CODERIKK

? 🔹 Как роль человека vs машины влияет на результат генерации? 🔸 Промпт нужен потому что модель не знает вашу цель по умолчанию — без указаний получаете шум. Указав personality, role, tone и context вы сокращаете варианты вывода и устраняете неправильные предположения. 🔸 Человек задаёт роль и контекст: что нужно, для кого и в каком тоне. Машина преобразует паттерны языка в текст. Чем точнее роль и constraints — тем предсказуемее результат...

🔹 Зачем нужен Apache Kafka? 🔸 Kafka нужен, чтобы надёжно передавать и временно хранить большие потоки событий между системами. Без него получаются множество point-to-point интеграций, потерянные события и проблемы со масштабированием. 🔸 Kafka — это кластер брокеров (broker), который хранит сообщения в топиках и реализует модель publish/subscribe (publish/subscribe (pub/sub)), позволяя множеству потребителей читать один поток параллельно и независимо. 🔸 Используют для потоковой обработки (streaming),...

? 🔹 Когда нужен orchestration, а когда хватит cron? 🔸 Orchestration решает проблему координации нескольких шагов: зависимостей, состояний, ветвлений, retries и мониторинга. Без orchestration сложные ETL‑пайплайны превращаются в множество ad‑hoc скриптов, которые сложно отлаживать и восстанавливать после провала. 🔸 Scheduling решает одну простую задачу — запуск по времени или интервалу. Простой scheduler вроде cron выполняет команду в заданный момент, но не понимает порядок задач, входные данные или логику повторов...

🔹 Как WITH (CTE) упрощает длинные запросы и помогает с рекурсией? 🔸CTE решает проблему монолитных вложенных подзапросов: выносите части логики в именованные блоки ради modularity и понятности запроса. 🔸WITH — синтаксис для CTE (Common Table Expression). Применяйте, когда нужно переиспользовать промежуточный результат или реализовать рекурсия для обхода иерархий. 🔸Короткие примеры: сначала агрегат для фильтрации; затем рекурсивный обход. WITH sales_totals AS ( SELECT user_id, SUM(amount) AS total FROM orders GROUP BY user_id ) SELECT u...

🔹 Как в pandas по группам посчитать разные метрики и получить понятные имена колонок? 🔸 Чтобы свести строки по ключу и получить сводные числа (sum, mean, count) без ручных циклов. Без агрегирования данные остаются слишком детальными и неудобны для отчётов. 🔸 В pandas берём DataFrame.groupby('key').agg(...). agg (aggregate) принимает список функций для всех колонок или dict{col: [funcs]} для разных колонок. Это экономит время и даёт компактный код. 🔸 Named aggregation даёт понятные имена колонок: ...