نوشته های Arvin

برد BeagleV، کامپیوتری از جنس RISC-V که قادر به اجرای Linux می‌باشد

Arvin — Thu, 29 Feb 2024 12:28:24 +0330

BeagleV board - برد BeagleVبرد BeagleV یک برد از جنس کامپیوترهای تک بردی است که Linux را اجرا می‌کند. این برد بر پایه ساختار پردازنده RISC-V است که علاوه بر اجرای لینوکس روی آن قادر می‌باشد تا در برنامه‌های پردازشی مرزی استفاده شود که می‌شود در یادگیری خودروهای خودران، تشخیص اشیا، تشخیص گفتار، و بسیاری از کارهای مربوط به AI.برای چی به RISC-V اشاره می‌کنیم؟تا اینجا کار را میدانیم که بسیاری از کامپیوترها بر مبنای پردازنده‌های Intel و AMD با ساختار x86 است. البته نمونه دیگری که میتوان مثال زد ARM‌ است که همان بر مبنای ساختار RISC-V است. این پردازنده‌ها به دلیل مصرف انرژی کمتر و کوچک بودن برای کامپیوترهای تک بردی بسیار مناسب‌اند. خب این موضوع چه ربطی به RISC-V داره؟ ARM در حقیقت یک برند است و یک شرکت را تشکیل می‌دهد که کارش ساخت پردازنده و یا مجوز درست کردن برای آنها است، ولی RISC-V یک شرکت نیست بلکه فقط یک استاندارد است که حتی هیچ مجوزی ندارد! این در حقیقت به این معنی که می‌شود در تمامی تولید کننده‌های سخت افزاری استفاده شود. در حقیقت برد BeagleV، پردازنده از شرکت SiFive است، شرکتی که تخصیص یافته به ساخت پردازنده‌های RISC-V. جالبی اینجاست که این به ما امکان می‌دهد تا این برد بر پایه ساختار نرم افزار و سخت افزار آزاد ساخته شود.اجزا و امکاناتااجزا برد BeagleVاین برد با یک پردازنده SiFive U74 RISC-V Dual core processor که با فرکانس 1.5GHz است، کچ 2M از جنس L2 دارد، که البته با یک Vision DSP Tenisilica-VP6 که برای بینایی کامپیوتر استفاده می‌شود، و یک NVDLA Engine (Nvidia Deep Learning Accelerator) تک هسته‌ای که برای کارهای AI استفاده می‌شود و یک Neural Network Engine نیز در آن قرار دارد.پردازنده این برد بر مبنای دو SiFive U74 Standard Cores پیاده سازی شده است، U74 در حقیقت یک RISC-V تک هسته‌ای است که قادر به اجرای Linux و سایر برنامه‌های پردازشی مرزی است.سخت افزار بردبرای خلاصه می‌شود به اجزای آن در زیر اشاره کرد:شبکه Wi-Fi با پهنای باند 2.4Gz‌ ای و اتصالی Bluetooth 4.2یک نفطه اتصال HDMI با پشتیبانی از کیفیت 1080p با 30FPSچهار درگاه USB 3.0 یک پورت Ethernet که برای اتصال اینترتی گیگابیتی استفاده می‌شود.یک جک صدای 3.5mm که برای اتصال صدا است.درگاه microSD که برای سیتسم عامل و ذخیره اطلاعات استفاده می‌شود.سری 40 پینی GPIO‌ که محل اتصال دوربین، سنسورها، صفحه تماشا و ... استیک درگاه USB تایپ C با قدرت 5V و 3A همچنین تخمین زده می‌شود که از HAT های برد Raspberry Pi پشتیبانی کند.قیمت و موجودیتاین برد با دو مشخصه رم 8GB و 4GB ارایه شد، که رم بیشتر به معنی هزینه بیشتر است. درحال حاضر این برد موجود نمی‌باشد.برد BeagleV وارد فضایی خواهد شد که در حال حاضر تحت سلطه Raspberry Pi 4 ارزان‌تر و Jetson Nano انویدیا است. برخلاف این دو گزینه، نرم‌افزار و سخت‌افزار BeagleV کاملاً متن‌باز و آزادانه در دسترس کاربران خواهد بود، اما قیمت آن در مقایسه با گزینه‌های جایگزین کمی بالاست. جالب است که ببینیم عملکرد BeagleV چگونه است.این مقاله ترجمه‌ای از سایت itsfoss با نوشته‌ی SOURAV RUDRA با عنوان BeagleV: An Affordable RISC-V Computer Designed to Run Linux است.از بردارد عزیزم ممنونم که باعث شد با این دنیای کامپیوترهای تک بردی بیشتر آشنا بشم و از آن لذت ببرم.

