Перейти к содержанию

Вопросы на собеседовании по Python

211 вопросов с реальных собеседований в 20 подтемах. У первых вопросов каждой подтемы — короткий ответ и источник.

Типы данных и коллекции

8 вопросов
  1. В чём разница между списком (list) и кортежем (tuple)?

    Короткий ответ

    Оба хранят упорядоченную последовательность произвольных объектов, но список изменяемый, а кортеж неизменяемый: после создания кортеж нельзя дополнить или переприсвоить его элементы. Из неизменяемости следуют практические отличия. Кортеж хешируем, если хешируемы все его элементы, поэтому может быть ключом словаря или элементом множества, а список — нет. Кортеж не хранит запаса под рост, тогда как список — динамический массив с over-allocation под будущие вставки. По документации список обычно используют для однородных элементов, кортеж — для разнородных данных фиксированной структуры. Граница: неизменяемость кортежа неглубокая. Если внутри лежит список, содержимое этого списка менять можно, а такой кортеж нехешируем.

    Источник: docs.python.org

  2. Какие типы в Python изменяемые, а какие неизменяемые, и как это влияет на работу с ними?

    Короткий ответ

    Неизменяемые (immutable) встроенные типы: int, float, bool, complex, str, bytes, tuple, frozenset, frozendict (с Python 3.15), а также None. Изменяемые (mutable): list, dict, set, bytearray и большинство пользовательских объектов. Переменная в Python — это имя, связанное с объектом, а не ячейка с самим значением. Операция над неизменяемым объектом создаёт новый объект (например, s += "x" для строки возвращает новую строку), а над изменяемым — правит объект на месте, поэтому все имена, ссылающиеся на него, увидят изменение. Только хешируемые (как правило неизменяемые) объекты можно класть в set и использовать как ключи dict. Граница: неизменяемость контейнера не глубокая. Кортеж со списком внутри остаётся кортежем, но его значение меняется вместе со списком, и такой кортеж нехешируем.

    Источник: docs.python.org

  3. Как устроен словарь (dict) под капотом и какова сложность операций с ним?

    Короткий ответ

    dict в CPython — хеш-таблица, поэтому чтение, вставка и удаление по ключу в среднем занимают O(1), а в худшем случае при массовых коллизиях O(n).

    Источник: docs.python.org

Ещё 5 вопросов с ответамина Basic, 290 ₽ в месяц

Открыть все вопросыОткрыть все вопросы

Модель объектов и память

7 вопросов
  1. В чём разница между операторами is и ==?

    Короткий ответ

    == сравнивает значения через __eq__, а is проверяет, что это один и тот же объект (идентичность, определяемая через id()).

    Источник: docs.python.org

  2. В чём разница между поверхностным (copy) и глубоким (deepcopy) копированием?

    Короткий ответ

    copy.copy делает поверхностную копию: для изменяемого контейнера создаётся новый контейнер верхнего уровня, но вложенные объекты не копируются — на них ставятся те же ссылки. Изменение вложенного изменяемого объекта будет видно и в оригинале, и в копии: после a = [[1], [2]]; b = copy.copy(a); b[0].append(9) список a[0] тоже равен [1, 9].

    Источник: docs.python.org

  3. Почему в CPython объект с циклической ссылкой не освобождается подсчётом ссылок и что его освобождает?

    Короткий ответ

    Счётчик ссылок объектов в цикле не доходит до нуля, поэтому их освобождает циклический сборщик мусора модуля gc. Основной механизм CPython — подсчёт ссылок (reference counting): каждый объект хранит счётчик, и когда он достигает нуля, объект освобождается сразу (кроме бессмертных, immortal, объектов). Если объекты ссылаются друг на друга и снаружи недостижимы, их счётчики остаются положительными, и подсчёт ссылок их не освободит. Эти циклы находит и собирает gc. В сборке по умолчанию (с GIL) он делит объекты на три поколения (0, 1, 2): молодые проверяются часто и дёшево, старшие реже; пороги показывает gc.get_threshold().

    Источник: docs.python.org

Ещё 4 вопроса с ответамина Basic, 290 ₽ в месяц

Открыть все вопросыОткрыть все вопросы

Функции, декораторы, генераторы, контекстные менеджеры

15 вопросов
  1. Что такое декоратор и как он работает под капотом?

    Короткий ответ

    Декоратор — это вызываемый объект, который принимает функцию (или класс) и привязывает к её имени то, что вернул, обычно новую функцию-обёртку с дополнительным поведением. Синтаксис @decorator над определением — синтаксический сахар: func = decorator(func). Он выполняется в момент определения функции, а не при её вызове.

    Источник: docs.python.org

  2. Как написать декоратор, принимающий параметры?

    Короткий ответ

    Нужен дополнительный уровень вложенности — «фабрика декораторов»: внешняя функция принимает параметры и возвращает собственно декоратор, тот принимает функцию и возвращает wrapper. Запись @retry(times=3) сначала вызывает retry(times=3), получает декоратор и затем применяет его к функции.

    Источник: docs.python.org

  3. Зачем при написании декораторов нужен functools.wraps?

    Короткий ответ

    Чтобы обёртка сохранила имя, docstring, аннотации и ссылку __wrapped__ исходной функции. Без него снаружи функция выглядит как wrapper: у неё имя wrapper, пустой или чужой docstring и потерянные аннотации. Это ломает интроспекцию, автогенерацию документации и отладку.

