تنها هندلر تعریف شده براش چون console هست درخواست به handlers و console ارسال میشه و اینجا کلاس تعریف شده براش rich هست (برای همین خروجی توی کنسول همچنان رنگی هست) و برای فرمت لاگ handlers درخواست رو باید برای formatters و بطور خاص file ارسال کنه. قشنگی داستان اینجاس که file از کلاس
pythonjsonlogger.jsonlogger.JsonFormatter
استفاده می‌کنه من بازم فرمت datetime رو استاندارد کردم و فرض کردم تعداد درخواست های به سرورم زیاد و در حد هزارم میلی‌ثانیه هست برای همین
%(msecs)03d
یعنی تا هزارم میلی ٍثانیه رو هم اضافه کردم.
خط آخر یعنی format خیلی باشعور هست python-json-logger میگه تو فقط به من بگو چی رو لاگ بندازم فرمت معنی نداره من از اون مقدار بعنوان key استفاده خواهم کرد؛ و چیزی که برای اون میاد رو value در نظر میگیرم.
لیست کامل این موارد رو روی داکیو.منت logging می‌تونید بخونید و حتی می‌تونید format خودتون رو هم تعریف کنید (مثلا شماره موبایل رو جدا بگیره) اما حواستون باشه حتما باید json serializable باشه.


توی مثال بعدی fileRotate رو میگم که بسیار استفاده میشه؛ و بعد هم یکم کاستوم کلاس برای فیلتر می‌نویسیم که شماره موبایل اگر توی لاگ بود بصورت کامل نمایش داده نشه
همون باگی که گفتم دولوپرهای اون شرکت داشتند.

ازینجا به بعدش رو دوس دارم (الان در سطح مدیور این پکیج رو میشناسید.)
اولین حرکت؛ به pyhinst logger گفتم اگر درخواست log برات اومد. باید برای دوتا هندلر بفرستی؛
1- console
2- file
کنسول رو همیشه نگه میداریم برای داکر که راحت باشیم؛ فایل رو برای شرکت‌های قدیمی‌تر که بکاپ زمانی یا توی مثال بر اساس حجم نگه می‌دارند.

تغییر بعدی که داره اضافه شدن file به handlers هست.
اول از همه؛ گفتم کلاسش باید
logging.handlers.RotatingFileHan
dler
باشه؛ جلوتر میگم معنی Rotate File چی هست (قبلا هم مثال زده بودم البته)

توی خط بعدی بهش گفتم که فقط لاگ‌های سطح warning یا بالاتر رو توی فایل بنویسه و برای formatter هم همون jsonl رو استفاده کنه.
اسم لاگ فایل رو گفتم pyhints.log بذاره (تبلیفات نداریم دیگه)
و اما ۲ خط بعدی؛ وقتی از log rotate حرف میزنیم باید براش ی محدودیت بذاریم اینجا من گفتم بر اساس سایز باشه maxBytes روی 10mb یعنی اینکه اگر حجم فایل pyhints.log به 10mb رسید اسم فایل رو عوض کن (معمولا ی عدد به آخرش اضافه می‌کنه مثلا pyhinst.log.1) و این فایل رو کنار بذار و یک فایل جدید شروع کن دوباره به اسم pyhints.log.

اما خب شاید بگید چقدر از این فایل‌های 10mb درست می‌کنه ؟
یک کانفیگ اشتباه اینجا می‌تونه هارد سرور رو به راحتی پر کنه (این اتفاق هم میوفته)
پس توی خط بعدی بهش backupCount میدم؛ و اینجا بهش گفتم 10 تا ازون فایل‌های 10mb رو می‌تونی نهایتا نگهداری کنی؛ سوال: بعد از ۱۰ تا چی میشه ؟
هیچی قدیمی ترین فایل لاگ حذف میشه تا لاگ جدید نوشته بشه؛ یعنی توی این مثال وقتی pyhinst.log.10 ساخته شد دفعه بعدی که قرار باشه فایل نوشته بشه pyhints.log.1 حذف میشه و بار بعدی pyhints.log.2 و این چرخه تا لازم باشه تکرار میشه.
در نهایت هم encoding: utf8 خیلی‌ها میگن من حساس هستم و نیاز نیست و ... حق هم میدم بهشون.
ولی وقتی کدها ممکنه دست افراد و تیم بین‌المللی و چندزبانی بیوفته شخصا ترجیخ میدم دیفالت رو بذارم؛ اینجوری مثلا اگر دست یک شرکت چینی هم بدم کدهام رو اون‌ها می‌دونند درصورت نیاز کجای کد رو باید تغییر بدهند و utf16 بذارند و ...
پس این یعنی دردسر کمتر
و چه بهتر که وجود داشته باشه این دیفالت.

