العلامات الشائعة：
الافتراضية أمان DNS التحقق الرسمي تحليل قابلية الوصول أخطاء المترجم تضارب الماكرو امتدادات الويب إطار عمل تطوير كومودور 64 بياسيك 2.0 جميع العلامات

في أعماق مُجمّعات JIT في روبي

2025-09-13
في أعماق مُجمّعات JIT في روبي

تتناول هذه المقالة عمق آلية عمل مُجمّعات JIT في لغة البرمجة روبي، مثل YJIT و ZJIT. تشرح المقالة كيف يتعايش الرمز المُجمّع بواسطة JIT مع بايت كود، وكيفية تبديل روبي بين أوضاع التنفيذ. كما تُوضح المقالة كيفية تحديد روبي للطرق التي سيتم تجميعها (بناءً على عدد مرات الاستدعاء)، ومتى يعود الرمز المُجمّع بواسطة JIT إلى المُفسّر (مثلًا، عند تفعيل TracePoint أو إعادة تعريف طرق أساسية). باختصار، يُحقق مُجمّع JIT في روبي توازنًا بين الأداء والدقة من خلال آلية مُبتكرة.

اقرأ المزيد
(railsatscale.com)
التطوير مُجمّع JIT

البرمجة متعددة اللغات المُعززة بالذكاء الاصطناعي: من مطور روبي فقط إلى مطور متعدد اللغات في أقل من عام

2025-07-23
البرمجة متعددة اللغات المُعززة بالذكاء الاصطناعي: من مطور روبي فقط إلى مطور متعدد اللغات في أقل من عام

يشارك مطور برمجيات عمل لعشر سنوات بلغة روبي فقط رحلته في إتقان لغات برمجة متعددة - C++ و C و Rust - في أقل من عام، وذلك بفضل أدوات ترميز الذكاء الاصطناعي مثل Cursor و Claude Code. يصف الكاتب كيف ساعدت مساعدة الذكاء الاصطناعي في التغلب على تحديات تعلم لغات برمجة النظم، مما أتاح مساهمات فعالة في مشاريع مثل Sorbet و RBS و ZJIT. لم يعمل الذكاء الاصطناعي كمولد للكود، بل كشريك في البرمجة يمتلك مهارات تكميلية، حيث قام بتوضيح بناء الجملة والأنماط والإجابة على الأسئلة، مما قلل بشكل كبير من منحنى التعلم وأتاح مساهمات ذات مغزى من اليوم الأول. على الرغم من أن الذكاء الاصطناعي يُسرع عملية التعلم، إلا أن خبرة الإنسان لا تزال ضرورية لتصحيح المسار. يعتقد الكاتب أن البرمجة المُعززة بالذكاء الاصطناعي هي مستقبل تطوير البرمجيات.

اقرأ المزيد
(railsatscale.com)
التطوير برمجة متعددة اللغات

روبي 3.5: تخصيص كائنات أسرع بست مرات من خلال دمج Class#new

2025-05-22
روبي 3.5: تخصيص كائنات أسرع بست مرات من خلال دمج Class#new

يحقق روبي 3.5 تسريعًا كبيرًا في تخصيص الكائنات، يصل إلى ستة أضعاف السرعة، من خلال دمج (inlining) طريقة Class#new. تتناول المقالة تفاصيل هذه التحسينات، مع عرض نتائج اختبارات الأداء، وتحليل نقاط الضعف في الأداء، وشرح تقنية الدمج. من خلال إزالة تكلفة استدعاء الطرق، والحد من نسخ المعلمات، وتحسين معدلات نجاح ذاكرة التخزين المؤقت المضمنة، تعالج هذه التحسينات مشاكل الأداء في تخصيص كائنات روبي بكفاءة، على الرغم من أنها تُدخِل بعض مشكلات التوافق مع الإصدارات السابقة الطفيفة.

اقرأ المزيد
(railsatscale.com)
التطوير

تحليل النوع الثابت لـ Ruby بدون تعليقات النوع

2025-03-13
تحليل النوع الثابت لـ Ruby بدون تعليقات النوع

طور مهندسو Shopify محللًا جديدًا للنوع الثابت يستنتج معلومات النوع لبرامج Ruby دون الحاجة إلى تعليقات النوع. يستخدم المحلل خوارزمية Sparse Conditional Constant Propagation (SCCP) محسّنة وتتبعًا دقيقًا لتدفق البيانات للتعامل بكفاءة مع تحليل النوع بين الإجراءات، ويكمل التحليل في ثوانٍ حتى بالنسبة للبرامج التي تحتوي على عدد كبير من الفئات. يقدم هذا البحث نهجًا جديدًا لتحسين المُجمعات للغات الديناميكية، ويفتح إمكانيات جديدة لتحسين الأداء في لغات ديناميكية مثل Ruby.

اقرأ المزيد
(railsatscale.com)
التطوير تحليل النوع الثابت تحسين المُجمع

تسريع واجهة الدالة الخارجية (FFI) في CRuby باستخدام التجميع في الوقت المناسب (JIT)

2025-02-12
تسريع واجهة الدالة الخارجية (FFI) في CRuby باستخدام التجميع في الوقت المناسب (JIT)

تتناول هذه المقالة استخدام التجميع في الوقت المناسب (JIT) لتحسين أداء واجهة الدالة الخارجية (FFI) في روبي. تُظهر الاختبارات المقارنة عيوب أداء FFI مقارنةً بالامتدادات الأصلية. يقدم الكاتب حلاً يُسمى FJIT، وهو عبارة عن حل يستخدم RJIT وإنشاء رمز آلة مخصص لإنشاء رمز آلة وقت التشغيل لتنفيذ الدوال الخارجية، متجاوزًا بذلك عبء FFI. يتفوق FJIT على الامتدادات الأصلية في الاختبارات، مما يوفر بديلاً عالي الأداء لمطوري روبي. يعتبر FJIT حاليًا نموذجًا أوليًا يدعم فقط ARM64، ولكن يتوقع الكاتب توسيعه في المستقبل ليشمل بنى أخرى ودوال أكثر تعقيدًا.

اقرأ المزيد
(railsatscale.com)
التطوير