🐍 GIL в Python: как это влияет на многопоточность

Global Interpreter Lock (GIL) — это механизм в CPython, который ограничивает выполнение Python-кода одним потоком за раз, даже на многопроцессорных системах.

🔹 Зачем нужен GIL?

Он предотвращает проблемы с управлением памятью и упрощает работу интерпретатора. Однако из-за него многопоточные программы не могут эффективно использовать несколько ядер процессора.

🔹 Когда GIL мешает?

• В CPU-интенсивных задачах (например, обработка данных, вычисления) многопоточность не дает прироста производительности.

• В I/O-интенсивных задачах (сетевые запросы, работа с файлами) GIL почти не влияет, так как потоки могут освобождать блокировку во время ожидания операций ввода-вывода.

✅ Решение:

Если нужна настоящая параллельность, используйте многопроцессорность (multiprocessing), которая запускает отдельные процессы без GIL, или попробуйте альтернативные реализации Python, такие как Jython или PyPy.

🖥 Друзья, если вы только начинаете осваивать Python или уже перешли к фреймворкам и сложным библиотекам, вам помогут авторские материалы многолетнего разработчика и преподавателя Python Дмитрия Читалова.

Уже размещены:
✅Основы Python
✅Продвинутый Python
✅Алгоритмы и структуры данных

❗️Сейчас еженедельно выкладываются уроки по Архитектуре и паттернам проектирования

Подписаться можно здесь.

⚙️ Отладка с sys._getframe в Python

Сегодня в коротком формате разберемся с тем, что же творится внутри CPython, когда функции вызывают друг друга: sys._getframe, f_back, f_globals, f_locals, а также создадим свои декораторы.

#Полезное

🔥 Mutable vs Immutable в Python

В Python все данные — это объекты, и они делятся на изменяемые (mutable) и неизменяемые (immutable).

🔹 Неизменяемые (immutable): нельзя изменить после создания
✅ int, float, str, tuple, frozenset

x = "hello"
x += " world"  # Создается новый объект, а не изменяется старый

🔹 Изменяемые (mutable): можно изменять без создания нового объекта
✅ list, dict, set, bytearray

lst = [1, 2, 3]
lst.append(4)  # Список изменяется в той же области памяти

⚠️ Важный нюанс

Передача изменяемых объектов в функцию может привести к неожиданным изменениям:

def modify_list(lst):
    lst.append(99)  # Изменяет оригинальный список!

my_list = [1, 2, 3]
modify_list(my_list)
print(my_list)  # [1, 2, 3, 99]

✅ Вывод:

• Используйте tuple, если данные не должны изменяться.
• Будьте осторожны с изменяемыми объектами при передаче в функции.
• Если нужно копирование, используйте .copy() или deepcopy().

🔥 *args и **kwargs в Python

🔹 *args — передает позиционные аргументы как кортеж:

def add_numbers(*args):
    return sum(args)

print(add_numbers(1, 2, 3))  # 6

🔹 **kwargs — передает именованные аргументы как словарь:

def greet(**kwargs):
    print(kwargs)

greet(name="Alice", age=25)  # {'name': 'Alice', 'age': 25}

✅ Используйте *args для списка значений и **kwargs для гибких параметров!

↔️ Разница между is и == в Python

🔹 == (равенство) проверяет, равны ли значения объектов:

a = [1, 2, 3]
b = [1, 2, 3]
print(a == b)  # True (значения одинаковые)

🔹 is (идентичность) проверяет, указывают ли переменные на один и тот же объект в памяти:

print(a is b)  # False (разные объекты)

🔹 Но для immutable-объектов (например, int, str, tuple) Python кеширует значения:

x = 256
y = 256
print(x is y)  # True (указывают на один объект)

✅ Используйте == для сравнения значений и is для проверки, ссылаются ли переменные на один объект в памяти!

⚙️ Как я запускаю 15+ самых разных ИИ на своей машине — open-source, self-hosted, с HTTP-доступом

Показываю, как мой BrainBox запускает генерацию, озвучку и распознавание локально — без боли и зависимости от облаков. Даже если вы не знаете Python.

#Полезное

Что делает @property в Python?

@property превращает метод класса в свойство, позволяя обращаться к нему без скобок.

Пример:

class Person:
    def init(self, name):
        self._name = name

    @property
    def name(self):  
        return self._name  

p = Person("Alice")
print(p.name)  # Alice (как атрибут, но с логикой)

Зачем нужно?

• Позволяет использовать методы как атрибуты
• Защищает данные от прямого изменения
• Позволяет добавить логику без изменения интерфейса

⚡️ @property делает код чище и безопаснее, улучшая инкапсуляцию!

🔥 Что такое slots в Python и зачем он нужен?

slots ограничивает список атрибутов у экземпляров класса, экономя память за счет отказа от dict.

✅ Обычный класс без slots:

class Person:
    def init(self, name, age):
        self.name = name
        self.age = age

p = Person("Alice", 25)
p.city = "New York"  # Можно добавить новый атрибут

✅ Класс с slots:

class Person:
    slots = ("name", "age")  # Разрешены только эти атрибуты

    def init(self, name, age):
        self.name = name
        self.age = age

p = Person("Alice", 25)
p.city = "New York"  # ❌ AttributeError: 'Person' object has no attribute 'city'

➕ Плюсы slots

• Экономит память (не создается dict)
• Ускоряет доступ к атрибутам
• Предотвращает создание лишних атрибутов

⚡️ Используйте slots, если нужно много однотипных объектов и важна производительность!

🐍 Форматированные строки (f-strings) в Python

F-строки — это самый лаконичный способ подставить переменные и выражения прямо внутрь строки. Они появились в Python 3.6 и с тех пор стали стандартом.

Синтаксис простой: перед строкой ставится f, а внутри фигурных скобок {} можно писать переменные или даже выражения.

name = "Анна"
age = 25

print(f"{name} — {age} лет")

Внутри скобок можно использовать любые валидные выражения:

print(f"{name.upper()} — {age + 5} лет")  # АННА — 30 лет

Преимущество f-строк — читаемость и производительность. Они короче и быстрее, чем .format() или конкатенация через +.

⚙️ Списковые включения (list comprehensions)

В Python можно создавать списки в одну строку — с помощью списковых включений. Это короче и читаемее, чем for-цикл.

squares = [x**2 for x in range(5)]
print(squares)  # [0, 1, 4, 9, 16]

Можно добавить условие:

evens = [x for x in range(10) if x % 2 == 0]

Это базовый, но мощный инструмент в Python.