    Источник: docs.python.org

  4. Что такое замыкание (closure) и как оно устроено?

    Короткий ответ

    Замыкание — это вложенная функция, которая запоминает и продолжает использовать переменные из объемлющей области видимости даже после того, как внешняя функция завершилась. Такие свободные переменные хранятся не в глобальной области, а в специальных ячейках (cell), на которые ссылается объект функции через __closure__.

    Источник: docs.python.org

  5. В чём разница между итерируемым объектом (iterable) и итератором (iterator)?

    Короткий ответ

    Итерируемый объект — это то, по чему можно пройти циклом for; он реализует __iter__ (или __getitem__ с семантикой последовательности), и iter() от него возвращает итератор. Итератор — объект, который реализует __next__ (выдаёт следующий элемент или бросает StopIteration) и __iter__, возвращающий самого себя. Список, кортеж, словарь, строка — итерируемые, но не итераторы: каждый вызов iter() над ними даёт новый независимый итератор, поэтому по ним можно проходить многократно. Итератор одноразовый: после исчерпания он остаётся пустым, и каждый следующий next() снова бросает StopIteration. Именно итератор хранит состояние обхода (текущую позицию).

    Источник: docs.python.org

Ещё 10 вопросов с ответамина Basic, 290 ₽ в месяц

Открыть все вопросыОткрыть все вопросы

Ответьте на эти вопросы голосом и получите разбор

Открыть приложениеНачать бесплатно

ООП

11 вопросов
  1. Что такое ООП и каковы его основные принципы?

    Короткий ответ

    ООП — парадигма, в которой программа строится из объектов, объединяющих данные и поведение. Классические принципы: инкапсуляция — сокрытие внутреннего состояния за интерфейсом, чтобы менять реализацию не ломая клиентов; наследование — переиспользование и специализация поведения базового класса в производном; полиморфизм — единый интерфейс для разных типов, когда вызов метода зависит от фактического объекта; часто добавляют абстракцию — выделение существенного и сокрытие деталей.

    Источник: docs.python.org

  2. Что такое принципы SOLID? Кратко опишите каждый.

    Короткий ответ

    SOLID — акроним для пяти принципов проектирования (S, O, L, I, D), а не правила языка Python.

    Источник: en.wikipedia.org

  3. В чём разница между методами __new__ и __init__ и каков порядок их вызова?

    Короткий ответ

    __new__ — статический метод, отвечающий за создание и возврат нового экземпляра; он вызывается первым и получает сам класс (cls). __init__ — инициализирует уже созданный экземпляр (self), заполняя его атрибуты, и должен вернуть None: любое другое значение вызывает TypeError.

    Источник: docs.python.org

  4. Что такое MRO и как Python решает проблему ромбовидного наследования?

    Короткий ответ

    MRO (Method Resolution Order) — это порядок, в котором Python ищет атрибут или метод по цепочке классов при наследовании. При множественном наследовании возможна «ромбовидная» проблема: два родителя имеют общего предка, и неясно, чей метод выбрать. Python строит MRO по алгоритму C3-линеаризации, который даёт единый детерминированный порядок, сохраняющий приоритет потомков над предками и порядок базовых классов слева направо. Именно по MRO работает super(): он вызывает следующий класс в линеаризации, а не «жёстко» родителя, что и делает кооперативное множественное наследование корректным. Посмотреть порядок можно через ClassName.mro() или ClassName.__mro__.

    Источник: docs.python.org

Ещё 7 вопросов с ответамина Basic, 290 ₽ в месяц

Открыть все вопросыОткрыть все вопросы

GIL, потоки и процессы

6 вопросов
  1. Что такое GIL, зачем он нужен и какие проблемы создаёт?

    Короткий ответ

    GIL (Global Interpreter Lock) — механизм CPython, который гарантирует, что в один момент байт-код Python исполняет только один поток. Он нужен для простоты реализации: объектная модель, включая критичные встроенные типы вроде dict, становится неявно безопасной при конкурентном доступе. Цена в том, что потоки теряют большую часть параллелизма многопроцессорных машин. Поэтому потоки не ускоряют CPU-bound код на чистом Python, но полезны для I/O-bound: при вводе-выводе GIL всегда отпускается.

    Источник: docs.python.org

  2. В чём фундаментальное отличие процесса от потока на уровне ОС?

    Короткий ответ

    Процесс — исполняющаяся программа со своим виртуальным адресным пространством, открытыми дескрипторами системных объектов и другими ресурсами; у него есть хотя бы один поток. Поток — единица внутри процесса, которой ОС выделяет процессорное время: все потоки процесса разделяют его адресное пространство и ресурсы, а у каждого потока свои контекст (включая регистры), стек и приоритет планирования.

    Источник: learn.microsoft.com

  3. Когда выбирать threading, а когда multiprocessing в Python?

    Короткий ответ

    Ключ — характер нагрузки и сборка Python. Для I/O-bound задач (сеть, диск, ожидание БД) подходят потоки: по документации ThreadPoolExecutor чаще всего используют, чтобы перекрывать ввод-вывод, а не вычисления, потому что при вводе-выводе GIL отпускается. Для структурированного сетевого и другого I/O-кода также подходит asyncio. Для CPU-bound кода на чистом Python в сборке с GIL потоки не помогают, и берут multiprocessing или ProcessPoolExecutor: он обходит GIL, но выполняемые и возвращаемые объекты должны быть picklable, то есть данные сериализуются.

