▪Видео
▪Код из видео
@pro_python_code
Please open Telegram to view this post
VIEW IN TELEGRAM
▪Видео
▪Код из видео
▪Часть 1
▪Часть 2
▪Часть 3
▪Часть4
@pro_python_code
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥 Дайджест полезных материалов из мира Python за неделю
Почитать:
— Django или Fast API: выбираем Python-фреймворк для веб-разработки
— Что нового в Pandas 2.1
— Готовые скрипты Python
— Интеграция Telegram ботов в Django приложениях
— 6 развлекательных проектов на Python: от шаверма-бота до игры в слова
— 9 лучших консольных файловых менеджеров Linux
— Управление сервоприводами, часть 2. Управляем сервоприводами с помощью серво-контроллера через USB любых компьютеров
— Клонирование голоса, замена лица по фото, удаления объектов в видео и все в одном open-source проекте Wunjo AI
— Эластичный DAG или «гнём, где не гнулось»
— Как понять, что клиента пора реактивировать?
— Анализ данных с использованием библиотеки Dask
— Взгляд на телеграм-ботов изнутри
— Учим ИИ чатбота слушать и говорить
— Создание интерактивных аналитических панелей с помощью Python Streamlit
— Deploying Apps on Render
— Mastering ZIP File Handling in Python: Reading and Creating Zip Archives
— The Minion Game - HackerRank Solution Python
— Iterables and Iterators - HackerRank Solution Python
— Regex Substitution - HackerRank Solution Python
— How to Solve the "No Idea!" Challenge in Python
— 🌐 UN Goals : Education & Gender Equity ⚖️
— Starting my Journey in Open Source
— Created a toggle_state_button with PyQt5
— Accelerating Releases with Pulumi: My Proxy Project Journey
Посмотреть:
🌐 HTMX заменит Frontend?! WTF? (⏱ 12:12)
🌐 Полный курс по библиотеке Numpy. Матрицы (⏱ 11:24)
🌐 Уроки Golang с нуля /#26 - Обработка ошибок (⏱ 08:14)
🌐 Python+SQL работа с базами данных. (⏱ 11:10)
🌐 Полный курс по библиотеке Numpy. Полезные функции (⏱ 11:05)
🌐 Полный курс по библиотеке Numpy. Применение Numpy (⏱ 11:52)
🌐 Полный курс по библиотеке Numpy. Создание матриц из файла (⏱ 15:55)
🌐 Python Атоматизация отправки email с selenium (⏱ 04:59)
🌐 Полный курс по библиотеке Numpy. Продвинутые методы работы с матрицами (⏱ 07:28)
🌐 Python анализ данных с Pandas. (⏱ 17:04)
🌐 【作業配信】ろっきーさんの新ビジュアル仕上げていくぅ~!龍角散と共に・・・! (⏱ 01:34:00)
🌐 Задание 8 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 08:55)
🌐 Задание 9 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 09:11)
🌐 Задание 10 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 02:16)
🌐 Задание 11 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 04:18)
🌐 Задача с собеседования на Junior Python разработчика #shorts #python (⏱ 00:48)
🌐 Как узнать процент заряда батареи с помощью Python #shorts (⏱ 00:45)
Хорошего дня!
@pro_python_code
Почитать:
— Django или Fast API: выбираем Python-фреймворк для веб-разработки
— Что нового в Pandas 2.1
— Готовые скрипты Python
— Интеграция Telegram ботов в Django приложениях
— 6 развлекательных проектов на Python: от шаверма-бота до игры в слова
— 9 лучших консольных файловых менеджеров Linux
— Управление сервоприводами, часть 2. Управляем сервоприводами с помощью серво-контроллера через USB любых компьютеров
— Клонирование голоса, замена лица по фото, удаления объектов в видео и все в одном open-source проекте Wunjo AI
— Эластичный DAG или «гнём, где не гнулось»
— Как понять, что клиента пора реактивировать?
