🧑‍💻 Подборка из 5 вопросов для Golang разработчиков

1. Какие микросервисы вы разрабатывали? Как они взаимодействовали между собой?
Примеры микросервисов:

- Сервис аутентификации (JWT, OAuth).
- Сервис платежей (интеграция с Stripe).
- Сервис уведомлений (Email/SMS).

Взаимодействие через REST API, gRPC или RabbitMQ.

2. Какие меры безопасности вы применяли при работе с Django и Postgres?
Основные меры:

- Django: CSRF-токены, HTTPS, django-axes.
- Postgres: Шифрование, ограничение прав пользователей.

3. Как бы вы реализовали хранение больших бинарных данных (например, BinaryField) в Postgres?
Для небольших файлов (до 1 ГБ) можно использовать bytea (бинарный тип). Для больших файлов лучше хранить ссылки на файлы в файловой системе или использовать Large Objects (LOB) в Postgres.

4. Напишите запрос для выборки всех кредитов физическим лицам с просроченной задолженностью.

SELECT c.* 
FROM credits c
JOIN clients cl ON c.client_id = cl.id
WHERE cl.type = 'individual' 
  AND c.due_date < CURRENT_DATE 
  AND c.paid_amount < c.total_amount;

5. Как Postgres хранит данные внутри себя?
PostgreSQL хранит данные в таблицах, которые разбиты на страницы (обычно 8 КБ). Каждая страница содержит записи (tuples), а индексы ускоряют поиск.

#microservices #api #rabbitmq #security #django #postgresql #binary #storage #sql #query #database

#article #ellipsis
📚 Объект многоточие в Python

Статья подробно разбирает объект многоточие (Ellipsis) в языке Python — что это за специальная встроенная константа, как она представляется в коде (через литерал ...) и где её можно использовать на практике. Автор показывает примеры применения Ellipsis в аннотациях типов (например, для указания неизвестной длины кортежей или неопределённых сигнатур функций), а также рассматривает случаи, когда многоточие может выступать в роли заполнителя вместо pass. В тексте также упоминаются сторонние библиотеки, такие как FastAPI и Typer, где объект многоточие помогает делать параметры обязательными или задавать прочие формы поведения. Статья полезна разработчикам Python, которые хотят глубже понять нюансы языка и познакомиться с необычными, но практичными элементами синтаксиса.

Перейти к материалу

📣 Все для прокачки навыков:
✅ Анонсы → канал
✅ Комьюнити → чат
✅ База задач и вопросов → платформа

#documentation #начинающие
📚 rubykoans

Интерактивный тренажёр, построенный на методе «коанов» — последовательных задач, где нужно исправлять ошибки в коде, чтобы понять принципы языка. Охватывает базовые темы (строки, числа, методы) и продвинутые (блоки, исключения, метапрограммирование). Каждый шаг сопровождается пояснениями, а прогресс отслеживается автоматически. Отличный способ освоить Ruby через «пробование на ощупь».

Перейти к материалу

📣 Все для прокачки навыков:
✅ Анонсы → канал
✅ Комьюнити → чат
✅ База задач и вопросов → платформа

#Собес #ml #model
🤔 Какие сложности возникают при запуске моделей внутри контейнеров

💬 Кратко:

Основные сложности связаны с зависимостями, размером образов и ресурсами. ML-модели часто требуют специфичных версий библиотек и драйверов. Контейнеры с GPU сложнее в настройке и отладке. Также возникают проблемы с памятью и временем старта. Все это усложняет эксплуатацию в продакшене.

📌 Полный разбор + примеры использования — на платформе:
👉 Перейти к разбору

📣 Все для прокачки навыков:
✅ Анонсы → канал
✅ Комьюнити → чат
✅ База задач и вопросов → платформа

🧑‍💻 5 сложных вопросов для Python разработчиков

1. Почему нельзя делать мутабельные типы аргументами функции по умолчанию?
Если мутабельный тип данных используется как дефолтный аргумент, то изменения, сделанные в этом объекте внутри функции, сохранятся при последующих вызовах функции. Это связано с тем, что дефолтные аргументы вычисляются только один раз при определении функции, а не при каждом вызове.

2. Что такое внедрение зависимостей (Dependency Injection) в FastAPI?
Dependency Injection в FastAPI — это механизм, который позволяет передавать зависимости (например, функции, объекты, настройки) в обработчики маршрутов. Это упрощает управление кодом и повышает его тестируемость.

3. Является ли range итератором?
Да, объект range является итератором в Python. Это последовательность чисел, которая генерируется по запросу и используется в циклах. В Python 3 range не является списком, а является более эффективным объектом, который генерирует числа по мере их запроса.