اینم یک مثال (شروع سطح سنیور کار با logging)
مثال آخر.

اولین نکته؛
environment = "production"

خط ۷ تا ۱۸ من یک کلاس فلیتر تعریف کردم که قرار اگر توی لاگ رکورد چیزی به اسم phone وجود داشت بخش اول اون رو با * بپوشونه و بصورت دیفالت فقط ۴ رقم آخر رو نشون بده.
اگر لاگ رو برای دیتاساینس و .. میخواید بفرستید و شماره همراه مهم هست می‌تونید اونو با hash یا ... که unique باشه برای هر شماره موبایل جایگزین کنید. اینطوری تیم دیتا می‌تونه کارهاش رو انجام بده و می‌دونه که یوزر چیکار داره می‌کنه اما هیچوقت نمی‌دونه اون یوزر کی هست duckduckgo و شرکت‌های vpn و ... که تاییدیه عدم افشای هویت دارند هم از تکنیک مشابه برای recommendation , ... استفاده می‌کنند؛ برگردیم سراغ کار خودمون.
توجه کنید این کلاس فقط ی متغییر مهم داده display_digits لازم نبود ولی گذاشتم که یاد پست اول این موضوع بیوفتید که گفتم هرچیزی بعد از کلاس argument های اون کلاس هست.
اگر متوجه نشدید بریم روی خط 26 جایی که برای اولین بار دارید filters رو می‌بینید اولین مورد که اسمش هست hide_phone چون کلاسی که استفاده کردم کاستوم و داخل پروژه و همین فایل هست.

بنابراین بجای کلید class از () استفاده میشه.
و همونطور که قبلا هم گفتم هر چیزی که بعد از این بیاد ورودی‌هایی هست که اون کلاس قبول می‌کنه؛ من اینجا گفتم اگر توی dev نبودم فقط ۴ کاراکتر آخر شماره تلفن رو نشون بده ولی اگر روی dev بودم ۱۰ تاش رو نشون بده.

حالا فقط کافیه filter ایی که تعریف کردم رو به هرکدوم از handler هایی که لازم هست پاس بدم که توی خط 57 دارم اینکار رو برای file handler انجام میدم.
سوال : چطوری phone رو به logRecord اضافه کنیم ؟
خط ۷۵ رو ببینید؛ وقتی یک کلیدی داریم که بصورت دیفالت روی logger تعریف نشده؛ راه قشنگش اینه که اون رو توی extra برای logger های مورد نظر ارسال کنیم:
logger.critical("Call meeeeeeee", extra={"phone": "09121212122"})
خروجی میشه چیزی که توی تصویر می‌بینید.

در نهایت باید اشاره به یک موضوع دیگه هم بکنم (یادم نیست قبلا گفتم یا نه)

خط ۷۲ یک اشتباه؛ یا bad practice هست من برای اینکه بتونم دمو بدم اینکار رو کردم
logging.getLogger("pyhints.log_config")
هیچوقت توی getLogger اسم رو بصورت دستی نمی‌دیم راهکار درست:
logging.getLogger(__name__)

اینجوری وقتی دارید از logger توی پروژه استفاده می‌کنید با توجه به اسم پوشه پروژه logger درست صدا زده می‌شه و هیچوقت هم لازم نیست یادتون بمونه کدوم logger رو کی و کجا با چه اسمی راه اندازی کردید.

خواهشا همیشه؛
logger = logging.getLogger(__name__)
رو اول اسکریپت بذارید؛ من فقط برای نمایش دمو خط ۷۲ به بعد رو توی این فایل و بدین صورت گذاشتم.

فایل نهایی کدهایی که صحبت شد
فقط جهت تمرین.

نوروز این زیباترین جشن ایرانی پیشاپیش بر همگان مبارک.

توی سال جدید
برای وطنم ایران؛ آرزوی آزادی آزادی آزادی و آبادی دارم.

