دلاء التخزين

تُعدّ دلاء التخزين (Storage Buckets) نوعاً من المستودعات على Hugging Face Hub توفر تخزيناً للكائنات يشبه S3، مدعوماً بواجهة التخزين الخلفية Xet. على عكس المستودعات القائمة على Git (النماذج، مجموعات البيانات، Spaces)، فإن الدلاء غير مُنَظَّمة الإصدارات وقابلة للتعديل، وهي مصممة لاستخدامات تتطلب تخزيناً بسيطاً وسريعاً، مثل نقاط الفحص أثناء التدريب (training checkpoints)، والسجلات، والمخرجات الوسيطة، أو أي مجموعة كبيرة من الملفات التي لا تحتاج إلى التحكم بالإصدارات.

يمكنك التفاعل مع الدلاء (buckets) باستخدام واجهة الويب الخاصة بـ Hub، أو سطر الأوامر hf، أو واجهة برمجة التطبيقات Python.

تتوفر الدلاء لجميع المستخدمين والمنظمات. راجع hf.co/storage لمعرفة تفاصيل التسعير.

راجع أنماط الوصول لمعرفة كيفية الوصول إلى بيانات الدلو من أدواتك (تركيبها كنظام ملفات، مسارات hf://، تركيبات الأجزاء في Jobs/Spaces)، وواجهة S3 المتوافقة لاستخدام أدوات S3 الحالية (AWS CLI، boto3، s5cmd)، وتكاملات الدلو للحصول على مقتطفات جاهزة للاستخدام في مكتبات البيانات الشائعة مثل pandas وDask وSpark.

الدلاء مقابل المستودعات

توفر المنصة نوعين من التخزين: مستودعات مستودعات مبنية على Git للعمل التعاوني المُدار بالإصدارات، وحاويات حاويات لتخزين الكائنات السريع والقابل للتعديل.

استخدم المستودعات عندما ترغب في الحصول على سجل إصدارات، وميزات تعاون (طلبات الدمج، النقاشات)، وتكاملات مع المكتبات. استخدم الدلاء عندما تحتاج إلى تخزين سريع وقابل للتعديل للبيانات التي تتغير بشكل متكرر — حيث يمكن تجاوز الملفات أو حذفها في مكانها.

إنشاء دلو

من واجهة المستخدم الخاصة بالمركز

1. انتقل إلى huggingface.co/new-bucket:

2. حدد مالك الدلو: يمكن أن يكون ذلك أنت أو أي من المنظمات التي تنتمي إليها.

3. أدخل اسم الدلو.

4. اختر ما إذا كان يجب أن يكون الدلو عامًا أو خاصًا.

5. اختياريًا، قم باختيار مسبق لمناطق تسخين CDN لتخزين بياناتك مؤقتًا بالقرب من موارد الحوسبة الخاصة بك منذ البداية.

بعد إنشاء الدلو، يجب أن ترى صفحة الدلو:

من سطر الأوامر

# Create a bucket under your namespace
hf buckets create my-bucket

# Create a private bucket
hf buckets create my-bucket --private

# Create a bucket under an organization
hf buckets create my-org/shared-bucket

من بايثون

from huggingface_hub import create_bucket

# Create a bucket under your namespace
create_bucket("my-bucket")

# Create a private bucket
create_bucket("my-bucket", private=True)

# Create a bucket under an organization
create_bucket("my-org/shared-bucket")

تغيير مستوى الظهور

يمكنك تغيير مستوى ظهور الدلو بعد إنشائه:

# Make a bucket private
hf buckets settings username/my-bucket --private

# Make it public again
hf buckets settings username/my-bucket --public

from huggingface_hub import update_bucket_settings

update_bucket_settings("username/my-bucket", private=True)
update_bucket_settings("username/my-bucket", private=False)

لمعرفة مرجع واجهة برمجة تطبيقات بايثون الكاملة، بما في ذلك حذف الدلاء ونقلها وقوائمها، راجد دليل الدلاء في huggingface_hub.

تصفح الدلاء على المركز

تحتوي كل حاوية على صفحة في Hub حيث يمكنك تصفح محتوياتها، والتنقل بين المجلدات، وعرض تفاصيل الملفات. تتوفر صفحات الحاويات في https://huggingface.co/buckets/<owner>/<bucket-name>.

