Кратко о современном деплое: контейнеризация, оркестрация и непрерывная доставка для вашего приложения

Развёртывание: это процесс, при котором ваше приложение становится доступно для пользователей. Современный деплой использует инструменты и пайплайны для обеспечения стабильности, скорости и надежности. Ниже попытались разложить всё по полочкам 👇

Docker (Контейнеризация)
🔘 Представьте Docker как транспортный контейнер для софта.
🔘 Он упаковывает код, библиотеки и зависимости так, чтобы приложение одинаково работало в любой среде.
🔘 Плюсы: портативность, изоляция и одинаковое поведение в dev-, staging- и production-средах.


Kubernetes (Оркестрация)
🔘 Когда контейнеров становится много, нужен управляющий.
🔘 Kubernetes — это как портовая служба, которая управляет контейнерами: масштабирует, перезапускает, балансирует нагрузку.
🔘 Обеспечивает балансировку нагрузки, масштабирование, поэтапные обновления и самовосстановление контейнерных приложений.

CI/CD (Непрерывная интеграция и доставка)
🔘 CI — это как проверка каждого продукта перед отправкой с завода: тесты запускаются автоматически при каждом пуше кода.
🔘 CD — это система доставки: одобренные изменения автоматически едут в production.
🔘 Плюсы: более быстрые релизы, меньше багов, проще командная работа.

Аналогия
🔘 Docker — Запечатанная коробка с вашим товаром.
🔘 Kubernetes — Логистическая компания, которая организует и доставляет все коробки по назначению.
🔘 CI/CD — Конвейер, на котором коробки непрерывно отправляются дальше без задержек.

Что значит стрелка ->

Если вы столкнулись со знаком -> в коде на Python и задумались, а не код из R ли это нужно ли это, как это работает и откуда оно взялось, этот лонгрид ответит на такие вопросы.

Стрелка в определении функции служит для аннотации типа возвращаемого значения. Она ставится после списка параметров и перед двоеточием:

def count_titles(titles: list[str]) -> int:
    return len(titles)

Здесь -> int говорит: «ожидается, что функция вернёт int». Аннотации опциональны и сами по себе ничего в рантайме не проверяют — это метаданные.


Краткая история оператора

Идея аннотаций функций впервые появилась в PEP 3107 (Function Annotations), который ввёл возможность добавлять произвольные метаданные к параметрам и к возвращаемому значению. На базе этой синтаксики PEP 484 затем ввёл систему типовых подсказок (type hints) для Python, сделав их стандартной практикой для тех, кто хочет статической проверки типов. Все эти дополнения остались опциональными — сам интерпретатор не будет выбрасывать ошибки, если аннотации не совпадают с фактическим типом во время выполнения.

Простой пример:

import random

def get_game_recommendation(titles: list[str]) -> str:
    return random.choice(titles)

games = ["Minecraft", "Cyberpunk 2077", "The Witcher 3", "Elden Ring"]
recommendation = get_game_recommendation(games)
print(f"Рекомендуемая игра: {recommendation}") # Например, Minecraft
print(f"Тип возвращаемого значения: {type(recommendation).__name__}") # str

Что происходит, если функция возвращает другой тип?

Python сам по себе не будет проверять, совпадает ли реальный возвращаемый тип с аннотацией — код просто выполнится. Но когда вы используете статический анализатор типов (например, mypy) или линтер, несоответствие будет обнаружено и выведет предупреждение / ошибку. Это ключевая идея: аннотации дают выгоду при статической проверке, CI и чтении кода, но не изменяют семантику программы во время выполнения.


Какие типы можно указывать после ->?

Почти любые:
🔘 простые встроенные (int, str, bool),
🔘 коллекции (list[str], dict[str, int]),
🔘 собственные классы и проч.


Где ещё применяются стрелки и аннотации?

Хотя наиболее часто -> встречается в объявлениях функций, аннотации — это часть более широкой системы типизации в Python. Типы используются для:

🔘 аннотаций параметров функций;
🔘 переменных и атрибутов классов (PEP 526);
🔘 аннотаций методов, Callable, Protocol и т.д.;
🔘 документации и автодополнения в IDE.

Инструменты типа mypy, pyright, IDE (PyCharm, VS Code) и линтеры используют аннотации, чтобы находить ошибки и улучшать подсказки.


Ограничения и подводные камни

🔘 Аннотации не выполняются: они не гарантия корректности в рантайме;
🔘 Сложные типы для сложной структуры данных или динамических конструкций типы могут стать громоздкими; иногда приходится балансировать читабельность и строгость;

#основы
@zen_of_python

self: простейшее объяснение

Если вы только начинаете изучать Python, то почти наверняка уже столкнулись с self. В этом лонгриде мы разберемся, что это и с чем это едят.


self — это ссылка на объект

Ключевое слово self используется в методах классов. Оно всегда указывает на текущий экземпляр класса, через который происходит обращение к данным и методам.

class Employee:
    def set_salary(self, value):
        self.salary = value

e = Employee()
e.set_salary(2000)
print(e.salary)

Когда вы создаёте объект, Python автоматически передаёт этот объект первым аргументом в метод. Принято называть его self, хотя технически вы можете использовать любое имя.

🔘 Создаётся класс Employee с методом set_salary. Этот метод принимает два аргумента:
— self — сам объект;
— value — значение, которое мы хотим установить.

🔘 Внутри метода выполняется присваивание:

self.salary = value

Это значит, что у конкретного объекта e создаётся атрибут salary, которому присваивается переданное значение.

🔘 Далее создаём объект:

e = Employee()

🔘 Устанавливаем зарплату:

e.set_salary(2000)

На самом деле Python преобразует этот вызов в:

Employee.set_salary(e, 2000)

🔘 Проверяем результат:

print(e.salary) # 2000

Почему без self не обойтись?

self позволяет объекту хранить собственные данные. Каждый экземпляр класса имеет свой набор атрибутов, и именно через self мы к ним обращаемся.

Например, если создать двух сотрудников:

e1 = Employee()
e2 = Employee()

e1.set_salary(2000)
e2.set_salary(3000)

print(e1.salary)  # 2000
print(e2.salary)  # 3000

У каждого объекта будет своя зарплата.

#инструмент
@zen_of_python