مقدمه ای بر الگوریتم Perlin noise

Arvin — Wed, 21 Feb 2024 13:54:55 +0330

یک مولد اعداد تصادفی خوب اعدادی را تولید می کند که هیچ رابطه‌ای با هم ندارند و هیچ الگوی قابل تشخیصی را نشان نمی دهند. همانطور که می بینیم، کمی تصادفی بودن می تواند در برنامه ریزی رفتارهای ارگانیک و واقعی چیز خوبی باشد. با این حال، تصادفی بودن به عنوان اصل راهنمای واحد لزوماً طبیعی نیست.الگوریتمی وجود دارد که نتایج طبیعی تری را به همراه دارد و به آن "Perlin noise" می‌گویند. کن پرلین در اوایل دهه 1980، عملکرد نویز را در حین کار بر روی فیلم اصلی Tron توسعه داد؛ او از آن برای ایجاد بافت های رویه‌ای برای جلوه‌های کامپیوتری استفاده کرد. در سال 1997، پرلین برای این کار برنده جایزه اسکار در دستاورد فنی شد. این الگوریتم را می توان برای ایجاد جلوه های مختلف با کیفیت های طبیعی مانند ابرها، مناظر و بافت های طرح دار مانند سنگ مرمر استفاده کرد.این الگوریتم ظاهر ارگانیک تری دارد زیرا یک توالی منظم («صاف») از اعداد شبه تصادفی تولید می کند. نمودار زیر الگوریتم را در طول زمان نشان می دهد که محور x نشان دهنده زمان است. به نرمی منحنی توجه کنید.noiseدر مقابل، نمودار زیر اعداد تصادفی خالص را در طول زمان نشان می دهد.randomبرنامه ProcessingJS یک پیاده سازی از الگوریتم دارد: تابع noise(). تابع noise () یک، دو یا سه آرگومان می گیرد، زیرا نویز در یک، دو یا سه بعد محاسبه می شود. بیایید با نگاه کردن به نویز یک بعدی شروع کنیم.جزییات noiseمرجع نویز به ما می گوید که نویز در چندین "اکتاو" محاسبه می شود. فراخوانی تابع noiseDetail هم تعداد اکتاوها و هم اهمیت آنها را نسبت به یکدیگر تغییر می دهد. این به نوبه خود نحوه عملکرد نویز را تغییر می دهد.ترسیم یک دایره در پنجره ProcessingJS در یک مکان تصادفی x را در نظر بگیرید:var x = random(0, width); ellipse(x, 180, 16, 16);اکنون، به‌جای یک مکان تصادفی x، یک مکان-x برای Perlin noise می‌خواهیم که «صاف‌تر» باشد. ممکن است فکر کنید که تنها کاری که باید انجام دهید این است که ()random را با noise() جایگزین کنید.var x = noise(0, width); ellipse(x, 180, 16, 16);در حالی که از نظر مفهومی این دقیقاً همان کاری است که ما می‌خواهیم انجام دهیم (محاسبه یک مقدار x که بین 0 و عرض با توجه به نویز پرلین متغیر است) این پیاده‌سازی صحیح نیست. در حالی که آرگومان های تابع ()random محدوده ای از مقادیر را بین حداقل و حداکثر مشخص می کند، noise() به این شکل کار نمی کند. در عوض، noise() از ما انتظار دارد که در یک آرگومان عبور کنیم که به معنای "لحظه ای در زمان" است، و همیشه مقداری بین 0 و 1 برمی‌گرداند. می توانیم Perlin noise یک بعدی را به عنوان یک دنباله خطی از مقادیر در طول زمان در نظر بگیریم.حال، برای دسترسی به یکی از آن مقادیر نویز در ProcessingJS، باید یک لحظه خاص از زمان را به تابع noise() منتقل کنیم. مثلا:var n = noise(0.03);ما می‌توانیم برنامه‌ای بنویسیم که یک متغیر زمان را ذخیره می‌کند و آن مقدار نویز را به طور مداوم در draw() درخواست می‌کند.// Adapted from Dan Shiffman, natureofcode.com var t = 0.03; draw = function() { var n = noise(t); println(n); };کد بالا منجر به چاپ همان مقدار می شود. این به این دلیل اتفاق می‌افتد که ما بارها و بارها نتیجه تابع noise() را در یک نقطه از زمان می‌خواهیم. با این حال، اگر متغیر زمان t را افزایش دهیم، نتیجه متفاوتی خواهیم گرفت.