🤔 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

🤔 Что известно про строки?

Строки в Python — это неизменяемый (immutable) тип данных, представленный типом str. Они хранят Unicode-символы и поддерживают операции индексации, срезов, конкатенации, форматирования и множества встроенных методов. Поскольку строки неизменяемы, любые изменения приводят к созданию нового строкового объекта. Это делает строки безопасными для многопоточности и позволяет использовать их как ключи в словарях.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚 Базу знаний

🤔 Для чего нужен счетчик ссылок Python?

В Python счетчик ссылок (reference count) используется для управления памятью. Он показывает, сколько раз объект используется в программе. Когда счетчик ссылок падает до нуля, Python автоматически удаляет объект, освобождая память.

🚩Как работает счетчик ссылок?

Python использует автоматическое управление памятью, основанное на подсчёте ссылок. Когда создаётся объект, Python хранит специальное число — количество ссылок на этот объект. Это число увеличивается, когда мы создаём новую ссылку на объект, и уменьшается, когда удаляем или перезаписываем переменную.

import sys

a = [1, 2, 3]  # Создаём список
print(sys.getrefcount(a))  # Выведет 2 (одна ссылка 'a' + вызов getrefcount)

b = a  # Новая ссылка на тот же объект
print(sys.getrefcount(a))  # Теперь 3 (a, b и сам getrefcount)

del a  # Удаляем одну ссылку
print(sys.getrefcount(b))  # Теперь 2

del b  # Удаляем последнюю ссылку, объект будет удалён из памяти

🚩Почему это важно?

🟠Эффективное управление памятью
Python сам удаляет ненужные объекты, не давая памяти переполняться.
🟠Понимание утечек памяти
Если объект имеет циклические ссылки (например, список ссылается сам на себя), Python не может освободить его сразу, поэтому дополнительно используется сборщик мусора (Garbage Collector, GC).

import gc

class Node:
    def __init__(self):
        self.ref = self  # Циклическая ссылка!

n = Node()
del n  # Обычный подсчёт ссылок не сработает, объект останется в памяти
gc.collect()  # Явный вызов сборщика мусора удалит его

Ставь 👍 и забирай 📚 Базу знаний

Что такое вложенные транзакции?

Вложенные транзакции — это транзакции внутри других транзакций. В PostgreSQL это реализуется через savepoint:
- можно откатить часть транзакции, не отменяя всю;
- полезно для частичной обработки, особенно в больших логических блоках.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚 Базу знаний

🤔 Чем отличаются методы сокрытия?

Методы и атрибуты класса могут быть скрыты от внешнего использования с помощью различных уровней сокрытия. Сокрытие реализуется с помощью соглашений об именах, а не с помощью жесткой инкапсуляции, как в некоторых других языках программирования. Основные уровни сокрытия включают публичные, защищенные и приватные методы и атрибуты.

🚩Публичные методы и атрибуты

Доступны из любого места, как внутри класса, так и за его пределами. Их имена не начинаются с подчеркиваний.

class MyClass:
    def __init__(self):
        self.public_attribute = "I am public"
    
    def public_method(self):
        return "This is a public method"

obj = MyClass()
print(obj.public_attribute)  # Вывод: I am public
print(obj.public_method())   # Вывод: This is a public method

🚩Защищенные методы и атрибуты

Не предназначены для использования за пределами класса и его подклассов. Они обозначаются одним подчеркиванием в начале имени. Это всего лишь соглашение, сигнализирующее другим разработчикам, что такие методы и атрибуты не следует использовать вне класса или его подклассов.

class MyClass:
    def __init__(self):
        self._protected_attribute = "I am protected"
    
    def _protected_method(self):
        return "This is a protected method"

class SubClass(MyClass):
    def access_protected(self):
        return self._protected_method()

obj = MyClass()
sub_obj = SubClass()

print(sub_obj.access_protected())  # Вывод: This is a protected method

🚩Приватные методы и атрибуты

Скрыты от внешнего доступа и доступны только внутри самого класса. Они обозначаются двумя подчеркиваниями в начале имени. Python реализует это с помощью механизма именования, который изменяет имя метода или атрибута, добавляя к нему имя класса, чтобы затруднить доступ извне.

