Подходит ли платформа для начинающих без опыта работы?

Да, курсы разбиты по уровням: Junior, Middle, Senior. Начинающие могут стартовать с базовых тем Python, Docker и алгоритмов и постепенно двигаться к более сложным темам.

Как быстро можно подготовиться к собеседованию на позицию Junior разработчика?

При занятиях 1–2 часа в день — от 2 до 4 недель на основные темы. Платформа анализирует слабые места по результатам квизов и строит персональный план подготовки.

Какие технологии охватывает платформа?

Python, FastAPI, Django, Docker, алгоритмы и структуры данных, Agile/Scrum, SQL, CI/CD, системный дизайн, код-ревью и более 50 других тем для разработчиков.

Платформа бесплатная?

Большинство учебных материалов и квизов доступны бесплатно после регистрации. Регистрация занимает менее минуты.

Как платформа помогает найти работу программистом?

Платформа даёт фундаментальные знания, которые проверяют на технических собеседованиях: алгоритмы, архитектура, фреймворки. Мок-интервью имитирует реальное собеседование. Система прогресса показывает, какие темы нужно подтянуть перед собеседованием.

docker

Docker и деплой

Контейнеризация, docker-compose, production deployment

Docker и деплой FastAPI приложений

Контейнеризация решает проблему «на моей машине работает» и делает деплой предсказуемым. В этой теме вы научитесь упаковывать FastAPI в контейнер, запускать с зависимостями и деплоить в production.

Что такое Docker?

Docker — платформа для запуска приложений в изолированных контейнерах.

Ваша машина          Production-сервер
┌──────────────┐     ┌──────────────┐
│   Docker     │     │   Docker     │
│  ┌────────┐  │     │  ┌────────┐  │
│  │  Контей │  │     │  │  Контей │  │
│  │  нер   │  │     │  │  нер   │  │
│  └────────┘  │     │  └────────┘  │
└──────────────┘     └──────────────┘
     Одинаковое поведение в обоих местах

Зачем:

Одинаковое окружение — development и production идентичны
Изоляция — каждый сервис в своём контейнере
Масштабирование — легко запустить несколько копий
Быстрый старт — новый разработчик запускает проект одной командой

.dockerignore

Всегда начинайте с .dockerignore — как .gitignore, но для Docker. Исключает ненужные файлы из контекста сборки (ускоряет билд, уменьшает размер образа).

# Виртуальное окружение
.venv
.env

# Git
.git
.gitignore

# Python-кэш
__pycache__/
*.pyc
*.pyo
*.pyd
.Python

# Тесты и документация
tests/
*.md
docs/

# IDE
.vscode/
.idea/
*.swp

# Docker
Dockerfile
docker-compose*.yml
.dockerignore

# CI/CD
.github/
.gitlab-ci.yml

# coverage
.coverage
htmlcov/
.pytest_cache/

Почему это важно:

Без .dockerignore Docker копирует всё, включая .git (может быть 500+ МБ)
.env с секретами не должен попадать в образ
Контекст сборки передаётся демону Docker — чем меньше, тем быстрее билд

Dockerfile для FastAPI

Базовый Dockerfile

FROM python:3.12-slim

# Рабочая директория
WORKDIR /app

# Переменные окружения
ENV PYTHONDONTWRITEBYTECODE=1 \
    PYTHONUNBUFFERED=1

# Установка зависимостей
COPY pyproject.toml poetry.lock ./
RUN pip install --no-cache-dir poetry && \
    poetry config virtualenvs.create false && \
    poetry install --only main --no-interaction

# Копирование кода приложения
COPY . .

# Непривилегированный пользователь (безопасность)
RUN useradd --create-home --shell /bin/bash appuser
USER appuser

# Порт
EXPOSE 8000

# Запуск
CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "8000"]

Разбор ключевых строк:

python:3.12-slim — минимальный образ Python (меньше attack surface)
PYTHONDONTWRITEBYTECODE=1 — не создавать .pyc файлы
PYTHONUNBUFFERED=1 — логи выводятся сразу (без буферизации)
EXPOSE 8000 — документация: порт, на котором работает приложение
USER appuser — запуск не от root (безопасность)

Оптимизированный Dockerfile (multi-stage)

Multi-stage сборка уменьшает размер образа: зависимости собираются в одном контейнере, в финальный образ попадают только готовые пакеты.

