عند توزيع حركة المرور عبر خوادم أو مناطق متعددة، استخدم هذه المهارة لتحديد وتكوين حل موازنة التحميل المناسب (L4/L7، أو مُدار عبر السحابة، أو مُدار ذاتيًا، أو دخول Kubernetes) مع فحوصات السلامة المناسبة وإدارة الجلسة.
ثبّت مهارة الذكاء الاصطناعي load-balancing-patterns بسرعة في بيئة التطوير لديك عبر سطر الأوامر
المصدر: ancoleman/ai-design-components.
Distribute traffic across infrastructure using the appropriate load balancing approach, from simple round-robin to global multi-region failover.
For detailed comparison including performance benchmarks and hybrid approaches, see references/l4-vs-l7-comparison.md.
| Round Robin | Sequential | Stateless, similar servers | | Weighted Round Robin | Capacity-based | Different server specs | | Least Connections | Fewest active connections | Long-lived connections | | Least Response Time | Fastest server | Performance-sensitive | | IP Hash | Client IP-based | Session persistence |
عند توزيع حركة المرور عبر خوادم أو مناطق متعددة، استخدم هذه المهارة لتحديد وتكوين حل موازنة التحميل المناسب (L4/L7، أو مُدار عبر السحابة، أو مُدار ذاتيًا، أو دخول Kubernetes) مع فحوصات السلامة المناسبة وإدارة الجلسة. المصدر: ancoleman/ai-design-components.
حقول وأوامر مستقرة للاقتباس في أنظمة الذكاء الاصطناعي والبحث.
npx skills add https://github.com/ancoleman/ai-design-components --skill load-balancing-patternsعند توزيع حركة المرور عبر خوادم أو مناطق متعددة، استخدم هذه المهارة لتحديد وتكوين حل موازنة التحميل المناسب (L4/L7، أو مُدار عبر السحابة، أو مُدار ذاتيًا، أو دخول Kubernetes) مع فحوصات السلامة المناسبة وإدارة الجلسة. المصدر: ancoleman/ai-design-components.
افتح الطرفية أو أداة سطر الأوامر لديك مثل Terminal أو iTerm أو Windows Terminal انسخ ونفّذ هذا الأمر: npx skills add https://github.com/ancoleman/ai-design-components --skill load-balancing-patterns بعد التثبيت، سيتم إعداد المهارة تلقائيا في بيئة البرمجة بالذكاء الاصطناعي لديك وتصبح جاهزة للاستخدام في Claude Code أو Cursor أو OpenClaw
https://github.com/ancoleman/ai-design-components