Telegram Web
Academy and Foundation unixmens | Your skills, Your future
مفهوم ارتقا و رشد پایدار چگونه انسان و ماشین در هم تنیده اند !؟؟ در واقع من دواپس هستم یا دواپس من !!؟ در فلسفهٔ هگل، فرایند دیالکتیکی از سه مرحله تشکیل می‌شود: 1. تز (Thesis) – گزاره یا ایدهٔ اولیه 2. آنتی‌تز (Antithesis) – نفی یا تقابل با ایدهٔ اولیه…
من دواپس هستم یا دواپس من ـ بخش دوم


تز (Thesis): انسانِ خالقِ ابزار

در آغاز، انسان است که ماشین و فرایند را می‌سازد.
در این مرحله، انسان در مقام سوژه و DevOps در مقام ابژه است.
او فرآیند را طراحی می‌کند، CI/CD می‌نویسد، زیرساخت می‌سازد، و خود را “صاحب سیستم” می‌داند.

> در این فاز، تفکر «من DevOps را کنترل می‌کنم» حاکم است.
(مانند مرحله‌ی کودکی آگاهی تکنولوژیک — انسان هنوز مرکز جهان است.)

۲. آنتی‌تز (Antithesis): ابزارِ خودآگاهِ سیستم‌ساز

اما با بلوغ سیستم‌ها، یادگیری ماشینی، و خودکارسازی مداوم، ابزار شروع می‌کند به یادگیری از رفتار انسان.
وPipelineها تصمیم می‌گیرند، سیستم‌ها بهینه‌سازی خودکار می‌کنند، Alertها تحلیل هوشمند می‌شوند.
در این مرحله، ماشین به بازتاب آگاهی انسان تبدیل می‌شود — تا آنجا که گاهی به‌جای او تصمیم می‌گیرد.

اینجا دیگر انسان نیست که DevOps را می‌سازد، بلکه DevOps است که انسان را شکل می‌دهد.
انسان در فرهنگ، زبان و تصمیم‌گیری DevOps بازتعریف می‌شود.
(در واقع: «من DevOps هستم یا DevOps من است؟» — تضاد آغاز می‌شود.)


۳. سنتز (Synthesis): هم‌زیستی دیالکتیکی — DevOps به مثابه آگاهی مشترک

در این مرحله، تضاد رفع (Aufgehoben) می‌شود:
نه انسان بر ماشین مسلط است، نه ماشین جای انسان را گرفته، بلکه هر دو در نظامی خودتکامل‌گر (Self-evolving system) به هم تنیده‌اند.

انسان خلاقیت، بینش و اخلاق را می‌آورد.

ماشین دقت، تداوم و خودبهبودی را


در اینجا، «DevOps» فقط یک نقش یا ابزار نیست، بلکه نقطه‌ی وحدت انسان و سیستم در مسیر رشد پایدار است.

> همان Aufhebung هگلی:
انسان و ماشین هر دو نفی می‌شوند (مرکزیت‌شان از بین می‌رود)،
جوهر هر دو حفظ می‌شود (خلاقیت و دقت)،
و در سطحی بالاتر ارتقا می‌یابند (سیستم خودآگاه و خودبهبودگر)


🔄 چرخهٔ دیالکتیکیِ تحول مداوم

در DevOps، این حرکت هیچ‌گاه متوقف نمی‌شود:
هر سنتز (مثلاً تحول از CI/CD به GitOps یا AIOps) خود تزِ مرحله‌ی بعد می‌شود.

در CMMI، Agile، Scrum و DevOps همگی در حقیقت حلقه‌های همین دیالکتیک‌اند:

CMMI = نظم و کنترل (تز)

Agile = آزادی و انعطاف (آنتی‌تز)

DevOps = سنتز میان کنترل و آزادی؛ نظم پویا و خودبهبودگر (Aufhebung)

💫 نتیجه: رشد پایدار = Aufhebungِ پیوستهٔ انسان و ماشین

رشد پایدار، یعنی هر دو — انسان و ماشین — در فرایند یادگیری متقابل،
هم نفی شوند، هم حفظ، و هم ارتقا یابند.
دیگر انسان کاربر سیستم نیست، بلکه هم‌زیِ سیستم است.
و سیستم دیگر ابزار نیست، بلکه آینهٔ آگاهی انسان است.

جمله‌ی نهایی (به زبان دیالکتیکی)

> در ابتدا، انسان DevOps را ساخت.
سپس DevOps انسان را بازتعریف کرد.
و در پایان، هر دو در Aufhebungِ مشترک، به «آگاهی تحول‌پذیر» بدل شدند.