# Stage 1: Сборка зависимостей
FROM python:3.12-slim as builder

WORKDIR /app

ENV PIP_NO_CACHE_DIR=1 \
    PIP_DISABLE_PIP_VERSION_CHECK=1

RUN pip install --no-cache-dir poetry

COPY pyproject.toml poetry.lock ./
RUN poetry export -f requirements.txt --output requirements.txt --without-hashes

RUN pip wheel --no-cache-dir --wheel-dir /wheels -r requirements.txt

# Stage 2: Минимальный runtime
FROM python:3.12-slim

WORKDIR /app

ENV PYTHONDONTWRITEBYTECODE=1 \
    PYTHONUNBUFFERED=1

# Копируем готовые wheel-пакеты из builder
COPY --from=builder /wheels /wheels
RUN pip install --no-cache /wheels/*

# Непривилегированный пользователь
RUN useradd --create-home --shell /bin/bash appuser
USER appuser

# Копируем код (пользователь appuser владеет файлами)
COPY --chown=appuser:appuser . .

EXPOSE 8000

CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "8000"]

Преимущества multi-stage:

Финальный образ не содержит poetry, компиляторы, исходники зависимостей
Размер: базовый ~500 МБ, multi-stage ~150 МБ

docker compose

Важно: в современных версиях Docker используется docker compose (пробел, без дефиса) — это плагин, а не отдельная утилита. Ключ version больше не нужен.

Для разработки

services:
  api:
    build: .
    ports:
      - "8000:8000"
    volumes:
      - .:/app
    env_file:
      - .env
    environment:
      - DATABASE_URL=postgresql://user:pass@db:5432/mydb
      - REDIS_URL=redis://redis:6379
    depends_on:
      - db
      - redis
    command: uvicorn main:app --reload --host 0.0.0.0 --port 8000

  db:
    image: postgres:16-alpine
    environment:
      POSTGRES_USER: user
      POSTGRES_PASSWORD: pass
      POSTGRES_DB: mydb
    volumes:
      - postgres_data:/var/lib/postgresql/data
    ports:
      - "5432:5432"

  redis:
    image: redis:7-alpine
    ports:
      - "6379:6379"
    volumes:
      - redis_data:/data

volumes:
  postgres_data:
  redis_data:

Ключевые моменты для разработки:

volumes: - .:/app — код монтируется в контейнер, изменение файлов сразу видно без пересборки
--reload — uvicorn перезапускается при изменении кода
ports — прокидываем порты, чтобы можно было подключиться с хост-машины
env_file — загружаем переменные из .env файла

Для production

services:
  api:
    build:
      context: .
      dockerfile: Dockerfile
    restart: unless-stopped
    env_file:
      - .env
    environment:
      - ENVIRONMENT=production
    depends_on:
      db:
        condition: service_healthy
      redis:
        condition: service_started
    networks:
      - app-network
    healthcheck:
      test: ["CMD", "python", "-c", "import urllib.request; urllib.request.urlopen('http://localhost:8000/health')"]
      interval: 30s
      timeout: 10s
      retries: 3
      start_period: 10s

  db:
    image: postgres:16-alpine
    restart: unless-stopped
    env_file:
      - .env
    volumes:
      - postgres_data:/var/lib/postgresql/data
    networks:
      - app-network
    healthcheck:
      test: ["CMD-SHELL", "pg_isready -U ${POSTGRES_USER:-user}"]
      interval: 10s
      timeout: 5s
      retries: 5

  redis:
    image: redis:7-alpine
    restart: unless-stopped
    command: redis-server --appendonly yes
    volumes:
      - redis_data:/data
    networks:
      - app-network

  nginx:
    image: nginx:alpine
    restart: unless-stopped
    ports:
      - "80:80"
      - "443:443"
    volumes:
      - ./nginx.conf:/etc/nginx/nginx.conf:ro
      - ./ssl:/etc/nginx/ssl:ro
    depends_on:
      - api
    networks:
      - app-network

volumes:
  postgres_data:
  redis_data:

networks:
  app-network:
    driver: bridge

Ключевые моменты для production:

restart: unless-stopped — автоматический перезапуск при падении (кроме ручной остановки)
healthcheck — Docker проверяет здоровье сервисов
condition: service_healthy — API стартует только после того, как БД готова
networks — изолированная сеть между сервисами (нет доступа извне)
:ro — nginx конфиг только для чтения (безопасность)
Нет ports у БД и Redis — они доступны только внутри Docker сети

Nginx конфигурация

nginx.conf

events {
    worker_connections 1024;
}

http {
    upstream api {
        server api:8000;
    }

    # HTTP → HTTPS redirect
    server {
        listen 80;
        server_name example.com;
        return 301 https://$server_name$request_uri;
    }

