تكنولوجيا
التصنيف الرئيسي للمقالات التقنية: برمجة، ذكاء اصطناعي، DevOps، تحسين الأداء، أوتوميشن، وأخبار التكنولوجيا.
KEDA للمحترف: Autoscale Kubernetes حسب Kafka Lag بدل CPU في 18 سطر YAML
لو HPA بيـ scale خدمتك على CPU وعندك Kafka consumer بيتراكم عنده 180 ألف رسالة لأن CPU واقف عند 35%، الـ HPA مش هيتحرك. KEDA بيوصّل decision الـ scaling بمصدر الحدث الفعلي. مقال للمحترف بمثال محل البيتزا للمبتدئ، شرح علمي للـ external metrics من توثيق Kubernetes 1.32 و CNCF، ScaledObject YAML شغّال على EKS 1.30، أرقام مقاسة من فريق بـ 22 microservice (lag من 184K لـ 320، فاتورة EC2 نزلت 41%)، 4 trade-offs خفية، ومتى KEDA يكون قرار غلط.
Goroutines Pipelines في Go للمحترف: عالج 1.4 مليون Event/ثانية بدون Leaks
لو خدمة log ingestion بتاعتك بـ goroutines بتاكل 92% CPU وذاكرتها بتنمو 280MB كل ساعة لحد ما تقع، المشكلة مش في Go runtime — فيه goroutines مش بتموت أبداً. Pipeline Pattern بـ context cancellation و buffered channels بيخلّيك تعالج 1.4 مليون event/ثانية على 8 cores، بدون leaks، مع graceful shutdown في 200ms. مقال للمحترف بتعريف من ورقة Hoare 1978 (CSP)، 3 patterns شغّالة على Go 1.23، أرقام مقاسة من ingestion service بـ 14 مليار event/شهر، و4 trade-offs خفية.
JavaScript Proxy للمحترف: راقب أي قراءة أو كتابة على object بـ 12 سطر
لو dashboard React عندك بيرجّع state غلط بعد 4 تعديلات ومحدّش عارف مين عدّله، Proxy في JavaScript بيخلّيك تمسك أي قراءة أو كتابة على object بدون لمس الكود الأصلي. مقال للمحترف بمثال السكرتير للمبتدئ، تعريف من ECMAScript 2024 Spec قسم 10.5، كود شغّال على Node.js 22 و Chrome 131، 4 استخدامات إنتاجية بأرقام مقاسة، 4 trade-offs خفية، ومتى Proxy يبقى اختيار غلط.
Event Loop في JavaScript للمحترف: ليه setTimeout(0) بيتأخر و Promise بتسبقه
كتبت setTimeout(fn, 0) ولقيت Promise.resolve().then() بتنفذ قبله؟ ده مش bug، ده Microtask Queue شغّال صح. مقال للمحترف بمثال طابور الكاشير للمبتدئ، تعريف من HTML Living Standard قسم 8.1.7، كود JavaScript شغّال على V8، أرقام مقاسة (Microtask 0.3ms vs setTimeout 4ms minimum)، 4 trade-offs خفية، ومتى الاعتماد على ترتيب الـ Event Loop يبقى اختيار غلط.
103 Early Hints للمحترف: ابعت preload للمتصفح قبل الـ HTML بـ 320ms
لو موقعك العربي بياخد 2.4 ثانية قبل LCP رغم HTTP/2 و preload جوّا الـ head، انت بتفقد round-trip كامل لمّا المتصفح يستنّى الـ HTML الأول قبل ما يبدأ يحمّل CSS و fonts. 103 Early Hints بيرسل preload hints قبل ما الـ origin يجاوب بـ 200 OK، وبيخفّض LCP من 2.4 ثانية لـ 0.9 ثانية على workload e-commerce حقيقي. مقال للمحترف بمثال موظف الاستقبال للمبتدئ، شرح علمي من RFC 8297، إعداد NGINX 1.25 + Node.js شغّال، أرقام مقاسة من 38K زيارة/يوم، 4 trade-offs خفية، ومتى Early Hints بيكون مضيعة وقت.
Contextual Retrieval للمحترف: قلّل فشل الاسترجاع 67% قبل Reranker
لو شغّلت Reranker على RAG عربي عندك ولسه precision@5 واقفة عند 71%، المشكلة مش في الـ reranker. المشكلة إن الـ chunk اللي صح أصلاً مش بين الـ top-20 اللي وصلت للـ reranker. Contextual Retrieval من Anthropic بيحقن سياق كل chunk قبل الـ embedding، فينزّل failed retrievals 35% بـ embeddings لوحدها، و49% بإضافة BM25، و67% لما تضيفلهم reranker. مقال للمحترف بمثال موظف الأرشيف، شرح علمي من Anthropic Research (Sept 2024) و Lewis 2020، كود Python في 34 سطر شغّال على anthropic SDK 0.49+ مع prompt caching، أرقام مقاسة على corpus عربي 11,400 chunk من تذاكر دعم fintech، 4 trade-offs خفية في التكلفة والـ latency والـ index size، ومتى الـ Contextual Retrieval overhead بدون فايدة.
Trie Data Structure للمحترف: ابحث بالبادئة في 10 مليون كلمة بـ 38 ميكروثانية
لو خدمة autocomplete عندك بتلف على المليون كلمة في كل keystroke، انت بتدفع تكلفة هيكل بيانات غلط. Trie بـ 62 ميجا RAM بيرد في 38 ميكروثانية على نفس الحجم بفرق 6,315 ضعف. مقال للمحترف بمثال دفتر التليفونات للمبتدئ، تعريف علمي من ورقة Fredkin 1960، كود Python 3.12 شغّال، أرقام مقاسة على 10M كلمة من Kaggle، 4 trade-offs خفية، ومتى Trie يبقى اختيار غلط.
PagedAttention للمحترف: ازاي vLLM بيخدم 2.7× طلب أكتر بنفس H100
لو بتشغّل Llama 3.1 70B على H100 وبتخدم 23 request متزامن بس قبل ما تقع في OOM، المشكلة مش في الـ GPU. 60-80% من ذاكرة KV cache بتضيع في fragmentation. PagedAttention بيستلف فكرة Virtual Memory من نظام التشغيل ويرفع الـ throughput لـ 2.7×. مقال للمحترف بمثال رفوف المكتبة للمبتدئ، شرح علمي من ورقة Kwon 2023 (UC Berkeley)، configuration vLLM شغّال، أرقام مقاسة (memory utilization من 20.4% لـ 96.3%)، 4 trade-offs خفية، ومتى PagedAttention يبقى overhead بدون فايدة.
AWQ Quantization للمحترف: Llama 70B على H100 واحدة بـ 35GB
سيرفر Llama 3.3 70B على 4×A100 بيكلّفك $11,820 شهرياً. AWQ INT4 quantization بينزّل الذاكرة من 140GB لـ 35GB، يخلّيك تشغّله على H100 واحدة بتكلفة 75% أقل. مقال للمحترف بمثال ضغط JPEG للمبتدئ، شرح علمي من ورقة Lin 2023 (MIT Han Lab)، configuration vLLM 0.6.4 شغّال، مقارنة AWQ vs GPTQ بأرقام Marlin kernel (10.9× speedup)، أرقام مقاسة على H100 (741 token/ثانية، MMLU-Pro retention 98.1%)، 4 trade-offs خفية بتظهر في الإنتاج، ومتى Quantization كارثة على الموديل.