JuniorPython Developer > Основы Python > SQLAlchemy
Короткий ответ Сессия создаётся через sessionmaker(bind=engine)() или контекстный менеджер Session(engine), а запрос строится через select(Model) и выполняется методом session.execute()/session.scalars(), после чего результат извлекается методами .all()/.first(). Как это работает подробнее Сессия — рабочая единица, отслеживающая загруженные объекты (identity map) и накопленные изменения до flush/commit; в SQLAlchemy 2.0 единый стиль select(...) работает и для ORM-объектов, и для Core-выражений, в отличие от устаревшего session.query(...). Пример кода Что использовать на практике Практика. Сессию обычно открывают на время одного логического юнита работы (например, одного HTTP-запроса) и закрывают/коммитят в конце; удобно использовать with Session(engine) as session: — сессия закроется даже при исключении. Подводные камни Ошибка. Держат сессию открытой на всё время жизни приложения как глобальный singleton, что приводит к устаревшим данным в identity map и утечкам соединений; забывают обработать исключение и ос
ormpostgresql
MiddleDevOps Engineer > Контейнеры и доставка > Диагностика контейнеров
Короткий ответ Обычный docker exec sh не сработает, так как shell отсутствует; можно извлечь файлы через docker cp, либо запустить отдельный debug-контейнер (например, на базе busybox), разделяющий сетевые и/или PID namespaces с целевым контейнером через --network container:ID и --pid container:ID. Как это работает подробнее docker run --network=container:TARGET --pid=container:TARGET busybox sh создаёт новый, полноценный контейнер с инструментами внутри, но подключает его к тем же namespaces, что у целевого — в результате из debug-контейнера видно те же процессы (ps aux покажет процессы целевого контейнера) и ту же сетевую конфигурацию (можно сделать curl localhost:PORT, как если бы запрос шёл из самого целевого контейнера). Пример кода Что использовать на практике Практика. такой подход позволяет диагностировать сетевые проблемы (слушает ли приложение порт, отвечает ли локально) и процессный статус, не устанавливая никаких дополнительных инструментов в сам production-образ и не раздувая его ради редких случ
containersdistroless
MiddleSMM Manager > Общее > SMM-аналитика и метрики
Короткий ответ Для имиджевой кампании основные метрики — охват уникальной аудитории, частота и рост узнаваемости бренда (при наличии brand lift-исследования), тогда как для performance-кампании ключевые метрики — CTR, стоимость лида/заявки (CPL), конверсия в покупку и ROAS. Как это работает подробнее имиджевые кампании оптимизируются под охват/частоту и часто используют видео-досмотры и brand lift-исследования (опросы до/после показа рекламы), тогда как performance-кампании настраиваются на конверсионные события и оптимизируются рекламной платформой под клики/конверсии с конкретным ориентиром по стоимости. Медиаплан разделяет бюджет: 60% на охватную видеокампанию (KPI: охват 500 000 уникальных пользователей, frequency 2-3, доля досмотров видео не ниже 25%) и 40% на performance-кампанию с лид-формами (KPI: CPL не выше 300 руб.). Проверка: отдельная отчётность по каждой части бюджета со своими KPI, а не единая сводная «эффективность рекламы». Что использовать на практике Практический подход. нельзя требовать от
metricsreporting
JuniorPerformance Marketer > Google Ads > Трекинг и аналитика
Короткий ответ Веб-аналитика классифицирует источник по UTM, referrer и правилам группировки каналов. Неразмеченный платный переход может стать direct или referral. Как это работает подробнее Аналитика классифицирует трафик по правилам каналов (channel grouping), опираясь на UTM-метки и referrer; без корректных UTM платный клик может по ошибке попасть в органический или прямой трафик. Часть «прямых» заходов на деле может быть замаскированным результатом рекламы: если пользователь увидел объявление, не кликнул, а позже сам открыл сайт по памяти, аналитика обычно засчитывает такой визит как direct. Что использовать на практике Проверяйте разрезы по каналам и полноту UTM, включая сторис, баннеры и приложения; сверяйте отчёты с расходами рекламных кабинетов. Подводные камни Не приписывайте рекламе все продажи сайта. Один источник вроде поисковика может давать и платные, и органические визиты.
channel-groupingorganic-traffic
JuniorData Analyst > SQL и данные > SQL
Короткий ответ Сначала GROUP BY customer_id формирует одну строку на клиента, затем SUM(amount) вычисляет объём покупок. ORDER BY ... DESC ставит крупнейшие суммы первыми, а LIMIT 10 оставляет десять строк. Как это работает подробнее Ограничение без сортировки не означает топ: без ORDER BY СУБД вправе вернуть произвольные строки. Для воспроизводимого результата при одинаковых суммах добавьте уникальный вторичный критерий. Если бизнес-задача требует включить всех клиентов, разделивших десятое место, фиксированный LIMIT 10 не подходит. Тогда используют RANK или DENSE_RANK и фильтр по рангу. Пример кода Что использовать на практике Обычный топ-10. Применяйте стабильную сортировку и LIMIT 10. Топ с ничьими. Рассчитайте ранг по сумме в CTE и оставьте ранг не больше десяти. Подводные камни NULL в сумме. Если все значения клиента равны NULL, итоговая сумма тоже будет NULL. Размножение до агрегации. Неверное соединение способно завысить сумму клиента.
