DEV Community: hardyweb

Incus Lab: Belajar Rangkaian Dengan Cara Mencuba

hardyweb — Fri, 18 Sep 2026 13:30:59 +0000

Belajar tentang rangkaian kadang-kadang agak sukar apabila semuanya hanya diterangkan melalui rajah, nota dan teori.

Apa sebenarnya berlaku apabila kita melakukan ping?

Kenapa satu port boleh dibuka tetapi port yang lain tidak?

Bagaimana nmap mengenal pasti perkhidmatan yang sedang berjalan? Dan apabila kita menggunakan dig, dari mana sebenarnya maklumat DNS itu datang?

Incus Lab dibangunkan sebagai satu ruang kecil untuk pelajar mencuba dan melihat sendiri perkara-perkara tersebut.

Incus Lab menggunakan Incus, iaitu platform untuk menjalankan system container dan virtual machine. Dalam projek ini, beberapa container Linux digunakan sebagai persekitaran latihan rangkaian.

Konsepnya mudah.

Pelajar tidak perlu membayangkan bahawa terdapat sebuah server di sebelah sana atau sebuah network di belakang sesuatu rajah. Sebaliknya, mereka boleh melihat dan berinteraksi dengan persekitaran tersebut secara langsung.

Dalam Incus Lab terdapat container seperti lab-scanner dan lab-target. Daripada persekitaran ini, pelajar boleh mencuba beberapa perkara asas seperti:

ping dan pemeriksaan connectivity
ip addr, ip route dan ip neigh
nmap untuk melihat port dan service
ss, nc dan curl
dig dan nslookup untuk memahami DNS
kemudian berkembang kepada traceroute, packet inspection dan troubleshooting

Setiap percubaan boleh menjadi satu soalan kecil.

"Apa yang berlaku kalau port ini ditutup?"

"Kenapa ping berjaya tetapi sambungan ke port tertentu gagal?"

"Apa yang sebenarnya berlaku apabila kita membuat DNS lookup?"

Daripada situ, pelajar boleh melihat hubungan antara arahan yang mereka jalankan dengan keadaan sebenar dalam network.

Satu lagi perkara yang cuba diketengahkan ialah command yang sebenar. Incus Lab bukan sekadar memaparkan keputusan akhir. Command yang dijalankan turut boleh dilihat melalui command log, supaya pelajar boleh menghubungkan apa yang mereka klik pada antaramuka dengan arahan Linux yang berlaku di belakangnya.

Pendekatan ini diharapkan dapat menjadikan pembelajaran lebih dekat dengan pengalaman sebenar seorang system atau network engineer.

Tidak perlu bermula dengan memahami semuanya.

Cuba satu command.

Lihat hasilnya.

Buat perubahan kecil.

Cuba lagi.

Kemudian mula bertanya "kenapa?"

Itulah idea ringkas di sebalik Incus Lab — menyediakan ruang yang selamat untuk belajar network melalui percubaan, pemerhatian dan sedikit rasa ingin tahu.

Projek ini masih berkembang. Beberapa topik seperti routing, packet inspection dan troubleshooting dirancang untuk ditambah secara berperingkat.

Jika anda seorang pelajar IT dan ingin mencuba, projek ini boleh dilihat di GitHub:

github.com/hardyweb/incus-lab

Mungkin daripada satu ping yang ringkas, kita mula nampak bahawa network sebenarnya mempunyai banyak cerita di sebaliknya.

Nginx Load Balancing with DNS-Based Service Discovery on Incus

hardyweb — Sun, 30 Aug 2026 06:31:30 +0000

Nginx Load Balancing with DNS-Based Service Discovery on Incus

Hari ini saya buat satu practical lab untuk memahami Nginx Load Balancing, DNS-based Service Discovery, dan operational logging dalam persekitaran self-hosted menggunakan Incus.

Lab ini bermula dengan architecture yang simple:

Client
   │
   ▼
Nginx LB
   │
   ├──► web01
   └──► web02

Kemudian saya tambah satu DNS server supaya backend tidak perlu bergantung sepenuhnya kepada hard-coded IP address.

1. Architecture

Final architecture:

                         DNS
                    dns / dnsmasq
                    10.107.109.18
                         ▲
                         │
                  DNS lookup:
                   web.incus
                         │
                         │
                    Nginx LB
                   10.107.109.69
                         │
                  Load Balancing
              ┌──────────┼──────────┐
              ▼          ▼          ▼
            web01      web02      web03
            .100        .253        .xxx

Ada dua jenis communication flow dalam architecture ini.

DNS resolution

Nginx LB ──────► DNS
                  │
                  └── web.incus
                       ↓
                  .100, .253, .xxx

DNS hanya digunakan untuk mengetahui IP address backend.

HTTP traffic

Client
  │
  ▼
Nginx LB
  │
  ├────► web01
  ├────► web02
  └────► web03

DNS tidak membawa HTTP traffic.

DNS hanya menjawab:

Where is web.incus?

Nginx kemudian menggunakan IP yang diperoleh daripada DNS untuk melakukan load balancing.

2. Static / Hard-Coded Upstream

Cara paling mudah untuk configure Nginx Load Balancer ialah dengan meletakkan IP backend secara terus.

Contoh:

upstream backend {
    server 10.107.109.100;
    server 10.107.109.253;
}

Architecture:

Nginx LB
   │
   ├──► 10.107.109.100
   │
   └──► 10.107.109.253

Kelebihan

Simple
Mudah difahami
Predictable
Sesuai untuk environment kecil
Tidak memerlukan DNS service discovery

Kekurangan

Kalau tambah web03:

web01
web02
web03

Nginx configuration perlu diubah:

upstream backend {
    server 10.107.109.100;
    server 10.107.109.253;
    server 10.107.109.xxx;
}

Kemudian configuration perlu divalidasi dan biasanya Nginx perlu di-reload.

3. DNS-Based Service Discovery

Pendekatan kedua ialah menggunakan hostname sebagai service identity.

Contohnya:

web.incus

DNS:

web.incus
 ├── 10.107.109.100
 ├── 10.107.109.253
 └── 10.107.109.xxx

Nginx tidak perlu mengetahui backend IP secara hard-coded.

Contoh:

resolver 10.107.109.18 valid=5s;

upstream backend {
    zone backend 64k;
    server web.incus resolve;
}

Konsepnya:

             DNS
              │
              │ web.incus
              ▼
         ┌─────────────┐
         │  Nginx LB   │
         └──────┬──────┘
                │
       ┌────────┼────────┐
       ▼        ▼        ▼
     web01    web02    web03

4. Why Use DNS?

DNS memberikan abstraction layer antara Load Balancer dan backend server.

Tanpa DNS:

Nginx
  │
  ├── 10.107.109.100
  ├── 10.107.109.253
  └── 10.107.109.xxx

Dengan DNS:

Nginx
  │
  └── web.incus
         │
         ├── .100
         ├── .253
         └── .xxx

Ini bermaksud service identity dipisahkan daripada server identity.

Contohnya, kalau web01 mendapat IP baru:

web.incus
    ↓
10.107.109.200

Nginx tidak perlu mempunyai IP tersebut secara hard-coded.

DNS menjadi source of information mengenai lokasi service.

5. dnsmasq

Dalam lab ini saya menggunakan dnsmasq sebagai DNS service.

DNS server:

10.107.109.18

Nginx LB menggunakan DNS tersebut:

resolver 10.107.109.18 valid=5s;

Test DNS:

dig @10.107.109.18 web.incus

Contoh result:

web.incus.    0    IN    A    10.107.109.100
web.incus.    0    IN    A    10.107.109.253

Apabila web03 ditambah:

web.incus.    0    IN    A    10.107.109.100
web.incus.    0    IN    A    10.107.109.253
web.incus.    0    IN    A    10.107.109.xxx

6. Dynamic DNS Resolution in Nginx

Bahagian penting dalam configuration ialah:

resolver 10.107.109.18 valid=5s;

dan:

server web.incus resolve;

resolver memberitahu Nginx DNS server yang perlu digunakan.

valid=5s menentukan tempoh DNS result dianggap valid oleh Nginx.

resolve membolehkan Nginx resolve hostname backend secara dynamic.

Konsep:

DNS changes
     │
     ▼
web.incus
     │
     ▼
Nginx re-resolves
     │
     ▼
Backend pool updated

Ini lebih flexible berbanding hard-coded IP.

7. Adding a New Backend

Salah satu test penting ialah menambah web03.

Sebelum:

web.incus
 ├── web01
 └── web02

Selepas:

web.incus
 ├── web01
 ├── web02
 └── web03

Yang menarik ialah Nginx configuration tidak perlu ditukar untuk menambah backend baru.

DNS yang berubah.

Kemudian Nginx akan mendapatkan DNS information yang baru berdasarkan konfigurasi resolver.

Ini menunjukkan salah satu kelebihan utama DNS-based service discovery.

8. Important Lesson: DNS Discovery Is Not Health Checking

Satu perkara yang saya belajar ialah:

DNS Service Discovery ≠ Health Checking

DNS memberitahu:

web.incus
    ↓
IP addresses

Tetapi DNS tidak semestinya tahu sama ada HTTP service pada IP tersebut sedang berfungsi.

Contohnya:

web.incus
 ├── web01 ✅
 ├── web02 ❌
 └── web03 ✅

DNS mungkin masih return:

.100
.253
.xxx

walaupun web02 tidak boleh menerima HTTP connection.

Oleh itu, production architecture mungkin memerlukan additional health-checking atau failure-handling mechanism.

9. Load Balancing vs High Availability

Saya juga belajar bahawa Load Balancing dan High Availability bukan perkara yang sama.

Load Balancing

Tujuan:

Client
  │
  ▼
Nginx LB
 ├──► web01
 ├──► web02
 └──► web03

Ia mengagihkan traffic.

High Availability

Tujuan:

           LB / HA
          /       \
       LB01      LB02

Ia memastikan service masih tersedia jika salah satu infrastructure component gagal.

Contohnya, Keepalived boleh digunakan untuk menyediakan virtual IP dan failover antara Load Balancer.

Jadi:

Load Balancing
    ≠
High Availability

Tetapi kedua-duanya boleh digunakan bersama.

10. Nginx Operational Logging

Selepas Load Balancing berfungsi, saya tambah logging untuk melihat backend mana yang menerima request.

Contoh log format:

log_format lb '$remote_addr - $host [$time_local] '
              '"$request" $status $body_bytes_sent '
              'upstream=$upstream_addr '
              'upstream_status=$upstream_status '
              'request_time=$request_time '
              'upstream_response_time=$upstream_response_time';

Kemudian:

access_log /var/log/nginx/lb_access.log lb;

Log boleh mengandungi:

upstream=10.107.109.100:80

atau:

upstream=10.107.109.253:80

atau:

upstream=10.107.109.xxx:80

Ini memberikan visibility kepada Load Balancer behaviour.

11. Testing

Test DNS

dig @10.107.109.18 web.incus

Test backend

curl --noproxy '*' http://10.107.109.100/
curl --noproxy '*' http://10.107.109.253/
curl --noproxy '*' http://10.107.109.xxx/

Test Nginx configuration

nginx -t

Inspect effective configuration

nginx -T

Test Load Balancer

curl --noproxy '*' http://10.107.109.69/

Watch Load Balancer logs

tail -f /var/log/nginx/lb_access.log

12. Troubleshooting Lesson

Satu masalah yang berlaku dalam lab ialah default Nginx configuration masih aktif.

Contohnya:

/etc/nginx/conf.d/default.conf

Configuration tersebut menyebabkan Nginx default welcome page dipaparkan.

Walaupun Load Balancer configuration telah dibuat dengan betul, request masih boleh masuk ke default server.

Penyelesaian ialah memastikan hanya configuration yang diperlukan digunakan.

Ini mengajar satu perkara penting:

Jangan hanya melihat configuration file yang kita edit. Periksa effective configuration yang sebenarnya digunakan oleh Nginx.

Command yang berguna:

nginx -T

Kemudian:

nginx -t

sebelum reload.