این یعنی: «من DevOps هستم، و DevOps من است.»
#devops

مقاله بخش اول
The most common task facing system administrators is patching infrastructure. It's time consuming, it requires coordination with application teams and stakeholders, and it often must happen in segments over time. These complications make it difficult to maintain environmental consistency, which in turn can lead to instability, performance issues, and more time spent by operations staff. Using Red Hat Insights content templates to patch Red Hat Enterprise Linux (RHEL) helps limit the complexity of these activities while also increasing consistency across an IT estate.Define, instruct, and patch

via Red Hat Blog https://ift.tt/IZ5cHBq
Red Hat Brings Distributed AI Inference to Production AI Workloads with Red Hat AI 3Introducing Red Hat AI 3, a unified, open enterprise AI platform that enables distributed LLM inference with llm-d across hybrid environments and sets the stage for scalable agentic AI. Learn more SiliconANGLE - Red Hat AI 3 targets production inference and agentsRed Hat's Joe Fernandes discusses Red Hat AI 3, with enhancements across Red Hat AI Inference Server, Red Hat Enterprise Linux AI, and Red Hat OpenShift AI, into one platform. Learn more Beyond the model: Why intelligent infrastructure is the next A

via Red Hat Blog https://ift.tt/yjVXMgw
در دنیای امروز، توسعه تمدن دیگر تنها به رشد اقتصادی یا فناوری وابسته نیست، بلکه به «روح مشارکت جمعی» گره خورده است. این مقاله با نگاهی میان‌رشته‌ای میان جامعه‌شناسی، فلسفه و مهندسی نرم‌افزار، نشان می‌دهد که چگونه مفهوم مشارکت جمعی (Collective Collaboration) زیربنای تمدن مدرن است و چرا رویکردهایی مانند DevOps تجلی فناورانه‌ی همین روح مشارکت در جهان دیجیتال محسوب می‌شوند. در این چارچوب، DevOps نه فقط یک متدولوژی فنی، بلکه یک پارادایم فرهنگی–تمدنی است که بازتابی از بلوغ اجتماعی بشر در عصر دیجیتال به شمار می‌رود


مقدمه

تمدن انسانی از نخستین لحظه‌های شکل‌گیری خود، بر پایه‌ی تعامل، هم‌زیستی و همکاری بنا شده است. انسان‌های اولیه بدون همکاری جمعی قادر به بقا نبودند، و با گذر زمان، همین همکاری‌ها به شکل پیچیده‌تری در قالب تقسیم کار، ساختارهای اجتماعی و نهایتاً نظام‌های فناورانه بروز یافت.
اما در قرن بیست‌ویکم، با ظهور اتوماسیون، هوش مصنوعی و محیط‌های دیجیتال، ماهیت همکاری انسان‌ها دچار دگرگونی عمیقی شد. در این میان، مفهوم DevOps به عنوان روح تازه‌ی مشارکت در دنیای فناوری پدیدار شد؛ جایی که همکاری میان توسعه‌دهندگان (Developers) و عملیات (Operations) به الگویی از تعاملات انسانی تبدیل شد.

۲. روح مشارکت جمعی و تمدن

روح مشارکت جمعی را می‌توان نیروی حیاتی تمدن دانست. هر جامعه‌ای که این روح را از دست بدهد، دیر یا زود به فروپاشی اخلاقی، فرهنگی یا نهادی دچار خواهد شد.
به تعبیر امیل دورکیم، مشارکت جمعی نوعی «وجدان جمعی» است که اعضای جامعه را به یک کل منسجم تبدیل می‌کند. جامعه‌ای که افرادش تنها به منافع فردی فکر کنند، به تدریج پیوندهای خود را از دست می‌دهد و «نظم اجتماعی» در آن فرومی‌پاشد.

در جوامع مدرن نیز، همین روح در قالب کار تیمی (Team Working) تجلی یافته است. در واقع، تیم ورکینگ شکل عملی و روزمره‌ی همان وجدان جمعی است که در عرصه‌های اقتصادی و فناورانه بروز می‌کند.

۳.نقش DevOps به‌عنوان بازتاب تمدن فناورانه

در حقیقت DevOps در سطح فنی به دنبال حذف فاصله میان توسعه و عملیات است، اما در سطح فلسفی، در پی ایجاد یک فرهنگ مشترک و هم‌فهمی بین انسان‌هاست.
وDevOps با اصول CALMS (Culture, Automation, Lean, Measurement, Sharing) نشان می‌دهد که:

Culture (فرهنگ): بنیان هر همکاری است. بدون اعتماد و احترام متقابل، هیچ فرایندی پایدار نمی‌ماند.

