Erklärte Python-Funktionstools: lru_cache, Partial, Reduce, Wraps und mehr, getestet
Python functools ist die Standardbibliotheks-Toolbox für die Arbeit mit Funktionen: Zwischenspeichern von Ergebnissen, Vorabfüllen von Argumenten, Falten von Listen, Schreiben geeigneter Dekoratoren und Verteilen nach Typ. Hier ist, was jedes Tool tut, mit einer Ausgabe, die wir auf Python 3.13 ausgeführt haben.
- Python-Funktools sind integriert; Die nützlichsten Tools sind
lru_cache,partial,wrapsundcached_property. - In unserem Durchlauf wurde ein rekursiver Fibonacci-Schnitt
fib(30)von 0,106 Sekunden auf 0,137 Millisekunden zwischengespeichert. - Ohne
@wrapsmeldete unsere dekorierte Funktion ihren Namen alsinnerund verlor ihren Dokumentstring. - Zwischengespeicherte Funktionen benötigen hashbare Argumente: Übergabe einer Liste
TypeError.
Früher oder später schreibt jeder Python-Entwickler eine langsame Funktion, die mit denselben Eingaben aufgerufen wird, einen Dekorator, der das Debuggen unterbricht, oder ein Lambda, dessen einzige Aufgabe darin besteht, ein Argument zu korrigieren. Das Modul Python functools löst alle drei mit ein paar gut getesteten Tools. Sie müssen nichts installieren; Es wird mit jeder Python-Version geliefert, die Sie wahrscheinlich verwenden werden.
Alle Beispiele hier wurden unter Python 3.13.6 ausgeführt und die gedruckte Ausgabe wird von dieser Ausführung kopiert. Die Timings hängen von der Hardware ab, konzentrieren Sie sich also auf die Verhältnisse. Unten kommen viele Dekorateure vor. Wenn sie also neu für Sie sind, beginnen Sie mit unserem Python-Dekorateur-Leitfaden.
Was sind Funktools?
functools ist ein Standardbibliotheksmodul für Funktionen höherer Ordnung: Funktionen, die andere Funktionen annehmen oder zurückgeben. Es gruppiert Werkzeuge in drei Familien:
- Caching:
lru_cache,cacheundcached_propertymerken sich Ergebnisse. - Funktionen erstellen:
partial,reduceundsingledispatchVerhalten erstellen oder kombinieren. - Helfer für Klassen und Dekorateure:
wrapsundtotal_orderingFüllen Sie das Muster aus.
lru_cache und Cache: Merken Sie sich langsame Funktionen
lru_cache speichert das Ergebnis für jeden Satz von Argumenten. Der nächste Aufruf mit denselben Argumenten gibt den gespeicherten Wert zurück, anstatt ihn neu zu berechnen. Rekursive Funktionen mit überlappenden Teilproblemen profitieren am meisten:
from functools import lru_cache
def fib_plain(n):
return n if n < 2 else fib_plain(n - 1) + fib_plain(n - 2)
@lru_cache(maxsize=None)
def fib(n):
return n if n < 2 else fib(n - 1) + fib(n - 2)
fib(30)
print(fib.cache_info())
fib(30) plain 0.106s cached 0.137ms
CacheInfo(hits=28, misses=31, maxsize=None, currsize=31)
Die einfache Version führt über eine Million Aufrufe für n = 30 durch. Der zwischengespeicherte Wert berechnete jeden Wert von 0 bis 30 einmal (31 Fehler) und lieferte den Rest aus dem Cache (28 Treffer). Aus etwa einer Zehntelsekunde wurde so deutlich weniger als eine Millisekunde.
Seit Python 3.9 ist @cache eine kürzere Schreibweise von @lru_cache(maxsize=None): ein unbegrenzter Cache mit etwas weniger Overhead. Verwenden Sie cache_info(), um die Trefferquoten zu überprüfen, und cache_clear(), um den Cache zu leeren, beispielsweise zwischen Tests.
Wie maxsize wirklich funktioniert
LRU steht für „Least-Recent-Used“. Wenn ein begrenzter Cache voll ist, wird der Eintrag entfernt, der am längsten verwendet wurde. Wir haben maxsize=2 gesetzt und eine Zählfunktion mit den Eingaben 1, 2, 1, 3, 1, 2 aufgerufen:
@lru_cache(maxsize=2)
def sq(x):
global calls
calls += 1
return x * x
for x in [1, 2, 1, 3, 1, 2]:
sq(x)
print(calls, sq.cache_info())
4 CacheInfo(hits=2, misses=4, maxsize=2, currsize=2)
Gehen Sie es durch: 1 und 2 sind Fehlschläge. Die zweite 1 ist ein Volltreffer. Dann ist 3 ein Fehlschlag und wirft 2 aus, die zuletzt verwendete. Die dritte 1 ist ein Treffer, und die letzte 2 ist wiederum ein Fehlschlag, weil sie vertrieben wurde. Wählen Sie maxsize aus der tatsächlichen Nutzung; Ein zu kleiner Cache wirft immer genau das weg, was Sie als nächstes brauchen.
Tipp: Zwischenspeichern Sie nur reine Funktionen, deren Ergebnis nur von ihren Argumenten abhängt. Das Zwischenspeichern einer Funktion, die die Uhr, eine Datenbank oder eine Datei liest, gibt veraltete Daten zurück.
partiell: Argumente vorab ausfüllen
partial erstellt ein neues Callable mit einigen bereits festgelegten Argumenten. Es ist klarer als ein einzeiliges Lambda und einfacher zu überprüfen:
from functools import partial
pow2 = partial(pow, exp=2)
print(pow2(9)) # 81
int_bin = partial(int, base=2)
print(int_bin("1011")) # 11
print(int_bin.func.__name__, int_bin.keywords) # int {'base': 2}
Mit den Attributen func, args und keywords können Sie sehen, was behoben wurde und was ein Lambda verbirgt. Typische Verwendungszwecke sind Rückrufe für GUI-Schaltflächen, vorkonfigurierte Logger und die Übergabe einer konfigurierten Funktion an map oder einen Thread-Pool. Wenn Sie Lambdas für einmalige Fälle bevorzugen, vergleicht unser Python-Lambda-Funktionsleitfaden die beiden Stile.
reduzieren: Falte eine Sequenz zu einem Wert
reduce wendet eine Funktion mit zwei Argumenten kumulativ von links nach rechts an. Es wurde von den integrierten Funktionen in die Functools in Python 3 verschoben:
from functools import reduce
import operator
print(reduce(operator.mul, [1, 2, 3, 4, 5])) # 120
print(reduce(operator.add, [], 0)) # 0
reduce(operator.add, [])
TypeError: reduce() of empty iterable with no initial value
Übergeben Sie immer einen Anfangswert, wenn die Eingabe leer sein könnte. Und prüfen Sie zuerst, ob es eine eingebaute Funktion gibt: sum, max, min, any, all und math.prod sind für die häufigsten Fälle klarer als reduce. Behalten Sie reduce für wirklich benutzerdefinierte Faltungen bei, z. B. das Zusammenführen einer Liste von Wörterbüchern.
