Pycon, к сожалению, закончился. Итоги подведены.

По результатам зрительского голосования мое выступление было признано лучшим на Python треке 🫡 . Огромное спасибо всем, кто оставил обратную связь, проголосовал и поддерживал добрым словом или мудрым советом. 🤝

Для меня персонально площадка pycon russia очень важна ❤️. Именно тут в 2022 году я впервые выступил на большой сцене с полновесным докладом за пределами своей компании (и там же впервые получил приз за лучший доклад 💪). Тем приятнее в этом сезоне было не только выступить как спикер, но и помочь с проведением конференции в качестве члена ПК и ведущего python трека.
Годы идут, но pycon остается для меня очень важным событием, где можно посоперничать с лучшими спикерами python сообщества в России.

Огромное спасибо организаторам, ПК, спикерам и, конечно же, зрителям за такую отличную конференцию! 🔥

До встречи в следующем году 🚀

P.S. Записи появятся примерно через месяц. Обязательно выложу на канале с моим личным топом докладов. 👀

#pycon

Выложили в паблик полный плейлист докладов с ekbpy 🔥

От себя рекомендую ознакомиться с докладами

🤜 Николай Марков - Управление пакетами - хорошее, плохое, злое? - основательный исторический обзор инструментов управления пакетами в python, какими они были, какие они сейчас?
🤜 Александр Гончаров. Чистый код: антипаттерны в питоне, и как с ними бороться - бодро, весело, задорно про типичные антипаттерны, хорошая подача, юмор
🤜 Аль Амин Ужахов. Как внутри работает Litestar? - про интересные особенности внутреннего устройства фреймворка

#ekbpy

https://peps.python.org/pep-0751/

Вы не ждали и не просили, но он пришел. Очередной pep про стандартный формат lock файлов для фиксации версий транзитивных зависимостей в python. Автор уже давно бьется за право принять подобный pep, и может быть в этот раз ему сопутствует удача. Все же лютый зоопарк решений (poentry, pipenv, pdm, rye) пора уже привести к какому-то общему знаменателю.

Пример нового формата
PEP 665 – A file format to list Python dependencies for reproducibility of an application - последний откланенный pep от этого же автора

7 сентября приглашаем всех тех, кто пишет на Python и работаем с ним, обсудить настоящее и будущее языка c экспертами!

Рассмотрим:

- Использование Python в энтерпрайзе
- Все о GIL
- Работа с RabbitMQ
- Внедрение подходов и паттернов из DDD
- Использование библиотек на Rust в Python

Купить билет: www.devfestomsk.ru

В рамках подготовки доклада нашел интересный материал по адаптации существующих библиотек с низкоуровневыми расширениями под freethreaded cpython (nogil) - https://py-free-threading.github.io . Как я понял, он ведется энтузиастами из сообщества.

Кроме инструкций по портированию и отладке кода https://py-free-threading.github.io/porting/ тут есть интересный документ со статусом портирования многих известных библиотек https://py-free-threading.github.io/tracking/

# Modern Python — уже серьезный ЯП или еще нет? (Нижний Новгород)

Материалы к докладу

## Про cpython и оптимизации в байткоде

- Афонасьев Евгений - А побыстрее можно? - доклад про оптимизации в работе с байтокодом, в рамках него я подробно рассказываю, что такое байткод и как с ним работает cpython
- Афонасьев Евгений - адаптируйся или умри - в рамках доклада подробно разбирается, как работает Specializing Adaptive Interpreter

## Про gil и nogil

- Афонасьев Евгений - Зачем нужен GIL и как от него избавиться? - подробный разбор от меня, как работает GIL, что конкретно он делает, какой план по его удалению из python
- UnderstandingGIL - доклад 2010 года от Дэвида Бизли про GIL во втором питоне, а как он изменился в третьем. Много очень интересных особенностей реализации
- PEP 703 – Making the Global Interpreter Lock Optional in CPython
- Keynote: Multithreaded Python without the GIL - presented by Sam Gross - Автор PEP-703 рассказывает про свой подход отказа от GIL
- перевод статьи 21го года о том, как работает GIL в python, с примерами кода, кишочками и всем, как мы любим. Автор копает глубоко и интересно
- инcтрукция по портирования extensions и таблица со статусом портирования популярных библиотек