4. Какой синтаксис создания генераторов?
Генераторы в Python создаются с использованием функции, которая содержит ключевое слово yield. Генератор возвращает элементы по одному, и его выполнение приостанавливается на каждом yield и возобновляется с того места, где оно было приостановлено. Генераторы экономят память, так как данные генерируются по мере необходимости, а не сохраняются в памяти.

5. Как в памяти Python хранятся списки и кортежи?
Списки в Python — это изменяемые объекты, которые хранят ссылки на другие объекты, что позволяет изменять их содержимое. Кортежи — неизменяемые объекты, которые также хранят ссылки на другие объекты, но их содержимое нельзя изменить после создания. Списки обычно занимают больше памяти, чем кортежи, из-за необходимости поддержания изменяемости.

#mutable #arguments #function #fast_api #dependency #injection #range #iterator #iterable #yield #generator #memory #tuple #list

#repository #кибербезопасность
📚 Структурированный 90-дневный план обучения кибербезопасности предназначенный для начинающих специалистов

План обучения, разделённый на ежедневные задания, охватывающие ключевые темы

Перейти к материалу

📣 Все для прокачки навыков:
✅ Анонсы → канал
✅ Комьюнити → чат
✅ База задач и вопросов → платформа

#video #async #data
📚 Курс NodeJS

Изучаем Backend разработку с Node.js. Работаем с серверами, файлами, базами данных. Изучаем асинхронный и синхронный подход.

Перейти к материалу

📣 Все для прокачки навыков:
✅ Анонсы → канал
✅ Комьюнити → чат
✅ База задач и вопросов → платформа

#Собес #sensor #resource
🤔 Какие проблемы с ресурсами могут возникать при неправильном использовании сенсоров?

💬 Кратко:

При неправильном использовании сенсоры могут занимать worker-ы на долгое время. Это приводит к нехватке слотов для реальных задач. Scheduler начинает работать медленнее, а DAG-и встают в очередь. Также растёт нагрузка на внешние системы из-за частых проверок. В итоге Airflow становится нестабильным.

📌 Полный разбор + примеры использования — на платформе:
👉 Перейти к разбору

📣 Все для прокачки навыков:
✅ Анонсы → канал
✅ Комьюнити → чат
✅ База задач и вопросов → платформа

🧑‍💻 Подборка из 5 вопросов для Golang разработчиков

1. Как полнотекстовый поиск реализуется в PostgreSQL?
В PostgreSQL текст преобразуется в специальное представление tsvector, а запрос — в tsquery. Поиск выполняется с использованием GIN- или GiST-индексов. Это позволяет эффективно искать слова с учётом морфологии.

2. Как backend агрегирует и хранит результаты inference
Backend принимает результаты inference и приводит их к удобному для хранения формату. Он агрегирует данные по времени, сущностям или сценариям. Хранение обычно выполняется в базе данных или object storage. Backend также отвечает за идемпотентность и повторную обработку. Это позволяет использовать результаты inference в аналитике и бизнес-логике.

3. Как решаются проблемы производительности при работе с БД?
Проблемы производительности БД решаются анализом запросов, индексированием и оптимизацией схемы. Важно измерять, а не гадать — использовать планы выполнения и метрики. Часто узким местом становятся неэффективные запросы или отсутствие индексов. Также применяются кэширование и денормализация. Решения зависят от характера нагрузки.

4. Как транзакционность влияет на производительность запросов?
Транзакционность добавляет накладные расходы, потому что СУБД должна обеспечивать атомарность, изоляцию и надёжность операций. Это требует блокировок, ведения журналов и управления версиями данных. В результате запросы внутри транзакций могут выполняться медленнее, особенно при высокой конкуренции.

#full #text #search #aggregation #inference #result #database #performance #transaction #acid

#book #php #sql
📚 PHP глазами хакера, Михаил Фленов

Самая противоречивая книга рейтинга: её часто критикуют за поверхностный подход, поэтому специалистам она вряд ли будет полезна. Зато новичкам может подойти как лёгкое, мотивирующее чтение для первого знакомства с темой.

Перейти к материалу

📣 Все для прокачки навыков:
✅ Анонсы → канал
✅ Комьюнити → чат
✅ База задач и вопросов → платформа

#video #api
📚 Разработка Web API на ASP.NET Core 5 и .NET 5

Используя чистую архитектуру (clean architecture), ASP NET Core 5, EF Core 5, Swagger, IdentityServer4, C#, SQLite, Fluent Validation, XUnit, NSwag Studio, Serilog, Automapper, MediatR, CQRS мы будем разрабатывать web api для работы с заметками.

Мы пройдемся по всем основным этапам разработки web api и в итоге получим масштабируемый, легко поддерживаемый проект Web API, сделанный с использованием good practices.

