С какими работал языками кроме Java

С какими работал языками кроме Java

Я работал с несколькими языками программирования помимо Java, что помогло мне лучше понимать различные парадигмы программирования и выбирать правильный инструмент для каждой задачи. Это расширило мою разработку полного цикла и способность архитектора решений.

Python — для backend сервисов и аналитики

Опыт и контекст

Рабочал с Python в нескольких проектах:

# 1. Data Processing Services
# Использовал для обработки больших объёмов данных

from pyspark.sql import SparkSession
from pyspark.sql.functions import col, count, avg

spark = SparkSession.builder \
    .appName("DataProcessing") \
    .getOrCreate()

df = spark.read.csv("large_dataset.csv", header=True, inferSchema=True)

# Агрегирование и анализ
result = df.groupBy("category") \
    .agg(
        count("*").alias("count"),
        avg("amount").alias("avg_amount")
    ) \
    .filter(col("count") > 100)

result.write.parquet("output/results")

2. ETL Pipeline

# Использовал Airflow для оркестрации данных
from airflow import DAG
from airflow.operators.python import PythonOperator
from datetime import datetime, timedelta

default_args = {
    'owner': 'data-team',
    'retries': 2,
    'retry_delay': timedelta(minutes=5),
}

dag = DAG(
    'data_pipeline',
    default_args=default_args,
    schedule_interval='0 2 * * *',  # Каждый день в 2 AM
    start_date=datetime(2023, 1, 1),
)

def extract_data():
    """Извлечь данные из источника"""
    # Код для извлечения
    pass

def transform_data():
    """Трансформировать данные"""
    # Код для трансформации
    pass

def load_data():
    """Загрузить данные в хранилище"""
    # Код для загрузки
    pass

extract_task = PythonOperator(
    task_id='extract',
    python_callable=extract_data,
    dag=dag,
)

transform_task = PythonOperator(
    task_id='transform',
    python_callable=transform_data,
    dag=dag,
)

load_task = PythonOperator(
    task_id='load',
    python_callable=load_data,
    dag=dag,
)

extract_task >> transform_task >> load_task

3. Микросервис на FastAPI

# Использовал FastAPI для создания быстрого API
from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from typing import List
import asyncio

app = FastAPI()

class Item(BaseModel):
    id: int
    name: str
    price: float
    description: str = None

class Order(BaseModel):
    items: List[Item]
    customer_name: str

@app.post("/orders")
async def create_order(order: Order):
    """Создать новый заказ"""
    total_price = sum(item.price for item in order.items)
    
    # Сохранить в БД
    order_id = await save_to_database(order)
    
    return {
        "order_id": order_id,
        "total_price": total_price,
        "customer": order.customer_name,
        "status": "created"
    }

@app.get("/orders/{order_id}")
async def get_order(order_id: int):
    """Получить информацию о заказе"""
    order = await fetch_from_database(order_id)
    if not order:
        raise HTTPException(status_code=404, detail="Order not found")
    return order

async def save_to_database(order):
    """Асинхронное сохранение в БД"""
    # Реализация
    return 12345

async def fetch_from_database(order_id):
    """Асинхронное получение из БД"""
    # Реализация
    return None

JavaScript/TypeScript — для фронтенда

1. React приложение

// TypeScript React компонент
import React, { useState, useEffect } from 'react';
import axios from 'axios';

interface User {
    id: number;
    name: string;
    email: string;
    role: 'admin' | 'user';
}

interface UserListProps {
    onUserSelect: (user: User) => void;
}

const UserList: React.FC<UserListProps> = ({ onUserSelect }) => {
    const [users, setUsers] = useState<User[]>([]);
    const [loading, setLoading] = useState(true);
    const [error, setError] = useState<string | null>(null);

    useEffect(() => {
        fetchUsers();
    }, []);

    const fetchUsers = async () => {
        try {
            setLoading(true);
            const response = await axios.get<User[]>('/api/users');
            setUsers(response.data);
        } catch (err) {
            setError('Failed to fetch users');
        } finally {
            setLoading(false);
        }
    };

    if (loading) return <div>Loading...</div>;
    if (error) return <div className="error">{error}</div>;

    return (
        <div className="user-list">
            {users.map(user => (
                <div
                    key={user.id}
                    onClick={() => onUserSelect(user)}
                    className="user-item"
                >
                    <h3>{user.name}</h3>
                    <p>{user.email}</p>
                    <span className="role">{user.role}</span>
                </div>
            ))}
        </div>
    );
};

export default UserList;

2. Node.js Express сервер

// Express сервер на TypeScript
import express, { Express, Request, Response } from 'express';
import { createConnection, Connection } from 'typeorm';

const app: Express = express();
app.use(express.json());

let db: Connection;

// Инициализация БД
async function initDatabase() {
    db = await createConnection({
        type: 'postgres',
        host: process.env.DB_HOST,
        port: parseInt(process.env.DB_PORT || '5432'),
        username: process.env.DB_USER,
        password: process.env.DB_PASSWORD,
        database: process.env.DB_NAME,
    });
}

// API endpoints
app.get('/api/health', (req: Request, res: Response) => {
    res.json({ status: 'ok', timestamp: new Date() });
});

app.post('/api/data', async (req: Request, res: Response) => {
    try {
        const { name, value } = req.body;
        
        // Вставить в БД
        const result = await db.query(
            'INSERT INTO data (name, value) VALUES ($1, $2) RETURNING *',
            [name, value]
        );
        
        res.json(result.rows[0]);
    } catch (error) {
        res.status(500).json({ error: 'Failed to create data' });
    }
});

const PORT = process.env.PORT || 3000;
app.listen(PORT, () => {
    console.log(`Server running on port ${PORT}`);
});

