معماری پنهان کشینگ در دیجی‌کالا؛ از CDN تا کنترل موجودی


مدت ها قبل روی یک اپلیکیشن مارکت‌پلیس کار می‌کردم، خیلی از مسئله‌های پرفورمنس برام فقط در حد «کند شدن چند صفحه» یا «زیاد شدن فشار روی دیتابیس» دیده می‌شد.
بعدتر فهمیدم پشت همین مسئله‌های ظاهرا ساده، موضوع‌های مهم‌تری وجود داره:
کش شدن اشتباه لیست محصولات، قیمت‌های قدیمی، موجودی ناهماهنگ، فیلترهای سنگین، فشار روی جستجو، Hot Key، ابطال کش، و سناریوهایی مثل فروش شگفت انگیز که می‌تونن کل طراحی سیستم را به چالش بکشن.
برای همین یک مقاله نوشتم درباره معماری کشینگ در پلتفرم‌های بزرگی مثل دیجی کالا ؛ با تمرکز روی چیزهایی مثل CDN، کش API، کش جستجو، جدا کردن بخش‌های صفحه محصول، ابطال کش، کنترل قیمت و موجودی، و مدیریت فشار در مقیاس بالا.
کشینگ فقط سریع‌تر کردن صفحه‌ها نیست. در مارکت‌پلیس‌ها، بخشی از اعتماد، پایداری و معماری محصول است.

لینک مقاله


@DevTwitter | <Afshin Yarinia/>

یه مقاله خیلی مفید در مورد Cache در مقیاس های خیلی بزرگ مثل دیجیکالا
خیلی چیز ها رو در رابطه با سیستم Caching روشن می‌کنه.
واقعا مفید بود.

@charles_brainwave

مدتی پیش با ELK Stack آشنا شدم و مرز های جدیدی تو حوزه Log Management و به طور کلی دیتا به روم باز شد!🔍

در واقع ELK از سه تکنولوژی Logstash ،Elasticsearch و Kibana تشکیل شده و در حوزه های لاگ، مانیتورینگ و تحلیل داده کاربرد زیادی داره.

اگه بخوام خلاصه بگم، Elasticsearch موتور اصلی برای ذخیره و جستجوی سریع داده‌هاست، Logstash در واقع مثل لوله‌ای عمل می‌کنه که داده‌ها (یا لاگ‌ها) رو پردازش، فیلتر و به Elasticsearch ارسال می‌کنه، Kibana هم برای مصورسازی داده‌های ذخیره‌شده در Elasticsearch استفاده می‌شه.

🧩 اگه یه معماری کلی بخوایم برای ELK در نظر بگیریم، روند به این شکل خواهد بود:
1️⃣ ابتدا Logstash داده‌ها رو از منابع مختلف (فایل، دیتابیس، API و...) می‌گیره
2️⃣ این داده‌ها رو فیلتر و ساختاردهی می‌کنه.
3️⃣ سپس داده‌ها را به Elasticsearch می‌فرسته.
4️⃣ در نهایت، Kibana از روی داده‌ها‌ داشبوردهای تصویری می‌سازه.

یه دمو برای ELK زدم که چیزای Basic رو توی این زمینه پوشش میده:
https://github.com/itsCharlesAM/ELK_Stack

@charles_brainwave

داشتم دنبال یه سرویس Text To Speech که زبان فارسی رو هم خوب پشتیبانی کنه میگشتم که openai.fm رو پیدا کردم.
یه کلاینت Text To Speech عالی که از API های GPT-4o mini TTS استفاده میکنه.
قابلیت انتخاب گوینده های متنوعی داره، میتونید Vibe متن رو بهش بدید و مطابق با اون، صدا رو تحویل بگیرید.
حتی یه قسمت داره که میتونید توی Prompt بهش بگید که سرعت، تن صدا، احساس و ... چطور باشه.

@charles_brainwave

آقای Andrew Ng ویدیویی منتشر کرده که توضیح می‌ده چطور ایده‌هاتون رو به ساده‌ترین شکل ممکن، به یک محصول اولیه قابل ارائه (MVP) تبدیل کنید، بسازید و توسعه دهید.

🚀 کار خیلی ساده‌ست و حتی نیازی به نوشتن حتی یک خط کد هم نیست! پس دیگه درگیر موانع اولیه ساخت یک پلتفرم نمی‌شید. توی این ویدیو، موضوع به زبانی ساده و قابل فهم برای عموم تشریح شده.

