از serverless سرویس lambda رفتن رو EC2 و ECS و ساختار رو monolith کردن که باعث شد 90درصد هزینه کمتر شه و پرفومنس هم خیلی بهتر شه. میتونید تو بلاگ زیر بیشتر بخونید. این همون قضیه زیره
there is no solution only trade offs

Scaling up the Prime Video audio/video monitoring service and reducing costs by 90%

برگشتم رو لایبری FastAPI ام دارم کار میکنم

یکی از قابلیت هایی که دوست دارم بهش اضافه کنم اینه که شما اینطوری feature اضافه کنی با ارث بری

import my_module


class YourFastAPI(
    my_module.FastAPIExtended
):
    pass
# Now my FastAPI class has redis, postgresql, Base User class, Admin Panel 

main = YourFastAPI (
    featrues = [
        my_module.Redis,
        my_module.PostgreSQL,
        my_module.BaseUser,
        my_module.AdminPanel
   ]
)

خب برای اینکار یادم اومد طبق کتاب fluent python که میتونم از مجیک متود mro استفاده کنم. حالا این مجیک متود چیکار میکنه؟
از طریق یک الگوریتم DFS یا جستجوی عمق اول در گراف ارث‌بری کلاس‌ها، کار میکنه. یعنی چی؟ یعنی مثلا شما کلسی دارین به اسم A که از B و C ارث بری کرده.

class A(B,C)

میاد تو یک عمق اول B و C رو چک میکنه. بعد چک میکنه که این دو کلس از چیا ارث بری شدند؟
تو عمق دوم بازم همین روندو ادامه میده, اینقدر تکرار میکنه تا برسه به base class که میشه object.

به چه دردی میخوره؟ اگه با یک class آشنا نیستین و خیلی سریع میخواین به همه doc string هاش دسترسی داشته باشین میتونید همچین کاری کنید.

for cls in SomeClass.__mro__:
    print(
        f"obj: {cls.__qualname__}",
        cls.__doc__,
        "-"*20,
        sep="\n"
     )

@Manifoldspython

اگه طرفدار fastapi و pydantic هستین و از serializer های DRF بدتون میاد این لایبری رو حتما بهش سر بزنید

https://github.com/vitalik/django-ninja


اینم یک لایبری دیگه, که برای دیتافریم هست و با rust و nodejs نوشتن که میتونید ازش استفاده کنید.
https://github.com/pola-rs/polars


@Manifoldspython

این رودمپ منه, تا چند ماه آینده. 4 شاخه مختلفه, معمولا 2-3 کورس/کتاب همزمان میخونم که ذهنم خسته نشه. شخصا وقتی فقط رو یک کتاب یا کورس تمرکزمو میذارم زود خسته میشم. بعضیاشو خوندم/دیدم, ولی دوست دارم یک بار دیگه بخونم/ببینم و پروژه محور کنارش کد بزنم و بیشتر باهاش بازی کنم.

——————————————————————
Linux

Linux Overview (5h)

Introduction to Linux Virtualization from the Command Line (1h)

Concepts for Securing Your Servers (1h)

LPIC-1: System Administrator Exam 101 (v5 Objectives) (20h)

LPIC-2: Linux Engineer Exam 201 (25h)

Text Editing with Vim (Vi iMproved) (8h)

——————————————————————
Backend

Python deep dive 4 (40h) ✅

Python deep dive 1 (37h) ✅

Two scopes of django (3.x)

Python deep dive 2 (35h)

Python deep dive 3 (35h)

FastAPI Docs

Python Tricks

SQLAlchemy ORM DOCS

Fluent Python

——————————————————————
CI/CD & Devops & Server

AWS Certified Cloud Practitioner (CLF-C01) ✅

Source Control with Git ✅

Github Actions ✅

Introduction to Amazon RDS (3h)

Learn Docker by Doing (20h)

