Библиотека Python разработчика

⚡️ Apache Camel в архитектуре решений бэкенда 📅 4 февраля | 20:00 мск | бесплатно Хотите строить надёжные и гибкие интеграции между сервисами без лишней сложности? На вебинаре разберём: - Роль Apache Camel в современной backend-архитектуре - Enterprise Integration Patterns и их практическое применение - Типовые сценарии: синхронные и асинхронные интеграции - Camel как связующее звено между микросервисами, брокерами сообщений и внешними системами - Архитектурные преимущества и реальные ограничения использования Apache Camel ✅ После вебинара вы сможете: - Определять, когда Apache Camel — правильный архитектурный выбор - Проектировать интеграционные потоки на основе проверенных паттернов - Строить устойчивые и слабо связанные backend-решения - Принимать осознанные архитектурные решения в области интеграций 👉 Регистрируйтесь https://vk.cc/cTYHGZ Занятие приурочено к старту курса "Software Architect", обучение на котором позволит освоить компетенции архитектора по моделированию и построению отказоустойчивых, масштабируемых и хорошо интегрируемых информационных систем. Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

10 полезных библиотек для Python-разработчика Сегодня я подготовил для вас подборку из 10 полезных библиотек, которые могут сделать вашу разработку проще и эффективнее. Поехали! 🚀 1️⃣ Rich – красивый вывод в консоль. Если хотите раскрасить логи, добавить таблицы или анимации – эта библиотека вам пригодится. 📌 pip install rich 2️⃣ Typer – современный способ писать CLI-приложения. Работает на основе аннотаций типов и делает разработку CLI удобнее. 📌 pip install typer 3️⃣ Pendulum – альтернатива datetime, но с удобным API и встроенной поддержкой часовых поясов. 📌 pip install pendulum 4️⃣ HTTPX – асинхронный клиент для работы с HTTP-запросами. Поддерживает async/await, в отличие от requests. 📌 pip install httpx 5️⃣ Pydantic – мощный инструмент для валидации данных и работы с моделями. Особенно полезен в FastAPI. 📌 pip install pydantic 6️⃣ Poetry – современный менеджер зависимостей. Упрощает работу с виртуальными окружениями и пакетами. 📌 pip install poetry 7️⃣ Loguru – удобная альтернатива стандартному logging. Позволяет логировать без лишнего кода. 📌 pip install loguru 8️⃣ FastAPI – один из самых быстрых Python-фреймворков для создания API. Использует аннотации типов и async/await. 📌 pip install fastapi 9️⃣ Tqdm – библиотека для удобных progress-bar'ов в терминале. Незаменима при обработке больших данных. 📌 pip install tqdm 🔟 Black – автоматический форматтер кода, который придерживается строгого стиля. Просто устанавливаешь – и больше не думаешь о стиле кода. 📌 pip install black 📲 Мы в MAX 👉@BookPython

Если у вас есть ресурсоемкая задача для процессора и вы хотите использовать все доступные ядра, то multiprocessing.Pool - это то, что вам нужно. Он создает несколько процессов и автоматически распределяет между ними задачи. Просто создайте пул с Pool(number_of_processes) и выполните p.map с списком входных данных.

    
        
import math
from multiprocessing import Pool

inputs = [i ** 2 for i in range(100, 130)]

def f(x):
    return len(str(math.factorial(x)))

# Однопоточное выполнение
%timeit [f(x) for x in inputs]
# 1.44 s ± 19.2 ms per loop (...)

# Параллельное выполнение с 4 процессами
p = Pool(4)
%timeit p.map(f, inputs)
# 451 ms ± 34 ms per loop (...)
{}
    

Также можно не указывать параметр number_of_processes, по умолчанию он равен количеству ядер CPU в системе. 📲 Мы в MAX 👉@BookPython

