Мой стек
технологий
Основные технологии
В повседневной работе я использую Python для бизнес-логики и C++ для
высоконагруженных компонентов. В моем коде часто можно встретить асинхронность и строгую
типизацию.
Например, валидация данных происходит через Pydantic, а маршрутизация в C++ через
Drogon.
Я уделяю большое внимание чистоте кода и часто использую конструкции вроде:
async def process_data(): ....
Больше примеров можно найти в моем GitHub профиле.
Бэкенд на Python
Быстрая разработка и надежные API
Связка FastAPI и Pydantic позволяет мне создавать масштабируемые и самодокументируемые веб-сервисы. Я ценю Python за скорость разработки и огромную экосистему библиотек, что делает его идеальным выбором для микросервисной архитектуры.
Высокие нагрузки на C++
Когда важна каждая миллисекунда
Мой опыт преподавания C++ дал мне глубокое понимание работы с памятью. Сейчас я применяю эти знания для написания критически важных узлов системы с использованием фреймворка Drogon, обеспечивая максимальную пропускную способность.
DevOps и Инфраструктура
Автоматизация развертывания
Код не имеет ценности, пока он не работает на сервере. Я активно использую Docker, настраиваю CI/CD пайплайны (GitHub Actions / GitLab CI) и внедряю базовый мониторинг с помощью Prometheus и Grafana.
Инструменты и фреймворки
Backend стек
- Python 3.10+ (FastAPI, Pydantic, SQLAlchemy)
- C++17/20 (Drogon, Boost)
- PostgreSQL, Redis
- Pytest, GTest для тестирования
DevOps инструменты
- Docker & Docker Compose
- GitHub Actions / GitLab CI
- Linux (Ubuntu/Debian), Bash-скриптинг
- Prometheus & Grafana
Терминология
- FastAPI
-
Современный, быстрый веб-фреймворк для создания API на Python на основе стандартных аннотаций типов Python.
- Drogon
-
Высокопроизводительный C++14/17/20 веб-фреймворк, основанный на неблокирующем вводе-выводе и управляемый событиями.
- Pydantic
-
Библиотека для парсинга и валидации данных в Python, использующая аннотации типов.
Философия разработки
«Хорошая архитектура делает систему легкой для понимания, разработки, поддержки и развертывания. Конечная цель — минимизировать стоимость жизненного цикла системы и максимизировать продуктивность программиста.» — Роберт Мартин
Сравнение подходов
Производительность фреймворков
| Технология | Основное назначение | Сложность поддержки |
|---|---|---|
| FastAPI (Python) | REST API, Микросервисы, Бизнес-логика | Низкая |
| Drogon (C++) | Высоконагруженные шлюзы, Real-time обработка | Высокая |
| Docker | Контейнеризация, Изоляция среды | Средняя |
| Bash/CLI | Автоматизация рутины, Парсинг логов | Низкая |
| Итоговая эффективность | Высокая | |
Связаться по проекту
Пример кода (FastAPI)
from fastapi import FastAPI
from pydantic import BaseModel
app = FastAPI(title="Soucelover API")
class Item(BaseModel):
name: str
description: str | None = None
price: float
@app.post("/items/")
async def create_item(item: Item):
# Здесь могла бы быть логика сохранения в БД
return {
"status": "success",
"message": f"Item {item.name} created successfully!",
"price_with_tax": item.price * 1.20
}