AWS Certified Solutions Architect - Associate (SAA-C03) (45h)

Introduction to Terraform Cloud (4h)

Introduction to Kubernetes (3h)

Kubernetes Essentials (5h)

Kubernetes and Cloud Native Associate (KCNA) (11h)

——————————————————————
Architecture And Software Design And Algorithm

Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems

The Complete Data Structures and Algorithms Course in Python

The Ultimate Data Structures & Algorithms Course (13h)

The Ultimate Design Patterns By Mosh (8h)

Software Architecture & Technology of Large-Scale Systems (25h)

Patterns of Enterprise Application Architecture (by Martin Fowler)



@ManiFoldsPython

اگر زبان انگلیسی بلد نباشید، احتمال اینکه در برنامه‌نویسی پیشرفت کنید کم هست.

اگر هم زبان انگلیسی بلد باشید تضمینی برای این پیشرفت نیست، ولی حداقل به انبوهی از منابع آموزشی رایگان (در هر موضوعی، نه فقط برنامه‌نویسی) دسترسی پیدا میکنید.

از یاد گرفتن یک زبان دوم ضرر نمیکنید.

@DevTwitter | <Amirreza Gh/>

یک نکته ای که اضافه کنم اینه که اگه انگلیسی بلد نباشین همیشه از دنیا چند پله عقب ترین
یعنی تا داک فست ترجمه نشده نمیتونید بخونید
تا آموزش K8s فارسی نیاد نمیتونید یاد بگیرین
تا آموزش داکر فارسی نیاد نمیتونید یاد بگیرین
تا Mojo داکش فارسی نشه یا اموزش نیاد نمیتونید یاد بگیرین..
هیچوقت doc string رو نمیتونید بخونید.

پس هرچقدر برنامه نویس خوبیم که بشید هرچند احتمالش کم, اما همیشه عقبین از دنیا.

@ManiFoldsPython

احساس میکنم داره دروغ میگه، و fine tunned model هست، سرعت پاسخ دادنش هم مثل ada خیلی سریعه.

@ManiFoldsPython

Manual memory management 😂😂😂
#fun

یه زمان، سیستم توی سی اینجور بود که شما باید از Malloc استفاده می‌کردید و از CPU درخواست فضا از رم واسه متغیرتون می‌کردید. بصورت دستی ست می‌کردید که فلان متغیر، فلان قدر از رم رو (به بایت) بهش اختصاص بده.

int age = malloc(32670) // 32kb

و باید حتما یادتون می‌موند وقتی که کارتون با این متغیر (دیتا) تموم شد، حتما این رفرنسش رو پاک کنید تا اون بلاک از مموری هم پاک شه.

free(age) // used to free the memory block

حالا این وسط یه سری بدبختیا بود..

- اگه برنامه‌نویس یادش می‌رفت فانکشن free رو ران کنه: خب خیلی طبیعیه که اگه یادش می‌رفت free-up کنه، به مموری لیک می‌خوردیم. گاها دیدید RAM Resource پر میشه و سیستم دیتا رو روی Swap نگه‌داری می‌کنه؟ دقیقا همون لحظه‌س.

- اگه برنامه‌نویس بلافاصله بعد از تعریف متغیر، free رو کال می‌کرد: به راحتی اون بلاک از مموری آزاد می‌شد و شما اگه جلوتر مقدار متغیر رو چاپ کنید ممکنه یه دیتاهایی پرینت شن که خیلی عجیب و غریب باشن..!! (درواقع ممکنه دیتاهایی باشن که توسط دیگر پروسه‌ها دارن توی اون بلاک از رم نگه‌داری میشن)

- اگه برنامه‌نویس دو بار free رو کال کنه: اگه بار اول فری کال شه، بلاک رم آزاد میشه و دیتایی که داخلشه از بین میره. فرض کنید بین free اول و free دوم یه وقفه ایجاد شه و سیستم‌عامل یا هر پروسه دیگه‌ای بیاد و دقیقا توی اون بلاک از رم یه دیتای حساس قرار بده. بلافاصله بعد از اینکه free دوم ران میشه، اون دیتای حساس هم از بین میره و پروسه عملا به فنا می‌ره و این اصلا خوب نیس!