— Анализ данных с использованием библиотеки Dask
— Взгляд на телеграм-ботов изнутри
— Учим ИИ чатбота слушать и говорить
— Создание интерактивных аналитических панелей с помощью Python Streamlit
— Deploying Apps on Render
— Mastering ZIP File Handling in Python: Reading and Creating Zip Archives
— The Minion Game - HackerRank Solution Python
— Iterables and Iterators - HackerRank Solution Python
— Regex Substitution - HackerRank Solution Python
— How to Solve the "No Idea!" Challenge in Python
— 🌐 UN Goals : Education & Gender Equity ⚖️
— Starting my Journey in Open Source
— Created a toggle_state_button with PyQt5
— Accelerating Releases with Pulumi: My Proxy Project Journey
Посмотреть:
🌐 HTMX заменит Frontend?! WTF? (⏱ 12:12)
🌐 Полный курс по библиотеке Numpy. Матрицы (⏱ 11:24)
🌐 Уроки Golang с нуля /#26 - Обработка ошибок (⏱ 08:14)
🌐 Python+SQL работа с базами данных. (⏱ 11:10)
🌐 Полный курс по библиотеке Numpy. Полезные функции (⏱ 11:05)
🌐 Полный курс по библиотеке Numpy. Применение Numpy (⏱ 11:52)
🌐 Полный курс по библиотеке Numpy. Создание матриц из файла (⏱ 15:55)
🌐 Python Атоматизация отправки email с selenium (⏱ 04:59)
🌐 Полный курс по библиотеке Numpy. Продвинутые методы работы с матрицами (⏱ 07:28)
🌐 Python анализ данных с Pandas. (⏱ 17:04)
🌐 【作業配信】ろっきーさんの新ビジュアル仕上げていくぅ~!龍角散と共に・・・! (⏱ 01:34:00)
🌐 Задание 8 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 08:55)
🌐 Задание 9 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 09:11)
🌐 Задание 10 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 02:16)
🌐 Задание 11 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 04:18)
🌐 Задача с собеседования на Junior Python разработчика #shorts #python (⏱ 00:48)
🌐 Как узнать процент заряда батареи с помощью Python #shorts (⏱ 00:45)
Хорошего дня!
@pro_python_code
⚡Легкий способ получать свежие обновлении и следить за трендами в разработке на вашем языке. Находите свой стек и подписывайтесь:
Data Science: t.me/data_analysis_ml
Java: t.me/javatg
Базы данных: t.me/sqlhub
Машинное обучение: t.me/ai_machinelearning_big_data
Go: t.me/Golang_google
C/C++/ t.me/cpluspluc
C#: t.me/csharp_ci
Хакинг: t.me/linuxkalii
Мобильная разработка: t.me/mobdevelop
Docker: t.me/+0WdB4uvOwCY0Mjdi
Python: t.me/pythonl
Rust: t.me/rust_code
Javascript: t.me/javascriptv
React: t.me/react_tg
PHP: t.me/phpshka
Android: t.me/android_its
Linux: t.me/+A8jY79rcyKJlYWY6
Big Data: t.me/bigdatai
Devops: t.me/devOPSitsec
Тестирование:https://yangx.top/+F9jPLmMFqq1kNTMy
Собеседования: https://yangx.top/machinelearning_interview
💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://yangx.top/addlist/2Ls-snqEeytkMDgy
😆ИТ-Мемы: t.me/memes_prog
🇬🇧Английский: t.me/english_forprogrammers
ИИ: t.me/vistehno
📕Ит-книги бесплатно: https://yangx.top/addlist/BkskQciUW_FhNjEy
Data Science: t.me/data_analysis_ml
Java: t.me/javatg
Базы данных: t.me/sqlhub
Машинное обучение: t.me/ai_machinelearning_big_data
Go: t.me/Golang_google
C/C++/ t.me/cpluspluc
C#: t.me/csharp_ci
Хакинг: t.me/linuxkalii
Мобильная разработка: t.me/mobdevelop
Docker: t.me/+0WdB4uvOwCY0Mjdi
Python: t.me/pythonl
Rust: t.me/rust_code
Javascript: t.me/javascriptv
React: t.me/react_tg
PHP: t.me/phpshka
Android: t.me/android_its
Linux: t.me/+A8jY79rcyKJlYWY6
Big Data: t.me/bigdatai
Devops: t.me/devOPSitsec
Тестирование:https://yangx.top/+F9jPLmMFqq1kNTMy
Собеседования: https://yangx.top/machinelearning_interview
💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://yangx.top/addlist/2Ls-snqEeytkMDgy
😆ИТ-Мемы: t.me/memes_prog
🇬🇧Английский: t.me/english_forprogrammers
ИИ: t.me/vistehno
📕Ит-книги бесплатно: https://yangx.top/addlist/BkskQciUW_FhNjEy
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Что такое WebSocket?
