Python Community | Chat

‍🖥 py-pglite — PostgreSQL без установки, тестируй как с SQLite! py-pglite — обёртка PGlite для Python, позволяющая запускать настоящую базу PostgreSQL прямо при тестах. Без Docker, без настройки — просто импортируй и работай. 📌 Почему это круто: - 🧪 Ноль конфигурации: никакого Postgres и Docker, только Python - ⚡ Молниеносный старт: 2–3 с против 30–60 с на традиционные подходы :contentReference[oaicite:2]{index=2} - 🔐 Изолированные базы: новая база для каждого теста — чисто и безопасно - 🏗️ Реальный Postgres: работает с JSONB, массивами, оконными функциями - 🔌 Совместимость: SQLAlchemy, Django, psycopg, asyncpg — любая связка :contentReference[oaicite:3]{index=3} 💡 Примеры установки: pip install py-pglite pip install py-pglite[sqlalchemy] # SQLAlchemy/SQLModel pip install py-pglite[django] # Django + pytest-django pip install py-pglite[asyncpg] # Асинхронный клиент pip install py-pglite[all] # Всё сразу 🔧 Пример (SQLAlchemy) python def test_sqlalchemy_just_works(pglite_session): user = User(name="Alice") pglite_session.add(user) pglite_session.commit() assert user.id is not None py‑pglite — идеальный инструмент для unit- и интеграционных тестов, где нужен настоящий Postgres, но без всей админской рутины. Полноценный PostgreSQL — без его тяжеловесности. ▪Github (https://github.com/wey-gu/py-pglite) #python #sql #PostgreSQL #opensource @Python_Community_ru

🖥 Как написать худший возможный Python-код Иногда проще показать, как не надо, чем объяснять, как надо. Вот список «правил», которые помогут вам гарантированно испортить любой Python-проект. 1. 🔒 Используйте непонятные имена переменных Называйте переменные x, y, a, thing. Абстракция — залог путаницы. def f(x, y, z=None): a = x * 2 b = y + a if z else y - a c = [i for i in range(a) if i % 2] return sum(c) + b 2.🧠 Пихайте максимум логики в одну строку Сложные тернарные выражения и вложенные list comprehension — всё в одной строке. result = [x if x > 0 else (y if y < 0 else z) for x in data if x or y and not z] 3.⚠️ Используйте eval() и exec() Это медленно, небезопасно и глупо — но зато эффектно. eval("d['" + key + "']") 4.🔁 Переиспользуйте переменные с разными типами Пусть одна переменная будет и строкой, и числом, и списком — динамическая типизация же! value = "42" value = int(value) value = [value] * value 5.🌍 Используйте глобальные переменные Изменяйте состояние приложения откуда угодно. Особенно изнутри функций. counter = 0 def increment(): global counter counter += 1 6.🔮 Используйте магические числа и строки Без пояснений. Пусть коллеги гадают, почему именно 42 или "xyz". if user.role == "xyz" and user.level > 42: access_granted() 7.📏 Игнорируйте стиль и отступы Никаких PEP8, никаких правил. Пиши, как хочешь. def foo():print("start") if True: print("yes") else: print("no") 8.🧱 Копируйте код из Stack Overflow, не вникая Ctrl+C — это тоже разработка. def complex_logic(x): return (lambda y: (lambda z: z**2)(y + 1))(x) 9.🧩 Придумывайте абстракции без надобности Вместо простой функции — классы, фабрики и стратегии. class HandlerFactory: def get_handler(self): class Handler: def handle(self, x): return x return Handler() 10. 💤 Добавляйте мёртвый код Никогда не удаляй — вдруг пригодится. И пусть он грузится в каждый запуск. def legacy_feature(): print("Thi

