🔵 عنوان مقاله
OpenShell (GitHub Repo)
🟢 خلاصه مقاله:
اوپن‌شل یک پلتفرم مبتنی بر مجوز Apache-2.0 است که برای اجرای عوامل خودکار در داخل محیط‌های ایزوله‌شده طراحی شده است. این سیستم با بهره‌گیری از سیاست‌های سخت‌گیرانه در زمینه‌های فایل‌سیستم، سیستم‌فراهم‌سوی تماس‌های سیستم‌عامل (syscall) و شبکه، امنیت و کنترل زیادی را فراهم می‌کند. در این محیط، اعتبار‌نامه‌ها تنها به مقصدهای مجاز و تأیید شده وارد می‌شوند و هرگونه تغییر در سیاست‌های پیشنهادی به صورت رسمی مورد بررسی قرار می‌گیرد قبل از اینکه اجرایی شوند. این رویکرد نه تنها امنیت عملیات را تضمین می‌کند بلکه امکان مدیریت و نظارت دقیق بر فعالیت‌های عوامل خودکار را نیز فراهم می‌آورد.
علاوه بر این، اوپن‌شل قابلیت استقرار در پلتفرم‌های متنوعی مانند Kubernetes را داراست و از فناوری‌های پیشرفته‌ای مانند کارت‌های گرافیک (GPU) پشتیبانی می‌کند. این ویژگی‌ها امکان اجرای عامل‌های خودکار پیچیده و پرترافیک را در محیط‌های بزرگ و توزیع‌شده فراهم می‌نماید. همچنین، این پلتفرم از زبان‌های برنامه‌نویسی متعددی نظیر پایتون، تایپ‌اسکریپت، گو و رست پشتیبانی می‌کند، که توسعه‌دهندگان را قادر می‌سازد تا با ابزار و زبان‌هایی که با آنها آشنا هستند، به سادگی عامل‌های خودکار را طراحی و اجرا کنند. در مجموع، اوپن‌شل یک راه حل قوی و امن برای اجرای خودکارهای هوشمند در محیط‌هایی است که نیازمند امنیت، مقیاس‌پذیری و انعطاف بالا هستند.
#امنیت #هوشمندسازی #کلاود #تحقیقات
🟣لینک مقاله:
https://github.com/NVIDIA/OpenShell?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
OpenShell (GitHub Repo)
🟢 خلاصه مقاله:
اوپن‌شل یک پلتفرم مبتنی بر مجوز Apache-2.0 است که برای اجرای عوامل خودکار در داخل محیط‌های ایزوله‌شده طراحی شده است. این سیستم با بهره‌گیری از سیاست‌های سخت‌گیرانه در زمینه‌های فایل‌سیستم، سیستم‌فراهم‌سوی تماس‌های سیستم‌عامل (syscall) و شبکه، امنیت و کنترل زیادی را فراهم می‌کند. در این محیط، اعتبار‌نامه‌ها تنها به مقصدهای مجاز و تأیید شده وارد می‌شوند و هرگونه تغییر در سیاست‌های پیشنهادی به صورت رسمی مورد بررسی قرار می‌گیرد قبل از اینکه اجرایی شوند. این رویکرد نه تنها امنیت عملیات را تضمین می‌کند بلکه امکان مدیریت و نظارت دقیق بر فعالیت‌های عوامل خودکار را نیز فراهم می‌آورد.
علاوه بر این، اوپن‌شل قابلیت استقرار در پلتفرم‌های متنوعی مانند Kubernetes را داراست و از فناوری‌های پیشرفته‌ای مانند کارت‌های گرافیک (GPU) پشتیبانی می‌کند. این ویژگی‌ها امکان اجرای عامل‌های خودکار پیچیده و پرترافیک را در محیط‌های بزرگ و توزیع‌شده فراهم می‌نماید. همچنین، این پلتفرم از زبان‌های برنامه‌نویسی متعددی نظیر پایتون، تایپ‌اسکریپت، گو و رست پشتیبانی می‌کند، که توسعه‌دهندگان را قادر می‌سازد تا با ابزار و زبان‌هایی که با آنها آشنا هستند، به سادگی عامل‌های خودکار را طراحی و اجرا کنند. در مجموع، اوپن‌شل یک راه حل قوی و امن برای اجرای خودکارهای هوشمند در محیط‌هایی است که نیازمند امنیت، مقیاس‌پذیری و انعطاف بالا هستند.
#امنیت #هوشمندسازی #کلاود #تحقیقات
🟣لینک مقاله:
https://github.com/NVIDIA/OpenShell?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
GitHub
GitHub - NVIDIA/OpenShell: OpenShell is the safe, private runtime for autonomous AI agents.
OpenShell is the safe, private runtime for autonomous AI agents. - NVIDIA/OpenShell
🔵 عنوان مقاله
Introducing enhanced custom event buses in Amazon EventBridge for enterprise-scale event-driven applications (6 minute read)
🟢 خلاصه مقاله:
شرکت آمازون وب سرویس (AWS) اخیراً به‌روزرسانی مهمی در سرویس رویدادهای سفارشی Amazon EventBridge معرفی کرده است. این به‌روزرسانی به سازمان‌ها امکان می‌دهد تا برای مدیریت رویدادهای پوششی داخلی، از یک بستر مشترک و قابل اشتراک‌گذاری استفاده کنند. این قابلیت جدید، به ویژه در محیط‌های بزرگی که نیازمند هماهنگی و تبادل داده‌های رویدادها بین چندین حساب کاربری هستند، اهمیت زیادی دارد.
در نسخه جدید، بستر رویدادهای سفارشی به طور قابل ملاحظه‌ای بهبود یافته است و امکان اشتراک‌گذاری آن در سطح سازمان، بسیار ساده و کارآمد شده است. این به مدیران و تیم‌های فناوری اطلاعات اجازه می‌دهد تا با اطمینان و سهولت، رویدادهای خاص داخلی را به چندین حساب کاربری یا تیم‌های مختلف در داخل سازمان منتقل و مدیریت کنند. این قابلیت، موجب بهبود کارایی، امکان مانیتورینگ بهتر و کنترل دقیق‌تر بر داده‌های رویداد می‌شود، و در نتیجه فرآیندهای کاری را سریع‌تر و موثرتر می‌سازد.
این نسخه جدید از بسترهای رویدادهای سفارشی، به سازمان‌ها کمک می‌کند تا سیستم‌های رویدادی مقیاس‌پذیرتری طراحی کرده و زنجیره‌های عملیاتی خود را به صورت یکپارچه‌تر هدایت کنند. با این امکانات، اجرای برنامه‌های مبتنی بر رویداد، انعطاف‌پذیرتر و قابل توسعه‌تر خواهد شد، و می‌تواند تاثیر قابل توجهی در بهبود فرآیندهای تجاری، خودکارسازی عملیات و تقویت استراتژی‌های فناوری اطلاعات داشته باشد.
#رویداد_سفارش_سازمانی #هوشمندسازی_سازمانی #مدیریت_رویداد #ابزارهای_توسعه
🟣لینک مقاله:
https://aws.amazon.com/blogs/aws/introducing-enhanced-custom-event-buses-in-amazon-eventbridge-for-enterprise-scale-event-driven-applications/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Introducing enhanced custom event buses in Amazon EventBridge for enterprise-scale event-driven applications (6 minute read)
🟢 خلاصه مقاله:
شرکت آمازون وب سرویس (AWS) اخیراً به‌روزرسانی مهمی در سرویس رویدادهای سفارشی Amazon EventBridge معرفی کرده است. این به‌روزرسانی به سازمان‌ها امکان می‌دهد تا برای مدیریت رویدادهای پوششی داخلی، از یک بستر مشترک و قابل اشتراک‌گذاری استفاده کنند. این قابلیت جدید، به ویژه در محیط‌های بزرگی که نیازمند هماهنگی و تبادل داده‌های رویدادها بین چندین حساب کاربری هستند، اهمیت زیادی دارد.
در نسخه جدید، بستر رویدادهای سفارشی به طور قابل ملاحظه‌ای بهبود یافته است و امکان اشتراک‌گذاری آن در سطح سازمان، بسیار ساده و کارآمد شده است. این به مدیران و تیم‌های فناوری اطلاعات اجازه می‌دهد تا با اطمینان و سهولت، رویدادهای خاص داخلی را به چندین حساب کاربری یا تیم‌های مختلف در داخل سازمان منتقل و مدیریت کنند. این قابلیت، موجب بهبود کارایی، امکان مانیتورینگ بهتر و کنترل دقیق‌تر بر داده‌های رویداد می‌شود، و در نتیجه فرآیندهای کاری را سریع‌تر و موثرتر می‌سازد.
این نسخه جدید از بسترهای رویدادهای سفارشی، به سازمان‌ها کمک می‌کند تا سیستم‌های رویدادی مقیاس‌پذیرتری طراحی کرده و زنجیره‌های عملیاتی خود را به صورت یکپارچه‌تر هدایت کنند. با این امکانات، اجرای برنامه‌های مبتنی بر رویداد، انعطاف‌پذیرتر و قابل توسعه‌تر خواهد شد، و می‌تواند تاثیر قابل توجهی در بهبود فرآیندهای تجاری، خودکارسازی عملیات و تقویت استراتژی‌های فناوری اطلاعات داشته باشد.
#رویداد_سفارش_سازمانی #هوشمندسازی_سازمانی #مدیریت_رویداد #ابزارهای_توسعه
🟣لینک مقاله:
https://aws.amazon.com/blogs/aws/introducing-enhanced-custom-event-buses-in-amazon-eventbridge-for-enterprise-scale-event-driven-applications/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Amazon
Introducing enhanced custom event buses in Amazon EventBridge for enterprise-scale event-driven applications | Amazon Web Services
Amazon EventBridge announces an enhanced custom event bus for organizations scaling event-driven applications across teams and accounts. Deploy a single event bus shared across all AWS accounts in your organization, with ordering guarantees, a simplified…
🔵 عنوان مقاله
Serving LLMs at Scale: A Practical Guide with KServe, KEDA,VLLM & Kubernetes
🟢 خلاصه مقاله:
در دنیای امروز، استفاده از مدل‌های زبانی بزرگ (LLMs) به سرعت در حال گسترش است و نیازمند راهکارهای موثری برای خدمت رسانی و مقیاس‌پذیری این مدل‌ها است. در این مقاله، به بررسی روش‌های عملی برای ارائه و مدیریت این مدل‌ها در محیط‌های ابری و مبتنی بر کانتینرهای Kubernetes می‌پردازیم. یکی از ابزارهای اصلی در این مسیر، پلتفرم KServe است که امکان استقرار و سرویس‌دهی به مدل‌های یادگیری ماشین را به صورت مقیاس‌پذیر فراهم می‌کند.
علاوه بر آن، برای پاسخگویی به نوسانات تقاضا و افزایش یا کاهش بر اساس نیاز، از KEDA (Kubernetes Event-Driven Autoscaling) بهره می‌گیریم که قابلیت مقیاس‌پذیری دینامیک را در اختیار می‌گذارد. این ابزار، به طور هوشمند، بر اساس میزان درخواست‌ها، منابع مورد نیاز را تنظیم می‌کند و از هدر رفتن منابع جلوگیری می‌نماید. همچنین، برای اجرای استنتاج سریع و موثر، از vLLM استفاده می‌شود که می‌تواند عملیات inference را با سرعت بالا و مصرف بهینه منابع انجام دهد.
در پایان، این مقاله گام به گام به شما نشان می‌دهد چگونه می‌توانید با استفاده از این ابزارها، مدل‌های زبان بزرگ خود را در محیط Kubernetes پیاده‌سازی و مقیاس‌پذیر کنید، تا پاسخگو نیازهای تجاری و تحقیقاتی خود باشید و تجربه‌ای بی‌نظیر از سرویس‌دهی در مقیاس وسیع داشته باشید.