class MyClass:
    def __init__(self):
        self.__private_attribute = "I am private"
    
    def __private_method(self):
        return "This is a private method"
    
    def access_private(self):
        return self.__private_method()

obj = MyClass()

try:
    print(obj.__private_attribute)
except AttributeError as e:
    print(e)  # Вывод: 'MyClass' object has no attribute '__private_attribute'

try:
    print(obj.__private_method())
except AttributeError as e:
    print(e)  # Вывод: 'MyClass' object has no attribute '__private_method'

# Доступ к приватным методам через публичный метод класса
print(obj.access_private())  # Вывод: This is a private method

Ставь 👍 и забирай 📚 Базу знаний

🤔 Для чего нужна библиотека Python для работы с AWS-серверами?

Такие библиотеки, например boto3, позволяют:
- Управлять облачными сервисами AWS (EC2, S3, RDS и др.).
- Автоматизировать создание серверов, баз данных, хранилищ.
- Настраивать безопасность, балансировку, мониторинг.
То есть, это способ писать инфраструктурный код вместо ручной работы через веб-интерфейс AWS.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚 Базу знаний

🤔 Назовите основные мидлвари, зачем они нужны

Middleware (промежуточное ПО) — это специальные классы, которые обрабатывают запросы и ответы, проходящие через Django. Они позволяют изменять данные, проверять доступ, логировать действия и многое другое.

🚩Основные мидлвари Django

🟠SecurityMiddleware
Добавляет важные HTTP-заголовки для защиты сайта:
- Strict-Transport-Security (HTTPS)
- X-Content-Type-Options: nosniff
- X-Frame-Options: DENY

🟠CommonMiddleware
Отвечает за:
Перенаправление с APPEND_SLASH=True (если /about → перенаправит на /about/).
Удаление www. (www.example.com → example.com).
Обработка кодировки и контента.

🟠SessionMiddleware
Позволяет Django хранить данные пользователя между запросами (например, авторизацию).

request.session["user_id"] = 42  # Сохраняем ID пользователя в сессии

🟠AuthenticationMiddleware
Позволяет работать с request.user, автоматически определяя пользователя.

if request.user.is_authenticated:
    print(f"Пользователь: {request.user.username}")

🟠CSRF Middleware (CsrfViewMiddleware)
Защищает от атак межсайтовой подделки запросов (CSRF).
При обработке форм Django требует специальный CSRF-токен:

<form method="POST">
    {% csrf_token %}
    <input type="text" name="name">
</form>

🟠XFrameOptionsMiddleware
Запрещает встраивать сайт в <iframe>, предотвращая атаку Clickjacking.

X-Frame-Options: DENY

🟠MessageMiddleware
Позволяет передавать временные сообщения (django.contrib.messages).

from django.contrib import messages

messages.success(request, "Вы успешно вошли!")
messages.error(request, "Ошибка авторизации!")

🚩Как добавить или отключить мидлвари?

Мидлвари хранятся в settings.py:

MIDDLEWARE = [
    "django.middleware.security.SecurityMiddleware",
    "django.middleware.common.CommonMiddleware",
    "django.middleware.csrf.CsrfViewMiddleware",
    "django.contrib.sessions.middleware.SessionMiddleware",
    "django.contrib.auth.middleware.AuthenticationMiddleware",
]

🚩Как написать свой мидлвар?

Допустим, хотим логировать все запросы.
Создаём middleware.py

import datetime

class LogMiddleware:
    def __init__(self, get_response):
        self.get_response = get_response

    def __call__(self, request):
        print(f"[{datetime.datetime.now()}] Запрос: {request.path}")
        response = self.get_response(request)
        return response

Добавляем в settings.py

MIDDLEWARE.append("myapp.middleware.LogMiddleware")

Теперь в консоли будем видеть все запросы!

[2024-02-28 12:00:00] Запрос: /
[2024-02-28 12:01:00] Запрос: /login/

Ставь 👍 и забирай 📚 Базу знаний

🤔 Как работает правило LEGB?

