Falco للمحترف: اكتشف الاختراقات على Kubernetes لحظة حدوثها
لو cluster الإنتاج اتخترق ولقيت الـ logs بعد 6 أيام، الخسارة مش بس بيانات. Falco بـ eBPF بيرصد أي عملية مشبوهة على kernel level لحظة حدوثها بـ overhead 1.4% فقط. مقال للمحترف بمثال إنذار اللص للمبتدئ، تعريف علمي للـ Falco rules engine من توثيق CNCF، YAML شغّال على Falco 0.38 مع Falcosidekick + Slack، أرقام مقاسة من cluster GKE بـ 64 node و 412 pod، 4 trade-offs حقيقية، وحالات لا تستخدم Falco فيها أصلاً.
Branded Types في TypeScript للمحترف: امنع 92% من ID confusion bugs قبل الـ commit
لو الكود بتاعك بيمرر UserId مكان OrderId والـ TypeScript ساكت، السبب مش في الكومبايلر — انت بتعتمد على structural typing في حالة محتاجة nominal. Branded Types بـ 6 أسطر ترفض الخطأ compile-time بصفر تكلفة runtime. مقال للمحترف بمثال مفاتيح الفندق الملوّنة، تعريف من TypeScript Handbook، كود شغّال على TS 5.4، أرقام مقاسة من audit على 180K سطر (21 موقع غلط في 48 ساعة)، benchmark على Node 22 يثبت 0% overhead، 4 trade-offs، ومتى التطبيق مش مبرّر.
Karpenter للمحترف: استبدل Cluster Autoscaler ووفّر 41% من فاتورة EC2
لو cluster EKS بياكلك $4,200 شهريًا و 38% من الـ nodes فاضية، Cluster Autoscaler مش غلطان — هو بس بيحجز instance type واحد مهما كان حجم الـ pod. Karpenter بيختار EC2 instance بالظبط على مقاس الـ pending pods، يشغّلها في 47 ثانية، ويوفّر 41% من فاتورة EC2 على cluster بـ 60 microservice. مقال للمحترف بمثال موقف العربيات للمبتدئ، تعريف علمي للـ bin-packing من توثيق AWS، YAML شغّال على Karpenter v1.0+، أرقام مقاسة من إنتاج، 4 trade-offs خفية، ومتى ما تستخدمهوش أصلاً.
CRDT للمحترف: ازاي Yjs بيدمج تعديلات 50 مستخدم متزامن في Google Docs بدون تضارب
لو محتاج تبني محرّر مستندات تعاوني زي Google Docs أو Figma، الـ Operational Transformation اللي بتشتغل في Google Docs محتاجة سيرفر مركزي يرتّب كل تعديل. CRDTs بـ Yjs بتدمج تعديلات 50 مستخدم محليًا بدون سيرفر مركزي، بـ convergence رياضية مضمونة وحجم state أصغر 8x من نسخة OT المماثلة. مقال للمحترف بمثال مفكرة الفريق للمبتدئ، تعريف علمي من ورقة Shapiro 2011 و Yjs CRDT spec، كود JavaScript شغّال على Yjs 13.6 مع y-websocket في 40 سطر، أرقام مقاسة من Linear وFigma وJupyterLab، 4 trade-offs حقيقية، وحالات OT لسه أفضل من CRDT.
Quantization للمحترف: شغّل Llama 3.3 70B على GPU بـ 24GB بفقد 2% دقة فقط
Llama 3.3 70B بـ FP16 محتاج 140GB ذاكرة. مع AWQ بـ INT4 الرقم بينزل لـ 35GB ويتشغّل على RTX 3090 واحدة، بفقد 1.8% دقة بس على MMLU. مقال للمحترف بمثال JPEG للمبتدئ، شرح علمي لـ post-training quantization من ورقة GPTQ ICLR 2023 و AWQ MLSys 2024، كود Python شغّال على AutoAWQ + vLLM، أرقام مقاسة على RTX 3090 و H100، 4 trade-offs خفية، ومتى التكميم يكسر النموذج فعلاً.
Stream Backpressure في Node.js للمحترف: ليه pipe() بياكل 4GB ذاكرة على ملف 200MB
لو سكربت Node.js عندك بيقرأ ملف 200MB ويعالجه ويكتبه على S3 وبياكل 4.2GB ذاكرة قبل ما يقع، المشكلة مش في الحجم. الـ Readable بيقرأ بـ 480MB/s والـ Writable بيكتب بـ 22MB/s، الفرق بيتراكم في buffer. مقال للمحترف بمثال عامل المخزن للمبتدئ، تعريف علمي للـ highWaterMark والـ drain من توثيق Node.js، كود stream.pipeline() شغّال على Node 22، أرقام مقاسة (98% توفير ذاكرة)، 4 trade-offs، ومتى لا تستخدمه أصلاً.
Quantization للمحترف: شغّل Llama 70B على GPU 24GB بدل 4 GPUs
لو بتدفع $32/ساعة على 4 × A100 علشان تشغّل Llama 70B، Quantization بيخلّيك تشغّله على RTX 4090 واحد بـ $0.45/ساعة وفقد دقة 1.2% فقط على MMLU. مقال للمحترف بمثال ضغط الصور للمبتدئ، تعريف علمي للـ NF4 و GPTQ و AWQ من أوراق Frantar 2022 وDettmers 2023 وLin 2024، كود Python شغّال على bitsandbytes، أرقام مقاسة على Llama-3.1-70B-Instruct، 4 trade-offs خفية، ومتى لا تستخدم Quantization أصلاً.