تشغل ألفازيد نظامها الخلفي بالكامل — يخدم أكثر من 95,000 طالب في أكثر من 50 دولة — على AWS Lambda باستخدام إطار العمل الخالي من الخوادم. تشتمل المعمارية على Flask على Lambda خلف بوابة API، MySQL 8 على RDS، S3 لتوصيل المحتوى، وبحيرة تحليلات مخصصة (SQS → Kinesis Firehose → S3 → Glue → Athena). المهايرات النحيفة في Lambda تحسن تأخير بدء التشغيل البارد، ويخدم النظام أكثر من 7 تطبيقات من قاعدة كود واحدة مع تغيير تهيئة وقت التشغيل.

لماذا تستخدم النظام الخالي من الخوادم في تقنيات التعليم؟

تطبيقات التعليم لها أنماط استخدام غير متوقعة:

• صباحات أيام الأسبوع: تحميل ولي الأمر للتطبيق قبل إرسال الطفل إلى المدرسة (زيادة في الحركة)
• بعد الظهر في أيام الأسبوع: جلسات ممارسة بعد المدرسة (تحميل مستمر)
• عطلات نهاية الأسبوع: جلسات مكثفة (2-3 أضعاف الحمل العادي)
• خلال رمضان: انفجار في الاستخدام المسائي (جلسات القرآن العائلية)
• عطلات المدارس: نمط مختلف تمامًا

مزايا النظام الخالي من الخوادم:

• تسعير حسب الطلب: تدفع فقط للاستخدام الفعلي. إذا وصل 10 مستخدمين للـ API، تدفع لتلك الطلبات. إذا وصل 100,000 في لحظة فيروسية، تتوسع فوراً.
• زيرو بدء بارد للنقاط المتواترة: نحن نستخدم طبقات Lambda دائماً دافئة للنقاط التي تُستدعى باستمرار
• التوسع التلقائي: تعامل مع 10 مستخدمين متزامنين أو 10,000 دون أي تغييرات في البنية التحتية
• عدم الحاجة لصيانة الخوادم: يُركز الفريق على المناهج والذكاء الاصطناعي، وليس على Kubernetes أو موازنات التحميل

تحليل معماري معمق

بوابة API → Lambda → RDS

[تطبيق العميل] (iOS، Android، ويب)
    ↓
[بوابة API] (توجيه HTTP، تحديد معدل)
    ↓
[مناولات Lambda] (تطبيق Flask، ذاكرة 512MB، زمن انتهاء 28 ثانية)
    ├── مسارات التطبيق: /app/* (نقاط النهاية المتنقلة)
    ├── مسارات المستخدم: /user/* (نقاط النهاية المصادق عليها)
    └── مسارات الإدارة: /boss/* (لوحة التحكم الإدارية)
    ↓
[MySQL 8 على RDS] (بيانات دائمة)
    ↓
[استجابة] (JSON يعود إلى العميل)

Lambdas نحيفة للسرعة

معظم Lambdas نحيفة بوعي:

# مناول نحيف (~100KB)
import json
import pymysql
def get_user_progress(event, context):
user_id = event['pathParameters']['user_id']
# اتصال مباشر بـ DB (بدون overhead ORM)
conn = pymysql.connect(host='rds.aws.com', user='app', password='...', database='amal')
cursor = conn.cursor()
cursor.execute(
    'SELECT concept_id, accuracy FROM user_memory WHERE user_id = %s',
    (user_id,)
)
rows = cursor.fetchall()
conn.close()

return {
    'statusCode': 200,
    'body': json.dumps([{'concept': r[0], 'accuracy': r[1]} for r in rows])
}

لا يوجد استيراد لـ Flask، لا ORM SQLAlchemy، ولا middleware. النتيجة: بدء بارد ~500ms مقابل 5-10 ثانية لتطبيق Flask كامل.

نقاط النهاية الثقيلة (توليد المحتوى، معالجة التحليلات) تستخدم Flask كاملة:

# معالج ثقيل (~30MB مع Flask، SQLAlchemy، numpy)
from flask import Flask, jsonify
from models import UserMemory
import numpy as np
app = Flask(name)
@app.route('/content_duo/generate', methods=['POST'])
def generate_content_duo():
# منطق معقد يتطلب ORM
user = UserMemory.query.filter_by(user_id=request.json['user_id']).first()
# ... توليد جلسة مخصصة ...
return jsonify(session_data)

المعادلة: البداية الباردة أبطأ، لكن هذه تُستدعَى بتواتر أقل.

التأشير لكل تطبيق في الجداول

خادم RDS واحد يخدم أكثر من 7 تطبيقات مع عزل على مستوى قاعدة البيانات:

-- تطبيق أمل
CREATE TABLE amal_users (...)
CREATE TABLE amal_content_bytes (...)
CREATE TABLE amal_user_memory (...)
-- تطبيق ثريا
CREATE TABLE thurayya_users (...)
CREATE TABLE thurayya_content_bytes (...)
CREATE TABLE thurayya_user_memory (...)
-- تطبيقات أخرى: qais_, kiDelite_, إلخ.

