🤔 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

🤔 Какая разница в быстродействии между Django и Flask (и почему)?

Flask обычно быстрее Django, потому что он легковеснее и не имеет встроенных "тяжелых" компонентов (ORM, middleware, шаблонизатора). Django включает больше абстракций, что замедляет работу, но облегчает разработку.
Однако на больших проектах разница минимальна, так как основной фактор скорости – база данных, кэширование и архитектура.

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 в Django работает система аутентификации?

Имеет встроенную систему аутентификации, которая:
- Управляет пользователями, группами, разрешениями.
- Использует User-модель, которую можно расширять (AbstractUser, AbstractBaseUser).
- Поддерживает аутентификацию по паролю, cookies, токенам (DRF), соцсетям (OAuth).
- Предоставляет login, logout, authenticate, is_authenticated.

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

🤔 Что такое многопоточность/многопроцессорность?

В программировании многопоточность и многопроцессорность помогают выполнять задачи параллельно, но работают по-разному.

🟠Многопоточность (Multithreading)
Многопоточность позволяет одной программе запускать несколько потоков (threads), которые работают одновременно.

import threading
import time

def task(name):
    print(f"{name} начал работу")
    time.sleep(2)
    print(f"{name} завершил работу")

# Создаём два потока
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")

Вывод

Поток 1 начал работу
Поток 2 начал работу
Поток 1 завершил работу
Поток 2 завершил работу
Все потоки завершены

🟠2. Многопроцессорность (Multiprocessing)
Многопроцессорность запускает отдельные процессы, которые работают полностью независимо и могут использовать разные ядра процессора.

import multiprocessing
import time

def task(name):
    print(f"{name} начал работу")
    time.sleep(2)
    print(f"{name} завершил работу")

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")

Вывод (процессы действительно работают параллельно)

Процесс 1 начал работу
Процесс 2 начал работу
Процесс 1 завершил работу
Процесс 2 завершил работу
Все процессы завершены

Ставь 👍 и забирай 📚 Базу знаний

🤔 Для чего используют Pydantic в FastAPI?

Pydantic в FastAPI используется для:
- Валидации данных – автоматически проверяет и преобразует входные данные.
- Автоматической генерации OpenAPI-схем.
- Удобного управления моделями – типизация улучшает читаемость и отладку.
Он заменяет Django Forms/Serializers, но работает быстрее благодаря Cython.

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

На easyoffer 2.0 появится новый раздел:
Задачи с собеседований

🟠Задачи на Алгоритмические, Live-coding и System Design из реальных собеседований
🟠Вероятность встретить ту или иную задачу
🟠Возможность подготовиться к задачам конкретной компании

Есть много сайтов, на которых можно тренироваться решать задачи, но у них у всех одна проблема – сами задачи люди просто выдумывают. На easyoffer 2.0 вы сможете готовиться к live-coding и system design секциям на основе задач из реальных собеседований. Вы можете найдете самые частые задачи и сделаете упор на их решение.

Считаные дни остались до старта краудфандинговой кампании, чтобы ускорить разработку easyoffer 2.0. Все кто, поддержал проект на этом этапе смогу получить 1 год доступа к сайту по цене месячной подписки, а те кто поддержат проект раньше других ито дешевле + получат существенный бонус. Следите за стартом 👉 в этом телеграм канале.

🤔 Что такое git stash?

git stash — это команда в Git, которая сохраняет незакоммиченные изменения во временное хранилище (stash) и очищает рабочую директорию.

🚩Когда это полезно?

Нужно переключиться на другую ветку, но есть незаконченные изменения. Хочешь сохранить текущую работу, но не коммитить её. Нужно экспериментировать, но без риска потерять код.

🚩Как использовать `git stash`?

Сохранить изменения в stash

git stash

Посмотреть список сохранённых изменений

git stash list

Выведет список всех stash-ов

stash@{0}: WIP on main: 1234567 Добавил новую фичу
stash@{1}: WIP on dev: 89abcde Исправил баг

Восстановить сохранённые изменения

git stash pop  # Восстановит изменения и удалит stash

ИЛИ

git stash apply  # Восстановит, но stash останется в списке

Удалить stash после применения

git stash drop stash@{0}  # Удалит конкретный stash
git stash clear  # Удалит все stash'и

🚩Пример использования

Сценарий
- Ты работаешь в ветке main, но нужно срочно переключиться на dev.
- У тебя есть изменения, которые ты не хочешь коммитить.
Решение

git stash          # Сохраняем изменения
git checkout dev   # Переключаемся на другую ветку
# Делаем нужную работу...
git checkout main  # Возвращаемся в основную ветку
git stash pop      # Восстанавливаем изменения

Ставь 👍 и забирай 📚 Базу знаний

🤔 Как бы отнесся к смене Django на Flask?

