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

منم یک PR زدم به لایبری سید

https://github.com/Aggify/aggify/blob/main/tests/test_query.py
پارامتر تست دقیقا همینجا به درد میخوره 👌

@ManiFoldsPython

چطور issue رو به صورت حرفه ای تو یک community مطرح کنیم و به جواب برسیم؟

اولین مشکلی که من خیلی میبینم مشکل xy هست.

https://en.wikipedia.org/wiki/XY_problem
مشکل xy چیه؟ به جای اینکه راجب صورت سوال, سوال بپرسن راجب مشکلی میپرسن که در طی پاسخ به اون سوال از اون روش بهش برخوردن. مثلا یک مثال ساده:‌ من چطور تو پایتون میتونم سه کاراکتر اخر از یک string که میاد رو بگیرم؟‌
حالا سوال و چالش واقعی:‌من چطور میتونم ببینم فایلی که کلاینت برام فرستاده همون فایلیه که ادعا میکنه؟ جوابش: مقایسه مجیک بایت و تطابقش با file extension که بعد آخرین نقطه میاد.
پس همیشه سوالتون رو بپرسید. میتونید راهکاری هم که داشتین در کنارش معرفی کنید.

دومین مشکل همون مشکل dont ask to ask هست که احتمال پاسخ گرفتنتون رو به شدت کاهش میدین.
https://dontasktoask.com

و آخرین مشکل نحوه و کالچر مطرح کردن مشکلتون هست. لایبری های اوپن سورس اگه ایشو زده باشین حتما با کالچر مطرح issue آشنا هستین, این موارد شامل:
۱. جدایی لاجیک از کدتون. هرچقدر لاجیک لای کدتون بیشتر باشه خواناییش کمتر میشه برای کسی که مسلط نیست به اون لاجیک.
۲. نوشتن یک failing test. خیلی وقتا همه مشکلشونو میگن ولی واقعا نمیفهمم کجاش مشکل بوده 😁
۳. اگه مورد دو رو انجام ندادین, میتونید یک قطعه کد کوتاهی بذارین که مشکلتون رو reproduce کنه! expected result مشخص باشه.
۴. محیطتون رو کامل شرح بدید. سیستم عاملتون, چه نسخه ای از لایبری و پایتون رو دارین استفاده میکنید‍.
۵. اسکرین شات با ‍سایت هایی مشابه ray.so بنویسید یا از قابلیت جدید تلگرام استفاده کنید برای ارسال کد.


@ManiFoldsPython

من واقعا شانسمو درک نمیکنم, چهار ساله یک عنکبوت ندیدم, دقیقا دقیقه ۱۲ ام ویدیویی که دارم ریکورد میکنم عنکبوت میاد بالای میزم :))

حالا بگذریم, ویدیو هایی که قولشو دادم record کردم. منتهی رو اسم کل پلی لیست گیر کردم :)) بنظرتون چه اسمی بذارم براش؟

1. تقویت پروفایل با مشارکت اوپن سورس
2. تقویت پروفایل با پرسونال برندینگ, نتورکینگ و مدرک
3. صفر تا صد رزومه نویسی
4. صفر تا صد مصاحبه behavioural
‍5. صفر تا صد مصاحبه تکنیکال
6. انتخاب, و پیشرفت شخصی در شرکت

از امشب شبی یک ویدیو میدم بیرون از این پلی لیست. 😁
@ManiFoldsPython

قسمت اول پلی لیست رشد مسیر شغلی, صفر تا صد گرفتن استخدام شدن در دنیای نرم افزار

در اولین ویدیو و دومین ویدیو میپردازیم به بهبود پروفایل خودتون به عنوان یک برنامه نویس. در این ویدیو میپردازیم به مشارکت اوپن سورس. قراره با هم بررسی کنیم چطور میتونیم تو یک پروژه اوپن سورس مشارکت داشته باشیم, چه فرهنگ و کالچری داره و تو چه سطحی باشیم میتونیم مشارکت کنیم؟

https://www.youtube.com/watch?v=0Xem5Ft72TE


@ManiFoldsPython