    Источник: docs.python.org

Ещё 3 вопроса с ответамина Basic, 290 ₽ в месяц

Открыть все вопросыОткрыть все вопросы

Асинхронность (asyncio)

9 вопросов
  1. Что такое asyncio, корутина и event loop?

    Короткий ответ

    asyncio — библиотека для конкурентного кода на синтаксисе async/await. Корутина — результат вызова функции, объявленной как async def: сам вызов код не запускает, main() лишь возвращает объект корутины, а выполняется она через asyncio.run(), await или обёртку в Task. Event loop (цикл событий) использует кооперативное планирование: он исполняет одну Task за раз, а пока Task ждёт завершения Future, цикл запускает другие Task, колбэки или операции ввода-вывода.

    Источник: docs.python.org

  2. Как работают async/await под капотом и как это связано с генераторами?

    Короткий ответ

    Корутина, как и генератор, — приостанавливаемая функция: у корутины есть методы, аналогичные методам генератора, но в отличие от генераторов она не поддерживает итерацию напрямую, а её выполнением управляют через итератор, который возвращает __await__(). Выражение await допустимо над awaitable-объектом; в asyncio основные виды — корутины, Task и Future. Когда корутина в Task ждёт Future, Task приостанавливает корутину, цикл событий в это время запускает другие Task, а когда Future завершится, выполнение корутины возобновляется.

    Источник: docs.python.org

  3. Чем asyncio отличается от многопоточности и когда что выбирать?

    Короткий ответ

    Главное отличие — кто и когда переключает выполнение. В потоках интерпретатор может переключиться между любыми двумя инструкциями байт-кода, поэтому составные операции над общими данными (вроде i = i+1) нужно защищать блокировками. В asyncio планирование кооперативное: цикл событий исполняет одну Task за раз и переключается на другие, пока текущая Task ждёт Future, поэтому между точками ожидания код не прерывается.

    Источник: docs.python.org

Ещё 6 вопросов с ответамина Basic, 290 ₽ в месяц

Открыть все вопросыОткрыть все вопросы

Исключения и обработка ошибок

3 вопроса
  1. Как устроен механизм обработки исключений в Python (try/except/else/finally)?

    Короткий ответ

    Код в try выполняется под защитой: если в нём возникло исключение, Python ищет подходящий обработчик среди блоков except по порядку, сверху вниз, и выполняет первый, чей тип подходит (или его базовый класс). Если обработчика нет, исключение необработанное, и выполнение останавливается с сообщением об ошибке. Блок else выполняется, если в try исключения не было; он лучше, чем лишний код внутри try, потому что не даёт случайно поймать исключение, которое поднял не защищаемый код. Блок finally выполняется последним перед завершением try независимо от того, было исключение или нет, поэтому в нём освобождают ресурсы; если исключение не обработано, оно пробрасывается дальше уже после finally. raise пробрасывает исключение, а raise ... from exc явно указывает причину в цепочке исключений; from None отключает автоматическую цепочку.

    Источник: docs.python.org

  2. В чём разница между except: и except Exception:?

    Короткий ответ

    Голый `except:` без выражения должен стоять последним и по справочнику языка ловит любое исключение, а `except Exception:` — это wildcard, который ловит почти всё, кроме исключений вне ветки Exception. Такие исключения обычно не обрабатывают, потому что они сигнализируют, что программа должна завершиться: SystemExit (его поднимает sys.exit()), KeyboardInterrupt (Ctrl+C), а также GeneratorExit и BaseExceptionGroup, прямые наследники BaseException. Голый except: перехватывает и их, поэтому мешает нормально остановить программу.

    Источник: docs.python.org

  3. Почему часто предпочитают try/except предварительной проверке через if (EAFP против LBYL)?

    Короткий ответ

    Потому что у LBYL между проверкой и действием есть окно, а EAFP его избегает. LBYL (Look Before You Leap) сначала явно проверяет предусловия через if; EAFP (Easier to Ask Forgiveness than Permission) предполагает, что ключи или атрибуты существуют, и ловит исключение, если предположение оказалось ложным. В многопоточной среде if key in mapping: return mapping[key] может упасть, если другой поток удалил ключ после проверки, но до обращения; по глоссарию это решают блокировками или стилем EAFP. Глоссарий называет EAFP «clean and fast» и общим для Python стилем.

    Источник: docs.python.org

Веб-фреймворки (FastAPI, Django, Flask)

7 вопросов
  1. Что такое WSGI и ASGI и в чём разница между ними?

    Короткий ответ

    WSGI — стандарт Python для совместимости веб-серверов, фреймворков и приложений: по PEP 3333 это простой и универсальный интерфейс между сервером и приложением. WSGI-приложение — один синхронный вызываемый объект, который принимает запрос и возвращает ответ. ASGI — его «духовный преемник»: один асинхронный вызываемый объект, который получает scope (словарь с деталями соединения) и асинхронные receive и send для обмена событиями. Поэтому ASGI поддерживает долгоживущие соединения и протоколы с несколькими входящими событиями, например WebSocket, а WSGI с единственным синхронным вызовом и единственным путём передачи запроса — нет. Подспецификация Lifespan сообщает приложению о запуске и остановке, чтобы, например, создать и закрыть пул соединений в работающем цикле событий.

    Источник: asgi.readthedocs.io

  2. Как работает механизм внедрения зависимостей (Depends) в FastAPI?

