MiddleSMM Manager > Общее > Контент-стратегия
Короткий ответ Нужен единый инструмент с чёткими ролями, дедлайнами на каждом шаге цепочки (бриф → текст → визуал → согласование → публикация) и буфером времени между этапами; без зафиксированной последовательности и сроков передачи задач между исполнителями срывы неизбежны при любой задержке одного из звеньев. Как это работает подробнее контент-план дополняют не только датой публикации, но и промежуточными дедлайнами для каждого исполнителя в цепочке производства, с запасом на случай задержки. Что использовать на практике На практике. полезно вести единую доску задач с ответственным на каждом шаге и уведомлениями о приближении дедлайна, чтобы менеджер не узнавал о задержке в последний момент. Пример. Цепочка на пост от 20.06: бриф готов 10.06, текст от копирайтера — 13.06, макет от дизайнера — 16.06, согласование — 18.06, публикация — 20.06. Проверка: если текст не готов к 13.06, менеджер видит это по доске задач за неделю до публикации, а не в день дедлайна. Подводные камни Частые ошибки. ставить всем испол
content-operationscontent-planning
MiddleDevOps Engineer > Контейнеры и доставка > Безопасность и DevSecOps
Короткий ответ Сканирование делают многоступенчатым: строгая блокировка (fail build) на Critical-уязвимостях с доступным патчем в слоях, контролируемых командой, и отдельный, более мягкий контроль (отчёт/тикет, но не блокировка) для унаследованных проблем базового образа с планом обновления и дедлайном. Как это работает подробнее уязвимости в образе делятся по происхождению — в коде/зависимостях приложения (контролирует команда напрямую) и в слоях базового образа (контролирует владелец базового образа или требует его обновления). Блокировка пайплайна эффективна только там, где команда может сразу исправить проблему; для унаследованных уязвимостей жёсткая блокировка просто останавливает всю разработку без возможности быстро исправить. Пример кода Что использовать на практике Практика. вводят политику исключений с обязательным тикетом и сроком («эта CVE в базовом образе допускается до даты X, после — блокирует релиз»), регулярно обновляют базовый образ отдельным процессом (dependabot/renovate для Dockerfile), п
ci-cdcontainers
MiddleDevOps Engineer > Контейнеры и доставка > Хранение данных
Короткий ответ Данные приложения должны находиться в named volume (или, при необходимости, bind mount), а не в writable-слое контейнера; при пересоздании контейнера с новым образом нужно подключить тот же volume по имени — тогда данные автоматически доступны новому контейнеру. Как это работает подробнее writable-слой уничтожается вместе с контейнером при docker rm, независимо от того, по какой причине он пересоздаётся (обновление версии образа, смена конфигурации). Если каталог с данными приложения внутри контейнера подключён как volume, сам volume существует отдельно от жизненного цикла контейнера и переживает его удаление. Пример кода Что использовать на практике Практика. типичный безопасный процесс обновления версии stateful-сервиса — docker stop old, docker rm old, затем docker run --name new -v same_volume:/data new_image; важно убедиться, что новая версия образа совместима по формату данных с тем, что лежит в volume (например, при мажорном обновлении БД иногда требуется отдельная миграция формата перед
containersdocker
MiddlePython Developer > Основы Python > Наблюдаемость
Короткий ответ На входе генерируют или подхватывают request id, кладут его в контекст логирования (contextvars) и передают дальше в заголовках при межсервисных вызовах; каждая запись лога формируется в JSON с этим id, что позволяет в системе агрегации отфильтровать все записи одного запроса по всем сервисам. Как это работает подробнее middleware на входе проверяет заголовок или генерирует UUID, сохраняет в contextvars.ContextVar, доступный во всех корутинах обработки запроса; фильтр логирования добавляет значение из контекста в каждую запись. Пример кода Что использовать на практике Рекомендация. JSON-формат даёт возможность индексировать поля (request_id, user_id, duration_ms) и строить дашборды/алерты по ним; при вызове другого сервиса request id передают в заголовке, чтобы его подхватил downstream-сервис. Подводные камни Риск. генерировать request id на каждом сервисе независимо, не передавая его дальше; использовать threading.local в асинхронном коде вместо contextvars — один поток обслуживает множество к
correlation-iddistributed-systems
SeniorPython Developer > Основы Python > Тестирование кода
Короткий ответ Нужно сочетать явные тесты конкурентного сценария на реальной тестовой БД (запуск нескольких параллельных операций над одной записью и проверка итогового состояния) с осознанным выбором механизма защиты (оптимистичная блокировка через version-поле, пессимистичная блокировка SELECT ... FOR UPDATE, сериализуемый уровень изоляции транзакций) — тест должен проверять именно тот механизм, который реализован, а не абстрактную «защищённость от гонок». Как это работает подробнее Тест запускает несколько потоков или процессов (или два отдельных соединения/сессии к одной тестовой БД), которые одновременно читают одну запись, изменяют её и пытаются сохранить, затем проверяет, что итоговое значение соответствует ожидаемому при выбранной стратегии защиты — например, что при оптимистичной блокировке один из конкурентных апдейтов явно завершается ошибкой конфликта версии, а не молча перезаписывает чужие изменения. Сравнение Компромисс. Тесты с принудительной синхронизацией гонки дают высокую уверенность, но сл
concurrencydatabases
