Python

Mida arvate kirjeldatud tööfrontist ja ülesannetest?

Mida veel tuleks arvestada lisaks logi fragmendile, et analüüsida juhtumeid paljudel klientidel pärast pikka aega?

Isolatsiooni tasemed Olemasolevad isolatsiooni tasemed (standardid) READ_UNCOMMITTED READ_COMMITTED REPEATABLE_READ SERIALIZABLE Ülesanne On 3 objekti: * Entity1 * Entity2 * Entity3 Andmebaas postgres Ülesanne Milline isolatsiooni tase tagab mõlema tehingu andmekadu puudumise ja miks? Süžee 1 (vastab täitmise ajale) * Ava tehing 1; * vali Entity1; * vali Entity2; * Ava tehing 2; * vali Entity1; * uuenda Entity1; ********** * Kinnita tehing 2; * uuenda Entity1; ->tehing 1 * uuenda Entity2; ->tehing 1

Milliseid infrastruktuuri- ja arhitektuurimustreid tuleks Python-teenuses ette näha, et see sobituks ettevõtte mikroteenuste infrastruktuuri, toetaks mitmeid kliente, tõrkeid diagnoosiks ja toimimist tagaks?

Kuidas diagnoosida olukorda, kui klient saatis ekraanitõmmise „valgest ekraanist“ ja teatas, et rakendus ei tööta?

Kuidas ette näha Python rakenduse logide integreerimist erinevate klientide logimissüsteemidega ilma rakendust uuesti kompileerimata?

Kuidas jälgida päringut esimesest teenusest teie omani mitme mikroteenuse ahelas?

Kaks vektors on antud, suurus N. Iga üks N kasutajast on kirjeldatud arvuliste tunnuste kogumiga — M suurusega vektorid. Ülesanne: leida, millised kasutajad on üksteisega kõige sarnasemad.

Kas oled kunagi töötanud PostgreSQL optimeerimisega ja kuidas optimeeriksid andmebaasiga töötamist?

Kuidas on kõige mugavam edastada Python rakendus kliendile selle käivitamiseks ja millised on alternatiivid Docker-pildile?

CREATE TABLE public.ntik_model_case ( case_id serial4 NOT NULL, parent_case_id int4 NULL, CONSTRAINT ntik_model_case_pkey PRIMARY KEY (case_id), CONSTRAINT ntik_model_case_parent_case_fkey FOREIGN KEY (parent_case_id) REFERENCES public.ntik_model_case(case_id) );

Milliseid PostgreSQL indekse te olete kasutanud ja millised on nende omadused?

Millised on B-puu indeksi omadused PostgreSQL-is?

Kuidas tõhusalt töötada haruldase suhtluse maatriksiga, kus on palju nullväärtusi, et mitte arvestada tühje väärtusi ja mitte raisata liigset mälu?

1. On olemas sotsiaalvõrk: 1. Kasutajad on graafi tipud 2. Võimalus suhelda (sõprus) teiste kasutajatega (meeldimine, kommentaar, sõnum, repost) = serv 3. Vastastikused ühendused (näiteks, suhtluste arv) = serva kaal 2. Ülesanded: 1. Leida kõige aktiivsem kasutaja 2. Leida kõige populaarsem kasutaja import numpy as np # kuju = (n, n) # naabrite kuju = (n, n) näide = np.array([ [0, 8, 3, 0, 2], # Alice [2, 0, 10, 0, 0], # Bob [4, 2, 0, 7, 1], # Charlie [0, 0, 6, 0, 0], # John [3, 1, 2, 0, 0], # Enea ])

Kuidas mikroteenuste arhitektuuris rakendused teavad üksteise ajakohaseid aadresse?

Milliseid andmeid on kohustuslik logides kirja panna vea või erandi tekkimisel?