Обычно для обмена данными в интернете используется протокол передачи гипертекста (HTTP, HyperText Transfer Protocol). Он работает по алгоритму запрос/ответ. Когда веб-браузеру нужны данные с веб-сервера, он выполняет запрос, на который веб-сервер возвращает данные через ответ: изображение 1.
☝️Чтобы поддерживать актуальную версию веб-страницы, браузеру необходимо достаточно часто выполнять запросы для получения данных с веб-сервера.
Этот процесс называется опросом (polling). Если данные нужно обновлять постоянно, он становится чрезмерно затратным, поскольку и клиент, и сервер постоянно выполняют запросы и ответы. С другой стороны, постоянный опрос бесполезен, если данные на сервере меняются редко (или нерегулярно). Но если уменьшить частоту опроса, браузер может пропустить важные обновления данных.
Гораздо больше возможностей предлагает технология WebSocket, которая предоставляет канал связи на основе сокетов между веб-браузером и веб-сервером. Такое полностью дуплексное соединение, позволяющее и клиенту, и серверу одновременно отправлять и получать данные, весьма полезно для веб-приложений, работающих в режиме реального времени.
Алгоритм работы WebSoket показан на изображении 2.
▪Сначала веб-браузер инициирует запрос к веб-серверу, отправляя HTTP-заголовок “can we upgrade to websocket”.
▪Если веб-сервер поддерживает WebSocket, он возвращает ответ с заголовком “OK to upgrade to websocket”.
▪Затем устанавливается долговременное двунаправленное соединение с сокетом.
▪И клиент, и сервер смогут обмениваться данными, используя это сокет-соединение.
С WEBSOCKET ТАКЖЕ МОЖНО ИСПОЛЬЗОВАТЬ ДЛЯ ПОДКЛЮЧЕНИЯ К СОКЕТАМ ПОРТЫ 80 (HTTP) И 443 (HTTPS). ЭТО ПОЗВОЛЯЕТ РАБОТАТЬ С WEBSOCKET ДАЖЕ ЧЕРЕЗ ПРОКСИ-СЕРВЕР И БРАНДМАУЭР.
Создание сервера WebSocket
📌 Читать
@pro_python_code
Please open Telegram to view this post
VIEW IN TELEGRAM
• Видео
• Код из видео
• Часть 1
• Часть 2
@pro_python_code
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🐍 Как сделать снимок экрана с помощью Python
Мы рассмотрим, как сделать снимок экрана с помощью python в рабочем столе с помощью пакета pyautogui, который используется для автоматизации графического интерфейса.
🟢 Сначала установим пакет, выполнив команду
🟢 Создание снимков экрана с помощью python
Чтобы сделать снимок экрана с помощью python в рабочем столе, импортируйте модуль pyautogui, который имеет множество функций, но в данном случае мы будем использовать метод снимка экрана.
При этом будет сделан скриншот всего экрана и сохранен в текущем рабочем каталоге, для сохранения изображения в другом каталоге измените путь в функции save.
🟢 Сохранение снимков экрана в папке
• Github
@pro_python_code
Мы рассмотрим, как сделать снимок экрана с помощью python в рабочем столе с помощью пакета pyautogui, который используется для автоматизации графического интерфейса.
pip install pyautogui
Чтобы сделать снимок экрана с помощью python в рабочем столе, импортируйте модуль pyautogui, который имеет множество функций, но в данном случае мы будем использовать метод снимка экрана.
import pyautogui
screen = pyautogui.screenshot()
screen.save("my_image.png")
При этом будет сделан скриншот всего экрана и сохранен в текущем рабочем каталоге, для сохранения изображения в другом каталоге измените путь в функции save.
import pyautogui
screen = pyautogui.screenshot()
screen.save("test/image/my_image.png")
• Github
@pro_python_code
Please open Telegram to view this post
VIEW IN TELEGRAM
Как создать на Python приложение для потокового видео, которым можно управлять с помощью физических кнопок?
Мы будем использовать микроконтроллер (например, Arduino или Raspberry Pi) для взаимодействия с физическими кнопками и обмена данными с нашей программой на Python. Цель – запускать и останавливать потоковое видео нажатием физических кнопок.
Необходимые условия:
Прежде чем мы начнем, вам потребуется следующее:
1. Компьютер с установленным Python.
2. Веб-камера, подключенная к компьютеру.
