SeniorPython Developer > Основы Python > Тестирование кода
Короткий ответ Нужен тест, который явно эмулирует повторную доставку одного и того же сообщения (с тем же ключом идемпотентности) и проверяет, что повторная обработка не приводит к повторному побочному эффекту — например, списание средств или отправка уведомления происходит ровно один раз, в зависимости от того, какую гарантию реализует конкретный обработчик. Как это работает подробнее Идемпотентность обычно реализуется через хранение уже обработанных ключей сообщений (идентификатор сообщения, бизнес-ключ операции) в БД или кеше с уникальным ограничением, и обработчик перед выполнением проверяет, не обработано ли уже такое сообщение. Тест должен вызвать обработчик дважды с одинаковым сообщением и проверить состояние системы после каждого вызова. Сравнение Компромисс. Полный тест с реальной БД и конкурентными вызовами даёт высокую уверенность, но дороже в поддержке и медленнее; unit-тест с моком хранилища дешевле, но не ловит гонки на уровне БД (отсутствие или неправильное использование уникального ограничения
concurrencyidempotency
MiddlePython Developer > Основы Python > Тестирование кода
Короткий ответ Нужно сделать источник времени подменяемым — через внедрение зависимости (передавать clock/now как параметр) или через библиотеку подмены времени (например, freezegun), чтобы в тесте зафиксировать конкретный момент времени вместо реального datetime.now(). Как это работает подробнее freezegun подменяет вызовы datetime.now()/date.today() на уровне интерпретатора на время теста, фиксируя указанную дату для всего кода, выполняемого внутри декоратора или контекстного менеджера. Альтернативный, более явный подход — архитектурно внедрять функцию или объект clock в код вместо прямого вызова datetime.now(), что не требует монкипатчинга стандартной библиотеки и прозрачнее в чтении. Пример кода Что использовать на практике Практика. Выбор между freezegun и внедрением зависимости clock зависит от размера кодовой базы и готовности к рефакторингу: freezegun быстрее внедрить в уже существующий код без изменения сигнатур функций, явный clock даёт более предсказуемое и read-only поведение без побочных эффектов
datetimedependency-injection
MiddleSMM Manager > Общее > Репутация и кризис-коммуникации
Короткий ответ Нужно провести ролевую симуляцию вымышленного инцидента, по которой команда проходит все шаги плана от обнаружения до эскалации и публичного ответа, а затем разобрать, где план сработал и где нужно уточнение. Как это работает подробнее кризис-план, который никогда не проверялся на практике, часто содержит пробелы — устаревшие контакты, нереалистичные сроки, недостающие роли, которые обнаруживаются только в момент реального инцидента. Команда бренда «ФитнесПро» прогоняет учебный сценарий «в выдуманном зале массово жаловались на сломанный тренажёр» по кризис-плану: засекается время до эскалации руководителю — план предполагает 1 час, по факту ушло 1 час 40 минут из-за недоступности контакта юриста. Проверка: по итогам теста контакт юриста обновляется, и план пересматривается с учётом найденного разрыва. Что использовать на практике Практический подход. симуляция должна включать реалистичные, но полностью вымышленные детали, фиксацию фактического времени реакции на каждом шаге и финальный разбор с
community-managementcrisis-communications
MiddlePython Developer > Основы Python > Тестирование кода
Короткий ответ Для unit-тестирования логики задачи её можно вызвать напрямую как обычную функцию (task.run(...) или task(...)) либо включить режим task_always_eager=True, при котором Celery выполняет задачу синхронно в том же процессе без реального брокера. Как это работает подробнее При task_always_eager=True вызов task.delay()/apply_async() выполняет тело задачи немедленно и синхронно в текущем процессе, возвращая EagerResult, что позволяет проверить результат без Redis/RabbitMQ. Альтернативно можно тестировать саму функцию задачи напрямую, игнорируя декоратор Celery, если вся логика вынесена в обычную функцию, а задача — лишь тонкая обёртка. Пример кода Что использовать на практике Практика. Eager-режим хорош для unit-тестирования бизнес-логики задачи, но не проверяет поведение, специфичное для реальной очереди: retry-политики, маршрутизацию по очередям, сериализацию аргументов, поведение при падении воркера. Для этого нужны отдельные интеграционные тесты с реальным (тестовым) брокером. Подводные камни Рис
background-taskscelery
MiddlePython Developer > Основы Python > Тестирование кода
Короткий ответ Нужен тест, который на тестовой БД применяет миграции до нужной ревизии, проверяет итоговую схему (и, при изменении данных миграцией, их корректность), а затем откатывает миграцию назад и проверяет, что схема вернулась в исходное состояние без потери важных данных. Как это работает подробнее Инструменты миграций (Alembic для SQLAlchemy, стандартные миграции Django) предоставляют программный интерфейс для апгрейда и даунгрейда до конкретной ревизии; тест может вызвать upgrade('head') и downgrade('-1') на изолированной тестовой БД и после каждого шага интроспектировать структуру таблиц (через information_schema или метаданные ORM). Пример кода Что использовать на практике Практика. Особенно важно тестировать миграции, которые переносят или трансформируют данные (а не только меняют схему) — например, разбивают одно поле на два. Такой тест должен заранее засеять БД репрезентативными данными перед апгрейдом и проверить, что после миграции данные преобразованы верно, а после отката не потеряны безвоз
