Forwarded from Syntax | سینتکس (Alireza-fa)
درک traceback پایتون
مطالعه
توضیح:
در برنامه نویسی مفهومی به اسم stack trace و یا stack backtrace مطرح است.
بصورت خیلی مختصر کاری که انجام می دهد این است مسیر اجرای کد شمارا از نقطه شروع اجرای کد تا زمانی که به اتمام برسد را در استک ذخیره میکند. برای مثال زمانی که با یک exception مواجه میشوید شما می توانید مسیری که برنامه از آن عبور کرده تا به exception خورده را مشاهده کنید که این کار با کمک stack trace انجام میشود.
در پایتون شما زمانی که با یک exception مواجه میشوید پیغامی به اسم traceback و متنی طولانی نمایش داده میشود.
در این مقابله به خوبی توضیح داده شده که چگونه در این شرایط عمل کنید.
#note
@Syntax_fa
مطالعه
توضیح:
در برنامه نویسی مفهومی به اسم stack trace و یا stack backtrace مطرح است.
بصورت خیلی مختصر کاری که انجام می دهد این است مسیر اجرای کد شمارا از نقطه شروع اجرای کد تا زمانی که به اتمام برسد را در استک ذخیره میکند. برای مثال زمانی که با یک exception مواجه میشوید شما می توانید مسیری که برنامه از آن عبور کرده تا به exception خورده را مشاهده کنید که این کار با کمک stack trace انجام میشود.
در پایتون شما زمانی که با یک exception مواجه میشوید پیغامی به اسم traceback و متنی طولانی نمایش داده میشود.
در این مقابله به خوبی توضیح داده شده که چگونه در این شرایط عمل کنید.
#note
@Syntax_fa
❤2
✅ ساخت ID های منحصر به فرد (قسمت سوم) Ticket server
از کانال @Engineering_property
اگر پروژه شما خیلی بزرگ نباشه، یه راه جالب برای تولید primarykey های منحصر به فرد استفاده از تیکت سرور هست. در حقیقت سرور تیکت میاد و کلید هارو به شکل auto increment برای ما ایجاد میکنه بدون نگرانی از این که برای دوتا دیتا، کلید های یکسانی تولید شه ( در حقیقت تیکت سرور شما، میتونه سرور دیتابیس شما باشه)
اگر به شکل زیر توجه کنید، متوجه میشید که وب سرور های ما برای تولید کلید های منحصر به فرد دارن به تیکت سرور درخواست میزنن. فقط یه مشکلی اینجا هست به نام single point of failure یعنی اگر به هر دلیلی تیکت سرور ما بیاد پایین، بیچاره میشیم. برای حل این مشکل میتونیم چن تا تیکت سرور بذاریم که این هم خودش باز داستان داره و در این مقوله نمیگنجه.
این مبحث یه بخش چهارمی هم داره که به نظرم جالب میاد و احتمالا دربارش مطلب تهیه میکنم.
از کانال @Engineering_property
اگر پروژه شما خیلی بزرگ نباشه، یه راه جالب برای تولید primarykey های منحصر به فرد استفاده از تیکت سرور هست. در حقیقت سرور تیکت میاد و کلید هارو به شکل auto increment برای ما ایجاد میکنه بدون نگرانی از این که برای دوتا دیتا، کلید های یکسانی تولید شه ( در حقیقت تیکت سرور شما، میتونه سرور دیتابیس شما باشه)
اگر به شکل زیر توجه کنید، متوجه میشید که وب سرور های ما برای تولید کلید های منحصر به فرد دارن به تیکت سرور درخواست میزنن. فقط یه مشکلی اینجا هست به نام single point of failure یعنی اگر به هر دلیلی تیکت سرور ما بیاد پایین، بیچاره میشیم. برای حل این مشکل میتونیم چن تا تیکت سرور بذاریم که این هم خودش باز داستان داره و در این مقوله نمیگنجه.
این مبحث یه بخش چهارمی هم داره که به نظرم جالب میاد و احتمالا دربارش مطلب تهیه میکنم.
👍3
Forwarded from Python BackendHub
یک پست دوست داشتم بنویسم, راجب review کردن و نگه داری یک PR با بست پرکتیس هایی که باید رعایت شه
اولا study نشون داده که شما هرچقدر بیشتر وقت بذارین رو review کردن یک PR همونقدر پروداکتتون جلوتر میفته. یعنی چی؟ مگه میشه؟اره خب , شما هرچی زودتر جلوی باگو بگیری زمان کمتری براش صرف میکنی. قبل کد زدن بهترین موقع برای پیدا کردن باگه!(یک requirement خیلی خوشگل و تمیز). در درجه بعدی موقع کد زدن و فکر کردن به کدی که میزنید. در درجه بعدی موقع بررسی PR. در درجه بعدی رو dev و بعد رو staging و در نهایت رو پروداکشن. چرا اینو میگم؟چون مثلا اگه یک باگی پیدا کنیم که تو staging باشه ولی تو پروداکشن نباشه یعنی یکی از pr ها مشکل بوده. ولی مشکل که بره رو پروداکشن خیلی سخت تر میشه track اش کرد که دقیقا منشا اش کجا بوده و بیشتر طول میکشه چون پهنا بیشتری داره.
حالا سوال اینجاست چیکار کنیم موقع review؟ اولین کاری که میکنید اینه که requirement رو نگاه میکنید و تو ذهنتون آنالیز میکنید چه چیزایی نیازه. بعد رو کد میگردین دنبال edge case. ممکنه حتی تو requirement هم به edge case و باگ برسین! تا اینجا فقط باگای لاجیکاله. در درجه بعدی سعی میکنید تستا رو بخونید. اگه pr ای تست نداره, فیچری تست نداره بهتره اصلا مرج نشه. تستا رو که خوندین حتما کیس هایی هست که دستی باید تست شه حداقل یک بار. کیس هایی که شاید خیلی خوب نمیشد تست اتوماتیک نوشت براش. میرین و checkout میکنید و یک دور تست دستی هم انجام میدین. احتمال اینکه باگ پیدا کنید خیلی زیاد میشه اینطوری. و درنهایت میپردازین به مباحث دیزاین کد و پرفومنس اگه جایی مثلا نیاز به decoupling داشت یا جایی نیاز. بود یک queryبهینه تر نوشته شه.
