Этот курс — твоя ступенька к росту. Если ты научишься применять конкурентность и параллелизм в продакшен проектах, ты сможешь выставлять это, как одно из самых сильных качеств при повышении грейда. Скорее всего ты уже пытался изучить эти темы: Асинхронность, потоки и процессы, смотрел статьи и видео — но так и не понял, как это применять в реальной разработке Учебные примеры не похожи на работу Непонятно, какой инструмент выбрать под задачу Знания есть, но цельной картины нет Тебе нужно знать: FastAPI PostgreSQL Docker Git Основная ценность курса — постоянная практика Ты будешь разбирать ошибки в продакшен коде вместе со спикером, и параллельно будешь писать свой проект с использованием новых технологий: Потоки и процессы. Для нетипичной IO/CPU нагрузки Высокая нагрузка. Нагрузим 1000 RPS для имитации продакшена Брокеры. Для обработки больших потоков данных из Kafka Websockets. Для трансляции лайв-событий Локальные очереди. Для передачи данных внутри приложения Внешние API. С таймаутами, распределенными rate limiter’ами и локами Распределенные системы. Мьютексы и семафоры для координации распределенных запросов Спойлер: Программа Программа: Неделя 1. Фундамент конкурентности и параллелизма Разбираем конкурентность и параллелизм по кирпичикам: как задействуются ядра процессора, как переключаются потоки, и как работают сокеты GIL, IO-bound и CPU-bound: что именно блокирует GIL, как он влияет на каждый тип нагрузки и почему CPU-bound задача не ускоряется от async Корутины и событийный цикл изнутри: почему это не просто "тупая" очередь задач, и как его не заблокировать Корутины, потоки, процессы, воркеры: разница, когда что выбрать Tasks и Futures: create_task, получение результата, обработка исключений, отмена и потеря задач gather и TaskGroup: как ведёт себя группа задач при падении одной из них и как безопасно запускать набор задач Домашнее задание Сравнить последовательный и параллельный запуск корутин, получить блокировку event loop. Поработать с запуском и отменой задач. Вынести блокирующую функцию в поток, CPU-задачу — в процесс. Результат недели Уложишь в голове, как устроены потоки, процессы, корутины и воркеры, разберёшься с базой асинхронности и, глядя на любую задачу или код, будешь сразу понимать, каким инструментом её решать. Неделя 2. Работа с базой данных и внешними API под нагрузкой Знакомство с production-style микросервисом заказов: где в нём прячется конкурентность и что ломается под нагрузкой в первую очередь Как устроены большинство Python библиотек для работы с БД, Redis, брокером, и как не выстрелить себе в ногу при больших нагрузках Параллельные запросы к базе PostgreSQL: что такое thread-safe и coroutine-safe, и почему типичный паттерн Repository ломается в этом случае as_completed и wait: забираем результаты по мере готовности, не дожидаясь самого медленного Домашнее задание Реализовать HTTP-клиенты к внешним API и параллельно подтягивать данные при создании события. На превью заказа параллельно собирать сущности из БД, не шаря одну сессию. Добавить таймауты, обработку ошибок и retry на временные ошибки. Результат недели Научишься ходить в базу и внешние API параллельно, переиспользовать TCP-соединения и на реальных примерах увидишь, насколько это ускоряет сервис. Погрузишься в параллельные запросы, которые нужны каждый день, и поймёшь, какой код безопасно выполнять конкурентно. Неделя 3. Координация в распределенной системе Что меняется, когда сервис живёт запущен в нескольких инстансах? Как согласовать всех воркеров, даже если они живут на разных серверах? Паттерн Single Flight: как из тысячи одинаковых запросов пропустить в базу только один (решение проблемы Thundering herd) Распределенная блокировка на примере протухшего токена: продлеваем общий токен внешнего API так, чтобы это сделал ровно один воркер, избежав 429 ошибок Состояние прямо в памяти приложения: когда кэша уже мало и приходится жертвовать оперативкой ради производительности Домашнее задание Добавить Redis кэш и защитить популярное событие от лавины запросов через паттерн single flight через распределенную блокировку. Решить проблему thundering herd через распределенный мьютекс для обновления протухшего токена. Подтягивать snapshot конфига в память фоновой задачей. Результат недели Шагнёшь в распределённые системы и начнёшь решать серьезные проблемы: удерживать базу под наплывом запросов, согласовывать состояние между воркерами и не дать им наперегонки атаковать общий ресурс или внешний API. Неделя 4. Фоновые задачи. От простых методов до production-ready TaskIQ и Celery: когда задачу пора отдавать воркеру и чем опасны фоновые задачи Как снизить нагрузку на сервис, используя поллинг для длинных Паттерн Transactional outbox: как не допустить расхождения данных между базой, taskiq/celery и приложением Как ускорить асинхронное приложение через вынос блокирующего кода в потоки. Учимся распознавать такой код Домашнее задание Вынести обработку покупок в Taskiq, отдавая статус для поллинга. Регулярно проверять билет и обновлять статус. Генерировать QR-код синхронным SDK во внешнем потоке. Результат недели Познакомишься с самыми популярными инструментами для фоновых задач в Python и поймёшь, какие проблемы с ними связаны. Научишься сам выбирать инструмент под задачу: когда выносить CPU-нагрузку, когда I/O и что для этого взять. Неделя 5. Очереди, батчинг и потоковая обработка событий из Kafka Зачем использовать очередь asyncio.Queue внутри приложения Батчинг событий в ClickHouse: как снизить нагрузку с базы в сотни раз Как действовать, если не успеваешь обрабатывать входящий поток сообщений из брокера Знакомимся со вторым микросервисом аналитики, с получением тысяч событий из Kafka Как выстроить пайплайн по переливу данных из Kafka в Websocket для рил-тайм слежения за курьерами на карте Домашнее задание Отправлять аналитику в фоновом режиме, чтобы запрос её не ждал. Копить события в очереди и писать в ClickHouse батчами. Обрабатывать данные из Kafka. Результат недели Научишься работать с Kafka асинхронно и с вебсокетами, делать батчинг данных и не перегружать базу, что критично важно на продакшене. Неделя 6. Профилирование и трейсинг Python приложений Выносим CPU-нагрузку правильно: какие вычисления отпускают GIL и почему от этого зависит выбор между потоками и процессами Тяжёлый отчёт уезжает в воркер: клиент опрашивает статус и забирает готовый файл CPU-расчёты по перемещениям курьеров и генерация Excel — в ProcessPoolExecutor, чтобы сервис не замирал Ловим блокировки event loop: лаги, медленные коллбеки и охота за тем, что подвешивает сервис Трейсинг сквозного запроса через contextvars: видим весь путь запроса, даже когда всё перемешано в логах Graceful shutdown: гасим сервис с фоновыми задачами, очередями и воркерами без потери данных Домашнее задание Реализовать запуск отчёта о продажах через Taskiq с поллингом и скачиванием файла. Собрать аналитику по продажам и сгенерировать Excel отчет, вынеся CPU-вычисление в процесс. Добавить мониторинг блокировок event loop и трейсинг. Результат недели Разберёшься, как правильно выносить CPU-нагрузку, и научишься профилировать и трейсить асинхронный код, находя узкие места под нагрузкой. Тариф Стандарт будут доступны все материалы курса доступ к еженедельным встречам без проверки заданий