3. Микроконтроллер (например, Arduino, Raspberry Pi) с подключенными к нему кнопками.
4. Базовые знания по программированию на языке Python.
Настройка оборудования
• Подключите физические кнопки к микроконтроллеру.
• Убедитесь, что у вас есть необходимые резисторы и провода для подключения кнопок.
• Напишите простую микропрограмму для микроконтроллера, которая будет распознавать нажатие и отпускание кнопок.
Установление связи
В данном примере мы будем использовать последовательный интерфейс USB.
Написание кода на языке Python
import cv2
# Initialize the webcams
cap_self = cv2.VideoCapture(0)
cap_other = cv2.VideoCapture(1) # Change the index to the appropriate camera for the other user
# Check if the webcams are opened successfully
if not cap_self.isOpened() or not cap_other.isOpened():
print("Error: Could not open one or both of the webcams.")
exit()
# Create a window to display both video feeds side by side
cv2.namedWindow("Video Chat App", cv2.WINDOW_NORMAL)
cv2.resizeWindow("Video Chat App", 640, 480) # Adjust the window size as needed
while True:
# Read frames from both webcams
ret_self, frame_self = cap_self.read()
ret_other, frame_other = cap_other.read()
if not ret_self or not ret_other:
print("Error: Could not read frames from one or both of the webcams.")
break
# Resize frames to have the same dimensions (optional)
frame_self = cv2.resize(frame_self, (320, 240))
frame_other = cv2.resize(frame_other, (320, 240))
# Concatenate frames horizontally to display side by side
display_frame = cv2.hconcat([frame_self, frame_other])
# Display the concatenated frame in the window
cv2.imshow("Video Chat App", display_frame)
# Break the loop when the 'q' key is pressed
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# Release the webcams and destroy the window
cap_self.release()
cap_other.release()
cv2.destroyAllWindows()
Тестирование установки
Загрузите в микроконтроллер микропрограмму для обнаружения нажатия кнопок. Убедитесь, что она посылает команду “START” (s – ‘старт’ в моем коде) при нажатии одной кнопки и команду “STOP” (q – ‘стоп’ в моем коде) при нажатии другой кнопки.
Запустите программу на Python на своем компьютере.
При нажатии соответствующей кнопки на микроконтроллере вы
должны увидеть в окне
OpenCV
запуск и остановку видеопотока.@pro_python_code
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥 Дайджест полезных материалов из мира : Python за неделю
Почитать:
— Microsoft предлагает БЕСПЛАТНЫЕ онлайн курсы с сертификацией
— Monitoring System (SpyWare) с C2 сервером на базе чат-бота в telegram. Часть 1: Создание бота
— Тестирование производительности на Python: Пошаговое руководство с Flask
— DVC — прекрасный инструмент для DataScience
— Циркуль и линейка. Часть 1
— Кто отвечает за развитие Python
— Архитектура высоконагруженных телеграм-ботов на Python
— Let me teach you the ancient method of Fu Thai! Гнев и ненависть брутфорсеров в 2023 году
— Моделирование биологических явлений с помощью Python
— Визуальное RPG с долговременной памятью, генерируемое из 3 нейросетей и LLamы
— Деревья решений в pySpark: от семечка до параметрической оптимизации случайного леса
— Стайлгайд PySpark: как сделать код элегантным
— Short-circuiting
— Tuple Immutability
— How Does Nerve Regen Formula Work?
— Code Review - The foundation for quality software
— Trying to bridge the gap between WFC “Even Simpler Tiled Model” and Constraint Satisfaction Problem (CSP) propositional rules
— Code review - a unique way of debugging
— Automating Product Descriptions in Odoo with OpenAI's GPT-3 and Python
— Creating Own Chat GPT
— Elastic D&D - Week 4 - Text Note Input
— Scenario-Based Testing with Vedro
Посмотреть:
🌐 Невероятная нейросеть переводит любое видео на другие языки с сохранением оригинального голоса. (⏱ 00:55)
🌐 Python анализ данных с Pandas. PandaSQL (⏱ 12:13)
🌐 Python анализ данных с Pandas. Join, merge, concat в Pandas (⏱ 19:25)
🌐 Python+SQL часть2 создание таблиц. (⏱ 05:15)
🌐 Управление жестами всегда было в ваших часах, просто его нужно было активировать. (⏱ 00:11)
🌐 Уроки Golang с нуля /#28 - Встраивание типов (⏱ 06:16)
🌐 Python анализ данных с Pandas. (⏱ 17:04)
🌐 Уроки Golang с нуля /#27 - Bufio. Чтение и запись (⏱ 10:35)
🌐 Задание 12 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 04:58)
🌐 Задание 13 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 04:05)
🌐 Python для начинающих. Урок 11 | Списки (⏱ 22:42)
🌐 Сколько зарабатывают программисты в Google #shorts (⏱ 00:50)
🌐 Email рассылка с Яндекс почты с помощью Python (⏱ 05:05)
Хорошего дня!
