#Devocook

⚛️ Atomic Operations در جنگو: وقتی `save()` نجات نمی‌دهد

🧠 قسمت 1: مشکل کجاست؟
با view_count = 10 و دو کاربر همزمان:

product = Product.objects.get(id=1)
product.view_count += 1
product.save()

نتیجه: 11 (باید 12 باشد). Race Condition در محیط همزمان حتمی است.

⚛️ قسمت 2: راه حل اتمیک
استفاده از F expressions:

from django.db.models import F
Product.objects.filter(id=1).update(view_count=F('view_count') + 1)

این کار اتمیک و بدون تداخل است.

🧩 قسمت 3: مثال‌ها

# افزایش موجودی
Product.objects.filter(id=1).update(stock=F('stock') + 5)
# انتقال موجودی
Order.objects.filter(id=1).update(total_price=F('sub_total') + F('tax'))
# شرط مقایسه
Product.objects.filter(stock__gt=F('min_threshold'))

⚠️ قسمت 4: تله مهم – ترکیب با `save()`

# ❌ اشتباه
product.view_count = F('view_count') + 1
product.save()  # F آبجکت ذخیره می‌شود، نه مقدار

✅ راه درست:

product.view_count = F('view_count') + 1
product.save(update_fields=['view_count'])
product.refresh_from_db()

❤️ @devobin

#cookovid

اموزش متن بالا به صورت ویدیو و توضیح متد F() in django

#devocook

📍 کجا از میکروسرویس با Django استفاده کنیم؟
✅ پروژه خیلی بزرگ شده و چند تیم روی آن کار می‌کنند
✅ نیاز به دیپلوی و مقیاس‌دهی مستقل هر بخش دارید (مثل سرویس پرداخت)
✅ می‌خواهید از فناوری‌های مختلف کنار Django استفاده کنید
✅ خطای یک سرویس نباید کل سیستم را از کار بیندازد
❌ پروژه کوچک یا متوسط است؟ مونولیت هنوز بهترین انتخاب است.

🚀 میکروسرویس با Django: از مونولیت به مقیاس‌پذیری

جنگو به تنهایی فریمورک مونولیتیک است، اما می‌تواند پایه عالی برای میکروسرویس باشد.


رویکرد درست:
هر سرویس یک پروژه Django + DRF مستقل است که:
دیتابیس خودش را دارد
با بقیه سرویس‌ها از طریق REST، gRPC یا Message Broker (RabbitMQ) ارتباط برقرار می‌کند
جداگانه دیپلوی و اسکیل می‌شود
مثال:
سرویس کاربران (Accounts)
سرویس سفارشات (Orders)
سرویس پرداخت (Payments)
ابزارهای کلیدی:
Django REST Framework
JWT برای احراز هویت
RabbitMQ / Redis برای ارتباطات ناهمگام
Docker + Kubernetes برای دیپلوی
API Gateway (Kong یا Traefik)
چالش‌های مهم:
تراکنش‌های توزیع‌شده
لاگ و نظارت متمرکز (ELK + Prometheus + Grafana)

@devobin

🚀 آپدیت جدید پروژه Map & Shop Management System

امروز چند قابلیت مهم و کاربردی به پروژه اضافه شد.

متأسفانه به دلیل محدودیت اینترنت نتونستم ویدئوی دمو رو آپلود کنم، اما تصاویر بخش‌های جدید پروژه رو به اشتراک گذاشتم.

✨ تغییرات جدید:

✅ سیستم مسیریابی ارتقا پیدا کرد و از مسیریابی ساده به پیدا کردن نزدیک‌ترین و بهینه‌ترین مسیر تغییر کرد.

✅ هر فروشگاه اکنون می‌تواند فروشگاه آنلاین اختصاصی و کاملاً شخصی‌سازی‌شده خود را داخل پلتفرم داشته باشد.

✅ پروژه به Web App (PWA) تبدیل شد و قابلیت نصب روی موبایل و دسکتاپ را پیدا کرد.

✅ پنل کاربری مشتریان به‌صورت کامل پیاده‌سازی شد.

✅ علاوه بر نمایش فروشگاه‌ها روی نقشه، امکان مشاهده آن‌ها به‌صورت لیست نیز اضافه شد.

✅ امکان خرید همزمان از چند فروشگاه مختلف در یک فرآیند خرید فراهم شد.

لینک پست در لینکدین

https://www.linkedin.com/posts/mobin-hasanghasemi-067154384_django-python-programming-activity-7468375485329252352-gYmS?utm_source=share&utm_medium=member_desktop&rcm=ACoAAF60vE8B6N_WoAxH7cDsv2l-HMFO31av5F4


#FullStackDevelopment
#Programming
#Developer

#Devocook


سیستم تخفیف ناحیه‌ای


1- فرانت به سرور موقعیت کاربر رو میفرسته

2 -بک‌اند (بررسی داخل محدوده بودن)

مدل:

class Offer(models.Model):
    polygon_data = models.JSONField()  # GeoJSON مثل {"coordinates": [[lat,lng],...]}
    discount = models.IntegerField()

منطق بررسی:

def is_point_in_polygon(lat, lng, polygon_coords):
    # الگوریتم Ray-Casting
    inside = False
    n = len(polygon_coords)
    for i in range(n):
        x1, y1 = polygon_coords[i]
        x2, y2 = polygon_coords[(i+1)%n]
        if (y1 > lng) != (y2 > lng):
            x_intersect = x1 + (lng - y1)*(x2 - x1)/(y2 - y1)
            if x_intersect > lat:
                inside = not inside
    return inside

فیلتر نهایی:

def get_user_offers(user_lat, user_lng):
    offers = Offer.objects.all()
    result = []
    for offer in offers:
        coords = offer.polygon_data['coordinates'][0]
        if is_point_in_polygon(user_lat, user_lng, coords):
            result.append(offer)
    return result

ناحیه تخفیف اینجوری ست میشه توسط مدیر فروشگاه

و به این فرمت به بک اند ارسال میشه

دیگه پول نریز تو جیب غول‌های هوش مصنوعی!


با این گرانی وحشتناک توکن‌های GPT، Claude و Gemini، واقعاً شد سخته هر روز کد بزنی و پروژه بچرخونی 😤
ولی خبر خوب اینه: مدل‌های چینی اومدن و دارن همه‌چیو می‌ترکونن!

پیشنهاد من بعد از تست :


من MiMo 2.5 Pro شیائومی رو امتحان کردم → از Claude 4.5 هم بهتر عمل کرد!
✅ بک‌اند: تمیز، سریع، کم‌باگ
✅ فرانت‌اند: عالی
✅ ریسپانسیو کردن و UI/UX: فوق‌العاده

علاوه بر این MiMo، DeepSeek هم توکن‌هاش انقدر ارزونه که انگار مجانیه!

چطوری استفاده کنی؟
فقط کافیه این مدل‌ها رو به OpenCode وصل کنی → یه ایجنت کدنویسی شخصی داری که ۲۴ ساعته برات کار می‌کنه، بدون اینکه حساب بانکی‌ت خالی بشه 💰