Automation (خودکارسازی): نه برای حذف انسان، بلکه برای آزادسازی ظرفیت ذهنی انسان جهت خلاقیت.

Lean (چابکی): برای تمرکز بر ارزش واقعی و حذف اتلاف منابع.

Measurement (اندازه‌گیری): برای شفافیت و یادگیری از خطاها.

Sharing (اشتراک‌گذاری): برای ایجاد دانش جمعی و رشد متقابل.


این پنج اصل را می‌توان معادل پنج ستون تمدن مدرن دانست: فرهنگ، فناوری، بهره‌وری، خرد و هم‌دلی.

۴. از فردگرایی به هم‌زیستی فناورانه

یکی از آسیب‌های جامعه معاصر، غلبه‌ی فردگرایی افراطی است؛ حال آن‌که آینده‌ی بشر، در گرو بازگشت به روح جمعی است — البته نه به معنای از خود بیگانگی، بلکه در چارچوب هم‌زیستی آگاهانه با دیگران و با ماشین‌ها.
در این بستر، DevOps مدلی از «هم‌زیستی فناورانه» ارائه می‌دهد:
انسان و ماشین در چرخه‌ای مشترک از یادگیری، بهبود و تعامل شرکت می‌کنند. مهندسان با کد، پایپ‌لاین‌ها و داده‌ها در گفت‌وگویی دائمی با سیستم‌ها قرار دارند؛ گفت‌وگویی که در اصل، ادامه‌ی همان گفت‌وگوی انسان با انسان در بستر تکنولوژی است.

نقش DevOps به‌عنوان مدل تمدن دیجیتال

اگر تمدن سنتی بر محور کشاورزی، صنعت و اقتصاد فیزیکی استوار بود، تمدن دیجیتال بر محور اعتماد، شفافیت و همکاری فناورانه است.
در این تمدن، مرز میان نقش‌ها (developer / operator / security / business) فرو می‌ریزد و مفهوم جدیدی از مشارکت شکل می‌گیرد:

> «مشارکت تکنولوژیک» — جایی که انسان‌ها نه‌تنها برای خلق نرم‌افزار، بلکه برای خلق معنا و ارزش مشترک گرد هم می‌آیند.

از این منظر، DevOps را می‌توان صورت تکنولوژیک جامعه‌ی متمدن دانست؛ همان روح تمدن اما در پیکر ماشین‌ها و سیستم‌های ابری.

نتیجه‌گیری

جامعه‌ای که در آن روح مشارکت جمعی از میان رفته باشد، دیگر متمدن نیست؛ حتی اگر از نظر فناوری پیشرفته باشد. تمدن نه در ابزارها، بلکه در روابط میان انسان‌هاست.
در دنیای امروز، که همکاری انسان و ماشین به اوج خود رسیده، DevOps می‌تواند الگوی زنده‌ای از تمدن نوین باشد — تمدنی که بر پایه‌ی اعتماد، همکاری، یادگیری و بهبود مستمر بنا شده است.

> در یک جمله می‌توان گفت:
«در واقع DevOps روح مشارکت جمعی در عصر دیجیتال است؛ تداوم منطقی تمدن انسانی در جهان فناوری.»

منابع پیشنهادی برای مطالعه بیشتر

1. Durkheim, Émile. The Division of Labor in Society.
Media is too big
VIEW IN TELEGRAM
چطور it صنعت زنبورداری و بحران کشاورزی را حل کرد .
بواسطه تحلیل داده ها
#case #study #it
@unixmens
👍2
The energy efficiency of data centers and high-performance systems is becoming increasingly important. Energy costs can make up a substantial portion of the operating expenditure (OPEX) budget, potentially serving as a critical factor in the success or failure of a business. This article breaks down the issue of energy efficiency in modern server platforms, presenting tools and an example methodology for measuring power consumption and performance. As a case study, we present measurement results from two server platforms with different CPU architectures. We will emphasize network performance (

via Red Hat Blog https://ift.tt/eAuXN0f
مفهوم Social Care یا مراقبت اجتماعی، یا تامین اجتماعی ، یکی از دستاوردهای بزرگ تمدن مدرن است. این نظام‌ها نه‌تنها برای حمایت از اقشار آسیب‌پذیر طراحی شده‌اند، بلکه بیانگر بلوغ اخلاقی و همبستگی درونی جوامع‌اند. در واقع، Social Care تجسم عملی اصل انسان‌محور بودن سیاست است؛ یعنی جامعه نمی‌تواند از اعضایش انتظار کار، تولید یا تعهد داشته باشد، بدون آنکه در برابر آسیب‌ها، پیری، بیماری یا ناتوانی، از آن‌ها حمایت کن

۱. ریشه‌های فلسفی Social Care

ریشه‌ی فلسفی این نظام را باید در دو بستر جست‌وجو کرد:

انسان‌گرایی مدرن (Humanism) که پس از رنسانس، کرامت و ارزش ذاتی انسان را در مرکز تفکر سیاسی و اخلاقی قرار داد.


