Тест, который проходит десять раз подряд и падает на одиннадцатый, — не флейки, а незамороженные datetime, random без seed и живые HTTP-запросы. Разбираем, чем изолировать каждый источник недетерминизма.
Классические тесты проверяют примеры, которые вы придумали сами. Hypothesis генерирует сотни входов и находит баг на пустой строке, отрицательном числе и Unicode-символе, о которых вы не подумали.
Вы читаете миллион строк из базы циклом по одной записи и удивляетесь, почему скрипт работает третий час. Разбираем, как резать данные на пачки правильно и где batching ломается.
Покрытие полное, а баги всё равно проходят в прод. Мутационное тестирование ломает ваш код специально и проверяет, заметят ли это тесты. Разбираем на mutmut и cosmic-ray.
В CPython два механизма очистки памяти: подсчёт ссылок и поколенческий сборщик для циклов. Разбираем, когда именно запускается gc, как читать его пороги и в каких случаях его стоит трогать руками.
Запрос к платёжному API отвалился по таймауту, повтор через секунду прошёл. Разбираем, как оформить ретраи в Python: голый цикл, tenacity, встроенные механизмы клиентов и backoff — с ценой каждого варианта.
Откуда Python берёт модули, почему ImportError не всегда о пропущенном пакете и как один звёздочный импорт превращает старт приложения в ловушку с циклической зависимостью.
Внешний API вернул 429 и заблокировал ключ на час, потому что клиент отправлял запросы пачками. Разбираем, почему наивный счётчик не спасает и как токен-бакет сглаживает всплески.
Изменяемый объект по умолчанию — источник тихих багов: список из аргумента функции живёт между вызовами, а множество разъезжается по потокам. Разбираем, какими средствами Python 3.11+ добиться настоящей и защитной неизменяемости и чем за неё платишь.
На миллионе объектов __slots__ срезает потребление памяти в разы — но ломает динамические атрибуты, weakref и часть паттернов наследования. Разбираем, когда выигрыш реален, а когда вы теряете гибкость впустую.
map, filter, reduce и цепочки comprehension выглядят элегантно, но иногда превращают код в ребус. Разбираем, где функциональный подход в Python выигрывает, а где стоит вернуться к обычному циклу.
Метаклассы решают ровно одну задачу — вмешаться в создание класса. В 90% случаев её закрывают __init_subclass__ и декораторы. Разбираем, где метакласс оправдан, а где это оверинжиниринг.