Специализация
Python Backend Developer
Java Backend Developer
Node.js Backend Developer
Golang Backend Developer
React Frontend Developer
Выберите навыки
React
JavaScript
Git
Redux
Webpack
Сложность
1-3
4-6
7-8
9-10
Рейтинг вопросов
1
2
3
4
5
Подпишись на React Developer в телеграм
Что такое CORS (Cross-Origin Resource Sharing), и как он относится к встроенным элементам типа <iframe>, <img>, и <script>?
CORS — это механизм, который позволяет ограничить или разрешить обмен данными между разными доменами. Браузеры по умолчанию запрещают запросы к ресурсам с другого домена для обеспечения безопасности. Чтобы разрешить такие запросы, сервер должен отправить специальные заголовки. Элементы, такие как <iframe>, <img> и <script>, могут загружать ресурсы с других доменов, но для некоторых операций, например, доступа к содержимому <iframe> из другого домена, требуется поддержка CORS.
Как использовать атрибут srcset с тегом <img>?
Атрибут srcset у тега <img> позволяет задать несколько версий изображения с разными разрешениями или размерами. Браузер автоматически выбирает наиболее подходящую версию в зависимости от плотности пикселей экрана и ширины экрана. В комбинации с атрибутом loading="lazy" можно использовать ленивую загрузку изображений для оптимизации производительности страницы.
Как использовать Subresource Integrity (SRI) для защиты загружаемых ресурсов?
Subresource Integrity (SRI) — это механизм безопасности, который позволяет браузерам проверять, что загружаемые внешние ресурсы (например, скрипты и стили) не были изменены. Для использования SRI необходимо добавить атрибут integrity к тегам <script> или <link>, указав хеш-сумму загружаемого файла. Если файл изменен, браузер не загрузит его, что предотвращает выполнение потенциально вредоносного кода.
Чем отличаются обычные исходные карты от дешевых исходных карт в Webpack?
Обычные исходные карты (source-map) дают точное сопоставление между исходным кодом и сгенерированным, но замедляют сборку. Дешевые исходные карты (cheap-source-map) работают быстрее, но менее точны, поскольку игнорируют информацию о колонках и преобразованиях на уровне кода (например, в Babel).
В чем разница между try-with-resources и try-catch-finally при работе с ресурсами?
try-with-resources автоматически закрывает ресурсы, такие как потоки или файлы, после завершения блока. В try-catch-finally закрытие ресурсов нужно обрабатывать вручную в блоке finally, что увеличивает объем кода и может привести к ошибкам.
Чем отличаются Filters, Interceptors и Listeners в Spring?
Объясни продвинутые техники передачи владения в Rust, такие как использование Rc<T> (подсчёт ссылок) и Cell<T> (внутренняя изменяемость без гонок данных). Когда стоит выбрать одно вместо другого?
Что такое Custom Resource Definition (CRD) в Kubernetes?
Чем PyTorch отличается от других фреймворков глубокого обучения, таких как TensorFlow?
Какие преимущества у динамической вычислительной графики PyTorch по сравнению со статичными графиками?
Рейтинг:
3
Сложность:
7
Filters обрабатывают входящие запросы до и после выполнения сервлетов. Interceptors применяются для обработки запросов внутри Spring MVC, обрабатывая их до и после контроллеров. Listeners реагируют на события жизненного цикла приложения или сессий, а не на HTTP-запросы.
Рейтинг:
3
Сложность:
8
Rc<T> используется для совместного владения неизменяемыми данными, когда нужно, чтобы несколько частей кода имели доступ к одному объекту. Cell<T> позволяет изменять данные внутри структуры без нарушения её внешней неизменяемости. Выбор между ними зависит от необходимости совместного доступа или внутренней изменяемости.
Рейтинг:
2
Сложность:
4
CRD – это способ добавить в Kubernetes новый тип ресурса, например Database или Cache, который будет управляться пользовательским контроллером.
Рейтинг:
3
Сложность:
5
PyTorch и TensorFlow отличаются архитектурой вычислений: PyTorch использует динамическую вычислительную графику, что позволяет изменять граф во время выполнения, в то время как TensorFlow использует статичный граф, который требует предварительного определения. Это делает PyTorch более интуитивным и удобным для отладки, но TensorFlow может обеспечивать лучшую производительность благодаря оптимизации вычислений. Также PyTorch более дружелюбен к Python-разработчикам, поскольку поддерживает структуру управления Python, в то время как TensorFlow абстрагирует многие детали.
Рейтинг:
2
Сложность:
5
Динамическая вычислительная графика в PyTorch позволяет создавать графы во время выполнения программы, что даёт большую гибкость при работе с переменными входами. Это особенно полезно для задач с переменной длиной данных, например, в обработке естественного языка. Также отладка становится проще, так как операции выполняются поочередно, что позволяет быстрее обнаруживать и исправлять ошибки.
Рейтинг:
4
Сложность:
6
Рейтинг:
2
Сложность:
4
Рейтинг:
2
Сложность:
7
Рейтинг:
3
Сложность:
5
Рейтинг:
2
Сложность:
6
