برنامه نویسی - هیوادار

استقرار پروژه جنگو با بهینگی بالا

در پروژه ای که در بستر داکر روی لینوکس پیاده سازی شده است نرم افزار از performance قابل قبولی برخوردار نیست. بخشی از نرم افزار با websocket کار میکند اما اکثرا در بستر http. دیتابیس، و بخشهای دیگر مثل celery, rabbitMQ و … هر کدام یک کانتینر هستند.

ایرادات استقرار یا deployment:

جنگو در یک کانتینر با دستور runserver اجرا شده است.

کل پروژه از Daphne به عنوان اپلیکیشن وب سرور ASGI استفاده میکند در حالی که بخش کوچکی از نرم افزار asyn است و با websocket کار میکند.

وب سروری مثل Nginx یا Apache وجود ندارد که فایلهای استاتیک را ارائه دهد.

بهتر بود در بخشهای Sync از اپلیکیشن سروری مثل uWSGI که یک WSGI هست استفاده میشد.

بنابراین معماری به شکل زیر تغییر یافت:

NGINX درخواست های websocket رو به Daphne و سایر درخواست ها را به uWSGI ارسال میکند. فایل های کانفیگ از قرار زیر است.

compose.yml

version: '3.8'

services:
    elastic:
        image: elasticsearch:7.17.11
        container_name: elastic
        restart: always
        hostname: es
        environment:
            discovery.type: single-node
            ES_JAVA_OPTS: -Xms512m -Xmx512m
        ports:
            - 9200:9200
    mysql:
        image: mysql
        container_name: mysql
        restart: always
        hostname: mysql.local
        environment:
            discovery.type: single-node
            MYSQL_ROOT_PASSWORD: ...
            MYSQL_DATABASE: ...
        ports:
            - 3306:3306
        volumes:
            - mysql_data:/var/lib/mysql
    nasim:
        build:
            context: .
            dockerfile: DockerfileNasim
        hostname: nasim
        container_name: nasim
        volumes:
            - ./app:/opt/app
            - ./data:/opt/data
        expose:
            - "8000"
        environment:
            - DJANGO_SETTINGS_MODULE=core.settings
    daphne:
        build:
            context: .
            dockerfile: DockerfileNasim
        hostname: daphne
        container_name: daphne
        volumes:
            - ./app:/opt/app
            - ./data:/opt/data
        expose:
            - "8001"
        command: ["daphne", "-b", "0.0.0.0", "-p", "8001", "core.asgi:application"]
        environment:
            - DJANGO_SETTINGS_MODULE=core.settings
    nginx:
        build:
            context: .
            dockerfile: DockerfileNginx
        hostname: nginx
        container_name: nginx
        ports:
            - "80:80"
        depends_on:
            - nasim
            - daphne
        volumes:
            - ./app/static:/static
            - ./nginx/nginx.conf:/etc/nginx/nginx.conf
            
volumes:
    mysql_data:

version: '3.8'

services:

elastic:

image: elasticsearch:7.17.11

container_name: elastic

restart: always

hostname: es

environment:

discovery.type: single-node

ES_JAVA_OPTS: -Xms512m -Xmx512m

ports:

- 9200:9200

mysql:

image: mysql

container_name: mysql

restart: always

hostname: mysql.local

environment:

discovery.type: single-node

MYSQL_ROOT_PASSWORD: ...

MYSQL_DATABASE: ...

ports:

- 3306:3306

volumes:

- mysql_data:/var/lib/mysql

nasim:

build:

context: .

dockerfile: DockerfileNasim

hostname: nasim

container_name: nasim

volumes:

- ./app:/opt/app

- ./data:/opt/data

expose:

- "8000"

environment:

- DJANGO_SETTINGS_MODULE=core.settings

daphne:

build:

context: .

dockerfile: DockerfileNasim

hostname: daphne

container_name: daphne

volumes:

- ./app:/opt/app

- ./data:/opt/data

expose:

- "8001"

command: ["daphne", "-b", "0.0.0.0", "-p", "8001", "core.asgi:application"]

environment:

- DJANGO_SETTINGS_MODULE=core.settings

nginx:

build:

context: .

dockerfile: DockerfileNginx

hostname: nginx

container_name: nginx

ports:

- "80:80"

depends_on:

- nasim

- daphne

volumes:

- ./app/static:/static

- ./nginx/nginx.conf:/etc/nginx/nginx.conf

volumes:

mysql_data:

nginx.conf

# nginx/nginx.conf
events {
  worker_connections 1024;
}

http {
  include       /etc/nginx/mime.types;
  default_type  application/octet-stream;
  sendfile        on;
  keepalive_timeout  65;

  upstream nasim {
    server nasim:8000;
  }

  server {
    listen 80;

    location / {
      proxy_pass http://nasim;
      proxy_set_header Host $host;
      proxy_set_header X-Real-IP $remote_addr;
      proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
      proxy_set_header X-Forwarded-Proto $scheme;
    }
	
    location /ws/ {
      proxy_pass http://daphne:8001;
      proxy_http_version 1.1;
      proxy_set_header Upgrade $http_upgrade;
      proxy_set_header Connection "upgrade";
      proxy_set_header Host $host;
      proxy_set_header X-Real-IP $remote_addr;
      proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
      proxy_set_header X-Forwarded-Proto $scheme;
    }

    location /static/ {
      alias /static/;
    }
  }
}

# nginx/nginx.conf

events {

worker_connections 1024;

}

http {

include /etc/nginx/mime.types;

default_type application/octet-stream;

sendfile on;

keepalive_timeout 65;

upstream nasim {

server nasim:8000;

}

server {

listen 80;

location / {

proxy_pass http://nasim;

proxy_set_header Host $host;

proxy_set_header X-Real-IP $remote_addr;

proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;

proxy_set_header X-Forwarded-Proto $scheme;

}

location /ws/ {

proxy_pass http://daphne:8001;

proxy_http_version 1.1;

proxy_set_header Upgrade $http_upgrade;

proxy_set_header Connection "upgrade";

proxy_set_header Host $host;

proxy_set_header X-Real-IP $remote_addr;

proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;

proxy_set_header X-Forwarded-Proto $scheme;

}

location /static/ {

alias /static/;

}

DockerfileNginx

# DockerfileNginx
FROM nginx:alpine

# Remove the default configuration file
RUN rm /etc/nginx/conf.d/default.conf

# Copy the nginx configuration file
COPY nginx/nginx.conf /etc/nginx/nginx.conf

# DockerfileNginx

FROM nginx:alpine

# Remove the default configuration file

RUN rm /etc/nginx/conf.d/default.conf

# Copy the nginx configuration file

COPY nginx/nginx.conf /etc/nginx/nginx.conf

DockerfileNasim

FROM python:3.11-slim-bullseye AS nasim_core

# Install system dependencies with retry logic
RUN apt-get update --fix-missing

RUN apt-get install apt-utils -y
RUN apt-get install build-essential -y
RUN apt-get install gcc -y
RUN apt-get install graphviz -y
RUN apt-get install graphviz-dev -y
RUN apt-get install vim -y
RUN apt-get install libmagickwand-dev -y
RUN apt-get install curl -y
RUN apt-get install iputils-ping -y
RUN apt-get install python3-dev -y
RUN apt-get install default-libmysqlclient-dev -y
RUN apt-get install pkg-config -y
RUN apt-get install libffi-dev -y


# Create and set work directory
RUN mkdir /opt/app && chown www-data:www-data /opt/app
WORKDIR /opt/app

COPY ./app/requirements.txt /opt/app
RUN pip install --upgrade pip
RUN pip install --upgrade -r requirements.txt --no-cache-dir
RUN pip install uwsgi

# Create logs directory and set permissions
RUN mkdir /opt/app/logs && touch /opt/app/logs/operation.log /opt/app/logs/system.log
RUN mkdir -p /opt/app/uploads/documents


RUN chmod -R 777 /opt/app/logs


# Set environment variables
ENV PYTHONDONTWRITEBYTECODE 1
ENV PYTHONUNBUFFERED 1


# Copy project
COPY ./app /opt/app/

# Run Daphne
CMD ["uwsgi", "--http", "0.0.0.0:8000", "--module", "core.wsgi:application", "--master", "--processes", "4", "--threads", "4"]

