Paginacja w REST API jest techniką stosowaną do zarządzania i prezentowania dużych zbiorów danych poprzez dzielenie ich na mniejsze, bardziej zarządzalne porcje. Podział ma korzystny wpływ na zużycie zasobów, wydajność, doświadczenie użytkownika, kontrolę nad przepływem danych.

Bash nie ma natywnych konstrukcji **try-catch-finally**, ale można osiągnąć podobny efekt, używając instrukcji warunkowych i mechanizmów sprawdzania kodu wyjścia procesów, a także za pomocą bloków `trap` do obsługi sygnałów i błędów. Każdy z tych sposobów ma swoje wody i zalety a ich użycie zależy od potrzeb.

Implementacja rozwiązań chmurowych jest bardziej komfortowa, kiedy można tę chmurę postawić na swoim lokalnym komputerze nie bojąc się o przekroczenie kosztów czy też o wywołanie błędów, których konsekwencji nawet trudno jest nam sobie wyobrazić. LocalStack zapewnia bezpieczną piaskownicę. Emulując ogromną ilość usług AWS daje nam sposobność nauki, pole do eksperymentów, a wreszcie zaawansowane narzędzie deweloperskie ułatwiające rozwój projektów Cloud Native.

Leonard Richardson przeanalizował sto różnych projektów usług internetowych i podzielił je na cztery kategorie w zależności od tego, w jakim stopniu są zgodne z REST. Ten model podziału usług REST w celu określenia ich poziomu dojrzałości – nazywany jest Modelem Dojrzałości Richardsona. Dzisiejsze dobre praktyki stosowane w implementacji REST API mają swoje oparcie właśnie na tym opracowaniu.

Niekiedy struktura plików i katalogów jest oczywista z uwagi na konwencję przyjętą przez twórców danego frameworka, a czasami stanowi nie lada zagwozdkę zwłaszcza kiedy narzędzie jej nie narzuca a developerowi brakuje doświadczenia.

Zrównoleglanie pracy w Pythonie odbywa się na kilka sposobów. Warto wiedzieć jak działają, czym się różnią oraz kiedy, którą warto zastosować. Uporządkujmy trochę wiedzę na ten temat.

Wdrażanie i rozwój aplikacji Django w klastrze Kubernetesa w środowisku developerskim w celu jej dostosowania do wymagań produkcyjnych.

Uruchomienie Logstash, Elsasticsearch i Kibana z użyciem docker compose i agregowanie logów dockera.

Docker to wspaniałe narzędzie, którego trudno nie docenić. Ułatwia on pracę developerom ale wiąże się też ze zużyciem znacznej przestrzeni dyskowej. Jak sprawdzić ile zajmują pliki związane z Dockerem, jak ograniczyć wielkość obrazów i kontenerów Dockera, jak nie dać się zaskoczyć i jak to szybko posprzątać?

Powstało masę artykułów na temat dobrych praktyk projektowania i implementowania REST API, najciekawsze są jednak wyjątki, a więc powody i przypadki kiedy odstępstwa od reguł są mile widziane.