    Короткий ответ

    Depends — система внедрения зависимостей FastAPI: параметр обработчика объявляют как Depends(get_something), и FastAPI сам вызывает функцию-зависимость и подставляет её результат; так выносят общую логику и общие подключения к БД. Зависимости могут иметь вложенные зависимости (sub-dependencies). Если одна зависимость объявлена несколько раз для одной операции, FastAPI вызовет её один раз за запрос и передаст сохранённое значение всем, кто от неё зависит; use_cache=False это отключает. В зависимости с yield код до yield выполняется до создания ответа, а код после yield — после ответа; типичный пример — сессия БД, которую открывают и закрывают. В тестах зависимости подменяют через словарь app.dependency_overrides.

    Источник: fastapi.tiangolo.com

  3. Что такое middleware в веб-фреймворке и для чего оно применяется?

    Короткий ответ

    Middleware — компонент, который работает с каждым запросом до того, как его обработает конкретная операция пути, и с каждым ответом перед его возвратом клиенту. Так сквозную логику выносят из эндпоинтов: в документации FastAPI пример — замер времени обработки и добавление заголовка X-Process-Time, а в Django middleware — это лёгкая низкоуровневая система «плагинов» для глобального изменения входа и выхода; например, AuthenticationMiddleware связывает пользователей с запросами через сессии. Middleware выстраиваются в стек. В Django слои выполняются сверху вниз в порядке списка MIDDLEWARE, как «луковица» вокруг представления, а ответ проходит их в обратном порядке. В FastAPI последний добавленный middleware внешний: на пути запроса он срабатывает первым, на пути ответа последним.

    Источник: fastapi.tiangolo.com

Ещё 4 вопроса с ответамина Basic, 290 ₽ в месяц

Открыть все вопросыОткрыть все вопросы

Базы данных и ORM

27 вопросов
  1. Что такое ORM и какие у неё преимущества и недостатки?

    Короткий ответ

    ORM (Object-Relational Mapping) отображает таблицы БД на классы: в SQLAlchemy Declarative Mapping задаёт объектную модель и метаданные таблиц, и вы работаете с данными через классы и запросы, а не собираете SQL вручную. Преимущество, которое подтверждает документация: запросы Django ORM защищены от SQL-инъекций, потому что строятся через параметризацию, то есть код SQL отделён от параметров, а параметры экранирует драйвер БД. Недостаток: ORM может незаметно выполнять лишние запросы. Классический пример — проблема N+1: при ленивой загрузке обращение к связанным атрибутам N загруженных объектов даёт N+1 запросов SELECT.

    Источник: docs.sqlalchemy.org

  2. Что такое проблема N+1 запросов в ORM и как её решать?

    Короткий ответ

    N+1 возникает, когда после одного запроса за N объектами обращение к их лениво загружаемым атрибутам порождает по отдельному SELECT на каждый объект: итого N+1 запросов. Лечат жадной загрузкой (eager loading): связанные данные приходят вместе с основным запросом. В SQLAlchemy это joinedload (JOIN в основном SELECT) или selectinload (дополнительный SELECT после основного). В Django аналоги — select_related (JOIN для связей к одному: ForeignKey и OneToOne) и prefetch_related (отдельный запрос для связей ко многим).

    Источник: docs.sqlalchemy.org

  3. Как работает ленивая и жадная загрузка связанных данных в SQLAlchemy и почему ленивая опасна в async?

    Короткий ответ

    Ленивая загрузка (по умолчанию, lazy='select') возвращает объекты без связанных данных, а при первом обращении к коллекции или ссылке выполняет дополнительный SELECT. Жадная загрузка подтягивает связанные данные сразу: либо JOIN в основном SELECT (joined loading), либо дополнительными SELECT после основного (selectin loading). В asyncio ленивая загрузка проблемна, потому что для успеха она обычно требует обращения к БД при доступе к атрибуту, а неявный IO в asyncio не разрешён.

    Источник: docs.sqlalchemy.org

  4. Что такое транзакция и что означает аббревиатура ACID?

    Короткий ответ

    Транзакция — группа операций, которая выполняется как единое целое: по документации PostgreSQL это «всё или ничего», промежуточные состояния не видны параллельным транзакциям, а данные записаны на диск до подтверждения. ACID расшифровывается как atomicity, consistency, isolation, durability. Consistency (согласованность) означает, что транзакция переводит БД из одного согласованного состояния в другое и сохраняет инварианты: записанные данные соответствуют всем правилам, включая ограничения, каскады и триггеры. В ORM транзакцией управляет сессия: Session в SQLAlchemy ведёт одну «виртуальную» транзакцию, а в Django по умолчанию включён автокоммит (каждый запрос фиксируется сразу), и atomic() оборачивает блок кода в транзакцию.

    Источник: postgresql.org

  5. Какие бывают уровни изоляции транзакций и от каких аномалий они защищают?

    Короткий ответ

    Стандарт SQL определяет четыре уровня: Read Uncommitted, Read Committed, Repeatable Read и Serializable. Они различаются тем, какие аномалии запрещают. Грязное чтение — транзакция читает данные параллельной незакоммиченной транзакции. Неповторяющееся чтение — повторное чтение даёт данные, изменённые другой закоммитившейся транзакцией. Фантомное чтение — повторный запрос по условию возвращает другой набор строк. Аномалия сериализации — результат группы транзакций не совпадает ни с каким последовательным порядком. Read Uncommitted допускает всё перечисленное, Read Committed запрещает грязное чтение, Repeatable Read запрещает ещё и неповторяющееся, Serializable запрещает все аномалии.