@pro_python_code
Почитать:
— Microsoft предлагает БЕСПЛАТНЫЕ онлайн курсы с сертификацией
— Monitoring System (SpyWare) с C2 сервером на базе чат-бота в telegram. Часть 1: Создание бота
— Тестирование производительности на Python: Пошаговое руководство с Flask
— DVC — прекрасный инструмент для DataScience
— Циркуль и линейка. Часть 1
— Кто отвечает за развитие Python
— Архитектура высоконагруженных телеграм-ботов на Python
— Let me teach you the ancient method of Fu Thai! Гнев и ненависть брутфорсеров в 2023 году
— Моделирование биологических явлений с помощью Python
— Визуальное RPG с долговременной памятью, генерируемое из 3 нейросетей и LLamы
— Деревья решений в pySpark: от семечка до параметрической оптимизации случайного леса
— Стайлгайд PySpark: как сделать код элегантным
— Short-circuiting
— Tuple Immutability
— How Does Nerve Regen Formula Work?
— Code Review - The foundation for quality software
— Trying to bridge the gap between WFC “Even Simpler Tiled Model” and Constraint Satisfaction Problem (CSP) propositional rules
— Code review - a unique way of debugging
— Automating Product Descriptions in Odoo with OpenAI's GPT-3 and Python
— Creating Own Chat GPT
— Elastic D&D - Week 4 - Text Note Input
— Scenario-Based Testing with Vedro
Посмотреть:
🌐 Невероятная нейросеть переводит любое видео на другие языки с сохранением оригинального голоса. (⏱ 00:55)
🌐 Python анализ данных с Pandas. PandaSQL (⏱ 12:13)
🌐 Python анализ данных с Pandas. Join, merge, concat в Pandas (⏱ 19:25)
🌐 Python+SQL часть2 создание таблиц. (⏱ 05:15)
🌐 Управление жестами всегда было в ваших часах, просто его нужно было активировать. (⏱ 00:11)
🌐 Уроки Golang с нуля /#28 - Встраивание типов (⏱ 06:16)
🌐 Python анализ данных с Pandas. (⏱ 17:04)
🌐 Уроки Golang с нуля /#27 - Bufio. Чтение и запись (⏱ 10:35)
🌐 Задание 12 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 04:58)
🌐 Задание 13 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 04:05)
🌐 Python для начинающих. Урок 11 | Списки (⏱ 22:42)
🌐 Сколько зарабатывают программисты в Google #shorts (⏱ 00:50)
🌐 Email рассылка с Яндекс почты с помощью Python (⏱ 05:05)
Хорошего дня!
@pro_python_code
Контейнеризация Python-приложений с помощью Docker – это отличный способ сделать их более переносимыми, масштабируемыми и безопасными. В этой статье мы рассмотрим 7 простых шагов по контейнеризации Python-приложения с помощью Docker
Шаг 1: Установка базового образа
Первым шагом является выбор базового образа для контейнера. Мы рекомендуем использовать минимальный базовый образ, например python:3.11-slim. Это позволит уменьшить размер контейнера и повысить его безопасность.
FROM python:3.11-slim
Шаг 2: Создание непривилегированного пользователя
Официальный образ контейнера Python не содержит предустановленного непривилегированного пользователя. Поэтому нам необходимо его создать. Мы создадим пользователя с UID 1000 и GID 1000.
RUN groupadd -g 1000 python && \
useradd -r -u 1000 -g python python
Шаг 3: Копирование и установка зависимостей
Если ваше приложение имеет какие-либо зависимости, то их необходимо скопировать в контейнер и установить. Это можно сделать с помощью инструкций COPY и RUN.
COPY requirements.txt .
