罗罗编程学习记录
本页内容 展开查看

08.13 实战项目阶梯

所属:全栈开发面试题库 / 学习路径 / 08 Python 全栈

项目按递进关系排列:先写脚本与 CLI,再做单机 API,然后完整业务系统,再进入异步高并发与任务解耦,最后做 AI 服务化落地。指标受硬件与业务复杂度影响,表中数值为练习目标量级,用于衡量相对进步而非绝对基准。

7.1 脚本与命令行工具(配置与日志)

  • 目标:脱离 Web 框架,从零掌握标准库、配置读取、日志分级与错误处理,形成可复用的 CLI 工程骨架。
  • 涉及技术点:argparse 或 Click、配置文件与环境变量、logging 分级与上下文记录、文件 IO、异常处理、类型注解、单元测试骨架。
  • 验收指标:工具支持命令行参数与配置文件两种输入;非法输入有明确错误码与日志;核心函数有对应 pytest 用例;在大文件场景下用生成器流式处理,内存占用不随文件行数线性增长。
  • 可写进简历的产出:带配置、日志与测试的 CLI 工具,能说明脚本从一次性补丁演化为可维护工程的改造点。

7.2 FastAPI 单机 API(Pydantic 校验、SQLAlchemy、Alembic 迁移)

  • 目标:交付一个分层清晰的在线接口服务,覆盖请求校验、持久化、迁移与自动文档的完整闭环。
  • 涉及技术点:FastAPI 路由与依赖注入、Pydantic v2 模型校验、SQLAlchemy 2.0 声明式模型与 Session 生命周期、Alembic 迁移、OpenAPI 文档、基础认证与错误处理、pytest 接口测试。
  • 验收指标:核心资源增删改查接口齐全;非法请求返回结构化校验错误;迁移可升级与回滚;接口在本地压测下列表接口达到单机数百 QPS 量级,P95 响应低于 100ms;数据库连接在压测后无泄漏。
  • 可写进简历的产出:分层 API 服务设计、校验与持久层方案、迁移流程与接口测试覆盖情况。

7.3 Django 完整业务系统(后台管理、权限、缓存)

  • 目标:覆盖一个真实后台项目的主要模块,形成可演示的完整业务闭环,体会全栈框架的约定与效率。
  • 涉及技术点:Django ORM 与查询优化、Admin 后台、中间件、信号、表单、认证与 RBAC 权限、Redis 缓存、Django 迁移、模板或前后端分离视图。
  • 验收指标:后台可完成核心业务数据维护;权限用例覆盖水平与垂直越权;热点列表接口缓存命中后响应明显下降;信号与缓存策略写进设计文档;能画出一次请求经过中间件、视图、ORM 的完整链路。
  • 可写进简历的产出:业务模块划分与权限模型设计、缓存策略与命中数据、Admin 定制与后台交付效率说明。

7.4 异步高并发服务 + Celery 异步任务(重试与幂等)

  • 目标:把耗时任务从请求链路剥离,掌握异步并发改造、任务重试、幂等与积压监控。
  • 涉及技术点:asyncio 并发与 Semaphore 控制、异步 HTTP/数据库驱动评估、Celery broker 与结果后端、任务重试与退避、幂等键与唯一索引、worker 独立部署、任务积压与消费速率监控。
  • 验收指标:接口只负责入队,耗时操作在 worker 侧完成;重复投递不产生脏数据;失败任务按策略重试并进入兜底队列;压测下示例接口达到单机千级 QPS 量级(IO 密集场景),内存不随请求持续增长;积压可通过监控指标观察到。
  • 可写进简历的产出:异步解耦方案、幂等与重试设计、并发控制与压测对比数据、worker 容量与积压监控思路。

7.5 AI 服务化落地(模型封装、批量与流式、向量检索、容器部署)

  • 目标:把模型能力封装成可上线的在线服务,完成检索接入、流式响应、超时限流与容器化部署。
  • 涉及技术点:模型加载与封装层、同步/异步接口、批量推理、流式响应(SSE 或流式协议)、向量库客户端(pgvector/FAISS/Milvus)、超时与降级、Docker 多阶段构建、Nginx 反代与超时、健康检查与滚动发布。
  • 验收指标:模型在服务启动时加载一次,不在请求内重复初始化;流式接口首字延迟可测量并记录;批量接口有合批大小与内存上限;向量检索返回带元数据过滤;压测下服务 P95 与内存稳定;镜像可在干净环境构建,健康检查通过,回滚流程经过一次演练。
  • 可写进简历的产出:推理服务架构图、批量与流式方案、向量检索链路、部署文档与量化性能指标。