    # HTTPS
    server {
        listen 443 ssl http2;
        server_name example.com;

        ssl_certificate /etc/nginx/ssl/cert.pem;
        ssl_certificate_key /etc/nginx/ssl/key.pem;
        ssl_protocols TLSv1.2 TLSv1.3;
        ssl_ciphers HIGH:!aNULL:!MD5;

        # Размер запроса
        client_max_body_size 10M;

        # Таймауты
        proxy_connect_timeout 60s;
        proxy_send_timeout 60s;
        proxy_read_timeout 60s;

        location / {
            proxy_pass http://api;
            proxy_set_header Host $host;
            proxy_set_header X-Real-IP $remote_addr;
            proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
            proxy_set_header X-Forwarded-Proto $scheme;
        }

        # Статика
        location /static {
            alias /app/static;
            expires 30d;
            add_header Cache-Control "public, immutable";
        }
    }
}

Что здесь происходит:

HTTP → HTTPS — все запросы перенаправляются на защищённое соединение
upstream api — Nginx проксирует на контейнер api:8000 (по имени сервиса в Docker сети)
proxy_set_header — передаёт реальный IP и протокол приложению
client_max_body_size — ограничение на размер загружаемых файлов

Переменные окружения

.env.example

# Приложение
SECRET_KEY=your-secret-key-change-in-production
ENVIRONMENT=production
DEBUG=false

# База данных
POSTGRES_USER=user
POSTGRES_PASSWORD=secure-password
POSTGRES_DB=mydb
DATABASE_URL=postgresql://user:secure-password@db:5432/mydb

# Redis
REDIS_URL=redis://redis:6379

# Email
SMTP_HOST=smtp.example.com
SMTP_PORT=587
SMTP_USER=user
SMTP_PASSWORD=password

.env (для разработки)

SECRET_KEY=dev-secret-key-not-for-production
ENVIRONMENT=development
DEBUG=true

POSTGRES_USER=user
POSTGRES_PASSWORD=pass
POSTGRES_DB=mydb
DATABASE_URL=postgresql://user:pass@db:5432/mydb

REDIS_URL=redis://redis:6379

Загрузка переменных в приложении

from pydantic_settings import BaseSettings
from functools import lru_cache

class Settings(BaseSettings):
    secret_key: str
    environment: str = "production"
    debug: bool = False

    database_url: str
    redis_url: str

    smtp_host: str
    smtp_port: int = 587
    smtp_user: str = ""
    smtp_password: str = ""

    model_config = {"env_file": ".env", "env_file_encoding": "utf-8"}

@lru_cache()
def get_settings() -> Settings:
    return Settings()

Примечание: в Pydantic v2 используется model_config вместо вложенного класса Config.

Миграции в Docker

Подход 1: Миграции при запуске контейнера

FROM python:3.12-slim

WORKDIR /app

ENV PYTHONDONTWRITEBYTECODE=1 PYTHONUNBUFFERED=1

RUN pip install --no-cache-dir poetry
COPY pyproject.toml poetry.lock ./
RUN poetry config virtualenvs.create false && \
    poetry install --only main --no-interaction

COPY . .

RUN useradd --create-home --shell /bin/bash appuser
USER appuser

# Миграции перед запуском приложения
CMD alembic upgrade head && uvicorn main:app --host 0.0.0.0 --port 8000

Минусы: миграции запускаются при каждом старте, сложнее контролировать.

Подход 2: Отдельный сервис миграций (рекомендуется)

services:
  migrate:
    build: .
    env_file:
      - .env
    command: alembic upgrade head
    depends_on:
      db:
        condition: service_healthy
    restart: "no"  # Выполняется один раз и завершается

  api:
    build: .
    env_file:
      - .env
    depends_on:
      migrate:
        condition: service_completed_successfully  # API ждёт завершения миграций

Преимущества:

Миграции запускаются один раз, отдельно от приложения
Можно откатить миграции без пересборки
API гарантированно стартует с актуальной схемой БД

Health checks

Endpoint здоровья в FastAPI

from fastapi import FastAPI
from pydantic import BaseModel
import psycopg2
import redis

app = FastAPI()

class HealthResponse(BaseModel):
    status: str
    database: str
    redis: str

@app.get("/health", response_model=HealthResponse)
def health_check():
    db_status = "healthy"
    redis_status = "healthy"

    # Проверка БД
    try:
        conn = psycopg2.connect(DATABASE_URL)
        conn.close()
    except Exception as e:
        db_status = f"unhealthy: {str(e)}"