برای مردمم و خودم؛ آرزوی آگاهی آگاهی آگاهی و سلامتی و شادابی دارم.

یادی هم بکنیم از همه‌ی بچه‌های پاک وطن که به جرم دادخواهی؛ آزادی و آگاهی شکنجه یا کشته شدند.

سالی سراسر آزادی؛ آگاهی و شادابی رو برای همگی آرزو می کنم.

منبع تصویر، گوگل سرچ.

لطفاً پیام‌های پین شده کانال رو بطور کامل نگاه کنید، قبل از هرگونه سوال و جواب : 🌹

زحمت این پست رو یکی از اعضا کشیدند 🌹

logging :
https://t.iss.one/pyHints/446
https://t.iss.one/pyHints/81
https://t.iss.one/pyHints/127

Dunder methods
https://t.iss.one/pyHints/12
https://t.iss.one/pyHints/14
https://t.iss.one/pyHints/20
https://t.iss.one/pyHints/29
https://t.iss.one/pyHints/43
https://t.iss.one/pyHints/320

Cache
https://t.iss.one/pyHints/30
https://t.iss.one/pyHints/33
https://t.iss.one/pyHints/107


Linux:
https://t.iss.one/pyHints/401
https://t.iss.one/pyHints/258
https://t.iss.one/pyHints/271
https://t.iss.one/pyHints/273
https://t.iss.one/pyHints/347
https://t.iss.one/pyHints/401

Data structer in python:
https://t.iss.one/pyHints/15
https://t.iss.one/pyHints/64
https://t.iss.one/pyHints/115
https://t.iss.one/pyHints/283
https://t.iss.one/pyHints/294
https://t.iss.one/pyHints/373
https://t.iss.one/pyHints/408

Exception :
https://t.iss.one/pyHints/56
https://t.iss.one/pyHints/57
https://t.iss.one/pyHints/58
https://t.iss.one/pyHints/60
https://t.iss.one/pyHints/77
https://t.iss.one/pyHints/367

Dis-Disassembler for Python bytecode:
https://t.iss.one/pyHints/96
https://t.iss.one/pyHints/99


Async:
https://t.iss.one/pyHints/117
https://t.iss.one/pyHints/137
https://t.iss.one/pyHints/150

Profiling:
https://t.iss.one/pyHints/148
https://t.iss.one/pyHints/109
https://t.iss.one/pyHints/146
https://t.iss.one/pyHints/277
https://t.iss.one/pyHints/279
https://t.iss.one/pyHints/280
https://t.iss.one/pyHints/288

decorator:
https://t.iss.one/pyHints/37
https://t.iss.one/pyHints/41
https://t.iss.one/pyHints/47

Duck tpye & dynamic protocl:
https://t.iss.one/pyHints/328
https://t.iss.one/pyHints/331
https://t.iss.one/pyHints/336
https://t.iss.one/pyHints/338

Book &roadmap &video :
https://t.iss.one/pyHints/16
https://t.iss.one/pyHints/101
https://t.iss.one/pyHints/123
https://t.iss.one/pyHints/168
https://t.iss.one/pyHints/194
https://t.iss.one/pyHints/196
https://t.iss.one/pyHints/210
https://t.iss.one/pyHints/223
https://t.iss.one/pyHints/231

Income:
https://t.iss.one/pyHints/50
https://t.iss.one/pyHints/87
https://t.iss.one/pyHints/394

Package management:
https://t.iss.one/pyHints/73
https://t.iss.one/pyHints/402

Experiments:
https://t.iss.one/pyHints/85
https://t.iss.one/pyHints/93
https://t.iss.one/pyHints/108

Standard file for software and backend developers:
https://t.iss.one/pyHints/178
https://t.iss.one/pyHints/180
https://t.iss.one/pyHints/181
https://t.iss.one/pyHints/186
https://t.iss.one/pyHints/190

Other important post:
https://t.iss.one/pyHints/111
https://t.iss.one/pyHints/27

#summary #all_in_one_1402

#خارج_از_بحث

توی این مدت تعطیلی ( فقط ۴ ساعت در روز, تسک داشتم ) ۲ تا پروژه جالب رو دنبال کردم که نتایجش برام جذابتر بود ؛

1- Rust
روی rust-lang خودم رو آپدیت کردم، یک سری از موارد که خوب درک نکرده بودم برام خیلی خیلی بهتر جا افتاد و دلیلش رو متوجه شدم، همین بحث رو دارم ادامه میدم و برای آخر فروردین یک مصاحبه هم برای خودم رزرو کردم.