    Источник: postgresql.org

  6. Что такое индексы в БД, зачем они нужны и в чём их минусы?

    Короткий ответ

    Индекс — вспомогательная структура, с помощью которой система находит строки по условию без построчного сканирования всей таблицы. По умолчанию CREATE INDEX в PostgreSQL создаёт B-tree: он обрабатывает сравнения <, <=, =, >=, >, а также BETWEEN, IN, IS NULL и LIKE с шаблоном, закреплённым в начале строки (col LIKE 'foo%'), но не col LIKE '%bar'. Hash-индекс умеет только простое равенство, а GIN — инвертированный индекс для значений из нескольких компонентов, например массивов.

    Источник: postgresql.org

  7. Что такое миграции и зачем нужен инструмент вроде Alembic?

    Короткий ответ

    Миграции — версионируемые изменения схемы БД. Документация Django предлагает думать о них как о системе контроля версий для схемы: makemigrations упаковывает изменения моделей в файлы миграций (аналог коммитов), а migrate применяет их и откатывает. Alembic — лёгкий инструмент миграций для SQLAlchemy: у миграции есть функции upgrade() и downgrade(), а autogenerate сравнивает модели со схемой и предлагает кандидата миграции.

    Источник: alembic.sqlalchemy.org

  8. В SQLAlchemy 2.x внутри with engine.connect() as conn: выполнен conn.execute(text("INSERT ...")), блок завершился без исключения, commit() не вызывался. Окажется ли строка в базе и как сделать так, чтобы фиксация происходила автоматически при успешном выходе из блока?

    Короткий ответ

    Строки в базе не будет: при освобождении соединения выполняется ROLLBACK, автоматического COMMIT нет.

    Источник: docs.sqlalchemy.org

Ещё 18 вопросов с ответамина Basic, 290 ₽ в месяц

Открыть все вопросыОткрыть все вопросы

Тестирование

12 вопросов
  1. Что такое фикстуры в pytest и какие у них области видимости (scope)?

    Короткий ответ

    Фикстура — функция с декоратором @pytest.fixture, которая готовит данные или состояние для теста; тест объявляет её как аргумент, и pytest подставляет результат. Фикстуру можно переиспользовать: два теста, запросивших одну фикстуру, получают каждый свой результат, поэтому тесты не влияют друг на друга и стартуют с чистого состояния. Код очистки (teardown) размещают после yield; после теста pytest выполняет эту часть в порядке, обратном порядку создания фикстур. Область видимости (scope) задаёт, как часто фикстура создаётся и уничтожается: function (по умолчанию), class, module, package и session. Фикстуры class, module и package уничтожаются при завершении последнего теста класса, модуля или пакета соответственно.

    Источник: docs.pytest.org

  2. Что такое Mock и в каких случаях его применяют?

    Короткий ответ

    Mock (из unittest.mock) — гибкий объект, который заменяет в тесте реальную зависимость: по документации он предназначен заменять stubs и test doubles. Атрибуты он создаёт как новые моки при первом обращении, а повторное обращение к тому же атрибуту возвращает тот же мок. Возвращаемое значение или исключение задают через return_value и side_effect. Mock записывает, как его использовали, поэтому после вызова можно проверить, что делал ваш код (assert_called_with, call_count). Зависимость подменяют через patch, и подменять нужно имя там, где объект ищется, а не там, где он определён.

    Источник: docs.python.org

  3. В чём разница между mock и stub?

    Короткий ответ

    Stub даёт заготовленные ответы на вызовы во время теста и обычно не отвечает ни на что за пределами того, что в него запрограммировано. Mock — объект, запрограммированный ожиданиями, которые образуют спецификацию ожидаемых вызовов. Из всех видов тестовых дублёров только мок настаивает на проверке поведения (behavior verification), остальные обычно используют проверку состояния (state verification). Во время выполнения теста мок ведёт себя как другие дублёры, чтобы тестируемый код считал, что общается с настоящими соседями, а отличается он на стадиях настройки и проверки.

    Источник: martinfowler.com

  4. Сотня юнит-тестов эндпоинта POST /users с подменённой базой зелёная, а в проде вторая регистрация с тем же email падает на уникальном индексе, которого код не ожидал. Какой самый низкий уровень теста поймал бы такую ошибку и почему юнит-тест с подменой базы не мог?

    Короткий ответ

    Это тест с настоящей базой: узкий интеграционный тест на стыке кода и базы.

    Источник: martinfowler.com

Ещё 8 вопросов с ответамина Basic, 290 ₽ в месяц

Открыть все вопросыОткрыть все вопросы

Пакеты, зависимости и окружения

12 вопросов
  1. Зачем нужно виртуальное окружение и что оно делает на самом деле?

    Короткий ответ

    Виртуальное окружение — каталог с собственным интерпретатором и пакетами проекта, который по умолчанию изолирован от пакетов других окружений и интерпретаторов и от пакетов операционной системы, поэтому зависимости разных проектов не сталкиваются. python -m venv создаёт каталог с файлом pyvenv.cfg, подкаталогом bin (на Windows Scripts) с копией или симлинком интерпретатора и подкаталогом site-packages для пакетов. Активация — скрипт из этого каталога: он добавляет bin (Scripts) в начало PATH, чтобы python и установленные скрипты запускались без полного пути.