Wraps: Dekorateure, die ihre Identität bewahren
Ein Dekorateur ersetzt eine Funktion durch einen Wrapper. Ohne Hilfe ersetzen der Name und die Dokumentzeichenfolge des Wrappers die des Originals, wodurch Protokolle, Dokumentation und Testberichte beschädigt werden. Wir haben die gleiche Funktion mit und ohne @wraps dekoriert:
from functools import wraps
def nowrap(f):
def inner(*a, **k):
return f(*a, **k)
return inner
def withwrap(f):
@wraps(f)
def inner(*a, **k):
return f(*a, **k)
return inner
no wraps: inner None
wraps: greet2 Say hello. greet2
Mit @wraps(f) kopiert der Wrapper __name__, __doc__, __module__ und mehr und fügt __wrapped__ hinzu, damit Werkzeuge das Original erreichen können. Fügen Sie es in jeden Dekorateur ein, den Sie schreiben. Es gibt keinen Nachteil.
zwischengespeicherte_Eigenschaft: einmal pro Objekt berechnen
cached_property wandelt eine Methode in ein Attribut um, das beim ersten Zugriff berechnet und dann auf der Instanz gespeichert wird:
from functools import cached_property
class Report:
def __init__(self, rows):
self.rows, self.n = rows, 0
@cached_property
def total(self):
self.n += 1
return sum(self.rows)
r = Report([1, 2, 3])
r.total; r.total
print(r.n, r.total) # 1 6
Der Eigenschaftstext wurde einmal ausgeführt, obwohl wir ihn dreimal gelesen haben. Da der Wert im Instanzwörterbuch gespeichert ist, erzwingt das Löschen mit del r.total eine Neuberechnung. Es eignet sich für teure Werte, die sich während der Lebensdauer eines Objekts nicht ändern, beispielsweise eine analysierte Konfiguration. Weitere Informationen zu Klassen finden Sie in unserem Python-Klassen- und Objekthandbuch.
singledispatch: eine Funktion, viele Typen
singledispatch wählt eine Implementierung basierend auf dem Typ des ersten Arguments aus, das lange isinstance Ketten ersetzt:
from functools import singledispatch
@singledispatch
def fmt(x):
return f"obj:{x}"
@fmt.register
def _(x: int):
return f"int:{x:,}"
@fmt.register
def _(x: list):
return "list:" + ",".join(map(fmt, x))
print(fmt(1234567), fmt([1, "a"]), fmt(2.5))
int:1,234,567 list:int:1,obj:a obj:2.5
Die Registrierung liest den Typhinweis, sodass der Code übersichtlich bleibt. Neue Typen können aus anderen Modulen hinzugefügt werden, ohne die ursprüngliche Funktion zu beeinträchtigen. Verwenden Sie für Methoden singledispatchmethod. Typhinweise im Allgemeinen werden in unserem Python-Typhinweisleitfaden behandelt.
total_ordering: weniger Vergleichsmethoden
Definieren Sie __eq__ und eines von __lt__, __le__, __gt__ oder __ge__, und @total_ordering füllt den Rest aus. In unserem Test antwortete eine Versionsklasse mit nur __eq__ und __lt__ auf Ver(1,2) >= Ver(1,1) mit True und Ver(1,2) <= Ver(1,1) mit False. Die generierten Methoden sind etwas langsamer als handgeschriebene. Überspringen Sie sie daher in sehr heißem Code.
Zu vermeidende Fallstricke
- Nicht hashbare Argumente. Zwischengespeicherte Funktionen erstellen einen Schlüssel aus den Argumenten. Aufrufen einer zwischengespeicherten Funktion mit einer in unserem Lauf erstellten Liste
TypeError: unhashable type: 'list'. Konvertieren Sie zuerst in ein Tupel. - Caching-Methoden.
lru_cacheeiner Instanzmethode enthältselfim Schlüssel und hält jede Instanz so lange am Leben, wie der Cache dies tut. Bevorzugen Siecached_propertyoder eine zwischengespeicherte Funktion auf Modulebene. - Unbegrenzter Speicher.
@cachewird nie entfernt. Für Eingaben von Benutzern oder dem Netzwerk stellen Sie einemaxsizeein. - Veränderliche Ergebnisse. Eine zwischengespeicherte Liste oder ein Diktat wird von jedem Anrufer geteilt. Wenn ein Anrufer es ändert, sieht jeder die Änderung.
- Veraltete Caches in Tests. Rufen Sie
cache_clear()in einem Fixture auf, damit ein Test keine Ergebnisse an einen anderen weitergeben kann.
Spickzettel für Python-Funktionstools
| Werkzeug | Benutze es, um | Seitdem |
|---|---|---|
lru_cache |
Memoize mit einer Größenbeschränkung | 3.2 |
cache |
Auswendiglernen ohne Grenzen | 3.9 |
cached_property |
Berechnen Sie ein Attribut einmal pro Objekt | 3.8 |
partial |
Korrigieren Sie einige Argumente einer Funktion | 2.5 |
reduce |
Falten Sie eine Sequenz zu einem Wert | in 3.0 eingezogen |
wraps |
Behalten Sie Metadaten in Dekoratoren | 2.5 |
singledispatch |
Wählen Sie eine Implementierung nach Typ aus | 3.4 |
total_ordering |
Vergleichsmethoden generieren | 2.7 |
Fazit
Python-Funktools belohnen eine kleine Investition. Fügen Sie @wraps zu jedem Dekorator hinzu, greifen Sie nach lru_cache oder cache, wenn eine reine Funktion die Arbeit wiederholt, und ersetzen Sie argumentfixierende Lambdas durch partial. Unsere Messungen zeigten deutlich, dass sich dies auszahlt: Eine Dekoratorlinie machte eine rekursive Funktion mehrere Hundert Mal schneller. Kombinieren Sie diese Tools mit Python-Generatoren und Sie schreiben kürzeren, schnelleren und besser lesbaren Code.
