🤔 Что может быть декоратором? К чему он может быть применён?

Декоратором может быть функция или объект с методом call. Применяется к функциям, методам и классам.

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

🤔 Что такое type?

В Python type — это встроенная функция и метакласс, который:
Определяет тип объекта (type(obj)).
Создаёт новые классы динамически (type(name, bases, attrs)).

🟠1. `type(obj)`: Определение типа объекта
Функция type(obj) возвращает класс (тип) объекта.

print(type(42))         # <class 'int'>
print(type("hello"))    # <class 'str'>
print(type([1, 2, 3]))  # <class 'list'>

if type(42) is int:
    print("Это целое число!")

🟠`type(name, bases, attrs)`: Создание класса динамически
Функция type может создавать новые классы "на лету".

MyClass = type("MyClass", (object,), {"x": 10, "hello": lambda self: "Hello!"})

obj = MyClass()
print(obj.x)       # 10
print(obj.hello()) # Hello!

🟠`type` как метакласс
В Python type — это метакласс для всех классов, то есть классы тоже являются объектами type.

class A:
    pass

print(type(A))  # <class 'type'>

Ставь 👍 и забирай 📚 Базу знаний

🤔 За что отвечает Meta в сериализаторе?

Класс Meta в ModelSerializer определяет настройки сериализатора, включая:
- model – модель, с которой работает сериализатор
- fields – список полей, которые нужно включить или исключить
- exclude – поля, которые не нужно включать
- read_only_fields – поля, которые нельзя изменять

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

🤔 Почему вычислять большие значения в асинхронной функции плохо?

Асинхронность (asyncio) в Python не выполняет код параллельно, а переключается между задачами во время ожидания (I/O-bound).
Если в async-функции делать тяжёлые вычисления (CPU-bound), это блокирует asyncio, потому что в Python есть GIL (Global Interpreter Lock).

🚩Асинхронность в Python подходит для ввода-вывода (I/O-bound)

Асинхронность позволяет выполнять задачи без блокировки, но только если они ждут чего-то (файлы, сеть, БД).

import asyncio
import aiohttp

async def fetch(url):
    async with aiohttp.ClientSession() as session:
        async with session.get(url) as response:
            return await response.text()

async def main():
    urls = ["https://example.com"] * 5
    results = await asyncio.gather(*(fetch(url) for url in urls))

asyncio.run(main())

🚩Проблема с `async` и тяжёлыми вычислениями (CPU-bound)

Если в async-функции делать тяжёлые вычисления, Python не сможет переключаться между задачами.

import asyncio

async def heavy_task(n):
    print(f"Вычисляю {n}...")
    total = sum(i**2 for i in range(n))  # Долгий процесс
    return total

async def main():
    await asyncio.gather(heavy_task(10**7), heavy_task(10**7))

asyncio.run(main())

🚩Как правильно выполнять вычисления в `async`?

🟠Использовать `asyncio.to_thread()` (делегирование в потоки)
В Python 3.9+ можно выполнять CPU-задачи в отдельных потоках, не блокируя asyncio.

import asyncio

def heavy_computation(n):
    return sum(i**2 for i in range(n))

async def main():
    result = await asyncio.to_thread(heavy_computation, 10**7)
    print(result)

asyncio.run(main())

🟠Использовать `multiprocessing` (запуск на нескольких ядрах)
Так как Python использует GIL, единственный способ выполнять настоящий параллелизм — это multiprocessing.

import asyncio
import multiprocessing

def heavy_computation(n):
    return sum(i**2 for i in range(n))

async def main():
    loop = asyncio.get_running_loop()
    with multiprocessing.Pool() as pool:
        result = await loop.run_in_executor(pool, heavy_computation, 10**7)
        print(result)

asyncio.run(main())

Ставь 👍 и забирай 📚 Базу знаний

🤔 Что такое conflict management?

Conflict management — это процесс обнаружения, анализа и разрешения конфликтов:
- В разработке: слияние кода, разные изменения в одной строке, ветке или файле.
- В команде: несогласие между участниками — решается через коммуникации, правила, арбитраж.
- В системах данных: конфликт версий, репликаций или состояния.
В DevOps и разработке чаще говорят о разрешении конфликтов в Git, при merge или rebase.

