На миллионе объектов __slots__ срезает потребление памяти в разы — но ломает динамические атрибуты, weakref и часть паттернов наследования. Разбираем, когда выигрыш реален, а когда вы теряете гибкость впустую.
map, filter, reduce и цепочки comprehension выглядят элегантно, но иногда превращают код в ребус. Разбираем, где функциональный подход в Python выигрывает, а где стоит вернуться к обычному циклу.
Метаклассы решают ровно одну задачу — вмешаться в создание класса. В 90% случаев её закрывают __init_subclass__ и декораторы. Разбираем, где метакласс оправдан, а где это оверинжиниринг.
Один и тот же запрос считается по десять раз, а ускорить его можно строкой декоратора. Разбираем lru_cache, cached_property и когда пора писать свой кеш с временем жизни.
Разбираем, когда ручной DI через параметры функций справляется сам, а когда стоит подключить контейнер вроде dependency-injector, и чем платишь за каждый вариант.
Почему obj.field возвращает не то, что вы туда положили, и как Django строит поля модели. Разбор протокола дескрипторов, порядка поиска атрибутов и мест, где механизм ломается.
Что проверить, когда файл на 50 ГБ не влезает в память, генератор течёт по неочевидной причине, а пайплайн падает на середине потока. Чек-лист рабочих приёмов для Python 3.11+.
Global Interpreter Lock не даёт двум потокам CPython выполнять байткод одновременно. В 3.13 появился экспериментальный режим без GIL. Разбираем, почему блокировка вообще существует и что меняется, когда её убирают.
Что бросать из публичной функции библиотеки: ValueError или собственный класс. Разбираем цену обоих подходов, иерархию исключений и как не сломать код тех, кто вас импортирует.
Отправка письма прямо в обработчике запроса тормозит ответ и роняет его при сбое SMTP. Разбираем, как вынести медленную работу в очередь: Celery, RQ или встроенные брокеры, где каждый подход ломается и что выбрать.
Почему объект в CPython не всегда освобождается сразу после del, как подсчёт ссылок уживается с циклическим сборщиком и где эта связка ломается под нагрузкой.
Разбираем на конкретных изменениях API, где заканчивается минорная версия и начинается мажорная. Что считается ломающим изменением в Python, а что нет, и во что это обходится вашим пользователям.