Python Backend | YeaHub

#Собес #replication #high_availability #failover
🤔 Что такое PostgreSQL replication?

💬 Кратко:

Репликация в PostgreSQL — это процесс создания копий данных из основной базы данных на другие серверы. Это повышает отказоустойчивость, позволяет балансировать нагрузку и обеспечивает резервное копирование. Существует несколько типов репликации: синхронная и асинхронная.

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

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

#Собес #bound #python #oop

🤔 Middle Python Backend разработчик в компанию Sunlight

Техническое собеседование. Лето 2025. Вилка: 250к +. Опыт в резюме: 3 года. Проект: Клиентский сервис.

💬 Вопросы:

- Расскажи о принципах ООП в контексте Python

- Что знаешь о наследовании в контексте Python?

- Что такое корутина в Python?

- Какие есть типы соединений (JOIN) в PostgreSQL?

- Что такое Redis и для чего он используется?

👉 Все вопросы из этого собеседования (34)

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

Если ты хочешь получить оффер, то тебе нужно понять, на что стоит тратить свои силы при подготовке к трудоустройству

Когда ты смотришь вакансии, начинает казаться, что ты должен выучить всё и сразу. Ты вроде уже пишешь какой-то функционал, решаешь задачки, чувствуешь прогресс, но при этом не понимаешь, стоит ли выучить ещё одну кучу технологий либо нужно уже остановиться на том, что есть. И вот эта каша в голове не дает тебе сделать первый шаг – откликнуться на вакансию и пройти собеседование

Попробуй сейчас проверить свои знания и готовность идти к собесам 👀

1. Убедись, что ты понимаешь, как твои инструменты работают внутри ("под капотом"). На уровне мидла важно как минимум разбираться в асинхронности, работе памяти и многопоточности

2. Если ты всё-таки выбираешь работать с более сложными технологиями, то проверь, что хорошо в них разбираешься. Да, нужно глубоко знать хотя бы один фреймворк, а об остальных стоит иметь какое-то представление (и желательно не совсем поверхностное)

3. А если ты уже на этапе составления резюме и собесов, проверь, как упаковал свой опыт (ведь собеседования буквально все больше начинают походить на продажу в магазине или даже на рынке 🫠). В резюме крайне желательно указать свои настоящие бизнес-кейсы (с описанием архитектурных решений, проблемами, с которыми столкнулся, и тем, как ты их решил)

Твоя основная задача вообще не в том, чтобы всё тупо вызубрить. Она заключается в том, чтобы реально разобраться в разработке и самое главное доказать работодателю, что ты понимаешь, что и зачем ты делаешь

⭐️ Пост Guru Python:
Сергей Филичкин

#Собес #async #asyncio #aiohttp
🤔 Как организовать асинхронные запросы к нескольким внешним сервисам? (asyncio, обработка ошибок)

💬 Кратко:

Асинхронные запросы можно организовать с помощью библиотеки aiohttp и модуля asyncio. Запросы выполняются параллельно, что ускоряет работу. Ошибки обрабатываются через try-except или asyncio.gather с параметром return_exceptions=True.

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

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

👨🏻‍💻 Сервис лайвкодинга в YeaHub

Фактически — релиз уже состоялся.
Но честно: мы не успели загрузить ту огромную базу задач, которую планировали, и ещё не всё успели полноценно протестировать.

Поэтому до 23 февраля работаем в режиме «вместе доделываем продукт»:
— мы активно добавляем задачи и чиним баги, все
— пока тестируем, все задачи открыты, после этого примерно 50% закроем для членов
— вы решаете, находите проблемы, пишете в поддержку и даёте фидбек
— ну и оформляете подписку 😜

Что уже есть:
• база реальных задач с собеседований
• JavaScript / Python / Java / Go
• удобный редактор и проверка решений

Что скоро:
• связь задач с компаниями и коллекциями собеседований (не успели в этот релиз)
• другие языки
• контесты
• обучающие модули и курс по алгоритмам
• AI-разбор решений построчно
• челленджи и соревнования

👉 Задачи: https://yeahub.ru/dashboard/tasks

👉 Членство: https://yeahub.ru/dashboard/settings#select-tariff

Новогодние цены действуют только до полноценного запуска. После — x2.
Сейчас лучший момент подключиться и поддержать проект.