خلاصه امروز که می‌بینید خیلی راحت زبان‌ها این Memory Management رو هندل می‌کنن، همچین دارک هیستوری پشت قضیه بوده.. دلیلشم اینه که سیستم‌عامل یکم واسش دردسر داره که بتونه منیج کنه مموری رو. واسه همینه که اکثر استراتژی‌های فری آپ کردن مموری توسط خود زبان‌های برنامه‌نویسی انجام میشه.

از pylint استفاده کنید برای اینکه هم گاف هایی که دادین تو کد بهتون نشون بده, مثل استفاده از mutable توی default.
و هم ایرادات کدتون رو براتون تا حدی تحلیل میکنه.
حتی میتونید گیت هاب اکشن هم براش بنویسید و ارور هایی که میخواین رو میتونید ایگنور کنید, مثلا اگه همه توابعتون doc string نداره باید ignore کنید یا داک استرینگ اضافه کنید.
pylint --disable=1,2,3,... --fail-under=9.5 project_root_folder

اینطوری تمام کد های پروژتون رو تحلیل میکنه و ارور هایی که مشخص کردین ایگنور میکنه و بهتون نمره میده. اگه کمتر از 9.5 شدین هم fail و exit code 1 میده بهتون که باعث میشه workflowتون fail بخوره و متوجه شین.
خروجیش رو تو تصویر میتونید ببینید

از flake8 هم غافل نشین ✌️
@ManiFoldsPython

مهم نیست بک اند کار میکنید یا فرانت.
این کتاب رو باید بخونید.

@ManiFoldsPython

کدنالین اپیزود هشتم، مانی 🤩.

این اپیزود رو با مانی از ترکیه رفتیم، مانی ۱۷ سالگی مهاجرت کرده ترکیه، الان ۵ سالی هست که اونجاس، بک‌اند با پایتون کار میکنه، داخل ترکیه یک استارت آپ داره و خلاصه ادم خفنیه =)

این قسمت رو از دست ندیدا🫨

کانال مانی: @ManiFoldsPython

نسخه تصویری در یوتیوب : https://youtu.be/4yUVIAhFzS8

نسخه صوتی در کست‌باکس



🗿 @CodeNaline
🧠 @TorhamDevCH

این ریپو تا یک جاهایی جلو رفته
https://github.com/ManiMozaffar/fastapi-integration

هدفشم اینه که کار با FastAPI رو راحت کنه. سریع فیچر ادد کنید, کانفیگ کنید, با یک orm ترجمه شده مثل جنگو هم کدتون رو خوانا تر کنید و جاهایی که نمیشد با اون orm رفت اون query زد از sqlalchemy استفاده کنید. و رقیبی بشه برای اون قابلیت rapid development بودن django

البته خیلی کار داره هنوز. توضیحات readme رو بخونید یکم بیشتر میتونید درکش کنید.

کسایی که FastAPI کار میکنن یا بلدن, نظر بدن ممنون میشم, که به نظرشون اگه این ریپو به اندازه کافی stable باشه ازش استفاده میکنن یا نه؟ میخوام ببینم gap ای که پر میکنه خریدار داره یا نه 😅 که براش بیشتر زمان بذارم یا کمتر..
@ManiFoldsPython