// Adapted from Dan Shiffman, natureofcode.com var t = 0; draw = function() { var n = noise(t); println(n); // Move forward in time t += 0.01; };سرعتی که t را افزایش می‌دهیم نیز بر صافی نویز تأثیر می‌گذارد. اگر به موقع پرش های بزرگی انجام دهیم، در این صورت از جلو می گذریم و مقادیر تصادفی تر خواهند بود.کد بالا را چندین بار اجرا کنید و t را 0.01، 0.02، 0.05، 0.1، 0.0001 افزایش دهید، نتایج متفاوتی خواهید دید.نگاشت نویزاکنون ما آماده پاسخ به این سوال هستیم که با مقدار نویز چه کنیم. هنگامی که مقداری با محدوده بین 0 و 1 داشتیم، این به ما بستگی دارد که آن محدوده را با آنچه می خواهیم ترسیم کنیم.ما فقط می‌توانیم در حداکثر عدد در محدوده ضرب کنیم، اما این فرصت خوبی برای معرفی تابع نقشه () ProcessingJS است که در موقعیت‌های بعدی به ما کمک می‌کند. تابع map () پنج آرگومان می گیرد. ابتدا مقداری است که می خواهیم ترسیم کنیم، در این مورد n. سپس باید محدوده فعلی مقدار (حداقل و حداکثر) و به دنبال آن محدوده مورد نظر خود را به آن بدهیم.در این مورد، ما می دانیم که نویز محدوده ای بین 0 و 1 دارد، اما ما می خواهیم یک مستطیل با عرض بین 0 و عرض فعلی بکشیم.// Adapted from Dan Shiffman, natureofcode.com var t = 0; draw = function() { var n = noise(t); // Using map() to customize the range of Perlin noise var x = map(n, 0, 1, 0, width); rect(0, t*100, x, 1); t += 0.01; };می‌توانیم دقیقاً همان منطق را برای واکر تصادفی خود اعمال کنیم و هر دو مقدار x و y آن را با توجه به Perlin noise نسبت دهیم.// Adapted from Dan Shiffman, natureofcode.com var Walker = function() { this.x = width/2; this.y = height/2; this.tx = 0; this.ty = 10000; }; Walker.prototype.display = function() { stroke(0, 0, 0); point(this.x, this.y); }; // Randomly move up, down, left, right, or stay in one place Walker.prototype.walk = function() { this.x = map(noise(this.tx), 0, 1, 0, width); this.y = map(noise(this.ty), 0, 1, 0, height); // Move forward through “time.” this.tx += 0.01; this.ty += 0.01; }; var w = new Walker(); draw = function() { w.walk(); w.display(); };توجه کنید که چگونه مثال بالا به یک جفت متغیر اضافی نیاز دارد: tx و ty. این به این دلیل است که ما باید دو متغیر زمانی را دنبال کنیم، یکی برای مکان x شی Walker و دیگری برای مکان y.اما یک چیز کمی در مورد این متغیرها وجود دارد. چرا tx از 0 و ty از 10000 شروع می شود؟ در حالی که این اعداد انتخاب های دلخواه هستند، ما به طور خاص دو متغیر زمانی خود را با مقادیر مختلف مقداردهی اولیه کرده ایم. این به این دلیل است که تابع نویز قطعی است: هر بار برای یک زمان خاص نتیجه یکسانی را به شما می دهد. اگر مقدار نویز t را همزمان برای x و y بخواهیم، x و y همیشه برابر خواهند بود، به این معنی که جسم واکر فقط در امتداد یک مورب حرکت می کند. در عوض، ما به سادگی از دو قسمت مختلف فضای نویز استفاده می‌کنیم که از 0 برای x و 10000 برای y شروع می‌کنیم تا x و y بتوانند مستقل از یکدیگر عمل کنند.در حقیقت، هیچ مفهوم واقعی از زمان در اینجا وجود ندارد. این یک استعاره مفید است که به ما کمک می کند تا بفهمیم عملکرد نویز چگونه کار می کند، اما در واقع آنچه ما داریم مکان است، نه زمان. نمودار بالا یک توالی خطی از مقادیر نویز را در یک فضای یک بعدی نشان می دهد و هر زمان که بخواهیم می توانیم مقداری را در یک مکان x خاص بخواهیم. در مثال‌ها، اغلب متغیری به نام xoff را می‌بینید که به جای t برای زمان (همانطور که در نمودار ذکر شده است) مقدار x-offset را در امتداد نمودار نویز نشان می‌دهد.این مقاله ترجمه‌ای از مقاله Perlin noise در سایت خان آکادمی است.