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

🤔 В чем отличие текстовых и бинарных файлов?

Текстовые и бинарные файлы — это два типа файлов, которые хранят и обрабатывают данные по-разному. Разберем их отличия.

🚩**Текстовые файлы

Текстовые файлы хранят данные в виде обычного текста, используя кодировку (например, UTF-8, ASCII). Они читаются и редактируются текстовыми редакторами (Notepad, VS Code).
- .txt — обычный текстовый файл
- .csv — таблица в текстовом формате
- .json, .xml, .html — текстовые форматы данных
Каждый символ в файле представлен в кодировке (например, в UTF-8 буква "А" занимает 1 байт).
В Python текстовые файлы открываются в режиме t (text mode).

# Запись в текстовый файл
with open("example.txt", "w", encoding="utf-8") as file:
    file.write("Привет, мир!")

# Чтение текстового файла
with open("example.txt", "r", encoding="utf-8") as file:
    content = file.read()
    print(content)  # Выведет: Привет, мир!

🚩Бинарные файлы

Бинарные файлы хранят данные в машинном формате (набор байтов). Они не предназначены для чтения человеком и требуют специальных программ для обработки.
- .exe — исполняемый файл
- .png, .jpg — изображения
- .mp3, .mp4 — аудио и видео файлы
- .dat, .bin — файлы с произвольными данными
Байты записываются напрямую без конвертации в текст. Например, число 123 может храниться в 4-байтовом формате (например, 01111011 в двоичном коде).
В Python бинарные файлы открываются в режиме b (binary mode).

# Запись бинарных данных
data = b'\x48\x65\x6C\x6C\x6F'  # "Hello" в байтах
with open("example.bin", "wb") as file:
    file.write(data)

# Чтение бинарных данных
with open("example.bin", "rb") as file:
    content = file.read()
    print(content)  # Выведет: b'Hello'

Ставь 👍 и забирай 📚 Базу знаний

🤔 Что происходит, когда у access-токена истекает время?

Когда токен истёк:
- Сервер отклоняет запрос с ошибкой авторизации (чаще всего 401).
- Клиент должен использовать refresh токен (если есть), чтобы получить новый access токен.
- Если refresh токена нет или он тоже просрочен — требуется повторная авторизация пользователя.

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

🤔 Что делать если нужно перехватить исключение, выполнить действия и опять возбудить это же исключение?

Если нужно:
Перехватить исключение
Выполнить какие-то действия (лог, очистка, уведомление и т. д.)
Снова выбросить это же исключение

try:
    x = 1 / 0  # Ошибка деления на ноль
except ZeroDivisionError:
    print("Ошибка! Записываем в лог...")
    raise  # Повторно выбрасываем то же исключение

Вывод

Ошибка! Записываем в лог...
Traceback (most recent call last):
  File "script.py", line 2, in <module>
    x = 1 / 0
ZeroDivisionError: division by zero

Пример: Логирование перед повторным выбросом

import logging

logging.basicConfig(filename="errors.log", level=logging.ERROR)

try:
    user_input = int("abc")  # Ошибка ValueError
except ValueError as e:
    logging.error(f"Ошибка: {e}")  # Записываем в лог
    raise  # Повторно выбрасываем исключение

Пример: Очистка ресурсов перед выбросом исключения

try:
    file = open("data.txt", "r")
    data = file.read()
except FileNotFoundError:
    print("Файл не найден. Освобождаем ресурсы...")
    raise  # Снова выбрасываем исключение
finally:
    file.close()  # Гарантированно закроет файл

Ставь 👍 и забирай 📚 Базу знаний

🤔 Как сделать package?

Пакет в Python — это папка, содержащая файл __init__.py, который указывает, что она является модулем. Внутри пакета могут находиться другие модули или подпакеты. Это позволяет удобно структурировать код по функциональным блокам и импортировать нужные части.

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

🤔 Какие объекты можно положить в множество?

В Python множество (set) — это неупорядоченная коллекция уникальных элементов, которая работает на основе хеш-таблицы. Это значит, что только хешируемые (immutable) объекты могут быть добавлены в set.