    # Проверка Redis
    try:
        r = redis.Redis.from_url(REDIS_URL)
        r.ping()
    except Exception as e:
        redis_status = f"unhealthy: {str(e)}"

    overall = "healthy" if db_status == "healthy" and redis_status == "healthy" else "unhealthy"

    return HealthResponse(
        status=overall,
        database=db_status,
        redis=redis_status
    )

Как Docker использует healthcheck:

healthcheck:
  test: ["CMD", "python", "-c", "import urllib.request; urllib.request.urlopen('http://localhost:8000/health')"]
  interval: 30s      # Проверка каждые 30 секунд
  timeout: 10s       # Таймаут на выполнение
  retries: 3         # Сколько неудачных попыток до 'unhealthy'
  start_period: 10s  # Время на старт (не считает failed проверки)

Логирование в Docker

Ротация логов в compose

services:
  api:
    build: .
    logging:
      driver: "json-file"
      options:
        max-size: "10m"   # Максимальный размер файла
        max-file: "3"     # Количество файлов для ротации

Structured logging (JSON)

import logging
import json

class JSONFormatter(logging.Formatter):
    def format(self, record):
        log_record = {
            "level": record.levelname,
            "message": record.getMessage(),
            "timestamp": self.formatTime(record),
            "module": record.module,
        }
        if record.exc_info:
            log_record["exc_info"] = self.formatException(record.exc_info)
        return json.dumps(log_record, ensure_ascii=False)

handler = logging.StreamHandler()
handler.setFormatter(JSONFormatter())

logging.basicConfig(level=logging.INFO, handlers=[handler])

Зачем JSON-логи:

Агрегаторы логов (ELK, Loki) парсят структурированные данные
Можно фильтровать по уровню, модулю, времени
Легче искать ошибки в production

Деплой на сервер

Подготовка сервера

# Установка Docker (скрипт устанавливает и Docker, и Compose плагин)
curl -fsSL https://get.docker.com | sh

# Добавить пользователя в группу docker (чтобы не использовать sudo)
sudo usermod -aG docker $USER

# Перелогиниться или:
newgrp docker

# Проверить установку
docker --version
docker compose version

# Клонирование проекта
git clone <repository> /opt/myapp
cd /opt/myapp

# Создать .env из шаблона
cp .env.example .env
nano .env  # Заполнить реальные значения

Запуск

# Первый запуск (сборка и запуск)
docker compose up -d --build

# Просмотр логов
docker compose logs -f

# Просмотр логов конкретного сервиса
docker compose logs -f api

# Статус сервисов
docker compose ps

# Остановка (сохраняя данные)
docker compose down

# Остановка с удалением volumes (осторожно!)
docker compose down -v

Основные команды

Команда	Описание
`docker compose up -d`	Запуск всех сервисов в фоне
`docker compose up -d --build`	Пересборка и запуск
`docker compose down`	Остановка сервисов
`docker compose logs -f`	Просмотр логов в реальном времени
`docker compose ps`	Статус контейнеров
`docker compose exec api bash`	Войти в контейнер api
`docker compose restart api`	Перезапустить конкретный сервис

CI/CD с деплоем

.gitlab-ci.yml

stages:
  - test
  - build
  - deploy

test:
  stage: test
  image: python:3.12-slim
  script:
    - pip install poetry
    - poetry install
    - poetry run pytest --tb=short
    - poetry run ruff check .

deploy:
  stage: deploy
  image: docker:latest
  script:
    - docker compose build
    - docker compose push
    - ssh user@server "cd /opt/myapp && git pull && docker compose up -d --build"
  only:
    - main

Деплой через SSH

# На сервере в /opt/myapp:
# Обновить код и перезапустить
cd /opt/myapp && \
git pull && \
docker compose up -d --build && \
docker compose logs -f --tail=50

Мониторинг

Prometheus + Grafana

services:
  prometheus:
    image: prom/prometheus
    volumes:
      - ./prometheus.yml:/etc/prometheus/prometheus.yml:ro
    ports:
      - "9090:9090"
    networks:
      - monitoring

  grafana:
    image: grafana/grafana
    ports:
      - "3000:3000"
    environment:
      GF_SECURITY_ADMIN_PASSWORD: admin
    volumes:
      - grafana_data:/var/lib/grafana
    networks:
      - monitoring

volumes:
  grafana_data:

networks:
  monitoring:
    driver: bridge

Частые ошибки

Ошибка 1: Запуск от root

# ❌ Плохо: контейнер работает от root
CMD uvicorn main:app --host 0.0.0.0

# ✅ Хорошо: непривилегированный пользователь
RUN useradd --create-home --shell /bin/bash appuser
USER appuser
CMD uvicorn main:app --host 0.0.0.0

Ошибка 2: Нет .dockerignore

Без .dockerignore Docker передаёт всю директорию демону:

.git может весить 500+ МБ — медленная передача
.env с паролями попадёт в образ
.venv увеличит размер

Решение: всегда создавайте .dockerignore перед Dockerfile.

