Python

REST API w Pythonie to zestaw endpointów HTTP, które udostępniają dane i operacje w przewidywalny sposób, najczęściej z użyciem FastAPI albo Flask. Warto sprawdzić routing, walidację danych wejściowych, kody statusu, strukturę projektu i sposób integracji z bazą danych. Przykładem jest endpoint GET i POST z walidacją modeli oraz dokumentacją Swagger dla zasobów użytkowników. Jeśli chcesz przećwiczyć to krok po kroku, zobacz: Python - tworzenie REST API.

Django sprawdza się w aplikacjach z rozbudowanym modelem danych, panelem administracyjnym i pełnym zapleczem webowym, a FastAPI lepiej pasuje do lekkich usług HTTP i nowoczesnych API z typowaniem. Przy wyborze dobrze porównać wymagania dotyczące ORM, autoryzacji, dokumentacji API, wydajności i sposobu wdrażania. Przykładowo system wewnętrzny z formularzami i panelem admin zwykle lepiej realizują aplikacje Django, natomiast integracyjne API częściej powstają w FastAPI. Ten temat przerabiamy praktycznie na szkoleniu: Python - tworzenie webaplikacji w Django.

Testowanie w Pythonie obejmuje testy jednostkowe, integracyjne i API, a jego celem jest weryfikacja logiki biznesowej, kontraktów HTTP i stabilności zmian. Należy sprawdzić strategię uruchamiania testów, fixtures, analizę statyczną, linting oraz włączenie testów do pipeline CI/CD. Przykładem jest automatyczne uruchamianie testów dla endpointów, walidatorów i warstwy dostępu do danych po każdym commicie. Dokładnie ten zestaw narzędzi i workflow ćwiczymy podczas szkolenia: Python zaawansowany.

Wzorce projektowe w Pythonie porządkują architekturę kodu, ale nie zawsze wymagają klasycznych implementacji znanych z innych języków obiektowych. Trzeba ocenić, czy problem dotyczy tworzenia obiektów, komunikacji między komponentami, rozszerzalności czy izolacji odpowiedzialności, a potem dobrać wzorzec lub idiom językowy. Przykładem jest użycie Strategy do wymiany algorytmów, Factory Method do kontroli tworzenia obiektów albo Decorator do rozszerzania zachowania bez modyfikacji klas bazowych. To jedno z zagadnień omawianych podczas szkolenia: Python - Wzorce Projektowe.

Asynchroniczność w Pythonie pozwala efektywnie obsługiwać wiele operacji wejścia-wyjścia bez blokowania głównego przepływu programu, zwykle z użyciem asyncio oraz składni async/await. W praktyce trzeba sprawdzić, czy problem dotyczy I/O, jak zarządzać Task, Future, TaskGroup i timeoutami oraz jak testować kod współbieżny. Przykładem jest równoległe pobieranie danych z wielu usług HTTP przy użyciu gather i kontrola czasu wykonania przez wait_for. Wersję warsztatową (z konfiguracją i przykładami) znajdziesz w programie szkolenia: Python zaawansowany.

Porządkowanie projektu Python obejmuje podział na moduły, kontrolę importów, typowanie, logowanie, refaktoryzację oraz eliminowanie powtarzalnych fragmentów kodu. Warto przejrzeć strukturę katalogów, zależności, konwencje nazewnicze, obsługę wyjątków i sposób serializacji danych, a następnie wdrożyć zasady ułatwiające rozwój i utrzymanie. Przykładem jest rozbicie monolitycznego pliku na warstwy domenowe, dodanie adnotacji typów i zastąpienie ręcznych konwersji schematami danych. Ten temat przerabiamy praktycznie na szkoleniu: Python średnio zaawansowany.