Häufige Fragen
Was ist der Unterschied zwischen lru_cache und Cache?
Cache ist ein unbegrenzter Cache, genau wie lru_cache, wobei maxsize auf None gesetzt ist. lru_cache akzeptiert eine maximale Größe und entfernt den zuletzt verwendeten Eintrag, wenn er voll ist.
Warum löst lru_cache TypeError: unhashable type aus?
Der Cache verwendet die Argumente als Wörterbuchschlüssel, daher müssen sie hashbar sein. Listen, Diktate und Mengen sind es nicht; Konvertieren Sie sie vor dem Aufruf in Tupel oder Frozensets.
Warum sollte ich functools.wraps in Dekorateuren verwenden?
Ohne sie übernimmt die dekorierte Funktion den Namen des Wrappers und verliert ihren Dokumentstring, was Protokolle, Hilfetexte und Testberichte durcheinander bringt. umschließt Kopien dieser Metadaten.
Ist functools.partial besser als ein Lambda?
Um Argumente zu klären, normalerweise ja. Ein Teilobjekt ist klarer, kann ausgewählt werden, wenn seine Funktion dies kann, und stellt Funktionen, Argumente und Schlüsselwörter zur Überprüfung bereit.
Wird Reduzieren in Python 3 weiterhin empfohlen?
Gehen Sie sparsam damit um. Integrierte Funktionen wie „sum“, „max“, „min“, „any“, „all“ und „math.prod“ sind für allgemeine Fälle klarer; Behalten Sie die Reduzierung für benutzerdefinierte Faltungen bei und geben Sie immer einen Anfangswert an.
Lerne weiter
Benötigen Sie Hilfe beim Testen, WordPress oder SEO?
Wir helfen Teams, bessere Software zu liefern und ihre Websites zu erweitern. Sagen Sie uns, woran Sie gerade arbeiten, und wir schlagen Ihnen einen klaren nächsten Schritt vor.
Weitere Anleitungen finden Sie unter Tests, KI und moderne Entwicklung
Hat Ihnen dieser Artikel gefallen? Wählen Sie ein Thema und springen Sie direkt in unsere neuesten Tutorials.
BM25 erklärt: Wie die Keyword-Suche Ergebnisse einordnet, mit Python-Code und Hybridsuche
BM25 erklärte anhand einer reinen Python-Implementierung, die wir ausgeführt haben: die Formel, IDF, Termsättigung, die k1- und b-Parameter, warum e…
Artikel lesen →SoftwareentwicklungErklärte HTTP-Methoden: GET, POST, PUT, PATCH, DELETE, getestet auf einem Live-Server
HTTP-Methoden erklärt anhand eines kleinen Servers, den wir ausgeführt haben: GET, POST, PUT, PATCH, DELETE, HEAD und OPTIONS, sicher vs. idempotent…
Artikel lesen →DevOpsGit Bisect erklärt: Finden Sie den Commit, der Ihren Code kaputt gemacht hat, manuell oder automatisch
Git bisect anhand eines getesteten Repositorys erklärt: Finden Sie den einzigen fehlerhaften Commit unter 41 in 5 Testläufen, automatisieren Sie ihn…
Artikel lesen →TestautomatisierungErklärte Pytest-Marker: Benutzerdefinierte Markierungen, Skip, Skipif, Xfail und -m-Filter
Pytest-Marker anhand einer getesteten Suite erklärt: Registrieren Sie benutzerdefinierte Marken, führen Sie nur Smoke-Tests mit -m aus, kombinieren …
Artikel lesen →SoftwaretestsPositive vs. negative Tests: Unterschiede, 24 echte Testfälle und eine Checkliste
Positive vs. negative Tests werden mit einem echten Anmeldeformular erklärt: 6 positive und 18 negative Testfälle werden in Pytest ausgeführt, der f…
Artikel lesen →Datenbanken & SQLSQL ORDER BY Mehrere Spalten: ASC, DESC, NULLS LAST, Case und Custom Order
SQL ORDER BY mit mehreren Spalten, erklärt mit getesteten Abfragen: gemischte ASC und DESC, Tie-Breaker, NULLS FIRST und LAST, Sortierung ohne Berüc…
Artikel lesen →Datenbanken & SQLLaufende SQL-Summe: SUM OVER, Gesamtsummen pro Gruppe, gleitende Summen und die RANGE-Falle
So berechnen Sie eine laufende SQL-Summe mit SUM() OVER: Gesamtsummen pro Gruppe, tägliche kumulative Summen, gleitende Summen, Prozent der Gesamtsu…
Artikel lesen →SoftwareentwicklungJavaScript Sort Array: Zahlen, Objekte, Strings und warum 10 vor 5 kommt
So sortieren Sie ein Array in JavaScript richtig: Zahlen mit einer Vergleichsfunktion, Objekte nach einem oder mehreren Feldern, Zeichenfolgen mit l…
Artikel lesen →SoftwareentwicklungPython-String-Methoden: Spickzettel, reale Beispiele und die Strip()-Falle
Python-String-Methoden mit getesteten Beispielen: Split, Join, Strip, Replacement, Find, Startswith, Is-Methoden, Casefold, Partition und Translate …
Artikel lesen →Künstliche IntelligenzKosinusähnlichkeit erklärt: Formel, Arbeitsbeispiel und Python-Code
Kosinusähnlichkeit einfach erklärt: die Formel, ein handgearbeitetes Beispiel, reiner Python- und NumPy-Code, Kosinus vs. euklidischer Abstand bei r…
Artikel lesen →SoftwareentwicklungErklärung der UTF-8-Kodierung: Wie Text zu Bytes wird und wie man verstümmelten Text repariert
UTF-8-Codierung erklärt anhand von Beispielen auf Byte-Ebene, die wir in Python ausgeführt haben: Wie Zeichen 1 bis 4 Byte groß werden, warum sich C…
Artikel lesen →Testautomatisierungpytest parametrize erklärt: 7 Muster mit getesteten Beispielen
pytest parametrize erklärt mit 7 getesteten Mustern: Basisfälle, lesbare IDs, gestapelte Dekoratoren, pytest.param mit xfail und skip, indirekte Fix…