group-bylimit
JuniorData Analyst > SQL и данные > SQL
Короткий ответ Нужно отсортировать результат по стабильному критерию и использовать LIMIT 20 OFFSET 20, где OFFSET пропускает первые 20 строк, а LIMIT возвращает следующие 20. Как это работает подробнее OFFSET n указывает СУБД пропустить первые n строк отсортированного результата перед тем, как начать отдавать строки согласно LIMIT. Без явного и однозначного ORDER BY порядок строк не гарантирован, а значит «страницы» могут перекрываться или задваиваться между запросами. Пример кода Что использовать на практике На практике: постраничный вывод обязательно нужно сортировать по уникальному или хотя бы детерминированному ключу (например, customer_id), иначе при наличии одинаковых значений в сортируемом столбце строки могут «перетасоваться» между вызовами, и часть клиентов будет показана два раза или не показана вовсе. Результат: Результат — клиенты с 21-го по 40-й в порядке возрастания customer_id. Проверка: первая строка этой «страницы» должна совпадать с 21-й строкой полного списка, отсортированного тем же образ
limitoffset
MiddlePython Developer > Основы Python > Надёжность сервисов
Короткий ответ Исчерпание пула соединений диагностируют по росту времени ожидания свободного соединения и ошибкам «pool exhausted»; типичные причины — соединения не возвращаются в пул, слишком маленький размер пула или долгие транзакции, держащие соединение дольше необходимого. Как это работает подробнее Пул хранит ограниченное число открытых соединений; каждый запрос берёт соединение на время работы и должен его вернуть; при ошибке логики без try/finally или context manager пул постепенно исчерпывается. Пример кода Что использовать на практике Практика. Сначала смотрят метрики пула (используемые/свободные соединения), затем ищут в коде места без context manager, долгие транзакции (например, вызов внешнего API внутри открытой транзакции БД) и утечки в обработчиках исключений. Подводные камни Риск. Увеличивать размер пула как «быстрое решение» без поиска утечки; держать транзакцию БД открытой во время сетевого вызова к другому сервису.
fault-tolerancereliability
JuniorData Analyst > SQL и данные > Python для анализа данных
Короткий ответ Сортировка по нескольким столбцам делается через df.sort_values(['col1', 'col2'], ascending=[True, False]), где списки столбцов и направлений должны соответствовать друг другу по порядку. Как это работает подробнее sort_values сначала сортирует по первому столбцу списка, а при совпадающих значениях — по следующему, и так далее; ascending принимает список той же длины, где каждый элемент относится к соответствующему столбцу. Пример кода Что использовать на практике На практике: такая сортировка часто нужна для отчётов вида "сначала по категории по алфавиту, внутри категории — по убыванию суммы"; после сортировки полезно вызвать reset_index(drop=True), если дальнейшая логика ожидает последовательный индекс. Проверка: внутри категории A строки должны идти в порядке 200, затем 100, а внутри категории B — 300, затем 50, при этом категория A идёт раньше B. Подводные камни Частые ошибки: передают одно значение ascending вместо списка, рассчитывая, что оно применится по-разному к разным столбцам, хотя
dataframepandas
JuniorData Analyst > SQL и данные > Коммуникация с бизнесом
Короткий ответ Вывод должен быть вынесен в заголовок или первую строку слайда/документа как законченная мысль («что произошло и что это значит»), а не как название графика — чтобы человек, который прочитает только заголовок, уже понял главное. Как это работает подробнее заголовок вида «Выручка по месяцам» описывает содержимое графика, но не говорит ничего о выводе; заголовок вида «Выручка в августе упала на 9% из-за сезонного спада в B2B-сегменте» сразу передаёт суть, даже если дальше никто не читает деталей. Что использовать на практике Применение. использую структуру «что — почему — что делать» в самом начале: формулирую одно предложение-вывод, подкрепляю его 1-2 цифрами и графиком, а детали расчёта и оговорки размещаю ниже или в приложении. Проверка или пример. Плохой заголовок: «Динамика конверсии в покупку, январь-сентябрь». Хороший заголовок: «Конверсия стабильна весь год (~3.2%), кроме июльского провала до 2.1% из-за технического сбоя оплаты — требует мониторинга повторных сбоев». Проверка: дать коллег
data-storytellingdata-visualization
MiddlePython Developer > Основы Python > Технический долг
Короткий ответ Технический долг стоит оценивать через его реальное влияние — на скорость разработки, число инцидентов или риск — и сравнивать по этому влиянию с ценностью новых фич, а не погашать долг «потому что это неправильный код». Как это работает подробнее Полезно классифицировать долг по последствиям: замедляет ли он разработку новых фич (например, отсутствие тестов заставляет долго проверять каждое изменение вручную), создаёт ли риск инцидентов (хрупкий код в критичном пути) или это просто эстетическое неудобство без влияния на метрики. Чем выше и конкретнее влияние, тем выше приоритет, и это сравнение должно быть явным, а не интуитивным. Пример кода Что использовать на практике Практика. Технический долг стоит оформлять как обычные задачи бэклога с описанием конкретного влияния («из-за отсутствия индекса отчёт грузится 8 секунд и это топ-3 жалоба в поддержку»), а не абстрактным «здесь плохой код» — так продакт-менеджер может сравнивать его с другими задачами по ценности. Полезно выделять фиксированну
backlogprioritization