databasesintegration-testing
MiddlePython Developer > Основы Python > Наблюдаемость и ресурсы
Короткий ответ Для production используют сэмплирующие профилировщики, которые подключаются к уже запущенному процессу извне и периодически снимают стек вызовов (например, py-spy), а не инструментирующие профилировщики вроде cProfile, которые перехватывают каждый вызов функции и создают существенный overhead. Как это работает подробнее Сэмплирующий профилировщик с заданной частотой (например, 100 Гц) читает текущий стек вызовов процесса, не изменяя байткод и не добавляя накладных расходов на каждый вызов; статистически по множеству сэмплов восстанавливается, где процесс проводит больше всего времени. Пример кода Что использовать на практике Практика. py-spy можно запускать с флагом --pid на уже работающем процессе без его остановки и без изменений в коде; для веб-приложений полезно снимать профиль именно во время пиковой нагрузки, а не в синтетическом тесте, чтобы увидеть реальные узкие места, включая время в сторонних библиотеках. Подводные камни Риск. Включают cProfile в production без ограничения по времени
productionprofiling
JuniorDevOps Engineer > Контейнеры и доставка > Скриптинг и автоматизация
Короткий ответ $? хранит код возврата последней выполненной команды (0 — успех, любое другое число от 1 до 255 — ошибка), и значение перезаписывается при выполнении любой следующей команды, поэтому проверять его нужно немедленно, не вставляя между вызовом и проверкой других команд. Как это работает подробнее каждая команда в Unix возвращает числовой код завершения процессу-родителю; shell сохраняет его в специальной переменной $? до следующей выполненной команды, включая встроенные команды вроде echo. Пример кода Что использовать на практике Рекомендация. в скриптах код возврата обычно проверяют через if deploy; then report_success; else handle_error; fi или command || handle_error, а не через отдельное чтение $? — это надёжнее и короче. Хранить $? в отдельной переменной (rc=$?) стоит, только если нужно использовать значение после нескольких последующих команд, например для логирования и очистки. Подводные камни Ошибка. вызывать между командой и проверкой $? любую другую команду (даже echo "done"), из-за чего
basherror-handling
JuniorData Analyst > SQL и данные > Python для анализа данных
Короткий ответ Файл читают через pd.read_csv(), а первичное знакомство с данными делают через head(), info() и describe(), чтобы увидеть структуру, типы столбцов и наличие пропусков. Как это работает подробнее read_csv парсит текстовый файл и пытается автоматически определить типы столбцов; head() показывает первые строки, info() выводит dtype и число непустых значений по каждому столбцу, describe() считает описательную статистику по числовым столбцам. Пример кода Что использовать на практике На практике: перед анализом стоит проверить df.shape, df.dtypes и df.isna().sum(); для нестандартных файлов нужно явно указывать sep и encoding, а для больших файлов — задавать dtype вручную, чтобы ускорить чтение и снизить потребление памяти. Проверка: df.info() должен показать ожидаемое число столбцов без "Unnamed: 0" и dtype, соответствующий смыслу столбца (даты — не object, суммы — не object). Подводные камни Частые ошибки: не проверяют разделитель и кодировку, из-за чего весь файл читается в один столбец или с артеф
csvdata-inspection
JuniorPython Developer > Основы Python > Реляционная модель данных
Короткий ответ SERIAL — «синтаксический сахар», создающий отдельную sequence и DEFAULT на колонку, а GENERATED ... AS IDENTITY (стандарт SQL, PostgreSQL 10+) — более современный и строгий способ, явно привязывающий генерацию значения к колонке; в новом коде предпочтительнее IDENTITY. Как это работает подробнее Оба механизма используют один и тот же объект sequence, но SERIAL реализован через DEFAULT nextval('seq_name'), который можно случайно переопределить обычным INSERT с явным значением, тогда как GENERATED ALWAYS AS IDENTITY по умолчанию запрещает указывать значение вручную. Пример кода Что использовать на практике Практика. IDENTITY ближе к стандарту SQL:2003, лучше защищает от случайной перезаписи id и чище выглядит в DDL; SERIAL остаётся широко распространён в legacy-коде и старых примерах. Подводные камни Ошибка. Вручную вставляют id без учёта текущего значения sequence (например, при миграции данных), из-за чего последующий автоинкремент пытается вставить уже занятый id и падает с unique violation —
constraintsdata-modeling
MiddlePerformance Marketer > Google Ads > Структура и ставки
Позиция определяется не только ставкой: показатель качества может дать дешёвый показ выше конкурента.
Google Ads