عرض ملف README

إذا احتوى مجلد في حاويتك على ملف README.md، فإن Hub يعرضه أسفل قائمة الملفات في صفحة ذلك المجلد. يعمل هذا الأمر في جذر الحاوية وكذلك داخل أي مجلد فرعي — وهو مفيد لتوثيق ما تحتويه الحاوية، وكيفية تنظيم البيانات، أو كيفية استخدام الأدوات اللاحقة لها.

التعداد من سطر الأوامر

يمكنك أيضًا سرد محتويات الدلو من سطر الأوامر:

# List files in a bucket (with human-readable sizes)
hf buckets list julien-c/my-training-bucket -h
                     Feb 17 14:46  art/
                     Feb 17 14:58  arxivqa/
                     Feb 17 15:02  arxivqa2/
                     Feb 17 15:04  arxivqa3/
                     Feb 17 14:47  captcha/
                     Feb 17 14:53  captcha2/
                     Feb 24 17:22  julien/

# Recursive listing
hf buckets list julien-c/my-training-bucket/art -h -R
    423.6 MB         Feb 17 14:29  art/train-00000-of-00011.parquet
    441.0 MB         Feb 17 14:29  art/train-00001-of-00011.parquet
    521.7 MB         Feb 17 14:29  art/train-00002-of-00011.parquet
    481.4 MB         Feb 17 14:29  art/train-00003-of-00011.parquet
    444.6 MB         Feb 17 14:29  art/train-00004-of-00011.parquet
    461.6 MB         Feb 17 14:29  art/train-00005-of-00011.parquet
    466.4 MB         Feb 17 14:29  art/train-00006-of-00011.parquet
    486.3 MB         Feb 17 14:29  art/train-00007-of-00011.parquet
    477.0 MB         Feb 17 14:29  art/train-00008-of-00011.parquet
    454.0 MB         Feb 17 14:29  art/train-00009-of-00011.parquet
    483.1 MB         Feb 17 14:29  art/train-00010-of-00011.parquet

# Tree view
hf buckets list julien-c/my-training-bucket --tree -h -R
                        ├── art/
423.6 MB  Feb 17 14:29  │   ├── train-00000-of-00011.parquet
441.0 MB  Feb 17 14:29  │   ├── train-00001-of-00011.parquet
521.7 MB  Feb 17 14:29  │   ├── train-00002-of-00011.parquet
481.4 MB  Feb 17 14:29  │   ├── train-00003-of-00011.parquet
444.6 MB  Feb 17 14:29  │   ├── train-00004-of-00011.parquet
461.6 MB  Feb 17 14:29  │   ├── train-00005-of-00011.parquet
466.4 MB  Feb 17 14:29  │   ├── train-00006-of-00011.parquet
486.3 MB  Feb 17 14:29  │   ├── train-00007-of-00011.parquet
477.0 MB  Feb 17 14:29  │   ├── train-00008-of-00011.parquet
454.0 MB  Feb 17 14:29  │   ├── train-00009-of-00011.parquet
483.1 MB  Feb 17 14:29  │   └── train-00010-of-00011.parquet
                        ├── arxivqa/
495.9 MB  Feb 17 14:32  │   ├── train-00000-of-00164.parquet
518.3 MB  Feb 17 14:32  │   ├── train-00001-of-00164.parquet
495.5 MB  Feb 17 14:32  │   ├── train-00002-of-00164.parquet
486.6 MB  Feb 17 14:32  │   ├── train-00003-of-00164.parquet
490.4 MB  Feb 17 14:32  │   ├── train-00004-of-00164.parquet
...

إدارة الملفات

يمكنك رفع الملفات وتنزيلها مباشرةً من صفحة الدلو على Hub، أو استخدام CLI وواجهة Python البرمجية للوصول إليها برمجياً. تُشار إلى ملفات الدلو باستخدام مسارات hf://buckets/ (على سبيل المثال، hf://buckets/username/my-bucket/path/to/file). يتولى الأمر hf buckets cp نقل الملفات الفردية، بينما يناسب الأمر hf buckets sync المجلدات بشكل أفضل. تعمل جميع الأوامر في كلا الاتجاهين — من المحلي إلى البعيد ومن البعيد إلى المحلي.

