Django Python

🔥 Django Q() objects — один из самых полезных инструментов ORM, который многие используют слишком редко Q() позволяет собирать сложные условия для WHERE, комбинируя их через AND, OR и NOT. Пример:

Pet.objects.filter(
    Q(last_given_treats__isnull=True)
    | Q(last_given_treats__lte=timezone.now() - timedelta(days=1)),
    treats_needed__gt=F("treats_given"),
)

Особенно полезно для динамических фильтров:

q = Q()

for term in search_term.split():
    q |= Q(name__icontains=term)

Pet.objects.filter(q)

Но есть ещё более важный момент. При фильтрации через related models два отдельных .filter() могут привести к двум JOIN и неожиданно изменить смысл запроса.

Species.objects.filter(
    pets__name__icontains="meowy"
).filter(
    pets__treats_given=0
)

Это уже может искать одну запись по имени, а другую - по количеству treats. Если собрать условия в одном .filter() или через Q(), Django использует один JOIN и проверяет условия на одной и той же связанной записи. Очень полезный приём для сложных QuerySet, динамического поиска и composable business filters. https://www.better-simple.com/django/2026/09/09/nifty-feature-q-objects/

🔥 Хак в Django: Meta.indexes можно использовать для собственных миграций Оказывается, models.Index в Django можно превратить почти в универсальную migration-операцию. Идея:

class CustomMigrationOperation(models.Index):
    def create_sql(self, model, schema_editor, **kwargs):
        ...

    def remove_sql(self, model, schema_editor, **kwargs):
        ...

А затем добавить её прямо в модель:

class Meta:
    indexes = [CustomMigrationOperation()]

После этого makemigrations сам подхватит изменение, а migrate выполнит нужный SQL. Почему это работает: Index уже умеет генерировать SQL через create_sql() и remove_sql(). Так можно описывать не только индексы, но и:

triggers
table comments
security labels
другие schema-level настройки

Автор использовал этот приём для PostgreSQL Anonymizer, чтобы правила анонимизации жили рядом с моделью и автоматически попадали в миграции. Подход довольно hacky, но как способ расширить механизм миграций Django — очень интересный. https://www.better-simple.com/django/2026/09/02/nifty-feature-use-index-for-custom-migrations/

Нечёткий поиск в Django + PostgreSQL можно сделать намного умнее обычного icontains. В Caktus Group разобрали fuzzy string matching средствами самого PostgreSQL - без отдельного Elasticsearch. Идея проста: вместо точного совпадения искать строки, похожие друг на друга. Для этого в PostgreSQL можно использовать: - pg_trgm - trigram similarity - Django TrigramSimilarity - пороги похожести - GIN/GiST индексы для ускорения поиска Например, пользователь вводит имя с опечаткой, переставляет буквы или пишет только часть слова - а приложение всё равно находит нужную запись. Особенно полезно для поиска по именам, адресам, названиям компаний и любым пользовательским данным, где идеального ввода ждать не стоит. https://www.caktusgroup.com/blog/2026/08/21/fuzzy-string-matching-django-postgresql/

🐍 Django-разработчикам: `DEBUG=True` в проде опаснее, чем кажется. Это не просто красивые страницы ошибок. При включённом DEBUG приложение может раскрывать stack trace, настройки, пути файлов, middleware, URL-паттерны и другие детали окружения. Главная рекомендация - fail closed:

DEBUG = False

То есть по умолчанию DEBUG всегда выключен, а включается только локально. Даже staging, QA и preview-среды, доступные из интернета, лучше запускать с DEBUG=False. Отдельная ловушка - переменные окружения:

DEBUG = os.environ.get("DEBUG", "False") != "False"

Здесь DEBUG=false или DEBUG=0 могут неожиданно превратиться в True. Лучше явно парсить boolean или использовать django-environ. Мелкая настройка, которая однажды может спасти production от очень неприятной утечки. https://lincolnloop.com/blog/setting-djangos-debug-safely/ #Python #Django #Backend #Security #DevOps