Ранее мы затронули типизацию в фикстурах (косвенно), поэтому сегодня поговорим про: Protocol vs ABC: Утиная типизация на стероидах (Static Duck Typing) В классическом ООП (Java, C#) и при использовании abc.ABC в Python мы привыкли к Nominal Subtyping (Именная подтипизация). Чтобы объект считался Bird, он должен явно наследоваться от Bird. Это создает жесткую связность (coupling): ваша реализация должна знать об интерфейсе и импортировать его. С приходом typing.Protocol (Python 3.8+) мы получили Structural Subtyping (Структурная подтипизация). В чем суть? Если класс имеет метод quack(), то это Утка. Неважно, от чего он наследуется. Это и есть та самая «утиная типизация», но теперь поддерживаемая статическим анализатором (mypy, pyright, IDE). Сравним код: ❌ Старый путь (ABC):

    
        
from abc import ABC, abstractmethod

# 1. Жестко определяем интерфейс
class SenderABC(ABC):
    @abstractmethod
    def send(self, msg: str) -> None: pass

# 2. Обязаны наследоваться!
class EmailService(SenderABC):
    def send(self, msg: str) -> None:
        print(f"Email: {msg}")

def alert(sender: SenderABC):
    sender.send("Alert!")

{}
    

✅ Новый путь (Protocol):

    
        
from typing import Protocol

# 1. Описываем, "что мы ждем от объекта"
class SenderProto(Protocol):
    def send(self, msg: str) -> None: ...

# 2. Реализация НИЧЕГО не знает про Protocol
# Никаких импортов и наследования!
class SmsService:
    def send(self, msg: str) -> None:
        print(f"SMS: {msg}")

# Mypy счастлив: SmsService имеет нужную структуру (метод send)
def alert(sender: SenderProto):
    sender.send("Alert!")

alert(SmsService()) 

{}
    

Киллер-фича: Retroactive Abstraction (Ретроактивная абстракция) Представьте, что вы используете стороннюю библиотеку (например, boto3 или клиент Redis). Вы не можете заставить их классы наследоваться от ваших ABC. С помощью Protocol вы можете создать интерфейс для уже существующего чужого кода, не меняя его, и типизировать свои функции. Нюансы для Middle+: 1. Runtime: По умолчанию isinstance(obj, MyProtocol) выбросит ошибку. Протоколы - это compile-time фича. Если нужна проверка в рантайме, декорируйте протокол @runtime_checkable. 2. Свойства: В протоколе можно описывать не только методы, но и поля через @property или просто аннотации типов. Используйте Протоколы, чтобы развязать зависимости между модулями. Это основа принципа Dependency Inversion в Python. #python #typing #mypy #architecture #clean_code 📲 Мы в MAX 👉@BookPython

🎥 Открытый урок «Подключение OpenAPI Swagger к Django-REST-Framework». 🗓 04 февраля в 20:00 МСК 🆓 Бесплатно. Урок в рамках старта курса «Django-разработчик».

Хорошее API — это не только код, но и понятная документация. Без неё REST-сервис быстро превращается в чёрный ящик для команды и клиентов.

Что будет на вебинаре: ✔️ Интеграция библиотеки drf-spectacular для генерации схемы OpenAPI 3.0. ✔️ Кастомизация документации: использование декоратора @extend_schema и типизации. ✔️ Подключение и настройка интерфейсов Swagger UI и Redoc. В результате вебинара вы получите: - Навык быстрой настройки автодокументации в существующих проектах. - Умение описывать сложные параметры запросов и ответов. - Готовый интерактивный интерфейс для тестирования API внутри браузера. 🔗 Ссылка на регистрацию: https://vk.cc/cTPi2Z Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

Pytest Patterns: Элегантный Teardown через yield и оптимизация скоупов Если вы все еще пишете def teardown_method(self): в классах тестов, вы не используете мощь Pytest на 100%. Фикстуры (fixtures) - это не просто способ передать данные. Это полноценный механизм управления жизненным циклом зависимостей (DI). 1. yield вместо return: Встроенный Teardown В Pytest фикстура может "замереть", отдать управление тесту, а потом продолжить выполнение. Это реализуется через генератор yield. Код до yield - это setUp. Код после yield - это tearDown. Пример (временная база данных):