Artikel lesen →SoftwaretestsRetesting vs. Regressionstests: 8 Hauptunterschiede anhand eines echten Bugfix-Beispiels
Erneutes Testen vs. Regressionstests erklärt anhand eines echten Bugfix-Laufs in Pytest: Ein erneuter Test bestätigte die Fehlerbehebung, der Regres…
Artikel lesen →Datenbanken & SQLDoppelte Zeilen in SQL löschen: 5 sichere Methoden, Schritt für Schritt getestet
So löschen Sie doppelte Zeilen in SQL sicher: Suchen Sie sie, zeigen Sie eine Vorschau an und entfernen Sie sie dann mit ROW_NUMBER, MIN(id), EXISTS…
Artikel lesen →Datenbanken & SQLSQL RANK vs. DENSE_RANK vs. ROW_NUMBER: Unterschiede zu getesteten Beispielen
SQL RANK vs. DENSE_RANK vs. ROW_NUMBER in einer Tabelle: Wie jeder mit Gleichständen umgeht, Top-N pro Gruppe, die zweithöchste Gehaltsfalle und det…
Artikel lesen →SoftwareentwicklungJavaScript Optional Chaining (?.) Erklärt: 8 Beispiele, ?? Vorgaben und Fallen
Die optionale Verkettung von JavaScript stoppt den Fehler „Eigenschaften von undefinierten Objekten können nicht gelesen werden“. 8 getestete Beispi…
Artikel lesen →SoftwareentwicklungPython enumerate() erklärt: 7 Beispiele, start=1 und zu vermeidende Fehler
Python enumerate() gibt Ihnen den Index und den Wert in einer sauberen Schleife. 7 getestete Beispiele, der Start=1-Trick, Wörterbücher, Dateien, Ge…
Artikel lesen →Künstliche IntelligenzErklärte RAG-Chunking-Strategien: Fest, Überlappung, Satz, rekursiv und Überschriften, gemessen
RAG-Chunking-Strategien im Vergleich zu einem Dokument mit Tiktoken 0.14: feste Größe, Überlappung, Satzpackung, rekursive Aufteilung und überschrif…
Artikel lesen →SoftwareentwicklungAPI-Idempotenz erklärt: Idempotenzschlüssel und sichere Wiederholungsversuche, getestet
Erklärung der API-Idempotenz anhand eines von uns ausgeführten Python-Servers und -Clients: Eine verlorene Antwort verursachte eine doppelte Gebühr …
Artikel lesen →DevOpsGit Stash erklärt: Speichern, Anwenden, Pop und nicht verfolgte Dateien, getestet
Git Stash erklärt mit Befehlen, die wir auf Git 2.56 ausgeführt haben: Push mit einer Nachricht, nicht verfolgte Dateien, Auflisten und Anzeigen, An…
Artikel lesen →SoftwaretestsPaarweises Testen erklärt: Wie alle Paare 216 Tests auf 13 reduzieren, getestet
Paarweises Testen erklärt mit einem Generator, den wir in Python 3.13 ausgeführt haben: ein Checkout mit 216 Kombinationen, die durch 13 Tests abged…
Artikel lesen →TestautomatisierungTest-Doubles erklärt: Dummy, Stub, Spy, Mock und Fake, mit getestetem Python-Code
Test-Doubles werden anhand eines Python-Beispiels erklärt, das in Pytest 9.2 ausgeführt wird: Dummy, Stub, Spy, Mock und Fake, wann jeweils zu verwe…
Artikel lesen →Datenbanken & SQLSQL COALESCE erklärt: Standardwerte, NULLIF, IFNULL vs. ISNULL und Traps, getestet
SQL COALESCE wurde mit Abfragen erklärt, die wir in SQLite 3.50 ausgeführt haben: erste Nicht-Null-Werte, leere Zeichenfolgen, NULL in Mathematik, N…
Artikel lesen →Datenbanken & SQLSQL Self Join erklärt: Mitarbeiter-Manager, Paare und Zeilenvergleiche, getestet
SQL-Self-Join erklärt anhand von Abfragen, die wir in SQLite 3.50 ausgeführt haben: Mitarbeiter und Manager, mehr verdienen als der Manager, eindeut…
Artikel lesen →SoftwareentwicklungErklärter JavaScript-Spread-Operator: Spread vs. Rest, Kopien und Fallstricke, getestet
Der JavaScript-Spread-Operator wird mit Code erklärt, den wir auf Knoten 24 ausgeführt haben: Arrays, Objekte, flache Kopien, Restparameter, das Mat…
Artikel lesen →SoftwareentwicklungErklärte Python-Funktionstools: lru_cache, Partial, Reduce, Wraps und mehr, getestet
Python-Funktionstools erklärt mit Code, den wir auf Python 3.13 ausgeführt haben: lru_cache und Cache, Partial, Reduce, Wraps, Cached_Property, Sing…
Artikel lesen →SoftwareentwicklungErklärtes Python-Sammlungsmodul: Counter, defaultdict, deque und mehr, getestet
Python-Sammlungen erklärt mit Code, den wir auf Python 3.13 ausgeführt haben: Counter, defaultdict, deque, benannttuple, OrderedDict und ChainMap, p…
Artikel lesen →Künstliche IntelligenzErklärtes LLM-Kontextfenster: Token, Grenzen und wie man mehr einpasst, gemessen
Das LLM-Kontextfenster wird anhand der Token-Anzahl erklärt, die wir mit Tiktoken gemessen haben: Wörter vs. Token für Prosa, Code und Hindi, Eingab…
Artikel lesen →SoftwareentwicklungWebhooks erklärt: Wie sie funktionieren und wie man sie sicher empfängt
Webhooks erklärt mit einem Empfänger und Sender, den wir in Python ausgeführt haben: Push vs. Polling, HMAC-SHA256-Signaturen, Ablehnen manipulierte…
Artikel lesen →DevOpsGit Cherry-Pick erklärt: Kopieren Sie den Commit, den Sie benötigen, sicher und getestet
Git Cherry-Pick erklärt mit Befehlen, die wir in Git 2.56 ausgeführt haben: Kopieren eines Hotfixes in einen Release-Zweig, neue Hashes und Patch-ID…
Artikel lesen →TestautomatisierungSnapshot-Tests erklärt: Wie es funktioniert, wann es hilft und wann es weh tut