Зависит от задачи. Flask хорош для легковесных API, но Django упрощает разработку полноценных приложений благодаря встроенным компонентам (ORM, Admin, Auth). Если нужен гибкий API, Flask – отличная альтернатива.

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

🤔 Какие есть особенности исключения в Python?

В Python исключения (exceptions) — это специальные объекты, которые возникают при ошибках и прерывают выполнение программы, если их не обработать.

Все исключения в Python — это объекты, унаследованные от BaseException.

try:
    1 / 0
except ZeroDivisionError as e:
    print(type(e))  # <class 'ZeroDivisionError'>
    print(e)  # division by zero

Все исключения унаследованы от BaseException:

BaseException
 ├── Exception
 │   ├── ArithmeticError
 │   │   ├── ZeroDivisionError
 │   │   ├── OverflowError
 │   ├── ValueError
 │   ├── IndexError
 │   ├── KeyError
 │   ├── TypeError
 ├── SystemExit
 ├── KeyboardInterrupt

Можно перехватывать несколько исключений

try:
    x = int("abc")  # Ошибка ValueError
except (ValueError, TypeError) as e:
    print(f"Ошибка: {e}")

Если не знаем, какая ошибка может произойти:

try:
    x = 1 / 0
except Exception as e:
    print(f"Ошибка: {e}")  # division by zero

finally выполняется всегда

try:
    1 / 0
except ZeroDivisionError:
    print("Ошибка!")
finally:
    print("Этот код выполнится всегда")

raise позволяет выбрасывать исключения вручную

raise ValueError("Ошибка: неверное значение!")

Можно создать свой класс ошибки, унаследованный от Exception:

class MyError(Exception):
    pass

raise MyError("Это моя ошибка!")

Ставь 👍 и забирай 📚 Базу знаний

На easyoffer 2.0 появится:
Тренажер "Реальное собеседование"

🟠 Сценарии вопросов из реального собеседования
🟠Возможность подготовиться к собеседованию в конкретную компанию
🟠Итоговая статистика (прошёл/не прошёл)

Сценарий вопросов взят из реального собеседования. То есть вы тренируетесь на тех вопросах, которые действительно задавались в компании X.

Уже в начале следующей недели стартует краудфандинг кампания, чтобы ускорить разработку easyoffer 2.0. Все кто, поддержал проект на этом этапе смогу получить 1 год доступа к сайту по цене месячной подписки. Первые 150 донатеров получать особо-выгодную цену и бонус. Следите за стартом 👉 в этом телеграм канале, в нем информация о старте будет опубликована за 6 часов до официального начала.

🤔 Почему предпочитаешь Flask?

- Гибкость – нет "навязанной" структуры, можно легко менять архитектуру.
- Производительность – быстрее, так как нет лишних абстракций.
- Простота – минимальный код, удобен для REST API и микросервисов.
Flask лучше для API-first решений, но для крупных проектов удобнее Django.

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

🤔 За счет чего асинхронность работает быстрее?

Асинхронность в Python позволяет не блокировать выполнение программы во время ожидания операций ввода-вывода (I/O). Это делает её намного быстрее в задачах, где программа тратит много времени на ожидание (например, загрузка файлов, работа с сетью, запросы к базам данных).

🟠Как работает синхронный код (медленный вариант)
В обычном (синхронном) коде каждая операция ждёт завершения предыдущей.

import requests
import time

start = time.time()

def fetch(url):
    response = requests.get(url)  # Ждём ответа от сервера
    return response.text

urls = ["https://example.com"] * 3

for url in urls:
    fetch(url)  # Ждём каждый запрос

print("Время выполнения:", time.time() - start)

🟠Как работает асинхронный код (быстрее!)
Асинхронность в Python использует event loop (цикл событий), который позволяет не ждать выполнения операции, а переключаться на другие задачи.

import asyncio
import aiohttp
import time

start = time.time()

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"] * 3
    tasks = [fetch(url) for url in urls]
    await asyncio.gather(*tasks)  # Запускаем все запросы одновременно

asyncio.run(main())

print("Время выполнения:", time.time() - start)

Ставь 👍 и забирай 📚 Базу знаний

🤔 Что такое гринлеты?