خلاصه‌ای بر الگوریتم Boids

Arvin — Mon, 12 Feb 2024 17:34:15 +0330

گروهی از پرندگان که می‌شود توسط الگوریتم Boid مدل ساری شود - برگرفته از سایت stanfordالگوریتم Boids برنامه‌ای است که زندگی مصنوعی را می‌سازد. این الگوریتم توسط آقای Craig Reynolds در سال ۱۹۸۶ معرفی شده است و پر زدن پرنده‌ها را بصورت گروهی شبیه سازی می‌کند. در حقیقت اسم Boid خلاصه‌ای از اسم "bird-oid object - چیز پرنده‌ای" که به یک چیز پرنده مانند اشاره می‌کند. این مفهوم نمونه‌ای از یک مفهوم بسیار کلی است که به گونه‌ای مدل های مختلف آن مطرح شده است.توضیح مدلهمانطور که شبیه سازهای مصنوعی عمل می‌کنند، الگوریم Boids یک نمونه از حرکت برآمدگی است! درسته، سختی این الگوریتم از برهمکنش های تک شکل‌ها که در انیجا همان Boid ها است، می‌باشد که از چند قانون ساده پیروی می‌کنند. این قوانین در زیر آمده است:جدایی پذیری: این امکان برای این تبیع شده که از ازدحام بسیار زیاد گروهی پرنده‌ها پرهیز شود.قانون جدایی پذیریشکل گیری: بطوری به مرکز میانگین گروهی پرنده‌ها تمایل پیدا می‌کنند.قانون شکل گیرییکپارچگی: تمایل حرکت به سمت موقعیت میانگین (مرکز جرم) گروهی پرنده‌ها.قانون یکپارچگیکه البته این قوانین کافی نیستند و میتوانند قوانین دیگری هم مانند جدانگری سختی و هدف گردی.حرکت پرنده‌ها می‌تواند بصورت آشفته وار (گروه های جدا شده از هم و رفتار وحشیانه) یا قانونمند داشته باشد.چارچوب Boid در گرافیک کامپیوتری استفاده می‌شود، که یک واقعیت نگاره از گروه‌ها و دیگر موجودات را در اختیار قرار می‌دهد. که البته میتوان در بازی Half-Life که در سال 1998 ساخته شد اشاره کرد.مدل Boid در حقیقت در ساختار اپلیکیشن‌های دیگر به کار رفته است. همانند برنامه به کار رفته در ایستگاه‌های رادیویی چند کاناله اینترنتی.همچنین توصیه می‌کنم مطالبی همانند Conway's Game of Life و Swarm intelligence را تحقیق و مطالعه کنید.این مقاله صرفا ترجمه‌ و خلاصه‌ای از ویکی Boid است.بخش عملی داستانخب برای اینکه از ساختار این الگوریتم متوجه بشیم میتونیم به برنامه زیر که به زبان Rust نوشته شده و از موتور Amethyst game engine استفاده می‌کند.برای شروع کار قدم به قدم میریم جلو:دستور زیر را وارد کنید:git clone https://github.com/henninglive/boids-rs.git۲. پیش نیازها در سیستم عامل Debian/Ubuntu با دستور زیر وارد کنید:apt install gcc pkg-config openssl libasound2-dev cmake build-essential python3 libfreetype6-dev libexpat1-dev libxcb-composite0-dev libssl-dev libx11-dev libfontconfig1-dev۳. مطمین شوید که Rust 1.47.0 را در اختیار دارید:rustup default 1.47.0۴. برنامه را بسازید:cargo build --release۵. فایل در پوشه زیر قرار می‌گیرد:target/release/boids۶. میتوانید از دستور زیر هم استفاده کنید:cargo run --releaseخب کار ما اینجا تمام شد :) امیدوارم از مفهوم و عمل خوشتون آمده باشد. نظر شما راجع به این خلاصه چیست؟