FROM python:3.11-slim-bullseye AS nasim_core

# Install system dependencies with retry logic

RUN apt-get update --fix-missing

RUN apt-get install apt-utils -y

RUN apt-get install build-essential -y

RUN apt-get install gcc -y

RUN apt-get install graphviz -y

RUN apt-get install graphviz-dev -y

RUN apt-get install vim -y

RUN apt-get install libmagickwand-dev -y

RUN apt-get install curl -y

RUN apt-get install iputils-ping -y

RUN apt-get install python3-dev -y

RUN apt-get install default-libmysqlclient-dev -y

RUN apt-get install pkg-config -y

RUN apt-get install libffi-dev -y

# Create and set work directory

RUN mkdir /opt/app && chown www-data:www-data /opt/app

WORKDIR /opt/app

COPY ./app/requirements.txt /opt/app

RUN pip install --upgrade pip

RUN pip install --upgrade -r requirements.txt --no-cache-dir

RUN pip install uwsgi

# Create logs directory and set permissions

RUN mkdir /opt/app/logs && touch /opt/app/logs/operation.log /opt/app/logs/system.log

RUN mkdir -p /opt/app/uploads/documents

RUN chmod -R 777 /opt/app/logs

# Set environment variables

ENV PYTHONDONTWRITEBYTECODE 1

ENV PYTHONUNBUFFERED 1

# Copy project

COPY ./app /opt/app/

# Run Daphne

CMD ["uwsgi", "--http", "0.0.0.0:8000", "--module", "core.wsgi:application", "--master", "--processes", "4", "--threads", "4"]

لینک های مرتبط:

یک نمونه AJAX

در یک پروژه پرتکرار از AJAX استفاده کردیم و یه نمونه پیچیده شو اینجا میزارم.

function this_func(dep_pk) {
	var CardDivision = $("#card-division");
	var CardDep = $("#card-department");
	var DepTitle = $("#dep-title")
	var servicesList = $("#services-list");
	servicesList.empty();
	
	$.ajax({
		url: "{% url 'doc:get_svcs_per_dep' dep_id=0 %}".replace("0", dep_pk),
		method: "GET",
		success: function(data) {
			CardDivision.hide();
			CardDep.removeAttr("hidden");
			DepTitle.text(Object.keys(data)[0])
			var services = data[Object.keys(data)[0]];

			for (var id in services) {
				servicesList.append(`
					<div class="col-3 card card-catalog text-center m-2 p-3" >
						<a href="/doc/${services[id]}/">${services[id]}</a>
					</div>
				`);
			}
		},
		error: function(xhr, status, error) {
			console.error("An error occurred:", status, error);
		}
	});
}

function this_func(dep_pk) {

var CardDivision = $("#card-division");

var CardDep = $("#card-department");

var DepTitle = $("#dep-title")

var servicesList = $("#services-list");

servicesList.empty();

$.ajax({

url: "{% url 'doc:get_svcs_per_dep' dep_id=0 %}".replace("0", dep_pk),

method: "GET",

success: function(data) {

CardDivision.hide();

CardDep.removeAttr("hidden");

DepTitle.text(Object.keys(data)[0])

var services = data[Object.keys(data)[0]];

for (var id in services) {

servicesList.append(`

<a href="/doc/${services[id]}/">${services[id]}</a>

</div>

`);

}

error: function(xhr, status, error) {

console.error("An error occurred:", status, error);

}

});

}

در کد بالا route زیر که مربوط به یک view توی جنگو هست صدا زده شده

url: "{% url 'doc:get_svcs_per_dep' dep_id=0 %}".replace("0", dep_pk),

1	url: "{% url 'doc:get_svcs_per_dep' dep_id=0 %}".replace("0", dep_pk),

این یک route مربوطه به جنگو هست که یک پارامتر به اسم dep_id هم میگیره. قسمت جالب این کد اینه که همین کد جاوااسکریپت با django template engine داره render میشه و بعد توسط .replcace اصلاح میشه

نمونه route و view رو هم در ادامه میبینید.

@login_required
def get_services_per_dep(request, dep_id):

    return JsonResponse({'foo':'bar'})
	
	
path("get-svcs/<int:dep_id>/", views.get_services_per_dep, name="get_svcs_per_dep"),

@login_required

def get_services_per_dep(request, dep_id):

return JsonResponse({'foo':'bar'})

path("get-svcs/<int:dep_id>/", views.get_services_per_dep, name="get_svcs_per_dep"),

Structured vs Functional vs Object Oriented

هر کدوم از این پارادایم های برنامه نویسی شرایط خاصی دارن.