🚀 Django 6.1 вышел: меньше магии, больше контроля Новая версия Django приносит улучшения для production-приложений и работы с базой данных. Главное новшество — новый подход к загрузке данных моделей. Теперь можно контролировать, когда Django делает дополнительные запросы:

from django.db import models

books = Book.objects.fetch_mode(
    models.FETCH_PEERS
)

Это помогает бороться с проблемой N+1 запросов и лучше контролировать нагрузку на БД. Новые режимы: - FETCH_ONE — загружать данные только для текущего объекта; - FETCH_PEERS — догружать данные сразу для группы объектов; - RAISE — запрещать неожиданные запросы и ловить проблемы заранее. Также в Django 6.1: - поддержка Python 3.12, 3.13 и 3.14; - PostgreSQL 15+; - MySQL 8.4+; - MariaDB 10.11+; - улучшения cache и внутренних механизмов. Главная идея релиза: Django всё меньше скрывает стоимость операций и даёт разработчикам больше контроля над тем, что происходит под капотом. Подробнее: https://www.djangoproject.com/weblog/2026/aug/05/django-61-released/

⚡️ django-orjson ускоряет работу Django с JSON Adam Johnson выпустил библиотеку django-orjson с готовыми заменами стандартных JSON-компонентов Django и Django REST Framework. В основе лежит написанный на Rust orjson: - сериализация до 10 раз быстрее; - десериализация примерно в 2 раза быстрее. Поддерживаются: - JsonResponse и тестовый клиент; - json_script; - сериализаторы, сессии и signing; - компоненты Django REST Framework. Пакет протестирован на поддерживаемых версиях Python и Django, заявлено 100% покрытие ветвей. Также обсуждается подключаемый JSON-бэкенд для самого Django. Тогда стандартный json можно будет заменить на orjson централизованно, без изменения импортов по всему проекту. https://adamj.eu/tech/2026/07/15/introducing-django-orjson/

Wagtail как Django admin на стероидах Хороший разбор для Django-разработчиков: Wagtail можно использовать не только как CMS, но и как более удобную админку для обычных Django-моделей. Смысл простой: Django admin быстро даёт UI вокруг моделей, но кастомизация часто превращается в боль. Wagtail даёт более современный интерфейс, нормальную работу с полями, группировку через panels, роли, permissions, rich text, media library, versioning и редакторские workflow. При этом не нужно переписывать проект под CMS-логику. Wagtail ставится как обычный Django-пакет, добавляется в INSTALLED_APPS, подключается в urls.py, а бизнес-логика, views, forms и templates остаются обычными Django. Самый практичный случай использования : взять существующий admin.py, перенести модели в Wagtail snippets и постепенно заменить старую админку там, где нужен интерфейс, который не стыдно показать клиенту. Для внутренних тулзов, CRM, backoffice и контентных разделов это может быть намного приятнее, чем бесконечно допиливать стандартный Django admin. https://timonweb.com/wagtail/wagtail-as-django-admin-on-steroids/

Вышел Django 6.0. Релиз получился не про косметику, а про вещи, которые давно просились в core. Главное - встроенная поддержка Content Security Policy. Теперь CSP можно настраивать прямо в Django через middleware, context processor и настройки SECURE_CSP / SECURE_CSP_REPORT_ONLY. Это упрощает защиту от XSS и content injection без отдельного пакета. Второе важное изменение - template partials. В шаблонах появились {% partialdef %} и {% partial %}. Можно описывать небольшие переиспользуемые фрагменты прямо внутри template-файла, а не дробить всё на отдельные include. Третье - встроенный Tasks framework. Django теперь умеет описывать и ставить фоновые задачи в очередь. Но важно: воркер в комплект не входит. Запуск задач всё равно остаётся за внешним процессом или инфраструктурой. Ещё из полезного: • поддержка Python 3.12, 3.13 и 3.14 • современный Python email API • AsyncPaginator • StringAgg теперь не только для PostgreSQL • forloop.length в шаблонах • DEFAULT_AUTO_FIELD теперь по умолчанию BigAutoField Перед обновлением стоит внимательно пройтись по breaking changes: Python ниже 3.12 больше не поддерживается, MariaDB 10.5 тоже выпала, а часть email API и ORM-кастомизаций может потребовать правок. Документация: https://docs.djangoproject.com/en/6.0/releases/6.0/

