Собрали в одном месте самые важные ссылкии сделали Тренажер IT-инцидентов для DevOps/SRE
Очень спорная статья о проблеме дистрибутирования кода на python, но все же хорошая тем, что указывает на то что проблема есть - система дистрибутирования в python неудобная, архаичная и не для людей. Другое дело, что и приводимый в пример npm не многим лучше.
Автор знакомит нас с модулем line_profiler и способом его применения для поиска проблем производительности
Проект интересен тем, что из коробки дает нам доступ к качественной реализации сложных алгоритмов (потоки, сеть, GUI, числовые, машинное обучение, обработка изображений, сжатие данных и т.д.), а главное с неплохой документацией.
Ответ на вопрос о принципиальной возможности сделать это на основе Bottle
Их далеко не три, но автор остановился на нескольких особенно ему не понравившихся
Рассматриваются тонкости проксирования объектов, необходимого для обертки ленивыми вычислениями уже имеющихся объектов и функций
Небольшой, на 10 минут, учебник с рассказом о применении этого NoSQL хранилища данных
Основное применение метаклассов, по мнению автора, это выставление соответствия неких простых идентификаторов (например строк-имен классов при сериализации) соответствующим классам. Как именно это происходит и описывается в данной статье.
Небольшой рассказ о подходе к решению это весьма сложной и многоплановой задачи, а также краткое знакомство с PyEnsembl
Еще одна статья, с попыткой понять почему GIL не всегда плохо и как решаются задачи, в которых все-таки нужно обойти ограничения как GIL, так и производительности собственно и реализации языковых конструкций Python
Рецепт конфигурирования для совместной работы Django, Postgres, Redis, и Rabbitmq и запуска всего этого добра в Docker-контейнере
В этом посте описано, как можно проверять работоспособность приложений на bottle. Приведены не только базовые примеры, но и показан простой проект с покрытием тестами. Рассмотрены несколько способов тестирования, а также библиотека webtest
Анонсируется существенное увеличение производительности и устранения множества багов. В ветке Py3k объявлена поддержка Python 3.2.5
Автор утверждает, что тестирование кода на Python не ограничивается одними лишь возможностями модуля unittest. И в подтверждение своих слов приводит небольшой обзор таких инструментов как Doctest, Coverage, Nose и Mock
Мы перевели и озвучили интересный рассказ, о том с чего начинался Python из первых рук. Огромное спасибо за это замечательному человеку, фанату Python в хорошем смысле этого слова pixel
Довольно интересный инструмент для параметрического построения 3D моделей с помощью кода на Python и последующего экспорта в web или специализированый софт
Продолжение статьи о реализации паттерна проектирования Одиночка
Рассказ о масштабировании приложений, blueprints и некоторых других продвинутых принципов микрофреймворка Flask
Статья требующая довольно глубокого погружения в тему и явно не для новичков, но погрузиться можно как раз из прочих статей автора в этом же блоге