OOP یا برنامه نویسی شیء گرا. وقتی میگیرم یه برنامه OOP هست که سه پیلار زیر در کل برنامه حاکم باشه. بنابراین به ما میگه که برنامه شامل قسمت هایی هست که ما کنترل رو به صورت غیرمستقیم به کامپوننتهای مختلف داده میشه و بنابراین میشه بخش های مختلف برنامه جداگانه قابل توسعه باشه.

Encapsulation
Inheritance
Polymorphism

وقتی میگیم یک برنامه Structured هست که از توابع قابل تست استفاده شده باشه. عملا الان هر کسی داره کد میزنه structured کد میزنه. این مفهوم زمانی شکل گرفت که با زبانهایی مثل Assembly برنامه نوشته میشد. برنامه نویسی Functional روی انتقال کنترل برنامه به صورت مستقیم تاکید داره.

Functional Programming وقتی میتونیم ادعا کنیم که برنامه مون کاملا Functional هست که تمامی متغیرها غیرقابل تغییر باشن Immutable و بنابراین مجبور میشیم از یک زبان Functional هم استفاده کنیم که ابزارهای کار با این متغیرها رو به ما میده. Functional Programming بر روی انتصاب به متغیرها محدودیت میزاره.

یعنی عملا هر کدام از این پارادایم ها یک محدودیت خاص بر روی برنامه های ما میزاره و هیچ کدوم چیزی اضافه نمیکنه.

Structured Programming

کسایی که قبلا Assembly کد زدن میدونن برنامه ها چطور بود. شما یک سری دستور پشت هم میچیدید و هر جایی لازم بود از GOTO و JUMP استفاده میکردید که برنامه بره به جای جدید و اون تیکه رو اجرا کنه. مثلا از خط 20 میگفتیم برگرد به خط 10. با این تکنیک عملا حلقه هم پیاده سازی میشد. ولی بعدا این روش منسوخ شد و توی برنامه توابع تعریف شدن. مفاهیم حلقه با کلید های جدید شکل گرفتن. به این روش جدید میگن structured programming.

Structured programming یعنی برنامه رو به بخش های مختلف و توابع مختلف تقسیم کنیم و بتونیم هر کدوم از اون توابع یا بخش ها رو تست کنیم. تست کنیم که در چه شرایطی غلط کار میکنن و بنابراین اطمینانی از برنامه داشته باشیم.

Functional programming

جمله زیر یه تعریف ریشه ای از Functional Programming هست.

variables in functional programming do not vary

یعنی اگر برنامه ای بنویسیم که تمامی متغیرهای immutable یا غیرقابل تغییر باشن میتونیم ادعا کنیم که برنامه ما از پارادایم functional استفاده میکنه. ربان هایی مثل clojure از این پاردایم استفاده میکنن.

برای اینکه متغیرها تغییر نکنن نیاز هست که برنامه شامل اجرای توابع پشت سر هم باشن. یعنی توی یک زبان functional چیزی که میبینیم یه رشته از توابع هستن که پشت سر هم اجرا میشن

Event Sroucing چیه؟

فرض کنیم یه اپلیکیشن بانکی میخایم بنویسیم که حسابهای افراد رو مدیریت کنه. برای این کار یک روش اینه که اگه طرف مثلا 1 میلیون بریزه توی حسابش اپلیکیشن بره و مقداره متغیر مانده حساب رو با 1 میلیون اضافه کنه. و هر وقت x تومن خرج میکنه این متغیر رو x واحد کم کنه. این چه مشکلی میتونه داشته باشه:

1.ممکنه race condition پیش بیاد و چند تا thread یا پروسه مقدار رو با هم تغییر بدن و در این حالت عملا حساب بانکی مشتری رو خراب کردیم

2.تاریخچه ای از تراکنش ها وجود نداره که بتونیم پرینت حساب بگیریم

بهترین روش اینه که مقدار حساب مشتری یه متغیر غیرقابل تغییر باشه 🙂 “فکر نکنم دیگه بشه بهش گفت متغیر” و تراکنش ها رو ذخیره کنیم مثلا مقدار 1 میلیون هست و وقتی x تومن خرج میکنه دیگه از اون مقدار کم نکنیم و فقط یه تراکنش -x ثبت کنیم. در این حالت دیگه حساب مشتری خراب نمیشه. تاریخچه حساب معلومه و race condition به وجود نمیاد. این روشی هست که توی اپلیکیشن های بانکی ازش استفاده میشه و بهش میگن Event Sourcing.