خلاصه‌ای از موتور بازی سازی Bevy

Arvin — Fri, 09 Feb 2024 20:35:24 +0330

Bevy logo - لوگوی Bevyموتور بازی Bevy یکی از موتورهای داده محور است که با زبان Rust ساخته شده است. این برنامه کاملا رایگان و اوپن سورس خواهد بود.این موتور دارای ویژگی‌های زیر می‌باشد:ظرفیت: مجموعه‌ای از ابزارهای دوبعدی و سه بعدی را شامل می‌شود.سادگی: برای تازه واردها انتخابی ساده ولی کاملا منعطف پذیر برای قوی شدن.داده محور: ساختاری کاملا داده محور با دیدگاه Entity Component System.ماژولار: از آن گونه‌ای که نیاز دارید استفاده کنید و چیزی را که دوست ندارید جایگزاری کنید.سریع: منطق برنامه باید بصورت سریع اجرا شود و هر وقت که امکان دارد بصورت موازی پردازش شود.مولد: تغییرات باید سریع کامپایل شوند وگرنه صبر کردن چیز جالبی نیست.البته این موتور برای بازی های کلی توصیه نمی‌شود و هنوز در مراحل ساخت است. بطوریکه اگر بخواهید برای پروژه‌ی بزرکی استفاده کنید میتوانید از موتور بازی سازی Godot استفاده کنید.خب تا اینجا کار توضیح دادیم بریم سراغ راه اندازی پروژه امون:ریپازیتوری Bevy را clone کنید:git clone https://github.com/bevyengine/bevy۲. به پوشه bevy بروید:cd bevy۳. با استفاده از دستور git زیر به نسخه اصلی Bevy سوویچ کنید:# use the latest Bevy release git checkout latest # or a specific version git checkout v0.11.0نمونه فایل را در پوشه اصلی باز کنید:cargo run --example breakoutهمچنین می‌توانید Bevy را بعنوان زیر ساختار اضافه کنید:cargo add bevyهمچنین میتوانید آن را بصورت دستی وارد فایلCargo.toml کنید:[dependencies] bevy = "0.12" # make sure this is the latest versionساخت یک برنامه سادهکد زیر را در فایل اصلیتون یعنی main.rs کپی کنید:fn main() { App::new().run(); }سپس با دستور زیر برنامه را اجرا کنید:cargo runچه چیزی یک فایل App را تشکیل می‌دهد؟محیط world: این بخش بطور کلی تمامی داده های بازی ما را نگه می‌دارد.محیط schedule: این بخش داده‌ای را که سیستم نگه می‌دارد، حفظ می‌کند.محیط runner: این بخش برنامه را تفسیر می‌کند تا استراتژی روندی آنرا کنترل کند.این موتور بازی سازی شامل plugin های متفاوتی هم می‌شود که از گفتن آن در اینجا خودداری شده است.

نظارت شبکه در اندروید با mitmproxy

Arvin — Fri, 09 Feb 2024 19:24:22 +0330

mitmproxy logo - اوگوی mitmproxyاغلب در طول توسعه برنامه های کاربردی تلفن همراه، ما به شدت به مصرف API ها متکی هستیم. توانایی بازرسی و ویرایش تماس‌های API در طول توسعه می‌تواند در زمان زیادی صرفه‌جویی کند. با این حال، بر خلاف توسعه وب، در اندروید، ما نمی توانیم از مرورگر شبکه بازرس استفاده کنیم، بنابراین باید به ابزارهای پراکسی تکیه کنیم.راه اندازی mitmproxyآخرین نسخه را برای پلتفرم خود در [لینک] دانلود کنید.برنامه mitmweb را باز کنید، این پوشه mitmproxy را در زیر فهرست اصلی کاربر شما ایجاد می کند که حاوی فایل های گواهی است.سپس mitmweb را متوقف کنید و یک فایل config.yaml ایجاد کنید و کلید listen_port:8888 را اضافه کنید.راه اندازی شبیه ساز/دستگاهپوشه mitmproxy را باز کنید و mitmproxy-ca-cert.cer را در شبیه ساز/دستگاه خود کپی کنید. اگر از یک شبیه ساز استفاده می کنید، فقط می توانید آن را بکشید و رها کنید و در پوشه Downloads نمایش داده شود.در شبیه ساز/دستگاه خود، به تنظیمات سیستم بروید و گواهی CA را جستجو کنید، سپس فایل mitmproxy-ca-cert.cer را انتخاب کرده و آن را نصب کنید.اکنون تنظیمات پروکسی را ویرایش کنید. به تنظیمات Wi-Fi بروید و پیکربندی شبکه خود را ویرایش کنید تا از پروکسی دستی، نام میزبان 10.0.2.2 (ماسک IP محلی) و پورت به عنوان 8888 استفاده کنید.راه اندازی پروژهفایلی به نامnetwork_security_config.xml در مسیر res/xml با محتوای زیر ایجاد کنید. این فایل بیان می کند که ساخت های ما که به عنوان قابل اشکال زدایی علامت گذاری شده اند به گواهی اعتماد دارند.

