Hands-On Software Engineering with Python

🧩 رشد دیسیپلین مهندسی نرم‌افزار با تمرکز بر طراحی، توسعه، تست و استقرار

در قالب یک ساختار پروژه واقعی Python، بهترین رویه‌های مهندسی نرم‌افزار رو یاد میگیری، به‌کار میگیری و در عمل بهشون مسلط میشی.

✨ ویژگی‌های کلیدی

• درک اینکه چه چیزی مهندسی نرم‌افزار رو از برنامه‌نویسی صرف متمایز میکنه

• به‌دست آوردن بینش عملی برای به‌روزرسانی، بازآرایی (refactor) و مقیاس‌دهی یک سیستم Python موجود

• پیاده‌سازی تست‌های قابل اتکا، پایپ‌لاین‌های CI/CD و تصمیم‌های معماری آماده برای کلاود

📘 توضیح کتاب

• مهندسی نرم‌افزار فقط کدنویسی نیست؛ بلکه طراحی هدفمند و بهبود مستمر سیستم‌هایی هست که نیازهای واقعی دنیا رو پاسخ میدن. ویرایش دوم و به‌روزشده کتاب Hands-On Software Engineering with Python روی همین نگاه عمیق بنا شده و بهت کمک میکنه تا به سطح مهندس ارشد یا Staff Engineer برسی.
• این ویرایش کاملا با اکوسیستم امروزی Python هماهنگ شده و ابزارها، رویه‌ها و الگوهای معماری جدید رو پوشش میده. تغییرات مهم در پنج نسخه فرعی Python بررسی میشن، قابلیت‌هایی مثل dataclassها و type hinting توضیح داده میشن و ابزارهای مدرن مثل Poetry، pytest و GitHub Actions به‌صورت عملی ارزیابی میشن.
• یک فصل جدید هم به محاسبات با کارایی بالا در Python اختصاص داده شده و کل فرآیند توسعه با نگاه cloud-ready بازطراحی شده.
• در طول کتاب، یک سیستم چندلایه از ویرایش اول به‌طور کامل بازطراحی و refactor میشه تا ببینی نرم‌افزار در دنیای واقعی چطور تکامل پیدا میکنه و این کار چقدر نیازمند تصمیم‌های مسئولانه مهندسیه.
• از مدل‌سازی سیستم و مراحل SDLC گرفته تا ماندگاری داده، تست و خودکارسازی CI/CD، هر فصل همزمان ذهنیت مهندسی تو رو تقویت میکنه و مهارت‌های عملیت رو به‌روز نگه میداره.
• در پایان کتاب، به شیوه‌های مدرن مهندسی نرم‌افزار در Python مسلط میشی و میتونی با اطمینان، سیستم‌های پیچیده رو بازبینی، بهینه و برای آینده آماده کنی.

🎯 آنچه یاد خواهید گرفت

• تمایز قائل شدن بین مهندسی نرم‌افزار و برنامه‌نویسی عمومی

• شکستن و اعمال هر مرحله از SDLC در سیستم‌های Python

• ایجاد مدل‌های سیستمی برای طراحی معماری قبل از نوشتن کد

• به‌کارگیری Agile، Scrum و دیگر متدولوژی‌های توسعه مدرن

• استفاده از dataclassها، pydantic و schemaها برای مدل‌سازی داده مقاوم

• راه‌اندازی پایپ‌لاین‌های CI/CD با GitHub Actions و ابزارهای build ابری

• نوشتن و سازمان‌دهی تست‌های unit، integration و end-to-end

• ارزیابی و یکپارچه‌سازی ابزارهایی مثل Poetry، pytest و Docker

👥 این کتاب مناسب چه کسانی است

• این کتاب برای توسعه‌دهندگان Python نوشته شده که درک پایه‌ای از توسعه نرم‌افزار دارن و میخوان به نقش‌های مهندسی ارشد یا Staff-level رشد کنن.
• برای افرادی که میخوان معماری نرم‌افزار، مدل‌سازی سیستم، استراتژی‌های تست و توسعه سازگار با کلاود رو عمیق‌تر بفهمن، انتخاب خیلی خوبیه.
• آشنایی با مبانی Python لازمه، چون تمرکز کتاب روی اعمال اصول مهندسی برای نگه‌داری، توسعه و مدرن‌سازی سیستم‌های واقعیه.