إذا كانت بياناتك موجودة بالفعل في مستودع نموذج أو مجموعة بيانات أو مساحة (أو حاوية أخرى)، يمكنك نسخها على جانب الخادم باستخدام hf buckets cp — دون الحاجة إلى تنزيل أو إعادة رفع. راجع نسخ الملفات بين المستودعات والحاويات.

رفع الملفات

للرفع السريع، يمكنك سحب الملفات وإفلاتها مباشرةً على صفحة الدلو في متصفحك. للاستخدام البرمجي، ينسخ الأمر hf buckets cp الملفات الفردية إلى الدلو. المصدر هو مسار محلي والوجهة هي مسار hf://buckets/. كما يمكنك تمرير البيانات من مدخل المعيار (stdin)، وهو أمر مفيد للمحتوى المولّد برمجياً.

سطر الأوامر:

# Upload a single file
hf buckets cp ./model.safetensors hf://buckets/username/my-bucket/models/model.safetensors

# Upload from stdin
cat config.json | hf buckets cp - hf://buckets/username/my-bucket/config.json

في Python، استخدم batch_bucket_files لرفع ملف واحد أو أكثر في استدعاء واحد. كل عنصر هو مجموعة مرتبة من (local_path, remote_path).

بايثون:

from huggingface_hub import batch_bucket_files

batch_bucket_files(
    "username/my-bucket",
    add=[
        ("./model.safetensors", "models/model.safetensors"),
        ("./config.json", "models/config.json"),
    ],
)

لمزيد من خيارات الرفع (بايتات خام، رفع + حذف مجمّع، إلخ)، راجد دليل الرفع في huggingface_hub.

تنزيل الملفات

يمكنك تنزيل الملفات الفردية مباشرةً من صفحة الدلو على Hub بالنقر عليها. أما للوصول البرمجي، فيعكس التنزيل صيغة الرفع — استبدل المصدر والوجهة في hf buckets cp. كما يمكنك بث ملف إلى stdout باستخدام - كوجهة، مما يتيح لك تمرير محتويات الدلو مباشرةً إلى أدوات أخرى.

سطر الأوامر:

# Download a single file
hf buckets cp hf://buckets/username/my-bucket/models/model.safetensors ./model.safetensors

# Download to stdout and pipe
hf buckets cp hf://buckets/username/my-bucket/config.json - | jq .

في Python، استخدم download_bucket_files مع قائمة من tuples من نوع (remote_path, local_path).

بايثون:

from huggingface_hub import download_bucket_files

download_bucket_files(
    "username/my-bucket",
    files=[
        ("models/model.safetensors", "./local/model.safetensors"),
        ("config.json", "./local/config.json"),
    ],
)

للحصول على تنزيلات أسرع باستخدام البيانات الوصفية المُسبقة الجلب، راجد دليل التنزيل في huggingface_hub.

مزامنة المجلدات

يعمل أمر sync على نحو مشابه لأمر rsync أو aws s3 sync — إذ يقارن بين المصدر والوجهة وينقل فقط الملفات التي طرأ عليها تغيير. وهذا هو الطريقة الأكثر كفاءةً للحفاظ على مزامنة بين مجلد محلي ودلو. افتراضيًا، يضيف sync الملفات ويحدّثها فقط. مرّر --delete لإزالة الملفات الموجودة في الوجهة والتي لم تعد موجودة في المصدر أيضًا. استخدم --dry-run لمعاينة ما سيحدث دون نقل أي شيء فعليًا.

سطر الأوامر:

# Upload a local directory to a bucket
hf buckets sync ./data hf://buckets/username/my-bucket/data

# Download from a bucket to a local directory
hf buckets sync hf://buckets/username/my-bucket/data ./data

# Sync with deletion of extraneous files
hf buckets sync ./data hf://buckets/username/my-bucket/data --delete

# Preview what would be synced without executing
hf buckets sync ./data hf://buckets/username/my-bucket/data --dry-run

# Plan and apply: review the sync plan before executing
hf buckets sync ./data hf://buckets/username/my-bucket/data --plan sync-plan.jsonl
# ... review the plan file, then apply it
hf buckets sync --apply sync-plan.jsonl

hf sync هو اسم مستعار مريح لـ hf buckets sync.

