المدونة
مقالات عملية مرتبة حسب المجال والمستوى، اختر المجال المناسب واقرأ من مستوى مبتدئ إلى محترف.
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.
Distributed Lock بـ Redis Redlock للمحترف: امنع تكرار الـ Cron Job على 5 Workers في الإنتاج
لو عندك 5 workers بيشغّلوا نفس الـ scheduled job والـ DB بترجع duplicate emails 4 مرات في اليوم، Redlock بيحلّها في 90 سطر Node.js. مقال للمحترف بمثال مفتاح الحمام للمبتدئ، تحليل علمي لـ Redlock من ورقة antirez 2016 ونقد Martin Kleppmann، كود Production-grade على ioredis، أرقام مقاسة على 5 Redis nodes، 5 trade-offs خفية، وحالات Redlock فيها unsafe فعليًا.
B-tree vs LSM-tree للمحترف: ليه PostgreSQL بيكتب 78MB/s و RocksDB بيكتب 340MB/s على نفس SSD
لو شغّلت PostgreSQL و RocksDB على نفس Samsung 990 Pro NVMe، PostgreSQL بيكتب 78MB/s متواصل و RocksDB بيكتب 340MB/s. الفرق مش في تحسين الكود — الفرق في data structure مختلفة بالكلية. مقال للمحترف بمثال موظف الأرشيف للمبتدئ، تعريف علمي من ورقة Bayer 1972 و O'Neil 1996، benchmark شغّال بـ pgbench و db_bench، أرقام مقاسة، 4 trade-offs (write/read/space amplification + tail latency)، ومتى لا تستخدم أي منهما أصلاً.
Reranking في RAG للمحترف: ليه dense retrieval وحده بيرجع 41% نتايج غلط — والحل في 50 سطر
لو RAG بتاعك بيرجع وثيقة بـ cosine similarity = 0.91 وبتلاقي الإجابة الصح في وثيقة تانية بـ 0.78، المشكلة مش في الـ embeddings — المشكلة إنك بتعتمد على مرحلة retrieval واحدة. Cross-encoder reranker بيرفع NDCG@10 من 0.62 لـ 0.89 على dataset عربي، وبيلغي 41% من الـ false positives مقابل زيادة latency 83ms في الـ P50. مقال للمحترف بمثال شراء الشقة للمبتدئ، تعريف علمي للفرق بين Bi-encoder و Cross-encoder من ورقة Sentence-BERT و Nogueira & Cho، كود Python شغّال على sentence-transformers + Qdrant + Anthropic SDK، أرقام مقاسة على 12,400 وثيقة عربية و 850 سؤال gold-labeled، 4 trade-offs حقيقية، ومتى يبقى الـ rerank مضيعة وقت أصلاً.