#مدل_زبانی #کبرنتس #مقیاس‌پذیری #هوش_مصنوعی
🟣لینک مقاله:
https://ku.bz/vQySxD1n9
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Serving LLMs at Scale: A Practical Guide with KServe, KEDA,VLLM & Kubernetes
🟢 خلاصه مقاله:
در دنیای امروز، استفاده از مدل‌های زبانی بزرگ (LLMs) به سرعت در حال گسترش است و نیازمند راهکارهای موثری برای خدمت رسانی و مقیاس‌پذیری این مدل‌ها است. در این مقاله، به بررسی روش‌های عملی برای ارائه و مدیریت این مدل‌ها در محیط‌های ابری و مبتنی بر کانتینرهای Kubernetes می‌پردازیم. یکی از ابزارهای اصلی در این مسیر، پلتفرم KServe است که امکان استقرار و سرویس‌دهی به مدل‌های یادگیری ماشین را به صورت مقیاس‌پذیر فراهم می‌کند.
علاوه بر آن، برای پاسخگویی به نوسانات تقاضا و افزایش یا کاهش بر اساس نیاز، از KEDA (Kubernetes Event-Driven Autoscaling) بهره می‌گیریم که قابلیت مقیاس‌پذیری دینامیک را در اختیار می‌گذارد. این ابزار، به طور هوشمند، بر اساس میزان درخواست‌ها، منابع مورد نیاز را تنظیم می‌کند و از هدر رفتن منابع جلوگیری می‌نماید. همچنین، برای اجرای استنتاج سریع و موثر، از vLLM استفاده می‌شود که می‌تواند عملیات inference را با سرعت بالا و مصرف بهینه منابع انجام دهد.
در پایان، این مقاله گام به گام به شما نشان می‌دهد چگونه می‌توانید با استفاده از این ابزارها، مدل‌های زبان بزرگ خود را در محیط Kubernetes پیاده‌سازی و مقیاس‌پذیر کنید، تا پاسخگو نیازهای تجاری و تحقیقاتی خود باشید و تجربه‌ای بی‌نظیر از سرویس‌دهی در مقیاس وسیع داشته باشید.
#مدل_زبانی #کبرنتس #مقیاس‌پذیری #هوش_مصنوعی
🟣لینک مقاله:
https://ku.bz/vQySxD1n9
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Medium
Serving LLMs at Scale: A Practical Guide with KServe, KEDA,VLLM & Kubernetes
The Problem: Your LLM Works on Your Laptop, But What About Production?
🔵 عنوان مقاله
Amazon S3 Vectors now supports metadata pre-filtering for higher recall on filtered searches (5 minute read)
🟢 خلاصه مقاله:
در دنیای امروز، جستجو و بازیابی سریع و دقیق داده‌ها اهمیت بسیاری دارد، به ویژه وقتی صحبت از داده‌های حجیم و پیچیده مانند وکتورهای حافظه می‌شود. شرکت آمازون و سرویس Amazon S3 Vectors با اعلام یک قابلیت جدید، تلاش دارد این فرآیند را کارآمدتر و موثرتر کند. این قابلیت جدید، امکان پیش‌فیلتر کردن فراداده‌ها (metadata pre-filtering) را در حین جستجوهای مبتنی بر شباهت و وکتورهای حافظه فراهم می‌کند. با این اقدام، سیستم قادر است قبل از اجرای جستجو بر اساس شباهت، معیارهای فیلترینگ متادیتا را ارزیابی و محدود کند، که این امر منجر به افزایش قابل توجه در نرخ بازیابی صحیح موارد مرتبط می‌شود.
این ویژگی جدید به کاربر اجازه می‌دهد تا تعداد فیلترهای قابل اعمال در هر جستجو را تا صد مورد افزایش دهد، که در صورت استفاده از فیلترهای بسیار انتخابی و خاص، نتایج تا پنج برابر بیشتر از روش‌های قبلی باشد. به عنوان نمونه، در مواقعی که نیاز دارید بر اساس معیارهای خاص و محدود، تنها موارد مرتبط را بیابید، این قابلیت به شکل چشم‌گیری توانایی شما را در بازیابی اطلاعات بهبود می‌بخشد. علی‌الخصوص، این قابلیت بلافاصله و بدون هزینه اضافی در دسترس است و به راحتی با ایندکس‌های موجود سازگار است، بدون نیاز به دوباره بارگذاری داده‌ها یا تغییر ساختارهای قبلی.
در نتیجه، این ابزار جدید که توسط AWS ارائه شده، فرصت ارزشمندی برای توسعه‌دهندگان، محققان و شرکت‌ها است تا فرآیند جستجوی داده‌های حجیم را به صورت سریع، دقیق و بهینه انجام دهند، و از مزایای موتورهای جستجوی هوشمند بهره‌مند شوند. این افزودنی، نمونه‌ای دیگر از رویکرد پیشرفته و نوآورانه AWS در بهبود زیرساخت‌های فناوری اطلاعات و توسعه خدمات مبتنی بر هوش مصنوعی است.
#هوشمندسازی #بازیابی_داده #توسعه_فناوری #AWS
🟣لینک مقاله:
https://aws.amazon.com/blogs/aws/amazon-s3-vectors-now-supports-metadata-pre-filtering-for-higher-recall-on-filtered-searches/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Amazon S3 Vectors now supports metadata pre-filtering for higher recall on filtered searches (5 minute read)
🟢 خلاصه مقاله:
در دنیای امروز، جستجو و بازیابی سریع و دقیق داده‌ها اهمیت بسیاری دارد، به ویژه وقتی صحبت از داده‌های حجیم و پیچیده مانند وکتورهای حافظه می‌شود. شرکت آمازون و سرویس Amazon S3 Vectors با اعلام یک قابلیت جدید، تلاش دارد این فرآیند را کارآمدتر و موثرتر کند. این قابلیت جدید، امکان پیش‌فیلتر کردن فراداده‌ها (metadata pre-filtering) را در حین جستجوهای مبتنی بر شباهت و وکتورهای حافظه فراهم می‌کند. با این اقدام، سیستم قادر است قبل از اجرای جستجو بر اساس شباهت، معیارهای فیلترینگ متادیتا را ارزیابی و محدود کند، که این امر منجر به افزایش قابل توجه در نرخ بازیابی صحیح موارد مرتبط می‌شود.
این ویژگی جدید به کاربر اجازه می‌دهد تا تعداد فیلترهای قابل اعمال در هر جستجو را تا صد مورد افزایش دهد، که در صورت استفاده از فیلترهای بسیار انتخابی و خاص، نتایج تا پنج برابر بیشتر از روش‌های قبلی باشد. به عنوان نمونه، در مواقعی که نیاز دارید بر اساس معیارهای خاص و محدود، تنها موارد مرتبط را بیابید، این قابلیت به شکل چشم‌گیری توانایی شما را در بازیابی اطلاعات بهبود می‌بخشد. علی‌الخصوص، این قابلیت بلافاصله و بدون هزینه اضافی در دسترس است و به راحتی با ایندکس‌های موجود سازگار است، بدون نیاز به دوباره بارگذاری داده‌ها یا تغییر ساختارهای قبلی.
در نتیجه، این ابزار جدید که توسط AWS ارائه شده، فرصت ارزشمندی برای توسعه‌دهندگان، محققان و شرکت‌ها است تا فرآیند جستجوی داده‌های حجیم را به صورت سریع، دقیق و بهینه انجام دهند، و از مزایای موتورهای جستجوی هوشمند بهره‌مند شوند. این افزودنی، نمونه‌ای دیگر از رویکرد پیشرفته و نوآورانه AWS در بهبود زیرساخت‌های فناوری اطلاعات و توسعه خدمات مبتنی بر هوش مصنوعی است.
#هوشمندسازی #بازیابی_داده #توسعه_فناوری #AWS
🟣لینک مقاله:
https://aws.amazon.com/blogs/aws/amazon-s3-vectors-now-supports-metadata-pre-filtering-for-higher-recall-on-filtered-searches/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Amazon
Amazon S3 Vectors now supports metadata pre-filtering for higher recall on filtered searches | Amazon Web Services
Amazon S3 Vectors now supports metadata pre filtering, delivering up to 5x higher recall on filtered searches. Filters evaluate before similarity search so scoped queries return more relevant results. Ideal for RAG, agentic apps, and document search.
🔵 عنوان مقاله
infra-bench: Benchmark for AI agents on infrastructure work
🟢 خلاصه مقاله:
در حوزه هوش مصنوعی، ارزیابی عملکرد عوامل هوشمند در انجام وظایف مربوط به زیرساخت‌ها اهمیت زیادی دارد. یکی از ابزارهای قدرتمند در این زمینه، مجموعه بنچمارک "infra-bench" است که به منظور ارزیابی توانایی‌های هوش مصنوعی در مدیریت وظایف زیرساختی طراحی شده است. این مجموعه آزمایش، قابلیت‌های عوامل هوشمند را در مواجهه با مسائل مختلف در محیط‌های عملیاتی واقعی می‌سنجد و در نتیجه، دیدی دقیق‌تر نسبت به عملکرد آنها فراهم می‌آورد.
پروژه "infra-bench" در قالب یک مجموعه آزمایش باز و متن‌باز در دسترس است و با تمرکز بر کارهای زیرساختی مرتبط با فناوری کانتینر و اورکد، نمونه‌هایی از داده‌های مرتبط با Kubernetes را ارائه می‌دهد. این مجموعه، مجموعه‌ای از مشکلات در سطوح مختلف آسان، متوسط و سخت را در بر می‌گیرد تا توانایی‌های هوش مصنوعی در حل مسائل پیچیده و ساده‌تر سنجیده شود. هدف نهایی این است که با استفاده از این بنچمارک، توسعه‌دهندگان و پژوهشگران بتوانند پارامترهای عملکرد عوامل هوشمند خود را تحلیل و ارتقاء دهند.
با استفاده از این ابزار، تیم‌های فناوری اطلاعات و توسعه‌دهندگان می‌توانند به صورت دقیق‌تری مهارت و کارایی ربات‌ها و سیستم‌های هوشمند در مدیریت زیرساخت‌ها را ارزیابی کنند. این کار نه تنها میزان تطابق سیستم‌های هوشمند با نیازهای عملیاتی را نشان می‌دهد، بلکه بهبودهای لازم را در روند توسعه و پیاده‌سازی آنها مشخص می‌سازد. به طور کلی، "infra-bench" ابزاری اساسی برای پیشرفت و ارتقاء فناوری‌های هوش مصنوعی در حوزه مدیریت زیرساخت است.
#هوش_مصنوعی #زیرساخت #بنچمارک # Kubernetes
🟣لینک مقاله:
https://ku.bz/HG49twFgX
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
infra-bench: Benchmark for AI agents on infrastructure work
🟢 خلاصه مقاله:
در حوزه هوش مصنوعی، ارزیابی عملکرد عوامل هوشمند در انجام وظایف مربوط به زیرساخت‌ها اهمیت زیادی دارد. یکی از ابزارهای قدرتمند در این زمینه، مجموعه بنچمارک "infra-bench" است که به منظور ارزیابی توانایی‌های هوش مصنوعی در مدیریت وظایف زیرساختی طراحی شده است. این مجموعه آزمایش، قابلیت‌های عوامل هوشمند را در مواجهه با مسائل مختلف در محیط‌های عملیاتی واقعی می‌سنجد و در نتیجه، دیدی دقیق‌تر نسبت به عملکرد آنها فراهم می‌آورد.
پروژه "infra-bench" در قالب یک مجموعه آزمایش باز و متن‌باز در دسترس است و با تمرکز بر کارهای زیرساختی مرتبط با فناوری کانتینر و اورکد، نمونه‌هایی از داده‌های مرتبط با Kubernetes را ارائه می‌دهد. این مجموعه، مجموعه‌ای از مشکلات در سطوح مختلف آسان، متوسط و سخت را در بر می‌گیرد تا توانایی‌های هوش مصنوعی در حل مسائل پیچیده و ساده‌تر سنجیده شود. هدف نهایی این است که با استفاده از این بنچمارک، توسعه‌دهندگان و پژوهشگران بتوانند پارامترهای عملکرد عوامل هوشمند خود را تحلیل و ارتقاء دهند.