در AndroidManifest.xml، با افزودن ورودی زیر به تگ برنامه، به این فایل پیکربندی ارجاع دهید.نحوه استفادهفیلتر کردنمی‌توانیم درخواست‌هایی را که می‌خواهیم ببینیم با وارد کردن عبارت مورد نظر در بالا فیلتر کنیم. این برای محدود کردن نتایجی که می‌خواهیم ببینیم مفید است، یا حتی فقط با استفاده از عباراتی مانند dev. یا .qa، فراخوان‌های API را برای یک محیط خاص نشان می‌دهد.نفوذبا وارد کردن عبارت در قسمت Intercept می‌توانیم درخواست‌ها را رهگیری کنیم. در هنگام اشکال زدایی مانند نقاط شکست کار می کند، درخواست را متوقف می کند و اجازه می دهد مقادیر را از URL، بدنه یا درخواست تغییر دهید. این می تواند برای آزمایش موارد لبه یا آزمایش سریع سناریوهایی که داده های مورد نیاز را نداریم مفید باشد.با فشردن Resume All به مرحله پاسخگویی می‌روید. و در اینجا ما همچنین می توانیم پاسخ به مقادیر خواسته خود را ویرایش کنیم. این همچنین می تواند برای آزمایش موارد لبه یا سناریوهایی که داده های لازم را نداریم مفید باشد. علاوه بر این، ما حتی می‌توانیم یک سناریوی معین را در صورت خراب شدن سرور API آزمایش کنیم، زیرا به سرور ضربه نمی‌زنیم!این مقاله خلاصه ای از مقاله Monitoring Network on Android with mitmproxy توسط William Alves می باشد.