Спасибо, что помогаете нам запустить это правильно✊🏻🚀💪

#repository #собес
📚 Interactive Coding Challenges от Donne Martin

Более 120 интерактивных задач по кодированию Python (алгоритмы и структуры данных) — поставляется с картами программы для запоминания Anki.

Перейти к материалу

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

#Собес #sql #postgres #database
🤔 Что такое транзакция в базе данных? + ACID

💬 Кратко:

Транзакция — это набор операций, выполняемых как единое целое. Гарантирует ACID (атомарность, согласованность, изоляция, долговечность).

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

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

#Собес #python #dict #solid

🤔 Middle Python (Fast API) Backend разработчик в компанию НПФ Будущее

Техническое собеседование. Весна 2025.

💬 Вопросы:

- Какие есть типы данных в Python?

- Что такое абстрактные классы?

- Как реализовать транзакции через SQL-запросы?

- Для нагрузочного тестирования нужно добавить 10,000 клиентов в базу данных. Как бы вы это сделали?

- Использовали ли Redis для Celery?

👉 Все вопросы из этого собеседования (16)

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

#Собес #typing #static_analysis #mypy
🤔 Плюсы и минусы типизации в Python

💬 Кратко:

Типизация помогает избежать ошибок и улучшает автодополнение. Однако Python остаётся динамическим языком, и типы не проверяются во время исполнения. Главный плюс — читаемость и поддержка. Минус — добавление "шума" и необходимость использования внешних инструментов (например, mypy).

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

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

#tool #профиль
📚 Awesome GitHub Profile: ваш профессиональный бренд в цифровом мире

Это уникальный инструмент для персонализации вашего GitHub-профиля, который поможет вам создать впечатляющее портфолио и выделиться среди других разработчиков.

Перейти к материалу

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

#Собес #seq_scan #index #b-tree
🤔 Если в запросе Seq Scan по полю с датой, что это значит? Какой индекс накинуть на дату и почему? (B-tree vs Hash).

💬 Кратко:

Seq Scan (sequential scan) means что база данных читает всю таблицу для выполнения запроса, что медленно для больших таблиц. Для поля с датой следует создать B-tree индекс, потому что B-tree поддерживает range queries (например, поиск по периоду), while Hash индекс only supports equality checks.

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

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

#Собес #hash #idempotency #index

🤔 Middle+ Python Backend-разработчик в компанию GoSolve

Техническое собеседование в USA компанию. Вилка 6500$.

💬 Вопросы:

- Что такое FastAPI и какие у него ключевые особенности?

- Что произойдёт, если перед корутиной не использовать await?

- В чём заключаются ключевые различия между FastAPI и Django, и в каких случаях предпочтительно использовать каждый из этих фреймворков?

- Как интегрировать сторонние API и какие подходы позволяют корректно обрабатывать входящие webhook-события?

- Как следует действовать, если во входящем событии отсутствует идентификатор, но необходимо обеспечить идемпотентную обработку без повторного выполнения действий?

👉 Все вопросы из этого собеседования (12)

📣 Хочешь больше собесов?
Подпишись на наш главный канал

Когда действительно нужны итераторы в python

И первое с чего нужно начать — итераторы нужны не ради экономия памяти, а они нужны ради контроля над чтением данных

Самый простой пример:

class DataStream:
    def __init__(self, source):
        self.source = source
        self.pos = 0

    def __iter__(self):
        return self

    def __next__(self):
        if self.pos >= len(self.source):
            raise StopIteration
        value = self.source[self.pos]
        self.pos += 1
        return value

Такой объект читает данные по одному элементу и запоминает позицию

Т.е. состояние хранится внутри и повторно пройтись по данным нельзя

stream = DataStream([1, 2, 3])

list(stream)  # [1, 2, 3]
list(stream)  # []

По сути если объект можно читать сколько угодно раз — это скорее коллекция
А если можно прочитать только один раз — это поток

Итератор — это одноразовый поток

В целом можно сделать и через генератор:

def stream(data):
    for x in data:
        yield x

Но так стоит делать в следующих ситуациях:
- нет необходимости возвращаться назад
- нет внешних эффектов
- не нужно управление процессом чтения

Но как только появится задача вроде "продолжить с места последнего падения" или "повторить последний шаг" — с генератором может быть больше проблем, чем пользы

Как можно сохранить позицию, например:

class CheckpointStream(DataStream):
    def checkpoint(self):
        return self.pos

    def restore(self, pos):
        self.pos = pos

stream = CheckpointStream([100, 200, 300])

print(next(stream))  # 100
saved = stream.checkpoint()

print(next(stream))  # 200
stream.restore(saved)

print(next(stream))  # снова 200

Так работают пакетные обработки, конвейеры данных и повторные запуски после ошибок


А асинхронный вариант может выглядеть так:

class AsyncStream:
    def __aiter__(self):
        return self

    async def __anext__(self):
        ...