بايثون:

from huggingface_hub import sync_bucket

# Upload a local directory to a bucket
sync_bucket("./data", "hf://buckets/username/my-bucket/data")

# Download from a bucket to a local directory
sync_bucket("hf://buckets/username/my-bucket/data", "./data")

يدعم أمر sync الترشيح (--include، --exclude)، وأوضاع المقارنة (--ignore-times، --existing)، بالإضافة إلى سير عمل التخطيط والتطبيق لمراجعة العمليات قبل تنفيذها. للاطلاع على مجموعة الخيارات الكاملة، راجع دليل huggingface_hub الخاص بـ sync.

حذف الملفات

بما أن الدلاء غير مُنظَّمة بالإصدارات، فإن عمليات الحذف فورية ودائمة — فلا يوجد أي سبيل لاستعادة ملف محذوف. استخدم --dry-run للتأكد مرة أخرى قبل إزالة الملفات، خاصة عند استخدام --recursive.

سطر الأوامر:

# Remove a single file
hf buckets rm username/my-bucket/old-model.bin

# Remove all files under a prefix
hf buckets rm username/my-bucket/logs/ --recursive

# Preview what would be deleted
hf buckets rm username/my-bucket/checkpoints/ --recursive --dry-run

بايثون:

from huggingface_hub import batch_bucket_files

batch_bucket_files("username/my-bucket", delete=["old-model.bin", "logs/debug.log"])

لمزيد من خيارات الحذف (التصفية بناءً على الأنماط، الإزالة التكرارية، إلخ)، راجد دليل الحذف في huggingface_hub.

نسخ الملفات بين المستودعات والخزانات

يمكنك نسخ الملفات التي تتبعتها Xet من أي مستودع (نموذج، مجموعة بيانات، مساحة) أو حاوية إلى حاوية وجهة دون إعادة رفع البيانات. يتم النسخ على جانب الخادم: حيث تُهاجر تجزئات محتوى Xet فقط، لذا تُنسخ حتى الملفات الكبيرة جداً فوراً بفضل إزالة التكرار على مستوى المقاطع.

تُنسخ الملفات المُتتبَّعة بواسطة Xet فقط من الخادم إلى الخادم. أما الملفات الصغيرة غير المُتتبَّعة بواسطة Xet (مثل ملفات الإعداد وملفات README) فتُحمَّل تلقائيًا ثم تُعاد رفعها. كما تتطلب النسخ على جانب الخادم أن يكون المصدر والوجهة في نفس منطقة التخزين.

سطر الأوامر:

hf buckets cp \
  hf://datasets/HuggingFaceFW/fineweb/data \
  hf://buckets/username/fineweb-data

بايثون:

from huggingface_hub import HfApi

api = HfApi()

api.copy_files(
    "hf://datasets/HuggingFaceFW/fineweb/data",
    "hf://buckets/username/fineweb-data",
)

تحتاج إلى صلاحية القراءة في المستودع أو الدلو المصدر وصلاحية الكتابة في الدلو الوجهة.

يرجى ملاحظة أن نقل البيانات بالاتجاه المعاكس من الدلو إلى المستودع (نموذج، مجموعة بيانات، مساحة) دون إعادة رفعها غير متاح بعد، لكنه مدرج في خارطة الطريق.

تتبع التغييرات

الحاويات قابلة للتغيير، لذا تحتاج الأدوات التي تحتفظ بنسخة من حاوية — مثل نقاط التركيب، وطبقات أنظمة الملفات، وعمليات المزامنة، ولوحات التحكم — إلى معرفة متى تتغير الملفات. يتوفر آليتان لذلك:

• Webhooks: استدعاءات HTTP إلى خادم تتحكم به، أو Job يُبدأ عند كل تغيير — راجع معالجة ملفات جديدة في دلو باستخدام Jobs.
• المتابعة المباشرة: تدفق أحداث يرسلها الخادم ويشترك فيه عميلك.

