این ویسو توصیه میکنم گوش بدید… به عنوان یک جونیوری که کار رسمی نداشته، بیمه نداشته، تحصیلاتش دیپلم بوده تونستم کار بگیرم و ایشالا اگه بشه باهاش مهاجرتم دارم میکنم، پس شما چرا نتونی؟😁

ریپو رزومه نویسی خودم
https://github.com/ManiMozaffar/awesome-resumes

کانال یوتویوب tech immigrant
https://www.youtube.com/c/techimmigrants

یک پلی لیست خوب از ماک اینترویو
https://www.youtube.com/playlist?list=PLtuWfrF8FU5xGKn2kb8OT2tAKZXPjEuWI


این هفته سرم خیلی شلوغه. بعدا وقت کنم خودمم یک playlist میزنم هم راجب mock interview و هم یک ریپو مینویسم راجب Interviews (مثل ریپو رزومه نویسیم)

@ManiFoldsPython

در پی ویدیو Encapsulation و Abstraction که فیلم گرفتم راجبش:
https://www.youtube.com/watch?v=jvXn8VcJPNY&list=PLEQ3RnweNGA5XLLANrPl5erS90EREs0F0&index=3

من تو یکی از اپلیکیشن هام یک flowchart خیلی پیچیده داشتم
وقتی داشتم ریفکتورش میکردم واقعا maintain کردنش سخت شده بود. تبدیل شده بود به کد لگاسی. ۲ سال اونجوری افتاده بود دست نخورده مونده بود. و کلشو بردم تو یک کلس دیگه و کامل encapsulate کردم. یک متود decide هم گذاشتم که کل مسیر فلوچارتو طی کنه. و چند تا متود کمکی دیگه که لازم داشتم. شد ۲۵۰ خط کد که همش fi elif و match case میخوره. بعدش ریزالتشو یک آبجکت namedtupl ساختم و با enum و دیتا تایپ های مختلف parse کردم تو اون named tuple که اسمشو گذاشتم decision. خوانایی کدم با این encapsulate ای که انجام دادم حداقل ۱۰ برابر بیشتر شد جوری که همکارم که برنامه نویس هم نبود فهمید دارم چیکار میکنم :))

درنهایت سعی کنید از match case حتما استفاده کنید وقتی کاربردش پیش میاد جای if elif. سینتکس تازه ای هست تو پایتون و نمیبینید تو لایبری های اوپن سورس هنوز ولی واقعا قدرت خوانایی کدتون رو بالا میبره.

یک مقاله خوب میذارم بخونید عالیهه

Strong Static Typing to Prevent Illegal Code States | Python Patterns
https://towardsdatascience.com/strong-static-typing-to-prevent-illegal-code-states-7a13e122cbab


@ManiFoldsPython

dummy return or exception?
نظره شما چیست؟‌این سوالیه که این چند وقت خیلی برام مطرح شده بود.
اول توضیح بدم یعنی چی. دامی ریترن یعنی ریترن ساختگی. یعنی درواقع چیزی دارین ریترن میکنید که هدف تابع اون نبوده. مثلا داریم:

def get_order(order_id: OrderId) -> Order | None:
try:
reutrn Order.objects.filter(id=order_id)[1]
except Exception:
return None

کاری به کد و بهتر شدنش نداشته باشین این یک مثاله برای اینکه صرفا درک کنید منظور از دامی ریترن چیست.
حالا همینو بخواین با exception بنویسید:


def get_order(order_id: OrderId) -> Order:
try:
reutrn Order.objects.filter(id=order_id)[1]
except Exception:
raise OrderNotFound(id=order_id)



خوبی دامی ریترن:
شما signature یک تابع رو میبیند متوجه میشین که این تابع ممکنه دامی ریترن داشته باشه. نیازی نیست هردفعه برای استفاده ازش برین تو سورس کد و exception رو handle کنید. همینطور موقع کد زدن اگه یک کیس رو هندل نکرده باشین قطعا type checker کد ادیتورتون بهتون میگه.

بدی دامی ریترن:
نمیتونید متوجه شین دقیقا چرا None برگشته. یعنی بهتون tracability خوبی نمیده.


