Pycon Russia

В корпорациях любят всё автоматизировать. Большое количество энтерпрайз-продуктов и внутренних веб-сервисов, которые общаются между собой — все это привычные задачи внутренней и инфраструктурной разработки.

Но что, если необходимо автоматизировать выдачу оборудования сотруднику компании? Это возможность выйти за рамки стандартных веб-сервисов и узнать что происходит на уровне железа.

Как включить огромную железную коробку, которая умеет только принимать байты на серийный порт, в привычный нам, веб-разработчикам, стек Django, React. js, PostgreSQL, Celery и заставить все это общаться между собой?

Посмотрим на консьюмеры Kombu, RabbitMQ. Поучимся управлять пружинами вендинга при помощи Python, читать оптические датчики. Построим всю систему до пользовательского интерфейса «снизу-вверх». И постараемся по пути не отрезать себе палец, когда будем перекидывать питание крутящих серво-приводов между шинами :)

В корпорациях любят всё автоматизировать. Большое количество энтерпрайз-продуктов и внутренних веб-сервисов, которые общаются между собой — все это привычные задачи внутренней и инфраструктурной разработки.

Но что, если необходимо автоматизировать выдачу оборудования сотруднику компании? Это возможность выйти за рамки стандартных веб-сервисов и узнать что происходит на уровне железа.

Как включить огромную железную коробку, которая умеет только принимать байты на серийный порт, в привычный нам, веб-разработчикам, стек Django, React. js, PostgreSQL, Celery и заставить все это общаться между собой?

Посмотрим на консьюмеры Kombu, RabbitMQ. Поучимся управлять пружинами вендинга при помощи Python, читать оптические датчики. Построим всю систему до пользовательского интерфейса «снизу-вверх». И постараемся по пути не отрезать себе палец, когда будем перекидывать питание крутящих серво-приводов между шинами :)

В статическом анализе в Python творится страшное. Но, почти никто не замечает слона в комнате. Давайте разбираться, что у нас болит.

В докладе я расскажу про проблемы:

• Качество самих инструментов
• Внедрение статического анализа в старый проект — почти невозможно
• Игнорирование ошибок не позволяет сделать «как мне надо», а только как «как просит линтер»
• Восприятие статического анализа в сообществе: многие уверены, что им достаточно Black!
• Типизация сейчас является скорее сводным братом троюродной сестры вашей соседки, чем полноценным членом семьи статического анализа
• Исправление ошибок? Забудьте!

И поделюсь решением: typed-linter — проект, над которым я работаю последние полгода.
Краткий анонс:

• Новый runtime, сделанный как надо
• Legacy-first
• Умное игнорирование ошибок
• Удобство использования и внедрения
• Типы (вау!)
• Исправление большинства ошибок без вашего участия

А также расскажу про модель распространения, которая сочетает в себе open-source и позволяет заниматься проектом на постоянной основе, а не по 10 минут перед сном на выходных.
После моего доклада вы получите +1 крутой инструмент, который сможет решить проблемы в вашем коде.

Расскажу о том, как экономить время на старте проектов. Посмотрим как тут выручает генерация кода и что есть из готовых решений.
Как можно, просто введя 2 команды из DDL схемы базы данных, получить готовый CRUD REST сервис с моделями и endpoint-ами.
Зачем мне в 2020 пришлось писать свой ddl парсер и генерацию ORM & Pydantic моделей, и как это облегчило жизнь проекту.
Что из чего вообще можно генерировать, чтобы не писать это руками. Бегло посмотрим какие есть готовые библиотеки на сегодняшний день (основные их категории) и кейсы их использования.
Обсудим плюсы данного тренда. Лично мне кажется, что это тренд — с каждым годом таких библиотек все больше и больше, и мы стараемся не писать тот код, который можно не писать. Рассмотрим кейсы, когда это удобно/полезно (про быстрые PoC, RnD) и направления, куда двигаться дальше, если тема интереса.