    Источник: docs.python.org

  2. Чем список зависимостей отличается от lock-файла и зачем нужны оба?

    Короткий ответ

    Список зависимостей проекта (install_requires) задаёт минимум, нужный для работы: имена и ограничения версий, «абстрактные» требования без указания, откуда их брать. Lock-файл фиксирует конкретный результат: точные версии, которые дают воспроизводимую установку. В pip это requirements-файл с закреплёнными версиями (==), который можно получить командой pip freeze: он фиксирует не только прямые, но и все транзитивные зависимости. Для стандартного формата lock-файла есть pylock.toml, он нужен, чтобы описать зависимости для воспроизводимой установки. Закрепление защищает от ошибок и несовместимостей в только что вышедших версиях зависимостей, поэтому нужны оба артефакта: минимальные требования проекта и полный закреплённый список для окружения.

    Источник: pip.pypa.io

  3. Что такое pyproject.toml и почему он вытеснил setup.py?

    Короткий ответ

    pyproject.toml — файл описания проекта: PEP 518 ввёл в нём таблицу [build-system] с требованиями сборки, а PEP 621 — стандартные метаданные проекта (имя, версия, зависимости). setup.py — исполняемый файл, и в этом проблема: по PEP 518 его нельзя выполнить, не зная его зависимостей, а информация о них хранится в нём самом, поэтому инструмент не мог автоматически узнать, что нужно для сборки («catch-22»). Декларативная таблица [build-system] это решает, а PEP 517 определяет интерфейс между фронтендом и бэкендом сборки и рекомендует по умолчанию создавать для каждой сборки изолированное окружение с только стандартной библиотекой и явно запрошенными зависимостями сборки.

    Источник: peps.python.org

  4. Чем wheel отличается от source distribution?

    Короткий ответ

    Sdist — архив с исходниками: чтобы поставить, его нужно собрать на машине пользователя, а для пакетов с расширениями на C это означает наличие компилятора.

    Источник: packaging.python.org

Ещё 8 вопросов с ответамина Basic, 290 ₽ в месяц

Открыть все вопросыОткрыть все вопросы

Типизация и аннотации

10 вопросов
  1. Функция объявлена как def add(x: int, y: int) -> int: return x + y и вызвана как add("a", "b"). Что вернётся и что проверяет такие аннотации?

    Короткий ответ

    Вернётся строка "ab" без всякой ошибки: интерпретатор аннотации функций не применяет, + для строк определён.

    Источник: docs.python.org

  2. В Python 3.15 в модуле объявлена def func(a: Cls) -> None, а класс Cls определён ниже по файлу. Упадёт ли определение функции и что произойдёт при чтении аннотаций?

    Короткий ответ

    Определение не упадёт: с Python 3.14 выражения аннотаций вычисляются лениво, а не при выполнении def. До 3.14 без from __future__ import annotations здесь был бы NameError.

    Источник: docs.python.org

  3. Функция def greeting(name): return "Hello " + name вызвана как greeting(123). Почему mypy с настройками по умолчанию молчит и что нужно изменить, чтобы ошибка нашлась до запуска?

    Короткий ответ

    Функция без аннотаций считается динамически типизированной: mypy по умолчанию не проверяет её тело, а параметр name считает Any, поэтому сверять вызов greeting(123) ему не с чем. Ошибку нашёл бы только запуск (TypeError).

    Источник: mypy.readthedocs.io

Ещё 7 вопросов с ответамина Basic, 290 ₽ в месяц

Открыть все вопросыОткрыть все вопросы

FastAPI

12 вопросов
  1. Обработчик FastAPI объявлен как async def read(limit: int | None) без значения по умолчанию. Обязателен ли query-параметр limit и что получит клиент, не передав его?

    Короткий ответ

    Параметр обязателен: клиент получит ответ 422 с ошибкой типа missing и loc: ["query", "limit"].

    Источник: fastapi.tiangolo.com

  2. В приложении FastAPI сначала объявлен @app.get("/users/{user_id}"), а ниже @app.get("/users/me"). Какой обработчик получит запрос GET /users/me?

    Короткий ответ

    Первый, с параметром: user_id получит значение "me", а обработчик /users/me не будет вызван никогда.

    Источник: fastapi.tiangolo.com

  3. Обработчик POST /items/ принимает модель Item(name: str, price: float). Клиент шлёт с Content-Type: application/json тело {"name": "Foo"}. Какой ответ он получит?

    Короткий ответ

    Ответ 422 с телом вида {"detail": [{"type": "missing", "loc": ["body", "price"], "msg": "Field required", ...}]}; обработчик не вызывается.

    Источник: fastapi.tiangolo.com

  4. После обновления FastAPI до 0.132 клиент, который шлёт JSON без заголовка Content-Type, перестал проходить на эндпоинты с телом-моделью. Что изменилось и как вернуть прежнее поведение?

    Короткий ответ

    Начиная с 0.132.0 строгая проверка Content-Type включена по умолчанию: запрос без заголовка больше не считается JSON и тело как JSON не разбирается. В проверку модели уходят сырые байты, и запрос не проходит валидацию.

    Источник: fastapi.tiangolo.com

Ещё 8 вопросов с ответамина Basic, 290 ₽ в месяц

Открыть все вопросыОткрыть все вопросы

Django и DRF

19 вопросов
  1. Пакет polls лежит в проекте Django, в нём есть models.py и apps.py, но строки "polls" нет в INSTALLED_APPS. Что вернут apps.is_installed("polls") и apps.get_app_config("polls")?