    
        
import pytest
from sqlalchemy import create_engine

@pytest.fixture
def db_engine():
    # Setup: Поднимаем соединение
    engine = create_engine("sqlite:///:memory:")
    
    # Передаем объект в тест
    yield engine
    
    # Teardown: Этот код выполнится ПОСЛЕ завершения теста
    # (даже если тест упал с ошибкой!)
    engine.dispose()

{}
    

Это гарантирует, что ресурсы будут освобождены, и вам не нужны try/finally блоки внутри самих тестов. 2. Scopes: Не создавайте мир заново По умолчанию фикстура имеет scope='function'. Она создается и умирает для каждого теста. Это безопасно, но медленно, если мы говорим о поднятии Docker-контейнера или коннекта к БД. Используйте scope='session' для тяжелых ресурсов, которые можно переиспользовать. Паттерн "Изоляция при общем ресурсе": Частая задача Middle+: иметь одну БД на весь прогон тестов (быстро), но чистые таблицы для каждого теста (изолированно). Решение: комбинируем скоупы.

    
        
# Живет весь прогон тестов (создается 1 раз)
@pytest.fixture(scope="session")
def db_engine():
    engine = create_engine(...)
    yield engine
    engine.dispose()

# Живет 1 тест (создается N раз)
@pytest.fixture(scope="function")
def db_session(db_engine):
    # Берем engine из сессионной фикстуры
    connection = db_engine.connect()
    transaction = connection.begin() # Начали транзакцию
    
    session = Session(bind=connection)
    yield session
    
    session.close()
    # ROLLBACK транзакции после теста вернет базу в исходное состояние!
    transaction.rollback() 
    connection.close()

{}
    

Итог: 🟢Используйте yield для очистки ресурсов. 🟢Тяжелые объекты (Engine, Client, Container) - в scope='session'. 🟢Легкие объекты с состоянием (Session, User) - в scope='function', наследуясь от тяжелых. #pytest #testing #qa #bestpractices #python 📲 Мы в MAX 👉@BookPython

⚡ Как ускорить код на Python? Используем map, filter, reduce ⚡ Привет, друзья! Сегодня расскажу о том, как можно ускорить выполнение кода, заменяя обычные циклы на встроенные функции map(), filter() и reduce(). Эти инструменты позволяют писать более компактный, читаемый и быстрый код. ✅ map() Функция map() применяется к каждому элементу последовательности и возвращает новый итератор. ❌ Обычный способ:

    
        
numbers = [1, 2, 3, 4, 5]
squared = []
for num in numbers:
    squared.append(num ** 2)
{}
    

✅ Быстрее с map():

    
        
numbers = [1, 2, 3, 4, 5]
squared = list(map(lambda x: x ** 2, numbers))
{}
    

За счёт того, что map() использует C-оптимизированную логику, код выполняется быстрее. ✅ filter() Фильтрует элементы последовательности по заданному условию. ❌ Медленный вариант:

    
        
numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
evens = []
for num in numbers:
    if num % 2 == 0:
        evens.append(num)
{}
    

✅ Быстрее с filter():

    
        
numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
evens = list(filter(lambda x: x % 2 == 0, numbers))
{}
    

Такой код читается легче и работает быстрее. ✅ reduce() Позволяет выполнять кумулятивные операции (например, суммирование, умножение). ❌ Классический способ:

    
        
numbers = [1, 2, 3, 4, 5]
product = 1
for num in numbers:
    product *= num
{}
    

✅ Быстрее с reduce():