اندیشه‌ی قرارداد اجتماعی (Social Contract) از متفکرانی مانند ژان ژاک روسو و توماس هابز، که معتقد بودند دولت در برابر امنیت و رفاه شهروندان مسئول است.



از این منظر، Social Care نتیجه‌ی «پیمان اخلاقی دولت با مردم» است؛ یعنی جامعه باید به شکلی سازمان‌یافته از اعضایش در برابر ریسک‌های زندگی محافظت کند.

آغاز تاریخی: از آلمان تا فرانسه

نخستین ساختار مدرن Social Care در قرن نوزدهم میلادی توسط اتو فون بیسمارک، صدراعظم آلمان، بنیان‌گذاری شد.
در دهه‌ی ۱۸۸۰، بیسمارک سه نوع بیمه اجتماعی ایجاد کرد:

بیمه درمانی (Health Insurance)

بیمه حوادث کار (Accident Insurance)

بیمه بازنشستگی (Old-Age Pension)


هدف او، علاوه بر رفاه اجتماعی، ایجاد ثبات سیاسی و جلوگیری از شورش‌های کارگری بود.
سپس این مدل به فرانسه و بریتانیا انتقال یافت و در قرن بیستم، به‌ویژه پس از جنگ جهانی دوم، با ایجاد دولت رفاه (Welfare State) گسترش یافت.

در فرانسه، Social Care بخشی از هویت جمهوری شد:

«همه‌ی شهروندان حق دارند در برابر فقر، بیماری و بی‌عدالتی حمایت شوند.»
این اصل در قانون اساسی جمهوری چهارم فرانسه (۱۹۴۶) گنجانده شد.

فلسفه‌ی وجودی Social Care

وSocial Care فراتر از یک سیاست مالی یا رفاهی است؛ این نظام، ستون اخلاقی جامعه‌ی مدرن است.
اهداف اصلی آن عبارتند از:

برابری فرصت‌ها: هیچ‌کس نباید صرفاً به‌دلیل فقر از آموزش، درمان یا زندگی شایسته محروم شود.

امنیت روانی و اجتماعی: شهروندی که احساس امنیت کند، بازدهی و تعهد بیشتری به جامعه دارد.

تقویت سرمایه اجتماعی: همبستگی، اعتماد و حس تعلق در جامعه تقویت می‌شود.

پیشگیری از بحران‌های اقتصادی و انسانی: هزینه‌های درمان، بیکاری یا جرم کاهش می‌یابد.


به زبان ساده، Social Care ابزار تمدن است برای تبدیل «جمعیت» به «جامعه».
تفاوت Social Care با مدل‌های سرمایه‌داری

در نظام‌های لیبرال‌سرمایه‌داری، مراقبت اجتماعی عمدتاً به بازار واگذار می‌شود.
شرکت‌ها بیمه‌های تکمیلی یا بسته‌های انگیزشی ارائه می‌دهند تا کارمندان خود را حفظ کنند.
اما در نظام‌های اجتماعی (مانند فرانسه، آلمان و کشورهای اسکاندیناوی)، مسئولیت اصلی بر عهده‌ی دولت است، نه شرکت‌ها.
دولت با استفاده از مالیات عمومی، خدمات پایه را تضمین می‌کند و شرکت‌ها فقط نقش مکمل دارند.

مفهوم Social Care در ایران

در ایران، نخستین جرقه‌ها در دهه‌ی ۱۳۲۰ با تأسیس بیمه کارگران و بعدها سازمان تأمین اجتماعی زده شد.
اما ساختار آن بیشتر بر الگوهای حقوقی فرانسه تکیه داشت تا فلسفه‌ی اجتماعی آن.
به‌همین دلیل، اجرای آن بیشتر «اداری» است تا «انسان‌محور».
در حالی که در فلسفه‌ی Social Care، هدف نهایی ارتقای کرامت انسانی است، نه صرفاً پرداخت مستمری یا بیمه درمانی.