MiddlePython Developer > Основы Python > Тестирование кода
Короткий ответ Каждый тест оборачивают в транзакцию (или savepoint) на реальном соединении с тестовой БД, а после теста транзакцию откатывают вместо того, чтобы пересоздавать схему или удалять данные вручную. Как это работает подробнее Фикстура открывает соединение, начинает транзакцию и создаёт сессию ORM, привязанную к этому соединению; все операции теста выполняются в её рамках. После теста fixture делает rollback — все изменения, включая вставки и обновления, отменяются, а схема и исходные данные (если были) остаются нетронутыми для следующего теста. Пример кода Что использовать на практике Практика. Такой подход значительно быстрее, чем пересоздание всей схемы БД между тестами, и хорошо работает с большинством тестов, но ломается, если тестируемый код сам управляет транзакциями (commit/rollback) — вложенные savepoint нужно настраивать аккуратно, либо использовать отдельный engine для такого кода. Подводные камни Риск. Не учитывать, что некоторые операции (например, DDL в части СУБД, или явный commit внут
databasespytest
SeniorPython Developer > Основы Python > Тестирование кода
Короткий ответ Нужно явно моделировать multi-tenant изоляцию в тестах — создавать как минимум два разных тестовых тенанта в большинстве интеграционных тестов на чувствительных к изоляции путях и явно проверять, что данные/действия одного тенанта не видны и не влияют на другой, а не полагаться на то, что тестовые данные случайно не пересекаются из-за разных ID. Как это работает подробнее В зависимости от архитектуры multi-tenancy (общая БД с tenant_id в каждой таблице, отдельная схема на тенанта, или отдельная БД на тенанта) тест должен воспроизводить именно тот механизм разделения, который используется в production — если изоляция держится на фильтрации по tenant_id в каждом запросе, тест обязан проверить, что забытый фильтр в одном из запросов действительно приводит к падению теста, а не остаётся незамеченным. Сравнение Компромисс. Полная изоляция с отдельной БД/схемой на тестовый тенант в каждом прогоне даёт самую высокую уверенность и ближе всего к production-архитектуре, но увеличивает время и сложность т
databasesmulti-tenancy
MiddlePython Developer > Основы Python > Архитектура баз данных
Короткий ответ Запросы на чтение (отчёты, листинги) направляют на отдельное read-only соединение к реплике, а запросы на запись и критичные к свежести чтения — на primary; главная проблема — replication lag, когда реплика ещё не применила недавние изменения с primary, и пользователь может не увидеть собственное только что сохранённое изменение. Как это работает подробнее Физическая/логическая репликация PostgreSQL асинхронно передаёт WAL с primary на реплику; величина задержки зависит от нагрузки и сети (синхронная репликация устраняет эту проблему ценой задержки записи на primary). Пример кода Что использовать на практике Практика. Типичный паттерн — маршрутизация запросов по признаку «это SELECT без требования строгой консистентности»; для сценария «показать сразу после записи» читают с primary в течение короткого окна. Подводные камни Ошибка. Отправляют на реплику запрос сразу после записи в рамках того же пользовательского действия, получая «заказ не найден» из-за лага; не мониторят сам лаг (pg_stat_repli
database-architecturepostgresql
MiddlePython Developer > Основы Python > Flask
Короткий ответ Общую проверку выносят в переиспользуемую функцию/декоратор и подключают её через before_request конкретного Blueprint (bp.before_request) или через общий механизм на уровне приложения с проверкой request.blueprint, избегая копирования одинаковой проверки в каждый модуль. Как это работает подробнее У каждого Blueprint есть собственные хуки before_request/after_request, которые срабатывают только для маршрутов этого Blueprint, в отличие от app.before_request, который срабатывает для всех запросов. Это позволяет применить, например, проверку авторизации только к admin-Blueprint, не трогая публичные маршруты. Пример кода Что использовать на практике Практика. Для действительно общей логики (например, добавление request_id для логирования) используют app.before_request; для логики, специфичной для группы маршрутов (авторизация только для /admin/*), — bp.before_request конкретного Blueprint. Декораторы на отдельные view оставляют для точечных исключений внутри Blueprint. Подводные камни Риск. Копиру
blueprintsflask
JuniorPerformance Marketer > Google Ads > Диагностика и измерение
Короткий ответ Если объявление не прошло модерацию, оно не показывается вообще, и, если в кампании/ad set'е нет других активных одобренных объявлений, бюджет кампании не расходуется, несмотря на то что кампания формально запущена и активна. Как это работает подробнее Платформа проверяет каждое объявление на соответствие политикам перед показом; при отклонении статус объявления меняется на «Отклонено»/«На проверке», и оно не участвует в аукционах до исправления или успешного повторного прохождения модерации. Что использовать на практике На практике. При подозрении на недорасход в первую очередь стоит проверить статус каждого объявления в ad set'е, а не только общие настройки бюджета и таргетинга. Пример. Ad set с бюджетом 3000 руб./день расходует 0 руб. третий день подряд. Проверка статуса объявления показывает «Отклонено: нарушение политики по персонализированной рекламе». Исправление и повторная отправка на проверку решает проблему. Подводные камни Частая ошибка. Частая ошибка — долго искать проблему в тарге
ad-platformsads-scripts