## PEP 744 – JIT Compilation

- Афонасьев Евгений - Долгая дорога к JIT - подробный разбор от меня, что такое JIT, в каком виде он появится в 3.13 питоне, и как это повлияет на нас с вами
- Brandt Bucher – A JIT Compiler for CPython презентация для кор девелоперов (eng)
- JIT в Python | Никита Соболев доклад от core developer (ru)
- PEP про JIT, написанный и принятый уже после мержа изменений (eng)
- научная публикация про copy-and-patch jit (eng)
- хорошая статья с простым разъяснением нового JIT в python (eng)

## Другие изменения в python последних лет

- Сводная страницу со статусом по разработке сабинтерпретаторов, известные проблемы, планы, кто использует
- как выглядит DSL для байткода в исходном коде cpython (eng)
- спецификация DSL для байткода (eng)
- ранний дизайн tier2 оптимизатора (uops) (eng)
- PEP 669 – Low Impact Monitoring for CPython (eng)
- PEP 689 – Unstable C API tier (eng)

Пока составлял список, понял, что совсем забыл опубликовать запись своего доклада с последнего pycon про JIT. Получилось местами сумбурно, местами поверхностно, но, надеюсь, все равно познавательно и не скучно 🫡

https://www.youtube.com/watch?v=BiVEhI7wYS4&list=PLRdS-n5seLRrRY-GcK03hRnnayuVze9g2&index=16

#logging.py
https://github.com/Cog-Creators/Red-DiscordBot/blob/V3/develop/redbot/logging.py

#logging.py
https://github.com/hnkovr/summarize-backend/blob/3d73a40e2249696583dfeecfce9dae9fa8a5ddf7/core/logger.py#L28

Простыми словами: yield в Python

Ключевое слово yield позволяет создавать генераторы — функции, которые могут возвращать значения одно за другим, сохраняя свое состояние для следующего вызова. Это полезно для работы с большими наборами данных, так как не нужно загружать все данные в память сразу.

Когда функция с yield вызывается, она возвращает объект-генератор. Этот объект можно итерировать (перебирать) для получения значений, которые функция «производит» по мере необходимости.

Предположим, у нас есть функция, которая возвращает числа от 1 до 3:

def simple_generator():
    yield 1
    yield 2
    yield 3

# Получаем генератор
gen = simple_generator()

# Итерируем генератор
for value in gen:
    print(value)

# Результат:
# 1
# 2
# 3

Как это работает:

1. Функция simple_generator использует yield для возврата значений.
2. Каждый вызов yield приостанавливает выполнение функции и возвращает значение.
3. На следующий вызов итерации выполнение функции продолжается с места, где оно было приостановлено последним yield.

А теперь представьте, что вам нужно обработать очень большой список чисел, но вы хотите сделать это постепенно, по одному числу за раз. В этом случае генератор с yield идеально подходит.

Например, для фильтрации четных чисел:

def get_even_numbers(numbers):
    for number in numbers:
        if number % 2 == 0:
            yield number

big_list = range(1000000)  # Большой диапазон чисел

# Используем генератор для получения четных чисел
even_numbers = get_even_numbers(big_list)

# Печатаем первые 10 четных чисел
for _ in range(10):
    print(next(even_numbers))

# Результат:
# 0
# 2
# 4
# 6
# 8
# 10
# 12
# 14
# 16
# 18

Преимущества использования yield:

1. Экономия памяти. Генератор не загружает все данные в память сразу, а генерирует элементы по мере необходимости.
2. Упрощение кода. Использование yield упрощает написание функций, которые должны постепенно возвращать результаты.
3. Меньше кода для обработки больших наборов данных. Генераторы позволяют легко работать с большими данными без необходимости вручную управлять промежуточными структурами данных.

#простымисловами

Что должен знать каждый разработчик Python: 8 основных технологий

У каждого разработчика имеется свой набор технологий и инструментов, которые он использует в своей работе. Их выбор осуществляется в течение всего профессионального пути. Но есть и те, которые нужно знать каждому, не выбирая что-то одно.

В этой статье речь пойдёт о 8 таких технологиях, без которых никак не обойтись в работе в любой сфере от инжиниринга до бекенда.

#советы

Как автоматизировать инфраструктуру с помощью Terraform и Ansible

Terraform и Ansible — два популярных инструмента, которые помогают автоматизировать инфраструктуру и управлять ей. Первый позволяет настраивать ресурсы, реализовывать масштабируемость и удобное управление цифровыми активами компании. А второй осуществляет доставку, развертывание и обслуживание продуктов на серверах.

В этой статье мы рассказали в чем их особенности и как их можно интегрировать в разработку.