چالش‌های امروز

در جهان امروز، Social Care با چالش‌های زیر مواجه است:

افزایش جمعیت سالمندان و هزینه‌های بازنشستگی

فشارهای مالی بر دولت‌ها

نابرابری دیجیتال و تغییر در الگوهای اشتغال

خصوصی‌سازی بی‌رویه خدمات اجتماعی


با این حال، اهمیت آن نه‌تنها کم نشده، بلکه در عصر هوش مصنوعی و اتوماسیون، بیش از هر زمان دیگر ضروری است

وSocial Care نماد بلوغ اخلاقی و تمدنی جامعه است.
جامعه‌ای که شهروندانش در برابر آسیب‌ها بی‌دفاع رها شوند، دیر یا زود فرو می‌پاشد.
اما جامعه‌ای که مفهوم مراقبت متقابل را نهادینه کند، نه‌تنها پایدار، بلکه انسانی‌تر خواهد بود.

به تعبیر زیبای «ویلیام بوریج» (پایه‌گذار نظام رفاه بریتانیا):

«جامعه‌ای متمدن است که در برابر فقر، بیماری، جهل، کثافت و بیکاری ایستادگی کند.»
Academy and Foundation unixmens | Your skills, Your future
مفهوم Social Care یا مراقبت اجتماعی، یا تامین اجتماعی ، یکی از دستاوردهای بزرگ تمدن مدرن است. این نظام‌ها نه‌تنها برای حمایت از اقشار آسیب‌پذیر طراحی شده‌اند، بلکه بیانگر بلوغ اخلاقی و همبستگی درونی جوامع‌اند. در واقع، Social Care تجسم عملی اصل انسان‌محور…
تکامل Social Care از دولت رفاه تا عصر هوش مصنوعی

(تحلیل تطبیقی مدل‌های فرانسه، اسکاندیناوی و ایران)

مقدمه

در واقع Social Care در قرن بیستم به ستون فقرات دولت‌های مدرن تبدیل شد. اما ورود به قرن بیست‌و‌یکم، با فناوری، جهانی‌شدن و تحول بازار کار، این نظام را با پرسش‌های بنیادین روبه‌رو کرده است:
وقتی کار، هویت و درآمد دیگر به‌صورت سنتی معنا ندارند، مسئولیت دولت در حمایت از انسان چگونه باید بازتعریف شود؟


فرانسه – Social Care به‌مثابه "حق جمهوری"

در فرانسه، Social Care بخشی از ایدئولوژی جمهوری‌خواهی است.
مفهوم la solidarité sociale در بطن قانون اساسی و فرهنگ عمومی نهادینه شده است.

ویژگی‌های اصلی مدل فرانسوی:

تأمین اجتماعی از بدو تولد تا پایان عمر (universal coverage)

نظام مالیاتی تصاعدی برای بازتوزیع ثروت

استقلال صندوق‌های بیمه از دولت سیاسی

محوریت انسان به عنوان citoyen (شهروند دارای حق، نه مشتری)


فلسفه‌ی آن ریشه در میراث انقلاب فرانسه دارد:

آزادی، برابری، برادری — و برادری همان Social Solidarity است.



در این نگاه، رفاه اجتماعی نه لطف دولت بلکه حق اجتماعی است.


اسکاندیناوی – Social Care به‌مثابه "سرمایه‌گذاری انسانی"

کشورهای شمال اروپا (سوئد، نروژ، دانمارک، فنلاند) مدل خاص خود را دارند که به آن Nordic Model گفته می‌شود.

ویژگی‌های این مدل:

مالیات بسیار بالا، اما بازگشت گسترده در قالب خدمات اجتماعی

آموزش، درمان و مراقبت از سالمندان به‌طور کامل رایگان

مشارکت اجتماعی بالا و شفافیت اداری قوی

فلسفه‌ی «اعتماد اجتماعی» (Social Trust)


در این الگو، دولت رفاه نه هزینه، بلکه سرمایه‌گذاری روی انسان است.
در نتیجه، بهره‌وری ملی، رضایت اجتماعی و شاخص خوشبختی بسیار بالا هستند.

ایران – Social Care در میانه‌ی قانون و واقعیت

در ایران، ایده‌ی بیمه و تأمین اجتماعی از دهه‌ی ۱۳۲۰ وارد شد و در اصل ۲۹ قانون اساسی به‌صورت روشن آمده است:

«برخورداری از تأمین اجتماعی حقی است همگانی...»



اما در عمل، Social Care در ایران بیشتر شکل بوروکراتیک و پراکنده دارد تا فلسفی و انسان‌محور.
چالش‌های اصلی عبارتند از:

تمرکز بیش از حد بر ساختار اداری به‌جای فلسفه‌ی اجتماعی

وابستگی مالی شدید صندوق‌ها به دولت

عدم شفافیت و نبود سیاست یکپارچه‌ی رفاهی

فقدان نگاه توسعه‌ای به سرمایه انسانی


در نتیجه، آنچه در قانون «حق» محسوب می‌شود، در اجرا «خدمت اداری» تلقی می‌گردد که تفاوتی ماهوی با فلسفه‌ی اصلی Social Care دارد.