با استفاده از این ابزار، تیم‌های فناوری اطلاعات و توسعه‌دهندگان می‌توانند به صورت دقیق‌تری مهارت و کارایی ربات‌ها و سیستم‌های هوشمند در مدیریت زیرساخت‌ها را ارزیابی کنند. این کار نه تنها میزان تطابق سیستم‌های هوشمند با نیازهای عملیاتی را نشان می‌دهد، بلکه بهبودهای لازم را در روند توسعه و پیاده‌سازی آنها مشخص می‌سازد. به طور کلی، "infra-bench" ابزاری اساسی برای پیشرفت و ارتقاء فناوری‌های هوش مصنوعی در حوزه مدیریت زیرساخت است.
#هوش_مصنوعی #زیرساخت #بنچمارک # Kubernetes
🟣لینک مقاله:
https://ku.bz/HG49twFgX
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
GitHub
GitHub - kubeply/infra-bench: Real-world infrastructure tasks to evaluate AI agents, starting with Kubernetes.
Real-world infrastructure tasks to evaluate AI agents, starting with Kubernetes. - kubeply/infra-bench
🔵 عنوان مقاله
We Proved Multi-Cluster Kafka Works on Kubernetes… Here’s Everything we Learned
🟢 خلاصه مقاله:
ما ثابت کردیم که کافکا چندخوشه‌ای بر روی کبرنتس عملیاتی است و به طور مؤثری کار می‌کند. این پروژه چالش‌های زیادی داشت، اما با آزمایش‌ها و تجربه‌های مختلف، توانستیم نقایص و فرصت‌های بهبود را شناسایی کنیم. در طی فرآیند، فهمیدیم چگونه می‌توان عملکرد، پایداری و مقیاس‌پذیری کافکا را در محیط‌های چندخوشه‌ای به حداکثر رساند و از توانمندی‌های کبرنتس برای مدیریت این ساختارها بهره برد. این تجربیات ارزشمندی بودند که به توسعه زیرساخت‌های مقاوم و کارآمد کمک کردند و مسیر جدیدی برای استفاده از کافکا در محیط‌های توزیع‌شده هموار ساختند.
ما نشان دادیم که راه‌اندازی و مدیریت سیستم‌های کافکا چندخوشه‌ای در بستر کبرنتس امکان‌پذیر است و نتایج قابل قبولی در حوزه پایداری و کارایی به دست آوردیم. این موفقیت‌ها انگیزه‌ای قوی برای تیم‌ها و توسعه‌دهندگان ایجاد کرده است تا از این فناوری در پروژه‌های بزرگ بهره‌مند شوند و رشد سریع‌تری را تجربه کنند. با بهره‌گیری از این تجربیات، می‌توان به آینده‌ای پرتوان‌تر و کارآمدتر در مدیریت داده‌ها و پیام‌رسانی در بسترهای توزیع‌شده امیدوار بود.
#کافکا #کبرنتس #پردازش داده #مدیریت سیستم
🟣لینک مقاله:
https://ku.bz/h_X-GXdB5
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
We Proved Multi-Cluster Kafka Works on Kubernetes… Here’s Everything we Learned
🟢 خلاصه مقاله:
ما ثابت کردیم که کافکا چندخوشه‌ای بر روی کبرنتس عملیاتی است و به طور مؤثری کار می‌کند. این پروژه چالش‌های زیادی داشت، اما با آزمایش‌ها و تجربه‌های مختلف، توانستیم نقایص و فرصت‌های بهبود را شناسایی کنیم. در طی فرآیند، فهمیدیم چگونه می‌توان عملکرد، پایداری و مقیاس‌پذیری کافکا را در محیط‌های چندخوشه‌ای به حداکثر رساند و از توانمندی‌های کبرنتس برای مدیریت این ساختارها بهره برد. این تجربیات ارزشمندی بودند که به توسعه زیرساخت‌های مقاوم و کارآمد کمک کردند و مسیر جدیدی برای استفاده از کافکا در محیط‌های توزیع‌شده هموار ساختند.
ما نشان دادیم که راه‌اندازی و مدیریت سیستم‌های کافکا چندخوشه‌ای در بستر کبرنتس امکان‌پذیر است و نتایج قابل قبولی در حوزه پایداری و کارایی به دست آوردیم. این موفقیت‌ها انگیزه‌ای قوی برای تیم‌ها و توسعه‌دهندگان ایجاد کرده است تا از این فناوری در پروژه‌های بزرگ بهره‌مند شوند و رشد سریع‌تری را تجربه کنند. با بهره‌گیری از این تجربیات، می‌توان به آینده‌ای پرتوان‌تر و کارآمدتر در مدیریت داده‌ها و پیام‌رسانی در بسترهای توزیع‌شده امیدوار بود.
#کافکا #کبرنتس #پردازش داده #مدیریت سیستم
🟣لینک مقاله:
https://ku.bz/h_X-GXdB5
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Medium
We Proved Multi-Cluster Kafka Works on Kubernetes… Here’s Everything we Learned
tl;dr: We built a working prototype of Apache Kafka distributed across three independent Kubernetes clusters using Strimzi, Submariner, and…
🔵 عنوان مقاله
Beszel (GitHub Repo)
🟢 خلاصه مقاله:
بسل یک پلتفرم نظارت بر سرورهای سبک‌وزن است که به طور خاص برای نظارت بر عملکرد و وضعیت سرورها طراحی شده است. این سامانه امکانات متعددی نظیر نمایش آمار مربوط به داکر، تاریخچه داده‌ها و همچنین قابلیت‌های اعلان و هشدار را در اختیار کاربران قرار می‌دهد. رابط کاربری این سیستم، ساده و دوستانه است که باعث می‌شود کاربر به راحتی بتواند از امکانات آن بهره‌مند شود، بدون نیاز به تنظیمات پیچیده یا دانش فنی عمیق. به همین دلیل، بی‌درنگ می‌توان از این نرم‌افزار بهره برد و در مدت کوتاهی آن را راه‌اندازی کرد.
از دیگر ویژگی‌های برجسته بسل، پشتیبانی از بکاپ‌گیری خودکار، چند کاربره بودن، احراز هویت با استفاه از OAuth، و دسترسی به API است که امکانات گسترده‌ای برای شخصی‌سازی و ادغام با سایر سیستم‌ها فراهم می‌کند. این قابلیت‌ها، امنیت و انعطاف‌پذیری سیستم را افزایش می‌دهند و استفاده از آن را برای تیم‌های مختلف و در محیط‌های گوناگون ممکن می‌سازند.
در مجموع، بسل یک راه‌حل کامل و کاربرپسند است که به مدیران سرور و تیم‌های فناوری اطلاعات کمک می‌کند تا عملکرد و سلامت زیرساخت‌های خود را به راحتی و با اطمینان کنترل و مدیریت کنند. این ابزار قدرتمند، تمامی نیازهای پیشرفته نظارتی را در قالبی سبک و قابل اعتماد فراهم می‌آورد و آماده بهره‌برداری سریع است.
#نظارت_سرور #مدیریت_پایگاه_داده #امنیت_سیستم #ابزارهای_مدیریتی
🟣لینک مقاله:
https://github.com/henrygd/beszel?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Beszel (GitHub Repo)
🟢 خلاصه مقاله:
بسل یک پلتفرم نظارت بر سرورهای سبک‌وزن است که به طور خاص برای نظارت بر عملکرد و وضعیت سرورها طراحی شده است. این سامانه امکانات متعددی نظیر نمایش آمار مربوط به داکر، تاریخچه داده‌ها و همچنین قابلیت‌های اعلان و هشدار را در اختیار کاربران قرار می‌دهد. رابط کاربری این سیستم، ساده و دوستانه است که باعث می‌شود کاربر به راحتی بتواند از امکانات آن بهره‌مند شود، بدون نیاز به تنظیمات پیچیده یا دانش فنی عمیق. به همین دلیل، بی‌درنگ می‌توان از این نرم‌افزار بهره برد و در مدت کوتاهی آن را راه‌اندازی کرد.
از دیگر ویژگی‌های برجسته بسل، پشتیبانی از بکاپ‌گیری خودکار، چند کاربره بودن، احراز هویت با استفاه از OAuth، و دسترسی به API است که امکانات گسترده‌ای برای شخصی‌سازی و ادغام با سایر سیستم‌ها فراهم می‌کند. این قابلیت‌ها، امنیت و انعطاف‌پذیری سیستم را افزایش می‌دهند و استفاده از آن را برای تیم‌های مختلف و در محیط‌های گوناگون ممکن می‌سازند.
در مجموع، بسل یک راه‌حل کامل و کاربرپسند است که به مدیران سرور و تیم‌های فناوری اطلاعات کمک می‌کند تا عملکرد و سلامت زیرساخت‌های خود را به راحتی و با اطمینان کنترل و مدیریت کنند. این ابزار قدرتمند، تمامی نیازهای پیشرفته نظارتی را در قالبی سبک و قابل اعتماد فراهم می‌آورد و آماده بهره‌برداری سریع است.
#نظارت_سرور #مدیریت_پایگاه_داده #امنیت_سیستم #ابزارهای_مدیریتی
🟣لینک مقاله:
https://github.com/henrygd/beszel?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
GitHub
GitHub - henrygd/beszel: Lightweight server monitoring with historical data, docker stats, and alerts.
Lightweight server monitoring with historical data, docker stats, and alerts. - henrygd/beszel
🔵 عنوان مقاله
Kubernetes v1.36: Pod-Level Resource Managers
🟢 خلاصه مقاله:
در نسخه جدید کبرنتیس 1.36، قابلیت جدیدی ارائه شده است که به مدیران سیستم اجازه می‌دهد کنترل بیشتری بر تخصیص منابع در سطح پود داشته باشند. این نسخه بهبود قابل توجهی در نحوه مدیریت منابع CPU و حافظه در داخل پودها به وجود آورده است، به طوری که در گذشته این فرآیند محدود و کمتر انعطاف‌پذیر بود. اکنون، با این قابلیت جدید، کانتینر اصلی پود می‌تواند به صورت انحصاری از هسته‌های CPU منطبق بر معماری NUMA بهره‌مند شود، در حالی که کانتینرهای جانبی (sidecars) به اشتراک‌گذاری منابع باقی‌مانده می‌پردازند. این تغییر، امکان بهینه‌سازی عملکرد و بهره‌وری منابع سیستم، مخصوصاً در محیط‌های بارکاری سنگین و پیچیده، را فراهم می‌کند.
در این نسخه، مدیران سیستم می‌توانند با تنظیمات دقیق‌تری، کنترل کنند که هر پود چه مقدار منابع CPU و حافظه اختصاص دهد، و بر اساس نیازهای برنامه‌های مختلف، توزیع منابع به صورت بهینه صورت گیرد. این قابلیت به خصوص در سرورها و زیرساخت‌های بزرگ، جایی که نیازمند مدیریت دقیق منابع هستیم، اهمیت زیادی دارد و می‌تواند کارایی کلی سیستم را به طور قابل توجهی افزایش دهد.
کلام آخر اینکه، این به‌روزرسانی، قدم بزرگی در جهت بهبود مدیریت منابع در کبرنتیس است و به توسعه‌دهندگان و مدیران سیستم امکان می‌دهد برنامه‌های خود را با کارایی بسیار بالاتر و انعطاف‌پذیری بهتر اجرا کنند. بهره‌برداری از این ویژگی جدید، نیازمند آشنایی دقیق با تنظیمات و پارامترهای مربوطه است تا بهترین بهره‌وری حاصل گردد.
#کبرنتیس #مدیریت_منابع #پود #توسعه_پایدار
🟣لینک مقاله:
https://ku.bz/zXsfljslJ
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Kubernetes v1.36: Pod-Level Resource Managers
🟢 خلاصه مقاله:
در نسخه جدید کبرنتیس 1.36، قابلیت جدیدی ارائه شده است که به مدیران سیستم اجازه می‌دهد کنترل بیشتری بر تخصیص منابع در سطح پود داشته باشند. این نسخه بهبود قابل توجهی در نحوه مدیریت منابع CPU و حافظه در داخل پودها به وجود آورده است، به طوری که در گذشته این فرآیند محدود و کمتر انعطاف‌پذیر بود. اکنون، با این قابلیت جدید، کانتینر اصلی پود می‌تواند به صورت انحصاری از هسته‌های CPU منطبق بر معماری NUMA بهره‌مند شود، در حالی که کانتینرهای جانبی (sidecars) به اشتراک‌گذاری منابع باقی‌مانده می‌پردازند. این تغییر، امکان بهینه‌سازی عملکرد و بهره‌وری منابع سیستم، مخصوصاً در محیط‌های بارکاری سنگین و پیچیده، را فراهم می‌کند.