SQL — для работы с БД

Опыт с разными БД

-- PostgreSQL (основная БД)
CREATE TABLE orders (
    id BIGSERIAL PRIMARY KEY,
    user_id BIGINT NOT NULL REFERENCES users(id),
    amount DECIMAL(10, 2) NOT NULL,
    status VARCHAR(50) NOT NULL,
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP,
    updated_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

CREATE INDEX idx_orders_user_id ON orders(user_id);
CREATE INDEX idx_orders_status ON orders(status);
CREATE INDEX idx_orders_created_at ON orders(created_at DESC);

-- Сложный аналитический запрос
WITH monthly_sales AS (
    SELECT
        DATE_TRUNC('month', created_at) as month,
        SUM(amount) as total_sales,
        COUNT(*) as order_count,
        AVG(amount) as avg_order
    FROM orders
    WHERE status = 'completed'
    GROUP BY DATE_TRUNC('month', created_at)
)
SELECT
    month,
    total_sales,
    order_count,
    avg_order,
    LAG(total_sales) OVER (ORDER BY month) as prev_month_sales,
    ROUND(100.0 * (total_sales - LAG(total_sales) OVER (ORDER BY month)) / 
          LAG(total_sales) OVER (ORDER BY month), 2) as growth_percent
FROM monthly_sales
ORDER BY month DESC;

Shell/Bash — для DevOps и автоматизации

#!/bin/bash
# Скрипт для развёртывания приложения

set -e  # Выход при ошибке

echo "[DEPLOY] Starting deployment..."

# 1. Проверить переменные окружения
if [ -z "$DEPLOY_ENV" ]; then
    echo "Error: DEPLOY_ENV not set"
    exit 1
fi

# 2. Остановить старый контейнер
echo "[DEPLOY] Stopping old container..."
docker-compose -f docker-compose.$DEPLOY_ENV.yml down || true

# 3. Вытащить новый образ
echo "[DEPLOY] Pulling latest image..."
docker pull myregistry.azurecr.io/myapp:latest

# 4. Запустить новый контейнер
echo "[DEPLOY] Starting new container..."
docker-compose -f docker-compose.$DEPLOY_ENV.yml up -d

# 5. Проверить health
echo "[DEPLOY] Checking health..."
for i in {1..30}; do
    if curl -f http://localhost:8080/health > /dev/null 2>&1; then
        echo "[DEPLOY] Service is healthy!"
        exit 0
    fi
    echo "[DEPLOY] Waiting for service... ($i/30)"
    sleep 1
done

echo "[DEPLOY] ERROR: Service did not become healthy"
exit 1

Go — для системных утилит

// Небольшая утилита на Go
package main

import (
    "fmt"
    "net/http"
    "time"
)

func main() {
    // HTTP сервер на Go очень быстрый и простой
    http.HandleFunc("/", func(w http.ResponseWriter, r *http.Request) {
        fmt.Fprintf(w, "Hello, %s!", r.URL.Path[1:])
    })

    http.HandleFunc("/api/data", func(w http.ResponseWriter, r *http.Request) {
        w.Header().Set("Content-Type", "application/json")
        fmt.Fprintf(w, `{"status": "ok", "timestamp": "%s"}`, time.Now())
    })

    fmt.Println("Server starting on :8080")
    http.ListenAndServe(":8080", nil)
}

Почему я работал с этими языками

1. Правильный инструмент для задачи

Java        → Backend, микросервисы, enterprise системы
Python      → Data processing, ML, аналитика, скрипты
JavaScript  → Frontend, веб-приложения
SQL         → Базы данных (универсально)
Go          → Системные утилиты, микросервисы (быстрые)
Bash        → DevOps, автоматизация, скрипты

2. Полный цикл разработки

Это позволяет мне:

• Писать backend на Java + frontend на React
• Создавать data pipelines на Python
• Автоматизировать deployment через Bash и Go
• Оптимизировать SQL запросы

3. Лучше понимать архитектуру

Каждый язык учит различным подходам:

• Java: Строгая типизация, OOP, паттерны
• Python: Динамическая типизация, быстрый прототипинг
• JavaScript: Функциональное программирование, асинхронность
• Go: Простота, параллелизм, производительность

Уровень владения

╔════════════════════════════════════════════════════╗
║ Language     │ Level        │ Primary Use          ║
╠════════════════════════════════════════════════════╣
║ Java         │ Expert       │ Backend, микросервисы║
║ Python       │ Advanced     │ Data, ETL, скрипты   ║
║ JavaScript   │ Advanced     │ Frontend, Node.js    ║
║ SQL          │ Advanced     │ Оптимизация запросов ║
║ Bash         │ Intermediate │ DevOps, автоматизация║
║ Go           │ Intermediate │ Системные утилиты    ║
╚════════════════════════════════════════════════════╝

Преимущества мультиязычного опыта

1. Гибкость: Могу быстро освоить новый язык 2. Полнота: Могу развернуть приложение от БД до frontend 3. Архитектура: Лучше выбираю инструменты для проекта 4. Сотрудничество: Понимаю работу других специалистов 5. Инновация: Могу привносить идеи из других экосистем

Заключение

Мой опыт с несколькими языками позволяет мне:

• Писать более гибкий и масштабируемый код
• Лучше архитектурить решения
• Сотрудничать с разными командами
• Быстро осваивать новые технологии
• Делать обоснованный выбор инструментов для каждого случая

Несмотря на мультиязычный опыт, Java остаётся моей основной специализацией, где я имею глубокие знания архитектуры, performance оптимизации и enterprise паттернов.