Django

Слушай, если ты когда-нибудь выкатывал прод в пятницу вечером, а потом до утра чинил упавший сервис — добро пожаловать, ты дома. Мы сегодня про Kubernetes и Docker. Не сухо и не академично, а как люди, которые видели жизнь: где-т…

Стандартный pipeline:

Большие языковые модели (LLM) стали основой современной разработки. Но простой запрос к модели — это ещё не приложение. Настоящие LLM-системы включают цепочки, память, подключение к API, размышления и даже действия.

Если ты пишешь на Python не только скрипты на 20 строк, то момент, когда ты впервые ставишь Poetry (или как многие любят ошибочно называть — Poentry), кажется чем-то вроде перехода из спальни в отдельную квартиру.

Если бы Django был человеком, то сейчас он бы уверенно стоял с кофе, подкатывал к микросервисам и улыбался новым разработчикам, которые спрашивают «а почему не FastAPI?».

Если ты хоть раз работал с большими данными в Python, то наверняка уже проходил через эти три стадии страдания:

Если ты хоть раз запускал Django в прод, то знаешь: он как хороший старый Land Cruiser — надёжный, мощный, вывозит почти всё. Но иногда открываешь капот, а там… ну скажем так — сюрпризы. Причём такие, что ты начинаешь разговаривать с монитором вслух, хотя он тебя никак не слушает.

Представь себе: ты сидишь вечером, смотришь на свой Python-проект, там какой-то ад с асинхронностью, коллбэками, типами, а CI снова упал, потому что «flake8 не согласен с реальностью». Ты такой: «Ну и зачем я вообще всё это?»

Если ты когда-нибудь писал бекенд, интеграцию, Telegram-бота, парсер или что-то, что хоть раз делает GET в сторону чужого сервера, то ты уже живёшь в стране HTTP-библиотек. Она похожа на маленький городок: у каждого своя лавочка, свои заморочки, своя философия — и все уверены, что именно их способ отправить запрос «самый правильный».

Представь себе: сидишь такой вечером, ковыряешь backend, и вдруг ловишь мысль: «А нет ли чего-нибудь новенького в Python-ASGI лесу? Что-то свежее, но без того, чтобы я опять страдал с документацией и кастылями?»

Если ты хоть раз писал backend на Python, то наверняка ловил эту мысль: «Ну вот бы что-то лёгкое, как Flask, но чтобы шпарило, как Go…» Так вот, друг, у меня хорошие новости: это уже существует, и зовут его FastAPI.

Работа с большими данными в Python традиционно ассоциируется с pandas. Но реальные ограничения pandas известны всем: низкая скорость на больших наборах данных, высокая нагрузка на RAM, отсутствие оптимизации вычислений.