Python projelerinizi üretime hazır hale getiren 12 kütüphane: Django kullanıcılarının tercihleri

Python projelerinizi bir hafta sonu projesi olmaktan çıkarıp üretime hazır hale getiren 12 popüler kütüphaneyi duymuş olabilirsiniz. Ancak bu listeye bakan bir Django kullanıcısının aslında yalnızca iki kütüphaneye ihtiyacı olduğunu biliyor muydunuz? Çünkü Django, onlarca kritere kendi içinde yanıt veren bir framework olarak geliyor. Bu durumda ek kütüphanelerin rolü yeniden düşünülmeyi gerektiriyor.

Ben, AWS üzerinde çalışan ve gerçek kullanıcıları olan bir üretim aracı geliştiriyorum: bir self-hosted AWS drift dedektörü. Bu aracın gelişim sürecinde, Python dünyasının en çok önerilen 12 kütüphanesini yakından inceledim ve karşılaştırdım. Beklentim, projeme katkıda bulunabilecek yeni kütüphaneler keşfetmekti. Ancak sonuç şaşırtıcıydı: listeyi taradığımda, projeme zaten yerleşik olarak dahil olan on kütüphaneyle karşılaştım. Geriye kalan yalnızca iki öneriydi — ve bunların da gerçekten ihtiyaç olup olmadığını tekrar değerlendirmem gerekti.

Framework seçmek, bağımlılık yönetimini üst düzeyde ele almak demek

Django gibi bir web framework'ü seçmek, aslında onlarca bağımlılık kararını bir defada vermiş olmak anlamına geliyor. Bu durumda, önerilen 12 kütüphanenin neredeyse tamamı, Django'nun kendi içinde sunduğu çözümlerle örtüşüyor. Örneğin:

• Yönetim komutları (CLI araçları): Django'nun manage.py komut sistemi, click kütüphanesinin sunduğu tüm özellikleri tek başına karşılıyor. Komut satırı argümanlarının ayrıştırılması, yardım metinleri, tip dönüşümleri ve keşif özellikleri — hepsi Django tarafından sağlanıyor. İkinci bir CLI kütüphanesi eklemek, yalnızca senkronizasyon gerektiren paralel bir sistem yaratmaktan başka bir işe yaramaz.

• Veri tabanı işlemleri (ORM): Django ORM, SQLAlchemy gibi popüler kütüphanelerin sunduğu tüm temel fonksiyonları içeriyor. PostgreSQL, MySQL ya da SQLite kullanıyorsanız, Django'nun yerleşik ORM'ini kullanmak, ikinci bir ORM eklemek yerine daha tutarlı ve yönetilebilir bir çözüm sunuyor. İki farklı ORM kullanmak, veri tutarlılığı sorunlarına, karmaşık geçiş senaryolarına ve zihinsel modellerin bölünmesine yol açabilir.

• Giriş doğrulama ve form işleme: Django'nun form sistemi, marshmallow gibi kütüphanelerin sunduğu veri doğrulama ve normalleştirme özelliklerine benzer şekilde çalışıyor. Dış kaynaklardan alınan veriler, Django'nun form ve model doğrulama katmanlarından geçirilerek güvenilir hale getiriliyor. Ekstra bir kütüphaneye ihtiyaç duymadan, projenizin güvenlik ve veri bütünlüğü standartlarına uygun işlemler gerçekleştirebilirsiniz.

• Zamanlanmış görevler ve arka plan işlemleri: Django projelerinde zamanlanmış görevler için genellikle django-apscheduler tercih edilir. Bu, hem schedule hem de celery kütüphanelerinin sunduğu periyodik görev yönetimi özelliklerini karşılıyor. Celery gibi dağıtık görev kuyruğu sistemleri, ölçeklenebilirlik avantajları sunarken, aynı zamanda karmaşıklık ve yönetim yükünü de beraberinde getiriyor. Küçük ölçekli projeler için, Django'nın yerleşik çözümleri çoğu durumda yeterli oluyor.

• Yapılandırma yönetimi: Django projeleri, ortam değişkenlerini yönetmek için python-dotenv gibi kütüphanelere ihtiyaç duymuyor. Docker Compose ya da benzeri araçlarla ortam değişkenleri doğrudan enjekte edilebiliyor. Geliştirme aşamasında python-dotenv kullanmak pratik olsa da, üretim ortamlarında bu ihtiyaç ortadan kalkıyor.

• İlerleme takibi (Progress Bar): Django projelerinde terminal tabanlı ilerleme çubuklarına genellikle ihtiyaç duyulmuyor. Sunucu tarafında çalışan görevler, genellikle yapılandırılmış log kayıtlarıyla takip ediliyor. tqdm gibi ilerleme çubukları, interaktif kullanıcı arayüzlerinde faydalı olsa da, arka planda çalışan komutlar için gereksiz karmaşıklık yaratabilir.