ورود به عصر دیجیتال و هوش مصنوعی – Social Care 4.0

اکنون وارد عصری شده‌ایم که کار، درآمد و هویت انسان در حال دگرگونی است.
در چنین شرایطی، Social Care باید دوباره معنا یابد.

تحولات کلیدی:

اتوماسیون و هوش مصنوعی مشاغل سنتی را حذف و مهارت‌های جدیدی را ایجاد می‌کند.

مفهوم Gig Economy (اقتصاد پاره‌وقت) ساختار بیمه و بازنشستگی را بی‌ثبات می‌کند.

داده و سلامت دیجیتال مفهوم جدیدی از مراقبت را تعریف کرده‌اند.


در این فضا، مدل‌های سنتی تأمین اجتماعی دیگر پاسخ‌گو نیستند.
پیشنهادهای نوین مانند:

Universal Basic Income (درآمد پایه همگانی)

Digital Social Rights (حقوق دیجیتال اجتماعی)

AI-driven Social Care Systems (نظام‌های اجتماعی هوش‌محور)


در حال تبدیل شدن به پارادایم جدیدی هستند که می‌توان آن را «Social Care 4.0» نامید.



آینده‌ی Social Care – بازگشت به فلسفه‌ی انسان‌گرایی

اگرچه فناوری بسیاری از کارکردهای دولت رفاه را تغییر داده، اما روح Social Care — یعنی حمایت، همبستگی و کرامت انسانی — باید حفظ شود.
در واقع، آینده‌ی Social Care نه در «بیشتر شدن داده‌ها»، بلکه در انسانی‌تر شدن سیاست‌ها نهفته است.

به قول «آمارتیاسن»، اقتصاددان برنده‌ی نوبل:

«توسعه یعنی گسترش آزادی‌های واقعی انسان‌ها.»
و Social Care، ابزار تحقق همین آزادی است.



نتیجه‌گیری

در واقع Social Care دیگر فقط درباره‌ی بیمه و بازنشستگی نیست؛ بلکه درباره‌ی بازتعریف رابطه‌ی دولت، فناوری و انسان است.
جهان آینده نیازمند سیستمی است که بتواند از انسان نه فقط به‌عنوان نیروی کار، بلکه به‌عنوان موجودی آگاه، خلاق و دارای کرامت حفاظت کند.


#social #care
Forwarded from Academy and Foundation unixmens | Your skills, Your future (yashar esmaildokht 🐧)
📌 یک شاهکار برای علاقه مندان به مبحث امنیت در لینوکس:
OpenSCAP

این نرم افزار از پروتکل SCAP یا Security Content Automation Protocol استفاده می کند که برای ممیزی امنیت سیستم بکار می رود. این پروژه ابزارهایی را فراهم می کند تا شما بتوانید بصورت آزاد، هر پلتفرمی را به منظور اهداف امنیتی به سرعت اسکن نموده تا اکثر مشکلات امنیتی سیستم تان در لایه های مختلف سیستم عامل شناسایی شود. قابل ذکر است که چک لیست های امنیتی جامعی بصورت پیش فرض موجود است و شما می توانید با برخی از زبان های برنامه نویسی چک لیست هایی را ایجاد نمایید.

کافیست این نرم افزار را نصب و اجرا نمایید. معمولا خروجی تولید شده بصورت xml فایل بوده و توسط ماشین و انسان قابل خواندن است. برای خوانایی بیشتر شما می توانید xml فایل گزارش تولید شده را با همین نرم افزار به html تبدیل نمایید و تحت وب، گزارش را به آسانی بررسی نمایید.
حجم بررسی های انجام شده، جزییات بررسی و فرمت گزارش شما را سورپرایز خواهد کرد.
🎓 قابل ذکر است که این پروژه یکی از سرفصل های دوره ی (LPIC-303 (Linux Security است
شایان ذکر است توسعه دهنده این برنامه کمپانی redhat می باشد
#security #openscap #redhat @unixmens
در عصر تحول دیجیتال، مدیریت مهندسی دیگر به معنی مدیریت پروژه یا صرفاً هماهنگی منابع نیست.
وEngineering Management (EM) در واقع هنر ایجاد تعادل میان فناوری، انسان و فرایند است.
یک مدیر مهندسی موفق، نه فقط بر ابزارها، بلکه بر رفتارها و فرهنگ سازمانی تسلط دارد.
او پلی است میان دنیای مهندسان و استراتژی سازمان، میان کد و کسب‌وکار.