13. Configuration Validation Workflow

Workflow yang saya gunakan:

Edit Configuration
       │
       ▼
    nginx -t
       │
       ▼
   Configuration OK?
      /       \
    NO         YES
    │           │
    ▼           ▼
 Fix config   Reload
                │
                ▼
             Test
                │
                ▼
              Logs
                │
                ▼
            Verify

Ini lebih baik daripada terus restart service setiap kali membuat perubahan.

14. Security Perspective

Walaupun lab ini fokus kepada Load Balancing, terdapat beberapa security principles yang boleh dipelajari.

Configuration Management

Configuration perlu:

dikenal pasti
diubah secara terkawal
divalidasi
diuji
didokumentasikan

Network Security

Perlu memahami:

Client
  ↓
Load Balancer
  ↓
Backend network

dan service mana yang boleh berkomunikasi antara satu sama lain.

Logging

Load Balancer logs membantu:

troubleshooting
monitoring
incident investigation
performance analysis
verification

Availability

Multiple backend servers boleh mengurangkan dependency kepada single server.

15. ISO/IEC 27001 Perspective

Lab ini bukan implementation penuh ISO/IEC 27001.

Sebaliknya, ISO/IEC 27001 digunakan sebagai reference framework untuk memahami bagaimana technical infrastructure berkait dengan information security.

Beberapa control yang relevan untuk pembelajaran:

Control	Relevance
A.8.9 Configuration Management	Nginx, DNS dan network configuration
A.8.15 Logging	Nginx Load Balancer logs
A.8.16 Monitoring Activities	Monitoring behaviour dan troubleshooting
A.8.20 Networks Security	Network architecture dan communication
A.8.21 Security of Network Services	DNS, HTTP dan Load Balancing services
A.8.32 Change Management	Controlled configuration changes
A.5.30 ICT Readiness for Business Continuity	Redundancy dan availability concepts

Penting untuk difahami bahawa control mapping sahaja tidak bermaksud sesuatu environment itu compliant.

Dalam audit sebenar, auditor masih memerlukan:

Risk
 ↓
Control
 ↓
Implementation
 ↓
Evidence
 ↓
Monitoring
 ↓
Review
 ↓
Improvement

16. Key Lessons

Antara perkara utama yang saya pelajari:

Load Balancing dan High Availability adalah dua fungsi yang berbeza.
Nginx boleh digunakan sebagai HTTP Load Balancer.
Backend boleh dirujuk menggunakan IP secara static.
Backend juga boleh ditemui menggunakan DNS-based service discovery.
DNS memberikan abstraction layer antara service dan server IP.
resolver dan resolve membolehkan Nginx menggunakan dynamic DNS resolution.
DNS discovery tidak sama dengan health checking.
Logging penting untuk visibility dan troubleshooting.
nginx -T sangat berguna untuk melihat effective configuration.
Configuration changes perlu divalidasi sebelum reload.
Redundancy pada backend membantu meningkatkan availability.
Technical implementation boleh dianalisis menggunakan perspektif ISO/IEC 27001 tanpa mendakwa bahawa lab tersebut sendiri merupakan ISMS.

17. Final Architecture

                         DNS
                    dns / dnsmasq
                    10.107.109.18
                         ▲
                         │
                  DNS lookup
                   web.incus
                         │
                         │
                    Nginx LB
                   10.107.109.69
                         │
                  Load Balancing
              ┌──────────┼──────────┐
              ▼          ▼          ▼
            web01      web02      web03
            .100        .253        .xxx

The key concept is:

DNS = Service Discovery

Nginx = Load Balancer

Web01/Web02/Web03 = Backend Services

Nginx Logs = Operational Visibility

Conclusion

The practical exercise demonstrated two fundamental approaches to Nginx Load Balancing.

The first approach uses static IP addresses, which is simple and suitable for small, stable environments.

The second approach uses DNS-based service discovery, where Nginx resolves a service name such as web.incus to determine the backend servers.

The second approach introduces additional flexibility but also introduces dependencies on DNS availability, DNS caching, TTL behaviour and backend health handling.

The most important lesson is that infrastructure components should not be viewed independently. DNS, Load Balancing, networking, configuration management, logging, availability and security all interact with each other.

From an ISO/IEC 27001 perspective, the exercise demonstrates how technical controls can be understood through the broader cycle of risk, control, implementation, evidence, monitoring and continual improvement.

Building a PDF from Markdown with Pandoc: Images, Code Blocks, TOC and Mermaid

hardyweb — Wed, 19 Aug 2026 05:45:12 +0000

Pandoc is one of those tools that looks simple at first:

pandoc input.md -o output.pdf

But when Markdown becomes a real document, things become more interesting.

Images may disappear, long shell commands can overflow the page, Mermaid diagrams need additional processing, and the generated table of contents may contain sections that we do not want.

This note documents the practical techniques for building a clean PDF from Markdown using Pandoc.

1. Example Project Structure

Let's use a fictional project called Internal API Deployment Guide.

The directory structure is:

docs/
├── assets/
│   ├── architecture.png
│   └── logo.png
├── chapters/
│   ├── introduction.md
│   ├── installation.md
│   └── deployment.md
└── main.md

The important point is that image paths are relative to the Markdown file or the working directory used by Pandoc.

For example:

![System Architecture](assets/architecture.png)

If the image is located elsewhere:

docs/
├── assets/
│   └── architecture.png
└── chapters/
    └── deployment.md

then the path from deployment.md would be:

![System Architecture](../assets/architecture.png)

2. Cover Image

A cover image can simply be inserted using Markdown:

![Cover](assets/logo.png)

However, if the intention is to create a proper PDF title page, it is often cleaner to use YAML metadata and a dedicated LaTeX template.

For example:

---
title: "Internal API Deployment Guide"
author: "Example Engineering Team"
date: "2026"
---

Then:

pandoc main.md \
  --pdf-engine=xelatex \
  -o deployment-guide.pdf

The important lesson is:

Pandoc does not treat a Markdown image as a special "cover page". It is simply an image in the document flow.

If you need a dedicated cover page, control the layout using LaTeX/template mechanisms.

3. Image Paths

One common problem is:

Image not found

or the image simply does not appear in the PDF.

Consider:

project/
├── main.md
└── assets/
    └── architecture.png

The Markdown should use:

![Architecture](assets/architecture.png)

Then run Pandoc from the project directory:

pandoc main.md -o output.pdf

A useful debugging technique is to verify the file first:

ls -lh assets/architecture.png

Then test Pandoc:

pandoc main.md -o test.pdf

If the image still does not appear, check the actual working directory:

pwd

Relative paths are one of the easiest things to overlook when working with Pandoc.

4. Table of Contents

Pandoc can automatically generate a table of contents:

pandoc main.md \
  --toc \
  -o output.pdf

The heading levels included in the TOC can be controlled:

pandoc main.md \
  --toc \
  --toc-depth=2 \
  -o output.pdf

With:

# Deployment Guide

## Installing Dependencies

### Installing PHP

### Installing Composer

## Configuring Nginx

Using:

--toc-depth=2

the TOC will contain:

Deployment Guide
  Installing Dependencies
  Configuring Nginx

but not:

Installing PHP
Installing Composer

This is useful for keeping a technical PDF readable.

5. Removing Unwanted Sections from the TOC

Sometimes the document contains front matter:

# Front Matter

## Title Page

## Copyright

## Disclaimer

# Chapter 1

## Installation

You may not want every front-matter section appearing in the TOC.

One approach is to control the heading hierarchy carefully.

For example, instead of:

# Front Matter

## Title Page

use a custom LaTeX structure or unnumbered headings:

# Title Page {.unnumbered}

or:

# Copyright {.unnumbered}

Depending on the output format and template, this can prevent unwanted numbering and help keep the document structure clean.

6. Code Blocks

Pandoc handles fenced code blocks naturally:

```bash
sudo systemctl restart nginx
```

For example:

sudo systemctl restart nginx

Language identifiers are useful:

```php
Route::get('/health', function () {
    return ['status' => 'ok'];
});
```

Pandoc can then pass the code through syntax highlighting when configured.

For example:

pandoc main.md \
  --highlight-style=tango \
  -o output.pdf

7. The Long Bash Command Problem

Technical documentation often contains commands such as:

docker run --name production-api --restart unless-stopped -p 8080:8080 -v /opt/application/config:/app/config:ro -e APP_ENV=production example/api-server:latest

The problem is that this line may be wider than the printable area of an A4 page.

LaTeX may produce an overfull line.

A better solution is to format the command over multiple lines:

docker run \
  --name production-api \
  --restart unless-stopped \
  -p 8080:8080 \
  -v /opt/application/config:/app/config:ro \
  -e APP_ENV=production \
  example/api-server:latest

This is not only better for PDF generation.

It is also easier for humans to read.

8. Long Inline Commands

Inline code can also cause problems:

Run `docker run --name production-api --restart unless-stopped -p 8080:8080 example/api-server:latest`.

For short commands this is fine.

For long commands, use a fenced block instead:

```bash
docker run \
  --name production-api \
  --restart unless-stopped \
  -p 8080:8080 \
  example/api-server:latest
```

A useful documentation rule is:

If a command is difficult to read in Markdown, it will probably be even worse in PDF.

9. Mermaid Diagrams

Pandoc does not natively turn every Mermaid code block into a rendered diagram.

For example:

```mermaid
flowchart TB
    Client --> API
    API --> Database
```

The Markdown parser can understand the fenced block, but a PDF engine such as XeLaTeX does not automatically know how to render Mermaid.

A common solution is to convert Mermaid separately.

Create:

architecture.mmd

with:

flowchart TB
    Client --> API
    API --> Database

Then generate an image:

mmdc \
  -i architecture.mmd \
  -o architecture.png

Now include the generated image:

![System Architecture](assets/architecture.png)

This separates diagram generation from PDF generation.

10. Mermaid Workflow

A practical workflow is:

Mermaid source
      |
      v
   mmdc
      |
      v
 PNG / SVG
      |
      v
   Markdown
      |
      v
   Pandoc
      |
      v
    PDF

For example:

mmdc \
  -i assets/architecture.mmd \
  -o assets/architecture.png

Then:

pandoc main.md \
  --toc \
  --pdf-engine=xelatex \
  -o output.pdf

This approach is easier to troubleshoot than trying to make every component work inside one command.

11. PNG vs SVG

Mermaid can generate both PNG and SVG.

PNG:

mmdc \
  -i architecture.mmd \
  -o architecture.png

SVG:

mmdc \
  -i architecture.mmd \
  -o architecture.svg

SVG is useful because it is vector-based.

However, the complete toolchain matters.

If SVG rendering causes problems in the LaTeX/PDF pipeline, PNG is often the simpler solution.

For technical documentation, a good starting point is:

Mermaid → PNG → Pandoc → XeLaTeX → PDF

Once the pipeline is stable, SVG can be introduced if higher-quality vector diagrams are required.

12. Using XeLaTeX

For modern technical documents, XeLaTeX is a useful PDF engine.

Example:

pandoc main.md \
  --pdf-engine=xelatex \
  -o output.pdf

It provides better control over fonts and Unicode than some older LaTeX workflows.

You can specify a main font:

pandoc main.md \
  --pdf-engine=xelatex \
  -V mainfont="DejaVu Serif" \
  -o output.pdf

For code:

-V monofont="DejaVu Sans Mono"

13. Unicode Problems

Technical documentation often contains symbols such as:

✓
→
⚠
✅

If the selected font does not contain these glyphs, XeLaTeX may display warnings such as:

Missing character

For example:

[WARNING] Missing character: There is no ✅

The problem is usually not Pandoc itself.

It is a font coverage problem.

One solution is to use a font with better Unicode coverage.

Another is to avoid unnecessary emoji in PDF source documents.

For technical books, simple ASCII characters are often safer:

[OK]
[WARNING]
[ERROR]

instead of:

✅
⚠️
❌

14. A Simple Build Command

Once the document is ready, a simple build command might be:

pandoc main.md \
  --toc \
  --toc-depth=2 \
  --pdf-engine=xelatex \
  --highlight-style=tango \
  -o output.pdf

This gives us:

Markdown input
automatic TOC
maximum TOC depth of 2
XeLaTeX PDF generation
syntax-highlighted code
PDF output

15. Separate the Build Process

Instead of remembering a long command, create a script:

#!/usr/bin/env bash

set -e

pandoc main.md \
  --toc \
  --toc-depth=2 \
  --pdf-engine=xelatex \
  --highlight-style=tango \
  -o output.pdf

echo "PDF generated: output.pdf"

Save it as:

build.sh

Then:

chmod +x build.sh

Run:

./build.sh

This makes the document reproducible.