در این نسخه، مدیران سیستم می‌توانند با تنظیمات دقیق‌تری، کنترل کنند که هر پود چه مقدار منابع CPU و حافظه اختصاص دهد، و بر اساس نیازهای برنامه‌های مختلف، توزیع منابع به صورت بهینه صورت گیرد. این قابلیت به خصوص در سرورها و زیرساخت‌های بزرگ، جایی که نیازمند مدیریت دقیق منابع هستیم، اهمیت زیادی دارد و می‌تواند کارایی کلی سیستم را به طور قابل توجهی افزایش دهد.
کلام آخر اینکه، این به‌روزرسانی، قدم بزرگی در جهت بهبود مدیریت منابع در کبرنتیس است و به توسعه‌دهندگان و مدیران سیستم امکان می‌دهد برنامه‌های خود را با کارایی بسیار بالاتر و انعطاف‌پذیری بهتر اجرا کنند. بهره‌برداری از این ویژگی جدید، نیازمند آشنایی دقیق با تنظیمات و پارامترهای مربوطه است تا بهترین بهره‌وری حاصل گردد.
#کبرنتیس #مدیریت_منابع #پود #توسعه_پایدار
🟣لینک مقاله:
https://ku.bz/zXsfljslJ
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Kubernetes
Kubernetes v1.36: Pod-Level Resource Managers (Alpha)
Kubernetes v1.36 introduces Pod-Level Resource Managers as an alpha feature, bringing a more flexible and powerful resource management model to performance-sensitive workloads. This enhancement extends the kubelet's Topology, CPU, and Memory Managers to support…
🔵 عنوان مقاله
What Dependency Mocking Software Needs to Handle in a Cloud Native Architecture (4 minute read)
🟢 خلاصه مقاله:
در معماری‌های بومی ابری، ابزارهای شبیه‌سازی وابستگی سنتی یعنی آن دسته از ابزارهایی که برای تقلید و جایگزینی وابستگی‌های نرم‌افزاری طراحی شده‌اند، دچار مشکلات جدی می‌شوند. این سیستم‌ها معمولاً بر اساس فرضیات ثابت و مشخصات تعریف شده کار می‌کنند، اما در محیط‌های ابری، خدمات به صورت مستقل و جداگانه استقرار می‌یابند و تغییرات و انحراف‌های ظریف در عملکرد آنها ممکن است به راحتی شناسایی نشوند. بنابراین، ابزارهای مؤثر باید بتوانند رویدادهای استقرار را به درستی شناسایی و درک کنند، رفتار سیستم را بر اساس ترافیک واقعی و در حال اجرا ضبط و تحلیل نمایند، و همچنین به صورت خودکار fieldهای غیرقطعی و نامشخص را مدیریت کنند.
علاوه بر این، شبیه‌سازی وابستگی در این محیط‌ها باید توانایی نمایش تفاوت‌های میان خدمات مختلف را داشته باشد تا توسعه‌دهندگان بتوانند به تفاوت‌های پنهان و یا تغییرات غیرمنتظره در رفتارها پی ببرند. یکی از روش‌های پیشنهادی در این زمینه، استفاده از فناوری eBPF است که امکان ضبط ترافیک شبکه را به صورت مستقیم و کارآمد فراهم می‌کند. این فناوری به صورت بی‌واسطه، داده‌های شبکه را جمع‌آوری می‌کند و اطلاعات ارزشمندی درباره رفتار واقعی سیستم ارائه می‌دهد، که در نهایت منجر به بهبود دقت و قابلیت اطمینان ابزارهای شبیه‌سازی وابستگی می‌شود.
در نتیجه، برای موفقیت در پیاده‌سازی معماری‌های بومی ابری، نیاز است که ابزارهای شبیه‌سازی وابستگی نه تنها بر اساس استانداردهای سنتی عمل کنند، بلکه با فناوری‌های نوین و روش‌های هوشمند، محیط‌های پیچیده و پویا را زیر نظر داشته و مدیریت نمایند. این رویکرد‌ها کمک می‌کنند تا توسعه‌دهندگان بتوانند سیستم‌های مقیاس‌پذیر و مقاوم‌تری بسازند و از انحرافات و خطاهای ناشی از تغییرات ناگهانی در ساختار و رفتار خدمات جلوگیری کنند.
#معماری_ابری #شبیه‌سازی_وابستگی #eBPF #توسعه_نرم‌افزار
🟣لینک مقاله:
https://cloudnativenow.com/contributed-content/what-dependency-mocking-software-needs-to-handle-in-a-cloud-native-architecture/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
What Dependency Mocking Software Needs to Handle in a Cloud Native Architecture (4 minute read)
🟢 خلاصه مقاله:
در معماری‌های بومی ابری، ابزارهای شبیه‌سازی وابستگی سنتی یعنی آن دسته از ابزارهایی که برای تقلید و جایگزینی وابستگی‌های نرم‌افزاری طراحی شده‌اند، دچار مشکلات جدی می‌شوند. این سیستم‌ها معمولاً بر اساس فرضیات ثابت و مشخصات تعریف شده کار می‌کنند، اما در محیط‌های ابری، خدمات به صورت مستقل و جداگانه استقرار می‌یابند و تغییرات و انحراف‌های ظریف در عملکرد آنها ممکن است به راحتی شناسایی نشوند. بنابراین، ابزارهای مؤثر باید بتوانند رویدادهای استقرار را به درستی شناسایی و درک کنند، رفتار سیستم را بر اساس ترافیک واقعی و در حال اجرا ضبط و تحلیل نمایند، و همچنین به صورت خودکار fieldهای غیرقطعی و نامشخص را مدیریت کنند.
علاوه بر این، شبیه‌سازی وابستگی در این محیط‌ها باید توانایی نمایش تفاوت‌های میان خدمات مختلف را داشته باشد تا توسعه‌دهندگان بتوانند به تفاوت‌های پنهان و یا تغییرات غیرمنتظره در رفتارها پی ببرند. یکی از روش‌های پیشنهادی در این زمینه، استفاده از فناوری eBPF است که امکان ضبط ترافیک شبکه را به صورت مستقیم و کارآمد فراهم می‌کند. این فناوری به صورت بی‌واسطه، داده‌های شبکه را جمع‌آوری می‌کند و اطلاعات ارزشمندی درباره رفتار واقعی سیستم ارائه می‌دهد، که در نهایت منجر به بهبود دقت و قابلیت اطمینان ابزارهای شبیه‌سازی وابستگی می‌شود.
در نتیجه، برای موفقیت در پیاده‌سازی معماری‌های بومی ابری، نیاز است که ابزارهای شبیه‌سازی وابستگی نه تنها بر اساس استانداردهای سنتی عمل کنند، بلکه با فناوری‌های نوین و روش‌های هوشمند، محیط‌های پیچیده و پویا را زیر نظر داشته و مدیریت نمایند. این رویکرد‌ها کمک می‌کنند تا توسعه‌دهندگان بتوانند سیستم‌های مقیاس‌پذیر و مقاوم‌تری بسازند و از انحرافات و خطاهای ناشی از تغییرات ناگهانی در ساختار و رفتار خدمات جلوگیری کنند.
#معماری_ابری #شبیه‌سازی_وابستگی #eBPF #توسعه_نرم‌افزار
🟣لینک مقاله:
https://cloudnativenow.com/contributed-content/what-dependency-mocking-software-needs-to-handle-in-a-cloud-native-architecture/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Cloud Native Now
What Dependency Mocking Software Needs to Handle in a Cloud Native Architecture
Dependency mocking software must adapt to independent deployments, behavioral drift and rapidly changing services in cloud native environments.
🔵 عنوان مقاله
Under the hood, off the hot path: How D1 scales to millions of databases (24 minute read)
🟢 خلاصه مقاله:
در عمق سیستم، خارج از مسیر اصلی: چگونه D1 به میلیون‌ها بانک اطلاعاتی می‌رسد
شرکت کلودفلر توانسته است کنترل‌پلان D1 را تا حدی توسعه دهد که بتواند مدیریت میلیون‌ها پایگاه داده مبتنی بر SQLite را بر عهده داشته باشد، در حالی که پردازش‌های مرکزی حساس در مسیر اصلی اجرای درخواست‌ها قرار نگیرد. یکی از کلیدهای موفقیت در این کار، استفاده هوشمندانه از متاداده‌های مسیریابی توزیع‌شده است که در هر درخواست، این بخش‌ها مستقل و بدون ایجاد اختلال در مسیر اصلی، مسیر را هدایت می‌کنند. علاوه بر این، اتصالات پستگرس تجمیع‌شده در مخزن، محاسبات تجمعی پیش‌محاسبه‌شده و فرآیندهای پس‌زمینه‌ای ایمن در تکرار، باعث کاهش موانع و کندی‌ها در هنگام رشد تعداد بانک‌های اطلاعاتی می‌شوند.
این راهکارها امکان توسعه و نگهداری مقیاس‌پذیر سیستم‌های پایگاه داده را فراهم می‌کنند و نمونه‌ای ارزشمند از چگونگی مدیریت حجم عظیم داده‌ها در بستر فضای ابری است، که در عین حال کارایی و پاسخگویی سریع را حفظ می‌کند.
#پایگاه_داده #کلود_فلوئر #مقیاس‌پذیری #فناوری
🟣لینک مقاله:
https://blog.cloudflare.com/d1-control-plane/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Under the hood, off the hot path: How D1 scales to millions of databases (24 minute read)
🟢 خلاصه مقاله:
در عمق سیستم، خارج از مسیر اصلی: چگونه D1 به میلیون‌ها بانک اطلاعاتی می‌رسد
شرکت کلودفلر توانسته است کنترل‌پلان D1 را تا حدی توسعه دهد که بتواند مدیریت میلیون‌ها پایگاه داده مبتنی بر SQLite را بر عهده داشته باشد، در حالی که پردازش‌های مرکزی حساس در مسیر اصلی اجرای درخواست‌ها قرار نگیرد. یکی از کلیدهای موفقیت در این کار، استفاده هوشمندانه از متاداده‌های مسیریابی توزیع‌شده است که در هر درخواست، این بخش‌ها مستقل و بدون ایجاد اختلال در مسیر اصلی، مسیر را هدایت می‌کنند. علاوه بر این، اتصالات پستگرس تجمیع‌شده در مخزن، محاسبات تجمعی پیش‌محاسبه‌شده و فرآیندهای پس‌زمینه‌ای ایمن در تکرار، باعث کاهش موانع و کندی‌ها در هنگام رشد تعداد بانک‌های اطلاعاتی می‌شوند.
این راهکارها امکان توسعه و نگهداری مقیاس‌پذیر سیستم‌های پایگاه داده را فراهم می‌کنند و نمونه‌ای ارزشمند از چگونگی مدیریت حجم عظیم داده‌ها در بستر فضای ابری است، که در عین حال کارایی و پاسخگویی سریع را حفظ می‌کند.
#پایگاه_داده #کلود_فلوئر #مقیاس‌پذیری #فناوری
🟣لینک مقاله:
https://blog.cloudflare.com/d1-control-plane/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Cloudflare Blog
Under the hood, off the hot path: how D1 scales to millions of databases
A deep dive into how D1 architected its control plane to scale and manage millions of databases, while keeping data plane query operations at the edge. We share guiding principles on how to build on the Developer Platform effectively.
🔵 عنوان مقاله
Your Docker Secrets Are Not Gone — They’re Just Hidden
🟢 خلاصه مقاله:
در دنیای کانتینرهای Docker، Secretهای شما هرگز ناپدید نمی‌شوند؛ بلکه تنها مخفی شده‌اند. این آموزش نشان می‌دهد چگونه می‌توان یک تصویر Docker ساخت که شامل یک راز است، و پس از حذف آن راز از ساختار تصویر، همچنان در لایه‌های قبلی باقی می‌ماند. در ادامه، روش بررسی و استخراج این Secret از طریق دستورات Docker history، ابزار jq و tar را آموزش می‌دهد.