بخش اول: فلسفه و نقش انسانی در مدیریت مهندسی

از مدیریت تا رهبری
مدیریت مهندسی مدرن از کنترل عبور کرده و به رهبری الهام‌بخش رسیده است.
نقش EM، تسهیل یادگیری و خودسازمان‌دهی تیم است.
او به‌جای “micromanagement”، محیطی می‌سازد که در آن اعضای تیم احساس مالکیت، اعتماد و رشد کنند.


درحقیقت Empathy، Feedback و رشد مستمر
درک انسان‌ها، تفاوت در انگیزه‌ها، و بازخورد سازنده از مهم‌ترین ابزارهای EM است.
همان‌طور که در DevOps فرهنگ “Sharing” و “Measurement” اساس بهبود است، در EM نیز “رفتارشناسی” و “گفت‌وگوی واقعی” ریشه‌ی توسعه‌ی تیمی‌اند.


3)تفکر سیستمی و دید کل‌نگر
وEM محیط را به عنوان یک سیستم پویا می‌بیند؛ تغییر در یک بخش، اثری زنجیره‌ای در کل سیستم دارد.
او می‌داند که بهبود فنی بدون درک روابط انسانی، تنها بهینه‌سازی سطحی است.

بخش دوم: بُعد فنی و فرایندی در Engineering Management

1) معماری تیم و چرخه توسعه

تیم‌ها باید cross-functional و end-to-end باشند؛ یعنی از طراحی تا استقرار و مانیتورینگ را پوشش دهند.

وEM وظیفه دارد ساختار تیم را با چرخه عمر محصول هم‌راستا کند، نه بر اساس مرزهای سنتی مانند frontend/backend یا ops/dev.



2) فرایند فنی و DevOps Strategy
در واقعEM مسئول طراحی و اجرای ساختارهای زیر است:

CI/CD Pipeline:
خودکارسازی build، test و deployment

Versioning & Traceability:
کنترل تغییرات و ردیابی کامل از commit تا release

Observability:
طراحی سیستم‌های مانیتورینگ، logging و alerting

Security & Compliance:
پیاده‌سازی اصول DevSecOps در مراحل توسعه



3. وMetrics و داده‌محوری در تصمیم‌گیری
مهارت مهم EM، تصمیم‌گیری مبتنی بر داده است. شاخص‌هایی مانند:

Deployment Frequency

Lead Time for Changes

MTTR (Mean Time to Recovery)

Change Failure Rate
معیارهای کلیدی‌اند که باید در dashboardهای سازمانی و retrospectives تحلیل شوند.



4. Feedback Loop
مهندس مدیریت موفق، ساختار بازخورد سریع را بین تیم توسعه، عملیات، QA و مشتری برقرار می‌کند.
این همان حلقه‌ی یادگیری DevOps است که باعث پایداری و بهبود مستمر می‌شود
بخش سوم: اجرای عملی در سطح سازمان

1. Culture First — سپس ابزار
قبل از انتخاب ابزارهایی مانند Jenkins، GitLab CI یا Kubernetes، باید فرهنگ همکاری، مسئولیت‌پذیری و شفافیت را نهادینه کرد.
ابزار تنها تسهیل‌گر است، نه راه‌حل.


2) چارچوب اجرایی تحول مهندسی
پیاده‌سازی مدیریت مهندسی موفق، در سه فاز اتفاق می‌افتد:

فاز ۱: آگاهی و تحلیل

بررسی maturity فعلی تیم‌ها (فنی، فرهنگی، فرآیندی)

شناسایی گلوگاه‌ها در جریان تحویل و همکاری

تعیین vision مشترک برای تیم‌های Dev و Ops


فاز ۲: طراحی و نهادینه‌سازی

طراحی تیم‌های cross-functional

ساخت CI/CD pipelines و governance structure

تعریف SLAها، شاخص‌های کیفیت و امنیت


فاز ۳: یادگیری و بهبود مستمر

برگزاری جلسات retrospectives

تحلیل داده‌های عملکردی (metrics-driven improvement)

وmentor‌کردن اعضای تیم برای ارتقای مهارت‌های رهبری و فنی


۳) نقش EM در ایجاد چرخه یادگیری سازمانی
وEM‌ها در واقع معلمان سیستم‌های پیچیده‌اند — کسانی که محیطی می‌سازند که در آن اشتباه، بخشی از یادگیری است، نه تهدید.
در این سطح، مهندسی و فرهنگ، در خدمت رشد انسان و محصول درمی‌آیند.