خوبی raise کردن و هندل کاستوم اکسپشن:
هرجایی از کدتون بخواین میتونید jump کنید و بپرین یک جای دیگه. قابلیت پرش تو کد با exception خیلی خوب میتونید داشته باشید. همینطور خیلی state رو خوب نگه میدارن تو خودشون و میتونید کارای خیلی باحالی کنید با همین پاس دادن state تو اکسپشن

بدی کاستوم اکسپشن:
مخفیه و تو signature تابع نیست. تو داک استرینگ هم بگین این تابع فلان اکسپشن رو raise میکنه بازم کامل نیست چرا چون ممکنه داخل اون تابع یک تابع دیگه باشه که یک exception دیگه raise میکنه. و همینطور لایه لایه زیاد میشه. اخرسر اینقدر overhead میشه که میبینید کد کدتون شده handle exception هایی که مخفی بوده از چشمتون و برنامتون خیلی باگ میخوره


من این مدت خیلی کلنجار رفتم با این و بنظرم:
دامی ریترن برای utilty function ها و reusable function ها خیلی مناسب ترن. چون برنامه نویسی رو برامون سخت نمیکنه و چند لایه اکسپشن و هندلر نمیخوریم

کاستوم اکسپشن برای business logic ها خیلی خوبه. باید تو بالا ترین سطح کد باشه و یکی دو لایه بیشتر نشه. کدی که قرار reusable باشه باید dummy return داشته باشه

نظر شما چیه؟ با من موافقین؟ مخالفین؟

@ManiFoldsPython

مثال بهتر, من یک فانکشن دارم که قراره کلی جا ازش استفاده کنم به اسم get_user و از طرفی process_order هم دارم که قرار مثلا یک اوردر رو برام پروسس کنه طبق لاجیک بیزنس.

با دامی ریترن

def get_user() -> UserId | None

process_order() -> 
    user = get_user
    if not user:
         raise Stp[P(reason="User does not exist")

بدون دامی ریترن:

def get_user() -> UserId 

process_order() -> 
    try:
        user = get_user
    except UserDoesNotExist as exception:
         raise StopOrderProcessing(reason="User does not exist")

من خودم حالت دوم رو اصلا نمیپسندم. حالت اولاستفاده از کد رو خیلی راحت تر میکنه و خوانایی کدو به شدت بیشتر میکنه.

@ManiFoldsPython

I always have a respect for the aged geeks who have been growing with the technology and felt the history instead of reading it. One of them is David Beazley. He was one of the developers who used first versions of Python (<=1.0) in big projects and it’s cool to see these guys seen all the change history of these tools and programming languages.

Follow him on Youtube and watch his lectures about multi-threading and asyncio.

Here he’s teaching you how to build your async:
https://youtu.be/Y4Gt3Xjd7G8?si=A4GrpDoqQPZ8Q8G5

@OhMyTask

چقدر تبلیغای real python احساسی و personal شده 😂😂

الان ایمیل بعدی اسکرین شات میفرسته میگه “به بعضیا باید گفت ببخشید که فکر کردم رفیقی، دیگه تکرار نمیشه 🙃” :)))

@ManiFoldsPython

یک مقاله خوب از مهدی

✔️ تازه‌های پایتون ۳.۱۲
تا چند روز آینده پایتون ۳.۱۲ که آخرین ورژن پایدار پایتون هست قراره منتشر بشه، بیاید تا با جدیدترین قابلیت‌ها و بهبودهای پایتون آشنا بشیم 😁

🔗 https://virgool.io/@liewpl/python-3-12-whats-new-vpq99njtytc6

@ManiFoldsPython

برگشتم با یک ویدیو جدید از ادامه دوره دیزاین پترن
تو این ویدیو راجب ‍دیزاین پترن متود فکتوری صحبت کردم و مثال با کد زدم, گفتم کجا و چقدر میتونه استفاده شه و کاربردش چیه و مزایا و معایب استفاده ازش چیه؟

https://www.youtube.com/watch?v=Ci_noxGINY4&list=PLEQ3RnweNGA5XLLANrPl5erS90EREs0F0&index=4

لینک گیتهاب دوره دیزاین پترن
جزوه و مثال های دوره همه اینجا ذخیره خواهند شد.
https://github.com/ManiMozaffar/design-101

@ManiFoldsPython

بقیه از AI میترسن که جاشونو بگیره
من از این :)))

اینقدری که خوب دیباگ میکنه منو gpt نمیکنیم :)))
@ManiFoldsPython

✔️ اخیرا code review برای یک سری از دوستان انجام دادم و یک موردی که در اکثر کدها میدیدم عبارات شرطی (if/else) های غیرضروری و تورفتگی های بیش از حد کدها بود که باعث میشد خوانایی کد پایین بیاد، کدها کثیف بشن و دیباگ و نگهداری کد هم سخت تر بشه. این مورد انقدر زیاد بود که تصمیم گرفتم راجع بهش یه ویدیو بسازم.