در ابتدا، یک تصویر Docker ساخته می‌شود که در آن یک فایل حاوی راز قرار دارد. پس از این که فایل را از ساختار تصویر حذف کردید، راز هنوز در لایه‌های قبلی تصویر موجود است، و به راحتی می‌توان آن را بازگرداند. این نشان می‌دهد که حذف مستقیم فایل در تصویر، به معنای حذف کامل آن نیست؛ بلکه صرفاً از دید کاربر نهایی پنهان می‌شود، و داده‌های حساس همچنان در لایه‌های قدیمی‌تر به صورت مخفی باقی می‌مانند.
روش کار این است که با استفاده از دستورات Docker می‌توانید لایه‌های مختلف تصویر را بررسی کنید و هر چیزی که قبلاً در آن قرار داشت را استخراج کنید. ابزار jq برای پردازش JSONهای خروجی و tar برای استخراج فایل‌های فشرده، ابزارهای مفیدی هستند که به شما امکان می‌دهند رازهای پنهان شده در لایه‌های قبلی را کشف و بازیابی کنید. بنابراین، باید مراقب باشید و هرگز رازهای حساس را در تصاویر Docker به صورت مستقیم قرار ندهید.
در نتیجه، باید همواره اطمینان حاصل کنید که اسرار محرمانه در مکان امن‌تری نگهداری می‌شوند، چون ظاهر شدن در لایه‌های قبلی تصویر می‌تواند امنیت شما را به خطر اندازد. آموزش‌های این‌چنینی اهمیت زیادی در امنیت DevOps و مدیریت تصاویر Docker دارند، چرا که آنها نشان می‌دهند چگونه شاید با کوتاه‌ترین بی‌دقتی، داده‌های حساس شما فاش شوند.
#امنیت_Docker #حفاظت_رازها #DevOps #مدیریت_تصاویر
🟣لینک مقاله:
https://ku.bz/S8r6yFdbS
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Your Docker Secrets Are Not Gone — They’re Just Hidden
🟢 خلاصه مقاله:
در دنیای کانتینرهای Docker، Secretهای شما هرگز ناپدید نمی‌شوند؛ بلکه تنها مخفی شده‌اند. این آموزش نشان می‌دهد چگونه می‌توان یک تصویر Docker ساخت که شامل یک راز است، و پس از حذف آن راز از ساختار تصویر، همچنان در لایه‌های قبلی باقی می‌ماند. در ادامه، روش بررسی و استخراج این Secret از طریق دستورات Docker history، ابزار jq و tar را آموزش می‌دهد.
در ابتدا، یک تصویر Docker ساخته می‌شود که در آن یک فایل حاوی راز قرار دارد. پس از این که فایل را از ساختار تصویر حذف کردید، راز هنوز در لایه‌های قبلی تصویر موجود است، و به راحتی می‌توان آن را بازگرداند. این نشان می‌دهد که حذف مستقیم فایل در تصویر، به معنای حذف کامل آن نیست؛ بلکه صرفاً از دید کاربر نهایی پنهان می‌شود، و داده‌های حساس همچنان در لایه‌های قدیمی‌تر به صورت مخفی باقی می‌مانند.
روش کار این است که با استفاده از دستورات Docker می‌توانید لایه‌های مختلف تصویر را بررسی کنید و هر چیزی که قبلاً در آن قرار داشت را استخراج کنید. ابزار jq برای پردازش JSONهای خروجی و tar برای استخراج فایل‌های فشرده، ابزارهای مفیدی هستند که به شما امکان می‌دهند رازهای پنهان شده در لایه‌های قبلی را کشف و بازیابی کنید. بنابراین، باید مراقب باشید و هرگز رازهای حساس را در تصاویر Docker به صورت مستقیم قرار ندهید.
در نتیجه، باید همواره اطمینان حاصل کنید که اسرار محرمانه در مکان امن‌تری نگهداری می‌شوند، چون ظاهر شدن در لایه‌های قبلی تصویر می‌تواند امنیت شما را به خطر اندازد. آموزش‌های این‌چنینی اهمیت زیادی در امنیت DevOps و مدیریت تصاویر Docker دارند، چرا که آنها نشان می‌دهند چگونه شاید با کوتاه‌ترین بی‌دقتی، داده‌های حساس شما فاش شوند.
#امنیت_Docker #حفاظت_رازها #DevOps #مدیریت_تصاویر
🟣لینک مقاله:
https://ku.bz/S8r6yFdbS
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Medium
Your Docker Secrets Are Not Gone — They’re Just Hidden
Let me start with a scenario that I have seen happen more than once. A developer writes a Dockerfile, adds a secret to set something up…
🔵 عنوان مقاله
Amazon S3 is now available on the Vercel Marketplace and v0 by Vercel (4 minute read)
🟢 خلاصه مقاله:
در حال حاضر، توسعه‌دهندگان فعال در پلتفرم Vercel می‌توانند به راحتی و بدون نیاز به تنظیمات پیچیده، فضای ذخیره‌سازی Amazon S3 را مستقیماً از طریق بازارچه Vercel و نسخه v0 این شرکت تهیه کنند. این ابزار جدید، امکاناتی مانند S3 Tables و S3 Vectors را در اختیار کاربران قرار می‌دهد، که با یکپارچگی کامل و خودکار، فرآیند اتصال را بسیار ساده‌تر می‌کند. این ادغام نه تنها به توسعه‌دهندگان اجازه می‌دهد تا در سه حوزه عملکردهای مختلف، یعنی ذخیره‌سازی روزمره، تجزیه و تحلیل داده‌ها و هوش مصنوعی، از امکانات S3 بهره‌مند شوند، بلکه پرداخت‌ها نیز بر اساس نرخ‌های عادی Amazon S3 تنظیم شده و کاربران تنها بابت میزان منابع مصرفیشان هزینه می‌پردازند. همچنین، حساب‌های AWS جدید که از طریق Vercel ساخته می‌شوند، به عنوان هدیه، ۱۰۰ دلار اعتبارات رایگان دریافت می‌کنند که برای مدت شش ماه معتبر است و فرصت مناسبی است تا توسعه‌دهندگان بتوانند بدون نگرانی از هزینه، پروژه‌های خود را توسعه دهند و آزمایش کنند.
#ابر_خصوصی #ذخیره‌سازی_هوشمند #توسعه_وب #هوش_مصنوعی
🟣لینک مقاله:
https://aws.amazon.com/blogs/aws/amazon-s3-vercel-marketplace-v0/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Amazon S3 is now available on the Vercel Marketplace and v0 by Vercel (4 minute read)
🟢 خلاصه مقاله:
در حال حاضر، توسعه‌دهندگان فعال در پلتفرم Vercel می‌توانند به راحتی و بدون نیاز به تنظیمات پیچیده، فضای ذخیره‌سازی Amazon S3 را مستقیماً از طریق بازارچه Vercel و نسخه v0 این شرکت تهیه کنند. این ابزار جدید، امکاناتی مانند S3 Tables و S3 Vectors را در اختیار کاربران قرار می‌دهد، که با یکپارچگی کامل و خودکار، فرآیند اتصال را بسیار ساده‌تر می‌کند. این ادغام نه تنها به توسعه‌دهندگان اجازه می‌دهد تا در سه حوزه عملکردهای مختلف، یعنی ذخیره‌سازی روزمره، تجزیه و تحلیل داده‌ها و هوش مصنوعی، از امکانات S3 بهره‌مند شوند، بلکه پرداخت‌ها نیز بر اساس نرخ‌های عادی Amazon S3 تنظیم شده و کاربران تنها بابت میزان منابع مصرفیشان هزینه می‌پردازند. همچنین، حساب‌های AWS جدید که از طریق Vercel ساخته می‌شوند، به عنوان هدیه، ۱۰۰ دلار اعتبارات رایگان دریافت می‌کنند که برای مدت شش ماه معتبر است و فرصت مناسبی است تا توسعه‌دهندگان بتوانند بدون نگرانی از هزینه، پروژه‌های خود را توسعه دهند و آزمایش کنند.
#ابر_خصوصی #ذخیره‌سازی_هوشمند #توسعه_وب #هوش_مصنوعی
🟣لینک مقاله:
https://aws.amazon.com/blogs/aws/amazon-s3-vercel-marketplace-v0/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Amazon
Amazon S3 is now available on the Vercel Marketplace and v0 by Vercel | Amazon Web Services
Amazon Simple Storage Service (Amazon S3), including Amazon S3 Tables and Amazon S3 Vectors, is natively available on the Vercel Marketplace and v0 by Vercel.
🔵 عنوان مقاله
Dynamic AI Discovery & Runtime Security for AgentCore (8 minute read)
🟢 خلاصه مقاله:
در دنیای فناوری امروز، امنیت و شناسایی هوشمندانه دارایی‌های دیجیتال از اهمیت ویژه‌ای برخوردار است. شرکت‌ها به دنبال راهکارهای نوین و یکپارچه هستند که بتواند در زمان واقعی وضعیت امنیتی زیرساخت‌های ابری را بررسی و مدیریت کند. در این راستا، ابزارهای مبتنی بر هوش مصنوعی نقش کلیدی ایفا می‌کنند، زیرا توانایی تشخیص تهدیدات و آسیب‌پذیری‌ها را به طور خودکار دارند، و در عین حال، نظارت مستمر بر منابع و دستگاه‌های فعال در محیط‌های ابری را امکان‌پذیر می‌سازند.
در مقاله حاضر، به معرفی تلاقی فناوری‌های پیشرفته در زمینه امنیت هوشمند می‌پردازیم. شرکت "هدنس" با ادغام مدیریت موقعیت هوشمند AI و فایروال خود با سرویس Amazon Bedrock AgentCore Gateway، گامی مهم در مسیر خودکارسازی عملیات امنیتی برداشته است. این سیستم می‌تواند به صورت خودکار، تمامی عامل‌ها، ابزارها و منابع فعال در محیط‌های AWS را شناسایی کرده و فهرست‌بندی کند. بنابراین، مدیران سیستم نمی‌کوشند تا به صورت دستی دارایی‌های دیجیتال خود را بررسی و رصد کنند؛ بلکه این وظیفه بر عهده سیستم‌های هوشمند قرار می‌گیرد که با دقت و سرعت بالا، اطلاعات کامل و به‌روز را در اختیار مدیران قرار می‌دهند.
این فرآیند اتوماسیون، علاوه بر صرفه‌جویی در زمان و هزینه، سطح امنیت کلی زیرساخت‌های ابری را نیز افزایش می‌دهد. با داشتن دیدگاهی جامع و به‌روز نسبت به دارایی‌ها و نقاط ضعف احتمالی، تیم‌های امنیتی می‌توانند سریع‌تر واکنش نشان دهند و علیه تهدیدات جدید آماده شوند. نتیجه نهایی، محیطی امن‌تر و پاسخگوتر است که فناوری‌های نوین هوشمند آن را پشتیبانی می‌کنند، و سازمان‌ها را در رقابت‌های دیجیتال برتر می‌سازند.
در نهایت، بهره‌مندی از فناوری‌های پیشرفته و یکپارچه‌سازی آنها با سرویس‌های ابری، آینده‌ای مطمئن و پویا برای شرکت‌ها رقم خواهد زد؛ آینده‌ای که امنیت، کارایی و هوشمندی در کنار هم قرار گرفته است.
#امنیت_سایبری #هوش‌مصنوعی #AWS #مدیریت_دارایی
🟣لینک مقاله:
https://www.harness.io/blog/harness-brings-dynamic-ai-discovery-and-runtime-security-to-amazon-bedrock-agentcore-gateway?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Dynamic AI Discovery & Runtime Security for AgentCore (8 minute read)
🟢 خلاصه مقاله:
در دنیای فناوری امروز، امنیت و شناسایی هوشمندانه دارایی‌های دیجیتال از اهمیت ویژه‌ای برخوردار است. شرکت‌ها به دنبال راهکارهای نوین و یکپارچه هستند که بتواند در زمان واقعی وضعیت امنیتی زیرساخت‌های ابری را بررسی و مدیریت کند. در این راستا، ابزارهای مبتنی بر هوش مصنوعی نقش کلیدی ایفا می‌کنند، زیرا توانایی تشخیص تهدیدات و آسیب‌پذیری‌ها را به طور خودکار دارند، و در عین حال، نظارت مستمر بر منابع و دستگاه‌های فعال در محیط‌های ابری را امکان‌پذیر می‌سازند.