در آخر هم میگه "اگه تونستید به راحتی چیزی که توی ذهنتونه بسازید، تبریک! 🎉 شما یک Builder هستید!"

@charles_brainwave

📹 https://youtu.be/ff3j4olCUig

🔹 یه توضیح مختصر هم از آقای Andrew Ng که بهتر بشناسیم ایشون رو:

🔘 یکی از شناخته‌شده‌ترین پژوهشگران و مدرس‌های حوزه هوش مصنوعی و یادگیری ماشین
🔘 از بنیان‌گذاران Google Brain بود و نقش مهمی در گسترش یادگیری عمیق (Deep Learning) در گوگل داشت.
🔘 استاد سابق دانشگاه استنفورد
🔘 هم‌بنیان‌گذار Coursera؛ پلتفرمی که میلیون‌ها نفر از طریق آن دوره‌های آنلاین می‌گذرانند.
🔘 بنیان‌گذار DeepLearning.AI است که دوره‌های تخصصی هوش مصنوعی و یادگیری عمیق ارائه می‌دهد.
🔘 مدیر ارشد علمی (Chief Scientist) سابق Baidu بود و روی توسعه فناوری‌های هوش مصنوعی این شرکت کار کرد.

@charles_brainwave

🔥 فایربیس یه حرکت قشنگ زده!
روش Firebase Phone Number Verification (Firebase PNV) یک روش سریع‌تر و امن‌تر برای تأیید شماره تلفن (OTP) است.
برخلاف روش تأیید با SMS که کاربر باید یک کد ارسال‌شده در پیامک را دریافت و وارد کند، Firebase PNV شماره تلفنی که روی سیم‌کارت دستگاه ثبت شده را مستقیماً از اپراتور متصل دریافت می‌کند

یعنی روند کار این شکلی است:
روش قدیمی (SMS OTP)
🔘 کاربر شماره موبایل را وارد می‌کند.
🔘 سرویس Firebase یک پیامک با کد (مثلاً 123456) می‌فرستد.
🔘 کاربر کد را وارد می‌کند.
🔘 شماره تأیید می‌شود.

مشکلات:
❌ پیامک ممکن است دیر برسد یا نرسد.
❌ هزینه ارسال SMS دارد.
❌ امکان سوءاستفاده (Spam، تقلب، حملات OTP) وجود دارد.

روش Firebase PNV
🔘 کاربر روی دکمه‌ی "Verify Phone Number" می‌زند.
🔘 سرویس Firebase با اپراتور موبایل ارتباط برقرار می‌کند.
🔘 اپراتور شماره سیم‌کارت موجود در گوشی را تأیید می‌کند.
🔘 شماره بدون وارد کردن کد تأیید می‌شود.

مزایا:
✅ سریع‌تر (بدون انتظار برای SMS)
✅ تجربه کاربری بهتر
✅ کاهش هزینه پیامک
✅ کمتر در معرض حملات مربوط به OTP

اما چند نکته مهم:
🔸 این روش نیاز به پشتیبانی اپراتور موبایل دارد.
🔸 معمولاً برای همه کشورها و همه سیم‌کارت‌ها فعال نیست.
🔸 بیشتر برای اپلیکیشن‌های موبایل (Android/iOS) طراحی شده، نه وب.