🖥 GitHub Pages можно пересобрать почти на голом Python. Автор показал, как сделать лёгкую платформу для хостинга статических сайтов без фреймворков и тяжёлой инфраструктуры. Только стандартная библиотека Python. Идея простая: • http.server отдаёт статические файлы • небольшой Python-код добавляет логику деплоя • автоматизация обновляет сайт после изменений • HTTPS можно прикрутить без отдельного большого стека Главный кайф не в том, чтобы «убить GitHub Pages», а в том, чтобы понять механику под капотом. Статический хостинг - это не магия. Это файловая раздача, маршруты, деплой, сертификаты и немного аккуратной автоматизации. Хороший материал для тех, кто хочет лучше понимать web-инфраструктуру, а не просто нажимать кнопку Deploy. https://blog.klemek.fr/articles/2026-06-14/

🐍 Python Roadmap 2026: наконец-то полноценная актуальная карта изучения Python, а не список ссылок «разберись сам» На GitHub выложили большой русскоязычный роадмап по Python на 2026 год - от первых скриптов до уровня Middle+/Senior. Маршрут собран под современный Python: - Python 3.13+ - free-threaded mode без GIL - JIT - uv вместо боли с pip/venv/poetry - ruff, pyright, pytest, hypothesis - async-first подход - типизация - CPython внутри - web, базы, ML/AI, DevOps и архитектура В роадмапе есть нормальная последовательность: сначала окружение и база, потом идиомы, ООП, типы, стандартная библиотека, асинхронность, тестирование, внутренности CPython, web, базы данных, AI-направление, продакшн и архитектура. Отдельный плюс - практический формат. На каждом этапе есть задачи, чеклисты, примеры кода и бесплатные ресурсы. То есть это не мотивационная простыня, а маршрут, по которому реально можно идти несколько месяцев и видеть прогресс. Для новичков - понятный путь без хаоса. Для джунов - способ закрыть дыры. Для тех, кто уже пишет на Python - хороший чеклист, чтобы понять, где ты всё ещё плаваешь. Python в 2026 году - это tooling, типы, async, инфраструктура, AI и продакшн-дисциплина. И этот роадмап как раз про такой Python. https://github.com/justxor/pythonroamap2026

🖥 Python в 2026 - уже не просто «первый язык программирования». Это инструмент, с которым можно автоматизировать задачи, писать скрипты, собирать проекты, работать с данными, делать ботов и использовать ИИ как ускоритель разработки. Но есть проблема: большинство новичков учат Python кусками. Немного синтаксиса, пару задачек, немного теории - и потом ступор: «а что с этим делать дальше?» Этот курс сделан иначе. Здесь упор на реальную практику: вы не просто смотрите уроки, а постепенно учитесь писать код, разбирать ошибки, собирать рабочие решения и понимать, как Python применяется в нормальных задачах. Что внутри: - Python с нуля понятным языком - практика вместо бесконечной сухой теории - реальные задачи и проекты - автоматизация рутины - работа с файлами, данными и API - понятная логика программирования - современный подход к разработке с ИИ - отдельный акцент на вайбкодинг Вайбкодинг -это умение правильно ставить задачу, проверять код, понимать результат и ускорять работу без слепого копирования. В 2026 году это уже не бонус, а нормальный навык разработчика. Сегодня скидка 60 процентов: https://stepik.org/course/288218/info