‍🎭 Playwright MCP: AI-доступ к браузеру через Model Context Protocol Playwright MCP — это сервер Model Context Protocol поверх Microsoft Playwright, который позволяет LLM управлять полноценным браузером через структурированные данные, а не по скриншотам. • Доступ к accessibility tree – MCP-клиенты получают иерархию элементов страницы (кнопки, поля, ссылки) вместо изображений, что делает навигацию быстрой и детерминированной :contentReference[oaicite:0]{index=0} • Множественные подключения – Поддержка нескольких клиентов к одной сессии: одновременное тестирование, отладка и мониторинг без лишних запусках браузера :contentReference[oaicite:1]{index=1} • AI-автогенерация тестов – В режиме Agent Mode Playwright MCP может самостоятельно исследовать приложение и писать готовые тесты на основе его поведения :contentReference[oaicite:2]{index=2} • Высокая производительность – Обходится без тяжёлых компьютерного зрения и OCR, экономит ресурсы и снижает флакущие ошибки сравнения скриншотов • Простая настройка – Установка через npm/yarn и запуск: npm install playwright npx playwright launch --server – Клиентское подключение через WebSocket: const { chromium } = require('playwright'); const browser = await chromium.connectOverCDP('ws://localhost:PORT'); 🔗 Репозиторий: https://github.com/microsoft/playwright-mcp @Python_Community_ru

‍🚦 premier — удобный инструмент для ограничения частоты вызовов в Python Что это такое: premier — это библиотека для контроля скорости вызовов функций в Python. Она помогает ограничить нагрузку на API, базу данных или любой другой ресурс, чтобы не получить отказ или блокировку. 📌 Возможности: • Поддержка популярных алгоритмов: token bucket, fixed window, leaky bucket • Работает как с обычными, так и с асинхронными функциями • Поддерживает Redis и другие хранилища для распределённого ограничения • Гибкая настройка: лимиты, ключи, длительность окна, своя логика • Простое применение через декораторы 🧪 Пример: from premier import throttler, ThrottleAlgo, RedisHandler @throttler.fixed_window(quota=3, duration=5) def request(url: str): # максимум 3 вызова каждые 5 секунд ... @throttler.token_bucket(quota=5, duration=60) async def async_request(...): # асинхронный токен-бакет ... 🔧 Где применить: • Ограничение частоты запросов к внешним API • Защита от перегрузки микросервисов • Контроль доступа к ресурсам внутри приложения • Настройка rate-limit в фоновом обработчике или очереди ✅ Почему стоит попробовать: premier — лёгкая, понятная и гибкая библиотека. Она упрощает внедрение rate limiting, особенно если нужно масштабироваться или работать в асинхронной среде. Если строишь что-то распределённое или просто не хочешь случайно “положить” сервис из-за частых вызовов — premier отлично подойдёт. 📌 Github (https://github.com/raceychan/premier) @Python_Community_ru

🎯 Хочешь следить за загрузкой своей GPU прямо из Python? Вот простой скрипт, который показывает текущую загрузку видеокарты NVIDIA (через `nvidia-smi`). Подходит для мониторинга в ML-задачах, инференсе и просто для интереса. 📦 Зависимости: установленный nvidia-smi и Python 3.6+ 🧠 Код: import subprocess def get_gpu_utilization(): try: result = subprocess.check_output( ['nvidia-smi', '--query-gpu=utilization.gpu,memory.used,memory.total', '--format=csv,nounits,noheader'], encoding='utf-8' ) lines = result.strip().split('\n') for idx, line in enumerate(lines): gpu_util, mem_used, mem_total = map(str.strip, line.split(',')) print(f"🖥 GPU {idx}: {gpu_util}% load | {mem_used} MiB / {mem_total} MiB") except FileNotFoundError: print("❌ nvidia-smi not found. Make sure NVIDIA drivers are installed.") except Exception as e: print(f"⚠️ Error: {e}") get_gpu_utilization() 📊 Вывод будет примерно такой: GPU 0: 23% load | 412 MiB / 8192 MiB 🔥 Советы: • Можно запускать в цикле для live-мониторинга • Легко интегрировать в Telegram-бота или Slack-уведомления • Работает на всех машинах с установленным NVIDIA драйвером и nvidia-smi @Python_Community_ru