Python
La tabella contiene tra 100 e 500 milioni di record e il suo funzionamento è diventato lento. Cosa si può fare per ottimizzarla?
Cos'è una closure e come viene implementata in Python?
Qual è il nome generale del processo con PID 1?
Hai un elenco di dizionari con informazioni sugli utenti. Devi: 1. Filtrare gli utenti di età superiore a 18 anni 2. Salvare i dati filtrati in un singolo file JSON 3. Creare e salvare un file separato con le statistiche per tutti gli utenti filtrati: - Numero totale di utenti - Età media (arrotondata a 1 decimale) - Età minima e massima 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": "..." } ]
Condizione: Dato due array di oggetti. Ogni oggetto contiene un campo numerico 'code'. Restituisci un nuovo array contenente tutti gli oggetti dell'array a per i quali esiste un oggetto nell'array b con lo stesso valore 'code'. L'ordine degli elementi nel risultato è determinato dall'ordine del 'code' corrispondente in b: gli oggetti di a devono essere ordinati nell'ordine in cui il loro 'code' appare in b. Se in b ci sono più oggetti con lo stesso 'code', viene considerata solo la prima occorrenza. Dati di input: - a — array di oggetti della forma { code: number, ...rest }, lunghezza da 0 a 10^5 - b — array di oggetti della forma { code: number, ...rest }, lunghezza da 0 a 10^5 Dati di output: Array di oggetti di a, filtrati e ordinati in base alla prima occorrenza del 'code' corrispondente in b. Restrizioni: - 0 <= a.length, b.length <= 100 000 - Il campo 'code' è un numero intero non negativo - b può contenere duplicati in 'code' — viene considerata solo la prima occorrenza Esempio di funzione: ```python # Disponibile senza import: json, sys, io def intersect_by_code(a, b): # Scrivi qui la soluzione return [] ```
Cos'è il pattern Transactional Outbox?
1. Filtra gli utenti sopra i 18 anni 2. Salva i dati filtrati in un unico file JSON 3. Crea e salva un file separato con le statistiche di tutti gli utenti filtrati: - Numero totale di utenti - Età media (arrotondata a 1 decimale) - Età minima e massima