در مقاله حاضر، به معرفی تلاقی فناوری‌های پیشرفته در زمینه امنیت هوشمند می‌پردازیم. شرکت "هدنس" با ادغام مدیریت موقعیت هوشمند AI و فایروال خود با سرویس Amazon Bedrock AgentCore Gateway، گامی مهم در مسیر خودکارسازی عملیات امنیتی برداشته است. این سیستم می‌تواند به صورت خودکار، تمامی عامل‌ها، ابزارها و منابع فعال در محیط‌های AWS را شناسایی کرده و فهرست‌بندی کند. بنابراین، مدیران سیستم نمی‌کوشند تا به صورت دستی دارایی‌های دیجیتال خود را بررسی و رصد کنند؛ بلکه این وظیفه بر عهده سیستم‌های هوشمند قرار می‌گیرد که با دقت و سرعت بالا، اطلاعات کامل و به‌روز را در اختیار مدیران قرار می‌دهند.
این فرآیند اتوماسیون، علاوه بر صرفه‌جویی در زمان و هزینه، سطح امنیت کلی زیرساخت‌های ابری را نیز افزایش می‌دهد. با داشتن دیدگاهی جامع و به‌روز نسبت به دارایی‌ها و نقاط ضعف احتمالی، تیم‌های امنیتی می‌توانند سریع‌تر واکنش نشان دهند و علیه تهدیدات جدید آماده شوند. نتیجه نهایی، محیطی امن‌تر و پاسخگوتر است که فناوری‌های نوین هوشمند آن را پشتیبانی می‌کنند، و سازمان‌ها را در رقابت‌های دیجیتال برتر می‌سازند.
در نهایت، بهره‌مندی از فناوری‌های پیشرفته و یکپارچه‌سازی آنها با سرویس‌های ابری، آینده‌ای مطمئن و پویا برای شرکت‌ها رقم خواهد زد؛ آینده‌ای که امنیت، کارایی و هوشمندی در کنار هم قرار گرفته است.
#امنیت_سایبری #هوش‌مصنوعی #AWS #مدیریت_دارایی
🟣لینک مقاله:
https://www.harness.io/blog/harness-brings-dynamic-ai-discovery-and-runtime-security-to-amazon-bedrock-agentcore-gateway?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Harness.io
Dynamic AI Discovery & Runtime Security for AgentCore
New integration gives security teams continuous visibility and real-time threat detection across agent interactions on AWS | Blog
🔵 عنوان مقاله
Frontier security AI, compressed to run on prem (Sponsor)
🟢 خلاصه مقاله:
در دنیای امنیت مرزی، هوش مصنوعی نقش بسیار حیاتی و رو به رشدی ایفا می‌کند. شرکت Aikido با توسعه مدل پردازش هوشمند به نام Altar، قدمی مهم در این مسیر برداشته است. این مدل، که در دسته مدل‌های آزاد و بدون محدودیت وزن قرار دارد، توانسته است با حفظ پوشش ۹۲ درصدی در برابر آسیب‌پذیری‌ها، حجم ساختارش را به تنها یک سوم نمونه‌های معمول کاهش دهد. هدف از این طراحی، فراهم کردن ابزاری قدرتمند و کارآمد است که به راحتی روی زیرساخت‌های محلی (On-Prem) قرار گیرد و نیازهای امنیتی را بدون وابستگی به فضای ابری برآورده کند.
این رویکرد، به سبب حجم کم و قدرت بالای مدل، امکان استقرار و بهره‌برداری سریع‌تر و مؤثرتر را در سناریوهای امنیتی مختلف فراهم می‌سازد. در نتیجه، هم نیازهای فنی و هم نگرانی‌های مربوط به حفظ حریم خصوصی و امنیت داده‌ها بیشتر برآورده می‌شود.
در نهایت، توسعه چنین فناوری‌های نوآورانه‌ای، گامی حیاتی در مسیر تقویت امنیت مرزی است، به‌ویژه در دنیایی که تهدیدها روز به روز پیچیده‌تر و متفاوت‌تر می‌شوند.
برای کسب اطلاعات بیشتر و آشنایی با این فناوری پیشرفته، توصیه می‌کنیم از منابع معتبر دیدن فرمایید.
#امنیت_مرزی #هوش_مصنوعی #مدل_پیشرفته #امنیت_اطلاعات
🟣لینک مقاله:
https://www.aikido.dev/blog/aikido-altar-open-weight-ai-sovereign-security?utm_source=TLDRdevops&utm_medium=newsletter&utm_campaign=quicklinks10142026
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Frontier security AI, compressed to run on prem (Sponsor)
🟢 خلاصه مقاله:
در دنیای امنیت مرزی، هوش مصنوعی نقش بسیار حیاتی و رو به رشدی ایفا می‌کند. شرکت Aikido با توسعه مدل پردازش هوشمند به نام Altar، قدمی مهم در این مسیر برداشته است. این مدل، که در دسته مدل‌های آزاد و بدون محدودیت وزن قرار دارد، توانسته است با حفظ پوشش ۹۲ درصدی در برابر آسیب‌پذیری‌ها، حجم ساختارش را به تنها یک سوم نمونه‌های معمول کاهش دهد. هدف از این طراحی، فراهم کردن ابزاری قدرتمند و کارآمد است که به راحتی روی زیرساخت‌های محلی (On-Prem) قرار گیرد و نیازهای امنیتی را بدون وابستگی به فضای ابری برآورده کند.
این رویکرد، به سبب حجم کم و قدرت بالای مدل، امکان استقرار و بهره‌برداری سریع‌تر و مؤثرتر را در سناریوهای امنیتی مختلف فراهم می‌سازد. در نتیجه، هم نیازهای فنی و هم نگرانی‌های مربوط به حفظ حریم خصوصی و امنیت داده‌ها بیشتر برآورده می‌شود.
در نهایت، توسعه چنین فناوری‌های نوآورانه‌ای، گامی حیاتی در مسیر تقویت امنیت مرزی است، به‌ویژه در دنیایی که تهدیدها روز به روز پیچیده‌تر و متفاوت‌تر می‌شوند.
برای کسب اطلاعات بیشتر و آشنایی با این فناوری پیشرفته، توصیه می‌کنیم از منابع معتبر دیدن فرمایید.
#امنیت_مرزی #هوش_مصنوعی #مدل_پیشرفته #امنیت_اطلاعات
🟣لینک مقاله:
https://www.aikido.dev/blog/aikido-altar-open-weight-ai-sovereign-security?utm_source=TLDRdevops&utm_medium=newsletter&utm_campaign=quicklinks10142026
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
www.aikido.dev
Aikido Altar: open-weight AI for sovereign security
Aikido Altar is a compressed, open-weight AI model built for sovereign security intelligence, powering Aikido Machine's on-prem, air-gapped pentesting.
🔵 عنوان مقاله
Sequences and Other Volatiles in Neki (12 minute read)
🟢 خلاصه مقاله:
در فرآیند توزیع درخواست‌های PostgreSQL بین shardها، به‌خصوص زمانی که توابع به زمان وابسته هستند یا مقادیر ترتیبی (sequence) تولید می‌کنند، مشکلاتی پیچیده بروز می‌کند. این چالش‌ها زمانی رخ می‌دهد که نیاز است روند تخصیص مقادیر ترتیبی به شکل صحیح و منسجم مدیریت شود تا بتوان عملکرد بانک اطلاعاتی را بهینه کرد، بدون اینکه نتیجه نهایی دچار خطا یا تداخل شود.
پروژه نکی با طراحی هوشمندانه‌ای که در کنار روتر خود دارد، به مدیریت تخصیص مقادیر ترتیبی کمک می‌کند و تضمین می‌دهد که چگونگی اجرای عبارات و دستورات در هر درخواست حفظ می‌شود. این سیستم از تکرار بی‌مورد مقادیر یا تغییرات ناخواسته در رفتار SQL جلوگیری می‌کند، به‌طوری که عملیات توزیع شده در سیستم‌های بزرگ و پیچیده، به شکل صحیح و بهینه ادامه یابد و همزمان از بروز خطاهای مربوط به تکرار یا همزمانی جلوگیری شود.
در نتیجه، نکی نه تنها فرآیند توزیع درخواست‌ها را ساده‌تر می‌کند، بلکه باعث حفظ یکنواختی و صحت مقادیر ترتیبی در توزیع داده‌ها می‌شود، و این اطمینان را می‌دهد که برنامه‌نویسان و مدیران پایگاه داده می‌توانند بدون نگرانی از مشکلات مربوط به مدیریت Sequence و توابع وابسته به زمان در سیستم‌های توزیع شده، فعالیت‌های خود را انجام دهند.
#پستگرسکل #توزیع_بار #پایگاه_داده #مدیریت_Sequence
🟣لینک مقاله:
https://planetscale.com/blog/neki-volatile-expressions?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Sequences and Other Volatiles in Neki (12 minute read)
🟢 خلاصه مقاله:
در فرآیند توزیع درخواست‌های PostgreSQL بین shardها، به‌خصوص زمانی که توابع به زمان وابسته هستند یا مقادیر ترتیبی (sequence) تولید می‌کنند، مشکلاتی پیچیده بروز می‌کند. این چالش‌ها زمانی رخ می‌دهد که نیاز است روند تخصیص مقادیر ترتیبی به شکل صحیح و منسجم مدیریت شود تا بتوان عملکرد بانک اطلاعاتی را بهینه کرد، بدون اینکه نتیجه نهایی دچار خطا یا تداخل شود.
پروژه نکی با طراحی هوشمندانه‌ای که در کنار روتر خود دارد، به مدیریت تخصیص مقادیر ترتیبی کمک می‌کند و تضمین می‌دهد که چگونگی اجرای عبارات و دستورات در هر درخواست حفظ می‌شود. این سیستم از تکرار بی‌مورد مقادیر یا تغییرات ناخواسته در رفتار SQL جلوگیری می‌کند، به‌طوری که عملیات توزیع شده در سیستم‌های بزرگ و پیچیده، به شکل صحیح و بهینه ادامه یابد و همزمان از بروز خطاهای مربوط به تکرار یا همزمانی جلوگیری شود.
در نتیجه، نکی نه تنها فرآیند توزیع درخواست‌ها را ساده‌تر می‌کند، بلکه باعث حفظ یکنواختی و صحت مقادیر ترتیبی در توزیع داده‌ها می‌شود، و این اطمینان را می‌دهد که برنامه‌نویسان و مدیران پایگاه داده می‌توانند بدون نگرانی از مشکلات مربوط به مدیریت Sequence و توابع وابسته به زمان در سیستم‌های توزیع شده، فعالیت‌های خود را انجام دهند.
#پستگرسکل #توزیع_بار #پایگاه_داده #مدیریت_Sequence
🟣لینک مقاله:
https://planetscale.com/blog/neki-volatile-expressions?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Planetscale
Sequences and other volatiles in Neki — PlanetScale
How Neki evaluates PostgreSQL volatile expressions with the right cardinality to preserve sequence semantics across shards.
🔵 عنوان مقاله
Improving Developer Productivity with New Relic AI (6 minute read)
🟢 خلاصه مقاله:
در دنیای توسعه‌دهندگان امروز، افزایش بهره‌وری و سرعت در فرآیندهای برنامه‌نویسی اهمیت بسیاری دارد. یکی از ابزارهای جدید و نوآورانه در این حوزه، فناوری هوشمندسازی است که به کمک هوش مصنوعی، فرآیندهای پیچیده را ساده‌تر و کارآمدتر می‌کند. در این مقاله، به بررسی نحوه بهبود بهره‌وری توسعه‌دهندگان با کمک ابزارهای نوین شرکت نریلیک، به ویژه هوش مصنوعی، خواهیم پرداخت.