⚡️ Вы слышали про Rust. Знаете, что он быстрый, безопасный и что за ним будущее. Осталось одно: сесть и выучить. Этот курс со Stepik- кратчайший путь от «знаю что такое Rust» до «пишу на нём». 6 модулей, 50 уроков, 143 теста. Ownership, borrowing, traits, async, Tokio, Axum, макросы, WASM — всё разложено по полочкам и закреплено практикой. Никакого видео на 40 минут ради одной мысли. Подробный текст, много кода, реальные задачи после каждого урока. На выходе — портфолио из 10+ проектов: от CLI-утилит до REST API с базой данных. 48 часов действует скидка 55 процентов: stepik.org/course/269250

🐍 Полезный Django-совет Если вы работаете с Django ORM и выбираете связанные объекты, не делайте лишние запросы к базе. Частая ошибка:

for post in Post.objects.all():
    print(post.author.name)

Если у вас 100 постов — Django сделает 101 SQL-запрос (1 для постов + 100 для авторов). Это называется N+1 проблема. Исправляется одной строкой:

posts = Post.objects.select_related("author")

for post in posts:
    print(post.author.name)

Теперь Django сделает один JOIN-запрос, и все авторы загрузятся сразу. Когда использовать: select_related() - для ForeignKey и OneToOne prefetch_related() - для ManyToMany и reverse relations posts = Post.objects.prefetch_related("tags") 💡 Правило: если вы обращаетесь к связанным объектам в цикле - почти всегда нужен select_related или prefetch_related. Это может ускорить страницу в десятки раз. #django #python

🖥 Большинство “парсеров” умирают через 2 дня. Ты научишься делать те, которые живут в проде. Это не про BeautifulSoup ради галочки. Это про системы сбора данных, которые: • не падают от мелких правок на сайте • собирают данные в разы быстрее • обновляют всё сами по расписанию • обходят ограничения и баны • выглядят как сервис, а не хаос из файлов Ты начнёшь видеть сайты не как страницы, а как источники данных, к которым можно подключиться. В итоге ты сможешь: • забирать данные для своих проектов • автоматизировать чужую рутину • делать инструменты для аналитики • брать коммерческие заказы на сбор данных Это навык, который напрямую превращается в деньги. Не “знаю Python”, а умею добывать данные из интернета профессионально. 🎁 48 часов скидка 50% на Stepik: https://stepik.org/a/269942/

✔️ Лови полезный Django-совет, который спасает продакшен чаще, чем кажется. Никогда не делай тяжёлую логику в Django views. Новички часто пихают всё прямо во view: - бизнес-логику - валидацию - расчёты - работу с БД - интеграции В итоге получается "божественная функция" на 200 строк, которую невозможно тестировать и поддерживать. Правильный подход — разделять слои: - View — только принимает запрос и отдаёт ответ - Services / use-cases — бизнес-логика - Models — работа с данными - Serializers / Forms — валидация Плохо:

def create_order(request):
    user = request.user
    items = request.data['items']
    total = 0
    for item in items:
        product = Product.objects.get(id=item['id'])
        total += product.price * item['qty']
    order = Order.objects.create(user=user, total=total)
    ...

Лучше:

# services/order_service.py
def create_order(user, items):
    total = calculate_total(items)
    return Order.objects.create(user=user, total=total)

# views.py
def create_order_view(request):
    order = create_order(request.user, request.data['items'])
    return Response({"id": order.id})

Почему это важно: • проще тестировать • код переиспользуется • view не превращается в монстра • легче менять логику, не трогая API Django не заставляет делать так, но большие проекты без этого долго не живут.