Snapshot-Tests erklärt anhand einer Pytest- und Sirup-Demo, die wir ausgeführt haben: Snapshots erstellen, Diff nach einer Codeänderung lesen, Zeits…
Artikel lesen →SoftwaretestsMutationstests erklärt: Warum die 100-prozentige Abdeckung unseren Fehler immer noch übersehen hat
Mutationstests erklärt mit einem kleinen Mutationstool, das wir erstellt und ausgeführt haben: 14 Mutanten, eine Testsuite mit 100 % Linienabdeckung…
Artikel lesen →Datenbanken & SQLErklärte SQL-JSON-Funktionen: JSON in SQL abfragen, aktualisieren und indizieren, getestet
SQL-JSON-Funktionen erklärt mit Abfragen, die wir in SQLite 3.50 ausgeführt haben: json_extract, die Operatoren -> und ->>, json_each, json…
Artikel lesen →Datenbanken & SQLSQL Pivot erklärt: Zeilen in Spalten umwandeln mit CASE, FILTER und PIVOT
SQL-Pivot erklärt mit Abfragen, die wir in SQLite 3.50 ausgeführt haben: bedingte Aggregation mit CASE und SUM, FILTER, NULL vs. Null, Summen, dynam…
Artikel lesen →Künstliche IntelligenzPrompt Injection erklärt: Wie KI-Apps ausgetrickst werden und wie man sie verteidigt
Prompt-Injection erklärt für Builder: direkte und indirekte Angriffe, warum Schlüsselwortfilter fehlschlagen (unser Test hat 1 von 4 blockiert) und …
Artikel lesen →DevOpsErklärte DNS-Einträge: A, AAAA, CNAME, MX, TXT und TTL mit echten Lookups
DNS-Einträge erklärt anhand der von uns durchgeführten Suchvorgänge: Funktionsweise der Auflösung, A und AAAA, CNAME-Regeln, MX und Null-MX, TXT für…
Artikel lesen →DevOpsErklärte Funktionsflags: Sichere Veröffentlichungen, schrittweise Rollouts und Flag-Hygiene
Funktionsflags anhand einer von uns durchgeführten Rollout-Simulation erklärt: Flag-Typen, prozentuale Rollouts mit stabilem Hashing, Kill-Switches,…
Artikel lesen →TestautomatisierungTestdatengenerierung mit Python Faker: Realistische, wiederholbare und sichere Daten
Testen Sie die Datengenerierung mit Python Faker, führen Sie sie aus und messen Sie sie: Seeding für wiederholbare Daten, Gebietsschemata, eindeutig…
Artikel lesen →SoftwaretestsShift-Left-Tests erklärt: Finden Sie Fehler früher, ohne das Team zu verlangsamen
Shift-Left-Tests erklärt: Was es bedeutet, warum Frühdefekte günstiger sind, Vorgehensweisen von Anforderungsüberprüfungen bis hin zu CI-Prüfungen, …
Artikel lesen →Datenbanken & SQLErklärte SQL-String-Funktionen: TRIM, SUBSTR, REPLACE, CONCAT und Datenbereinigung
SQL-String-Funktionen, die mit von uns ausgeführten Abfragen erklärt wurden: Verkettung und NULL, TRIM, UPPER und LOWER, SUBSTR und INSTR, REPLACE, …
Artikel lesen →Datenbanken & SQLErklärte SQL-Trigger: VOR- und NACH-Trigger, Prüfprotokolle und Fallstricke
SQL-Trigger werden anhand von Triggern erklärt, die wir ausgeführt haben: VORHER vs. NACHHER, ALT und NEU, Prüfprotokolle, Validierung, Bestandsaktu…
Artikel lesen →SoftwareentwicklungErklärung des Python-JSON-Moduls: Dumps, Loads, benutzerdefinierte Typen und häufige Fehler
Das Python-JSON-Modul wird anhand des von uns ausgeführten Codes erklärt: Dumps und Loads, Dateien, Typkonvertierungen, Datumsangaben und Dezimalzah…
Artikel lesen →SoftwareentwicklungES-Module vs. CommonJS: Wie JavaScript-Importe in Node.js funktionieren, getestet
ES-Module vs. CommonJS erklärt mit Code, den wir in Node.js ausgeführt haben: Import- und Exportsyntax, Require, Live-Bindungen, Caching, Top-Level-…
Artikel lesen →SoftwareentwicklungPython Regex erklärt: Muster, Gruppen, Lookaheads und Fallstricke, getestet
Python-Regex erklärt mit Mustern, die wir ausgeführt haben: Suche vs. Übereinstimmung, Findall, Gruppen und benannte Gruppen, Greedy vs. Lazy, Sub, …
Artikel lesen →Künstliche IntelligenzErklärung der strukturierten LLM-Ausgabe: Zuverlässiges JSON aus KI-Modellen erhalten
Die strukturierte LLM-Ausgabe wird anhand der von uns in Pydantic ausgeführten Validierung erklärt: JSON-Modus und -Schemas, eingeschränkte Dekodier…
Artikel lesen →DevOpsSSH-Schlüssel erklärt: Wie sie funktionieren, ssh-keygen, Ed25519 und sichere Gewohnheiten
SSH-Schlüssel erklärt mit Schlüsseln, die wir generiert haben: öffentliche vs. private Schlüssel, ssh-keygen, Ed25519 vs. RSA, Fingerabdrücke, Passp…
Artikel lesen →DevOpsHTTP-Caching erklärt: Cache-Kontrolle, ETag und 304-Antworten, mit einem Live-Test
HTTP-Caching erklärt anhand eines kleinen Servers, den wir ausgeführt haben: Cache-Control-Anweisungen, Max-Age, No-Cache vs. No-Store, ETag-Revalid…
Artikel lesen →TestautomatisierungAPI-Vertragstests erklärt: Erkennen Sie wichtige Änderungen, bevor sie versendet werden
Das Testen von API-Verträgen wird anhand einer von uns durchgeführten Schemaprüfung erklärt: Was ein Vertrag ist, verbrauchergesteuerte Verträge, Pa…
Artikel lesen →SoftwaretestsRisikobasiertes Testen erklärt: Risiken bewerten, eine Matrix erstellen und testen, worauf es ankommt
Risikobasiertes Testen Schritt für Schritt erklärt: Risiken identifizieren, Wahrscheinlichkeit und Auswirkung bewerten, eine Risikomatrix erstellen,…