16. A Better Project Layout

For a larger documentation project, a structure like this works well:

documentation/
├── assets/
│   ├── architecture.png
│   ├── database.png
│   └── logo.png
├── diagrams/
│   ├── architecture.mmd
│   └── database.mmd
├── chapters/
│   ├── introduction.md
│   ├── installation.md
│   └── deployment.md
├── main.md
├── build.sh
└── output/
    └── documentation.pdf

The responsibilities are clear:

chapters/   → Markdown content
diagrams/   → Mermaid source
assets/     → generated/static images
main.md     → document entry point
build.sh    → reproducible build
output/     → generated PDF

17. The Important Lesson

Pandoc itself is only one part of the pipeline.

A real Markdown-to-PDF workflow can look like this:

Markdown
   |
   +---- Images
   |
   +---- Code
   |
   +---- Mermaid
   |
   v
Pandoc
   |
   v
XeLaTeX
   |
   v
PDF

When something goes wrong, debug the pipeline one component at a time.

For example:

Image missing
    ↓
Check Markdown path

Mermaid missing
    ↓
Check Mermaid conversion

Unicode warning
    ↓
Check font

Code overflowing page
    ↓
Reformat long command

TOC incorrect
    ↓
Check heading hierarchy

This mindset is much more useful than trying random Pandoc options.

Conclusion

Pandoc is powerful because Markdown can remain the source of truth while the final document can be generated in different formats.

For a reliable technical-documentation workflow, keep the pipeline simple:

Markdown
    ↓
Pandoc
    ↓
XeLaTeX
    ↓
PDF

And treat external content such as Mermaid diagrams as separate build inputs:

Mermaid
    ↓
PNG/SVG
    ↓
Markdown
    ↓
Pandoc
    ↓
PDF

The key is not finding one giant Pandoc command.

The key is building a reproducible document pipeline that is easy to debug.

Run Simple Web Server On The Spot

hardyweb — Sun, 02 Aug 2026 07:19:19 +0000

PHP php -S localhost:8000

PHP (public)    php -S localhost:8000 -t public

Python  python3 -m http.server 8000

Node    npx serve -p 8000

BusyBox busybox httpd -f -p 8000

Ruby    ruby -run -e httpd . -p 8000

Panduan Teknikal: Compile llama.cpp di Debian 12/13 dan Cross Compile ARM64

hardyweb — Tue, 14 Jul 2026 07:52:24 +0000

1. Pengenalan

llama.cpp ialah runtime inference LLM berasaskan C/C++ yang popular kerana ringan, pantas, dan sesuai untuk menjalankan model GGUF secara local. Ia boleh digunakan pada:

Server x86_64
Workstation Linux
Mini PC
Raspberry Pi
Orange Pi
SBC ARM64
Container Linux

Dalam deployment sebenar, terdapat dua pendekatan utama:

Native build
Compile terus pada mesin yang akan menjalankan llama.cpp.
Cross compile
Compile pada mesin lebih laju (contohnya PC x86_64), tetapi menghasilkan binary untuk platform lain (contohnya ARM64 Orange Pi).

Bahagian 1 — Persediaan Debian 12/13

1.1 Install dependency asas

sudo apt update

sudo apt install -y \
    git \
    build-essential \
    cmake \
    ninja-build \
    pkg-config

Komponen utama:

Package Fungsi
git Ambil source code
build-essential GCC, G++, make
cmake Build configuration
ninja-build Build engine lebih pantas
pkg-config Cari library dependency

Bahagian 2 — Clone llama.cpp

git clone https://github.com/ggml-org/llama.cpp.git

cd llama.cpp

Semak versi:

git log -1 --oneline

Bahagian 3 — Compile Native (Mesin Sama)

Contoh:

Debian 12/13 x86_64
Debian ARM64
Orange Pi
Raspberry Pi

3.1 Configure CMake

Build menggunakan Ninja:

cmake -B build \
    -G Ninja \
    -DCMAKE_BUILD_TYPE=Release
3.2 Compile
ninja -C build -j$(nproc)

atau:

cmake --build build

plaintext
3.3 Hasil build

Semak:

ls build/bin

plaintext
Contoh:

llama-cli
llama-server
llama-bench
llama-perplexity

shell

Bahagian 4 — Enable OpenBLAS (Pilihan)

OpenBLAS boleh membantu operasi matrix CPU.

Install:

sudo apt install libopenblas-dev

cmake
Build:

cmake -B build \
    -G Ninja \
    -DCMAKE_BUILD_TYPE=Release \
    -DGGML_BLAS=ON \
    -DGGML_BLAS_VENDOR=OpenBLAS

shell
Kemudian:

ninja -C build

Nota Penting: CMake Cache

Jika pernah configure dengan:

-DGGML_BLAS=ON

kemudian buang option tersebut, CMake masih menyimpan konfigurasi lama.

Contoh masalah:

BLAS not found
missing: BLAS_LIBRARIES

Penyelesaian:

rm -rf build

Kemudian configure semula.

Sentiasa ingat:

CMakeCache.txt menyimpan konfigurasi lama.
Bahagian 5 — Cross Compile x86_64 → ARM64

Contoh:

PC Debian 12 x86_64
|
|
v
Orange Pi ARM64

Kelebihan:

Compile lebih cepat
Tidak membebankan SBC
Sesuai untuk production image

5.1 Install ARM64 cross compiler

sudo apt install -y \
    gcc-12-aarch64-linux--gnu\
    g++-12-aarch64-linux-gnu

sudo apt install -y \
    gcc-13-aarch64-linux--gnu\
    g++-13-aarch64-linux-gnu

Semak:

aarch64-linux-gnu-gcc --version

5.2 Configure cross build

Bersihkan dahulu:

rm -rf build-arm

Kemudian:

cmake -B build-arm \
    -G Ninja \
    -DCMAKE_BUILD_TYPE=Release \
    -DCMAKE_SYSTEM_NAME=Linux \
    -DCMAKE_SYSTEM_PROCESSOR=aarch64 \
    -DCMAKE_C_COMPILER=aarch64-linux-gnu-gcc \
    -DCMAKE_CXX_COMPILER=aarch64-linux-gnu-g++
5.3 Compile
ninja -C build-arm -j$(nproc)

Hasil:

ls build-arm/bin

Bahagian 6 — Semak Architecture Binary

Gunakan:

file build-arm/bin/llama-server

Contoh output berjaya:

ELF 64-bit LSB pie executable,
ARM aarch64,
dynamically linked

Maksud:

Output Maksud
ELF 64-bit Binary 64-bit
ARM aarch64 Untuk ARM64
dynamically linked Perlukan shared library
PIE executable Linux security hardening
Bahagian 7 — Semak Dependency .so
Jangan guna ldd untuk cross binary

Jika compile ARM64 tetapi check pada PC x86:

ldd llama-server

boleh gagal:

not a dynamic executable

Sebab:

PC:

x86_64 loader

Binary:

ARM64 loader
Gunakan readelf
aarch64-linux-gnu-readelf \
-d build-arm/bin/llama-server | grep NEEDED

Contoh:

Shared library: [libllama.so]
Shared library: [libggml.so]
Shared library: [libstdc++.so.6]

Cari semua .so

find build-arm -name "*.so"

Contoh:

libllama.so
libggml.so
libggml-base.so
libggml-cpu.so

Semak architecture:

file build-arm/bin/*.so

Output:

ARM aarch64
Bahagian 8 — Dynamic vs Static Binary

Semak:

file llama-server

Contoh dynamic:

dynamically linked

Perlu:

lib*.so

Contoh static:

statically linked

Tidak perlu .so.

Bahagian 9 — Installation ke Linux
Pilihan standard

Binary:

/usr/local/bin

Library:

/usr/local/lib

Contoh:

sudo cp llama-server /usr/local/bin/
sudo cp llama-cli /usr/local/bin/

sudo cp *.so /usr/local/lib/

sudo ldconfig

Pilihan appliance / embedded

Untuk SBC:

/opt/llama.cpp/

    llama-server
    llama-cli
    libllama.so
    libggml.so

Kemudian:

export LD_LIBRARY_PATH=/opt/llama.cpp

Sesuai untuk:

Orange Pi
kiosk AI
edge inference node

Bahagian 10 — Deploy ke Orange Pi

Copy:

scp build-arm/bin/llama-server \
orangepi:/usr/local/bin/

scp build-arm/bin/llama-cli \
orangepi:/usr/local/bin/

Jika perlu:

scp build-arm/bin/*.so \
orangepi:/usr/local/lib/

Pada Orange Pi:

sudo ldconfig

Semak:

uname -m

Expected:

aarch64

Bahagian 11 — Cadangan Production Architecture

Untuk sistem AI agent:

Kelebihan:

Go agent tidak perlu embed model
Model boleh tukar tanpa rebuild
llama.cpp boleh upgrade sendiri
Mudah scale ke banyak node
Kesimpulan

Workflow yang stabil:

Native
cmake -B build -G Ninja -DCMAKE_BUILD_TYPE=Release

ninja -C build
Cross Compile ARM64
sudo apt install gcc-aarch64-linux-gnu g++-aarch64-linux-gnu

rm -rf build-arm

cmake -B build-arm \
-G Ninja \
-DCMAKE_SYSTEM_NAME=Linux \
-DCMAKE_SYSTEM_PROCESSOR=aarch64 \
-DCMAKE_C_COMPILER=aarch64-linux-gnu-gcc \
-DCMAKE_CXX_COMPILER=aarch64-linux-gnu-g++

ninja -C build-arm
Verification
file llama-server

aarch64-linux-gnu-readelf -d llama-server | grep NEEDED

find . -name "*.so"

Dengan proses ini, satu mesin Debian 12/13 boleh menjadi build server untuk menghasilkan node AI ARM64 seperti Orange Pi, Raspberry Pi, atau edge inference appliance.

Kaedah Saliran Pasif Menggunakan Struktur Sumbu Kapilari Berasaskan Cable Tie

hardyweb — Tue, 23 Jun 2026 02:56:10 +0000

Abstrak

Dokumen ini membentangkan satu mekanisme saliran pasif berskala mikro menggunakan cable tie yang dibentuk sebagai struktur gelung (loop) untuk bertindak sebagai medium sumbu kapilari. Sistem ini membolehkan pemindahan air dari takungan ke saluran keluar melalui gabungan tindakan kapilari, adhesi, kohesi, serta graviti tanpa penggunaan tenaga luaran.

Kaedah ini sesuai untuk aplikasi DIY, pengurusan air bertakung kecil, serta demonstrasi pendidikan dalam bidang mekanik bendalir.

Latar Belakang Masalah

Dalam sistem saliran berskala kecil, kegagalan aliran sering berlaku walaupun terdapat perbezaan aras cecair yang sepatutnya mencukupi secara teori. Antara punca utama:

Pembentukan air lock dalam saluran kecil
Tegangan permukaan menghalang kemasukan awal bendalir
Ketiadaan medium “wetting path” awal untuk memulakan aliran
Ketidakstabilan aliran pada bukaan kecil (intermittent flow)

Fenomena ini menyebabkan sistem gagal “start flow” walaupun graviti tersedia.

Objektif Menyediakan mekanisme saliran pasif tanpa tenaga luaran Mengatasi masalah permulaan aliran (flow initiation problem) Mengurangkan kesan air lock dan tegangan permukaan Mewujudkan laluan basah berterusan sebagai pemangkin aliran
Prinsip Fizik Terlibat 4.1 Graviti

Mendorong aliran akhir dari kawasan berpotensi tinggi ke rendah.

4.2 Tekanan Hidrostatik
P=ρgh

Perbezaan aras cecair menghasilkan tekanan pendorong aliran.

4.3 Tegangan Permukaan

Menentang kemasukan air ke dalam bukaan kecil tanpa bantuan awal.

4.4 Tindakan Kapilari
h∝r1

Air merambat melalui permukaan kabel berdasarkan interaksi molekul.