📑 فهرست مطالب

1. مقدمه
2. برنامه‌نویسی در برابر مهندسی نرم‌افزار، بازنگری دوباره
3. چرخه عمر توسعه نرم‌افزار (SDLC)
4. مدل‌سازی سیستم
5. روش‌شناسی‌ها، پارادایم‌ها و رویه‌ها
6. سبک کدنویسی و استانداردهای مرتبط
7. استانداردهای کد تابعی
8. بازنگری ابزارهای توسعه
9. بازطراحی پروژه سیستمی hms_sys
10. به‌روزرسانی پروژه‌ها و فرآیندها
11. بازنگری گزینه‌ها برای اشیای کسب‌وکار
12. بررسی ماندگاری داده برای اشیای کسب‌وکار
13. ماندگاری داده و BaseDataObject
14. تست اشیای کسب‌وکار
15. گزینه‌های CI/CD
16. گزینه‌های API
17. مونتاژ API
18. API نهایی، مستقرشده روی AWS

👤 درباره نویسنده

برایان آل‌بی بیش از دو دهه سابقه حرفه‌ای در توسعه نرم‌افزار داره. تجربه کاری او شامل توسعه اپلیکیشن‌های وب و سیستمی با زبان‌های مختلف و در صنایعی مثل خدمات عضویت سازمانی، گزارش‌دهی سلامت مصرف‌کننده، تبلیغات و خودکارسازی کلاوده.

او کمی قبل از عرضه Python 2.6 به این زبان علاقه‌مند شد و از اون زمان تمرکز اصلی فعالیت حرفه‌ایش رو تا حد امکان روی Python گذاشته. برایان در منطقه دنور زندگی میکنه و همون‌جا کدنویسی میکنه.

Grow your software engineering discipline, incorporating and mastering design, development, testing, and deployment best practices examples in a realistic Python project structure.

Key Features

• Understand what makes Software Engineering a discipline, distinct from basic programming
• Gain practical insight into updating, refactoring, and scaling an existing Python system
• Implement robust testing, CI/CD pipelines, and cloud-ready architecture decisions

Book Description

Software engineering is more than coding; it’s the strategic design and continuous improvement of systems that serve real-world needs. This newly updated second edition of Hands-On Software Engineering with Python expands on its foundational approach to help you grow into a senior or staff-level engineering role.

Fully revised for today’s Python ecosystem, this edition includes updated tooling, practices, and architectural patterns. You’ll explore key changes across five minor Python versions, examine new features like dataclasses and type hinting, and evaluate modern tools such as Poetry, pytest, and GitHub Actions. A new chapter introduces high-performance computing in Python, and the entire development process is enhanced with cloud-readiness in mind.

You’ll follow a complete redesign and refactor of a multi-tier system from the first edition, gaining insight into how software evolves—and what it takes to do that responsibly. From system modeling and SDLC phases to data persistence, testing, and CI/CD automation, each chapter builds your engineering mindset while updating your hands-on skills.

By the end of this book, you’ll have mastered modern Python software engineering practices and be equipped to revise and future-proof complex systems with confidence.

What you will learn

• Distinguish software engineering from general programming
• Break down and apply each phase of the SDLC to Python systems
• Create system models to plan architecture before writing code
• Apply Agile, Scrum, and other modern development methodologies
• Use dataclasses, pydantic, and schemas for robust data modeling
• Set up CI/CD pipelines with GitHub Actions and cloud build tools
• Write and structure unit, integration, and end-to-end tests
• Evaluate and integrate tools like Poetry, pytest, and Docker

Who this book is for

This book is for Python developers with a basic grasp of software development who want to grow into senior or staff-level engineering roles. It’s ideal for professionals looking to deepen their understanding of software architecture, system modeling, testing strategies, and cloud-aware development. Familiarity with core Python programming is required, as the book focuses on applying engineering principles to maintain, extend, and modernize real-world systems.

Table of Contents

1. Introduction
2. Programming Versus Software Engineering Revisited
3. The Software Development Life Cycle
4. System Modeling
5. Methodologies, Paradigms, and Practices
6. Code Style and Related Standards
7. Functional Code Standards
8. Revisiting Development Tools
9. Revising the hms_sys System Project
10. Updating Projects and Processes
11. Re-Examining Options for Business Objects
12. Reviewing Business Object Data Persistence
13. Data Persistence and BaseDataObject
14. Testing the Business Objects
15. CI/CD Options
16. API Options
17. Assembling the API
18. The Final API, Deployed to AWS

About the Author

Brian Allbee has been a developer professionally for two decades. His experience includes web and system applications in several languages, for industries as varied as organization membership services, consumer health-care reporting, advertising, and cloud automation. He fell in love with Python just before 2.6 was available, and has focused his development efforts as much on Python as time and professional obligations allowed since then. He lives and codes in the Denver area.