التصنيف الرئيسي للمقالات التقنية: برمجة، ذكاء اصطناعي، DevOps، تحسين الأداء، أوتوميشن، وأخبار التكنولوجيا.
لو ملف log عندك حجمه 4GB و pandas.read_csv بيقعلك اللابتوب، Python Generators بيعالج نفس الملف بـ 32MB ذاكرة بدلاً من 4.2GB. شرح للمتوسط بمثال المكتبة للمبتدئ، التعريف العلمي للـ lazy evaluation من PEP 255، كود Python 3.12 شغّال على ملف 11 مليون سطر، أرقام مقاسة فعلياً (توفير 99.2% ذاكرة)، 4 trade-offs حقيقية، ومتى لا تستخدم Generator أصلاً.
لو السيرفر فيه 64GB RAM والتطبيق بيرمي "too many connections" عند 100 connection، المشكلة مش في حجم الـ DB. كل connection في PostgreSQL بياكل 9-12 ميجا. PgBouncer بيخلّي 1000 طلب من التطبيق يمشوا على 25 connection فعلي، يوفّر 86% من ذاكرة DB، وينزّل P95 من 142ms لـ 38ms. مقال للمتوسط بمثال شبّاك التذاكر للمبتدئ، تعريف دقيق للـ process-per-connection، إعداد PgBouncer 1.22 شغّال، أرقام مقاسة من إنتاج، 4 trade-offs حقيقية، ومتى لا تستخدمه أصلاً.
لو DB بتاعك 50GB وبتعمل backup يومي، AWS S3 هيكلفك $54 شهريًا، 90% منهم egress fees. Cloudflare R2 بتكلف $21 لنفس الشغل بدون egress أصلاً. مقال للمستوى المتوسط بمثال خزينة البنك للمبتدئ، شرح علمي للـ S3-Compatible Object Storage و AWS Signature V4، سكربت bash + GitHub Actions كامل قابل للنسخ، أرقام مقاسة من 30 يوم إنتاج، 4 trade-offs، ومتى لا تستخدمها أصلاً.
لو search box عندك بياخد 80ms يكمل كلمة على قائمة كبيرة، المشكلة مش في السيرفر — الخوارزمية بتدور بكل كلمة. Trie بيبحث على مستوى الحروف، فالنتيجة بترجع في أقل من 1ms مهما كان حجم القاموس. مقال للمبتدئ بمثال دفتر التليفون، تعريف علمي للـ Prefix Tree، كود Python شغّال في 50 سطر، أرقام مقاسة على 100,000 كلمة عربية، 4 trade-offs، ومتى لا تستخدمه أصلاً.
لو PostgreSQL بتاعك بياكل 8GB RAM مع 200 connection فقط، المشكلة مش في حجم البيانات. كل connection بيفتح process كامل بيستهلك 10MB ذاكرة. pgbouncer بيخدم 1000 client متزامن بـ 50MB ذاكرة بدلاً من 10GB. مقال للمتوسط بمثال موظف البنك للمبتدئ، تعريف علمي لـ process-per-connection model من توثيق PostgreSQL، إعداد pgbouncer 1.22 شغّال، أرقام مقاسة على PostgreSQL 16، 4 trade-offs حقيقية، ومتى لا تستخدمه أصلاً.
لو دوّرت بكلمة "دكتور" في تطبيقك ولاقيت 40% من النتائج المهمة ضاعت لأنها مكتوبة "طبيب"، إنت محتاج Embeddings. شرح للمبتدئ بمثال خريطة المدن، تعريف علمي للـ semantic vector space و cosine similarity، كود Python شغّال على sentence-transformers، أرقام مقاسة على 5,000 سؤال عربي (دقة 84% وتوفير 71% من فاتورة LLM)، 4 trade-offs، ومتى لا تحتاج Embeddings أصلًا.
لو فاتورة Claude بتاعتك بتعدّي $500 شهريًا و system prompt بيتكرر في كل request، إنت بتدفع ضعف المفروض. Prompt Caching بيخفض تكلفة الـ input tokens المتكررة 90% والـ TTFT 80%. مقال للمتوسط بمثال أمين المكتبة، تعريف علمي للـ KV cache reuse، كود Python شغّال على Anthropic SDK، أرقام مقاسة على 12,000 تذكرة دعم عربية، 4 trade-offs، ومتى لا تستخدمه.
الـ Cache بتاعك بيشتغل تمام لمدة ساعة، وفجأة في ثانية واحدة الـ DB بياخد آلاف الطلبات المتزامنة وبيقع. السبب مش traffic spike، السبب اسمه Cache Stampede. مقال للمحترف بمثال السوبر ماركت للمبتدئ، تعريف علمي دقيق من ورقة Vattani VLDB 2015، تلاتة حلول قابلة للنسخ (Mutex Lock، XFetch، Stale-While-Revalidate)، أرقام مقاسة على 5000 RPS، 4 trade-offs، ومتى لا تستخدم أي منها.
لو محتاج تتأكد إن رابط مش موجود في قائمة سوداء فيها مليار URL، تحميل القائمة كلها بيكلّفك 30 جيجا رام. Bloom Filter بيرد على نفس السؤال في 8 ميجا رام و600 نانو ثانية، بمعدل خطأ تحت 1%. مقال للمستوى المتوسط بمثال موظف الحفلة للمبتدئ، تعريف علمي دقيق من ورقة Bloom 1970، كود Python شغّال على mmh3 + bitarray، أرقام مقاسة من Chrome Safe Browsing وApache Cassandra، 4 trade-offs، ومتى لا تستخدمه فيها مع المصادر الرسمية.