Собеседование Python-разработчика охватывает внутренности языка, асинхронность, Django или FastAPI и работу с базой. Ниже — самые частые вопросы с эталонными ответами. Senior: архитектуру, трейд-оффы, менторство и принятие решений.
Грубо: вынести работу из запроса в очередь, распараллелить процессами, а не потоками, перенести горячий цикл в C или Rust расширением, либо сменить алгоритм. Последнее обычно самое дешёвое и его чаще всего пропускают. Мультипроцессинг стоит сериализации всего, что пересекает границу; расширение — усложнения сборки и второго языка в репозитории.
Этапами, каждый из которых обратно совместим: добавить колонку как nullable, писать в старую и новую, залить данные пачками, переключить чтение, удалить старую следующим релизом. Причина в том, что при постепенном деплое две версии кода работают с одной базой. Самый частый провал — миграция, блокирующая большую таблицу: в Postgres индекс нужно строить CONCURRENTLY.
Начать с того, что изменилось, дальше сужать по слоям, а не гадать: медленно у всех или у части пользователей, время уходит в базу, в Python или во внешний вызов. Трейсы APM или профилировщик на горячем пути отвечают на это за минуты. Оптимизировать только потом. Частая ловушка — профилировать локально на маленьких данных, где N+1, определяющий прод, попросту не виден.
Django, когда сервис насыщен контентом и админкой или когда ORM, миграции, аутентификация и админ-панель экономят месяцы. FastAPI, когда это тонкий API, когда доминирует асинхронный ввод-вывод или когда важен типизированный контракт со схемой. Выбор не про бенчмарки скорости. Вопрос, который стоит задать, — что из двух ваша команда сможет чинить в три часа ночи.
Как можно ближе к дорогой операции и не ближе: кеширование целой отрендеренной страницы скрывает, что именно было медленным. Инвалидация по явному ключу при записи правильна, но её легко забыть; короткий TTL неверен, зато самовосстанавливается, и для большинства читающих данных это лучший компромисс. Планировать нужно давку в момент, когда горячий ключ истёк и все запросы бросились его перестраивать.
Дают проверку, которая ловит целые классы ошибок до запуска, автодополнение и документацию, которая не может разойтись с кодом. Не дают проверки во время выполнения — аннотацию никто не валидирует, пока вы не добавите pydantic или аналог. На большой кодовой базе польза приходит от строгости на границах и прагматизма внутри: аннотировать каждую локальную переменную стоит дороже, чем приносит.
На собеседовании ты говоришь вслух под давлением. Кем задаст эти же вопросы, оценит каждый ответ и покажет, что именно подтянуть.
Пройти интервью Senior Python Backend →