⚙️ Сборщик мусора в Python: как он работает?

В Python управление памятью происходит автоматически с помощью сборщика мусора (Garbage Collector, GC). Он следит за объектами, которые больше не используются, и освобождает занимаемую ими память.

🔹 Подсчет ссылок

Каждый объект хранит количество ссылок на себя. Когда это число становится нулем, объект автоматически удаляется. Однако если два объекта ссылаются друг на друга, но больше нигде не используются, Python не сможет их удалить.

🔹 Алгоритм поколений

Чтобы эффективно управлять памятью, Python разделяет объекты на три группы:

• Gen 0 — новые объекты, проверяются чаще всего.
• Gen 1 — пережившие одну проверку, удаляются реже.
• Gen 2 — долгоживущие объекты, проверяются редко.

Новые объекты проверяются чаще, а старые — реже, что ускоряет работу сборщика мусора.

🔹 Управление GC

Python справляется сам, но можно управлять GC вручную:

• gc.collect() — запустить сборку мусора вручную.
• gc.disable() — отключить GC (не рекомендуется).

GC в Python делает управление памятью удобным, но понимание его работы помогает писать более эффективный код и избегать утечек памяти.

LLM-модули: как маленькая модель учится у большой

Как передавать знания от большой LLM в маленькую без файн-тюнинга? Разбираем метод через кросс-внимание и LLM-модули, который позволяет обучать модели для узких задач без больших затрат.

Как работает getitem в Python?

Метод getitem позволяет обращаться к объектам класса по индексу или ключу, как к спискам или словарям.

✅ Пример:

class CustomList:
    def init(self, data):
        self.data = data

    def getitem(self, index):
        return self.data[index]  # Позволяет использовать obj[index]

nums = CustomList([10, 20, 30])
print(nums[1])  # 20

🔹 Зачем нужно?

• Позволяет настроить доступ к элементам объекта.
• Делает объекты итерируемыми (например, в for-циклах).
• Помогает создавать свои структуры данных, работающие как списки или словари.

⚡️ getitem делает объекты гибкими и удобными в использовании, улучшая читаемость кода!

🏗 Как работает call в Python?

Метод call позволяет вызывать экземпляр класса как функцию. Если этот метод определён в классе, объект можно использовать как obj().

✅ Пример:

class Multiplier:
    def init(self, factor):
        self.factor = factor

    def call(self, value):
        return value * self.factor

double = Multiplier(2)
print(double(5))  # 10

🔹 Зачем нужно?

• Позволяет создавать объекты-функции.
• Удобно для конфигурируемых вычислений (например, замыканий).
• Улучшает читаемость, убирая лишние .method() вызовы.

⚡️ Используйте call, если хотите, чтобы объект вёл себя как функция!

⚡️ Как работает @staticmethod в Python?

Декоратор @staticmethod превращает метод класса в обычную функцию внутри класса, которая не получает ссылку на экземпляр (self) или класс (cls).

✅ Пример:

class MathUtils:
    @staticmethod
    def add(x, y):
        return x + y

print(MathUtils.add(3, 5))  # 8

🔹 Зачем нужен?

• Используется, когда метод не зависит от состояния экземпляра или класса.
• Делает код логичнее, если метод просто выполняет действие, связанное с классом.
• Упрощает структуру, так как не требует создания объекта для вызова.

⚡️ Используйте @staticmethod, если метод не работает с self или cls, но логически относится к классу!

🏷 Что такое functools.lru_cache и зачем он нужен?

functools.lru_cache — это декоратор для автоматического кэширования результатов функций. Он ускоряет выполнение, избегая повторных вычислений.

✅ Пример:

from functools import lru_cache

@lru_cache(maxsize=100)  # Кэшируем до 100 результатов
def fib(n):
    if n < 2:
        return n
    return fib(n - 1) + fib(n - 2)

print(fib(10))  # 55 (значительно быстрее благодаря кэшу)

🔹 Зачем использовать?

• Ускоряет повторяющиеся вычисления.
• Уменьшает нагрузку на процессор при рекурсивных вызовах.
• Экономит память благодаря ограничению maxsize.

⚡️ lru_cache особенно полезен для функций с повторяющимися входными данными!

Как работает itertools.cycle в Python?

itertools.cycle создаёт бесконечный итератор, который зацикливает последовательность, перезапуская её с начала после завершения.

✅ Пример:

from itertools import cycle

colors = ["red", "green", "blue"]
color_cycle = cycle(colors)

for _ in range(5):
    print(next(color_cycle))  # red → green → blue → red → green

🔹 Зачем использовать?

• Повторение элементов списка без переписывания вручную.
• Автоматическое зацикливание без индексов.
• Полезно в анимациях, смене тем, бесконечных процессах.

itertools.cycle — мощный инструмент для циклических операций без лишнего кода.

🔄 Как работает itertools.chain в Python?

itertools.chain позволяет объединять несколько итерируемых объектов в один, не создавая новых списков. Это экономит память и делает код чище.

✅ Пример:

from itertools import chain

list1 = [1, 2, 3]
list2 = [4, 5, 6]

for num in chain(list1, list2):
    print(num)  # 1 2 3 4 5 6

Обычно для объединения списков используют +, но это создаёт новый список в памяти.

chain позволяет перебирать элементы последовательно, без лишних затрат, что особенно полезно при работе с большими наборами данных или генераторами.

Автоматизация тестирования desktop приложений с помощью Dogtail

В статье рассмотрим, как Dogtail заменил Appium для тестирования отечественных Linux-приложений. Разберём его работу с GTK и Qt, взаимодействие через ATK и DBus, а также опыт использования.

❓ Что делает метод new в Python и когда его использовать?

Метод new отвечает за создание нового экземпляра класса перед его инициализацией в init. Он используется в случаях, когда нужно контролировать процесс создания объекта, например, в синглтонах или при наследовании от неизменяемых типов (int, str, tuple).

✅ Пример использования:

class Singleton:
    _instance = None

    def new(cls, *args, **kwargs):
        if cls._instance is None:
            cls._instance = super().new(cls)
        return cls._instance

obj1 = Singleton()
obj2 = Singleton()

print(obj1 is obj2)  # True (оба объекта — одна и та же ссылка)

В отличие от init, new контролирует сам процесс создания объекта. Полезен для ограничения числа экземпляров и работы с неизменяемыми классами.