ساخت image سفارشی برای Raspberry Pi با ابزار Packer

Arvin — Sat, 13 Jan 2024 12:00:24 +0330

لوگوی Packer از HashiCorpابزار Packer یکی از ابزارهایی است که برای ساخت image بر روی سکوی سیستم عامل ها استفاده می‌شود و به راحتی می‌توان در زیر ساخت برنامه های مدرن استفاده کرد. نکته جالب توجه ابزار این است که بصورت Open source (قابل استفاده بصورت Free) است و plugin های مختلف را می‌توان روی آن اعمال کرد. Packer به گونه‌ای عمل می‌کند که می‌توان از plugin های سفارشی شده برای بهتر کردن قابلیت های کلی هم استفاده کرد حتی بدون اینکه source code اصلی آن تغییری کند. بصورت کلی plugin های Packer به دو صورت است:بیلدرها (Builders): که برای راه اندازی زیرساخت استفاده می‌شود.تامین کننده ها (Provisioners): که برای اعمال کردن تغییرات دلخواه به image سیستم عامل استفاده می‌شود.پلاگین (plugin) Packer برای معماری های ARMبصورت پیش فرض Packer ساخت image سیستم عامل های مبتنی بر ARM را پشتیبانی نمی‌کند و ما در این مقاله از plugin به نام solo-io/packer-builder-arm-image که از طریق GitHub در دسترس است، برای ساخت image های مبتنی بر ARM استفاده می‌کنیم.مقدماتبا توجه به مستندات solo-io/packer-builder-arm-image، برای ساخت image های مبتنی بر ARM همانند Raspberry Pi پیش نیازها و باینری هایی نیاز است:یک هاست یا ماشین لینوکسی، ترجیحا Ubuntu نسخه های LTSگیت Gitابزار Packerپلاگین Packer برای معماری ARMبا کامند زیر باینری ها و پیش نیازها را نصب کنید:sudo apt update sudo apt install git wget zip unzip build-essential kpartx qemu binfmt-support qemu-user-static e2fsprogs dosfstoolsدر ادامه Packer را بر روی ماشین خود دانلود و نصب کنید: (دقت به ورژنی که نصب می‌کنید داشته باشید!)export PACKER_RELEASE="1.6.6" cd /tmp/ wget https://releases.hashicorp.com/packer/${PACKER_RELEASE}/packer_${PACKER_RELEASE}_linux_amd64.zip unzip packer_${PACKER_RELEASE}_linux_amd64.zip sudo mv packer /usr/local/bin packer --versionو یا برای دانلود و نصب بهتر است به مستندات اصلی خود سایت مراجعه کنید.در این موقعیت، شما Packer و پیش نیازها برای ساخت image بر روی معماری ARM را نصب کرده اید. حال زمان آن رسیده است که plugin ابزار Packer برای ساخت رو معماری ARM را نصب کنید: (دقت به ورژنی که نصب می‌کنید داشته باشید!)export PACKER_ARM_BUILDER_VERSION="0.1.6" cd /tmp/ wget https://github.com/solo-io/packer-builder-arm-image/releases/download/v${PACKER_ARM_BUILDER_VERSION}/packer-builder-arm-image sudo mv packer-builder-arm-image /usr/local/bin sudo chmod +x /usr/local/bin/packer-builder-arm-imageساخت image برای Raspberry Pi با Packer ARM Pluginبرای فهمیدن اینکه پلاگین solo-io/packer-builder-arm-image چگونه کار می‌کند، یک نمونه ساده و ابتدایی از آن در GitHub قرار دارد که ریپازیتوری source4learn/raspberry-pi-os-image-builder است:git clone git@github.com:source4learn/raspberry-pi-os-image-builder.git cd raspberry-pi-os-image-builderدر این ریپازیتوری یک فایل اصلی JSON برای تنظیم کردن Packer، تعدادی اسکریپت Bash و فایل های تنظیماتی دیگری قرار دارد.در این مقاله ما از Raspberry Pi Lite Buster image استفاده می‌کنیم و یک splash screen سفارشی را هنگام بالا آمدن درست می‌کنیم. این ورژن از Raspberry Pi هیچگونه محیط گرافیکی ندارد بنابراین ما درایوهای گرافیکی و Linux xserver را نصب نکردیم.قبل از اینکه سراغ ساخت image برای Raspberry Pi بریم، بیایید با هم فایل JSON را بررسی کنیم:{ "variables": { "variable_key" : "variable_value" }, "builders": [ { "type": "arm-image", "iso_url": "", "iso_checksum": "", "target_image_size": } ], "provisioners": [ { "type": "file", "source": "", "destination": "" }, { "type": "shell", "inline": [ ] }, { "type": "shell", "script": "" } ] }این فایل JSON سه بخش کلی و مهم دارد، اولی variables، دومی builder و سومی provisioner است.در بخش variables، ما متغیرها را بصورت کلید-مقدار (key-value) مشخص و اعمال می‌کنیم. بخش builder حاوی نوع سازنده ما، URL به فایل ISO image ما، مقدار Checksum برای ISO image ما اندازه image معماری ARM ما برای ساخت. بخش آخر یعنی provisioner شامل مجموعه اعمالاتی می‌شود که ما بر روی ایمیج ARM اعمال می‌کنیم. مقادیر متداول بخش provisioner ما شامل shell inline، file و shell است. پارامتر file یک فایل انتخابی را وارد ISO image ما می‌کند، shell اجازه می‌دهد که اسکریپت BASH را اعمال کنیم و shell inline هم به ما اجازه می‌دهد که کامندهای inline را اجرا کنیم.فایل packer-raspberry-pi-os-lite.json در زیر آمده است:{ "variables": { }, "builders": [ { "type": "arm-image", "iso_url": "https://downloads.raspberrypi.org/raspios_lite_armhf/images/raspios_lite_armhf-2021-03-25/2021-03-04-raspios-buster-armhf-lite.zip", "iso_checksum": "sha256:ea92412af99ec145438ddec3c955aa65e72ef88d84f3307cea474da005669d39", "target_image_size": 2147483648 } ], "provisioners": [ { "type": "file", "source": "./rasp.png", "destination": "/home/pi/rasp.png" }, { "type": "file", "source": "./scripts/.bash_profile", "destination": "/home/pi/.bash_profile" }, { "type": "file", "source": "./scripts/.xinitrc", "destination": "/home/pi/.xinitrc" }, { "type": "file", "source": "./scripts/splashscreen.service", "destination": "/etc/systemd/system/splashscreen.service" }, { "type": "shell", "inline": [ "echo 'Install APT Packages'", "echo nameserver 8.8.8.8 > /etc/resolv.conf", "apt-get update", "apt-get -y install --no-install-recommends xserver-xorg-video-all xserver-xorg-input-all xserver-xorg-core xinit x11-xserver-utils fbi curl", "rm -f /etc/motd", "chown pi:pi -R /home/pi/" ] }, { "type": "shell", "script": "./scripts/run.sh" } ] }در ادامه کامند مخصوص ساخت image را در دیرکتوری raspberry-pi-os-image-builder اعمال کنیم:sudo packer build packer-raspberry-pi-os-lite.jsonاین عمل ممکن است مقدار زمان ببرد تا کامل شود. بعد از پایان عمل یک فایل نهایی output-arm-image/image را بدست می‌آورید. با انجام عملیات زیر می‌توانید مکان قرار فایل و اندازه را محاسبه کنید:# Check file location ls -la output-arm-image/image # Check file size du -hs output-arm-image/imageهمچنین در آخر هم می‌توانید فایل را فشرده سازی کنید:zip -r rpi-arm-image.zip output-arm-image/imageدر آخر هم فایل شما آماده است و می‌توانید SD کارت خود را آماده کنید و عملیات boot up را انجام دهید.در این مقاله ما پلاگین Packer که مبتنی بر ARM است و نام آن solo-io/packer-builder-arm-image است استفاده کردیم. پلاگین جایگزین دیگری هم برای اینکار وجود دارد که نام آن kaczanowski/packer-builder-arm است و امکانات اضافه ای همانند افزایش حجم disk و یا ساخت image مبتنی بر ARM از پایه را به ما می‌دهد.این مقاله ترجمه بخشی از مقاله ای است که در medium قرار دارد و نویسنده آن Source4learn است، می‌باشد. امیدوارم این مقاله برای شما کابردی بوده باشد و چیزی یاد گرفته باشید. :)