    
        
from functools import reduce

numbers = [1, 2, 3, 4, 5]
product = reduce(lambda x, y: x * y, numbers)
{}
    

Этот метод полезен, если нужно свести список к одному значению. 💡 Важно: reduce() чаще заменяют sum() или math.prod(), но для сложных операций он остаётся полезным. Такие функции помогают писать код, который не только быстрее работает, но и легче читается. 📲 Мы в MAX 👉@BookPython

⚡️ Готовые решения и лучшие практики для надёжной защиты API в архитектуре бэкенда 📅 26 января | 20:00 мск | бесплатно Хотите, чтобы ваши API были надёжно защищены без потери производительности? На вебинаре разберём: - Типовые угрозы и уязвимости API в современных backend-системах - Аутентификация и авторизация: лучшие подходы, паттерны и типичные ошибки - Защита на уровне архитектуры: rate limiting, throttling, контроль доступа - Роль API Gateway и прокси в обеспечении безопасности - Лучшие практики проектирования защищённых API и контрактов 💡 Полезно для: - Software Architects, проектирующих внешние и внутренние API - Backend-разработчиков, работающих с интерфейсами - Технических лидов, отвечающих за безопасность и устойчивость систем ✅ После вебинара вы сможете: - Проектировать API с учётом безопасности на уровне архитектуры - Выбирать и применять готовые решения для защиты API - Использовать чек-лист лучших практик для создания защищённых интерфейсов - Осознанно балансировать между безопасностью, сложностью и производительностью 👉 Регистрируйтесь https://vk.cc/cTDTJV Занятие приурочено к старту курса "Software Architect", обучение на котором позволит освоить компетенции архитектора по моделированию и построению отказоустойчивых, масштабируемых и безопасных информационных систем.

Ловушка замыканий: Почему ваши лямбды в цикле сломаны (Late Binding) Вы пишете код, который генерирует список функций (например, колбэки для кнопок в UI или динамические фильтры). Кажется, что все логично, но на выходе получаете сюрприз. Проблемный код:

    
        
# Хотим создать 3 функции, которые возвращают 0, 1 и 2 соответственно
funcs = []
for i in range(3):
    funcs.append(lambda: i)

# Проверяем
results = [f() for f in funcs]
print(results) 
# Ожидание: [0, 1, 2]
# Реальность: [2, 2, 2]

{}
    

Почему так происходит? Это называется Late Binding (позднее связывание). В Python замыкания (closures) захватывают переменные по ссылке, а не по значению. Когда вы объявляете lambda: i, Python не сохраняет текущее число 0, 1 или 2. Он сохраняет инструкцию: «когда меня вызовут, пойди в локальную область видимости, найди переменную с именем i и возьми ее значение». К моменту, когда вы начинаете вызывать функции из списка results, цикл for уже завершился. Переменная i в этой области видимости навсегда осталась равной 2. Все три лямбды смотрят на одну и ту же переменную i. Как лечить? Есть два каноничных способа заставить Python запомнить значение «здесь и сейчас». 1. Аргумент по умолчанию (Hack way) Значения аргументов по умолчанию вычисляются в момент определения функции.

    
        
funcs = []
for i in range(3):
    # i=i создает локальную переменную i внутри функции 
    # и присваивает ей текущее значение i из цикла
    funcs.append(lambda i=i: i) 

{}
    

Это работает быстро, но выглядит немного грязно и может сбить с толку линтеры или коллег. 2. functools.partial (Enterprise way) Более чистый и явный способ. partial создает новый callable-объект, «замораживая» переданные аргументы.

    
        
from functools import partial

funcs = []
for i in range(3):
    # Здесь значение i фиксируется жестко
    funcs.append(partial(lambda x: x, i))

{}
    

Где это стреляет в реальной жизни? - Генерация command для кнопок в Tkinter/PyQt. - Динамическое создание task в asyncio циклах. - Патчинг тестов в циклах. Не дайте переменным пережить свое время. #python #internals #functionalprogramming #gotchas 📲 Мы в MAX 👉@BookPython