4.5 Adhesi & Kohesi
Adhesi: air melekat pada permukaan cable tie
Kohesi: molekul air mengekalkan kesinambungan aliran
4.6 Interaksi Multi-Fasa

Peralihan daripada fasa “wetting initiation” → “continuous flow”

Reka Bentuk Sistem

Sistem terdiri daripada cable tie yang dibentuk menjadi gelung dan diposisikan merentasi lubang saliran.

Ciri reka bentuk:

Gelung separa terendam dalam takungan
Titik sentuhan di kawasan lubang bertindak sebagai “wick transfer point”
Kepala cable tie bertindak sebagai pengunci mekanikal
Skema Konsep

Mekanisme Operasi
Air bersentuhan dengan permukaan cable tie
Molekul air membentuk lapisan awal melalui adhesi
Laluan basah terbentuk sepanjang gelung (capillary propagation)
Air mencapai titik lubang saliran
Graviti mengambil alih dan mengekalkan aliran berterusan
Sistem mencapai keadaan steady-state micro flow
Ciri Sistem
Tanpa tenaga elektrik
Kos hampir sifar
Struktur mudah dan boleh diulang
Boleh dipasang tanpa modifikasi besar sistem asal
Sesuai untuk prototaip pantas (rapid prototyping)
Had Sistem
Aliran rendah (micro-scale throughput)
Sensitif kepada minyak, habuk, dan kontaminasi permukaan
Tidak sesuai untuk volum besar
Prestasi bergantung pada material (surface energy & roughness)
Aplikasi Potensi
Sistem saliran air hujan mikro
Sistem tanaman pasif (hybrid wicking-drainage)
Pengurusan kondensasi (AC / cooling drip control)
Demonstrasi fizik bendalir untuk pendidikan STEM
Prototaip sistem IoT pasif (no-power fluid indicator)
Kesimpulan

Kaedah ini menunjukkan bahawa sistem saliran mikro tidak bergantung sepenuhnya kepada graviti, tetapi kepada interaksi kompleks antara tegangan permukaan, kapilari, dan sifat bahan.

Struktur gelung cable tie bertindak sebagai “capillary bridge” yang menstabilkan permulaan aliran, sekaligus mengatasi masalah air lock dalam sistem bukaan kecil.

Setting Incus S3 Storage Locally

hardyweb — Wed, 06 May 2026 07:50:50 +0000

incus config set core.storage_buckets_address=:8555

incus storage list

let say , storage list set as default

incus storage bucket create default backup
Storage bucket "backup" created
Admin access key: 4Z0EDQO8J23CCMHBAVXJ
Admin secret key: 9mGM1HTP+9IdhJ9Sv/jx7oQnSM36O92+Rcjae1pE

mc alias set incus https://127.0.0.1:8555 4Z0EDQO8J23CCMHBAVXJ  9mGM1HTP+9IdhJ9Sv/jx7oQnSM36O92+Rcjae1pE   --insecure --api=S3v4

mc cp linux.png incus/backup --insecure

mc ls incus/backup --insecure

jika mahu guna server.crt dari incus . ini untuk internal infra sahaja.

cp /var/lib/incus/server.crt ~/incus-ca.crt 
sudo cp ~/incus-ca.crt /usr/local/share/ca-certificates/incus-ca.crt
sudo update-ca-certificate
mc alias set incus https://127.0.0.1:8555 4Z0EDQO8J23CCMHBAVXJ  9mGM1HTP+9IdhJ9Sv/jx7oQnSM36O92+Rcjae1pE   --api=S3v4
mc cp linux.png incus/backup
mc ls incus/backup

Cross Platform Application

hardyweb — Thu, 25 Dec 2025 06:09:30 +0000

Cross Platform application

Membangunkan aplikasi merentas beberapa platform seperti Linux dan Windows agak mencabor jugok lah, ia
bukan dalam bentuk native, tapi dalam bentuk web apps.

Image Optimizer

Aku ada bangunkan satu aplikasi menggunakan golang yang boleh dijalankan dalam linux dan windows,
cabaran dia adalah, bila run dalam Linux, semua fungsi ok, tapi bila run di dalam windows. ada beberapa
fungsi tidak jalan

Path

Ia berkait dengan path , dalam linux , semua program disimpan dalam /usr/bin atau usr/local/bin manakala
dalam windows pula, semua program diinstall dalam c:\Program Files.

Jika kita perasan, slash dan back slash dalam linux dan windows pun boleh menyebabkan ada path yang tidak djumpai.
jadi kena ada satu fungsi penyesuaian untuk membaca path tersebut.


// kena buat satu manipulasi dalam folder windows bernama bin dan kemudian letak nama program 
// 
   func binPath(name string) string {
        if runtime.GOOS == "windows" {
            return filepath.Join("bin", name+".exe")
        }
    }

Neovim 0.12 autocomplete and native plugin manager for laravel and go

hardyweb — Mon, 13 Oct 2025 07:58:54 +0000

update 3/12/2025

mason has changed their url

https://github.com/mason-org/mason.nvim

https://github.com/mason-org/mason-lspconfig.nvim

create init.lua file inside .config/nvim , but before that, please back up all configuration files and folders first.

-- =========================================
--  NeoVim 0.12+ Native Pack + LSP Config
-- =========================================

-- Bootstrap plugins (native pack)
vim.pack.add({
    { src = "https://github.com/williamboman/mason.nvim.git" },
    { src = "https://github.com/neovim/nvim-lspconfig.git" },
    { src = "https://github.com/nvim-treesitter/nvim-treesitter.git", build = ":TSUpdate" },
    { src = "https://github.com/hrsh7th/nvim-cmp.git" },
    { src = "https://github.com/hrsh7th/cmp-nvim-lsp.git" },
    { src = "https://github.com/hrsh7th/cmp-buffer.git" },
    { src = "https://github.com/L3MON4D3/LuaSnip.git" },
    { src = "https://github.com/saghen/blink.cmp.git" },
    { src = "https://github.com/echasnovski/mini.pairs.git" },
    { src = "https://github.com/echasnovski/mini.icons.git" },
    { src = "https://github.com/nvim-lualine/lualine.nvim.git" },
    { src = "https://github.com/ibhagwan/fzf-lua.git" },
    { src = "https://github.com/nvim-tree/nvim-web-devicons.git" },
    { src = "https://github.com/folke/tokyonight.nvim.git" },
    { src = "https://github.com/akinsho/toggleterm.nvim.git" },
})

-- =========================================
--  Mason setup
-- =========================================
require("mason").setup()

-- =========================================
--  LSP (New Native API)
-- =========================================
local lsp = vim.lsp

local servers = { "lua_ls", "html", "intelephense", "ts_ls", "gopls", "pyright" }

for _, server in ipairs(servers) do
    lsp.config(server, {
        capabilities = require("cmp_nvim_lsp").default_capabilities(),
        settings = {},
    })
    lsp.enable(server)
end

-- =========================================
--  Autocompletion (nvim-cmp + blink)
-- =========================================
local cmp = require("cmp")
cmp.setup({
    mapping = cmp.mapping.preset.insert({
        ["<CR>"] = cmp.mapping.confirm({ select = true }),
        ["<Tab>"] = cmp.mapping.select_next_item(),
        ["<S-Tab>"] = cmp.mapping.select_prev_item(),
    }),
    sources = {
        { name = "nvim_lsp" },
        { name = "buffer" },
    },
    experimental = { ghost_text = true },
})

pcall(require, "blink.cmp")

-- =========================================
--  Treesitter (Syntax Highlight)
-- =========================================
require("nvim-treesitter.configs").setup({
    ensure_installed = { "lua", "php", "blade", "html", "javascript", "json", "go" },
    highlight = { enable = true },
})

-- =========================================
--  UI & Aesthetic
-- =========================================
vim.cmd.colorscheme("tokyonight")

require("lualine").setup({
    options = { theme = "tokyonight" },
})

require("mini.pairs").setup()
require("mini.icons").setup()
require("nvim-web-devicons").setup()

require("toggleterm").setup({
    size = 15,
    open_mapping = [[<c-\>]], -- Default: Ctrl + \
    shade_terminals = true,
    shading_factor = 2,
    direction = "float", -- or 'horizontal' / 'vertical' / 'tab'
    float_opts = {
        border = "curved",
        winblend = 0,
    },
})

-- Helper: Toggle lazygit (if installed)
local Terminal = require("toggleterm.terminal").Terminal
local lazygit = Terminal:new({ cmd = "lazygit", hidden = true, direction = "float" })
function _lazygit_toggle()
    lazygit:toggle()
end

-- Keymaps for ToggleTerm

-- =========================================
--  Display Settings
-- =========================================
vim.opt.number = true
vim.opt.relativenumber = true
vim.opt.cursorline = true
vim.opt.signcolumn = "yes"
vim.opt.termguicolors = true
vim.opt.scrolloff = 8
vim.opt.sidescrolloff = 8

-- Dynamic relative numbers (like LazyVim)
vim.api.nvim_create_autocmd("InsertEnter", {
    callback = function()
        vim.opt.relativenumber = false
    end,
})
vim.api.nvim_create_autocmd("InsertLeave", {
    callback = function()
        vim.opt.relativenumber = true
    end,
})

-- =========================================
--  Clipboard Integration (WSL)
-- =========================================
-- Yank to Windows clipboard (requires `clip.exe` in WSL)
if vim.fn.has("wsl") == 1 then
    vim.api.nvim_create_autocmd("TextYankPost", {
        callback = function()
            vim.fn.system("clip.exe", vim.fn.getreg('"'))
        end,
    })
    vim.opt.clipboard = "unnamedplus"
end

-- =========================================
--  Diagnostics / Auto Lint + Format
-- =========================================
vim.diagnostic.config({
    virtual_text = { prefix = "ΓùÅ" },
    signs = true,
    underline = true,
    update_in_insert = false,
    severity_sort = true,
})

local lsp_format_group = vim.api.nvim_create_augroup("LspAutoFormat", { clear = true })
vim.api.nvim_create_autocmd("BufWritePre", {
    group = lsp_format_group,
    callback = function(event)
        local client = vim.lsp.get_clients({ bufnr = event.buf })[1]
        if client and client.supports_method("textDocument/formatting") then
            vim.lsp.buf.format({ async = false })
        end
    end,
})

-- =========================================
--  Keymaps
-- =========================================
vim.g.mapleader = " "
vim.g.maplocalleader = " "
local keymap = vim.keymap.set
local opts = { noremap = true, silent = true }

-- LazyVim-style FZF bindings
keymap("n", "<leader>ff", function()
    require("fzf-lua").files()
end, { desc = "Find files", unpack(opts) })
keymap("n", "<leader>fg", function()
    require("fzf-lua").live_grep()
end, { desc = "Live grep", unpack(opts) })
keymap("n", "<leader>fb", function()
    require("fzf-lua").buffers()
end, { desc = "Find buffers", unpack(opts) })
keymap("n", "<leader>fh", function()

require("fzf-lua").help_tags()
end, { desc = "Find help", unpack(opts) })

-- Format & Diagnostics
keymap("n", "<leader>lf", function()
    vim.lsp.buf.format({ async = true })
end, { desc = "Format file", unpack(opts) })
keymap("n", "<leader>ld", vim.diagnostic.open_float, { desc = "Show diagnostics", unpack(opts) })
keymap("n", "<leader>ln", vim.diagnostic.goto_next, { desc = "Next diagnostic", unpack(opts) })
keymap("n", "<leader>lp", vim.diagnostic.goto_prev, { desc = "Prev diagnostic", unpack(opts) })

-- Quick actions
keymap("n", "<leader>w", "<cmd>w<CR>", { desc = "Save file", unpack(opts) })
keymap("n", "<leader>q", "<cmd>q<CR>", { desc = "Quit Neovim", unpack(opts) })

vim.keymap.set("n", "<leader>ft", "<cmd>ToggleTerm<CR>", { desc = "Toggle terminal" })
vim.keymap.set("n", "<leader>fu", "<cmd>lua _lazygit_toggle()<CR>", { desc = "Toggle Lazygit (if available)" })
vim.keymap.set("t", "<Esc>", [[<C-\><C-n>]], { desc = "Exit terminal mode" })

keymap("n", "<leader>bb", "<cmd>bnext<CR>", { desc = "Next buffer", unpack(opts) })
keymap("n", "<leader>bp", "<cmd>bprevious<CR>", { desc = "Previous buffer", unpack(opts) })
keymap("n", "<leader>bd", "<cmd>bd<CR>", { desc = "Delete current buffer", unpack(opts) })

