Python
La tabla contiene entre 100 y 500 millones de registros y su manejo se ha vuelto lento. ¿Qué se puede hacer para optimizar?
¿Qué es un cierre y cómo se implementa en Python?
¿Cuál es el nombre general del proceso con PID 1?
Tienes una lista de diccionarios con información de usuarios. Necesitas: 1. Filtrar usuarios mayores de 18 años 2. Guardar los datos filtrados en un solo archivo JSON 3. Crear y guardar un archivo separado con estadísticas para todos los usuarios filtrados: - Número total de usuarios - Edad media (redondeada a 1 decimal) - Edad mínima y máxima users_data = [ { "name": "Alexey", "age": "25", "birth_date": "[phone]", "city": "Moscow" }, { "name": "Maria", "age": "17", "birth_date": "[phone]", "city": "Saint Petersburg" }, { "name": "Ivan", "age": "30", "birth_date": "[phone]", "city": "Moscow" }, { "name": "Elena", "age": "22", "birth_date": "[phone]", "city": "Novosibirsk" }, { "name": "Yves", "age": "9", "birth_date": "[phone]", "city": "..." } ]
Condición: Dado dos arreglos de objetos. Cada objeto contiene un campo numérico 'code'. Devuelve un nuevo arreglo que contiene todos los objetos del arreglo a para los cuales existe un objeto en el arreglo b con el mismo valor 'code'. El orden de los elementos en el resultado está determinado por el orden del 'code' correspondiente en b: los objetos de a deben estar en el orden en que aparece su 'code' en b. Si en b aparecen varios objetos con el mismo 'code', solo se considera la primera aparición. Datos de entrada: - a — arreglo de objetos de la forma { code: number, ...rest }, longitud de 0 a 10^5 - b — arreglo de objetos de la forma { code: number, ...rest }, longitud de 0 a 10^5 Datos de salida: Arreglo de objetos de a, filtrados y ordenados por la primera aparición del 'code' correspondiente en b. Restricciones: - 0 <= a.length, b.length <= 100 000 - El campo 'code' es un entero no negativo - b puede contener duplicados en 'code' — solo se considera la primera aparición Ejemplo de función: ```python # Disponible sin import: json, sys, io def intersect_by_code(a, b): # Escribe la solución aquí return [] ```
¿Qué es el patrón Transactional Outbox?
1. Filtra usuarios mayores de 18 años 2. Guarda los datos filtrados en un solo archivo JSON 3. Crea y guarda un archivo separado con estadísticas para todos los usuarios filtrados: - Número total de usuarios - Edad media (redondeada a 1 decimal) - Edad mínima y máxima