مشکل این روش اینه که فرض کنیم مشتری توی یک ماه گذشته به تعداد 200 هزار تراکنش داشته و الان مانده حساب میگیره. اپلیکیشن باید 200 هزار تراکنش رو باهم جمع کنه و اپلیکیشن کند میشه. برای این مشکل کافیه آخر هر شب تراکنش ها با هم جمع شن و مانده حساب نصف شب محاسبه بشه. بنابراین در هر روز فقط تراکنش ها اون روز برای محاسبه مانده حساب مهمه.

مشکل دوم اینه که دیسک زیادی نیاز هست چون باید تمامی تراکنش های تمامی کاربران نگهداری شه.

اگر منابعی مثل CPU و Disk به اندازه کافی داشته باشیم میتونیم تمامی متغیرها رو immutable کنیم و بنابراین برنامه کاملا Functional باشه. در این حالت البته توسعه سخت تر هم هست.

شیء گرایی چیه Object Oriented Programming

برنامه نویسی شیء گرا یا OOP چیه؟ Object Oriented Programming

توی مصاحه از OOP و خصوصیاتش سوال زیاد میشه. از طرفی لازمه که یه برنامه نویس این رو بدونه. میشه گفت:

به ترکیت دیتا و توابع با هم میگیم OOP. این تعریف خیلی ناقصه. از طرفی به زبان ساده تر میشه گفت “یک روش برنامه نویسی که بشه باهاش دنیای واقعی رو مدل کرد” این هم باز کلیه و اگه بخایم بیشتر توضیح بدیم:

سه تا تکنیک توی برنامه نویسی وجود داره:

Encapsulation یا کپسوله کردن یا بسته بندی کردن

Inheritance یا ازثبری

Polymorphism یا چند شکلی

این 3 تکنیک برنامه نویسی رو اگر در برنامه های خودمون رعایت کنیم، میگیم داریم با تکنیک OOP کد میزنیم. و توی زبانهای OOP مثل Java C# Python و … این تکنیک ها رعایت میشه بخاطر همین بهشون میگیم زبانهای شیء گرا (البته پایتون مجبورتون نمیکنه صد درصد OOP کد بزنید).

آیا این تکنیک ها با پیدایش زبان های OO اومدن؟ خیر خیلی از برنامه نویسان C از قدیم از این تکنیک ها استفاده میکردند اما مجبور نبودند با این تکنیک کد بزنن و چون اینا تکنیک های خوبی بودن بعدا با زبان C++ رسمی شد و بمرور در زبان های مختلف تکامل پیدا کرد و استفاده ازشون آسون تر و بهینه تر شد و حتی اجباری شد.

Encapsulation

فرض کنید که بشه دور دسته ای از داده ها و توابع یک خط کشید و از بیرون این خط به این داده ها نشه دسترسی داشت و فقط خود اون توابع بتونن این داده ها رو تغییر بدن. در واقع داده ها و توابع private باشن و فقط به روش هایی استاندارد بشه بهشون به صورت غیر مستقیم یا بعضی از اونا مستقیم دسترسی داشت. این کار با مفهوم class انجام میشه و به این تکنیک میگن Encapsulation یا کپسوله کردن.