-- =========================================
--  NeoVim 0.12+ Native LSP (no cmp)
-- =========================================

-- Basic editor settings
vim.opt.number = true
vim.opt.relativenumber = true
vim.opt.tabstop = 2
vim.opt.softtabstop = 2
vim.cmd("set completeopt+=noselect")

-- =========================================
--  Plugins (native vim.pack)
-- =========================================
vim.pack.add({
    { src = "https://github.com/neovim/nvim-lspconfig" },
    { src = "https://github.com/mason-org/mason.nvim" },
    { src = "https://github.com/mason-org/mason-lspconfig.nvim" },
    { src = "https://github.com/WhoIsSethDaniel/mason-tool-installer.nvim" },
})

-- =========================================
--  Mason setup
-- =========================================
require("mason").setup()
require("mason-lspconfig").setup()

require("mason-tool-installer").setup({
    ensure_installed = {
        -- Core language servers
        "lua_ls",
        "html",
        "cssls",
        "intelephense",
        "emmet_ls",
        --"gopls",

        -- Formatters / tools
        "stylua",
        "blade-formatter",
    },
})

-- =========================================
--  LSP Configurations
-- =========================================

-- Lua (for Neovim config)
vim.lsp.config("lua_ls", {
    settings = {
        Lua = {
            runtime = { version = "LuaJIT" },
            diagnostics = { globals = { "vim", "require" } },
            workspace = { library = vim.api.nvim_get_runtime_file("", true) },
            telemetry = { enable = false },
        },
    },
})

-- HTML
vim.lsp.config("html", {
    filetypes = { "html", "blade", "php" },
    init_options = { provideFormatter = true },
})

-- CSS
vim.lsp.config("cssls", {
    settings = {
        css = { validate = true },
        scss = { validate = true },
        less = { validate = true },
    },
})

-- PHP (Intelephense)
vim.lsp.config("intelephense", {
    filetypes = { "php", "blade" },
    settings = {
        intelephense = {
            environment = {
                includePaths = { "app", "routes", "resources/views" },
            },
            files = {
                maxSize = 5000000,
            },
            stubs = {
                "apache",
                "bcmath",
                "bz2",
                "calendar",
                "Core",
                "curl",
                "date",
                "dom",
                "fileinfo",
                "filter",
                "ftp",
                "gd",
                "hash",
                "iconv",
                "json",
                "libxml",
                "mbstring",
                "openssl",
                "pcre",
                "PDO",
                "pdo_mysql",
                "Phar",
                "readline",
                "Reflection",
                "session",
                "SimpleXML",
                "sockets",
                "sodium",
                "standard",
                "tokenizer",
                "xml",
                "xmlreader",
                "xmlwriter",
                "zip",
                "zlib",
                "laravel",
                "wordpress",
                "woocommerce",
            },
        },
    },
})

-- Laravel Blade (via emmet + formatter)
vim.lsp.config("emmet_ls", {
    filetypes = { "html", "css", "blade", "php" },
    init_options = {
        html = { options = { ["bem.enabled"] = true } },
    },
})

-- =========================================
--  Native autocompletion trigger
-- =========================================
vim.api.nvim_create_autocmd("LspAttach", {
    callback = function(ev)
        local client = vim.lsp.get_client_by_id(ev.data.client_id)
        if client ~= nil and client:supports_method("textDocument/completion") then
            vim.lsp.completion.enable(true, client.id, ev.buf, { autotrigger = true })
        end
    end,
})

Ini yang terbaharu, telah dioptimize ke 155ms load.

-- =========================================
--  NeoVim 0.12+ Native Pack + LSP Config, optimize  with load 155ms
-- =========================================

-- Bootstrap plugins (native pack)
vim.pack.add({
    { src = "https://github.com/williamboman/mason.nvim.git" },
    { src = "https://github.com/williamboman/mason-lspconfig.nvim.git" }, -- Γ£à Added
    { src = "https://github.com/neovim/nvim-lspconfig.git" },
    { src = "https://github.com/nvim-treesitter/nvim-treesitter.git",  build = ":TSUpdate" },
    { src = "https://github.com/hrsh7th/nvim-cmp.git" },
    { src = "https://github.com/hrsh7th/cmp-nvim-lsp.git" },
    { src = "https://github.com/hrsh7th/cmp-buffer.git" },
    { src = "https://github.com/L3MON4D3/LuaSnip.git" },
    { src = "https://github.com/echasnovski/mini.pairs.git" },
    { src = "https://github.com/echasnovski/mini.icons.git" },
    { src = "https://github.com/nvim-lualine/lualine.nvim.git" },
    { src = "https://github.com/ibhagwan/fzf-lua.git" },
    { src = "https://github.com/folke/tokyonight.nvim.git" },
    { src = "https://github.com/akinsho/toggleterm.nvim.git" },
    -- Γ¥î Removed nvim-web-devicons (using mini.icons instead)
})

-- =========================================
--  Mason setup
-- =========================================
require("mason").setup()
require("mason-lspconfig").setup({
    -- ensure_installed = { "lua_ls", "html", "intelephense", "ts_ls", "gopls", "pyright" },

})

-- =========================================
--  Autocompletion (nvim-cmp) ΓÇö must come BEFORE LSP config
-- =========================================
local cmp = require("cmp")
local luasnip = require("luasnip")

require("luasnip.loaders.from_vscode").lazy_load() -- optional: load VS Code snippets

cmp.setup({
    snippet = {
        expand = function(args)
            luasnip.lsp_expand(args.body)
        end,
    },
    mapping = cmp.mapping.preset.insert({
        ["<CR>"] = cmp.mapping.confirm({ select = true }),
        ["<Tab>"] = cmp.mapping.select_next_item(),
        ["<S-Tab>"] = cmp.mapping.select_prev_item(),
    }),
    sources = {
        { name = "nvim_lsp" },
        { name = "luasnip" }, -- Γ£à Added
        { name = "buffer" },
    },
    experimental = { ghost_text = true },
})

-- =========================================
--  LSP (New Native API)
-- =========================================
local lsp = vim.lsp
local capabilities = require("cmp_nvim_lsp").default_capabilities() -- Γ£à Now safe to call

local servers = { "lua_ls", "html", "intelephense", "ts_ls", "gopls", "pyright" }

for _, server in ipairs(servers) do
    lsp.config(server, {
        capabilities = capabilities,
        settings = {},
    })
    lsp.enable(server)
end

-- Optional: enhance lua_ls
lsp.config("lua_ls", {
    settings = {
        Lua = {
            diagnostics = { globals = { "vim" } },
            workspace = { checkThirdParty = false },
        },
    },
})

-- =========================================
--  Treesitter (Syntax Highlight)
-- =========================================
require("nvim-treesitter.configs").setup({
    ensure_installed = { "lua", "php", "blade", "html", "javascript", "json", "go" },
    highlight = { enable = true },
})

-- =========================================
--  UI & Aesthetic
-- =========================================
vim.cmd.colorscheme("tokyonight")

-- Γ£à Mock nvim-web-devicons for compatibility
require("mini.icons").setup()
require("mini.icons").mock_nvim_web_devicons()

require("lualine").setup({
    options = { theme = "tokyonight" },
})

require("mini.pairs").setup()
require("toggleterm").setup({
    size = 15,
    open_mapping = [[<c-\>]],
    shade_terminals = true,
    shading_factor = 2,
    direction = "float",
    float_opts = { border = "curved", winblend = 0 },
})

-- Helper: Toggle lazygit (if installed)
local Terminal = require("toggleterm.terminal").Terminal
local lazygit = Terminal:new({ cmd = "lazygit", hidden = true, direction = "float" })
function _lazygit_toggle()
    lazygit:toggle()
end

-- =========================================
--  Display Settings
-- =========================================
vim.opt.number = true
vim.opt.relativenumber = true
vim.opt.cursorline = true
vim.opt.signcolumn = "yes"
vim.opt.termguicolors = true
vim.opt.scrolloff = 8
vim.opt.sidescrolloff = 8

-- =========================================
--  Clipboard Integration (WSL)
-- =========================================
--if vim.fn.has("wsl") == 1 then
--  vim.api.nvim_create_autocmd("TextYankPost", {
--      callback = function()
--          vim.fn.system("clip.exe", vim.fn.getreg('"'))
--      end,
--  })
--  vim.opt.clipboard = "unnamedplus"
--end


-- =========================================
--  Clipboard Integration (WSL - Lazy load)
-- =========================================
if vim.fn.has("wsl") == 1 then
    -- Simple manual yank -> clip.exe
    vim.api.nvim_create_autocmd("TextYankPost", {
        callback = function()
            vim.fn.system("clip.exe", vim.fn.getreg('"'))
        end,
    })

    -- Defer clipboard provider to load after UI ready (for speed)
    vim.api.nvim_create_autocmd("VimEnter", {
        once = true,
        callback = function()
            vim.defer_fn(function()
                vim.opt.clipboard = "unnamedplus"
            end, 300) -- delay 300ms after startup
        end,
    })
end
-- =========================================
--  Diagnostics / Auto Lint + Format
-- =========================================
vim.diagnostic.config({
    virtual_text = { prefix = "ΓùÅ" },
    signs = true,
    underline = true,
    update_in_insert = false,
    severity_sort = true,
})

-- Auto format before save
local lsp_format_group = vim.api.nvim_create_augroup("LspAutoFormat", { clear = true })
vim.api.nvim_create_autocmd("BufWritePre", {
    group = lsp_format_group,
    callback = function(event)
        local client = vim.lsp.get_clients({ bufnr = event.buf })[1]
        if client and client.supports_method("textDocument/formatting") then
            vim.lsp.buf.format({ async = false })
        end
    end,
})

-- =========================================
--  Keymaps
-- =========================================
vim.g.mapleader = " "
vim.g.maplocalleader = " "
local keymap = vim.keymap.set
local opts = { noremap = true, silent = true }

-- FZF
keymap("n", "<leader>ff", function() require("fzf-lua").files() end, opts)
keymap("n", "<leader>fg", function() require("fzf-lua").live_grep() end, opts)
keymap("n", "<leader>fb", function() require("fzf-lua").buffers() end, opts)
keymap("n", "<leader>fh", function() require("fzf-lua").help_tags() end, opts)

-- Format & Diagnostics
keymap("n", "<leader>lf", function() vim.lsp.buf.format({ async = true }) end, opts)
keymap("n", "<leader>ld", vim.diagnostic.open_float, opts)
keymap("n", "<leader>ln", vim.diagnostic.goto_next, opts)
keymap("n", "<leader>lp", vim.diagnostic.goto_prev, opts)

-- Quick actions
keymap("n", "<leader>w", "<cmd>w<CR>", opts)
keymap("n", "<leader>q", "<cmd>q<CR>", opts)
keymap("n", "<leader>ft", "<cmd>ToggleTerm<CR>", opts)
keymap("n", "<leader>fu", "<cmd>lua _lazygit_toggle()<CR>", opts)
keymap("t", "<Esc>", [[<C-\><C-n>]], opts)

-- Buffer navigation
keymap("n", "<leader>bb", "<cmd>bnext<CR>", opts)
keymap("n", "<leader>bp", "<cmd>bprevious<CR>", opts)
keymap("n", "<leader>bd", "<cmd>bd<CR>", opts)