با این فرمول اگه برین جلو اکثر مواقع PR به changes requested میخوره مخصوصا برای نیروی جدید. سعی کنید یک PR رو خیلی گنده نکنید چون review اش خیلی سخت تر میشه و احتمال پیدا کردن باگ کمتر.
یک مشکل دیگه که خیلیا انجام میدن اینه که داخل PR میان بیشتر از تایتلش انجام میدن. مثلا طبق git flow مشخصه یک PR چه چیزایی میتونه باشه. یک pr همزمان نباید هم یک issue رو درست کنه هم یک فیچر اضافه کنه. اگه وسط توسعه به اون issue رسیدین و شناساییش کردین باید یک برنچ جدا بسازین, اون ایشو رو اونجا درست کنید با تست فیل و cherry pick کنیدش رو برنچ فیچری که داشتین کار میکردین که جداگانه review شه و سریعتر مرج شه.
@ManiFoldsPython
اولا study نشون داده که شما هرچقدر بیشتر وقت بذارین رو review کردن یک PR همونقدر پروداکتتون جلوتر میفته. یعنی چی؟ مگه میشه؟اره خب , شما هرچی زودتر جلوی باگو بگیری زمان کمتری براش صرف میکنی. قبل کد زدن بهترین موقع برای پیدا کردن باگه!(یک requirement خیلی خوشگل و تمیز). در درجه بعدی موقع کد زدن و فکر کردن به کدی که میزنید. در درجه بعدی موقع بررسی PR. در درجه بعدی رو dev و بعد رو staging و در نهایت رو پروداکشن. چرا اینو میگم؟چون مثلا اگه یک باگی پیدا کنیم که تو staging باشه ولی تو پروداکشن نباشه یعنی یکی از pr ها مشکل بوده. ولی مشکل که بره رو پروداکشن خیلی سخت تر میشه track اش کرد که دقیقا منشا اش کجا بوده و بیشتر طول میکشه چون پهنا بیشتری داره.
حالا سوال اینجاست چیکار کنیم موقع review؟ اولین کاری که میکنید اینه که requirement رو نگاه میکنید و تو ذهنتون آنالیز میکنید چه چیزایی نیازه. بعد رو کد میگردین دنبال edge case. ممکنه حتی تو requirement هم به edge case و باگ برسین! تا اینجا فقط باگای لاجیکاله. در درجه بعدی سعی میکنید تستا رو بخونید. اگه pr ای تست نداره, فیچری تست نداره بهتره اصلا مرج نشه. تستا رو که خوندین حتما کیس هایی هست که دستی باید تست شه حداقل یک بار. کیس هایی که شاید خیلی خوب نمیشد تست اتوماتیک نوشت براش. میرین و checkout میکنید و یک دور تست دستی هم انجام میدین. احتمال اینکه باگ پیدا کنید خیلی زیاد میشه اینطوری. و درنهایت میپردازین به مباحث دیزاین کد و پرفومنس اگه جایی مثلا نیاز به decoupling داشت یا جایی نیاز. بود یک queryبهینه تر نوشته شه.
با این فرمول اگه برین جلو اکثر مواقع PR به changes requested میخوره مخصوصا برای نیروی جدید. سعی کنید یک PR رو خیلی گنده نکنید چون review اش خیلی سخت تر میشه و احتمال پیدا کردن باگ کمتر.
یک مشکل دیگه که خیلیا انجام میدن اینه که داخل PR میان بیشتر از تایتلش انجام میدن. مثلا طبق git flow مشخصه یک PR چه چیزایی میتونه باشه. یک pr همزمان نباید هم یک issue رو درست کنه هم یک فیچر اضافه کنه. اگه وسط توسعه به اون issue رسیدین و شناساییش کردین باید یک برنچ جدا بسازین, اون ایشو رو اونجا درست کنید با تست فیل و cherry pick کنیدش رو برنچ فیچری که داشتین کار میکردین که جداگانه review شه و سریعتر مرج شه.
@ManiFoldsPython
👍5🔥1
✅ مقدمه ای بر شی گرایی
مکتب خونه - استاد رامتین خسروی
اگه میخواهید شی گرایی رو با شیب کم یاد بگیرید این ویدئو رو حتما ببینید.
لینک:
https://maktabkhooneh.org/course/%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87-%D9%86%D9%88%DB%8C%D8%B3%DB%8C-%D9%BE%DB%8C%D8%B4%D8%B1%D9%81%D8%AA%D9%87-mk187/%D9%81%DB%8C%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-ch269/%D9%88%DB%8C%D8%AF%DB%8C%D9%88-%D8%AC%D9%84%D8%B3%D9%87-%D9%87%D9%81%D8%AA%D9%85-%D9%85%D9%82%D8%AF%D9%85%D9%87-%D8%B4%DB%8C-%DA%AF%D8%B1%D8%A7%DB%8C%DB%8C/
مکتب خونه - استاد رامتین خسروی
اگه میخواهید شی گرایی رو با شیب کم یاد بگیرید این ویدئو رو حتما ببینید.
لینک:
https://maktabkhooneh.org/course/%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87-%D9%86%D9%88%DB%8C%D8%B3%DB%8C-%D9%BE%DB%8C%D8%B4%D8%B1%D9%81%D8%AA%D9%87-mk187/%D9%81%DB%8C%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-ch269/%D9%88%DB%8C%D8%AF%DB%8C%D9%88-%D8%AC%D9%84%D8%B3%D9%87-%D9%87%D9%81%D8%AA%D9%85-%D9%85%D9%82%D8%AF%D9%85%D9%87-%D8%B4%DB%8C-%DA%AF%D8%B1%D8%A7%DB%8C%DB%8C/
👍6
Forwarded from سید فرندز / برنامه نویسی / هک و امنیت / تکنولوژی
من تجربه کار کردن با خیلی از دیتابیس هارو به صورت عمیق داشتم
اما گاهی وقتا که میرسم به محاسبات ریاضی حتی موارد ساده گیج میزنم. مخصوصا اگر ۷-۸ ساعت کار کرده باشم و ذهنم خسته باشه
دیشب یک چنین موردی داشتم :
این مدل دیتابیسی بوده. و کوئری که داشتم از قبل این بوده :
میخواستم یک شرط بزارم توی کوئری که اگر در صورتی که مبلغ که قرار بوده پرداخت بشه از مبلغ min_price کمتر بوده باشه اون کارت رو نیاره توی لیست چون پیامک بانک برای اون بانک ارسال نمیشده. مثلا اگر مبلغ ۳۰ هزار بوده باشه و min_price ۵۰ بوده باشه نباید اون کارت بانکی رو نشون بده
این که به این راحتی هستش رو میخواستم تو کد بزنم گیج میشدم. فک کنم تقریبا ده دقیقه نشستم فکر کردم . حتی توی ذهنم استفاده از F فانکشن ها هم اومد.😂
و کوئری درست این بود :
پ.ن :اون order_by که علامت سوال زدم توش به صورت رندم اوردر میکنه و یکیش رو برمیدارم
⭐ @SEYED_BAX
اما گاهی وقتا که میرسم به محاسبات ریاضی حتی موارد ساده گیج میزنم. مخصوصا اگر ۷-۸ ساعت کار کرده باشم و ذهنم خسته باشه
دیشب یک چنین موردی داشتم :
class BankCard(models.Model):
name = models.CharField(max_length=25)
card_name = models.CharField(max_length=50)
card_number = models.CharField(max_length=25)
min_price = models.IntegerField(default=300000)
is_active = models.BooleanField(default=True)
این مدل دیتابیسی بوده. و کوئری که داشتم از قبل این بوده :
BankCard.objects.filter(is_active=True).order_by('?').first()
میخواستم یک شرط بزارم توی کوئری که اگر در صورتی که مبلغ که قرار بوده پرداخت بشه از مبلغ min_price کمتر بوده باشه اون کارت رو نیاره توی لیست چون پیامک بانک برای اون بانک ارسال نمیشده. مثلا اگر مبلغ ۳۰ هزار بوده باشه و min_price ۵۰ بوده باشه نباید اون کارت بانکی رو نشون بده
این که به این راحتی هستش رو میخواستم تو کد بزنم گیج میشدم. فک کنم تقریبا ده دقیقه نشستم فکر کردم . حتی توی ذهنم استفاده از F فانکشن ها هم اومد.😂
و کوئری درست این بود :
BankCard.objects.filter(is_active=True, min_price__lte=price).order_by('?').first()
پ.ن :اون order_by که علامت سوال زدم توش به صورت رندم اوردر میکنه و یکیش رو برمیدارم
Please open Telegram to view this post
VIEW IN TELEGRAM
👍10
Forwarded from Python BackendHub
backend.pdf
139.7 KB
این مسیر roadmap بک انده. خیلی استاندارد و تمیزه. از سایت roadmap.sh. بهتر از این من ندیدم جایی. یکم کلاد و دوآپس هم بهش اضافه کنید.
اینا رو شما باید بلد باشین. اما بلد بودن چند درجه داره. در درجه اول اینه که اسمشو شنیده باشین. توصیه میکنم حداقل ۳-۴ روز راجب تک تک آیتم های تو این رودمپ یک تحقیق کنید که بدونید چی هستن تا مسیر براتون مشخص باشه.
در درجه دوم شما یک استفاده کوچیک کردین. مثلا تو سلری بروکر رو گذاشتین ریبت. تا اینجا اصلا بلد نیستین درواقع.
تو مرحله سوم شما کمی عمیقتر میشین. ازش استفاده میکنید و چالش هایی تو استفاده ازش بهش برمیخورین. مقاله مختلف میخونید و کارتونو درمیارین. میتونید راجب اون چیز حداقل ۲۰ دقیقه حرف بزنید. بگن ربیت چیه میتونید ۲۰ دقیقه توضیح بدین. تو این level شما یک دانش کاربردی و مختصر دارین. و در نهایت شما کتاب میخونید. عمیق تر میشین. تو پروداکتتون استفاده پیچیده تر میکنید و باهاش بیشتر دست و پنجه نرم میکنید. و تو مرحله اخرم میرین internal اش رو میخونید و حتی contribute میکنید که میشین اکسپرت اون چیز.
@ManiFoldPython
اینا رو شما باید بلد باشین. اما بلد بودن چند درجه داره. در درجه اول اینه که اسمشو شنیده باشین. توصیه میکنم حداقل ۳-۴ روز راجب تک تک آیتم های تو این رودمپ یک تحقیق کنید که بدونید چی هستن تا مسیر براتون مشخص باشه.
در درجه دوم شما یک استفاده کوچیک کردین. مثلا تو سلری بروکر رو گذاشتین ریبت. تا اینجا اصلا بلد نیستین درواقع.
تو مرحله سوم شما کمی عمیقتر میشین. ازش استفاده میکنید و چالش هایی تو استفاده ازش بهش برمیخورین. مقاله مختلف میخونید و کارتونو درمیارین. میتونید راجب اون چیز حداقل ۲۰ دقیقه حرف بزنید. بگن ربیت چیه میتونید ۲۰ دقیقه توضیح بدین. تو این level شما یک دانش کاربردی و مختصر دارین. و در نهایت شما کتاب میخونید. عمیق تر میشین. تو پروداکتتون استفاده پیچیده تر میکنید و باهاش بیشتر دست و پنجه نرم میکنید. و تو مرحله اخرم میرین internal اش رو میخونید و حتی contribute میکنید که میشین اکسپرت اون چیز.
@ManiFoldPython
👍7
جنگولرن
✅ مطلبی از لینکدین Saeed Shahrivari Joghan لینک پست در کامنت سری مهندسی نرم‌افزار: پست1 اولین پست سری مهندسی نرم‌افزار رو با تعریف خود نرم‌افزار شروع میکنم. شاید در نگاه اول تعریف نرم‌افزار برای اغلب افراد کامپیوتری خیلی بدیهی باشه اما بد نیست همین الان…
سری مهندسی نرم‌افزار: پست 2
از لینکدین Saeed Shahrivari Joghan
لینک پست در کامنت
سری مهندسی نرم‌افزار: پست 2
در پست قبلی راجع به نرم‌افزار صحبت کردم و به این رسیدیم که نرم‌افزار شامل کد،داده، و مستندات میشه:
https://lnkd.in/d5Dwkxbt
حالا میخوام یه مقداری راجع به مهندسی نرم‌افزار صحبت کنم. اجازه بدید چند تعریف معروف رو ببینیم:
- «یک نظام مهندسی که شامل هرچیزی درباره تولید نرم‌افزار میشه» از سامرویل
- «پایه گذاری و استفاده از اصول مهندسی برای تولید نرم‌افزار اقتصادی و کارآمد» از بایر
- «استفاده از یک رویکرد سیستماتیک،منظم، و قابل سنجش برای توسعه، عملیات، و نگه‌داشت نرم‌افزار» از IEEE
من اگه بخام نکات مهم در تعاریف بالا رو خلاصه کنم میتونم بگم که:
۱- مهندسی نرم‌افزار یک رویکرد منظم و مهندسی شده باید باشه که شامل فرآیندی کارآمد و قابل سنجش میشه
۲- خروجی مهندسی نرم‌افزار باید یک محصول نرم‌افزاری خوب و باکیفیت و مقرون به صرفه و ... باشه (که فعلا از این ویژگی‌ها می‌گذریم)
۳- به صورت طبیعی باید در این فرآیند مهندسی از ابزارهای مناسبی هم برای توسعه، عملیات، و نگه‌داشت استفاده بشه
حالا با تبیین مفهوم نرم‌افزار و مهندسی نرم‌افزار فقط یه مفهوم دیگه می‌مونه که مفاهیم پایه ما تکمیل بشه و اونم چیزی نیست جز: «مهندس نرم‌افزار»
«مهندس نرم‌افزار کسیه که با استفاده از اصول مهندسی نرم‌افزار و ابزارهای مربوطه محصول نرم‌افزاری میسازه»
الان دیگه محورهای اساسی مباحث رو شناختیم یعنی: «نرم‌افزار»، «مهندسی نرم‌افزار»، و «مهندس نرم‌افزار»
از این به بعد تقریبا اغلب مباحثی رو که در ادامه می‌بینیم به یک یا چند تا از موارد فوق مربوط میشه. برای مثال اگه راجع به آرایش تیمی افراد صحبت کنیم بیشتر به مهندسین مربوطه یا اگه راجع به فرآیند چابک و واکنش به تغییرات صحبت کنیم بیشتر به مهندسی نرم‌افزار مربوط میشه و اگه راجع به کیفیت کد صحبت کنیم بیشتر به خود نرم‌افزار مربوطه. در ادامه من سعی میکنم به مرور تو هر سه محور به موازات پست داشته باشیم ولی فعلا فکر کنم برای رعایت اختصار این پست رو تموم کنیم بهتره.
hashtag#software
hashtag#softwareengineering
از لینکدین Saeed Shahrivari Joghan
لینک پست در کامنت
سری مهندسی نرم‌افزار: پست 2
در پست قبلی راجع به نرم‌افزار صحبت کردم و به این رسیدیم که نرم‌افزار شامل کد،داده، و مستندات میشه:
https://lnkd.in/d5Dwkxbt
حالا میخوام یه مقداری راجع به مهندسی نرم‌افزار صحبت کنم. اجازه بدید چند تعریف معروف رو ببینیم:
- «یک نظام مهندسی که شامل هرچیزی درباره تولید نرم‌افزار میشه» از سامرویل
- «پایه گذاری و استفاده از اصول مهندسی برای تولید نرم‌افزار اقتصادی و کارآمد» از بایر
- «استفاده از یک رویکرد سیستماتیک،منظم، و قابل سنجش برای توسعه، عملیات، و نگه‌داشت نرم‌افزار» از IEEE
من اگه بخام نکات مهم در تعاریف بالا رو خلاصه کنم میتونم بگم که:
۱- مهندسی نرم‌افزار یک رویکرد منظم و مهندسی شده باید باشه که شامل فرآیندی کارآمد و قابل سنجش میشه
۲- خروجی مهندسی نرم‌افزار باید یک محصول نرم‌افزاری خوب و باکیفیت و مقرون به صرفه و ... باشه (که فعلا از این ویژگی‌ها می‌گذریم)
۳- به صورت طبیعی باید در این فرآیند مهندسی از ابزارهای مناسبی هم برای توسعه، عملیات، و نگه‌داشت استفاده بشه
حالا با تبیین مفهوم نرم‌افزار و مهندسی نرم‌افزار فقط یه مفهوم دیگه می‌مونه که مفاهیم پایه ما تکمیل بشه و اونم چیزی نیست جز: «مهندس نرم‌افزار»
«مهندس نرم‌افزار کسیه که با استفاده از اصول مهندسی نرم‌افزار و ابزارهای مربوطه محصول نرم‌افزاری میسازه»
الان دیگه محورهای اساسی مباحث رو شناختیم یعنی: «نرم‌افزار»، «مهندسی نرم‌افزار»، و «مهندس نرم‌افزار»
از این به بعد تقریبا اغلب مباحثی رو که در ادامه می‌بینیم به یک یا چند تا از موارد فوق مربوط میشه. برای مثال اگه راجع به آرایش تیمی افراد صحبت کنیم بیشتر به مهندسین مربوطه یا اگه راجع به فرآیند چابک و واکنش به تغییرات صحبت کنیم بیشتر به مهندسی نرم‌افزار مربوط میشه و اگه راجع به کیفیت کد صحبت کنیم بیشتر به خود نرم‌افزار مربوطه. در ادامه من سعی میکنم به مرور تو هر سه محور به موازات پست داشته باشیم ولی فعلا فکر کنم برای رعایت اختصار این پست رو تموم کنیم بهتره.
hashtag#software
hashtag#softwareengineering
Linkedin
Saeed Shahrivari Joghan on LinkedIn: #software #softwareengineering | 15 comments
سری مهندسی نرم‌افزار: پست ۱
اولین پست سری مهندسی نرم‌افزار رو با تعریف خود نرم‌افزار شروع میکنم. شاید در نگاه اول تعریف نرم‌افزار برای اغلب افراد کامپیوتری… | 15 comments on LinkedIn
اولین پست سری مهندسی نرم‌افزار رو با تعریف خود نرم‌افزار شروع میکنم. شاید در نگاه اول تعریف نرم‌افزار برای اغلب افراد کامپیوتری… | 15 comments on LinkedIn
❤1👍1
جنگولرن
✅ بالاخره بریم برای مطالعه کتاب Fluent Python شاید با این کتاب یکم پایتون یاد بگیریم اگه نکته خاصی وجود داشت. توی کامنت های همین پست قرار میدم.
✅ اولین چیزی که از کتاب Fluent Python یاد گرفتم فانکشن namedtuple بود
در واقع factory function ع namedtuple
✔️این فانکشن ساخته شده تا کار کردن با tuple ها اصولی تر یا بهتر بگم Pythonic بشه. تاپل رو مثل یه class میسازه و قابلیتی میده که با اسم به فیلدهای tuple دسترسی داشته باشیم. در حالت عادی از اندیس ها استفاده می کنیم یا از loop استفاده می کنیم.
توضیحات بیشتر توی لینک های زیر:
https://realpython.com/python-namedtuple/
https://quera.org/blog/collections-in-python/#namedtuple
در واقع factory function ع namedtuple
✔️این فانکشن ساخته شده تا کار کردن با tuple ها اصولی تر یا بهتر بگم Pythonic بشه. تاپل رو مثل یه class میسازه و قابلیتی میده که با اسم به فیلدهای tuple دسترسی داشته باشیم. در حالت عادی از اندیس ها استفاده می کنیم یا از loop استفاده می کنیم.
توضیحات بیشتر توی لینک های زیر:
https://realpython.com/python-namedtuple/
https://quera.org/blog/collections-in-python/#namedtuple
👍4
Media is too big
VIEW IN TELEGRAM
✅ شی گرایی چیست؟
بخشی از آپدیت جدید دوره فروشگاه اینترنتی با جنگو
✔️این قسمت مفهوم شی گرایی رو خیلی ساده توضیح دادم.
✔️اگه میخوای جنگو رو بهتر یاد بگیری لازمه شی گرایی بلد باشی.
هر انتقاد یا پیشنهادی به این قسمت دارید به @miladhzz پیام بدید.
تشکر
بخشی از آپدیت جدید دوره فروشگاه اینترنتی با جنگو
✔️این قسمت مفهوم شی گرایی رو خیلی ساده توضیح دادم.
✔️اگه میخوای جنگو رو بهتر یاد بگیری لازمه شی گرایی بلد باشی.
هر انتقاد یا پیشنهادی به این قسمت دارید به @miladhzz پیام بدید.
تشکر
👍5👏1
Forwarded from Django Expert (Amir Motahari)
کلاس های انتزاعی پایه یا Abstract Base Classes در پایتون(در ۶ دقیقه)
زمان ویدیو اینقدر کم هست که لازم نباشه اینجا خلاصه شو بگم، برید ببینید :)
لینک ویدیو:
https://youtu.be/oD45P7RdqWs
™ @DjangoIR
〰️〰️〰️〰️〰️〰️
© @DjangoEx | @mthri_tips
زمان ویدیو اینقدر کم هست که لازم نباشه اینجا خلاصه شو بگم، برید ببینید :)
لینک ویدیو:
https://youtu.be/oD45P7RdqWs
™ @DjangoIR
〰️〰️〰️〰️〰️〰️
© @DjangoEx | @mthri_tips
🔥5👎2👍1
✅ یادگیری شی و کلاس با Clash of Clans
در جلسه پنجاه و ششم از دوره رایگان زبان پایتون، به معرفی شی (object) و کلاس (class) با استفاده از بازی کلش آو کلنز پرداختیم.
مدرس: احمد احمدی
لینک آپارات:
https://www.aparat.com/v/4TwKO
لینک دوره در کامنت
در جلسه پنجاه و ششم از دوره رایگان زبان پایتون، به معرفی شی (object) و کلاس (class) با استفاده از بازی کلش آو کلنز پرداختیم.
مدرس: احمد احمدی
لینک آپارات:
https://www.aparat.com/v/4TwKO
لینک دوره در کامنت
👍5❤3👏1
Forwarded from Pythonism
به جمع برخی از ویژگی‌های جذاب دیتابیس در پایتون خوش اومدین!!🤩
در زیر چند مثال طریقه استفاده از دیتابیس در پایتون رو براتون آوردم:
1. استفاده از SQLite با کتابخانه sqlite3:
2. استفاده از MySQL با کتابخانه mysql-connector-python:
3. استفاده از MongoDB با کتابخانه pymongo:
#FXL
در زیر چند مثال طریقه استفاده از دیتابیس در پایتون رو براتون آوردم:
1. استفاده از SQLite با کتابخانه sqlite3:
python
import sqlite3
# ایجاد ارتباط با پایگاه داده SQLite
conn = sqlite3.connect('mydatabase.db')
# ایجاد یک cursor
cursor = conn.cursor()
# ایجاد جدول
cursor.execute('''CREATE TABLE employees
(id INT PRIMARY KEY NOT NULL, name TEXT NOT NULL, age INT NOT NULL)''')
# افزودن رکوردها
cursor.execute("INSERT INTO employees (id, name, age) VALUES (1, 'John Doe', 30)")
cursor.execute("INSERT INTO employees (id, name, age) VALUES (2, 'Jane Doe', 25)")
# ذخیره تغییرات
conn.commit()
# دریافت و نمایش رکوردها
cursor.execute("SELECT * FROM employees")
rows = cursor.fetchall()
for row in rows:
print(row)
# بستن ارتباط
conn.close()
2. استفاده از MySQL با کتابخانه mysql-connector-python:
python
import mysql.connector
# ایجاد ارتباط با سرور MySQL
conn = mysql.connector.connect(
host='localhost',
user='username',
password='password',
database='mydatabase'
)
# ایجاد یک cursor
cursor = conn.cursor()
# افزودن رکوردها
cursor.execute("INSERT INTO employees (id, name, age) VALUES (1, 'John Doe', 30)")
cursor.execute("INSERT INTO employees (id, name, age) VALUES (2, 'Jane Doe', 25)")
# ذخیره تغییرات
conn.commit()
# دریافت و نمایش رکوردها
cursor.execute("SELECT * FROM employees")
rows = cursor.fetchall()
for row in rows:
print(row)
# بستن ارتباط
conn.close()
3. استفاده از MongoDB با کتابخانه pymongo:
python
from pymongo import MongoClient
# ایجاد ارتباط با سرور MongoDB
client = MongoClient('mongodb://localhost:27017/')
# انتخاب دیتابیس
db = client['mydatabase']
# انتخاب یک کلکشن (جدول)
collection = db['employees']
# افزودن رکوردها
collection.insert_one({"id": 1, "name": "John Doe", "age": 30})
collection.insert_one({"id": 2, "name": "Jane Doe", "age": 25})
# دریافت و نمایش رکوردها
documents = collection.find()
for document in documents:
print(document)
# بستن ارتباط
client.close()
#FXL
👍12🔥4
✅ پستی با مسما از کانال Sadra
آدرس کانال https://t.me/lnxpylnxpy
یه جمله خیلی بامسما در کتاب Clean Code in Python هست که میگه:
Having maintainable software is not about anticipating future requirements (do not do futurology!)
ترجمه: داشتن یه نرم‌افزار قابل‌نگهداری به معنی پیش‌بینی نیازمندی‌های آینده نیست. (آینده‌پژوهی نکنید!)
اینجا "پیش‌بینی" به معنی تخصیص انرژی و زمان واسه ساخت یه بستر برای توسعه ساده‌تر در آینده با توجه به نیازمندی‌هایی هست که بعدها ممکنه بوجود بیان.
منظور اینه که بجای اینکه بیایم ذهنیت، معماری و دیزاین رو محدود به آینده کنیم، سعی کنیم نیازمندی‌های فعلی رو برطرف کنیم.
یه مثال کاربردی میزنم تا درک این قضیه ساده‌تر شه. فرض کنید شما یه Shop طراحی کردید و فقط یه متد پرداخت دارید و اونم PayPal هست. درحالی که دارید کلاس PayPal رو طراحی میکنید، این فکر به ذهنتون خطور میکنه که شاید بعدها متد پرداخت Stripe هم به سیستم اضافه شد. اونوقت من باید یه کلاس عین PayPal واسه Stripe درست کنم.. چرا از همین الان یه Base Class درست نکنم و PayPal و Stripe از اون بیس‌کلس ارثبری نکنن؟
موضوع اینه که هنوز نه به باره.. نه به داره.. استرایپ کو؟! داری عملا از دیزاین‌پترنی استفاده میکنی که اصلا نیازی بهش نداری. بله. درسته. این یه دیزاین OOP پرفکت هست و بهتره که همچین حرکتی رو بزنی ولی آیا الان؟!
اینجاست که Over-engineering کار دست آدم میده. بنظرم این دو موضوع Overengineering و Overthinking در کنار هم میان. تمرکزتون رو بذارید روی نیازمندی‌های فعلی و سعی کنید سلوشن خوب برای الان بدید.. بعدا با تغییر نیازمندی‌ها، میتونید سراغ دیزاین‌پترن‌ها و متدلوژی‌ها و معماری‌های پیچیده‌تر هم برید!
آدرس کانال https://t.me/lnxpylnxpy
یه جمله خیلی بامسما در کتاب Clean Code in Python هست که میگه:
Having maintainable software is not about anticipating future requirements (do not do futurology!)
ترجمه: داشتن یه نرم‌افزار قابل‌نگهداری به معنی پیش‌بینی نیازمندی‌های آینده نیست. (آینده‌پژوهی نکنید!)
اینجا "پیش‌بینی" به معنی تخصیص انرژی و زمان واسه ساخت یه بستر برای توسعه ساده‌تر در آینده با توجه به نیازمندی‌هایی هست که بعدها ممکنه بوجود بیان.
منظور اینه که بجای اینکه بیایم ذهنیت، معماری و دیزاین رو محدود به آینده کنیم، سعی کنیم نیازمندی‌های فعلی رو برطرف کنیم.
یه مثال کاربردی میزنم تا درک این قضیه ساده‌تر شه. فرض کنید شما یه Shop طراحی کردید و فقط یه متد پرداخت دارید و اونم PayPal هست. درحالی که دارید کلاس PayPal رو طراحی میکنید، این فکر به ذهنتون خطور میکنه که شاید بعدها متد پرداخت Stripe هم به سیستم اضافه شد. اونوقت من باید یه کلاس عین PayPal واسه Stripe درست کنم.. چرا از همین الان یه Base Class درست نکنم و PayPal و Stripe از اون بیس‌کلس ارثبری نکنن؟
موضوع اینه که هنوز نه به باره.. نه به داره.. استرایپ کو؟! داری عملا از دیزاین‌پترنی استفاده میکنی که اصلا نیازی بهش نداری. بله. درسته. این یه دیزاین OOP پرفکت هست و بهتره که همچین حرکتی رو بزنی ولی آیا الان؟!
اینجاست که Over-engineering کار دست آدم میده. بنظرم این دو موضوع Overengineering و Overthinking در کنار هم میان. تمرکزتون رو بذارید روی نیازمندی‌های فعلی و سعی کنید سلوشن خوب برای الان بدید.. بعدا با تغییر نیازمندی‌ها، میتونید سراغ دیزاین‌پترن‌ها و متدلوژی‌ها و معماری‌های پیچیده‌تر هم برید!
🔥8👍2
✅ از قدیم گفتن کد حرفه ای هارو نگاه کن
فروشگاه اوپن سورس Saleor که با جنگو نوشته شده، نمونه خوبی هست برای یادگیری
ازش میشه یاد گرفت چه اپ هایی داشته باشیم
ارث بری مدل ها چطوری باشه
مقادیر ثابت و Enum و... رو چطوری هندل کنیم
کد تخفیف، قیمت مختلف بر حسب ویژگی های متفاوت و خیلی نکات دیگه برای یادگیری داره
لینک (فورک شده):
https://github.com/miladhzz/saleor
فروشگاه اوپن سورس Saleor که با جنگو نوشته شده، نمونه خوبی هست برای یادگیری
ازش میشه یاد گرفت چه اپ هایی داشته باشیم
ارث بری مدل ها چطوری باشه
مقادیر ثابت و Enum و... رو چطوری هندل کنیم
کد تخفیف، قیمت مختلف بر حسب ویژگی های متفاوت و خیلی نکات دیگه برای یادگیری داره
لینک (فورک شده):
https://github.com/miladhzz/saleor
👍18🔥4
Forwarded from Golem Course
دستیاران آموزشی‌ام در درس تحلیل و طراحی سیستم‌ها در این ترم زحمت زیادی کشیدند و مجموعه‌ای از ویدیوهای آموزشی را برای دانشجویان آماده کردند.
باور دارم این محتوا برای اعضای این کانال هم بسیار مفید است.
کارگاه کافکا (تهیه شده توسط محمدطه جهانی‌نژاد):
https://drive.google.com/file/d/1k3zZRXYdKaF7ew5-doyRzZ6Mp204j-Bb/view?usp=sharing
کارگاه داکر (تهیه شده توسط حسین سمیعی):
https://drive.google.com/drive/folders/16rwbD6hs_n-Gx2_rbHjDMre34ReenB7m?usp=sharing
کارگاه CI/CD (تهیه شده توسط محمدصادق مجیدی یزدی):
https://drive.google.com/drive/folders/1FczGY_qJ8LYSS9qJuiJk-0s-Oa46Ko_s?usp=sharing
کارگاه مانیتورینگ (تهیه شده توسط کمیل یحیی‌زاده):
https://drive.google.com/drive/folders/1eu8ftc6LfD5Xb6C_C-bny7BHQu3EXP9E?usp=sharing
@golemcourse
باور دارم این محتوا برای اعضای این کانال هم بسیار مفید است.
کارگاه کافکا (تهیه شده توسط محمدطه جهانی‌نژاد):
https://drive.google.com/file/d/1k3zZRXYdKaF7ew5-doyRzZ6Mp204j-Bb/view?usp=sharing
کارگاه داکر (تهیه شده توسط حسین سمیعی):
https://drive.google.com/drive/folders/16rwbD6hs_n-Gx2_rbHjDMre34ReenB7m?usp=sharing
کارگاه CI/CD (تهیه شده توسط محمدصادق مجیدی یزدی):
https://drive.google.com/drive/folders/1FczGY_qJ8LYSS9qJuiJk-0s-Oa46Ko_s?usp=sharing
کارگاه مانیتورینگ (تهیه شده توسط کمیل یحیی‌زاده):
https://drive.google.com/drive/folders/1eu8ftc6LfD5Xb6C_C-bny7BHQu3EXP9E?usp=sharing
@golemcourse
👍6❤2🔥2👏1
Forwarded from آموزش پایتون، دوآپس و مهندسی نرم افزار | BobyCloud (Boby Cloud)
✅ در ویدیو جدید بابی در نقش یک آتش نشان فداکار به سراغ مبحث تست نویسی در مهندسی نرم افزار میره و راجع به Smoke Test (تست دود) صحبت میکنه. همچنین یک نمونه Smoke Test با استفاده از سلنیوم در پایتون روی وبسایت LeetCode پیاده سازی میکنیم.
🔥 تست دود نوعی تست نرم افزار هست که پس از انجام تغییرات در نرم افزار انجام میشود تا اطمینان حاصل شود که ویژگی های اصلی نرم افزار به درستی عمل میکنند.
🖥 مشاهده در یوتوب
👉 Link: https://youtu.be/Mog3OaiSidE?si=Sgyo6udH4wQHWZNg
〰️〰️〰️〰️〰️〰️
@BobyDotCloud
🔥 تست دود نوعی تست نرم افزار هست که پس از انجام تغییرات در نرم افزار انجام میشود تا اطمینان حاصل شود که ویژگی های اصلی نرم افزار به درستی عمل میکنند.
🖥 مشاهده در یوتوب
👉 Link: https://youtu.be/Mog3OaiSidE?si=Sgyo6udH4wQHWZNg
〰️〰️〰️〰️〰️〰️
@BobyDotCloud
❤2🔥1
سری مهندسی نرم‌افزار: پست 3
از لینکدین Saeed Shahrivari Joghan
لینک پست در کامنت
احتمالاً در صحبت با دوستان و همکاران یا در فضای مجازی به کتاب‌های پیشنهادی متعددی برای مطالعه (مثلاً کتاب کد تمیز) برخورد کرده باشید. با وجود اینکه مطالعه این کتاب‌ها مفیده اما از دید من کتاب‌های مهمتر و پایه‌ای‌تری برای مطالعه قبل از این کتاب‌ها وجود داره که بهتره اول در اون زمینه‌ها مفاهیم پایه‌ای رو به طور صحیح یاد بگیریم.
از دید من یه مهندس نرم‌افزار باید در ۷ حوزه، مطالعات پایه‌ای مناسبی داشته باشه:
- برنامه نویسی
- ساختار داده‌ها و الگوریتم
- معماری کامپیوتر
- پایگاه داده
- سیستم عامل
- شبکه‌های کامپیوتری
- مهندسی نرم‌افزار
دقت کنید که منظور من صرفاً توسعه‌دهنده‌ها نیستند و این ۷ حوزه برای طیف‌های مختلف مهندسین نرم‌افزار از توسعه‌دهنده تا دواپس و تحلیل‌گر مفیده. من در مقاله زیر که در ویرگول منتشر کردم به طور مفصل راجع به این ۷ حوزه صحبت کردم و برای هر کدوم یه کتاب مناسب معرفی کردم. اگه کتاب‌های معرفی شده رو مناسب دیدید لطفاً تا جای ممکن این پست رو به اشتراک بذارید تا به دست افراد بیشتری برسه.
https://vrgl.ir/jl1SF
از لینکدین Saeed Shahrivari Joghan
لینک پست در کامنت
احتمالاً در صحبت با دوستان و همکاران یا در فضای مجازی به کتاب‌های پیشنهادی متعددی برای مطالعه (مثلاً کتاب کد تمیز) برخورد کرده باشید. با وجود اینکه مطالعه این کتاب‌ها مفیده اما از دید من کتاب‌های مهمتر و پایه‌ای‌تری برای مطالعه قبل از این کتاب‌ها وجود داره که بهتره اول در اون زمینه‌ها مفاهیم پایه‌ای رو به طور صحیح یاد بگیریم.
از دید من یه مهندس نرم‌افزار باید در ۷ حوزه، مطالعات پایه‌ای مناسبی داشته باشه:
- برنامه نویسی
- ساختار داده‌ها و الگوریتم
- معماری کامپیوتر
- پایگاه داده
- سیستم عامل
- شبکه‌های کامپیوتری
- مهندسی نرم‌افزار
دقت کنید که منظور من صرفاً توسعه‌دهنده‌ها نیستند و این ۷ حوزه برای طیف‌های مختلف مهندسین نرم‌افزار از توسعه‌دهنده تا دواپس و تحلیل‌گر مفیده. من در مقاله زیر که در ویرگول منتشر کردم به طور مفصل راجع به این ۷ حوزه صحبت کردم و برای هر کدوم یه کتاب مناسب معرفی کردم. اگه کتاب‌های معرفی شده رو مناسب دیدید لطفاً تا جای ممکن این پست رو به اشتراک بذارید تا به دست افراد بیشتری برسه.
https://vrgl.ir/jl1SF
👍9
✅ پست سوالی از لینکدین Hesam Attari در مورد مایکروسرویس (یا میکروسرویس)
کامنت های پستش رو بخونید. نکات خوبی داره. (لینک)
از مایکروسرویس چه میخواهید؟ چه مشکلی در پروژه یافته اید و یا چه مشکلی را در پروژه میخواهید حل کنید که به سراغ مایکروسرویس کردن می روید؟
برخی فکر می کنند چون پروژه بزرگ میشود باید سراغ مایکروسرویس کردن پروژه رفت. اصلن میدانید مثلا هنگام پابلیش کردن چه مسائلی ممکن است به وجود بیاید؟
حالا فرض کنیم مشکل را پیدا کردید چاره ای هم ندارید و میخواهید سراغ مایکروسرویس کردن بروید. چرا از همان اول api gateway میگذارید؟ با تمام مزایایش میدانید چه پیچیدگی هایی به وجود می آید؟
قریب به اتفاق پروژه ها فرآیندهای مهندسی نرم افزار ندارند یا کامل رعایت نمیکنند. همین مهندسی را در پروژه ها رعایت کنید بسیاری از مشکلات شما حل می شود. کافیست که r&d کنید. همین را در دانشگاه میتوانید تمرین کنید و یا نکردید هم می توانید موضوعات را جستجو کنید.
#softwareengineering
کامنت های پستش رو بخونید. نکات خوبی داره. (لینک)
از مایکروسرویس چه میخواهید؟ چه مشکلی در پروژه یافته اید و یا چه مشکلی را در پروژه میخواهید حل کنید که به سراغ مایکروسرویس کردن می روید؟
برخی فکر می کنند چون پروژه بزرگ میشود باید سراغ مایکروسرویس کردن پروژه رفت. اصلن میدانید مثلا هنگام پابلیش کردن چه مسائلی ممکن است به وجود بیاید؟
حالا فرض کنیم مشکل را پیدا کردید چاره ای هم ندارید و میخواهید سراغ مایکروسرویس کردن بروید. چرا از همان اول api gateway میگذارید؟ با تمام مزایایش میدانید چه پیچیدگی هایی به وجود می آید؟
قریب به اتفاق پروژه ها فرآیندهای مهندسی نرم افزار ندارند یا کامل رعایت نمیکنند. همین مهندسی را در پروژه ها رعایت کنید بسیاری از مشکلات شما حل می شود. کافیست که r&d کنید. همین را در دانشگاه میتوانید تمرین کنید و یا نکردید هم می توانید موضوعات را جستجو کنید.
#softwareengineering
👍3
Forwarded from Microfrontend.ir
آموزش جامع داکر
** در این پلی لیست میخوام داکر رو از بیخ یاد بگیریم. یعنی قبل از داکر خودمون یه چیزی شبیه داکر اما خیلی ساده تر با پایتون بنویسم بعد بریم سراغ خود داکر که هم داکر رو یاد بگیریم و هم بدونیم پشت صحنه چه اتفاقاتی می افته!
در این ویدیو از آموزش جامع Docker به بررسی تاریخچه مجازی سازی و روش های مختلف آن پرداختیم. روش VM-Based برای مجازی سازی کامل یک ماشین و روش Container Based برای اجرای ایزوله فرایندها و پروسس ها مطرح کردیم. سپس مولفه های لازم برای ساخت کانتینر در سیستم عامل لینوکس را بررسی کردیم و در نهایت Docker و podman و rtk را به عنوان مهمترین Container runtime های حال حاضر معرفی کردیم و در نهایت مفهوم Container Orchestration و ضرورت آن را شرح دادیم.
Link: https://youtu.be/Z8olH4UzeA0
Playlsit: https://www.youtube.com/playlist?list=PLJ9zDGwhhsBzLTI3VNE8Vp4JpXNn_yRR7
〰️〰️〰️〰️〰️〰️
© @microfrontend_ir
** در این پلی لیست میخوام داکر رو از بیخ یاد بگیریم. یعنی قبل از داکر خودمون یه چیزی شبیه داکر اما خیلی ساده تر با پایتون بنویسم بعد بریم سراغ خود داکر که هم داکر رو یاد بگیریم و هم بدونیم پشت صحنه چه اتفاقاتی می افته!
در این ویدیو از آموزش جامع Docker به بررسی تاریخچه مجازی سازی و روش های مختلف آن پرداختیم. روش VM-Based برای مجازی سازی کامل یک ماشین و روش Container Based برای اجرای ایزوله فرایندها و پروسس ها مطرح کردیم. سپس مولفه های لازم برای ساخت کانتینر در سیستم عامل لینوکس را بررسی کردیم و در نهایت Docker و podman و rtk را به عنوان مهمترین Container runtime های حال حاضر معرفی کردیم و در نهایت مفهوم Container Orchestration و ضرورت آن را شرح دادیم.
Link: https://youtu.be/Z8olH4UzeA0
Playlsit: https://www.youtube.com/playlist?list=PLJ9zDGwhhsBzLTI3VNE8Vp4JpXNn_yRR7
〰️〰️〰️〰️〰️〰️
© @microfrontend_ir
❤9👍3