در این سیستم، داده‌های تلماتری مرتبط با تولید محصولات نرم‌افزاری به صورت مستقیم و بلادرنگ به عوامل کدگذاری هوشمند منتقل می‌شود. این ارتباط از طریق پروتکل MCP انجام می‌گیرد، که نقش پل ارتباطی بین سیستم‌های زیرساختی و عوامل هوشمند را بر عهده دارد. نمونه‌هایی از این فرآیندها شامل گزارش‌های سلامت استقرار کد کلود، اندازه‌گیری مناسب منابع در Kiro، اقدامات مرتبط با کوپایلت برای کشف نواقص در سیستم‌های نظارتی، و همچنین عامل‌های پاسخ به حوادث است.
سرور MCP به عنوان هسته این سیستم، سه مهارت اصلی و چهارس ابزار متنوع را شامل می‌شود. این مهارت‌ها و ابزارها، توسعه‌دهندگان را در تشخیص سریع مسائل، ارزیابی وضعیت سامانه‌ها، و اجرای اقدامات اصلاحی یاری می‌کند. به عنوان مثال، گزارش‌های سلامت استقرار کد نشان می‌دهد که فرآیندهای توسعه در چه وضعیتی قرار دارند، در حالی که ابزار Kiro کمک می‌کند تا منابع سرور به شکل بهینه‌تری مدیریت شوند. همچنین، قابلیت‌های کوپایلت، دقیقا نواقص و فاصله‌های موجود در سیستم‌های نظارتی را شناسایی می‌کند تا توسعه‌دهندگان بتوانند سریع‌تر و دقیق‌تر نقاط ضعف را برطرف کنند. عامل‌های پاسخ به حوادث، به صورت خودکار و در زمان واقعی، واکنش نشان می‌دهند و فرآیند بازیابی سیستم را تسهیل می‌کنند.
در مجموع، ادغام این فناوری‌های پیشرفته در فرآیندهای توسعه نرم‌افزار، نه تنها سرعت عمل تیم‌های برنامه‌نویس را افزایش می‌دهد، بلکه کیفیت نهایى محصولات را نیز بهبود می‌بخشد و ریسک خطاها را کاهش می‌دهد. استفاده از هوش مصنوعی در این حوزه، سرآغاز دوره جدیدی در توسعه سیستم‌های نرم‌افزاری است که بهره‌وری و اطمینان‌پذیری را همزمان ارتقاء می‌دهد.
# توسعه_هوشمند # نریلیک # هوش_مصنوعی # بهره‌وری
🟣لینک مقاله:
https://newrelic.com/blog/news/improving-developer-productivity-with-new-relic-ai?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Improving Developer Productivity with New Relic AI (6 minute read)
🟢 خلاصه مقاله:
در دنیای توسعه‌دهندگان امروز، افزایش بهره‌وری و سرعت در فرآیندهای برنامه‌نویسی اهمیت بسیاری دارد. یکی از ابزارهای جدید و نوآورانه در این حوزه، فناوری هوشمندسازی است که به کمک هوش مصنوعی، فرآیندهای پیچیده را ساده‌تر و کارآمدتر می‌کند. در این مقاله، به بررسی نحوه بهبود بهره‌وری توسعه‌دهندگان با کمک ابزارهای نوین شرکت نریلیک، به ویژه هوش مصنوعی، خواهیم پرداخت.
در این سیستم، داده‌های تلماتری مرتبط با تولید محصولات نرم‌افزاری به صورت مستقیم و بلادرنگ به عوامل کدگذاری هوشمند منتقل می‌شود. این ارتباط از طریق پروتکل MCP انجام می‌گیرد، که نقش پل ارتباطی بین سیستم‌های زیرساختی و عوامل هوشمند را بر عهده دارد. نمونه‌هایی از این فرآیندها شامل گزارش‌های سلامت استقرار کد کلود، اندازه‌گیری مناسب منابع در Kiro، اقدامات مرتبط با کوپایلت برای کشف نواقص در سیستم‌های نظارتی، و همچنین عامل‌های پاسخ به حوادث است.
سرور MCP به عنوان هسته این سیستم، سه مهارت اصلی و چهارس ابزار متنوع را شامل می‌شود. این مهارت‌ها و ابزارها، توسعه‌دهندگان را در تشخیص سریع مسائل، ارزیابی وضعیت سامانه‌ها، و اجرای اقدامات اصلاحی یاری می‌کند. به عنوان مثال، گزارش‌های سلامت استقرار کد نشان می‌دهد که فرآیندهای توسعه در چه وضعیتی قرار دارند، در حالی که ابزار Kiro کمک می‌کند تا منابع سرور به شکل بهینه‌تری مدیریت شوند. همچنین، قابلیت‌های کوپایلت، دقیقا نواقص و فاصله‌های موجود در سیستم‌های نظارتی را شناسایی می‌کند تا توسعه‌دهندگان بتوانند سریع‌تر و دقیق‌تر نقاط ضعف را برطرف کنند. عامل‌های پاسخ به حوادث، به صورت خودکار و در زمان واقعی، واکنش نشان می‌دهند و فرآیند بازیابی سیستم را تسهیل می‌کنند.
در مجموع، ادغام این فناوری‌های پیشرفته در فرآیندهای توسعه نرم‌افزار، نه تنها سرعت عمل تیم‌های برنامه‌نویس را افزایش می‌دهد، بلکه کیفیت نهایى محصولات را نیز بهبود می‌بخشد و ریسک خطاها را کاهش می‌دهد. استفاده از هوش مصنوعی در این حوزه، سرآغاز دوره جدیدی در توسعه سیستم‌های نرم‌افزاری است که بهره‌وری و اطمینان‌پذیری را همزمان ارتقاء می‌دهد.
# توسعه_هوشمند # نریلیک # هوش_مصنوعی # بهره‌وری
🟣لینک مقاله:
https://newrelic.com/blog/news/improving-developer-productivity-with-new-relic-ai?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
New Relic
Improving developer productivity with New Relic AI
Context switching is one of the biggest hidden costs in a developer's day. New Relic Ground Truth closes that gap by providing AI systems with trusted operational context from your production environment.
🔵 عنوان مقاله
My Home Server: Learning Networking, Security, DevSecOps, and Kubernetes
🟢 خلاصه مقاله:
در دنیای فناوری اطلاعات، کسب مهارت‌های عملی و گسترده اهمیت زیادی دارد. یکی از بهترین راه‌ها برای یادگیری جامع و عملی، راه‌اندازی سرور خانگی است که به شما امکان می‌دهد در حوزه‌های مختلفی مانند شبکه‌سازی، امنیت سایبری، DevSecOps و کبرنِتِس مهارت‌های خود را تقویت کنید. این سرور خانگی به عنوان یک آزمایشگاه شخصی، محیطی امن و قابل کنترل برای تجربه و تمرین مفاهیم پایه‌ای و پیشرفته است. با ساختن و مدیریت چنین سروری، علاوه بر یادگیری تئوری، مهارت‌های عملی را نیز در کنار هم توسعه می‌دهید که در دنیای واقعی بسیار ارزشمند خواهد بود.
در این مسیر، شما به مطالعه و پیاده‌سازی شبکه‌های کامپیوتری، پروتکل‌های ارتباطی و تنظیمات امنیتی خواهید پرداخت. همچنین، با مفاهیم امنیت سایبری و نحوه محافظت از سیستم‌ها در برابر تهدیدهای مختلف آشنا خواهید شد. آموزش مفاهیم DevSecOps به شما کمک می‌کند تا امنیت را در فرآیندهای توسعه نرم‌افزار ادغام کنید، چیزی که در فضای حرفه‌ای امروز بسیار اهمیت دارد. تمامی این موارد را با بهره‌گیری از کبرنِتِس، پلتفرمی قدرتمند برای مدیریت کانتینرها و اورکستراسیون، تمرین خواهید کرد.
ساختن و مدیریت سرور خانگی نه تنها مهارت‌های تخصصی شما را تقویت می‌کند، بلکه درک جامع‌تری از فناوری‌های مدرن را به شما می‌دهد. این فعالیت یک فرصت عالی برای توسعه حرفه‌ای است که می‌تواند مسیر شغلی شما را همراه با دانش فنی عمیق‌تر هموار سازد. پس اگر به دنبال توسعه مهارت‌های فناوری‌اطلاعات خود هستید، راه‌اندازی یک سرور خانگی یک قدم مهم و الهام‌بخش در مسیر شماست.
#شبکه_سازی #امنیت_سایبری #DevSecOps #کبرنِتِس
🟣لینک مقاله:
https://ku.bz/ZVqq7WZFk
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
My Home Server: Learning Networking, Security, DevSecOps, and Kubernetes
🟢 خلاصه مقاله:
در دنیای فناوری اطلاعات، کسب مهارت‌های عملی و گسترده اهمیت زیادی دارد. یکی از بهترین راه‌ها برای یادگیری جامع و عملی، راه‌اندازی سرور خانگی است که به شما امکان می‌دهد در حوزه‌های مختلفی مانند شبکه‌سازی، امنیت سایبری، DevSecOps و کبرنِتِس مهارت‌های خود را تقویت کنید. این سرور خانگی به عنوان یک آزمایشگاه شخصی، محیطی امن و قابل کنترل برای تجربه و تمرین مفاهیم پایه‌ای و پیشرفته است. با ساختن و مدیریت چنین سروری، علاوه بر یادگیری تئوری، مهارت‌های عملی را نیز در کنار هم توسعه می‌دهید که در دنیای واقعی بسیار ارزشمند خواهد بود.
در این مسیر، شما به مطالعه و پیاده‌سازی شبکه‌های کامپیوتری، پروتکل‌های ارتباطی و تنظیمات امنیتی خواهید پرداخت. همچنین، با مفاهیم امنیت سایبری و نحوه محافظت از سیستم‌ها در برابر تهدیدهای مختلف آشنا خواهید شد. آموزش مفاهیم DevSecOps به شما کمک می‌کند تا امنیت را در فرآیندهای توسعه نرم‌افزار ادغام کنید، چیزی که در فضای حرفه‌ای امروز بسیار اهمیت دارد. تمامی این موارد را با بهره‌گیری از کبرنِتِس، پلتفرمی قدرتمند برای مدیریت کانتینرها و اورکستراسیون، تمرین خواهید کرد.
ساختن و مدیریت سرور خانگی نه تنها مهارت‌های تخصصی شما را تقویت می‌کند، بلکه درک جامع‌تری از فناوری‌های مدرن را به شما می‌دهد. این فعالیت یک فرصت عالی برای توسعه حرفه‌ای است که می‌تواند مسیر شغلی شما را همراه با دانش فنی عمیق‌تر هموار سازد. پس اگر به دنبال توسعه مهارت‌های فناوری‌اطلاعات خود هستید، راه‌اندازی یک سرور خانگی یک قدم مهم و الهام‌بخش در مسیر شماست.
#شبکه_سازی #امنیت_سایبری #DevSecOps #کبرنِتِس
🟣لینک مقاله:
https://ku.bz/ZVqq7WZFk
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Medium
My Home Server: Learning Networking, Security, DevSecOps, and Kubernetes
Okay so boom, let’s make a home server/mini “data center”.
🔵 عنوان مقاله
obleth: Multi-Tenant AI Gateway for Shared GPUs
🟢 خلاصه مقاله:
اوپلث یک دروازه هوشمند چندمشتری برای هوش مصنوعی است که به طور منصفانه منابع GPU را میان کاربران مختلف تقسیم می‌کند. این پلتفرم امکان هدایت درخواست‌های سازگار با OpenAI به مدل‌های مناسب را فراهم می‌سازد، همچنین وظیفه راه‌اندازی وظایف Slurm را بر عهده دارد و مصرف هزینه و انرژی را پیگیری می‌کند. با استفاده از اوپلث، سازمان‌ها و تیم‌های پژوهشی می‌توانند به راحتی و کارآمدی از منابع هوش مصنوعی مشترک بهره‌مند شوند، بدون نگرانی درباره مدیریت منابع یا هزینه‌ها.