-- =========================================
--  Memory Watcher
-- =========================================
local api = vim.api
local timer = vim.loop.new_timer()
local win, buf
local last = 0

local function create_win()
    buf = api.nvim_create_buf(false, true)
    local opts = {
        relative = "editor",
        width = 25,
        height = 3,
        row = 1,
        col = vim.o.columns - 28,
        style = "minimal",
        border = "rounded",
    }
    win = api.nvim_open_win(buf, false, opts)
end

local function update_mem()
    local current = vim.loop.resident_set_memory() / (1024 * 1024)
    local diff = current - last
    local sign = diff >= 0 and "+" or "-"
    local text = {
        string.format("Mem: %.2f MB", current),
        string.format("Change: %s%.2f MB", sign, math.abs(diff)),
    }
    api.nvim_buf_set_lines(buf, 0, -1, false, text)
    last = current
end

vim.api.nvim_create_user_command("MemWatch", function()
    if win and api.nvim_win_is_valid(win) then
        print("Memory watcher already running")
        return
    end
    create_win()
    timer:start(0, 2000, vim.schedule_wrap(update_mem))
    print("MemoryWarning Memory watcher started")
end, {})

vim.api.nvim_create_user_command("MemWatchStop", function()
    timer:stop()
    timer:close()
    if win and api.nvim_win_is_valid(win) then
        api.nvim_win_close(win, true)
    end
    print("MemoryWarning Memory watcher stopped")
end, {})

-- Auto-stop memory watcher on exit
vim.api.nvim_create_autocmd("VimLeavePre", {
    callback = function()
        pcall(vim.cmd.MemWatchStop)
    end,
})

-- =========================================
--  Plugin Update Helper
-- =========================================
vim.api.nvim_create_user_command("PackUpdate", function()
    print("≡ƒöä Updating plugins...")
    vim.pack.update()
    print("Γ£à Plugins updated!")
end, { desc = "Update all plugins (vim.pack)" })

keymap("n", "<leader>pu", "<cmd>PackUpdate<CR>", { noremap = true, silent = true })

Golang Binary Compile arm64

hardyweb — Fri, 22 Aug 2025 23:02:42 +0000

Basic cross-compile

GOOS=linux GOARCH=arm64 go build -o nama_sistem_arm64 main.go

Strip debug info (reduce size)

GOOS=linux GOARCH=arm64 go build -ldflags="-s -w" -o nama_sistem_arm64 main.go

Enable optimizations

GOOS=linux GOARCH=arm64 go build -ldflags="-s -w" -trimpath -o nama_sistem_arm64 main.go

Reproducible build (consistent hash)

GOOS=linux GOARCH=arm64 go build -ldflags="-s -w" -trimpath -buildvcs=false -o nama_sistem_arm64 main.go

Extra: compress with UPX (optional)

upx --best --lzma nama_sistem_arm64

Projek Jawi Converter: Belajar Golang Sambil Mendigitalkan Warisan Bahasa

hardyweb — Tue, 19 Aug 2025 14:17:05 +0000

Aku percaya bahawa, cara terbaik untuk belajar bahasa pengaturcaraan baru adalah dengan membangunkan projek kecil yang praktikal. Untuk projek kali ini, membangunkan tools Rumi ke Jawi Converter di jawi.hardyweb.net dengan bahasa pengaturcaran Golang.

Selain Jawi, aku juga pernah buat projek seperti QR Code generator, mod_sec_audit parser, dan parser Waktu Solat dari e-solat.gov.my. Semua projek ni kecil tapi memberi pengalaman langsung dalam bermain dengan fungsi string manipulation, API integration, dan text processing.

Idea Projek & Perbualan Dengan AI

Pada mulanya, aku tanya GPT:
“Boleh tak buat Jawi converter guna Golang?”

Cadangan GPT ialah:

Mapping Huruf – setiap huruf Rumi dipetakan kepada huruf Jawi/Hijaiyah.
Special Words / Daftar Kata – perkataan yang ejaannya unik atau tidak tepat jika mapping, akan disimpan dalam pangkalan data untuk digunakan kembali.

Contoh Mapping Huruf

Mapping ni terus menukar huruf satu-per-satu.

Special Words

Special words digunakan untuk perkataan yang mapping huruf biasa tidak menghasilkan bunyi atau ejaan tepat. Contohnya:
specialWords := map[string]string{
"allah": "الله",

"akhirat": "اخرَة",
"akhlak": "اخلاق",
"amalan": "عملن",
}

Proses Tukar Tulisan

Projek ni ikut empat langkah utama: ( ini versi awal )

Clean & Tokenize ◦ Buang whitespace / trim ◦ Pecahkan ayat kepada perkataan ◦ Kecilkan semua huruf ( change to lower case )

Cek Special Words ◦ Kalau perkataan ada dalam special_words, terus guna versi Jawi tersebut
Mapping Huruf ◦ Kalau perkataan tiada dalam special_words, tukar huruf menggunakan mapping
Gabungkan Kembali ◦ Combine token Jawi untuk membentuk ayat

for _, word := range sentenceTokens {
    cleaned := clean(word)
    if val, ok := specialWords[cleaned]; ok {
        output += val
    } else {
        output += mapLetters(cleaned)
    }
}

Cabaran Linguistik

Mapping huruf sahaja tidak mencukupi, contohnya:
• Perkataan “saya”
◦ Mapping biasa → سایا
◦ Bunyi sebenar → ساي
◦ Maka perlu dimasukkan ke special_words.
• Imbuhan depan & belakang (me-, di-, ter-, -kan, -i) memerlukan logic tambahan.
• Perkataan seperti “makan”, “dimakan”, “memakan”, “termakan”, “makanan”, “pemakan” perlu di-handle untuk ejaan yang tepat.

Menyesuaikan Dengan Peraturan Jawi Lanjutan

Apabila aku membaca nota dari Jawi Makmur dan karya Ahmad Ali Karim tentang hukum hamzah, terdapat beberapa peraturan tambahan yang perlu diambil kira selain flow asas yang dicadangkan oleh AI:
1. Penempatan Hamzah – hamzah boleh berada di atas alif (أ), bawah alif (إ), atau di atas waw/ya (ؤ/ئ) bergantung pada vokal dan kedudukan huruf.
2. Huruf Ikut Bunyi – sesetengah perkataan memerlukan penyesuaian huruf berdasarkan sebutan, bukan sekadar mapping huruf literal.
3. Gabungan Huruf & Alif Mati – dalam perkataan tertentu, alif mati atau huruf panjang perlu ditambah/ditinggalkan untuk memastikan ejaan betul.
4. Gelinciran – bunyi akhir tertentu mempengaruhi cara huruf dipetakan, terutama untuk kata nama khas dan kata ganda.

Dengan memasukkan peraturan ini ke dalam projek, output Jawi menjadi lebih tepat dan mendekati sebutan sebenar, berbanding hanya mengikut mapping AI standard + special words.
1. Hukum Derlung
◦ Singkirkan huruf ‘a’ pada akhir perkataan jika bukan ‘da, la, ra, wa, nga’.
2. padanan Huruf h dan k
3. Gelinciran / Kata Ganda / Akronim / Tiga Suku Kata
4. Ejaan Lazim & Kata Asal Arab

Contoh:
// Hukum Derlung

func applyDerlung(word string) string {
    endings := []string{"da","la","ra","wa","nga"}
    for _, e := range endings {
        if strings.HasSuffix(word, e) {
            return word
        }
    }
    // Buang huruf 'a' akhir
    if strings.HasSuffix(word, "a") {
        return word[:len(word)-1]
    }
    return word
}

Contoh Salah & Betul:
• Salah: باچا / ممباچا / ترباچا / ديباچا / باچاکان / باچاکانلاه / باچاان
• Betul: باچ / ممباچ / ترباچ / دباچ / باچکن / باچکنله / باچاءن.

Berikut adalah pipeline yang digunakan dalam jawi conveter semasa artikel ini ditulis, ia berevolusi dari 4 langkah awal sebagaimana dinyatakan di awal artikel,berkembang kerana melibatkan hukum dan peraturan-peraturan tatabahasa.

1. normalize → tokenize → standardize input.
2. specialWords → override perkataan tertentu.
3. diftong, prefix, suffix, digraph, gelinciran, hukum derlung 
4. morpho/phonological rules.
5. applyVowelAndEVariant → baru proses vowel-specific rules (awalan vokal + pepet/taling).
6. applyReduplikasi → last step sebelum mapping, sebab dia modify bentuk token.
7.mapToJawi → transliterasi.
8. joinTokens → final output string.

*pipeline 5 dan 6 tu , masih ada bug, kadang-kadang dia baca , tapi masih tak boleh tukar e pepet dan e taling dengan betul, kata ganda tu pun tak di tukar ke angka dua arab (٢) dengan betul *

Insight & Pembelajaran

1. AI + Programming = Learning Accelerator
    ◦ GPT bantu cadangkan struktur, tapi ketepatan Jawi masih bergantung pada rule + daftar perkataan.
2. Rujukan Akademik & Linguistik
    ◦ DBP & Jawi Makmur jadi rujukan untuk ejaan tepat.
    ◦ Belajar asas Jawi melalui sumber online:
        ▪ ejawimakmur.my
        ▪ Ahmad Ali Karim – Jenis Hamzah
        ▪ Ahmad Ali Karim – Tulisan Jawi Bicara
3. String Manipulation + Loops = Core Logic
    ◦ Semua proses boleh dilakukan menggunakan operasi string standard dalam programming.
4. Edge Cases & Imbuhan
    ◦ Kaedah mapping huruf sahaja tidak cukup; perlu hukum & pengecualian untuk bunyi sebenar.

Kenapa Buat Jawi Converter Sendiri Walaupun Ada Jawi Makmur & e-Jawi?
Walaupun platform rasmi wujud, projek ini berfungsi sebagai eksperimen akademik untuk menguji teori linguistik, menguji rule, imbuhan, kata ganda, dan hukum Jawi, sambil menyokong kajian computational linguistics dan digitasi warisan bahasa secara interaktif.

_Digitasi adalah proses mengubah sesuatu yang berbentuk bukan digital kepada digital. Contohnya, apabila menukarkan dokumen kertas dan
menyimpannya dalam data komputer sebagai dokumen digital. _

=======================================================

artikel tambahan

Rujukan Hukum Ejaan Jawi — PUEJBM DBP

Nota rujukan untuk pembangunan projek Jawi Converter (Golang).

Dokumen ini mengumpulkan beberapa hukum dan pola ejaan Jawi yang diperlukan untuk membina sistem penukaran Rumi → Jawi secara berasaskan peraturan (rule-based).

Sumber rujukan utama:

PUEJBM — Pedoman Umum Ejaan Jawi Bahasa Melayu, Dewan Bahasa dan Pustaka (DBP)
Jawi Makmur
eJawi / ejaan.jawi.net.my
Rujukan Ahmad Ali Karim berkaitan jenis-jenis hamzah

Penting: Contoh atau hukum yang ditanda [SEMAK] belum disahkan sepenuhnya dan tidak wajar terus dijadikan rule dalam kod pengeluaran (production rule) sehingga dibandingkan dengan sumber rujukan yang sah.

1. Huruf Vokal

Pemetaan vokal Rumi → Jawi tidak boleh dibuat secara mudah berdasarkan satu-ke-satu huruf. Kedudukan vokal dalam suku kata dan jenis vokal perlu dipertimbangkan.

Vokal	Pola umum	Contoh
`a`	Dalam keadaan tertentu tidak dilambangkan, khususnya berdasarkan struktur suku kata dan hukum ejaan yang berkaitan	کيت (kita), ڤاݢي (pagi)
`i`	Pada suku kata terbuka tertentu → `ي`	کيري (kiri), دوري (duri)
`u`	Pada suku kata terbuka tertentu → `و`	ساتو (satu), بوکو (buku), دودوق (duduk)
`o`	Lazimnya → `و`	موتر (motor), روتي (roti), بولا (bola)
`e` pepet	Umumnya tidak dilambangkan	بلاجر (belajar), ݢلس (gelas), دڠن (dengan)
`e` taling	Dalam pola tertentu dilambangkan dengan `ا`	ايمڤت (empat), ݢلاڠ (gelang)

Implikasi kepada converter

e pepet dan e taling tidak boleh disamakan.

Sistem perlu menentukan jenis e berdasarkan perkataan atau konteks fonologi sebelum melakukan pemetaan vokal.

Contohnya:

e pepet  → biasanya tidak dilambangkan
e taling → dalam pola tertentu dilambangkan

Oleh itu, fungsi seperti:

applyVowelAndEVariant()

perlu dilaksanakan sebelum proses transliterasi huruf akhir.