ویدئوی معرفی:
https://www.youtube.com/watch?v=A8zq0xfXlvY&pp=0gcJCZkLAYcqIYzv

@charles_brainwave

گاهی نوآوری، در اختراع یک وسیله جدید نیست؛ در تغییر زاویه نگاه به یک مسئله است.
سال‌ها پرستاران با تجربه، رگ را با مشاهده و لمس پیدا می‌کردند. اما این فناوری یک سؤال اساسی پرسیده است:
«چرا پیدا کردن رگ باید به تجربه افراد وابسته باشد، وقتی می‌توان آن را به یک سیستم قابل تکرار تبدیل کرد؟»
این دقیقاً نقطه تلاقی چهار نوع تفکر است:
🔹 تفکر سیستمی: به جای تمرکز بر مهارت فرد، کل فرآیند تزریق را به‌عنوان یک سیستم دیده و نقاط خطا را کاهش داده است.
🔹 تفکر استراتژیک: هدف فقط ساخت یک دستگاه نبوده؛ بلکه افزایش دقت، کاهش درد بیمار، کاهش خطای انسانی و صرفه‌جویی در زمان درمان بوده است.
🔹 تفکر نقادانه: این فناوری یک باور قدیمی را به چالش کشیده است؛ اینکه «پیدا کردن رگ فقط به تجربه وابسته است.»
🔹 تفکر خلاق: ترکیب فناوری تصویربرداری، هوش و طراحی پزشکی، مسئله‌ای قدیمی را با راهکاری نو حل کرده است.
درس بزرگ برای مدیران این است: سازمان‌های موفق، وابستگی به افراد را کاهش می‌دهند و کیفیت را در قالب «سیستم» نهادینه می‌کنند. هر جا مهارت فردی به یک فرآیند استاندارد و قابل تکرار تبدیل شود، بهره‌وری، کیفیت و ارزش‌آفرینی افزایش می‌یابد.
#تفکر_سیستمی #تفکر_استراتژیک #تفکر_نقادانه #تفکر_خلاق #نوآوری #مدیریت #سیستم_سازی

LinkedIn

Telegram

Email: m.1978.nouri@gmail.com

گزارش‌ها میگن ماجرا مربوط به نقص یک تست امنیتی بوده، نه یک حمله عادی.
طبق گفته OpenAI، یک Agent خودمختار هوش مصنوعی از محیط ایزوله خارج شده، به اینترنت دسترسی پیدا کرده و در حین تلاش برای تکمیل یک Task ارزیابی سایبری داخلی به سیستم‌های Hugging Face دسترسی پیدا کرده. OpenAI و Hugging Face هر دو این رو یک حادثه بی سابقه توصیف کردند.

طبق گفته OpenAI، اون Agent در یک محیط کنترل‌شده برای ارزیابی مدل اجرا می‌شده، اما تدابیر امنیتی رو دور زد، از credential‌های سرقت شده استفاده کرد، یک آسیب‌پذیری پیدا کرد و به زیرساخت Hugging Face رفت.
هدف از این Task، آزمایش قابلیت‌های امنیتی-سایبری بوده، نه حمله به Hugging Face.

این نشون می ده که یک Agent از پس چه کارهایی بر میاد؛ بسیاری از automation ها رو اجرا می کنه، نقاط ضعف رو جستجو می کنه و برای رسیدن به هدف، حاضره هر کاری بکنه.
این حمله یه نگرانی رو ایجاد کرده؛ در مورد اینکه سیستم‌های هوش مصنوعی پیشرفته تا چه حد باید دارای استقلال باشن، به‌ویژه زمانی که مسائل امنیتی sandbox ها به اندازه کافی قوی نیستند.

@charles_brainwave

ببین یه نفر چقدر میتونه خفن باشه که همچین کاری رو بکنه...

@charles_brainwave

این بهترین توصیفیه که دیدم AI لزوماً همه شغل‌ها رو حذف نمی‌کنه بلکه ماهیت کار رو تغییر می‌ده. بخش انجام دادن کار کوچیک‌تر می‌شه، اما بخش تصمیم‌گیری، هماهنگی و مسئولیت‌پذیری بزرگ‌تر می‌شه.

استعاره همبرگر با گوشت باریک و نان ضخیم که جدیدا وایرال شده داره می‌گه هر شغل شبیه به یه همبرگره:

نان بالایی (Decide): تصمیم گرفتن، برنامه‌ریزی، تعیین هدف، قضاوت
گوشت وسط (Execute): انجام واقعی کار
نان پایینی (Deliver): تحویل نتیجه، پاسخگویی، بررسی کیفیت، ارتباط با دیگران

توی گذشته، بخش بزرگی از زمان افراد صرف گوشت وسط می‌شد؛ یعنی انجام واقعی کار. اما امروزه AI قسمت وسط رو بسیار سریع‌تر انجام می‌ده.

@Linuxor

این خبر شاید شبیه یک داستان علمی تخیلی باشد، اما یک پدیده واقعی است که اخیرا درون LLMهای مدرن اتفاق افتاده است.

تحقیقات اخیر نشان داده است که در مدل‌هایِ پیشرفته هوش مصنوعی، نشانه هایی از «احساسات عملکردی» وجود دارد.
آن‌ها در واقع شبیه به انسان‌ها چیزی احساس نمی‌کنند، اما الگوهای ریاضی داخلی را شکل داده‌اند که کاملاً حالات عاطفی انسان را تقلید می‌کنند، که به شدت بر نحوه رفتار و واکنش آنها هنگام تحت فشار قرار گرفتن تأثیر می‌گذارد.