🖥 Большинство “парсеров” умирают через 2 дня. Ты научишься делать те, которые живут в проде. Это не про BeautifulSoup ради галочки. Это про системы сбора данных, которые: • не падают от мелких правок на сайте • собирают данные в разы быстрее • обновляют всё сами по расписанию • обходят ограничения и баны • выглядят как сервис, а не хаос из файлов Ты начнёшь видеть сайты не как страницы, а как источники данных, к которым можно подключиться. В итоге ты сможешь: • забирать данные для своих проектов • автоматизировать чужую рутину • делать инструменты для аналитики • брать коммерческие заказы на сбор данных Это навык, который напрямую превращается в деньги. Не “знаю Python”, а умею добывать данные из интернета профессионально. 🎁 48 часов скидка 50% на Stepik: https://stepik.org/a/269942/

Идеальный старт для проекта Django: конфигурация окружения. Сохрани себе идеальный шаблон virtual environment и основных настроек для каждого нового проекта Django. Это упростит процесс настройки окружения и позволит избежать распространенных ошибок.

# Создание виртуального окружения
python3 -m venv venv

# Активация виртуального окружения
source venv/bin/activate

# Установка основных зависимостей
pip install django djangorestframework psycopg2

# Создание файла requirements.txt
pip freeze > requirements.txt

# Инициализация нового проекта Django
django-admin startproject myproject
# Переход в директорию проекта
cd myproject

# Запуск сервера для проверки
python manage.py runserver

Вышли первые выпуски IT-покера от K2 Cloud Турнир, где айтишники собирают идеальные билды из карт, интуиции и навыков. Вместо привычной колоды — технологии, сервисы и архитектурные решения. Идем смотреть

🚀 AgentCPM-Explore - первый open-source агент на 4B, который реально тащит GAIA и сложные реальные задачи OpenBMB выкатили AgentCPM-Explore - модель всего на 4B параметров, но по агентным метрикам она выглядит как зверь. ✅ SOTA среди 4B агент-моделей По агентным бенчмаркам модель: - обгоняет всех на своём масштабе - превосходит часть 8B моделей - и даже конкурирует с некоторыми 30B+ и closed-source LLM 🧠 Deep Research как у “исследователя” Модель умеет: - длинные цепочки рассуждений (long-horizon reasoning) - 100+ ходов автономного диалога - проверять себя через несколько источников (cross-validation) - делать самокоррекцию как человек - динамически менять стратегию и использовать инструменты То есть это уже не “чатбот”, а мини-исследователь, который реально может вести задачу до конца. 🔓 Открыт не только модельный вес - открыт весь стек И это самое жирное: OpenBMB выкладывают не “голую модель”, а весь pipeline агентности: - AgentRL - асинхронный RL-фреймворк для обучения агентов - AgentDock - безопасная песочница инструментов (tool sandbox) - AgentToLeaP - платформа оценки tool-learning (в один клик) - полный датапайплайн и воспроизводимые training workflows Это полноценная open-source платформа для создания агентов, где можно реально учиться, экспериментировать и собирать своих автономных “ресёрчеров”. Кто уже тестил GAIA на своих агентах ? 🤗 Hugging Face: https://huggingface.co/openbmb/AgentCPM-Explore 🔗 GitHub: https://github.com/OpenBMB/AgentCPM

🖥 На Stepik вышел курс, который учит работать с Docker на реальных проектах. Владение Docker - навык, который отличает новичка от профи, Сегодня почти всё разворачивается в контейнерах. Если ты не умеешь работать с Docker, ты медленнее, зависим от чужих настроек и постоянно ловишь баги «у меня локально работает». • как упаковывать проекты в контейнеры • как поднимать целые системы за минуты • как избегать типичных ошибок в продакшене • как делать стабильные и повторяемые окружения •в нем разобраны все возможные ошибки Только практика и реальные кейсы от авторов Docker Академии- с нуля до уверенного уровня. 🎁 Скидка 40 процентов действует 48 часов 👉 Записывайся и сделай Docker своим настоящим рабочим инструментом.