Artikel lesen →Datenbanken & SQLErklärte SQL-Einschränkungen: NOT NULL, UNIQUE, CHECK und FOREIGN KEY, getestet
SQL-Einschränkungen anhand der von uns durchgeführten Tests erklärt: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY und FOREIGN KEY, die NULL-Lücken, die…
Artikel lesen →Datenbanken & SQLErklärte SQL-Datumsfunktionen: Datumsangaben fehlerfrei hinzufügen, vergleichen und gruppieren
Erklärung der SQL-Datumsfunktionen anhand von Abfragen, die wir ausgeführt haben: Hinzufügen von Intervallen, Überraschungen am Monatsende, Datumsun…
Artikel lesen →SoftwareentwicklungPython-Asyncio erklärt: Async, Wait, Gather und TaskGroup mit echten Timings
Python-Asyncio erklärt mit Code, den wir getimt haben: Coroutinen, Wait, Gather, TaskGroup, Fehlerbehandlung, Zeitüberschreitungen, Einschränkung de…
Artikel lesen →SoftwareentwicklungDebounce vs. Throttle in JavaScript: Wie sie funktionieren, wann man sie verwendet, getestet
Debounce vs. Throttle in JavaScript erklärt anhand von Timings, die wir in Node.js gemessen haben: wie jedes funktioniert, einfache Implementierunge…
Artikel lesen →SoftwareentwicklungErklärte Python-Kontextmanager: Die with-Anweisung, contextlib und Real Uses
Python-Kontextmanager erklärt anhand des von uns ausgeführten Codes: Funktionsweise, __enter__ und __exit__, contextlib.contextmanager, supprimieren…
Artikel lesen →Künstliche IntelligenzLLM-Temperatur und Top-p erklärt: Wie KI-Modelle ihr nächstes Wort wählen
LLM-Temperatur und Top-P erklärt anhand einer von uns durchgeführten Simulation: wie Wahrscheinlichkeiten umgeformt werden, was Top-P beibehält, emp…
Artikel lesen →DevOpsYAML erklärt: Syntax, das Norwegen-Problem und andere von uns getestete Fallen
YAML erklärt mit einem Parser-Test: grundlegende Syntax, Listen und Karten, das Norwegen-Problem, Versionen, die in Gleitkommazahlen umgewandelt wer…
Artikel lesen →DevOpsCron-Jobs erklärt: Syntax, echte Zeitpläne und die Fehler, die sie zerstören
Cron-Jobs werden anhand von Zeitplänen erklärt, die wir überprüft haben: die fünf Felder, Operatoren, reale Beispiele, die Tag-des-Monats- ODER Woch…
Artikel lesen →Künstliche IntelligenzKI-Halluzinationen erklärt: Warum Sprachmodelle Dinge erfinden und wie man sie reduziert
KI-Halluzinationen erklärt: Was sie sind, warum Sprachmodelle sie produzieren, gängige Typen, wie man sie mit Erdung und Eingabeaufforderungen reduz…
Artikel lesen →DevOpsErklärte Umgebungsvariablen: .env-Dateien, Geheimnisse und Konfiguration richtig gemacht
Umgebungsvariablen anhand von Python-Beispielen erklärt, die wir ausgeführt haben: Sie lesen und festlegen, warum jeder Wert ein String ist, .env-Da…
Artikel lesen →SoftwareentwicklungAPI-Ratenbegrenzung erklärt: Algorithmen, Header und Behandlung von 429-Fehlern
API-Ratenbegrenzung anhand einer von uns durchgeführten Simulation erklärt: Token-Bucket, festes Fenster, gleitendes Fenster, 429 Antworten, Ratenbe…
Artikel lesen →TestautomatisierungSpott in Python: unittest.mock, Patch und die Fehler, die Tests zum Lügen machen
Mocking in Python mit unittest.mock, getestet: Mock und return_value, side_effect, Patchen, wo ein Name verwendet wird, Spezifikation und Autospec, …
Artikel lesen →SoftwaretestsCode-Abdeckung erklärt: Leitungs- und Zweigstellenabdeckung und was 100 % wirklich bedeutet
Erklärung der Codeabdeckung anhand eines echten Coverage.py-Laufs: Zeilen-, Zweig- und Bedingungsabdeckung, Lesen eines Berichts, warum bei 100 % Ab…
Artikel lesen →Datenbanken & SQLDELETE vs. TRUNCATE vs. DROP in SQL: Unterschiede, Rollback und Verwendungszweck
DELETE vs. TRUNCATE vs. DROP erklärt mit getestetem SQL: was jeweils entfernt wird, Rollback, Trigger, Identitätsrücksetzung, Geschwindigkeit und wi…
Artikel lesen →Datenbanken & SQLErklärte SQL-Ansichten: Erstellen, nutzen und vermeiden Sie Fallstricke mit Beispielen
SQL-Ansichten anhand der von uns ausgeführten Abfragen erklärt: Erstellen einer Ansicht, Live-Ergebnisse, Ausblenden von Spalten, Leistung, aktualis…
Artikel lesen →SoftwareentwicklungTypeScript-Schnittstelle vs. Typ: Echte Unterschiede, getestet mit dem Compiler
TypeScript-Schnittstelle vs. Typ, überprüft mit dem echten Compiler: Was beide können, was nur einer kann, Deklarationszusammenführung, Erweiterunge…
Artikel lesen →SoftwareentwicklungPython *args und **kwargs erklärt: Flexible Funktionen mit klaren Beispielen
Python *args und **kwargs erklärt mit Code, den wir ausgeführt haben: Packen und Entpacken, Parameterreihenfolge, Nur-Schlüsselwort- und Nur-Positio…
Artikel lesen →SoftwareentwicklungPython-Lambda-Funktionen: Syntax, tatsächliche Verwendung und wann man sie nicht verwendet
Python-Lambda-Funktionen erklärt mit Code, den wir ausgeführt haben: Syntax, Sortierung mit Schlüssel, Karte und Filter, Abschlüsse, die Late-Bindin…
Artikel lesen →Künstliche IntelligenzWas sind KI-Agenten? Wie sie funktionieren, mit einer einfachen Agentenschleife, die Sie ausführen können