✅ توی این ویدیو راجع به تکنیک گارد کلاوز (Guard Clause) صحبت میکنیم که با استفاده از برعکس کردن شرط‌های if، میشه کدهای تمیزتری نوشت و دیباگ، نگهداری و در نهایت زندگی راحت تری داشته باشیم.

🖥 مشاهده در یوتوب
👉 Link: https://youtu.be/Q3FLJ95Mc1g?si=JnCE5PYehlrTyQMl

〰️〰️〰️〰️〰️〰️
@BobyDotCloud

context is king
@ManiFoldsPython

مقاله جالبه بخونید بنظرم

https://belief-driven-design.com/naming-stuff-is-hard-17fca2ee582/

میشه گفت مهم ترین اصل کلین کد اسم گذاری variable ها هست. چون شما هر طوری کد بزنی اگه اینو درست انجام ندی کدت کلین نیست.

همیشه تو هر کاری زیاده روی هست. به کسی که قراره کدتون رو maintain کنه رحم کنید و مثل عکس اسم گذاری نکنید :))


w 🚫
weight ❔
weightKg ✅
customerWeightInKg ❔
customerCurrentWeightInKg🚫

@ManiFoldsPython

یک تایمی که اپلای میکردم برای اروپا متوجه شدم اکثر شرکت های اروپایی یک فریم ورک و فرهنگ مشخص دارن برای استخدام،

اولا که اگهی ها اینطوری بود:

What you will do
1. ….
2. ….

What you will bring
1. Proficienct in Django
2. …
3. Fimiliar with k8s

Nice to have
1. …

دلیلش اینه که وقتی میگن advance یا … مشخص نیست چقدر ادونس؟ تکنولوژی تو اخرین مرحله advance اش یعنی شما مستقیما core contributer بشی و شاید سال ها طول بکشه تا به اونجا برسی. پس طبیعتا این کلمه advance میتونه به کلی معنی های مختلف ترجمه شه. ولی وقتی تسکی که انتظار میره ازتون رو بنویسن شما متوجه میشی چقدر میخوان اشنایی داشته باشی با یک چیزی

نکته دوم، شرکت های خیلی بزرگ و FAANG میان سوالات سخت الگوریتمی میذارن تو مصاحبه فنی، کاری به خوبی و بدیش ندارم ولی اون شرکتا تو اون حجم راهکار دیگه ای ندارن. نمیتونن بشینن برای کاندید های مناسب یک پوزیشن تک تک coding assignment بدن و پروژه هاشون رو چک کنند، هزینه این کار تو scale بالا ممکنه براشون غیرمنطقی باشه. پس شرکتا معمولا یا coding assignment میدن یا الگوریتم. نمیان جفتشو بدن! کنارش سوالات تئوری هم میپرسن.

و نکته اخر، چه الگوریتم باشه چه coding assignment، مستقیما به پروداکت شرکت ربطی نداره! مثلا من coding assignment هایی که انجام دادم راجب pokemon و imdb و این چیزا بود. طبیعتا نباید چالش شرکتو assignment بدن بهتون، یا اگه همچین کاری‌کنند باید بهتون هزینه پرداخت کنند چون دارین عملا رو پروداکتشون کد میزنید.


@ManiFoldsPython

یک اپلیکیشن فست نسبتا خوب با رعایت استاندارد ها.

- Backend -> Fastapi
- Front -> React
- Opentelemtry
- Jaeger
- Alembic & migration

https://github.com/fike/fastapi-blog

اصلاحاتی که نیاز داره:
۱. بنظره من jaeger و tracing اش میتونست بهبود پیدا کنه و از فرانت تا بک کلش trace شه.
۲. بکش async باشه.
۳. دپندسی اینجکشن و auth اش خیلی ضعیفه


@ManiFoldsPython

این برام همیشه سوال بود که overlap دوآپس و بک اند چطوریه. این مدت که بیشتر کارای آپریشن کردم به جواب رسیدم...
بذارین سناریو بگم که شبیه واقعیت باشه که دوآپس واقعا کاری از عهدش برنمیاد. اولا که آپریشن صرفا دپلوی و ci cd نیست. مخصوصا تو شرکت های خارجی. دوما سولوشن بقیه بیشتر مواقع به دردتون نمیخوره. حالا با مثال بهتر متوجه میشین.

