🖥 GIL в Python: как его будут отключать

— «Python-разработчики, как правило, хорошо знают, что такое и для чего нужен GIL, вопросы по нему встречаются на большинстве собеседований, я и сам люблю их задавать. Но в CPython его скоро не будет. Да, core-разработчики CPython взяли курс на его удаление»

Держите интересную статью о том, как ведётся работа по ускорению CPython и удалению GIL.

Некоторые факты из статьи:
⏩GIL (Global Interpreter Lock) является главным препятствием для настоящего параллелизма на уровне потоков в Python.

⏩PEP 703 представил план внедрения флага компиляции --disable-gil для отключения GIL.

⏩Изменения в Python будут разделены на четыре категории: подсчет ссылок, управление памятью, потокобезопасность контейнеров и блокировки и атомарные API.

⏩Предлагаются различные техники для устранения недостатков GIL, включая раздельный подсчет ссылок, увековечивание и отложенный подсчет ссылок.

⏩Управление памятью будет изменено с использованием потокобезопасного аллокатора Mimalloc.

⏩Сборщик мусора потребует изменений для обеспечения гарантий, которые ранее предоставлялись GIL.

⏩Потокобезопасность контейнеров будет обеспечена введением мьютексов на уровне каждого контейнера.

⏩Предлагается введение новых функций, которые будут возвращать объекты с уже измененными счетчиками.

📎 Статья

@pythonl

🖥 Как быстро написать API на FastAPI с валидацией и базой данных

Держите полезную статью

⏩Статья представляет собой руководство по созданию API с использованием FastAPI и Pydantic.

⏩Обсуждаются основные компоненты проекта: маршрутизация, валидация данных и работа с базой данных.

⏩Создается структура проекта и добавляются функции для работы с базой данных и создания запросов.

⏩Развертывание проекта на облачном сервере осуществляется с помощью Docker и создания образа приложения.

📎 Статья

@pythonl

🖥 Полезная статья про исключения в Python

Самое то вспомнить/освежить, как происходит работа с исключениями, try-except-finally — и всё такое.

📎 Статья

@pythonl

🖥 Cheatsheet по Pandas

Держите годную шпаргалку по работе с библиотекой Pandas, тут описано самое основное, что может понадобиться в работе:

⏩Группировка данных по заданным параметрам.

⏩Объединение нескольких таблиц в одну сводную.

⏩Очищение данных от дубликатов и невалидных строк или столбцов.

⏩Вывод определенных значений по фильтрам или уникальности.

⏩Использование агрегирующих функций, включая подсчет значений, суммы элементов, определение среднего значения.

⏩Визуализация собранных данных.

Пользуйтесь)

@pythonl