خلاصه‌‎ای بر مفهوم Server-Side Rendering (SSR) در React

Arvin — Wed, 03 Jan 2024 00:58:39 +0330

توضیح ساده درباره کارکرد SSRمفهوم SSR انقلابی به پا کرده است و باعث شده تا سرعت (User performance) و تجربه کاربری (User experience) در React بسیار بالا برود.مفهوم آن بطور کلی اینگونه است که، در مفهوم قبلی آن یعنی Client-Side Rendering (بصورت خلاصه CSR) فایل HTML کوچک را مرورگر می‌گرفت و بقیه صفحه توسط JavaScript ساخته می‌شد و آن را پردازش می‌کرد. اما در SSR فایل اولیه HTML توسط server پردازش می‌شود و سپس به کلاینت مرورگر فرستاده می‌شود.مزیت های SSR در Reactبهینه شدن سرعت نمایش سایتبا پردازش اولیه فایل HTML سمت سرور باعث می‌شود اینکار باعث می‌شود کلاینت مرورگر به راحتی صفحه را نمایش دهد.بهینه شدن برای موتورهای جستجو (SEO)با اینکار موتورهای جستجو به راحتی می‌توانند این سایت ها را در مقابله با CSR دسته بندی کنند و به نمایش قرار دهند.بهتر شدن تجربه کاربریبا افزایش سرعت نمایش سایت، مخصوصا برای دستگاه هایی با توان پردازشی پایین و شبکه هایی با سرعت کم، به تجربه‌ای عمیق و بهتر در رابطه با سایت کمک می‌کند.تجربه بهتر در اشتراک گذاری در شبکه های اجتماعیهنگامی که کاربران لینکی از اینگونه سایت ها را به اشتراک می‌گذارند، با پردازش سمت سرور محتوای سایت را به خوبی پیش نمایش می‌دهند.قابل دسترس قرار دادن در دستگاه های کم تواناین قابلیت بطور کلی باعث می‌شود محتوا به خوبی در دستگاه های کم توان و یا ظرفیت پردازشی کم، به خوبی قابل دسترس باشند.اعمال کردن این مفهوم در Reactدیگه وقت عمل رسیده و تو این بخش می‌خواهیم SSR رو در اپلیکیشن های React اعمال کنیم.1- مقدمات سرور Node.js را راه اندازی کردن: برای اینکار میتوان از framework محبوب Express استفاده کرد. البته گزینه های دیگری هم موجود است که می‌توان Hapi یا Koa را نام برد.2- نصب پیش نیازها: در این بخش به نصب پیش نیازهای ذیل می‌پردازیم:react، react-dom، express و react-dom/servernpm install express react react-dom react-dom/server3- ایجاد یک پایانه پردازش سمت سرور: از متد renderToString از کتابخانه react-dom/server برای پردازش component های React به HTML استفاده کنید:// server.js const express = require('express'); const React = require('react'); const { renderToString } = require('react-dom/server'); const App = require('./App'); // Your React component const app = express(); app.get('/', (req, res) => { const html = renderToString(); res.send(` SSR React App

${html}