#devops #ansible #terraform

10 простых способов ускорить код на Python

Только ленивый не шутил про скорость работы Python. Да, зачастую он оказывается менее производительным, чем другие языки. Однако, существуют способы, которые позволяют значительно повысить скорость при выполнении сложных вычислений или даже обработке больших объёмов данных.

В этой статье собраны 10 таких способов. Читайте и сохраняйте, чтобы не забыть.

#советы

tg2md — простая библиотека для парсинга постов из Telegram в Markdown

С помощью этого небольшого скрипта вы сможете быстро преобразовать все посты источника, включая медиафайлы, в файлы с markdown разметкой для дальнейшей работы с Jekyll.

Всё, что нужно — запустить файл с указанием источника данных и путь к конечному каталогу. Подробнее в репозитории проекта.

#библиотека #инструменты #telegram

Вопросы для подготовки к Python Developer интервью

Ловите большую шпаргалку, в которой вы найдёте ответы на более чем 100 вопросов, встречающихся на интервью. Автор этого репозитория лично собирал вопросы и ответы на них, что заслуживает отдельного уважения.

А если хотите прочитать в формате книги, то скачивайте .epub, прикреплённый к посту.

#шпаргалка

Экскурс в Rust для питонистов

Rust с каждым днём набирает всё большую популярность. Поэтому многие задумываются о переходе на него или хотя бы об изучении его для расширения знаний.

В этом докладе Михаил Грачев рассказал, как Rust выглядит для разработчиков, которые уже хорошо умеют Ruby, Python или JS. Это не «введение в Rust для новичков», это обзор от опытного разработчика для других опытных разработчиков: ключевые отличия, на что стоит обращать внимания и где будет болеть.

#видео #доклад #rust

Простыми словами: DottedDict для работы со словарями

DottedDict — это удобный способ работы со словарями в Python, который позволяет обращаться к элементам словаря, используя точечную нотацию. Это делает код более читаемым и удобным, особенно когда у вас есть вложенные словари.

Зачем нужен DottedDict?

Обычные словари в Python требуют использования квадратных скобок для доступа к элементам. Когда у вас много вложенных словарей, это может стать неудобным и трудно читаемым. С DottedDict вы можете использовать точечную нотацию, как в объектах.

Прежде чем использовать DottedDict, его нужно установить. Это можно сделать с помощью pip:

pip install dotted-dict

Давайте рассмотрим простой пример использования DottedDict.

from dotted_dict import DottedDict

# Создание DottedDict
data = DottedDict({
    "user": {
        "name": "Alice",
        "contact": {
            "email": "alice@example.com",
            "phone": "123-456-7890"
        }
    }
})

# Доступ к элементам с использованием точечной нотации
print(data.user.name)            # Результат: Alice
print(data.user.contact.email)   # Результат: alice@example.com

В этом примере мы создали DottedDict и получили доступ к вложенным элементам с использованием точечной нотации.

Вы также можете изменять и добавлять элементы в DottedDict так же просто, как и в обычном словаре.

# Изменение значения
data.user.name = "Bob"
print(data.user.name)  # Результат: Bob

# Добавление нового значения
data.user.contact.address = "123 Main St"
print(data.user.contact.address)  # Результат: 123 Main St

Будете использовать?

❤️ — а я уже использую
👍 — конечно, как я раньше без этого жил
🤔 — а смысл?

#простымисловами #pip #dotteddict

Создание полного Fast-API сервиса с фронтендом и деплоем за полчаса

Статья для тех, кто устал от теории и хочет получить нужную практику. Вы разработаете полноценный веб-сервис с фронтендом и бэкендом. В проекте используется фреймворк FastApi , сервис WebSim, который сгенерирует для вас фронтенд и библиотеку CurlFetch2Py, которая будет выполнять основную логику приложения.

В итоге у вас получится приложение, которое будет принимать на входе CURL или FETCH строку и будет трансформировать её в Python код. Подробнее в статье:

https://habr.com/ru/companies/amvera/articles/833588/

#webdev #fastapi

Бесплатный курс по Python от Google

Курсов по Python много, в том числе и бесплатных. Но этот выделяется тем, что его разработала компания Google, которая понимает какие знания требуются для работы, например, у них.

На этом курсе вы изучите основные концепции программирования на Python и то, как специалисты по обработке данных используют Python в своей работе. Вы изучите такие концепции, как объектно-ориентированное программирование, переменные, типы данных, функции, условные операторы, циклы и структуры данных.

Начинаем по ссылке.

#курс