نتیجه‌گیری

در واقع Engineering Management در عصر DevOps دیگر یک نقش نیست؛ یک ذهنیت است.
ذهنیتی که میان منطق فنی و فهم انسانی تعادل برقرار می‌کند.
در نهایت، هدف نه فقط تحویل سریع‌تر نرم‌افزار، بلکه ساختن تیم‌هایی است که با شعور، با اشتیاق و با مسئولیت کار می‌کنند.

درک انسان، بزرگ‌ترین مهارت فنی قرن بیست‌ویکم است.
و مدیریت مهندسی، هنر خلق هماهنگی میان انسان، سیستم و معنا

#em #devops
@unixmens
Do you remember shared cell phone plans? At the turn of the century, a whole family might share the same pool of mobile phone minutes, and it only took a few hours of idle chatter on the phone to drain the account of all remaining minutes of talk time for everyone. Well, a similar phenomenon is currently happening in the cloud today. Anyone who's ever touched a public cloud has likely encountered an accidental overage payment. That's a problem, but it's even more problematic that it's deceptively easy to overlook a single instance of this when you're dealing in hundreds at a time. At Discover,

via Red Hat Blog https://ift.tt/IdSHJFo
If you’re a virtual machine (VM) administrator who’s spent years managing VMs in vSphere and are now considering how Red Hat OpenShift Virtualization might fit into your operational world, we’ve built something just for you.The high-level guide to Red Hat OpenShift Virtualization as a VMware admin learning path is designed to bridge the learning gap many face when moving from traditional virtualization solutions to Kubernetes workflows. This blog provides a glimpse into what's included in the path so you can take on OpenShift Virtualization with confidence.Benefits of the VMware OpenShif

via Red Hat Blog https://ift.tt/4bujVS7
Operationalizing AI models at scale is a critical challenge for IT leaders. While the initial cost of training a large language model (LLM) can be significant, the real and often underestimated expense is tied to inference.AI inference—the process of using a trained model to generate an output—is the most resource-intensive and costly part of an AI application, especially because it happens constantly during production. Inefficient inference can compromise an AI project's potential return on investment (ROI) and negatively impact customer experience due to high latency.The full-stack appro

via Red Hat Blog https://ift.tt/bH4UWCf
In an increasingly complex technology landscape, digital sovereignty has moved from a theoretical concept to an urgent strategic imperative for European organizations and governments. Recent global events—from supply chain disruptions to geopolitical conflicts—have underscored the critical need for greater control over their technology. Digital sovereignty is a strategic effort for organizations to build greater resilience, choice and confidence into IT environments. This isn’t a move towards isolation, with true sovereignty requiring more than just local data centers. Businesses are re-

via Red Hat Blog https://ift.tt/gFC6XJj
SUSE Rancher RKE1 reached its end-of-life (EOL) on July 31, 2025. Continuing to use it could leave your production workloads vulnerable to security risks, without vendor support, and facing compatibility challenges.If you’re considering a change, Red Hat OpenShift offers an enterprise-grade application platform that can support your Kubernetes container strategy today and scale for the future. Why Red Hat OpenShift is the right choice for your businessRed Hat OpenShift is a complete, enterprise-focused container application platform built on a hardened, consistent Red Hat Enterprise Linux (R

via Red Hat Blog https://ift.tt/8MDUGmg
As enterprises scale large language models (LLMs) into production, site reliability engineers (SREs) and platform operators face a new set of challenges. Traditional application metrics—CPU usage, request throughput, memory consumption—are no longer enough. With LLMs, reliability and efficacy are defined by entirely new dynamics—token-level performance, cache efficiency, and inference pipeline latency.This article explores how llm-d, an open source project co-developed with the leading AI vendors (Red Hat, Google, IBM, etc.) and integrated into Red Hat OpenShift AI 3.0, redefines observa

via Red Hat Blog https://ift.tt/MxqW7CO
This media is not supported in your browser
VIEW IN TELEGRAM
راز موفقیت سنگاپور

جمله ای که از کیشور ماهیباری نقل می‌کنه خیلی آموختنی است:
گربه ای که خوب موش بگیره فرقی نمیکنه که سیاه باشه یا سفید ،اون گربه خوبی هست از اون استفاده کنید!!
اگر فردی شایستگی لازم برای استخدام را داره
در استخدام و بکارگیری افراد کاری به ملیت ،رنگ ، نژاد و ایدیولوژی سیاسی و مذهبی اون نداشته باشید
حتما استخدامش کنید

#success #سنگاپور #video 🇸🇬
2025/10/22 20:33:55
Back to Top
HTML Embed Code: