#interview #python

Как понять, тип данных изменяемый или неизменяемый?

Это мой любимый вопрос по этой теме 🤓
Тут важно знать одну вещь: в python существует функция id(), которая возвращает идентификатор объекта в виде целого числа. Это целое число является адресом места хранения объекта в памяти.

• Попробуем применить ее на неизменяемом объекте типа int:
>>> num = 1
>>> id(num)
4367712496
>>> num += 1
>>> id(num)
4367712528

Видите 👀? Адрес объекта поменялся! Это значит, что num после прибавления 1 теперь совершенно другой объект, с другим местом в памяти 😮!

• Теперь изменяемый тип данных list:
>>> nums = [1]
>>> id(nums)
4373021952
>>> nums += [1]
>>> id(nums)
4373021952

Ага! А тут адрес не изменился! Вывод достаточно очевиден: этот тот же самый объект с тем же самым местом в памяти, и изменился сам объект, а не его адрес!

Вот и все, теперь вы полностью готовы к любым вопросам на собеседовании про типы данных в python, удачи 🍀

Привет, друзья 👋!

За свою карьеру я прошел больше 20 алгоритмических интервью и выяснил что у интервьюеров есть несколько “любимых” задач, которые встречаются чаще остальных. Их совсем немного, но если вы научитесь их решать, и поймете паттерн их решения, то 90% алгоритмических проблем на интервью покажутся вам на удивление простыми!

Хочу с вами разобрать задачу, которая называется сумма двух, давайте скорее начнем, и алгоритмы из страшного сна превратиться для вас в легкую прогулку!

Условие
Дан массив целых чисел nums и число target Нужно написать функцию, которая бы возвращала индексы двух чисел из nums дающих в сумме target. Нельзя использовать одни и те же элементы повторно.

Пример:
Ввод: nums = [2,7,11,15], target = 13
Вывод: [0,2]
Объяснение: nums[0] + nums[2] == 13, мы возвращаем [0, 2]

Начнем с решения без “хитрости”

Для начала, первое, что приходит в голову – это перебирать все пары числе из массива nums пока мы не получим в сумме target. Попробуйте сделать это сами! На любое упражнение я советую тратить не больше 10 минут, обычно этого времени хватает, чтобы понять, получается решение или нет. А затем посмотрите мое решение 🤓

На интервью важно сказать, про сложность этого алгоритма:
• По времени: O(n^2) (о от n-квадрат) - мы запустили 2 цикла один в другом
• По памяти: O(1) (о от единицы) - мы не выделяли никакой дополнительной памяти

Теперь решения с “хитростью”

Хитрость заключается в том, чтобы сначала создать словарь. В котором, в ключах будут все числа из nums, а в значениях индексы этих чисел в массиве:
nums = [2,7,11,15]
d = {2: 0, 7: 1, 11: 2, 15: 3}
Тогда мы сможем быстро найти в этом словаре индекс того числа, которого нам не хватает, чтобы в сумме получить target

На интервью важно сказать, про сложность этого алгоритма:
- По времени: O(n) (о от n) - мы запустили 2 цикла, но последовательно, а не 1 в другом, как в предыдущем решении
- По памяти: O(n) (о от n) - мы выделили дополнительную память под словарь

Эту задачу можно решить и за один проход цикла, но я вас уверяю, что любому интервьюеру будет достаточно и этого решения.

Важно запомнить паттерн, когда мы сначала создаем какую-то вспомогательную структуру данных (обычно это словарь), а затем с его помощью решаем задачу 😎

#interview, #python, #asyncio, #multiprocessing, #multithreading

Совсем недавно я собеседовал трех джунов и, конечно, спрашивал про асинхронность. Спойлер: никто не смог преодолеть этот вопрос, хотя, ребята толковые, и явно что-то читали. Я понял, что у многих людей нет стройной картины, и возникает много проблем, которые даже не касаются асинхронности напрямую. Вот список проблемных тем:

- разница между потоком и процессом
- что такое io-bound и cpu-boud задачи
- разница между многопоточность и асинхронностью
- Да кто этот ваш GIL? И где он тут?
- Ну и напоследок, что же это за асинхронность такая? С реальными примерами!

Все это мы с вами разберем в ближайшее время, так, чтобы вы поняли, как устроено конкурентное программирование в python. Ну и конечно, все темы я разбираю с позиции человека, который проходит интервью, чтобы вы, смогли извлечь максимум пользы!

#interview, #multiprocessing, #multithreading

Про процессы и потоки

Важно: ☝️ Эти понятия — общие и применимые не только к Python. Понятия "процесс" и "поток" в операционных системах почти не отличаются от тех, что используются в Python.

Когда вы запускаете любую программу на своем компьютере, например, Word, создается процесс. Операционная система выделяет ресурсы для этой программы, определяя, сколько оперативной памяти и времени процессора ей нужно. Если вы запустите еще одну программу, например, Zoom, то ваш Word не будет знать об этом, да ему и не надо! У каждого процесса есть свои ресурсы, и у Zoom'а тоже появляются свои.

