Најди сличен содржај

Изворен канал @pythonotes · Post #269 · 7 јул.

Возможно, стоит пояснить разницу между синхронизацией из thread/process-safe и синхронизацией с помощью Lock🤔 Наша задача — заставить разные процессы и потоки обращаться к базе данных (или любым другим ресурсам) последовательно. Чтобы не случилось так называемого race condition, то есть состояние гонки. Это когда разные потоки или процессы пытаются одновременно что-то сделать с одним и тем же ресурсом. В этом случае нам нужна какая-то логика ограничения. Пока один процесс не завершил своё действие, другие не могут получить доступ к ресурсу. Так вот, thread-safe и process-safe означает что отдельно взятые операции записи в БД гарантированно будут последовательны. Запросы из разных процессов или потоков выстроятся в очередь и не будут мешать друг другу. Лучше всего когда этот блок реализован на уровне БД в виде атомарных операций или ещё как-то. Но зачем нам тогда еще дополнительный Lock? Этот способ синхронизации используется когда процесс никак не укладывается в одно действие и должен сделать множество операций прежде чем дать доступ следующему. В этом случае процесс ставит некий глобальный Lock на ресурс и никто другой, даже получив законное право на доступ, не может ничего сделать. Все ждут пока этот Lock не будет снят. Это решается на уровне приложения и правильность реализации полностью в вашей ответственности. Например, если забыли разблокировать или сделали перекрёстный Lock (Deadlock как на картинке), то всё зависнет в бесконечном ожидании. #basic

Hashtags

#basic

Резултати

Пронајдени 1 слични објави

Пребарај: #headofdatascience

当前筛选 #headofdatascience清除筛选

Data Science Jobs

@datasciencejobs · Post #2926 · 16.09.2025 г., 09:10

Најди слично Погледај

#vacancy#fulltime#hybrid#moscow #headofdatascience#datascience#RecSys Head of Data Science (RecSys) Мы ищем опытного Head of Data Science, специализирующегося на Dating/Video сервисах. Если у вас есть экспертиза в создании рекомендательных систем для видеоконтента и вы готовы возглавить весь цикл разработки, мы будем рады рассмотреть вашу кандидатуру. Чем предстоит заниматься: - Отвечать за весь процесс разработки рекомендательных систем для видеосервисов. - Разрабатывать, обучать и внедрять модели машинного обучения. - Оценивать эффективность моделей и находить пути для их улучшения. - Развивать и поддерживать автоматизированные процессы обучения и прогнозирования. - Интегрировать модели в рабочие системы (через API, ETL-процессы). - Тесно взаимодействовать с командами аналитики, инженерами данных и бизнес-менеджерами. - Выявлять скрытые закономерности и тренды в данных для повышения качества рекомендаций. Требования: - Опыт работы от 3 лет в сфере video/streaming. - Успешный опыт разработки рекомендательных систем для видеоплатформ и таргетирования видеоконтента. - Опыт взаимодействия с бизнесом для сбора и формализации требований. - Уверенное владение SQL. - Отличное знание Python и библиотек для анализа данных (pandas, scikit-learn, xgboost). - Глубокое понимание основ теории вероятностей, математической статистики и машинного обучения. Мы предлагаем: - Трудоустройство по ИП РФ. - Конкурентную заработную плату от 450.000 до 600.000 р - Гибридный формат работы в Москве. Резюме направлять: @sourserXP

Hashtags

#vacancy #fulltime #hybrid #moscow #headofdatascience #datascience #recsys