🚩Можно добавить в `set`:

Числа (int, float, complex)

   s = {1, 2.5, 3+4j}

Строки (str)

   s = {"apple", "banana", "cherry"}

Кортежи (tuple), если они тоже содержат только неизменяемые объекты

   s = {(1, 2), ("a", "b")}

Булевые значения (bool)** (но True считается 1, а False — 0)

   s = {True, False, 1, 0}
   print(s)  # {False, True} (0 и 1 не добавятся повторно)

🚩Нельзя добавить в `set`

Изменяемые объекты (list, set, dict)

   s = { [1, 2, 3] }  #  Ошибка: TypeError: unhashable type: 'list'

   s = { {"key": "value"} }  #  Ошибка: TypeError: unhashable type: 'dict'

Кортежи с изменяемыми элементами

   s = { (1, [2, 3]) }  #  Ошибка: TypeError

Ставь 👍 и забирай 📚 Базу знаний

🤔 Какой метод используется при инициализации класса?

Метод init используется для инициализации экземпляра класса. Он автоматически вызывается при создании объекта и позволяет задавать начальные значения атрибутов.

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

🤔 Cловари {dict}?

Словарь (dict) — это структура данных, которая хранит пары "ключ → значение".

🟠Создание словаря
Через {} (фигурные скобки)

my_dict = {"name": "Alice", "age": 25, "city": "New York"}

Изменение значения

my_dict["age"] = 26  # Меняем возраст

del — удаление по ключу

del my_dict["city"]

Перебор ключей (for key in dict)

for key in my_dict:
    print(key, my_dict[key])

Проверка наличия ключа

if "name" in my_dict:
    print("Ключ существует!")

🟠Генерация словарей (Dictionary Comprehension)
Создадим словарь квадратов чисел

squares = {x: x**2 for x in range(1, 6)}
print(squares)  # {1: 1, 2: 4, 3: 9, 4: 16, 5: 25}

🟠Ключи должны быть хешируемыми (неизменяемыми)
Нельзя использовать list как ключ!

my_dict[[1, 2, 3]] = "Ошибка"  # TypeError: unhashable type: 'list'

Можно использовать tuple, int, str, frozenset

my_dict[(1, 2, 3)] = "OK"

Ставь 👍 и забирай 📚 Базу знаний

🤔 Что такое кэш?

Кэш — это временное хранилище данных, предназначенное для ускорения доступа к ним.
Кэш может быть:
- Браузерным (сохраняются изображения, стили и скрипты).
- DNS-кэшем (сохраняются IP-адреса доменов).
- Серверным или CDN-кэшем (снижение нагрузки на сервер).
- В оперативной памяти — например, у приложений и баз данных.
Цель кэша — уменьшить задержку и количество повторных обращений.

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

🤔 Чем отличается while от for?

- while — цикл, который выполняется пока условие истинно. Используется, когда неизвестно количество итераций.
- for — итерационный цикл, проходящий по элементам коллекции или диапазону. Обычно применяется, когда известны шаги или есть итерируемый объект.

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

🤔 Что такое параллелизм?

Параллелизм — это способ выполнения программ, при котором несколько задач выполняются одновременно (реально параллельно). Он используется для ускорения работы программ, особенно на многоядерных процессорах.

🚩1. Как работает параллелизм?

Пример без параллелизма (последовательное выполнение)
Допустим, у нас есть две задачи:
1. Скачать файл (3 секунды).
2. Обработать данные (2 секунды).
Если выполнять их последовательно

[1] Скачать файл... (3 сек)
[2] Обработать файл... (2 сек)
[Готово за 5 секунд]

Пример с параллелизмом (оба процесса выполняются одновременно)
Если у нас 2 ядра процессора, можно выполнить задачи одновременно.

[1] Скачать файл... (3 сек) ──► Готово!
[2] Обработать файл... (2 сек) ──► Готово!
[Готово за 3 секунды]  ✅ Быстрее!

🚩Как реализовать параллелизм в Python?