Inheritance

ارثبری ساده است. فرض کنید بخشی از توابع یا داده های یک کلاس رو دوباره از اول تعریف کنیم و بقیه بخش ها رو بدون تغییر کپی کنیم و استفاده کنیم به این میگن ارثبری.

class Animal:
    def __init__(self, feets=-1):
        self.number_of_feet = feets
    
    def move(self):
        print("walking...")
    
    def make_sound(self):
        print("talking...")
        

class Duck(Animal):
    def __init__(self):
        super().__init__(2)
        
    
    def move(self):
        print("swimming...")
    
    def make_sound(self):
        print("quak quak quak")
        
        
class Lion(Animal):
    def __init__(self):
        super().__init__(4)
        
    def move(self):
        print("Running...")
        
    def make_sound(self):
        print("Roarrrr...")

class Animal:

def __init__(self, feets=-1):

self.number_of_feet = feets

def move(self):

print("walking...")

def make_sound(self):

print("talking...")

class Duck(Animal):

def __init__(self):

super().__init__(2)

def move(self):

print("swimming...")

def make_sound(self):

print("quak quak quak")

class Lion(Animal):

def __init__(self):

super().__init__(4)

def move(self):

print("Running...")

def make_sound(self):

print("Roarrrr...")

مثال بالا خیلی خوب ارثبری رو نشون میده. یک کلاس Animal داریم. طبیعتا همه حیوانات یه سری خصوصیات مشترک دارن مثلا پا دارن حرکت میکنن و صدا دارن. دو کلاس Duck و Lion از Animal ارث بردن چون اینها هم حیوان هستن و این خصوصیات رو دارن و اونا رو به ارث بردن اما این خصوصیات مشترکشون کمی فرق داره اردک شنا میکنه و شیر میدوه، صدای هر حیوان هم فرق داره پس همینطور که میبینید این خصوصیات دوباره تعریف شدن با این که به ارث هم بردن.

Polymorphism

برای توضیح چندشکلی یه مثال واقعی میزنیم. میدونیم توی UNIX برای خوندن و نوشتن داده device های مختلفی وجود داره که به دیوایس های ورودی میگیم STDIN و به دیوایس های خروجی میگیم STDOUT. دیوایس خروجی مثل صفحه مانتور و اسپیکر و دیوایس ورودی مثل کیبورد و ماوس. حالا یه تابع نوشتیم با اسم کپی که از یه دیوایس ورودی میخونه و کپی میکنه تو دیوایس خروجی

#include <stdio.h>

void copy(){
	int c;
	while((c=getchar()) != EOF){
		putchar();
	}
}

#include <stdio.h>

void copy(){

int c;

while((c=getchar()) != EOF){

putchar();

}

ولی توی این کد ما مشخص نکردیم کدوم دیوایس ورودی و خروجی. UNIX این مشکل رو حل کرده میگه شما هر دیوایس که میسازی و می نویسی توی دایورش باید 5 تا تابع تغریف کنی که برنامه های مختلف بتونن باهاش کار کنن. این توابع open close read write seek هستن. یعنی همه دیوایس ها توی درایورشون این توابع رو دارن. و باید تعریف اونا رو هم بنویسید مثلا چجوری بخونی و بنویسی توش چه جوری باز کنی و ببندیش بنابراین مثلا یک فایل باید این توابع رو اینجوری تعریف کنن براش:

struct FILE {
	void (*open)(char* name, int mode);
	void (*close)();
	void (*read)();
	void (*write)(char);
	void (*seek)(long index, int mode);
}

struct FILE {

void (*open)(char* name, int mode);

void (*close)();

void (*read)();

void (*write)(char);

void (*seek)(long index, int mode);

}

و توی اون درایور باید همین توابع رو تعریف کنه و اون رو لود کنه چیزی مثل زیر (یعنی در واقع قابل استفاده اش کنه)

#include "file.h"

void open(char* name, int mode) {/*.....*/}
void close() {/*.....*/}
void read() {int c; /*.....*/ return c;}
void write(char c) {/*.....*/}
void seek(long index, int mode) {/*.....*/}

#include "file.h"

void open(char* name, int mode) {/*.....*/}

void close() {/*.....*/}

void read() {int c; /*.....*/ return c;}

void write(char c) {/*.....*/}

void seek(long index, int mode) {/*.....*/}

حالا اون تابع copy میتونه ازش استفاده کنه اگر تابع getchar اینجوری تعریف شده باشه

extern struct FILE* STDIN;

int getchar() {
	return STDIN->read();
}

extern struct FILE* STDIN;

int getchar() {

return STDIN->read();

}

ببینید اینجوری تابع copy نیاز به تغییر نداره فقط getchar رو صدا میزنه و این getchar هم همون تابع read رو صدا میزنه که توی درایور هست.

