Python | Вопросы собесов

🤔 Какие задачи хорошо параллелятся, какие плохо? Параллельные вычисления — это выполнение нескольких задач одновременно, чтобы ускорить работу программы. Но не все задачи можно эффективно распараллелить. 🚩Независимые задачи (Embarrassingly Parallel Tasks) Это задачи, которые можно выполнять полностью независимо друг от друга, без обмена данными. Обработка изображений (фильтры, преобразования) Генерация фрагментов видео Рендеринг 3D-графики (каждый кадр рендерится отдельно) Обучение моделей машинного обучения на разных данных (если без обмена параметрами)

    
        from concurrent.futures import ProcessPoolExecutor
from PIL import Image

def process_image(image_path):
    img = Image.open(image_path)
    img = img.convert("L")  # Перевод в черно-белый формат
    img.save(f"processed_{image_path}")

images = ["img1.jpg", "img2.jpg", "img3.jpg"]

with ProcessPoolExecutor() as executor:
    executor.map(process_image, images){}
    

🚩Численные вычисления на больших данных (SIMD-операции, GPU-ускорение) Если однотипные операции выполняются на большом массиве данных, их можно делать параллельно. Умножение матриц (используется в нейросетях) Обработка сигналов (FFT, фильтрация) Физические симуляции

    
        import numpy as np

A = np.random.rand(1000, 1000)
B = np.random.rand(1000, 1000)

C = A @ B  # Быстрое умножение матриц (использует несколько ядер процессора){}
    

🚩Веб-запросы и сетевые операции Когда программа ждет ответа от сервера, процесс простаивает. Можно запускать запросы асинхронно, чтобы делать их параллельно. Скачивание файлов Парсинг веб-страниц Вызовы API

    
        import asyncio
import aiohttp

async def fetch(url):
    async with aiohttp.ClientSession() as session:
        async with session.get(url) as response:
            return await response.text()

async def main():
    urls = ["https://example.com", "https://google.com"]
    tasks = [fetch(url) for url in urls]
    responses = await asyncio.gather(*tasks)
    print(responses)

asyncio.run(main()){}
    

Ставь 👍 и забирай 📚 Базу знаний

🤔 В чём преимущество синхронной разработки? Синхронная разработка: - проще в реализации и отладке; - подходит для последовательных задач; - требует меньше знаний об асинхронности; - легко работает с средствами отладки и трассировки. Она особенно полезна в малых проектах или простых потоках данных, где нет интенсивной конкуренции за ресурсы. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚 Базу знаний

🤔 Что такое CRUD? CRUD — это аббревиатура из четырех основных операций с данными: C (Create) – создание R (Read) – чтение U (Update) – обновление D (Delete) – удаление 🚩Разберем CRUD на примере работы с базой данных в Python 🟠Create (Создание) Добавление новой записи в базу данных.

    
        import sqlite3

conn = sqlite3.connect("example.db")
cursor = conn.cursor()

# Создаем таблицу, если её нет
cursor.execute("CREATE TABLE IF NOT EXISTS users (id INTEGER PRIMARY KEY, name TEXT)")

# Добавляем пользователя
cursor.execute("INSERT INTO users (name) VALUES (?)", ("Алиса",))

conn.commit()  # Сохраняем изменения
conn.close(){}
    

🟠Read (Чтение) Получение данных из базы.

    
        conn = sqlite3.connect("example.db")
cursor = conn.cursor()

cursor.execute("SELECT * FROM users")
users = cursor.fetchall()  # Получаем все записи

for user in users:
    print(user)

conn.close(){}
    

🟠Update (Обновление) Изменение существующей записи.

    
        conn = sqlite3.connect("example.db")
cursor = conn.cursor()

cursor.execute("UPDATE users SET name = ? WHERE id = ?", ("Боб", 1))

conn.commit()
conn.close(){}
    

🟠Delete (Удаление) Удаление записи из базы.

    
        conn = sqlite3.connect("example.db")
cursor = conn.cursor()

cursor.execute("DELETE FROM users WHERE id = ?", (1,))

conn.commit()
conn.close(){}
    

Ставь 👍 и забирай 📚 Базу знаний

🤔 Назови несколько dunder методов, которые есть в контекстном менеджере? Контекстный менеджер использует специальные методы с двойными подчеркиваниями — enter и exit. Первый вызывается при входе в блок, например, with, и подготавливает ресурс. Второй вызывается при выходе из блока и занимается освобождением ресурса — например, закрывает файл или соединение. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚 Базу знаний

🤔 Для чего нужны static method? Статические методы (static methods) в Python используются для создания методов, которые связаны с классом, но не требуют доступа к экземпляру этого класса или к самим данным класса. Это методы, которые выполняют функции, связанные с классом, но не изменяют и не используют состояние экземпляра (атрибуты объекта) или состояние самого класса (атрибуты класса). Они могут быть вызваны на уровне класса, а не на уровне экземпляра класса. 🚩Как создать статический метод Для создания статического метода в Python используется декоратор @staticmethod. Давайте рассмотрим пример:

    
        class MyClass:
    @staticmethod
    def static_method(arg1, arg2):
        return arg1 + arg2{}
    

🚩Пример использования статического метода Вы можете вызывать статический метод как через сам класс, так и через его экземпляр:

    
        result = MyClass.static_method(5, 10)
print(result)  # Вывод: 15

my_instance = MyClass()
result = my_instance.static_method(3, 7)
print(result)  # Вывод: 10{}
    