این سیستم با طراحی هوشمندانه‌اش، فرصت بهره‌برداری بهینه از ابزارهای مبتنی بر GPU را فراهم می‌کند و فرآیند مدیریت و توزیع منابع را بسیار ساده می‌سازد. در نتیجه، کاربران می‌توانند تمرکز خود را بر توسعه مدل‌ها و پروژه‌هایشان قرار دهند، در حالی که اوپلث وظایف فنی مربوط به ارائه منابع و هزینه‌های مرتبط را کنترل می‌کند. این راهکار نشان می‌دهد که چگونه می‌توان با بهره‌گیری از فناوری، بهره‌وری در پروژه‌های بزرگ هوش مصنوعی را افزایش داد و همزمان مصرف انرژی و هزینه‌ها را کاهش داد.
#هوش_مصنوعی #منابع_مشترک #مدیریت_پهنای_باند #پروژه‌های_پایدار
🟣لینک مقاله:
https://ku.bz/LYJ5D5wLh
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
obleth: Multi-Tenant AI Gateway for Shared GPUs
🟢 خلاصه مقاله:
اوپلث یک دروازه هوشمند چندمشتری برای هوش مصنوعی است که به طور منصفانه منابع GPU را میان کاربران مختلف تقسیم می‌کند. این پلتفرم امکان هدایت درخواست‌های سازگار با OpenAI به مدل‌های مناسب را فراهم می‌سازد، همچنین وظیفه راه‌اندازی وظایف Slurm را بر عهده دارد و مصرف هزینه و انرژی را پیگیری می‌کند. با استفاده از اوپلث، سازمان‌ها و تیم‌های پژوهشی می‌توانند به راحتی و کارآمدی از منابع هوش مصنوعی مشترک بهره‌مند شوند، بدون نگرانی درباره مدیریت منابع یا هزینه‌ها.
این سیستم با طراحی هوشمندانه‌اش، فرصت بهره‌برداری بهینه از ابزارهای مبتنی بر GPU را فراهم می‌کند و فرآیند مدیریت و توزیع منابع را بسیار ساده می‌سازد. در نتیجه، کاربران می‌توانند تمرکز خود را بر توسعه مدل‌ها و پروژه‌هایشان قرار دهند، در حالی که اوپلث وظایف فنی مربوط به ارائه منابع و هزینه‌های مرتبط را کنترل می‌کند. این راهکار نشان می‌دهد که چگونه می‌توان با بهره‌گیری از فناوری، بهره‌وری در پروژه‌های بزرگ هوش مصنوعی را افزایش داد و همزمان مصرف انرژی و هزینه‌ها را کاهش داد.
#هوش_مصنوعی #منابع_مشترک #مدیریت_پهنای_باند #پروژه‌های_پایدار
🟣لینک مقاله:
https://ku.bz/LYJ5D5wLh
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
GitHub
GitHub - thediymaker/obleth-gateway: Obleth is a high performance, fairshare AI gateway designed to be placed between the load…
Obleth is a high performance, fairshare AI gateway designed to be placed between the load balancer and an upstream provider like openai, or a locally hosted openai compatible API. - thediymaker/obl...
🔵 عنوان مقاله
Atlassian and OpenAI expand their partnership (4 minute read)
🟢 خلاصه مقاله:
شرکت آتلسیان و OpenAI همکاری خود را گسترش دادند، با ادغام فناوری‌های جدید مانند GPT-6 Astra و سری GPT-5.6 در پلتفرم آتلسیان و همچنین رُوُو به همراه گراف تیم‌ورک. این همکاری نشان‌دهنده تمرکز هر دو شرکت بر بهره‌گیری از هوش مصنوعی برای بهبود روندهای کاری و افزایش بهره‌وری است. در حال حاضر، بیش از ۳۰۰۰ توسعه‌دهنده آتلسیان از کدکس استفاده می‌کنند و در آینده، ادغام‌های جدید امکان تخصیص وظایف مستقیم به عامل‌های هوشمند را فراهم می‌کند، که این امر تحولی در روش‌های مدیریت تیم و پروژه‌ها خواهد بود.
این توسعه‌ها نشان می‌دهد که همکاری میان آتلسیان و OpenAI به سمت آینده‌ای هوشمند و نوآورانه حرکت می‌کند، جایی که هوش مصنوعی نقش مهمی در سطح عملیاتی و استراتژیک تیم‌ها ایفا خواهد کرد. این ادغام‌ها نه تنها فرآیندهای کاری را ساده‌تر می‌کنند، بلکه قدرت تصمیم‌گیری و پاسخگویی سریع‌تر را نیز برای سازمان‌ها فراهم می‌نمایند. با این تحول، کسب‌وکارها و تیم‌ها می‌توانند از قابلیت‌های پیشرفته هوشمند بهره‌مند شوند و در مسیر رقابت باقی بمانند.
#هوش_مصنوعی #تکنولوژی #مدیریت_پروژه #نوآوری
🟣لینک مقاله:
https://openai.com/index/atlassian-partnership/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Atlassian and OpenAI expand their partnership (4 minute read)
🟢 خلاصه مقاله:
شرکت آتلسیان و OpenAI همکاری خود را گسترش دادند، با ادغام فناوری‌های جدید مانند GPT-6 Astra و سری GPT-5.6 در پلتفرم آتلسیان و همچنین رُوُو به همراه گراف تیم‌ورک. این همکاری نشان‌دهنده تمرکز هر دو شرکت بر بهره‌گیری از هوش مصنوعی برای بهبود روندهای کاری و افزایش بهره‌وری است. در حال حاضر، بیش از ۳۰۰۰ توسعه‌دهنده آتلسیان از کدکس استفاده می‌کنند و در آینده، ادغام‌های جدید امکان تخصیص وظایف مستقیم به عامل‌های هوشمند را فراهم می‌کند، که این امر تحولی در روش‌های مدیریت تیم و پروژه‌ها خواهد بود.
این توسعه‌ها نشان می‌دهد که همکاری میان آتلسیان و OpenAI به سمت آینده‌ای هوشمند و نوآورانه حرکت می‌کند، جایی که هوش مصنوعی نقش مهمی در سطح عملیاتی و استراتژیک تیم‌ها ایفا خواهد کرد. این ادغام‌ها نه تنها فرآیندهای کاری را ساده‌تر می‌کنند، بلکه قدرت تصمیم‌گیری و پاسخگویی سریع‌تر را نیز برای سازمان‌ها فراهم می‌نمایند. با این تحول، کسب‌وکارها و تیم‌ها می‌توانند از قابلیت‌های پیشرفته هوشمند بهره‌مند شوند و در مسیر رقابت باقی بمانند.
#هوش_مصنوعی #تکنولوژی #مدیریت_پروژه #نوآوری
🟣لینک مقاله:
https://openai.com/index/atlassian-partnership/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
OpenAI
Atlassian and OpenAI expand partnership to turn enterprise knowledge into action
Atlassian and OpenAI are expanding their partnership to connect frontier models with enterprise knowledge and help teams plan, build, and deliver work.
🔵 عنوان مقاله
Exploiting RCE vulnerabilities in ollama on Kubernetes
🟢 خلاصه مقاله:
در این آموزش، یک نسخه قدیمی و آسیب‌پذیر از نرم‌افزار Ollama را روی پلتفرم Kubernetes پیاده‌سازی می‌کنیم. هدف از این کار، شبیه‌سازی یک حمله واقعی از نوع اجرای کد از راه دور (RCE) است که به تصویر کشیدن جزئیات کامل فرآیند حمله می‌پردازد. پس از این مرحله، به بررسی راهکارهای تقویت امنیت و دفاع در برابر چنین آسیب‌پذیری‌هایی می‌پردازیم تا بتوانیم سیستم‌ها را در مقابل تهدیدات محافظت کنیم.
در ابتدا، نمونه‌ای از نسخه قدیمی و آسیب‌پذیر نرم‌افزار Ollama را روی محیط Kubernetes راه‌اندازی می‌کنیم. این نسخه، به دلیل ضعف‌های شناخته‌شده، امکان حمله‌های RCE را فراهم می‌کند و فرصتی مناسب برای مطالعه و آزمایش‌های امنیتی است. پس از نصب و پیکربندی، حمله واقعی از نوع اجرای کد از راه دور را انجام می‌دهیم، که به ما اجازه می‌دهد جوانب مختلف این حمله و روش‌های بهره‌برداری از ضعف‌ها را مشاهده کنیم.
در ادامه، lessons مربوط به تقویت امنیت و نکات برای جلوگیری از چنین آسیب‌پذیری‌هایی را بررسی می‌کنیم. این بخش، شامل پیشنهاداتی برای به‌روزرسانی نرم‌افزار، محدود کردن دسترسی‌ها، پیاده‌سازی سیاست‌های امنیتی و مراقبت‌های مستمر است که می‌تواند خطر بروز حملات مشابه را کاهش دهد و امنیت سیستم‌ها را بهبود بخشد.
در مجموع، این آموزش نه تنها نحوه‌ی انجام حمله را به طور کامل نشان می‌دهد، بلکه اهمیت به‌روزرسانی و امنیت نرم‌افزارهای حیاتی را نیز برای توسعه‌دهندگان و مدیران امنیت شبکه یادآوری می‌کند، تا سیستم‌ها در مقابل حملات مخرب مقاوم‌تر باشند.
#امنیت_سایبری #حملات_RCE #کوبنترس #تقویت_امنیت
🟣لینک مقاله:
https://ku.bz/4MsyD1J8x
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Exploiting RCE vulnerabilities in ollama on Kubernetes
🟢 خلاصه مقاله:
در این آموزش، یک نسخه قدیمی و آسیب‌پذیر از نرم‌افزار Ollama را روی پلتفرم Kubernetes پیاده‌سازی می‌کنیم. هدف از این کار، شبیه‌سازی یک حمله واقعی از نوع اجرای کد از راه دور (RCE) است که به تصویر کشیدن جزئیات کامل فرآیند حمله می‌پردازد. پس از این مرحله، به بررسی راهکارهای تقویت امنیت و دفاع در برابر چنین آسیب‌پذیری‌هایی می‌پردازیم تا بتوانیم سیستم‌ها را در مقابل تهدیدات محافظت کنیم.
در ابتدا، نمونه‌ای از نسخه قدیمی و آسیب‌پذیر نرم‌افزار Ollama را روی محیط Kubernetes راه‌اندازی می‌کنیم. این نسخه، به دلیل ضعف‌های شناخته‌شده، امکان حمله‌های RCE را فراهم می‌کند و فرصتی مناسب برای مطالعه و آزمایش‌های امنیتی است. پس از نصب و پیکربندی، حمله واقعی از نوع اجرای کد از راه دور را انجام می‌دهیم، که به ما اجازه می‌دهد جوانب مختلف این حمله و روش‌های بهره‌برداری از ضعف‌ها را مشاهده کنیم.
در ادامه، lessons مربوط به تقویت امنیت و نکات برای جلوگیری از چنین آسیب‌پذیری‌هایی را بررسی می‌کنیم. این بخش، شامل پیشنهاداتی برای به‌روزرسانی نرم‌افزار، محدود کردن دسترسی‌ها، پیاده‌سازی سیاست‌های امنیتی و مراقبت‌های مستمر است که می‌تواند خطر بروز حملات مشابه را کاهش دهد و امنیت سیستم‌ها را بهبود بخشد.
در مجموع، این آموزش نه تنها نحوه‌ی انجام حمله را به طور کامل نشان می‌دهد، بلکه اهمیت به‌روزرسانی و امنیت نرم‌افزارهای حیاتی را نیز برای توسعه‌دهندگان و مدیران امنیت شبکه یادآوری می‌کند، تا سیستم‌ها در مقابل حملات مخرب مقاوم‌تر باشند.
#امنیت_سایبری #حملات_RCE #کوبنترس #تقویت_امنیت
🟣لینک مقاله:
https://ku.bz/4MsyD1J8x
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Petr’s Blog
Exploiting RCE Vulnerabilities in Ollama on Kubernetes
Demonstrating the exploitation of CVE-2024-37032 and CVE-2024-45436 vulnerabilities in a containerized Ollama instance running on Kubernetes.