Собрали в одном месте самые важные ссылкии сделали Тренажер IT-инцидентов для DevOps/SRE
Краткий рассказ о целом наборе инструментов самой разной направленности, включая PyPy, Pyston, Nuitka, Cython, Numba
Автор статьи считает, что ни одна из приведенных им самим статей не описывает метаклассы так же доступно как делает он сам. Стоит дать ему шанс - попытка, как минимум, не плохая.
Да, иногда стоит публиковать, документировать и новые подходы к реализации тех или иных идей. Например, как организовать переменные именованные аргументы в базовом классе для пущей их расщиряемости
Довольно обширная статья с разжевыванием составляющих элементов и примерами кода
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.
Обещается серия статей о том как написать игру "Змейка" на фреймворке Kivy и подготовить из него приложение для Android. Уже доступны вторая и третья части.
Приводится одно из возможных решений для проблемы со вспышкой однообразных сообщений об ошибках, которые заваливают почтовый ящик в некоторых специфических случаях с неудачным деплоем
Автор знакомит нас с модулем line_profiler и способом его применения для поиска проблем производительности
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.
Их далеко не три, но автор остановился на нескольких особенно ему не понравившихся
Ответ на вопрос о принципиальной возможности сделать это на основе Bottle
Небольшой, на 10 минут, учебник с рассказом о применении этого NoSQL хранилища данных
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
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.
Рецепт конфигурирования для совместной работы Django, Postgres, Redis, и Rabbitmq и запуска всего этого добра в Docker-контейнере
Рассматриваются тонкости проксирования объектов, необходимого для обертки ленивыми вычислениями уже имеющихся объектов и функций
Рассказ о масштабировании приложений, blueprints и некоторых других продвинутых принципов микрофреймворка Flask
Продолжение статьи о реализации паттерна проектирования Одиночка