المتابعة المباشرة

يُبثّ GET https://huggingface.co/api/buckets/<owner>/<bucket-name>/events تغييرات الملفات في الدلو على شكل أحداث يرسلها الخادم. يجب أن يحمل الطلب Accept: text/event-stream (وإلا فسيُعاد 400)، ويتطلب نفس صلاحيات القراءة اللازمة لعرض قائمة الدلو — ولا يُحتاج إلى رمز للدلو العام. راجع مواصفة OpenAPI للحصول على مخطط المعاملات والاستجابة الكامل.

curl -N -H "Accept: text/event-stream" \
  -H "Authorization: Bearer $HF_TOKEN" \
  "https://huggingface.co/api/buckets/username/my-bucket/events"

في Python، لا تحتاج إلى استهلاك البث بنفسك. يتبع HfFileSystem البث نيابةً عنك باستخدام live_follow=True، مما يبقي قوائم التخزين المؤقت محدّثة عند قيام عملية أخرى بتغيير الدلو:

تم النسخ

from huggingface_hub import HfFileSystem

hffs = HfFileSystem(live_follow=True)
hffs.ls("buckets/username/my-bucket/data")  # starts following the bucket

تقبل المكتبات التي تتعامل مع storage_options الخاصة بـ fsspec (مثل pandas وPyArrow) هذا الخيار أيضاً.

تصدر البث أربعة أنواع من الأحداث:

تحتوي كل إدخالة في changes على path وop (add أو update أو delete). كما تحمل عمليات add أو update الحقول التي تغيّرت — size وxetHash وuploadedAt وmtime وmtimeNanos — لذا قد تكون عملية update صغيرة الحجم، بحيث تقتصر على قيمة جديدة لـuploadedAt إذا أُعيد رفع الملف بشكل مطابق تمامًا. تُستبعد الحقول التي لم تتغير؛ وقد تكون mtime/mtimeNanos أيضًا null إذا أزال الرفع قيمتها، لذا تعامل بين الغياب وnull على أنهما شيء واحد.

event: ready
data: {"cursor":"..."}

event: changes
data: {"cursor":"...","changes":[{"path":"data/train.txt","op":"add","size":20,"uploadedAt":"2026-09-16T09:21:45.000Z"},{"path":"data/old.txt","op":"delete"}]}

الاستئناف. يبدأ تدفق جديد من اللحظة التي تتصل فيها. للحصول أيضًا على التغييرات التي فاتتك، مرّر آخر cursor استلمته (كل حدث ready وchanges يحمل واحدًا) كـ?cursor=<cursor>، أو طابع زمني كـ?since=<ISO timestamp> (شامل، مثل 2026-09-16T09:21:45Z).

يمكن إعادة تشغيل التغييرات التي تمت خلال آخر 15 دقيقة تقريبًا فقط. إذا كان cursor أو since أقدم من ذلك، فستتلقى reset بدلاً من إعادة التشغيل: قم بإدراج الدلو مرة واحدة لإعادة بناء عرضك، ثم تابع مرة أخرى من cursor الخاص بحدث ready في البث الجديد. يُقصد بالاستئناف سد الفجوات القصيرة مثل انقطاع الاتصال أو إعادة التشغيل؛ أما العميل الذي غاب لفترة أطول فيجب أن يتوقع إعادة الإدراج.

إعادة الاتصال. يتم تدوير الاتصالات طويلة الأمد: كل 20 دقيقة تقريبًا (وخلال عمليات النشر) يرسل الخادم reconnect ثم ينهي البث. تعامل مع أي نهاية للبث بنفس الطريقة — أعد الاتصال باستخدام المؤشر الأخير الذي استلمته. يُرسل تعليق : ping كل 30 ثانية للحفاظ على بقاء الاتصال نشطًا، لذا يمكن اعتبار أي بث يصبح صامتًا تمامًا ميتًا.

تعني استجابة 503 أن المتابعة المباشرة غير متاحة مؤقتًا — أعد المحاولة بعد التأخير المحدد في ترويسة Retry-After.

التسخين المسبق وشبكات توزيع المحتوى

تُخزَّن الدلاء افتراضيًا في التخزين العالمي الخاص بالمركز. بالنسبة للأحمال التي يؤثر فيها موقع التخزين بشكل مباشر على معدل الإخراج، يمكنك تسخين الدلاء مسبقًا لجلب بياناتها إلى أقرب نقطة من موارد الحوسبة لديك.

يقوم التسخين المسبق بتخزين الملفات مؤقتًا في مواقع حافة قريبة من مزودي سحابة ومناطق محددة، بحيث تقرأ مهامك البيانات محليًا بدلاً من سحبها عبر المناطق. وهذا مفيد بشكل خاص في:

• عناقيد التدريب التي تحتاج إلى وصول سريع إلى مجموعات بيانات أو نقاط تحقق كبيرة
• إعدادات متعددة المناطق حيث تعمل أجزاء مختلفة من خط الأنابيب في سحابة مختلفة
• توزيع الأصول الكبيرة على العديد من المستخدمين في جميع أنحاء العالم

راجع hf.co/storage لمعرفة المناطق المتاحة وتفاصيل تفعيل التسخين المسبق.