RUN pip install -r requirements.txt
Шаг 4: Настройка рабочего каталога
Далее необходимо создать внутри контейнера каталог, в котором будет храниться исходный код нашего приложения. Мы создадим каталог /app и убедимся, что он принадлежит непривилегированному пользователю, которого мы создали на шаге 2.
RUN mkdir /app && chown python:python /app
WORKDIR /app
Шаг 5: Скопируйте код приложения
Теперь необходимо скопировать исходный код нашего приложения в рабочий каталог.
COPY app.py .
Шаг 6: Запуск от имени непривилегированного пользователя
Нам необходимо убедиться, что процессы, запущенные в нашем контейнере, будут выполняться в непривилегированном режиме.
Это можно сделать с помощью инструкции USER.
USER 1000
Шаг 7: Задание команды входа
Наконец, необходимо указать, какая команда должна быть выполнена при запуске контейнера. Мы хотим выполнить исходный код нашего приложения, поэтому используем инструкцию CMD.
CMD ["python", "app.py"]
После выполнения этих шагов можно собрать образ Docker с помощью следующей команды:
docker build -t my-python-app .
Для запуска контейнера можно воспользоваться следующей командой:
docker run -p 8080:80 my-python-app
Это приведет к запуску контейнера и открытию порта 8080 на хост-машине. Теперь вы можете получить доступ к своему приложению по адресу http://localhost:8080.
Ниже приведен пример Dockerfile для простого Python-приложения:
FROM python:3.11-slim
RUN groupadd -g 1000 python && \
useradd -r -u 1000 -g python python
COPY requirements.txt .
RUN pip install -r requirements.txt
RUN mkdir /app && chown python:python /app
WORKDIR /app
COPY app.py .
USER 1000
CMD ["python", "app.py"]
Для создания образа Docker необходимо выполнить следующую команду:
docker build -t my-python-app .
Для запуска контейнера необходимо выполнить следующую команду:
docker run -p 8080:80 my-python-app
Это приведет к запуску контейнера и открытию порта 8080 на хост-машине. После этого вы сможете получить доступ к своему приложению по адресу http://localhost:8080.
Вот несколько дополнительных советов по контейнеризации Python-приложений:
Please open Telegram to view this post
VIEW IN TELEGRAM
1. Постановка задачи, частные решения и их проблемы
2. Описание алгоритма
Разберём пошагово наш алгоритм.
Шаг 1:
Представим наш график как список словарей по временным отсечкам для каждого дня недели в следующем виде:
[{time: время, flag: цвет флага, start_finish: ‘’}]
Для удобства восприятия покажем только values, но подразумеваем, что keys и фигурные скобки тоже присутствуют. В нашем случае получится следующий результат:
Понедельник:
[{time: 10:00, flag: зелёный, start_finish: ‘’},
{time: 19:00, flag: красный, start_finish: ‘’},
{time: 13:00, flag: красный, start_finish: ‘’},
{time: 14:00, flag: зелёный, start_finish: ‘’}]
И так для каждого дня.
Таким образом, на этом этапе нужно составить словарь, включающий режим работы по дням недели с учетом обеденного перерыва. Мы сознательно не приводим код для этой части работы, поскольку, по сути, это подготовка данных, а не сам алгоритм расчета потерь времени. Эта часть зависит от формата представления исходных данных.
Шаг 2:
Схожим образом представим точки A и B:
[{time: дата + время, flag: ‘’, start_finish: старт/финиш}]
A: {time: 01.03.2023 11:00, flag: ‘’, start_finish: ‘старт’}
B: {time: 02.03.2023 11:00, flag: ‘’, start_finish: ‘финиш’}
Шаг 3:
Определим все дни между точками A и B включительно и подтянем из графика работы по этим дням все флаги, а также сами точки А и В. Данные из нашего примера превратятся в список. Теперь ключевой момент, на котором, собственно, и строится весь алгоритм: отсортируем список по возрастанию даты и времени. Это важно, т.к. позволит нам идти в цикле от отсечки к отсечке, проверяя, нужно ли включать следующий за ней отрезок в расчет.