🟠`multiprocessing` – настоящий параллелизм
В Python multiprocessing создаёт отдельные процессы, которые работают на разных ядрах.

import multiprocessing
import time

def task(name):
    print(f"Начал {name}")
    time.sleep(2)
    print(f"Закончил {name}")

if __name__ == "__main__":
    p1 = multiprocessing.Process(target=task, args=("Процесс 1",))
    p2 = multiprocessing.Process(target=task, args=("Процесс 2",))

    p1.start()
    p2.start()

    p1.join()
    p2.join()
    print("Все процессы завершены")

🟠`threading` – многопоточность (НЕ параллельность в Python!)
Python не может выполнять потоки параллельно из-за GIL, но threading всё же полезен для задач ввода-вывода.

import threading
import time

def task(name):
    print(f"Начал {name}")
    time.sleep(2)
    print(f"Закончил {name}")

t1 = threading.Thread(target=task, args=("Поток 1",))
t2 = threading.Thread(target=task, args=("Поток 2",))

t1.start()
t2.start()

t1.join()
t2.join()
print("Все потоки завершены")

🟠`asyncio` – асинхронность (НЕ параллелизм, но эффективное переключение задач)
Асинхронность позволяет не ждать выполнения операции, а переключаться на другие задачи.

import asyncio

async def task(name):
    print(f"Начал {name}")
    await asyncio.sleep(2)  # НЕ блокирует другие задачи
    print(f"Закончил {name}")

async def main():
    await asyncio.gather(task("Задача 1"), task("Задача 2"))

asyncio.run(main())

🚩Виды параллелизма

🟠Параллелизм на уровне инструкций (ILP, CPU-level)
Процессор выполняет несколько инструкций одновременно. Например, в современных процессорах есть конвейер (pipeline), который выполняет несколько операций параллельно.

🟠Параллелизм на уровне данных (Data Parallelism)
Одна операция применяется к разным данным одновременно (используется в нейросетях, GPU).

import numpy as np

arr = np.array([1, 2, 3, 4])
result = arr * 2  # Все элементы умножаются одновременно (векторизация)
print(result)  # [2 4 6 8]

Ставь 👍 и забирай 📚 Базу знаний

🤔 Что будет, если ошибку не обработает блок except?

Исключение пробросится выше по стеку вызовов. Если его не перехватит ни один уровень, программа завершится с трейсбеком.

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

🤔 Для чего используют Redis в проектах?

Redis используется как высокопроизводительное in-memory хранилище.
1. Подходит для кэширования данных, управления сессиями, очередей сообщений.
2. Обеспечивает поддержку структур данных, таких как списки, множества, хэши, что упрощает реализацию сложных операций.

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

🤔 Что такое объект первого класса?

Объект первого класса (или сущность первого класса) — это концепция из программирования, которая означает, что объект обладает всеми следующими свойствами:

🟠Хранение в переменной или структуре данных
объект можно присвоить переменной или сохранить в структуре данных (например, списке, словаре).
🟠Передача в функцию в качестве аргумента
объект можно передавать как параметр функции.
🟠Возврат из функции как результата
функция может возвращать объект.
🟠Динамическое создание
объект можно создавать во время выполнения программы (не только на этапе компиляции).

🚩Почему это важно?

Объекты первого класса делают язык более гибким и мощным. Например:
Функции можно передавать как аргументы для реализации более сложных вычислений.
Можно хранить функции в структурах данных, что позволяет создавать таблицы вызовов функций или карты действий.
Возможность возвращать функции из других функций упрощает реализацию таких концепций, как замыкания и фабрики функций.

🚩Пример на Python

Присваивание функции переменной

def say_hello():
    return "Hello!"

# Функция присваивается переменной
greet = say_hello
print(greet())  # Вывод: Hello!

Передача функции как аргумента

def apply_function(func, value):
    return func(value)

def square(x):
    return x * x

result = apply_function(square, 5)
print(result)  # Вывод: 25

Возврат функции из функции

def multiplier(n):
    def multiply(x):
        return x * n
    return multiply

double = multiplier(2)
print(double(10))  # Вывод: 20

Ставь 👍 и забирай 📚 Базу знаний