Ошибка 3: Неэффективное кэширование

# ❌ Плохо: COPY . . до установки зависимостей
# При любом изменении кода зависимости переустанавливаются
COPY . .
RUN pip install -r requirements.txt

# ✅ Хорошо: зависимости устанавливаются до копирования кода
COPY pyproject.toml poetry.lock ./
RUN poetry install --only main --no-interaction
COPY . .

Как работает кэш Docker:

Каждый RUN, COPY, ADD создаёт слой
Если инструкция не изменилась — Docker использует кэш
Зависимости меняются редко → слой кэшируется
Код меняется часто → не вызывает переустановку зависимостей

Ошибка 4: `docker-compose` вместо `docker compose`

# ❌ Устаревший синтаксис (Compose V1, больше не поддерживается)
docker-compose up -d

# ✅ Современный синтаксис (Compose V2, плагин)
docker compose up -d

Ошибка 5: Указание `version` в compose файле

# ❌ Устарело (version не нужен с Compose V2)
version: '3.8'
services:
  api:
    build: .

# ✅ Современный синтаксис
services:
  api:
    build: .

Чеклист production

Что вы узнали

.dockerignore — обязательный файл для быстрого и безопасного билда
Dockerfile — базовый и multi-stage для оптимизации размера
docker compose — запуск с зависимостями, разработка vs production
Nginx — reverse proxy, HTTPS, статика
Переменные окружения — .env, Pydantic Settings
Миграции — Alembic как отдельный сервис
Health checks — проверка здоровья и порядок запуска
Логирование — ротация и JSON-формат
Деплой — сервер, CI/CD, мониторинг

Что дальше?

В следующей теме вы изучите CI/CD и мониторинг — автоматизация тестов, линтеры, Prometheus, Grafana, централизованное логирование.

Проверьте свои знания

Вопросы ещё не добавлены

Вопросы для этой подтемы ещё не добавлены.

Docker и деплой

Docker и деплой FastAPI приложений

Что такое Docker?

.dockerignore

Dockerfile для FastAPI

Базовый Dockerfile

Оптимизированный Dockerfile (multi-stage)

docker compose

Для разработки

Для production

Nginx конфигурация

nginx.conf

Переменные окружения

.env.example

.env (для разработки)

Загрузка переменных в приложении

Миграции в Docker

Подход 1: Миграции при запуске контейнера

Подход 2: Отдельный сервис миграций (рекомендуется)

Health checks

Endpoint здоровья в FastAPI

Логирование в Docker

Ротация логов в compose

Structured logging (JSON)

Деплой на сервер

Подготовка сервера

Запуск

Основные команды

CI/CD с деплоем

.gitlab-ci.yml

Деплой через SSH

Мониторинг

Prometheus + Grafana

Частые ошибки

Ошибка 1: Запуск от root

Ошибка 2: Нет .dockerignore

Ошибка 3: Неэффективное кэширование

Ошибка 4: docker-compose вместо docker compose

Ошибка 5: Указание version в compose файле

Чеклист production

Что вы узнали

Что дальше?

Проверьте свои знания

Docker и деплой

Docker и деплой FastAPI приложений

Что такое Docker?

.dockerignore

Dockerfile для FastAPI

Базовый Dockerfile

Оптимизированный Dockerfile (multi-stage)

docker compose

Для разработки

Для production

Nginx конфигурация

nginx.conf

Переменные окружения

.env.example

.env (для разработки)

Загрузка переменных в приложении

Миграции в Docker

Подход 1: Миграции при запуске контейнера

Подход 2: Отдельный сервис миграций (рекомендуется)

Health checks

Endpoint здоровья в FastAPI

Логирование в Docker

Ротация логов в compose

Structured logging (JSON)

Деплой на сервер

Подготовка сервера

Запуск

Основные команды

CI/CD с деплоем

.gitlab-ci.yml

Деплой через SSH

Мониторинг

Prometheus + Grafana

Частые ошибки

Ошибка 1: Запуск от root

Ошибка 2: Нет .dockerignore

Ошибка 3: Неэффективное кэширование

Ошибка 4: `docker-compose` вместо `docker compose`

Ошибка 5: Указание `version` в compose файле

Ошибка 4: `docker-compose` вместо `docker compose`

Ошибка 5: Указание `version` в compose файле