Здесь важны две вещи. Во-первых, процесс просто представляет собой программу на вашем компьютере (кстати, программа, которую вы написали на Python и запустили, тоже является процессом). Во-вторых, процесс не знает о существовании других процессов рядом с ним и не делит с ними свою область памяти.

Когда мы запускаем процесс Word, внутри него сразу создается поток, который выполняет всю работу. Однако Word — это сложная программа, и внутри нее создается множество потоков. Например, один поток может следить за правописанием, а другой может отправлять ваши личные данные Microsoft 😮️️️️️️. И интересно то, что эти потоки знают о существовании друг друга. Например, поток, отправляющий ваши личные данные, знает от другого, что в школе вы учились не очень и у вас куча орфографических ошибок. Потоки делят между собой одну область памяти, поэтому знают о существовании друг друга!

Обратите внимание на иллюстрацию (личного производства 😎)! Процессы — это большие стрелочки, которые не делятся со своими соседями памятью. А потоки — это маленькие стрелочки внутри процесса, которые выполняют всю работу и могут обмениваться информацией в одной области памяти.

На интервью этих тезисов хватит с головой, да и вообще полезно знать как работает штука, которую вы используете каждый день

#interview, #multiprocessing, #multithreading

Поехали дальше! Нужно запомнить вот такой факт: существует 2 типа задач в программировании:

- задачи ввода-вывода: io-bound
- задачи вычисления: cpu-bound

Почему это важно 🤨?
С помощью этой нехитрой информации появляется возможность ускорить ваш код в разы😲! И я, конечно, расскажу потом как это сделать, но сперва теория!

cpu-bound задачи нагружают процессор вашего компьютера, они пыхтят-работают, чтобы что-то посчитать. Ну и логично, если ресурсы вашего компьютера ограниченны, то и запустить таких задач единовременно можно не бесконечное количество.

А вот io-bound задачи ничего не делают… Они просто ждут, пока кто-то другой даст им какую-то информацию. Например, они могут ждать ответа от базы данных, ждать пока что-то скачается из интернета, неважно! просто ждать пока кто-то другой что-то сделает 😴🌴

А вот и все. Для нас важно то, что для ускорения cpu-bound задач в python нам нужно применять многопроцессность, а для io-bound задач - многопоточность (смотрите предыдущий пост). В следующий раз, покажу как это делать на практике 😉

#multithreading #multiprocessing

Про GIL

Возникает закономерный вопрос, а чего бы не применить потоки ко второй задаче? можете попробовать, ничего не сломается, но работать быстрее не будет 🥲. Почему? Ведь мы запустили также 2 задачи параллельно, почему код не исполняется в 2 раза быстрее?!

Это особенность именно питона, тут не могут работать несколько потоков одновременно! Это происходит потому что в интерпретаторе есть код, который называется GIL(global interpreter lock). Он делает так, чтобы в один момент времени, только один поток мог иметь контроль над интерпретатором.

Вообще, GIL придуман не для того, что портить нам жизнь и не давать использовать потоки во всю их силу. Он помогает нам с вами не думать об освобождении памяти, да и вообще, он даже может ускорять программы, если они работают только в один поток!

Погоди, шеф, а почему же запросы тогда ускорялись 🧐? Мы использовали потоки, чтобы ускорять http-запросы, помните? Дело в том, что в этом случае работает также, только один поток в один момент времени, просто это io-bound задачи, они большую часть времени ждут! И пока один поток ждет, включается другой, делает запрос и также ждет, передавая управление другому и так далее. Поэтому такого рода задачи действительно эффективно решаются с помощью многопоточности.

Я разобрал основные темы, которые вас могут спросить на собесах про потоки/процессы в python. Посты можно читать отдельно, а можно по порядку, там даже прослеживается сюжет 😅

Тут будет небольшое оглавление, для удобства:

1. Потоки и процессы. Что это такое и в чем отличие.
2. Виды задач. io-bound и cpu-bound
3. Как применять многопоточность
4. Как применять многопрцессность
5. Почему в python не работает многопоточность для cpu-bound задач. GIL

Вообще, зарядившись этими знаниями, можно не только ответить на собесе, а еще и начинать понимать асинхронность, о которой будет следующая серия постов.

А пока можете поставить мне класс 👍 за иллюстрации собственного производства 😎 Дальше больше!

Вышло мое первое видео на ютубе!

❗️Кто не видел — посмотрите❗️

Где-то нервничал 🫣 Где-то не сказал то, что нужно было сказать 🤥 А что-то вообще ляпнул лишнее 😅

Но как первая попытка, считаю, достойно 💪! Спасибо Артему за интервью, а Антону за возможность выступить на его канале!

В новом году хочу начать пилить видосы на ютуб, вдруг попрет! Фишкой канала будет: «рассказывать суть, без лишней воды, что реально нужно для собеса/работы»

https://youtu.be/xLHeKI2y-VE?si=T0T7lQO53iUDqAmI