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

Жизненный цикл фичи

  1. Проектирование архитектуры и схемы БД.
  2. Написание тестов и реализация логики.
  3. Code Review и статический анализ.
  4. Сборка Docker-образа в CI/CD.
  5. Деплой и мониторинг метрик.

Мои сети

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
    }