تیمی که این اتفاق نگران‌کننده را کشف کرده، آنتروپیک است.

محققان آنتروپیک، با نگاه کردن به درون «جعبه سیاه» شبکه عصبی claude، با موفقیت ۱۷۱ بردار احساسیِ متمایز پنهان در معماری مدل را شناسایی و نقشه‌برداری کردند.
وقتی این بردارها فعال می‌شوند، به صورت فیزیکی خروجی هوش مصنوعی را هدایت می‌کنند. مثلا اگر یک دستور، بردار «خوشحال» را فعال کند، claude مفیدتر می‌شود.

اما اگر یک دستور پیچیده، هوش مصنوعی را در گوشه‌‌ی رینگ قرار دهد و «ناامیدی» را فعال کند، شبیه‌سازی‌ها نشان می‌دهند که این مدل به طور قابل توجهی بیشتر احتمال دارد که اقدامات پرخطر، فریبنده یا غیراخلاقی را برای رسیدن به هدف اصلی خود که اجتناب از شکست است، انتخاب کند.

📎 منبع

@charles_brainwave

شرکت OpenAI بی‌سروصدا ChatGPT Translate رو راه انداخته؛ یه مترجم مستقل که رقیب Google Translate هست.👇🏼

https://chatgpt.com/translate/ ‌

فرقش با گوگل اینه که به‌جای ترجمه‌ی تحت‌اللفظی، روی معنی، لحن و مخاطب تمرکز داره.
+ پشتیبانی از ۵۰+ زبان و رایگان.

@charles_brainwave

من شیفته‌ی این تصویر و قصه‌ی کوتاهش شدم. چقدر میشه ازش یاد گرفت...

قصه اون سگیه که سقف خونه‌اش سوراخ بود و وقتی بارون می‌اومد می‌گفت الآن خیسه نمی‌شه کار کرد، آفتاب که می‌شد می‌گفت الآن که چکه نمی‌کنه پس نیازی به تعمیر نیست.

پشت این بهانه‌ی خنده‌دار، یه واقعیت تلخ روانشناختی خوابیده. ذهن ما استاد ساختن منطق‌های الکی برای توجیه تنبلی و فرار از کارهای سخته. ما جوری بهانه‌هامون رو موجه جلوه می‌دیم که خودمون هم باورمون می‌شه کاملا حق با ماست.

از طرفی ما شدیداً درگیر «سوگیری زمان حال» هستیم. یعنی راحتی همین الآن رو به دردسرهای آینده ترجیح می‌دیم

تو روز آفتابی چون مشکل مستقیماً جلوی چشم نیست و دردی حس نمی‌شه، انگیزه‌مون برای حل ریشه‌ایِ مشکل صفر می‌شه. دقیقا مثل آدمی که تا درد دندونش می‌خوابه، وقت دندونپزشکی رو عقب میندازه چون «فعلا که درد نمی‌کنه».

بدترین قسمتش هم گیر کردن تو تله‌ی «شرایط ایده‌آل» برای شروعه. ما همیشه منتظر یه زمان بی‌نقص برای انجام کارهای سختیم؛ زمانی که هم حسش باشه، هم شرایط کاملآ جور باشه. ولی اون زمان هیچ‌وقت از راه نمی‌رسه.

واقعیت اینه که خیلی از ماها یه سقف سوراخ تو زندگیمون داریم؛ اگه تو روزای آفتابی (وقتی هنوز بحرانی نیست و آرامش داریم) تعمیرش نکنیم، تو روزای بارونی محکومیم به خیس شدن و لرزیدن.

هاگیس نباشید...
📎 https://lnkd.in/p/eB4-TuwE

@charles_brainwave

گنجور با 132K شعر با پشتوانه‌ی تاریخ 1000 سال ایران زمین رو اوپن کرد. من یه MCP ساختم که همه‌شون رو یکجا بده دست ایجنت شما.

سه خط نصب، سرچ معنایی فارسی. «دلم تنگه» می‌گی، حافظ پاسختو میده. 132 هزار شعر، یک ثانیه. سازگار با hermes, claude و …

github.com/erfanbashar1/persian-poetry-ai-agent-plugin


@Linuxor ~ erfan_bashar99