2. Diftong

Diftong pada kedudukan tertentu mempunyai pola ejaan Jawi tersendiri.

Diftong	Pola Jawi	Contoh
`au`	`و`	ڤولاو (pulau)
`ai`	`ي`	ڤنتاي (pantai)
`oi`	`وي`	کالوي (kaloi)

Nota: Jangan menganggap semua rangkaian a+i, a+u dan o+i sebagai diftong secara automatik. Sistem perlu membezakan diftong daripada dua vokal yang hadir secara berasingan.

3. Bunyi `n` dan Asimilasi Nasal

Dalam proses morfologi bahasa Melayu, bunyi nasal boleh berubah mengikut bunyi konsonan yang mengikutinya.

Contoh umum:

Konsonan selepas nasal	Perubahan bunyi	Contoh
`p`, `b`	`n` → `m`	sampan, lambang
`t`, `d`, `s`, `c`, `j` dan keadaan tertentu	`n` → `n`	bintang
`k`, `g`	`n` → `ng`	pangkat
`s` dalam awalan tertentu	`n` → `ny`	menyapu

Namun, perkara ini perlu dibezakan daripada ejaan perkataan yang memang mempunyai huruf n, kerana tidak semua n dalam perkataan mengalami asimilasi.

Implikasi kepada converter

Pemetaan:

n → ن

sahaja tidak mencukupi untuk menangani morfologi.

Converter yang menyokong imbuhan perlu mempunyai tahap analisis morfologi/fonologi sebelum pemetaan huruf Jawi.

4. `k` pada Akhir Kata

Dalam sesetengah pola ejaan Jawi, bunyi k pada akhir kata mempunyai bentuk ejaan tertentu dan perlu dibezakan daripada ک yang digunakan dalam keadaan lain.

Contoh:

انق — anak
ماسوق — masuk
باليق — balik
دودوق — duduk

Nota: Istilah dan kategori seperti "k ghaib" perlu dirujuk terus kepada PUEJBM sebelum dijadikan algoritma umum. Jangan bina rule berdasarkan hanya beberapa contoh.

Untuk pembangunan converter, lebih selamat memodelkannya sebagai:

final-k rule

dan menyediakan senarai pengecualian apabila diperlukan.

5. `h` pada Akhir Kata

Terdapat pola tertentu yang menyebabkan huruf h pada akhir kata tidak dieja sebagaimana bunyi Rumi secara satu-ke-satu.

Contoh:

مودَه — mudah
رومه — rumah
بودوه — bodoh
باسه — basah [SEMAK]

Penting: Jangan menganggap semua h akhir mesti dibuang atau ditukar kepada satu bentuk Jawi tertentu. Rule ini perlu diuji terhadap PUEJBM dan senarai perkataan sebenar.

6. Awalan `meN-` dan `peN-`

Awalan bahasa Melayu mengalami perubahan bentuk berdasarkan huruf atau bunyi awal kata dasar.

Contoh pola:

Kata dasar bermula dengan	Bentuk umum	Contoh
`p`, `b`, `f`, `m`	`mem-` / `pem-`	membaca, meminta, pembaca
`t`, `d`, `s`, `c`, `j`, dan keadaan tertentu	`men-` / `pen-`	menulis, mendengar, mencuri
`s`	`meny-`	menyapu
`k`, `g`, `h`, vokal dan `ng` dalam pola tertentu	`meng-` / `peng-`	mengajar, mengikat, mengundi
Kata dasar satu suku kata tertentu	`menge-`	mengecat, mengebor
`l`, `r`, `w`, `y` dan keadaan tertentu	`me-`	melukis, merawat

Prinsip penting

Ejaan Jawi bagi kata berimbuhan perlu mengambil kira sebutan dan struktur morfologi, bukan sekadar melakukan:

replace("me", ...)

atau:

replace("n", ...)

Oleh itu, meN- dan peN- patut menjadi modul tersendiri:

detectPrefix()
applyNasalAssimilation()
applyPrefixJawiRule()

7. Imbuhan Lain

Beberapa imbuhan bahasa Melayu yang biasa perlu dikenali sebagai unit morfologi.

`ber-`

Contoh:

بکرجا — bekerja
برلاري — berlari

`ter-`

Contoh:

ترباچا — terbaca

`di-`

Apabila di- merupakan imbuhan:

دباچا — dibaca
د توليس / دتوﻟيس — ditulis [SEMAK]

`ke-...-an`

Contoh:

کراݢاءن — kerajaan [SEMAK]
کماجوان — kemajuan [SEMAK]

`-kan`

Contoh:

باچاکن — bacakan [SEMAK]

`-an`

Bentuk ejaan boleh bergantung pada huruf dan vokal yang hadir sebelum akhiran.

Contoh:

باچاءن — bacaan [SEMAK]
ماکنن — makanan [SEMAK]
مينومن — minuman [SEMAK]

Nota: Bahagian imbuhan dan hamzah perlu disahkan dengan PUEJBM sebelum dijadikan rule automatik. Contoh di sini berfungsi sebagai data ujian, bukan semata-mata definisi hukum.

`-lah`

Contoh:

باچاله — bacalah [SEMAK]

8. Kata Sendi `di` / `ke` vs Imbuhan

Ini ialah bahagian yang sangat penting untuk converter kerana ruang antara perkataan bergantung pada fungsi perkataan tersebut.

Fungsi	Rumi	Bentuk
Kata sendi	di rumah	د رومه
Imbuhan	ditulis	دتوﻟيس `[SEMAK]`
Kata sendi	ke sekolah	ک سکوله `[SEMAK]`
Imbuhan	kerajaan	کراݢاءن `[SEMAK]`

Contohnya:

di rumah

berbeza daripada:

ditulis

Jadi converter tidak sepatutnya memproses di sebagai string biasa sahaja.

Cadangan pipeline

sentence
   ↓
tokenization
   ↓
morphological/context analysis
   ↓
determine "di" / "ke" function
   ↓
Jawi conversion

9. Kata Pinjaman Arab

Kata pinjaman Arab memerlukan perhatian khusus kerana terdapat huruf Jawi yang mempunyai fungsi berkaitan dengan huruf Arab.

Antara huruf yang perlu dikekalkan dalam perkataan Arab atau serapan Arab tertentu ialah:

ث ذ ح خ ص ض ط ظ ع غ

serta huruf-huruf Jawi/Arab lain mengikut ejaan perkataan yang sah.

Contoh:

مسجد — masjid
خبر — khabar
عادت — adat [SEMAK]
حکم — hukum
صلات — solat
شريف — syarif
طبيب — tabib [SEMAK]

Perkataan seperti:

الله — Allah

boleh dianggap sebagai special word kerana bentuk ejaannya tidak wajar dihasilkan hanya melalui transliterasi Rumi → Jawi biasa.

Cadangan implementation

Sediakan kamus:

var specialWords = map[string]string{
    "allah": "الله",
    // ...
}

dan lakukan lookup sebelum transliterasi umum.

10. Ta Marbutah

ة (ta marbutah) digunakan dalam kata Arab tertentu dan kata serapan yang mengekalkan bentuk atau tradisi ejaan Arabnya.

Contoh:

سنة — sunnah
مدرسة — madrasah
مكة — Mekah

Namun, tidak semua perkataan Melayu yang berakhir dengan bunyi a atau ah boleh diberikan ة.

Prinsip converter

Jangan buat:

if endsWith("ah") {
    use "ة"
}

secara automatik.

Lebih selamat menggunakan:

Arabic-origin dictionary
+
morphological rules
+
exception list

11. Kata Pinjaman Asing

Kata pinjaman daripada bahasa Inggeris, Tamil, Cina, Siam dan bahasa lain lazimnya perlu ditangani berdasarkan sebutan dan sistem ejaan Jawi, bukan transliterasi huruf Latin satu demi satu.

Contoh:

ڤروݢرام — program [SEMAK]
ستروکتور — struktur [SEMAK]
دوكتور — doktor [SEMAK]
ڤوليس — polis
بيݢ — beg [SEMAK]
توالا — tuala [SEMAK]
سکوله — sekolah [SEMAK]

Kluster konsonan

Kata pinjaman tertentu mempunyai kluster konsonan yang perlu dikendalikan secara khusus.

Contoh:

green
structure
program

Tidak semestinya boleh diproses menggunakan rule bahasa Melayu asli sahaja.

Oleh itu, converter sebaiknya mempunyai kategori:

Malay native word
Arabic loanword
English/foreign loanword
proper noun
special word

12. Kata Ganda

Kata ganda penuh mempunyai mekanisme ejaan Jawi tersendiri.

Dalam keadaan tertentu, angka dua Arab ٢ digunakan sebagai tanda penggandaan.

Contoh:

اورڠ٢ — orang-orang
رومه٢ — rumah-rumah

Dalam Unicode, simbol yang kelihatan seperti ٢ ialah ARABIC-INDIC DIGIT TWO, bukan huruf Jawi biasa.

Kata ganda separa atau kata ganda berima pula tidak semestinya menggunakan kaedah yang sama.

Contoh:

sayur-mayur
kuih-muih

Cadangan implementation

Sediakan fungsi:

applyReduplication()

yang mengenal pasti:

full reduplication
partial reduplication
rhyming reduplication

dan bukan sekadar mencari tanda -.

13. Hamzah

Hamzah merupakan salah satu bahagian paling kompleks dalam ejaan Jawi.

Antara bentuk hamzah yang perlu dikenali termasuk:

أ — hamzah di atas alif
إ — hamzah di bawah alif
ؤ — hamzah di atas wau
ئ — hamzah di atas ya

Selain fungsi yang berkaitan dengan kata Arab, hamzah juga boleh memainkan peranan dalam ejaan Jawi Melayu tertentu, termasuk keadaan yang melibatkan pertemuan vokal.

Contoh:

سوأل / bentuk berkaitan — soal [SEMAK]
مجموع — majmuk [SEMAK]
باچاءن — bacaan [SEMAK]

Prinsip penting

Hamzah tidak boleh dipetakan hanya berdasarkan huruf Rumi h atau a.

Sistem perlu mempertimbangkan:

kedudukan hamzah
+
vokal sebelum
+
vokal selepas
+
asal perkataan
+
pola ejaan

Rujukan khusus jenis hamzah oleh Ahmad Ali Karim boleh digunakan sebagai bahan pembelajaran tambahan, tetapi PUEJBM hendaklah kekal sebagai rujukan utama untuk standard ejaan.

14. Hukum Derlung

Hukum Derlung merupakan salah satu hukum penting dalam ejaan Jawi Melayu.

Dalam gambaran mudah, huruf a pada akhir kata tertentu tidak dilambangkan, dengan beberapa pengecualian yang perlu dikenali.

Antara akhiran yang biasanya diberi perhatian ialah:

da
la
ra
wa
nga

Contoh konseptual:

bača
→ باچ

bukan:

باچا

Contoh implementation awal

func applyDerlung(word string) string {
    endings := []string{"da", "la", "ra", "wa", "nga"}

    for _, ending := range endings {
        if strings.HasSuffix(word, ending) {
            return word
        }
    }

    if strings.HasSuffix(word, "a") {
        return strings.TrimSuffix(word, "a")
    }

    return word
}

Tetapi:

Fungsi di atas hanyalah model awal untuk eksperimen.

Ia tidak sepatutnya dianggap sebagai implementasi lengkap Hukum Derlung sehingga dibandingkan dengan keseluruhan peraturan PUEJBM dan set data perkataan yang mencukupi.

15. Gelinciran

Gelinciran perlu dilihat sebagai proses fonologi/ejaan yang bergantung pada struktur perkataan dan bunyi.

Ia lebih sukar dimodelkan sebagai:

one character → one Jawi character

Terutamanya bagi:

kata nama khas
kata pinjaman
kata ganda
perubahan bunyi akibat imbuhan

Oleh itu, converter mungkin memerlukan:

phonological rules
+
word dictionary
+
exception list

dan bukannya satu formula tunggal.

16. Kata Nama Khas, Akronim dan Singkatan

Kata nama khas

Kata nama khas hendaklah ditangani berdasarkan sebutan dan ejaan yang diterima.

Contoh:

nama orang
nama tempat
nama organisasi
nama produk

Untuk nama yang mempunyai bentuk rasmi Jawi, bentuk rasmi tersebut patut diutamakan.