بنابراین polymorhpism این قابلیت رو به برنامه ها میده که مثل پلاگین عمل کنن. یعنی اگر صد تا دیوایس اضافه بشه با صد تا درایور دیگه نیازی به تغییر copy نیست چون بهرحال اون درایور تابع read داره.

plymophism اینه یعنی این تابع copy صد شکل از دیوایس رو پوشش میده پس بهش میگیم تکنیک چند شکلی.

قدرت polymorphism در همینه که بخش های برنامه از هم جدا میشن و میتونی هر کدوم رو جدا توسعه بدی و تکامل بدی بخش های محتلف برنامه مثل پلاگین با هم کار میکنن توسعه هرکدام مستقل ادامه پیدا میکنه.

Signal و Middleware توی پروسه لاگین (جلوگیری از چندین لاگین همزمان با یک نام کاربری)

توی یه پروژه خواستیم یک نام کاربری دو تا session نداشته باشه یعنی یه کاربر توی دوتا مرورگر یا دو تا سیستم لاگین نکنه. برای این کار از Middleware و Signal توی پروژه استفاده کردم.

توی Middleware.py توی app مربط کد زیر کد زیر رو زدم:

from django.contrib.auth import logout
from django.utils.deprecation import MiddlewareMixin


class PreventConcurrentLoginsMiddleware(MiddlewareMixin):
    def process_request(self, request):
        if request.user.is_authenticated:
            current_session_key = request.session.session_key
            user = request.user

            if user.session_key and user.session_key != current_session_key:
                logout(request)

            elif not user.session_key:
                user.session_key = current_session_key
                user.save()

from django.contrib.auth import logout

from django.utils.deprecation import MiddlewareMixin

class PreventConcurrentLoginsMiddleware(MiddlewareMixin):

def process_request(self, request):

if request.user.is_authenticated:

current_session_key = request.session.session_key

user = request.user

if user.session_key and user.session_key != current_session_key:

logout(request)

elif not user.session_key:

user.session_key = current_session_key

user.save()

حالا اینو توی MIDDLEWARE توی SETTING اضافه میکنیم.

Signal زیر رو اضافه میکنم که اگر کسی logtout کرد session اش پاک شه که بشه جای دیگه لاگین کنن:

from django.contrib.auth.signals import user_logged_out
from django.dispatch import receiver
from django.conf import settings
from django.contrib.auth import get_user_model


@receiver(user_logged_out)
def reset_session_key(sender, request, user, **kwargs):
    User = get_user_model()
    if user.is_authenticated:
        user.session_key = None
        user.save()

from django.contrib.auth.signals import user_logged_out

from django.dispatch import receiver

from django.conf import settings

from django.contrib.auth import get_user_model

@receiver(user_logged_out)

def reset_session_key(sender, request, user, **kwargs):

User = get_user_model()

if user.is_authenticated:

user.session_key = None

user.save()

خروجی کد مصاحبه

خروجی کد زیر چیه؟

l = [1, 2, 3]

try:
    print(l[3] / 0)
except (IndexError, ZeroDivisionError):
    print("exc")
else:
    print("else")
finally:
    print("final")

l = [1, 2, 3]

try:

print(l[3] / 0)

except (IndexError, ZeroDivisionError):

print("exc")

else:

print("else")

finally:

print("final")

طبق حدثم:

C:\code\interview>python test.py
exc
final

C:\code\interview>python test.py

exc

final

ولی else چی میگه

l = [1, 2, 3]

try:
    print(l[1] / 1)
except (IndexError, ZeroDivisionError):
    print("exc")
else:
    print("else")
finally:
    print("final")

l = [1, 2, 3]

try:

print(l[1] / 1)

except (IndexError, ZeroDivisionError):

print("exc")

else:

print("else")

finally:

print("final")

خروجی:

C:\code\interview>python test.py
2.0
else
final

C:\code\interview>python test.py

2.0

else

final

یعنی اگه Exception اتفاق نیوفته else هم اتفاق میوفته. در هر حالتی finally اتفاق میوفته

سوال مصالحبه مبتدی

خروجی تکه کد زیر چیه:

a = ["apple", "orange", "sigar"]
a.index("mellon") * 5

1 2	a = ["apple", "orange", "sigar"] a.index("mellon") * 5

جواب Exception از نوع ValueError