Was sind KI-Agenten? Eine einfache Anleitung zur Agentenschleife, zu Tools, Speicher und Leitplanken, mit einer kleinen Python-Schleife, die wir aus…
Artikel lesen →DevOpsÜberwachung vs. Beobachtbarkeit: Der wahre Unterschied, mit Protokollen, Metriken und Traces
Überwachung vs. Beobachtbarkeit erklärt: bekannte und unbekannte Fehler, Protokolle, Metriken und Spuren, eine exemplarische Vorgehensweise für Chec…
Artikel lesen →DevOpsDocker-Volumes vs. Bind Mounts: Containerdaten auf die richtige Art und Weise beibehalten
Docker-Volumes vs. Bind-Mounts erklärt: Warum Containerdaten verschwinden, benannte Volumes, Bind-Mounts, tmpfs, Compose-Beispiele, Backups, Berecht…
Artikel lesen →TestautomatisierungTDD vs. BDD: Hauptunterschiede, eine Funktion, die auf beide Arten entwickelt wurde und wann sie jeweils verwendet werden sollte
TDD vs. BDD erklärt mit einer Rabattfunktion, die in beide Richtungen aufgebaut ist: Rot-Grün-Refaktor mit Code, den wir ausgeführt haben, Gegeben-W…
Artikel lesen →SoftwaretestsBenutzerakzeptanztests (UAT): Prozess, Checkliste und reale Beispiele
Benutzerakzeptanztests erklärt: Wer führt ihn durch, wie unterscheidet er sich von der Qualitätssicherung, ein siebenstufiger Prozess, eine UAT-Test…
Artikel lesen →Datenbanken & SQLErklärte SQL-NULL-Werte: IS NULL, COALESCE, NULLIF und die zu vermeidenden Fallen
SQL-NULL-Werte, die mit von uns ausgeführten Abfragen erklärt wurden: dreiwertige Logik, IS NULL, COALESCE, NULLIF, wie Aggregate, Joins und Sortier…
Artikel lesen →Datenbanken & SQLSQL CASE WHEN-Anweisung: Syntax, reale Beispiele und häufige Fehler
SQL CASE WHEN anhand der von uns ausgeführten Abfragen erklärt: einfache und durchsuchte Formulare, Bedingungsreihenfolge, Pivots mit SUM, COUNT-Tri…
Artikel lesen →SoftwareentwicklungWas ist JWT? JSON-Web-Tokens anhand eines funktionierenden Beispiels erklärt
Was ist JWT? JSON Web Tokens erklärt: die drei Teile, ein Token, das in dem von uns ausgeführten Code erstellt und manipuliert wurde, JWT vs. Sitzun…
Artikel lesen →SoftwareentwicklungErklärte JavaScript-Ereignisschleife: Aufrufstapel, Mikrotasks und Timer mit Beispielen
Die JavaScript-Ereignisschleife wurde mit dem von uns ausgeführten Code erklärt: Aufrufstapel, Aufgaben- und Mikrotask-Warteschlangen, warum setTime…
Artikel lesen →SoftwareentwicklungErklärung von Python-Generatoren und -Ertrag: Sparen Sie Speicher mit echten Beispielen
Python-Generatoren und Yield anhand des von uns ausgeführten Codes erklärt: wie sie angehalten und fortgesetzt werden, gemessene Speichereinsparunge…
Artikel lesen →Künstliche IntelligenzWas sind Einbettungen? Vektoren und Kosinusähnlichkeit einfach erklärt
Was sind Einbettungen? Ein Leitfaden in einfacher Sprache zu Vektoren, Kosinusähnlichkeit und semantischer Suche, mit einem kleinen Beispiel, das wi…
Artikel lesen →DevOpsBlau-Grün vs. Canary-Bereitstellung: Unterschiede, Kompromisse und Auswahl
Blue-Green vs. Canary-Bereitstellung erklärt: Funktionsweise, Kosten, Risiko und Rollback, stabiles Benutzer-Bucketing, das wir getestet haben, Date…
Artikel lesen →TestautomatisierungFlaky-Tests: Was sie verursacht und wie man sie endgültig behebt
Flaky-Tests wurden anhand von Demos erklärt, die wir durchgeführt haben: die Hauptursachen, wie man sie bestätigt und diagnostiziert, richtige Korre…
Artikel lesen →SoftwaretestsLasttest vs. Stresstest: Unterschiede, Metriken und k6-Beispiele
Erläuterungen zu Lasttests und Stresstests: Was die einzelnen Tests beweisen, Spike- und Soak-Tests, welche Kennzahlen wichtig sind, warum Durchschn…
Artikel lesen →SoftwaretestsTestfall vs. Testszenario: Hauptunterschiede, Beispiele und wann man sie jeweils verwendet
Testfall vs. Testszenario erklärt: klare Definitionen, eine Tabelle nebeneinander, eine Funktion zum Zurücksetzen von Passwörtern, die von Szenarios…
Artikel lesen →Datenbanken & SQLSQL-Abfrageoptimierung: Ausführungspläne lesen und langsame Abfragen mit Zeitvorgaben beheben
An einer Million Zeilen getestete SQL-Abfrageoptimierung: Ausführungspläne lesen, die richtigen Indizes hinzufügen, nicht sargierbare Filter korrigi…
Artikel lesen →Datenbanken & SQLSQL UNION vs. UNION ALL: Unterschiede, Beispiele und getestete Leistung
SQL UNION vs. UNION ALL anhand der von uns ausgeführten Abfragen erklärt: Duplikate, die Regeln, denen beide folgen, ein echter Datenfehler, gemesse…
Artikel lesen →SoftwareentwicklungTutorial zur JavaScript-Abruf-API: GET, POST, Fehlerbehandlung und Zeitüberschreitungen
Ein JavaScript-Abruf-API-Tutorial, das auf einem lokalen Server getestet wurde: GET und POST, warum 404 nicht ausgelöst wird, ein wiederverwendbarer…
Artikel lesen →SoftwareentwicklungUmgang mit Python-Dateien: Lesen, Schreiben, CSV, JSON und Pathlib mit Beispielen
Die Handhabung von Python-Dateien wird anhand des von uns ausgeführten Codes erklärt: Öffnungsmodi, Lesen großer Dateien, CSV, JSON, Pathlib, Binärd…
Artikel lesen →SoftwareentwicklungPython-Klassen und -Objekte: OOP-Tutorial mit echten Beispielen