في وقت النشر، متغير بيئة APP_NAME يختار البادئة:

app_name = os.getenv('APP_NAME', 'amal')  # 'amal'، 'thurayya'، 'qais'، إلخ.
الاستعلامات تستخدم البادئة بشكل ديناميكي
table_name = f'{app_name}_users'
cursor.execute(f'SELECT * FROM {table_name} WHERE id = %s', (user_id,))

بحيرة التحليلات

المشكلة: استعلامات قاعدة البيانات المباشرة من أجل التحليلات تبطئ الإنتاج. تشغيل التقارير يغلق الجداول.

الحل: خط تحليلي غير متزامن

[التطبيق المحمول]
    ↓ (إرسال حدث)
[نقطة API] → [قائمة انتظار SQS] (غير متزامن)
    ↓ (الاستجابة فوراً للتطبيق)
    ↓ (لا تنتظر التحليلات)
[Kinesis Firehose] (يكدس الأحداث كل 5 دقائق أو عندما تصل إلى 100MB)
    ↓
[S3] (مُقسمة: s3://analytics-lake/amal/2026/03/28/events.parquet)
    ↓
[AWS Glue] (يزحف على S3، يستنتج البنية)
    ↓
[Athena] (استعلامات SQL عبر محرك Presto)
    ↓
[لوحة القيادة] (يعرض رؤى في الوقت الحقيقي)

نمط قائمة الانتظار المهملة (DLQ)

إذا فشلت التحليلات:

SQS → [فشل Firehose]
  ↓
  [قائمة الانتظار المهملة تتلقى الرسائل الفاشلة]
  ↓
  [يتم إرسال تنبيه إلى العمليات]
  ↓
  [API الإنتاجية غير متأثرة]

التحليلات لا تعيق الطلبات. يمكن للأطفال التعلم حتى لو كانت خطوط التحليلات متوقفة.

استراتيجيات تحسين التكلفة

الاستراتيجية 1: Lambdas نحيفة للنقاط ذات التردد العالي

• التطبيق الجوال العادي يقوم بـ 10-20 طلب API لكل جلسة
• 95,000 مستخدم نشط × 3 جلسات/يوم × 15 مكالمة/جلسة = 4.275M مكالمة/يوم
• إذا كانت كل مكالمة تكلف $0.0000002 (تسعير Lambda)، فهذا $0.86/يوم
• تقليل وقت البدء البارد بـ 10 ثوانٍ يوفر ~$500/شهر

الاستراتيجية 2: مثيلات RDS محفوظة

• حجز لمدة 3 سنوات: خصم ~60% مقابل عند الطلب
• نستخدم db.r6i.xlarge (4 vCPU، 32GB RAM): $2,800/شهر محجوز مقابل $6,500/شهر عند الطلب
• مدخرات سنوية: ~$50,000

الاستراتيجية 3: التخزين المؤقت

• البيانات التي يُرجع إليها كثيرًا (المناهج التعليمية، البايتات) مخزنة في ElastiCache (Redis)
• يقلل استعلامات RDS بـ 70%
• التكلفة: $800/شهر للتخزين، يوفر $2,000/شهر في RDS

خدمة أكثر من 7 تطبيقات من قاعدة كود واحدة

التطبيق	البادئة	جدول DB	كدسة Lambda	الحالة
أمل	amal_	أكثر من 40 جدول	مشتركة	إنتاج
ثريا	thurayya_	أكثر من 40 جدول	مشتركة	إنتاج
قيس	qais_	أكثر من 35 جدول	مشتركة	بيتا
KidElite	kidelite_	أكثر من 40 جدول	مشتركة	إنتاج
مدرسة ألفازيد	school_	أكثر من 50 جدول	مشتركة	بيتا
مونتيسوري ألفازيد	montessori_	أكثر من 45 جدول	مشتركة	داخلي

نظام خلفية واحد، خط نشر واحد، 6 تطبيقات متزامنة. إطلاق تطبيق جديد: أسابيع بدلاً من شهور.

الأسئلة الشائعة

س: ألا يوجد حد زمني أقصى في Lambda يبلغ 15 دقيقة؟
ج: لدى Lambda حد زمني أقصى يبلغ 15 دقيقة، لكن نادراً ما نحتاج إلى طلبات طويلة الأمد. العمليات الثقيلة (توليد المحتوى، التصدير الكبير) تستخدم مهام غير متزامنة مع SQS + وظائف الخطوة.

س: ماذا لو تعطل قاعدة البيانات؟
ج: لدى RDS تجاوز الفشل التلقائي عبر مناطق متعددة (أساسي + نسخة احتياطية). يحدث الفشل التلقائي في حوالي 60 ثانية. يلاحظ العملاء وقت توقف وجيز لكن التعافي سريع.

س: كيف تتعاملون مع تجميع اتصال قاعدة البيانات مع Lambda عديمة الحالة؟
ج: كل مثبت Lambda يحتفظ بمجموعة من الاتصال (تُستخدم عبر الدعوات الدافئة). تبدأ الدعوات الباردة اتصالات جديدة. يجلس RDS Proxy بين Lambda وRDS لإدارة حدود الاتصال.