Это правило описывает порядок поиска переменных: сначала в локальной области, потом во вложенных функциях (если есть), затем в глобальной области текущего модуля, и в конце — среди встроенных объектов языка. Если переменная не найдена на этих этапах, возникает ошибка.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚 Базу знаний

🤔 Что такое моржовый оператор?

Моржовый оператор (:=) – это новый оператор, появившийся в Python 3.8, который позволяет присваивать значение переменной прямо внутри выражения.

🚩Как он работает?

Обычно мы записываем код так:

value = len(my_list)  # Сначала присваиваем
if value > 10:  # Потом используем
    print("Список большой")

С := можно совместить оба действия

if (value := len(my_list)) > 10:
    print("Список большой")

🚩Где использовать?

В циклах (избегаем лишних вычислений). Вместо:

data = input("Введите строку: ")
while data != "exit":
    print("Вы ввели:", data)
    data = input("Введите строку: ")

С := можно записать короче:

while (data := input("Введите строку: ")) != "exit":
    print("Вы ввели:", data)

В if и while (проверяем и присваиваем одновременно)
Без :=

text = input("Введите слово: ")
if len(text) > 5:
    print(f"Слово длинное ({len(text)} символов)")

С :=:

if (length := len(text)) > 5:
    print(f"Слово длинное ({length} символов)")

В списковых включениях (list comprehensions)
Без :=:

numbers = [random.randint(1, 100) for _ in range(10)]
filtered = [num for num in numbers if num % 2 == 0]

С :=:

filtered = [num for _ in range(10) if (num := random.randint(1, 100)) % 2 == 0]

🚩Когда не стоит использовать `:=`?

Если код становится сложнее для чтения

if (a := func()) and (b := another_func(a)) > 10:
    ...

Ставь 👍 и забирай 📚 Базу знаний

🤔 Что такое garbage collector?

Garbage collector (сборщик мусора) — это механизм, который освобождает память от объектов, которые уже не используются. В Python он работает совместно с системой подсчёта ссылок, дополнительно удаляя объекты с взаимными ссылками, которые не доступны извне (циклические зависимости).

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚 Базу знаний

🤔 Назови основные команды docker?

Docker — это инструмент для создания, развертывания и управления контейнерами. Основные команды позволяют управлять образами, контейнерами, сетями и томами.

🚩Работа с образами (`images`)

Образы — это "шаблоны" для создания контейнеров.
Пример: скачиваем Python-образ

docker pull python:3.11

🚩Работа с контейнерами (`containers`)

Контейнер — это запущенный процесс на основе образа.
Пример: запустить контейнер с Ubuntu и войти в него

docker run -it ubuntu bash

Пример: остановить и удалить контейнер

docker stop my_app
docker rm my_app

🚩Работа с томами (`volumes`)

Том (volume) — это способ хранения данных, которые не пропадут при перезапуске контейнера.
Пример: подключить том к контейнеру

docker run -v my_data:/app/data ubuntu

🚩Работа с сетями (`networks`)

Сети в Docker позволяют контейнерам взаимодействовать друг с другом.
Пример: запустить два контейнера в одной сети

docker network create my_network
docker run -d --network my_network --name app1 ubuntu
docker run -d --network my_network --name app2 ubuntu

🚩5. Docker Compose (`docker-compose.yml`)

Docker Compose позволяет управлять несколькими контейнерами с помощью docker-compose.yml.
Пример docker-compose.yml

version: "3"
services:
  app:
    image: python:3.11
    volumes:
      - my_data:/app/data
    networks:
      - my_network

volumes:
  my_data:

networks:
  my_network:

Запуск

docker compose up -d

Ставь 👍 и забирай 📚 Базу знаний

🤔 Как Django определяет, вызывать INSERT или UPDATE при save()?

Django определяет это на основе поля id (или pk).
Если объект создан с нуля (id=None), вызывается INSERT.
Если id есть и объект уже существует — вызывается UPDATE.
Также можно явно указать update_fields, чтобы обновить только нужные поля.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚 Базу знаний