Перейти к материалу

📣 Все для прокачки навыков:
✅ Анонсы → канал
✅ Комьюнити → чат
✅ База задач и вопросов → платформа

#Собес #collision #perturbation #rehash
🤔 Как Python решает коллизии при хешировании?

💬 Кратко:

При коллизии CPython применяет perturbation‑алгоритм (шаговая арифметика) для вычисления следующей позиции в таблице. Если таблица перегружена, происходит её расширение, и все элементы перехешируются заново. Удалённые слоты помечаются dummy, чтобы не нарушить поиск.

📌 Полный разбор + примеры использования — на платформе:
👉 Перейти к разбору

📣 Все для прокачки навыков:
✅ Анонсы → канал
✅ Комьюнити → чат
✅ База задач и вопросов → платформа

#trainer #задачи
📚 Как LeetCode, но для Linux, Docker и Kubernetes

Огромная коллекция хардкорных задач, основанных на реальных проблемах
С автоматической проверкой, полезными подсказками и пошаговыми решениями.

Перейти к материалу

📣 Все для прокачки навыков:
✅ Анонсы → канал
✅ Комьюнити → чат
✅ База задач и вопросов → платформа

#repository #jetpack #androidarchitecture
📚 Android Architecture Components samples

Репозиторий от Google содержит набор демонстрационных приложений, иллюстрирующих применение Android Architecture Components и библиотек Jetpack (ViewModel, LiveData, Room, Paging, Navigation, WorkManager и др.) для построения устойчивых и тестируемых Android‑приложений; примеры, написанные преимущественно на Kotlin, охватывают различные сценарии разработки — от базовых до сложных архитектур, включают пояснения и комментарии, позволяют изучить лучшие практики проектирования и служат готовыми шаблонами для использования в реальных проектах.

Перейти к материалу

📣 Все для прокачки навыков:
✅ Анонсы → канал
✅ Комьюнити → чат
✅ База задач и вопросов → платформа

#Собес #ml #model
🤔 Какие сложности возникают при запуске моделей внутри контейнеров

💬 Кратко:

Основные сложности связаны с зависимостями, размером образов и ресурсами. ML-модели часто требуют специфичных версий библиотек и драйверов. Контейнеры с GPU сложнее в настройке и отладке. Также возникают проблемы с памятью и временем старта. Все это усложняет эксплуатацию в продакшене.

📌 Полный разбор + примеры использования — на платформе:
👉 Перейти к разбору

📣 Все для прокачки навыков:
✅ Анонсы → канал
✅ Комьюнити → чат
✅ База задач и вопросов → платформа

#channel #mvc #опытные #начинающие
📚 Dmitry Afanasyev

Дмитрий Афанасьев ведёт, пожалуй, один из самых популярных и старых каналов в рунете по программированию на PHP. Он не обошёл вниманием как начинающих программистов, посвятив им несколько плейлистов по изучению PHP и созданию интернет-магазина, так и более опытных, записав туториал по созданию собственного MVC-приложения, изучению October CMS, Laravel и Zend Framework 2. Раньше эти курсы были платными, однако теперь автор выложил их в открытый доступ, так что теперь у вас есть эксклюзивные уроки на PHP.

Перейти к материалу

📣 Все для прокачки навыков:
✅ Анонсы → канал
✅ Комьюнити → чат
✅ База задач и вопросов → платформа

#article #llm
📚 Почему галлюцинации ломают каждую LLM — и что с этим делать

Статья объясняет, почему большие языковые модели (LLM) непредсказуемы и как «галлюцинации» — то есть непоследовательные или неверные ответы — мешают созданию надёжных приложений на их основе: в отличие от традиционного кода, где логика детерминирована, LLM — «чёрный ящик», поведение которого трудно проверить и протестировать, а любые изменения промптов — лишь эвристика, не гарантирующая стабильности; автор обсуждает сложности тестирования таких систем и отмечает, что только глубокие исследования и новые методы способны частично решить эти проблемы, но сегодня разработчикам приходится мириться с ограничениями и тестировать модели на реальных задачах

Перейти к материалу

📣 Все для прокачки навыков:
✅ Анонсы → канал
✅ Комьюнити → чат
✅ База задач и вопросов → платформа

#Собес #pipeline #ci #stage
🤔 Что происходит при автоматической сборке feature-ветки на stage-окружение?

💬 Кратко:

При автоматической сборке feature-ветки код собирается и деплоится в stage-окружение без ручного вмешательства. Запускаются сборка, тесты и линтеры. Результат доступен для проверки командой и QA. Это позволяет выявить проблемы до merge в основную ветку. Stage обычно максимально приближен к production.

📌 Полный разбор + примеры использования — на платформе:
👉 Перейти к разбору

📣 Все для прокачки навыков:
✅ Анонсы → канал
✅ Комьюнити → чат
✅ База задач и вопросов → платформа