• Yapılandırılmış loglama (Structured Logging): Django projeleri, standart logging modülünü kullanarak yapılandırılmış log kayıtları oluşturabilir. structlog gibi kütüphaneler, log kayıtlarını daha okunabilir ve sorgulanabilir hale getirirken, aslında Django'nın temel loglama altyapısı da benzer bir işlevi yerine getirebiliyor. Üretim ortamlarında log kayıtlarının yapılandırılması ve sorgulanabilir olması kritik önem taşıyor, ancak bu ihtiyaç genellikle framework tarafından karşılanıyor.

• Docker SDK ve container yönetimi: Django projeleri genellikle Docker container'ları içerisinde çalıştırılıyor. Bu durumda, Docker SDK gibi bir kütüphaneye ihtiyaç duyulmuyor. Proje, container olarak dağıtılıyor ve Docker'ı doğrudan yönetmek yerine, container içinde çalışan bir uygulama olarak hizmet veriyor.

Gerçekten ihtiyaç duyulan iki kütüphane

Yukarıda bahsedilen on kütüphane, Django'nın sunduğu özelliklerle örtüştüğü için projemde yer almadılar. Ancak bu durum, tüm kütüphanelerin gereksiz olduğu anlamına gelmiyor. Gerçekten ihtiyaç duyduğum ve listeye göre değerlendirdiğim iki kütüphane şunlar:

• Tenacity: AWS API çağrıları için boto3'un yerleşik olarak sunduğu yeniden deneme mekanizması bulunuyor. Ancak Slack webhook'larına yapılan HTTP çağrıları ya da EOL takvimine yapılan istekler gibi AWS dışındaki çağrılar için bu özellik mevcut değil. Bu durumda, tenacity kütüphanesi, geçici ağ hataları gibi durumlarda otomatik yeniden deneme mekanizması sunarak projemin güvenilirliğini artırıyor.

• Structlog: Django'nın temel logging modülü, yapılandırılmış log kayıtları oluşturmak için yeterli olsa da, JSON tabanlı log kayıtları daha esnek sorgulamalar ve analizler yapılmasını sağlıyor. Projede rastladığım bir hata, print ifadesiyle yapılan loglama nedeniyle sorun yaratmıştı. structlog gibi bir kütüphane, log kayıtlarını daha yapılandırılmış ve okunabilir hale getirerek hem hata ayıklamayı kolaylaştırıyor hem de üretim ortamında log analizi yapılmasını mümkün kılıyor.

Framework seçiminin ötesinde: Doğru araçları doğru yerde kullanmak

Bu deneyimden çıkarılan en önemli ders, framework seçiminin yalnızca kod yazmakla ilgili olmadığıdır. Framework'ler, projelerinizin mimari kararlarını büyük ölçüde belirler ve birçok bağımlılık kararını önceden yanıtlar. Ancak bu durum, ek kütüphanelere ihtiyaç duymadığınız anlamına gelmiyor.

Örneğin, yalnızca bir CLI aracı ya da veri işleme betiği geliştiriyorsanız, Django gibi bir framework kullanmak gereksiz karmaşıklık yaratacaktır. Bu durumda, click, tqdm ve python-dotenv gibi kütüphaneler, projelerinizin ihtiyaçlarına daha uygun bir çözüm sunacaktır.

Aynı şekilde, projenizin ölçeği ve karmaşıklığı arttıkça, framework'ün sunduğu özelliklerin yanı sıra ek kütüphanelere de ihtiyaç duyabilirsiniz. Önemli olan, framework'ün sunduğu özellikleri anlamak ve gereksiz bağımlılıkları eklemek yerine, projelerinizin gerçek ihtiyaçlarına odaklanmaktır.

Sonuç: Framework'ünüzü akıllıca seçin ve bağımlılıklarınızı optimize edin

Python dünyasında üretime hazır projeler geliştirmek için önerilen 12 kütüphaneyi incelediğimizde, karşımıza çıkan en önemli gerçek, framework seçiminin bağımlılık yönetimini nasıl şekillendirdiğidir. Django gibi bir framework, birçok kritere kendi içinde yanıt vererek projelerinizin temel altyapısını oluşturur. Ancak bu, ek kütüphanelerin gereksiz olduğu anlamına gelmez.

Önemli olan, framework'ün sunduğu özellikleri anlamak, gereksiz bağımlılıkları eklemek yerine projelerinizin gerçek ihtiyaçlarına odaklanmak ve framework'ünüzün sunduğu özelliklerle örtüşmeyen alanlarda uygun kütüphaneleri seçmektir. Gelecekteki projelerinizde bu dengeyi kurarak hem daha verimli hem de daha yönetilebilir kod tabanları oluşturabilirsiniz.