[{time: 01.03.2023 10:00, flag: ‘зелёный’, start_finish: ‘’}
{time: 01.03.2023 11:00, flag: ‘’, start_finish: ‘старт’}
{time: 01.03.2023 13:00, flag: ‘красный’, start_finish: ‘’}
{time: 01.03.2023 14:00, flag: ‘зелёный’, start_finish: ‘’}
{time: 01.03.2023 19:00, flag: ‘красный’, start_finish: ‘’}
{time: 02.03.2023 10:00, flag: ‘зелёный’, start_finish: ‘’}
{time: 02.03.2023 13:00, flag: ‘красный’, start_finish: ‘’}
{time: 02.03.2023 13:30, flag: ‘’, start_finish: ‘финиш’}]
Код для шагов 2 и 3:
Подробнее
Please open Telegram to view this post
VIEW IN TELEGRAM
📹 Устраиваемся на работу. Решаем тестовое задание на позицию Python Junior.
▪Видео
▪Задание
▪ Код из видео
▪Тест
▪ Список реальных тестовых заданий с собеседований.
@pro_python_code
▪Видео
▪Задание
▪ Код из видео
▪Тест
▪ Список реальных тестовых заданий с собеседований.
@pro_python_code
🏃Как ускорить базу данных при помощи шардирования
• Шардирование было одним из первых механизмов, позволяющих распределять базы данных для повышения их производительности. Последние инновации превратили шардирование в один из лучших механизмов в своем роде.
🤔 Для чего требуется шардирование?
• Традиционные базы данных порой не справляются с обработкой растущих объемов данных и нарастающего трафика запросов. Сегодня очень популярны концепции NoSQL и NewSQL – соответственно, на рынке баз данных появляется все больше продуктов, вдохновленных этими новыми концепциями. Но их одних недостаточно, чтобы решить все более серьезные проблемы с данными.
Шардирование – это прием, позволяющий разбивать данные на отдельные строки и столбцы, хранимые на отдельных инстансах серверов базы данных. Так удается распределить нагрузку, оказываемую трафиком. Каждая такая малая таблица называется «шард». Некоторые NoSQL-продукты шардируются, таковы, например, Apache HBase или MongoDB. Шардинговая архитектура встроена в NewSQL-системы.
👀Как шардировать базу данных?
Один из наилучших способов создания шардов таков: данные нужно разделять на множество небольших таблиц. Они также называются «сегментами» (partitions).
Вот две ключевые составляющие шардирования:
▪Шардинговый ключ: конкретное значение в столбце, указывающее, в каком шарде хранится данная строка.
▪Шардинговый алгоритм: алгоритм, согласно которому ваши данные распределяются в одном или нескольких шардах.
Шаг 1: Проанализировать сценарий запроса и распределение данных, чтобы найти шардинговый ключ и шардинговый алгоритм
Шаг 2: Миграция имеющихся данных
Шаг 3: Перебросить трафик на новый кластер
Более детально тут. 👈
@pro_python_code
• Шардирование было одним из первых механизмов, позволяющих распределять базы данных для повышения их производительности. Последние инновации превратили шардирование в один из лучших механизмов в своем роде.
🤔 Для чего требуется шардирование?
• Традиционные базы данных порой не справляются с обработкой растущих объемов данных и нарастающего трафика запросов. Сегодня очень популярны концепции NoSQL и NewSQL – соответственно, на рынке баз данных появляется все больше продуктов, вдохновленных этими новыми концепциями. Но их одних недостаточно, чтобы решить все более серьезные проблемы с данными.
Шардирование – это прием, позволяющий разбивать данные на отдельные строки и столбцы, хранимые на отдельных инстансах серверов базы данных. Так удается распределить нагрузку, оказываемую трафиком. Каждая такая малая таблица называется «шард». Некоторые NoSQL-продукты шардируются, таковы, например, Apache HBase или MongoDB. Шардинговая архитектура встроена в NewSQL-системы.
👀Как шардировать базу данных?
Один из наилучших способов создания шардов таков: данные нужно разделять на множество небольших таблиц. Они также называются «сегментами» (partitions).
Вот две ключевые составляющие шардирования:
▪Шардинговый ключ: конкретное значение в столбце, указывающее, в каком шарде хранится данная строка.
▪Шардинговый алгоритм: алгоритм, согласно которому ваши данные распределяются в одном или нескольких шардах.
Шаг 1: Проанализировать сценарий запроса и распределение данных, чтобы найти шардинговый ключ и шардинговый алгоритм
Шаг 2: Миграция имеющихся данных
Шаг 3: Перебросить трафик на новый кластер
Более детально тут. 👈
@pro_python_code
Данный урок раскроет способы обеспечения безопасности телеграм-бота на Python.
• Видео
@pro_python_code
Please open Telegram to view this post
VIEW IN TELEGRAM