مقالات عملية مرتبة حسب المجال والمستوى، اختر المجال المناسب واقرأ من مستوى مبتدئ إلى محترف.
لو موقعك بيستخدم Google Fonts أو API على دومين تاني، أول زيارة بتدفع من 180 لـ 480 مللي ثانية ضايعة في DNS و TCP و TLS قبل أول بايت. 4 سطور HTML اسمها Resource Hints بتقطع المعادلة دي. مقال للمبتدئ بمثال مطعم الديليفري، تعريف من HTML Living Standard، كود قابل للنسخ على Chrome 130، أرقام مقاسة من Lighthouse 11 على 4G مصري، 4 trade-offs، ومتى مايستاهلش الجهد.
لو السيرفر بيرمي FATAL: too many connections وانت لسه عند 800 user، PostgreSQL مش بطيء. PgBouncer في 12 سطر إعداد بيختصر 800 اتصال لـ 25، بدون تعديل تطبيقك. مثال شباك البنك للمبتدئ، شرح transaction pooling، أرقام إنتاج (RAM 5.6GB → 280MB، توفير 410$ شهريًا)، 4 trade-offs، ومتى لا تستخدمه.
لو شركتك بتدخل بيانات 200 فاتورة عربية يدويًا كل يوم، الموظف بيضيع 4 ساعات في عمل ميكانيكي. Vision في Claude بيقرأ الفاتورة كصورة ويرجّع JSON مهيكل في 7 ثوانٍ. مقال للمتوسط بمثال موظف الاستقبال للمبتدئ، شرح علمي للـ Vision Transformer من ورقة Dosovitskiy 2020، كود Python شغّال على anthropic SDK 0.45+ و Claude Sonnet 4.6، أرقام مقاسة على 1,800 فاتورة عربية (الدقة 94.2%)، 4 trade-offs خفية، ومتى Vision بيكون مضيعة وقت.
لو cluster الإنتاج فيه 24 microservice و18 PVC وحصلت كارثة etcd، الرجوع بدون backup هياخد يومين. Velero v1.14 بيعمل snapshot كامل للـ namespace في 9 دقايق ويرجّعه بأمر واحد. مقال للمتوسط بمثال أمين المكتبة للمبتدئ، تعريف علمي من توثيق Velero الرسمي و VMware Tanzu، أوامر شغّالة على Kubernetes 1.30 + GCS، أرقام مقاسة من cluster GKE فيه 340GB volumes (RTO 11 دقيقة)، 4 trade-offs خفية، ومتى Velero مش الحل الصح.
لو for loop فيه setTimeout و var، JavaScript بتطبعلك آخر قيمة 5 مرات. السبب اسمه Closure. مقال للمبتدئ بمثال الكاشير، تعريف من ECMAScript Spec، 3 حلول بكود شغّال على Chrome 130، حالة إنتاج كلّفت 18 ألف دولار، 4 trade-offs، ومتى Closure بتسرّب ذاكرة بدون ما تحس.
دليل عملي للمبتدئ لتشغيل نموذج Llama 3.3 محليًا على لابتوبك عبر Ollama، بدون اشتراك شهري وبدون ما تبعت بياناتك لأي سيرفر بره. مع 4 أوامر تثبيت، كود Python في 8 سطور، أرقام أداء مقاسة على M1 Mac و Intel i7، و 4 trade-offs محدش بيقولهالك.
لو الـ repo بتاعك فيه 380 فرع وأغلبهم مهجور من 2024، أنت بتدفع ضريبة خفية في كل clone وكل CI run. مقال للمبتدئ بمثال خزانة الملابس، تعريف Stale Branch من توثيق Git و GitHub، GitHub Actions workflow كامل قابل للنسخ، أرقام مقاسة على repo فيه 412 فرع، 4 trade-offs، ومتى الأوتوميشن دي مش لازمة أصلاً.
لو بتعمل npm update كل تلت شهور وبتلاقي 14 breaking change مرة واحدة، Renovate Bot بيفتح PR منفصل لكل تحديث، يجرّب الـ tests، ويـ merge أوتوماتيكياً لو آمن. مقال للمبتدئ بمثال السكرتير الشخصي، شرح علمي لطريقة عمل البوت، renovate.json كامل وشغّال، أرقام مقاسة من mono-repo فيه 312 dependency (CVE نزل من 31 لـ 2، توفير 6 ساعات أسبوعياً)، 4 trade-offs حقيقية، ومتى لا تستخدمه أصلاً.
لو سيرفرك بيسأل DB كل request "هل العميل ده في القائمة السودا؟" على 8 مليون سجل، أنت بتدفع 12ms لكل طلب. Bloom Filter بيرد على نفس السؤال في 0.4 microsecond، بـ 1.2MB ذاكرة بدل 640MB. مقال للمتوسط بمثال بوّاب الحفلة للمبتدئ، تعريف علمي من ورقة Bloom 1970 وتوثيق Cassandra، كود Python شغّال على mmh3 + bitarray، أرقام مقاسة من API بـ 12K req/s، 4 trade-offs حقيقية، ومتى Bloom Filter بيكون الاختيار الغلط.
لو سكربتك بيعمل 1000 SET على Redis في 240 مللي ثانية، Redis مش بطيء — انت بتدفع تذكرة شبكة لكل عملية. Pipelining في redis-py بـ 3 سطور بينزّل الزمن لـ 8 مللي ثانية على نفس Redis. مقال للمتوسط بمثال طلبات الديليفري للمبتدئ، تعريف علمي من توثيق Redis، كود Python شغّال على redis-py 5.0 و Redis 7.4، أرقام مقاسة على AWS r6g.large، 4 trade-offs خفية، ومتى Pipelining بيكسرلك المنطق بدل ما يحسّنه.