    Короткий ответ

    is_installed вернёт False, а get_app_config поднимет LookupError.

    Источник: docs.djangoproject.com

  2. Запрос Country.objects.get(code="RU") стоит в двух местах: на уровне модуля polls/models.py и в методе PollsConfig.ready(). Что произойдёт в каждом из них?

    Короткий ответ

    На уровне модуля models.py Django поднимет AppRegistryNotReady: реестр моделей ещё не готов. В ready() модели уже доступны, запрос выполнится, но Django выдаст RuntimeWarning.

    Источник: docs.djangoproject.com

  3. Код делает qs = Entry.objects.filter(headline__startswith="What"), затем qs = qs.filter(pub_date__lte=today), затем qs = qs.exclude(body__icontains="x") и в конце list(qs). Сколько SQL-запросов выполнит Django и в какой момент?

    Короткий ответ

    Один запрос, и только на list(qs).

    Источник: docs.djangoproject.com

  4. Для невычисленного qs = Entry.objects.filter(headline__startswith="What") код делает a = qs[0], затем b = qs[0], затем list(qs) и, наконец, c = qs[0]. Сколько запросов выполнит Django?

    Короткий ответ

    Три запроса: по одному на qs[0] (оба раз) и один на list(qs); последний qs[0] читает кэш.

    Источник: docs.djangoproject.com

  5. В urlpatterns стоят по порядку path("articles/special/", views.special), path("articles/<slug:name>/", views.detail) и path("articles/<int:year>/", views.year_archive). Какое представление получит запрос /articles/2005/?

    Короткий ответ

    views.detail: строка 2005 подходит конвертеру slug, а его шаблон стоит выше. Представление year_archive недостижимо.

    Источник: docs.djangoproject.com

  6. Класс-представление определяет только get и post, а клиент отправляет DELETE на его URL. Что вернёт Django и что вернёт функция-представление, в которой request.method не проверяется?

    Короткий ответ

    Класс-представление вернёт 405 Method Not Allowed с заголовком Allow, перечисляющим поддерживаемые методы. Функция без проверки выполнится и вернёт обычный ответ на DELETE.

    Источник: docs.djangoproject.com

Ещё 13 вопросов с ответамина Basic, 290 ₽ в месяц

Открыть все вопросыОткрыть все вопросы

Ответьте на эти вопросы голосом и получите разбор

Открыть приложениеНачать бесплатно

Flask

9 вопросов
  1. Обработчик Flask возвращает ({"error": "not found"}, 404). Какой ответ получит клиент?

    Короткий ответ

    Статус 404, заголовок Content-Type: application/json и тело {"error": "not found"}.

    Источник: flask.palletsprojects.com

  2. В обработчике Flask читается request.form["username"], а клиент прислал форму без этого ключа. Что получит клиент и как читать ключ, который может отсутствовать?

    Короткий ответ

    Клиент получит 400 Bad Request: при обращении к отсутствующему ключу Flask поднимает специальную ошибку KeyError (BadRequestKeyError), и если её не перехватить, она превращается в ответ 400.

    Источник: flask.palletsprojects.com

  3. Расширение Flask читает current_app.config на верхнем уровне своего модуля, а create_app() ещё не вызывалась. Что произойдёт и где настройки читать правильно?

    Короткий ответ

    Будет RuntimeError: Working outside of application context: на уровне модуля контекста приложения нет, а current_app — прокси, который указывает на приложение из контекста.

    Источник: flask.palletsprojects.com

Ещё 6 вопросов с ответамина Basic, 290 ₽ в месяц

Открыть все вопросыОткрыть все вопросы

Проектирование HTTP API

10 вопросов
  1. Разработчик реализовал удаление записи как GET /items/42/delete. Почему удаление нельзя делать методом GET и каким методом его выразить?

    Короткий ответ

    GET по спецификации безопасный: он не должен менять состояние сервера. Удаление выражают методом DELETE /items/42.

    Источник: rfc-editor.org

  2. К админскому эндпоинту обращаются два клиента: первый без токена, второй с действительным токеном обычного пользователя. Какие коды статуса вернёт API каждому?

    Короткий ответ

    Первому 401 Unauthorized, второму 403 Forbidden.

    Источник: rfc-editor.org

  3. Клиент платёжного API после таймаута повторяет POST /payments и боится списать деньги дважды. Какой механизм защищает от дубля и как сервер должен ответить на повтор?

    Короткий ответ

    Клиент отправляет заголовок Idempotency-Key с уникальным значением (например, UUID) для логической операции и повторяет запрос с тем же ключом. Сервер, увидев известный ключ, не выполняет операцию заново, а возвращает результат первого выполнения.

    Источник: datatracker.ietf.org

Ещё 7 вопросов с ответамина Basic, 290 ₽ в месяц

Открыть все вопросыОткрыть все вопросы

Рантайм CPython

2 вопроса
  1. Скрипт начинается со строки print("старт"), а ниже в теле функции, которую никто не вызывает, стоит синтаксическая ошибка x = = 5. Что выведет python script.py и на какой фазе всё упадёт?

    Короткий ответ

    Слово «старт» не напечатается: программа упадёт с SyntaxError на фазе компиляции, до исполнения первой инструкции.

    Источник: docs.python.org

  2. Вы запускаете python app.py, а app.py импортирует helper.py. Исходники не менялись, команду запускают второй раз. Какой из двух файлов Python компилирует в байткод заново и ускорит ли кэш .pyc само выполнение программы?

