Сергей Горностаев

Во-первых, надо написать javascript-код, который будет обрабатывать событие прокрутки, вычислять необходимую страницу, делать запрос к серверу и отображать полученные от сервера данные. Во-вторых, надо написать представление, которое в ответ на ajax-запрос будет отдавать json с необходимыми данными. Добавленный в вопрос код вам в этом не пригодится.

Исполняемые файлы формата COM невозможно запустить без эмулятора на 64-разрядной Windows.

{% load i18n %}

{% language 'en' %}
  {{user.date_joined|date:'r'}}
{% endlanguage %}

Каждую неделю задают этот вопрос. Используйте объединение.

Вместо пелёнки из if'ов намного проще и эффективнее использовать индекс в списке, если элементы в списке - это следующие по порядоку числительные:

NUMERALS = [
    'zero',
    'one',
    'two',
    ...
]

def numeral2number(numeral):
    return NUMERALS.index(numeral.lower)

А если не по порядку, то словарь

NUMERALS = {
    'zero': 0, 
    'one': 1,
    'two': 2,
    ...
}

def numeral2number(numeral):
    return NUMERALS.get(numeral.lower)

Принципы работы сетей, стек сетевых протоколов, в частности протокол http, механизмы Java для работы с http, популярные сторонние библиотеки, такие как okHttp и Retrofit, и обязательно механизмы многопоточности в Android.

Во-первых, если уж хранить изображения в БД, то не в base64, а в виде BLOB'ов. Во-вторых, это не уменьшит количество запросов к серверу, а наоборот увеличит нагрузку на бэкенд и БД.

Прежде всего хочу заметить, что Spring Data - это просто надстройка над JPA, автоматически генерирующая репозитории. Под капотом тот же EntityManager. Который, кстати, на каждой выборке одной и той же записи из базы возвращает новый объект.

По сути же вопроса: JPA - это стандарт объектно-реляционного отображения, а MongoDB - это не реляционная СУБД. То есть JPA не нужен. Единственный смысл в его использовании вместе с MongoDB - это для разработки универсального слоя доступа к данным, позволяющего легко менять СУБД на лету. А Spring Data для таких задач подходит как нельзя лучше.

accept - это блокирующийся вызов. Блокирующие вызовы надо выполнять в отдельном потоке.

Достаточно определить в обработчике соответствующий метод:

class MyConsumer(AsyncWebsocketConsumer):
    async def disconnect(self, close_code):
        # соединение закрылось

First, it always recompiles and does not store the result for the module that’s loaded directly from the command line.

Значит, что скрипт переданный интерпретатору непосредственно будет всегда компилироваться заново. Если написать python test.py, то неважно есть ли test.pyc. А если test.py будет импортироваться из другого скрипта или интерактивного сеанса интерпретатора, то будет загружена скомпилированная версия из кэша.

Second, it does not check the cache if there is no source module.

Если нет исходного файла, кэш в каталоге __pycache__ будет проигнорирован.

To support a non-source (compiled only) distribution, the compiled module must be in the source directory and there must not be a source module.

Чтобы выполнялась скомпилированная версия при отсутствии исходника, нужно чтобы pyc-файл лежал не в __pycache__, а вместо py-файла.

Алгоритм быстрой сортировки обычно очень хорошо распараллеливается, но не в Python.

GIL не усыпляет и не пробуждает потоки. GIL - это блокировка, используемая системными потоками интерпретатора, гарантирующая, что два или более потока не будут выполняться одновременно. Поток интерпретатора вызывает cv_wait на GIL с таймаутом в 5 миллисекунд. Если GIL не будет освобождён в течении 5 мс, поток установит переменную gil_drop_request и вызовет cv_wait ещё раз. Поток владеющий GIL периодически проверяет состояние переменной gil_drop_request и освобождает GIL, если она установлена. Так же поток освобождает GIL при любых операция ввода\вывода.