یک سوال جالب امروز تو مصاحبه ازم پرسیده شد
چند تا ریاضی دان تو جزیره ای رفتند و حوصلشون سر میره. تصمیم میگیرن با هم تاس بازی کنند, به فروشگاه میرن و فقط یک cube داره که داخلش 3 تا تاسه. راهکاری معرفی کنید که بتونن تاس بازی رو انجام بدن طوری که گزینه ها مثل یک تاس (1 تا 6) با احتمال رخ دادن برابر باشه. (1/6)
میتونید حتی برنامه رو به صورت پایتون بنویسید.
راهکار های مختلفی وجود داره, و هرچی O notation کمتری داشته باشه طبیعتا راهکار بهتریه.
1. نمیتویم تاس رو خارج کنیم :))
2. نمیتونیم فقط یک تاس رو بندازیم. باید cube رو تکون بدیم تا تاس ها هم بخورن و فقط جوابشو ببینیم. سه تا تاس همزمان هم میخورن.
پاسخ رو کامنت کنید.
3. تاس ها یک شکل هستند و خاصیتی برای متمایز سازیشون وجود نداره
@ManiFoldsPython

این روزا شب میخوابین صبح بلند میشین 10 تا پروداکت AI جدید اومده.
یک سایتم اومده یک لیستی از اینا درست کنه, مثل hub

https://aitoptools.com

جالبه ببینید ... 👌
@ManiFoldsPython

یک productivity principle ای داریم که تو زندگی روزمره خیلی به درد میخوره :)

Eliminate, Simplify, Automate, and Delegate


Eliminate:
وظایفی که اهمیت نداره یا بی ارزش هست رو شناسایی و حذف کنی. این کار باعث میشه بیشتر تمرکزت رو بذاری رو اون چیزی که مهمه

Simplify:
وظایف رو به بخش های کوچیک تر تبدیل کن, و ساده ترشون کن تا راحت تر مدیریت بشن. هرچی وظایف ها پیچیدگی کمتری داشته باشن, انجام دادنشون هم به همون نسبت لذت بخش تره.

Automate:
اگه کاری رو بیشتر از 3 بار داری تکرار میکنی, احتمالا داری اشتباه انجامش میدی. سعی کن خودکار ترش کنی که کمتر تکرار کنی و وقتت کمتر هدر بره.

Delegate
اگه وظیفه ای داری که خارج از مهارت شما هست, و شخص دیگری میتونه بهتر از شما و موثر تر از شما انجام بده, پس وظیفه رو باید به اون بسپاری.


منم سعی میکنم تو روتین روزانم اینو رعایت کنم و تقریبا موفق بودم
@ManiFoldsPython

همیشه وقتی بنچ مارکی میبینید, کدشم ببینید و مقایسه کنید. خیلی سریع نرین سراغ result و یک تایید بهش بدین.. :>
https://github.com/teamhide/fastapi-boilerplate

مثال تو این مورد, اومده برای هر درایو یک db driver استفاده کرده که باعث شده بیشتر به جای مقایسه خود orm ها, مقایسه درایوشون بشه. مثلا تو tortoise اومده از asyncpg استفاده کرده ولی در حالی که sqlalchemy همونو ساپورت میکنه اومده درایو دیفالت خودشو استفاده کرده که sync هست !

بنظره من برای بنچ مارک میتونست orm هارو با یک درایو یکسان تو sync و async مقایسه کنه. اینطوری 2 تا بنچمارک داشت برای sync یکیم برای async
و همچنین میتونست سرعت ساخت query به صورت استرینگ هم تست کنه, تو model های پیچیده تر. طبیعتا پرفومنس sqlalchemy بهتره چون پایتونیک تره نمیایم بگیم model2___name__contains 😅

@ManiFoldsPython

این اگهی استخدام یک شرکت معمولیه برای پوزیشن سنیور با 100 تا کارمند تو حوزه IT
من تجربه ای ندارم ولی واقعا برام منطقی نیست؟ چطور میشه یک نفر این همه تجربه داشته باشه؟ چطور اصلا این شرکت قراره همچین فردی رو پیدا کنه یا استخدام کنه؟

DevSecOps
Front
Backend
Machine Learning
Data Science

@ManiFoldsPython