    Короткий ответ

    Заново компилируется app.py; helper.py берётся из кэша, а выполнение кэш не ускоряет, только загрузку.

    Источник: docs.python.org

Наблюдаемость: логи, метрики, трассы

9 вопросов
  1. После релиза p95 длительности POST /orders вырос с 0,4 до 8 секунд. Метрика показала масштаб и время начала. Какой канал телеметрии покажет, в каком шаге обработки запроса теряется время, и почему этого не покажут метрики и логи?

    Короткий ответ

    Это трассы: трасса показывает путь одного запроса и длительность каждого шага.

    Источник: opentelemetry.io

  2. Нужно показать на графике, сколько заказов с купоном оформляется в час, и настроить по этому алерт. Какой тип метрики prometheus_client подойдёт и что нельзя класть в значения меток?

    Короткий ответ

    Подойдёт Counter с меткой вида «с купоном» или «без»; в метки нельзя класть значения с неограниченным числом вариантов.

    Источник: prometheus.io

  3. Сервис запущен четырьмя воркерами Gunicorn, в нём Counter запросов из prometheus_client. При ровном потоке запросов обновление страницы /metrics даёт значения 130, 96, 142. Почему значение скачет и что настроить, чтобы получать суммарное?

    Короткий ответ

    Каждый воркер Gunicorn — отдельный процесс со своей памятью и своим счётчиком; на запрос /metrics отвечает тот воркер, которому он достался. Чтобы получать сумму, нужен multiprocess-режим библиотеки.

    Источник: prometheus.github.io

Ещё 6 вопросов с ответамина Basic, 290 ₽ в месяц

Открыть все вопросыОткрыть все вопросы

Фоновые задачи и очереди

10 вопросов
  1. Обработчик FastAPI создаёт счёт, добавляет отправку письма в BackgroundTasks и возвращает 202. Во время деплоя процесс останавливается, и часть писем не ушла. Почему так вышло и какой инструмент нужен, если задача обязана выполниться?

    Короткий ответ

    Работа BackgroundTasks лежит в памяти процесса приложения и выполняется после отправки ответа, поэтому остановка процесса её прерывает. Если задача должна выжить при рестарте, нужна очередь с брокером, например Celery.

    Источник: fastapi.tiangolo.com

  2. Асинхронный обработчик запускает «выстрелил и забыл» так: asyncio.create_task(send_email(order)), а результат нигде не сохраняет. Иногда письмо не уходит, хотя ошибок нет. Какая причина по документации Python и как запускать такие задачи надёжно?

    Короткий ответ

    Цикл событий хранит только слабые ссылки на задачи: задача, на которую нигде нет ссылки, может быть удалена сборщиком мусора в любой момент, даже до завершения.

    Источник: docs.python.org

  3. Идемпотентная задача Celery send_invoice работает с настройками по умолчанию. Хост воркера внезапно выключился в середине задачи. Что станет с задачей и что изменится при acks_late=True?

    Короткий ответ

    С настройками по умолчанию задача потеряна, а с acks_late=True её выдадут другому воркеру и выполнят заново.

    Источник: docs.celeryq.dev

Ещё 7 вопросов с ответамина Basic, 290 ₽ в месяц

Открыть все вопросыОткрыть все вопросы

Контейнеры, конфигурация и CI/CD

13 вопросов
  1. На одном хосте нужно запустить двадцать изолированных копий сервиса. Чем контейнеры отличаются от виртуальных машин в том, что у них общее, и чем это выгодно?

    Короткий ответ

    Контейнеры изолируют процесс и делят ядро операционной системы хоста, поэтому двадцать контейнеров дешевле двадцати виртуальных машин.

    Источник: docs.docker.com

  2. В опубликованном образе shop-api:1.4 найдена уязвимая версия библиотеки. Можно ли обновить библиотеку внутри образа и как правильно выкатить исправление?

    Короткий ответ

    Образ неизменяем, поэтому его не правят: исправление выкатывают новым образом.

    Источник: docs.docker.com

  3. Класс Settings(BaseSettings) с env_prefix="SHOP_", env_file=".env" и полем redis_url со значением по умолчанию redis://localhost:6379/0. В окружении контейнера задано SHOP_REDIS_URL=redis://cache:6379/0, а в файле .env, по ошибке попавшем в образ, SHOP_REDIS_URL=redis://localhost:6379/1. Какое значение получит вызов Settings() и какое Settings(redis_url="redis://test:6379/0")?

    Короткий ответ

    Settings() получит redis://cache:6379/0, вызов с аргументом получит redis://test:6379/0: побеждает источник с большим приоритетом.

    Источник: docs.pydantic.dev

  4. В манифесте контейнера вместо SHOP_REDIS_URL написано SHOP_REDIS_RUL=redis://cache:6379/0. В Settings у поля redis_url есть значение по умолчанию, задано env_prefix="SHOP_" и extra="forbid". Упадёт ли сервис при старте и какой Redis он будет использовать?

    Короткий ответ

    Сервис не упадёт и будет использовать значение по умолчанию, то есть localhost внутри собственного контейнера.

    Источник: docs.pydantic.dev

Ещё 9 вопросов с ответамина Basic, 290 ₽ в месяц

Открыть все вопросыОткрыть все вопросы

Дальше по теме

Другие темы

Все темы

Ответьте на вопросы по Python голосом

Free без срока и без карты