# Дальше обычный цикл:
async for item in stream:
    ...

Если подытожить:
Генератор — удобный синтаксис
Итератор — инструмент управления

Если контроль над данными и позициями не нужен — не усложняйте код, можете просто использовать генератор


⭐️ Пост Guru Python:
Сергей Филичкин

#Собес #aenter #aexit
🤔 Какие методы используются в асинхронном контекстном менеджере

💬 Кратко:

Асинхронный контекстный менеджер использует два метода: __aenter__ и __aexit__. Они являются асинхронными и возвращают корутины. __aenter__ вызывается при входе в async with. __aexit__ вызывается при выходе из блока, даже если произошла ошибка. Эти методы позволяют управлять ресурсами безопасно.

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

📣 Хочешь получать больше таких разборов?
Подпишись на наш главный канал

#podcast #всё
📚 Подкасты Y_LAB

Здесь вы найдете разнообразный IT-контент: от глубоких технических обсуждений до увлекательных и расслабляющих бесед. Наши эпизоды охватывают широкий спектр тем, связанных с разработкой и новейшими технологиями, чтобы каждый разработчик нашел что-то для себя. Присоединяйтесь к нам, чтобы углубить свои знания, оставаться в тренде и вдохновляться новыми идеями!

Перейти к материалу

👉 База вопросов 👉 Новости

#Собес #gitignore
🤔 Что делает файл .gitignore?

💬 Кратко:

Файл .gitignore определяет файлы и папки, которые Git должен игнорировать. Это используется для исключения временных файлов, логов, зависимостей, сгенерированных файлов и других ненужных элементов.

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

📣 Хочешь получать больше таких разборов?
Подпишись на наш главный канал

#Собес #scrape #metrics #prometheus

🤔 Middle Python Backend-разработчик в компанию ОКБ

Техническое собеседование. Вилка 220к. Много тупых и ненужных вопросов на второстепенные технологии.

💬 Вопросы:

- Что такое Redis и как он используется?

- Какие инструменты используются для мониторинга? (Prometheus, Grafana, Sentry)

- Как Redis может помочь в кэшировании данных?

- Разница микросервисов и монолита

- Каковы преимущества и недостатки использования ORM, такой как SQLAlchemy?

👉 Все вопросы из этого собеседования (15)

📣 Хочешь больше собесов?
Подпишись на наш главный канал

Потоковая обработка данных. Как еще можно применять генераторы в Python

Генераторы стали основой для работы с непрерывными потоками информации: live-метрики, события IoT, стримы логов и real-time аналитика

Например генератор потока данных от сенсора

import time
import random

def sensor_stream(sensor_id):
    """Поток показаний сенсора"""
    value = 50.0
    while True:
        value += 1  # Новое показание
        yield {
            'sensor': sensor_id,
            'value': value,
            'timestamp': time.time()
        }
        time.sleep(1)  # Задержка между измерениями

Фильтрация + агрегация на лету

def process_stream(stream, max_value=100):
    """Фильтрует аномалии и считает среднее за последние 5 значений"""
    buffer = []
    for point in stream:
        if 0 < point['value'] < max_value:  # Фильтрация
            buffer.append(point['value'])
            buffer = buffer[-5:]  # Последние 5 значений
            
            point['avg'] = sum(buffer) / len(buffer)
            yield point

Применение в мониторинге систем

# Создаём поток данных
stream = sensor_stream('server_temp')
processed = process_stream(stream)

# Мониторим
for point in processed:
    print(f"{point['sensor']}: {point['value']}°C (avg: {point['avg']:.1f})")
    
    if point['avg'] > 30:
        print("⚠️ Внимание")

Ключевые преимущества такого подхода:
1. Композируемость — генераторы легко объединяются в цепочки
2. Ресурсная эффективность — не храним полные массивы данных
3. Раннее обнаружение проблем — многие проблемы видно сразу, а не после обработки всего массива

⚡️ Генераторы позволяют обрабатывать данные в момент их появления, что критично для систем, в которых нужно отслеживать данные в реальном времени

⭐️ Пост Guru Python:
Сергей Филичкин