Akronim

Akronim memerlukan keputusan sama ada:

dibaca sebagai perkataan

atau:

disebut huruf demi huruf

Contohnya singkatan seperti:

RIM
MARA
UITM

tidak semestinya boleh diproses menggunakan rule perkataan biasa.

Cadangan

Gunakan kategori:

properNoun
acronym
abbreviation
technicalTerm

sebelum transliterasi biasa.

17. Angka dan Tanda Baca

Kata ganda

Gunakan angka dua Arab apabila peraturan ejaan menetapkannya:

orang-orang
→ اورڠ٢

Tanda baca

Tanda baca moden seperti:

.
,
:
;
?
!
(
)

boleh dikekalkan mengikut keperluan teks.

Nombor

Nombor boleh dikekalkan dalam bentuk angka moden bergantung pada keperluan sistem dan konteks dokumen.

18. Cadangan Pipeline Jawi Converter

Berdasarkan hukum-hukum di atas, pipeline tidak sepatutnya hanya berupa:

Rumi
  ↓
character mapping
  ↓
Jawi

Sebaliknya, lebih sesuai:

1. Normalize
      ↓
2. Tokenize
      ↓
3. Detect special words
      ↓
4. Detect word category
      ↓
5. Morphological analysis
      ↓
6. Prefix / suffix rules
      ↓
7. Nasal assimilation
      ↓
8. Phonological rules
      ↓
9. Vowel + e-pepet/e-taling rules
      ↓
10. Derlung
      ↓
11. Hamzah rules
      ↓
12. Reduplication
      ↓
13. Character mapping
      ↓
14. Join tokens
      ↓
15. Validation / exception lookup
      ↓
Jawi

19. Rules yang Perlu Ditambah dalam Pipeline Golang

#	Hukum / Fungsi	Cadangan kedudukan
1	Asimilasi nasal `meN-` / `peN-`	Morphological analysis
2	Kata pinjaman Arab	Special-word / dictionary layer
3	Ta marbutah	Arabic-word layer
4	`k` akhir	Phonological/final-letter rule
5	`h` akhir	Phonological/final-letter rule
6	Nasal `n` → `m/ng/ny`	Phonological rule
7	`e` pepet vs `e` taling	Vowel analysis
8	Diftong	Phonological analysis
9	Hukum Derlung	Final-vowel rule
10	Hamzah	Orthographic rule
11	Kata ganda	Morphological rule
12	`di` / `ke` sendi vs imbuhan	Context/morphological analysis
13	Kata pinjaman asing	Dictionary + phonological rules
14	Kata nama khas	Dictionary / proper-noun layer
15	Akronim / singkatan	Token classification
16	Exception words	Special dictionary

20. Jangan Jadikan Semua Hukum Sebagai `replace()`

Kesilapan paling mudah dalam membina Jawi Converter ialah menghasilkan kod seperti:

strings.ReplaceAll(word, "a", "ا")
strings.ReplaceAll(word, "i", "ي")
strings.ReplaceAll(word, "u", "و")

Kaedah tersebut hanya sesuai untuk transliterasi asas, bukan ejaan Jawi yang mengambil kira fonologi dan morfologi bahasa Melayu.

Sebaliknya, struktur program boleh dibina seperti:

type WordContext struct {
    Original       string
    Normalized     string
    Root           string
    Prefix         string
    Suffix         string
    IsArabicLoan   bool
    IsProperNoun   bool
    IsReduplicated bool
}

type Rule interface {
    Apply(ctx *WordContext) error
}

Kemudian rule boleh dilaksanakan secara berperingkat:

SpecialWordRule
      ↓
MorphologyRule
      ↓
NasalAssimilationRule
      ↓
DiphthongRule
      ↓
VowelRule
      ↓
DerlungRule
      ↓
HamzahRule
      ↓
CharacterMappingRule

Ini lebih mudah diuji dan diselenggara berbanding satu fungsi transliterasi yang terlalu besar.

21. Prinsip Pengujian

Setiap hukum perlu mempunyai test case sendiri.

Contohnya:

Rumi        Expected Jawi
--------------------------------
kita        کيت
pagi        ڤاݢي
buku        بوکو
duduk       دودوق
motor       موتر
roti        روتي
bola        بولا

Untuk rule morfologi:

membaca
meminta
menulis
mendengar
menyapu
mengajar
mengecat
melukis

Untuk konteks:

di rumah
ditulis

ke sekolah
kerajaan

Untuk kata ganda:

orang-orang
rumah-rumah
sayur-mayur
kuih-muih

Dan untuk kata Arab:

masjid
khabar
hukum
solat
Allah

22. Sumber Rujukan

Rujukan utama

Dewan Bahasa dan Pustaka (DBP)
PUEJBM — Pedoman Umum Ejaan Jawi Bahasa Melayu

Jawi Makmur

Jawi Makmur — Modul Jawi

Digunakan sebagai rujukan tambahan dan bahan perbandingan untuk ejaan perkataan.

Kesimpulan

Projek Jawi Converter bukan sekadar latihan pengaturcaraan Golang.

Ia merupakan satu usaha untuk menghubungkan teknologi moden dengan warisan tulisan dan bahasa Melayu.

Walaupun projek ini bermula sebagai eksperimen kecil dalam pembangunan rule-based converter, ia membuka ruang untuk mempelajari beberapa perkara serentak:

pengaturcaraan Golang;
pemprosesan bahasa;
morfologi;
fonologi;
Unicode dan text processing;
reka bentuk rule engine;
pengurusan kamus dan pengecualian;
serta sejarah dan sistem tulisan Jawi.

Usaha ini mungkin kecil, tetapi ia tetap mempunyai nilai tersendiri sebagai sumbangan peribadi untuk membantu memelihara, memahami dan mendigitalkan warisan tulisan Jawi, sambil membina kemahiran teknologi moden.

Nota Kaki — Kata Arab dan Serapan Arab

Untuk perkataan Arab atau perkataan serapan Arab yang telah dimelayukan, rujukan kepada sumber bahasa Arab yang berautoriti juga boleh membantu, khususnya apabila persoalan melibatkan:

makhraj huruf;
sifat huruf;
bentuk asal perkataan Arab;
huruf Hijaiyah;
dan perubahan bentuk apabila perkataan tersebut diserap ke dalam bahasa Melayu.

Namun, untuk ejaan Jawi Bahasa Melayu, rujukan utama bagi projek ini hendaklah kekal pada pedoman ejaan Jawi DBP, manakala sumber bahasa Arab digunakan sebagai rujukan tambahan apabila diperlukan.

Pembetulan penting: Bahasa Arab mempunyai 28 huruf asas, bukan 30. Tulisan Jawi pula mempunyai beberapa huruf tambahan yang mewakili bunyi yang tidak terdapat dalam bahasa Arab, seperti چ, ڤ, ݢ, ڠ dan ڽ.

Status Dokumen

Dokumen ini sebaiknya dianggap sebagai:

Working Reference
       ↓
Rule Candidate
       ↓
Verify Against PUEJBM
       ↓
Test With Jawi Reference
       ↓
Unit Test
       ↓
Production Rule

Bukan semua contoh dalam nota ini boleh terus dianggap sebagai hukum muktamad.

Rule yang belum disahkan perlu ditanda [SEMAK] dan tidak dimasukkan terus ke dalam mapToJawi() sehingga disahkan.

Dengan pendekatan ini, projek Jawi Converter boleh berkembang daripada sekadar character transliterator kepada rule-based Malay Jawi orthography engine.

Error code: Wsl/Service/AttachDisk/0x8007000f

hardyweb — Mon, 21 Jul 2025 20:59:21 +0000

Trying to Format USB Drive Manually via WSL2
Sometimes, we need to format a USB drive to Btrfs or other Linux-native filesystems, which requires mounting the device as a raw disk inside WSL2 — not just accessing it through /mnt/.

Here’s how I tried to do it:

Open Command Prompt as Administrator and run:

wmic diskdrive list brief

This will list all physical drives (e.g., \.\PHYSICALDRIVE1, \.\PHYSICALDRIVE2, etc.).

Identify which one is your USB device.

Attempt to Mount the Drive in WSL2
Run the following command to mount the raw disk into WSL (replace X with the correct drive number):

wsl --mount \\.\PHYSICALDRIVEx --bare

But I encountered this error:

Error code: Wsl/Service/AttachDisk/0x8007000f

This error may occur if your version of WSL2 doesn't support raw disk mounting properly. To fix it, update WSL to the latest (preferably pre-release) version:

Still in Command Prompt (Admin):

In cmd prompt ( Administrator mode )

wsl --update

Once the update is done, run it again with --pre-release

wsl --update --pre-release

wsl --restart

then try mount aganin.

Try Mounting Again

**
Final Notes**
Even though the USB drive is accessible via /mnt/ in WSL, that method only provides user-space access, and does not allow formatting to filesystems like Btrfs or ext4. Raw disk mounting (--mount --bare) gives you block-level access needed for tools like mkfs.btrfs.

If this still doesn't work, consider booting into a Linux distro like Manjaro/Debian and using gparted or CLI tools (mkfs.btrfs, parted) directly from there.

DEV Community: hardyweb

Incus Lab: Belajar Rangkaian Dengan Cara Mencuba

Nginx Load Balancing with DNS-Based Service Discovery on Incus

Nginx Load Balancing with DNS-Based Service Discovery on Incus

1. Architecture

DNS resolution

HTTP traffic

2. Static / Hard-Coded Upstream

Kelebihan

Kekurangan

3. DNS-Based Service Discovery

4. Why Use DNS?

5. dnsmasq

6. Dynamic DNS Resolution in Nginx

7. Adding a New Backend

8. Important Lesson: DNS Discovery Is Not Health Checking

9. Load Balancing vs High Availability

Load Balancing

High Availability

10. Nginx Operational Logging

11. Testing

Test DNS

Test backend

Test Nginx configuration

Inspect effective configuration

Test Load Balancer

Watch Load Balancer logs

12. Troubleshooting Lesson

13. Configuration Validation Workflow

14. Security Perspective

Configuration Management

Network Security

Logging

Availability

15. ISO/IEC 27001 Perspective

16. Key Lessons

17. Final Architecture

Conclusion

Building a PDF from Markdown with Pandoc: Images, Code Blocks, TOC and Mermaid

1. Example Project Structure

2. Cover Image

3. Image Paths

4. Table of Contents

5. Removing Unwanted Sections from the TOC

6. Code Blocks

7. The Long Bash Command Problem

8. Long Inline Commands

9. Mermaid Diagrams

10. Mermaid Workflow

11. PNG vs SVG

12. Using XeLaTeX

13. Unicode Problems

14. A Simple Build Command

15. Separate the Build Process

16. A Better Project Layout

17. The Important Lesson

Conclusion

Run Simple Web Server On The Spot

Panduan Teknikal: Compile llama.cpp di Debian 12/13 dan Cross Compile ARM64

Kaedah Saliran Pasif Menggunakan Struktur Sumbu Kapilari Berasaskan Cable Tie

Setting Incus S3 Storage Locally

Cross Platform Application

Cross Platform application

Image Optimizer

Path

Neovim 0.12 autocomplete and native plugin manager for laravel and go

Golang Binary Compile arm64

Projek Jawi Converter: Belajar Golang Sambil Mendigitalkan Warisan Bahasa

artikel tambahan

Rujukan Hukum Ejaan Jawi — PUEJBM DBP

1. Huruf Vokal

Implikasi kepada converter

2. Diftong

3. Bunyi n dan Asimilasi Nasal

Implikasi kepada converter

4. k pada Akhir Kata

5. h pada Akhir Kata

6. Awalan meN- dan peN-

Prinsip penting

7. Imbuhan Lain

3. Bunyi `n` dan Asimilasi Nasal

4. `k` pada Akhir Kata

5. `h` pada Akhir Kata

6. Awalan `meN-` dan `peN-`

`ber-`

`ter-`

`di-`

`ke-...-an`

`-kan`

`-an`

`-lah`

8. Kata Sendi `di` / `ke` vs Imbuhan

20. Jangan Jadikan Semua Hukum Sebagai `replace()`