فکر کنید مثلا دارین ربات اینستاگرام مینویسین که میره پست هارو لایک میکنه و کامنت میذاره و ... . و کاملا distributed هست. یک سرویس دارین اکانت میسازه. یک سرویس دارین لاگین میکنه. یک سرویس دارین کامنت میذاره. یک سرویس دارین لایک میکنه. یک سرویس دارین reels میبینه و ... .
حالا این وسط یک باگی به وجود میاد. از شما به عنوان دولوپر انتظار میره این باگو برطرف کنید. مثلا سیستم لایک, درست کار نمیکنه. این باگ بین چند تا سرویس اتفاق افتاده (مثلا). چطور میخواین بفهمین و کل trace باگو داشته باشین؟

اینجاست که ابزار هایی مثل datadog یا opentelemtry یا jaeger یا kibana مفهوم پیدا میکنن.و بزرگ ترین مشکل اینه که شما دیگه مشکلت صرفا یک درخواست بک اند نیست. مشکلی که شما داری یک instrumentation کاستوم میخواد. instrumentation یعنی چی؟‌
In the context of logging, "instrumentation" refers to the act of adding logging statements to your code to monitor its behavior, measure performance, or troubleshoot issues. These logging statements serve as "instruments" to give you insight into how your application is running

پس مشکل شما رو پکیج opentelemetry-instrumentation-fastapi یا پکیج های اوپن سورس برطرف نمیکنه.
چرا؟‌ چون باید خودتون ‍span هاتون رو طراحی کنید. طراحی و معماری میخواد پشت این موضوع. مثلا باید پشت هر یوزر اینستاگرام شما یک span بسازین که من تو یک trace ببینم اون کاربر اینستاگرام چه درخواست هایی زده تا خورده به اون اکسپشن. اینجاست که شما باید با این آپریشن ها آشنا باشید و devops نمیتونه طبیعتا اینارو بنویسه. دوآپس به شما میتونه infrastructure قابل اعتماد بده که بتونید راحت tracing رو انجام بدید و یک جایی براتون visualize کنه.

خیلیا اصلا با این مفاهیم اشنا نیستن و چرخه رو از نو میسازن. یک سولوشن لاگینگ برای خودشون مینویسن. این کارم درست نیست چون همه اینا رو یک سری استاندارد هایی نوشته شدن که بتونید یک سیستم distributed رو لاگ کنید و کلی query service و فیچر دارن که بخواین بازنویسی کنید یک سال فقط باید روش کار کنید در حالی که میتونستین تو یک هفته یک distributed tracing خیلی قوی داشته باشین از اپلیکیشنتون! چرا؟‌چون بک اند کار هاشون هیچ آشنایی نداشتن با آپریشن.

هر موقع خواستین سمت سیستم distributed برین یادتون باشه پیدا کردن باگ خیلی پیچیده میشه. چون دیگه نمیتونید صرفا با یک chain exception کل درخواست رو trace کنید و باگ میتونه بین چند تا سرویس باشه که اگه instrumentation خوبی نداشته باشین زیاد با این جور باگا سروکله خواهید زد.

@ManiFoldsPython

قسمت جدید دوره تست نویسی راجب Parametrized Testing اضافه شد.
تو این قسمت پارامترایز تستینگ رو توضیح دادم, گفتم کجا به درد میخوره و مزیت و معایبش چیه و کجا باید استفاده شه.

https://www.youtube.com/watch?v=2tE6REdDjp8&list=PLEQ3RnweNGA6v7qTMrDCcpgr9u91zvpq_&index=8

سوالی داشتین حتما کامنت کنید زیر ویدیو.
@ManiFoldsPython

Mastering API Testing with FastAPI: Databases, Dependencies, and More!

https://www.youtube.com/watch?v=9gC3Ot0LoUQ

@ManiFoldsPython

خیلیا رو میبنیم که تو گرفتن اولین شغلشون سختی های زیادی دارن میکشن و حتی بعضی ها منصرف میشن!

برای همین تصمیم گرفتم این هفته سه ویدیو خوب و اساسی record کنم و البته یک دستی به ریپو های رزومه نویسیم بکشم. ریپو رزومه نویسیمو همین امشب آپدیت کردم و ۲ سکشن جدید بهش اضافه کردم:
https://github.com/ManiMozaffar/awesome-resumes


سه ویدیو ای که قراره record کنم
ویدیو اول)‌چطور پروفایل خوبی داشته باشیم؟
ویدیو دوم) چطور رزومه خوبی بنویسیم؟
ویدیو سوم)‌چطور پرفومنس خوبی تو مصاحبه ها داشته باشیم؟

‌
اگه ایده یا نظری دارین بگین.
@ManiFoldsPython