Это легковесные кооперативные потоки, работающие в одном системном потоке (thread). Они переключаются явно (yield), а не по расписанию ОС, как обычные потоки.
Особенности:
- Быстрее потоков, так как нет переключения контекста на уровне ОС.
- Используют меньше памяти, чем потоки или процессы.
- Не используют GIL в Python, но подходят только для I/O-bound задач.
Примеры:
- gevent (Python) – асинхронные корутины на основе гринлетов.
- goroutines (Go) – работает аналогично, но с автоматическим планировщиком.
- fibers (Ruby, C++) – реализуют кооперативную многозадачность.
Используются в сетевых приложениях (async I/O), web-серверах (gunicorn, gevent) и многопоточной обработке без создания системных потоков.

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

🤔 Что такое паттерн Заместитель (Proxy)?

Это структурный шаблон проектирования, который предоставляет объект, управляющий доступом к другому объекту. Этот паттерн создаёт суррогат или заместителя для другого объекта и контролирует доступ к нему.

🚩Зачем нужен паттерн Заместитель

🟠Управление доступом
Когда необходимо контролировать доступ к ресурсу.
🟠Отложенная инициализация
Когда необходимо отложить создание ресурсоёмких объектов до момента их первого использования.
🟠Управление ресурсами
Для управления ресурсами, такими как память или сетевые соединения.
🟠Логирование и кэширование
Для добавления дополнительной функциональности, такой как логирование или кэширование, без изменения кода основного объекта.

🚩Типы заместителей

🟠Управляющий заместитель (Virtual Proxy):
Контролирует доступ к объекту, создавая его по требованию.
🟠Защитный заместитель (Protection Proxy):
Контролирует доступ к объекту, ограничивая права пользователей.
🟠Удалённый заместитель (Remote Proxy)
Управляет доступом к объекту, находящемуся в другом адресном пространстве.
🟠Кэш-прокси (Cache Proxy)
Кэширует результаты запросов к объекту для повышения производительности.

🚩Как используется паттерн Заместитель

Заместитель реализует интерфейс основного объекта и перенаправляет вызовы к реальному объекту, добавляя при этом дополнительную функциональность. В этом примере класс Proxy контролирует доступ к классу RealSubject, добавляя проверку доступа и логирование.

from abc import ABC, abstractmethod

class Subject(ABC):
    @abstractmethod
    def request(self):
        pass

class RealSubject(Subject):
    def request(self):
        print("Реальный объект: Обработка запроса.")

class Proxy(Subject):
    def __init__(self, real_subject):
        self._real_subject = real_subject

    def request(self):
        if self.check_access():
            self._real_subject.request()
            self.log_access()

    def check_access(self):
        print("Заместитель: Проверка доступа перед выполнением запроса.")
        return True

    def log_access(self):
        print("Заместитель: Логирование времени запроса.")

# Клиентский код
real_subject = RealSubject()
proxy = Proxy(real_subject)

proxy.request()

Ставь 👍 и забирай 📚 Базу знаний

На easyoffer 2.0 появится:
База тестовых заданий

🟠Тестовые задания для разных грейдов
🟠Фильтрация тестовых заданий по технологиям и компаниям

Когда я только начинал учиться на программиста, я постоянно выдумывал себе задачи для практики и тратил на это много времени. Но только в момент поиска работы я столкнулся с тестовыми заданиями, и понял насколько круто они прокачивают навыки. Нужно было еще на этапе обучения пробовать их делать. Все компании стараются составить тестовое задание "под себя", это дает большой выбор в тематике задач и технологий. На easyoffer 2.0 вы сможете отфильтровать тестовые задания по навыкам/грейдам и найти те, что подходят лично вам для практики.

В течение 1-2 дней я объявлю о краудфандинг кампании, чтобы ускорить разработку easyoffer 2.0. Все кто, поддержал проект на этом этапе смогу получить 1 год доступа к сайту по цене месячной подписки и смогут попасть на закрытое бета-тестирование. А первые 150 донатеров получать особо-выгодную цену и бонус.