Python-Klassen und -Objekte erklärt mit Code, den wir ausgeführt haben: __init__, Methoden, Klassen- und Instanzattribute, Vererbung, Eigenschaften,…
Artikel lesen →Künstliche IntelligenzWas ist ein großes Sprachmodell? Wie LLMs funktionieren, ohne großen Hype erklärt
Was ist ein großes Sprachmodell? LLMs im Klartext erklärt: Token, Einbettungen, Aufmerksamkeit, Training, Temperatur- und Kontextfenster, eine klein…
Artikel lesen →DevOpsLinux-Befehle für Anfänger: Der grundlegende Terminal-Leitfaden mit Beispielen
Linux-Befehle für Anfänger, gruppiert nach Aufgaben: Navigation, Dateien, Anzeigen von Protokollen, Grep, Pipes, Berechtigungen, Prozesse und Archiv…
Artikel lesen →TestautomatisierungSelenium vs. Playwright: Hauptunterschiede, Code im Vergleich und welche Sie wählen sollten
Selenium vs. Playwright im Vergleich: Architektur, Wartezeit, Browser- und Sprachunterstützung, Debugging, der gleiche Test in beiden Tools, Migrati…
Artikel lesen →SoftwaretestsÄquivalenzpartitionierung: Testdesigntechnik anhand von Beispielen erklärt
Erklärung der Äquivalenzpartitionierung: Wie man gültige und ungültige Partitionen findet, Beispiele für Alter, Passwörter und Gutscheine, von uns d…
Artikel lesen →SoftwaretestsSchweregrad vs. Priorität beim Softwaretest: Unterschiede, Matrix und reale Beispiele
Schweregrad vs. Priorität beim Softwaretest erklärt: klare Definitionen, eine Vier-Wege-Matrix mit Beispielen, Stufenskalen, wer die einzelnen Punkt…
Artikel lesen →Datenbanken & SQLTutorial zu SQL-Unterabfragen: Typen, korrelierte Unterabfragen und EXISTS mit Beispielen
Ein SQL-Unterabfrage-Tutorial mit Abfragen, die wir ausgeführt haben: Skalar-, IN-, FROM- und SELECT-Unterabfragen, korrelierte Unterabfragen, EXIST…
Artikel lesen →Datenbanken & SQLSQL-Transaktionen und ACID erklärt: COMMIT, ROLLBACK und Isolationsstufen
SQL-Transaktionen und ACID anhand einer von uns durchgeführten Banküberweisung erklärt: COMMIT, ROLLBACK, Sicherungspunkte, Sperren, Isolationsstufe…
Artikel lesen →SoftwareentwicklungSpickzettel für Git-Befehle: Die Befehle, die Sie tatsächlich verwenden, mit Beispielen
Ein Git-Befehls-Spickzettel, gruppiert nach Aufgabe: Setup, Staging, Branches, Remotes, Stash, Verlauf und Rückgängigmachen von Fehlern, mit Ausgabe…
Artikel lesen →SoftwareentwicklungErklärte JavaScript-Versprechen: Dann, Catch, Promise.all und häufige Fehler
JavaScript-Versprechen erklärt mit Code, den wir ausgeführt haben: Zustände, dann und Fangketten, Fehlerbehandlung, Promise.all, allSettled, Rennen …
Artikel lesen →SoftwareentwicklungPython-Wörterbuch-Tutorial: Methoden, Beispiele und gängige Muster
Ein Python-Wörterbuch-Tutorial mit Code, den wir ausgeführt haben: Diktate erstellen, lesen und aktualisieren, Schlüsselmethoden, Zusammenführung, V…
Artikel lesen →Künstliche IntelligenzWas ist RAG? Retrieval-Augmented Generation anhand eines Arbeitsbeispiels erklärt
Was ist RAG? Abruf-erweiterte Generierung Schritt für Schritt erklärt: Indizierung, Chunking, Einbettungen, Abruf, ein kleines funktionierendes Pyth…
Artikel lesen →DevOpsTerraform-Tutorial für Anfänger: Infrastruktur als Code von der ersten Datei bis zu den Modulen
Ein Terraform-Tutorial für Anfänger: Beginnen Sie ohne Cloud-Konto, lernen Sie Init, Planen und Anwenden, dann Variablen, Ausgaben, Status, Module u…
Artikel lesen →DevOpsDocker vs. Kubernetes: Hauptunterschiede, wie sie zusammenarbeiten und was Sie brauchen
Docker vs. Kubernetes erklärt: Was jeder tut, die gleiche App läuft mit beiden, Docker Compose und Swarm im Vergleich, die Dockershim-Änderung und w…
Artikel lesen →TestautomatisierungPytest-Tutorial für Anfänger: Vorrichtungen, Parametrisierung und reale Beispiele
Ein Pytest-Tutorial für Anfänger mit Tests, die wir auf Pytest 9.2 durchgeführt haben: Assertions, Fixtures, Parametrize, Conftest, Markers, tmp_pat…
Artikel lesen →SoftwaretestsSoftware Testing Life Cycle (STLC): 6 Phasen, Einstiegs- und Ausstiegskriterien, Beispiel
Der Softwaretest-Lebenszyklus erklärt: sechs STLC-Phasen mit Ein- und Ausstiegskriterien, Ergebnisse, ein Beispiel für eine funktionierende Anmeldef…
Artikel lesen →SoftwareentwicklungGit merge vs rebase: Unterschiede, Beispiele und wann man was nutzt
Git merge vs rebase erklärt mit echter Log-Ausgabe, einer Vergleichstabelle, der goldenen Regel des Rebase und einem sicheren Team-Workflow.
Artikel lesen →SoftwareentwicklungPython List Comprehension: Syntax, Beispiele und wann man darauf verzichtet
Python List Comprehension erklärt: Syntax, Filter, if-else, verschachtelte Schleifen, gemessene Zeiten und Fälle, in denen eine normale for-Schleife…
Artikel lesen →Datenbanken & SQLSQL Joins erklärt mit Beispielen (Inner, Left, Right, Full)
SQL Joins Schritt für Schritt mit Beispieltabellen und Abfragen verstehen: INNER, LEFT, RIGHT, FULL, CROSS und SELF, plus typische Fehler und Perfor…
Artikel lesen →