🚩Зачем нужны статические методы 🟠Логическая группировка Статические методы позволяют логически группировать функции, которые связаны с классом, но не зависят от состояния конкретного экземпляра. Это помогает организовать код и делает его более читабельным. 🟠Удобство вызова Иногда полезно вызывать метод, не создавая экземпляр класса. Например, если метод выполняет какую-то утилитарную функцию или обрабатывает данные, не связанные с объектом. 🟠Избежание изменений состояния Поскольку статические методы не могут изменять состояние экземпляра или класса, их использование может способствовать созданию безопасного и предсказуемого кода. 🚩Сравнение с методами класса и экземпляра 🟠Методы экземпляра Методы экземпляра (instance methods) принимают первым аргументом self, что позволяет им изменять состояние конкретного экземпляра класса.

    
          class MyClass:
      def instance_method(self, value):
          self.value = value  {}
    

🟠Методы класса Методы класса (class methods) принимают первым аргументом cls, что позволяет им изменять состояние самого класса.

    
          class MyClass:
      class_variable = 0

      @classmethod
      def class_method(cls, value):
          cls.class_variable = value{}
    

🟠Статические методы Статические методы не принимают self или cls в качестве первого аргумента и не могут изменять состояние экземпляра или класса.

    
          class MyClass:
      @staticmethod
      def static_method(arg1, arg2):
          return arg1 + arg2{}
    

Ставь 👍 и забирай 📚 Базу знаний

🤔 Что быстрее: Python или C++? C++ существенно быстрее. Он компилируется в машинный код, тогда как Python интерпретируемый и более медленный, но удобен в разработке. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚 Базу знаний

🤔 Для чего можно использовать celery? Celery - это очередь задач (task queue), которая позволяет выполнять задачи асинхронно и распределять их между различными рабочими процессами или узлами. Она обычно используется для выполнения долгих и трудоемких операций в фоновом режиме, таких как обработка задач веб-приложений, отправка электронных писем, генерация отчетов, обработка изображений, а также многие другие. 🚩Вот некоторые типичные сценарии использования Celery: 🟠Обработка задач в фоновом режиме Позволяет обрабатывать задачи в фоновом режиме, что позволяет вашему веб-приложению быстро возвращать ответ пользователю, не ожидая завершения выполнения задачи. Это особенно полезно для выполнения операций, которые могут занимать длительное время, таких как обработка данных или генерация отчетов. 🟠Отправка электронных писем Может использоваться для отправки электронных писем асинхронно. Это позволяет вашему приложению отправлять уведомления и письма пользователям без блокировки основного потока выполнения. 🟠Обработка изображений Может использоваться для обработки изображений асинхронно. Например, вы можете использовать его для изменения размера изображений, преобразования форматов или применения фильтров без задержки ответа вашего приложения. 🟠Периодические задачи Поддерживает периодические задачи, которые могут выполняться автоматически по расписанию. Это позволяет вам запускать задачи на основе времени, что особенно полезно для выполнения регулярных обновлений и обслуживания. 🟠Распределенные вычисления Позволяет распределенно выполнять задачи на различных узлах или рабочих процессах, что позволяет обрабатывать большие объемы данных и операций параллельно. Ставь 👍 и забирай 📚 Базу знаний

🤔 Какие есть виды файловых объектов? Бывают текстовые и бинарные файловые объекты. Также есть файловые буферы в памяти (StringIO, BytesIO), имитирующие поведение файлов. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚 Базу знаний

🤔 В чем отличие асинхронности, threading'га и мультипроцессинга? Асинхронность, threading и мультипроцессинг - это три различных подхода к параллельному выполнению задач каждый из которых имеет свои особенности и применения: 🚩Асинхронность (Asynchronous) Асинхронность предполагает выполнение задач без ожидания их завершения. Используется для работы с вводом-выводом (I/O), таким как чтение или запись файлов, сетевые запросы и т. д. В асинхронном коде задачи не блокируют основной поток выполнения, что позволяет эффективно использовать ресурсы процессора. Примеры асинхронных моделей включают в себя асинхронные функции и ключевые слова в Python (например, async, await). 🚩Потоки (Threading) Потоки позволяют выполнять несколько частей кода (потоков) параллельно в пределах одного процесса. Используются для выполнения многозадачных операций, которые могут быть распределены между несколькими ядрами процессора. Потоки могут выполняться параллельно, но могут также конкурировать за общие ресурсы, что может привести к проблемам синхронизации и безопасности. В некоторых языках, таких как Python, использование потоков ограничено из-за GIL (Global Interpreter Lock), что может снижать эффективность при использовании множества потоков для CPU-интенсивных задач. 🚩Мультипроцессинг (Multiprocessing) Мультипроцессинг также позволяет выполнять несколько частей кода параллельно, но каждая часть выполняется в отдельном процессе. Каждый процесс имеет свое собственное пространство памяти, что делает мультипроцессинг более подходящим для многозадачных вычислений на многоядерных системах. Процессы обычно имеют больший накладные расходы по сравнению с потоками, поскольку каждый из них требует своих собственных ресурсов памяти и управления. Мультипроцессинг избегает проблемы GIL, что делает его более эффективным для CPU-интенсивных задач в Python и других языках. Ставь 👍 и забирай 📚 Базу знаний

🤔 Что понимаем под навыками работы с базами данных? - Создание, чтение, обновление, удаление данных (CRUD); - Понимание транзакций и индексов; - Оптимизация запросов (анализ через EXPLAIN); - Работа с SQL и NoSQL; - Миграции схем, резервное копирование, восстановление; - Проектирование нормализованной структуры БД. Навыки включают как использование, так и поддержку, администрирование и тестирование баз данных. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚 Базу знаний