🚀 Следите за стартом 👉 в этом телеграм канале, в нем информация о старте будет опубликована за 6 часов до официального начала.

🤔 Как реализуются protected методы?

Методы обозначаются одним подчеркиванием перед именем (_method). Это соглашение, а не жесткое ограничение, и такие методы остаются доступными за пределами класса, но их не рекомендуется использовать напрямую.

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

🤔 Если мы не поставим двоеточие в конце строки для цикла "do-while", он все равно сработает?

В Python нет встроенного do-while цикла, но если бы он был, то без двоеточия : он не сработал бы. В Python все блоки кода (if, for, while, def, class и т. д.) должны заканчиваться двоеточием :.

while True  # ❌ Ошибка! Нет двоеточия
    print("Hello")

Выдаст

SyntaxError: expected ':'

🚩Как сделать аналог `do-while` в Python?

Так как do-while нет, его можно имитировать с while True и break

while True:  # ✅ Двоеточие обязательно!
    num = int(input("Введите число больше 0: "))
    if num > 0:
        break
    print("Ошибка! Попробуйте снова.")

Ставь 👍 и забирай 📚 Базу знаний

🤔 Какие преимущества рекурсивного подхода?

Преимущества рекурсивного подхода включают простоту и читаемость кода при решении задач с естественной рекурсивной структурой, таких как обход деревьев, работа с графами или решение комбинаторных задач. Рекурсия позволяет выразить проблему через повторяющиеся подзадачи, сокращая код и улучшая его читаемость. Часто используется, когда структура данных не фиксирована по размеру, что делает код более элегантным и понятным.

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

🤔 Как на уровне Python реализован декоратор?

В Python декораторы — это функции, которые оборачивают другие функции. Они добавляют или изменяют поведение функции без изменения её кода.

🟠Реализация простого декоратора вручную
Простейший декоратор, который добавляет текст перед выполнением функции

def my_decorator(func):  
    def wrapper():  
        print("Декоратор сработал!")  
        return func()  # Вызываем исходную функцию  
    return wrapper  # Возвращаем обёрнутую функцию

def say_hello():
    print("Hello!")

say_hello = my_decorator(say_hello)  # Оборачиваем вручную
say_hello()

Вывод

Декоратор сработал!
Hello!

🟠Реализация декоратора через `@`
Python позволяет упрощённый синтаксис через @

def my_decorator(func):
    def wrapper():
        print("Декоратор сработал!")
        return func()
    return wrapper

@my_decorator  # Эквивалентно say_hello = my_decorator(say_hello)
def say_hello():
    print("Hello!")

say_hello()

🟠Декоратор с `args` и `kwargs` (универсальный вариант)
Если функция принимает аргументы, их нужно передавать через args и kwargs

def my_decorator(func):
    def wrapper(*args, **kwargs):  # Поддержка любых аргументов
        print(f"Вызываем {func.__name__} с аргументами: {args}, {kwargs}")
        return func(*args, **kwargs)  # Вызываем оригинальную функцию
    return wrapper

@my_decorator
def greet(name):
    print(f"Привет, {name}!")

greet("Alice")

Вывод

Вызываем greet с аргументами: ('Alice',), {}
Привет, Alice!

🟠Декоратор с параметрами (фабрика декораторов)
Чтобы передавать параметры в декоратор, создаём функцию, которая возвращает декоратор

def repeat(times):  # Функция с параметром
    def decorator(func):
        def wrapper(*args, **kwargs):
            for _ in range(times):  # Повторяем вызов функции
                func(*args, **kwargs)
        return wrapper
    return decorator  # Возвращаем декоратор

@repeat(3)  # Передаём 3 → `repeat(3)` вернёт `decorator`
def hello():
    print("Hello!")

hello()

Вывод

Hello!
Hello!
Hello!

🟠Декораторы классов (`functools.wraps`)
Обычные декораторы ломают метаданные функции (__name__, __doc__).

import functools

def my_decorator(func):
    @functools.wraps(func)  # Сохраняем метаданные
    def wrapper(*args, **kwargs):
        print("Декоратор сработал!")
        return func(*args, **kwargs)
    return wrapper

@my_decorator
def greet():
    """Функция приветствия"""
    print("Hello!")

print(greet.__name__)  # greet (без wraps было бы wrapper)
print(greet.__doc__)  # Функция приветствия

Ставь 👍 и забирай 📚 Базу знаний