حالات الاستخدام

نقاط التفتيش والسجلات للتدريب

عند تشغيل مهام التدريب (مثلًا عبر Jobs)، احفظ نقاط التفتيش والسجلات في دلو. على عكس مستودع Git، يمكنك تجاوز أحدث نقطة تفتيش دون تراكم سجل الإصدارات، ويضمن sync نقل البيانات المتغيرة فقط.

# After each evaluation step, sync checkpoints to a bucket
hf sync ./checkpoints hf://buckets/my-org/training-run-42/checkpoints

بما أن الدلاء مبنية على Xet، فإن نقاط التفتيش المتتالية التي تكون فيها أجزاء كبيرة من النموذج مجمّدة تستفيد من إزالة التكرار على مستوى المقاطع. يتم رفع المقاطع التي تم تغييرها فقط.

خطوط أنابيب معالجة البيانات

تعمل الدلاء كمناطق مؤقتة لعمليات تدفق معالجة البيانات. عالج البيانات الخام، واكتب المخرجات الوسيطة إلى دلو، ثم ارفع المخرجات النهائية إلى مستودع Dataset مُنَسَّخ عند اكتمال خط الأنابيب. يحافظ هذا على نظافة مستودعك المُنَسَّخ مع منح خط أنابيبك تخزينًا سريعًا قابلًا للتعديل.

يرجى ملاحظة أن نقل البيانات من Bucket إلى مستودع دون إعادة رفعها غير متاح بعد، لكنه مدرج في خارطة الطريق.

التخزين الوكيل

تحتاج وكلاء الذكاء الاصطناعي إلى مساحة تخزين مؤقتة للنتائج الوسيطة ومخرجات الأدوات والتتبعات والذاكرة العاملة. توفر الدلاء مكانًا أصليًا في Hub لهذه البيانات: وصول سريع قابل للتعديل دون عبء Git، وصلاحيات قياسية من Hugging Face، وقابلة للعنوان عبر مسارات hf://buckets/ في نظام Hub البيئي.

النسخ الاحتياطي الدوري

تُعدّ الدلاء مناسبةً بشكل جيد للحفاظ على نسخ احتياطية متجددة. في مستودع Dataset القائم على Git، لا يؤدي حذف الملفات القديمة إلى تحرير مساحة التخزين — إذ تحتفظ سجلات Git بكل نسخة سابقة، مما يتطلب ضغط الالتزامات أو إعادة كتابة السجل لاستعادة المساحة فعليًا. أما مع الدلاء، فتختفي الملفات القديمة حقًا بمجرد حذفها، ولا تدفع إلا مقابل ما هو مخزَّن حاليًا.

# Sync today's backup, removing files that no longer exist locally
hf sync ./daily-backup hf://buckets/my-user/backups/latest --delete

ربط النماذج بالخزانات

يمكنك إنشاء رابط ثنائي الاتجاه بين نموذج ودلو عن طريق إضافة حقل buckets إلى بيانات بطاقة النموذج الوصفية. ستظهر النماذج المرتبطة بعد ذلك في صفحة الدلو، وسيظهر الدلو كوسم في صفحة النموذج.

# In the model card YAML frontmatter
buckets:
- my-org/my-bucket

راجع تحديد الدلو في توثيق بطاقات النموذج لمزيد من التفاصيل.

التسعير

تُحتسب رسوم دلاء التخزين بناءً على حجم البيانات المخزنة، مع تسعير بسيط لكل تيرابايت. وتستفيد خطط المؤسسات من الفوترة القائمة على إزالة التكرار، حيث تُقلل المقاطع المشتركة بين الملفات مباشرةً من المساحة الخاضعة للفوترة.

أما فيما يتعلق بالمستودعات الأخرى، فإن إنشاء الدلاء مجاني ويتوفر حد تخزين مجاني. للاستخدام الذي يتجاوز الحد المجاني، راجع hf.co/storage. لمعلومات الفوترة العامة، راجع وثائق الفوترة.