البته این وسطا ۱۵ فروردین یک مصاحبه هم دارم ولی هدف گذاریم مصاحبه آخر فروردین هست.

اگر علاقه داشتید، این کانال من هست درحال یادگیری هستم و خیلی خوبه همین اول کار یک کامیونیتی خوب کنار خودم داشته باشم :
https://t.iss.one/pyrust

خوندن بخش‌هایی از کرنل لینوکس (نسخه جدید) و بخش‌هایی از سورس کد گیت (نسخه‌ای که با Rust داره بازنویسی می‌شه, غیر رسمی) جزو اهداف بعدیم هستند.

2-droidian

خیلی وقته گوشی فعلیم رو دارم (۵-۶ سال)، دروغ چرا فوق‌العاده ازش رضایت دارم ولی software update براش تموم شده و چند وقت دیگه security هم تموم میشه.

خودم چندتا Distribution مختلف رو روش تست کردم، اما دیگه مراقبت ازش وقت زیادی میگیره.
تصمیم گرفتم اگر امسال Nothing phone 3 با مشخصات flagship معرفی شد عوضش کنم (اگر نشد ۱ سال دیگه صبر کنم).
و توی تعطیلات داشتم به این فکر میکردم که این دستگاه همه‌ی قابلیت‌های خوب رو داره و حیف هست که همینطوری بذارمش توی کمد (همه‌ی دیوایس‌هام رو نگه میدارم)
برای همین به ذهنم رسید روش لینوکس نصب کنم و service های ساده‌ای که دارم برای اتوماسیون کدها و ... رو روی این دستگاه بیارم (خیلی از raspberry pi ایی که دارم قویتر هست، ۱۲ گیگ رم، ۵۱۲ گیگ حافظه و ...)

روی یک گوشی قدیمی‌تر (برای یکی از دوستان) بررسی کردیم و نتایج عالی بود.

https://droidian.org/

گفتم اگر شما هم مثل من گوشی قدیمی دارید، بد نیست به این پروژه سر بزنید‌.
مخصوصاً اگر کلی پروژه و سرویس برای مانیتور کردن دارید (مثلاً مدل هوش مصنوعی)
یا میخواید، از راه دور سیستم رو روشن کنید یا ...

یکسال از زمانی که اولین پست کانال رو گذاشتم گذشت ( پیام‌های پین شده؛ معرفی خودم و هدف کانال )
به لطف خیلی از شما عزیزان و با به اشتراک گذاری پست‌ها کانال بدون هیچ تبلیغاتی حالا به بیش از 4k عضو رسیده.

توی کانال از اساتید ایرانی دانشگاهای بین‌المللی؛ مدیران ایرانی شرکت‌های داخلی و خارجی؛ توسعه دهنده‌های senior پایتون بسیار باسواد تا حتی نیروهای تازه کار همه مدل افرادی رو داریم.

چیزی که من رو شدیدا جذب ادامه نوشتن مطالب می‌کنه همین موضوع هست؛ توی این ۱ سال با آدم‌های زیادی آشنا شدم؛ شاید هیچ سود و منفعت مالی برای هم نداشتیم اما صحبت با شما برای من بسیار ارزشمند و بسیار جذاب بوده
راجب موضوعات لذت بخشی صحبت کردیم و بسیار بسیار مطالب و دید جدید گرفتم از شما عزیزان.

حالا چرا این مطلب رو دارم می‌نویسم ؟
هم انگیزه هم ترس.
روز اولی که کانال رو راه اندازی کردم؛ با خودم فکر میکردم فقط و فقط مطالب سطح advance و بدون توضیحات مقدمات طوری که هر پست کمتر از ۱ ساعت وقت بگیره.
اما الان که داشتم پست جدیدی رو آماده می‌کردم؛ دیدم نمی‌تونم بدون توضیح بخش‌های دیگر (ابزار دیگری) کد رو بذارم و آموزش به ۷ آموزش دیگه تقصیم شد. (این شد ترس؛ دیگه آماده سازی هیچ پستی ۱ ساعته نخواهد بود.)

اما بسیار هم خوشحالم؛ با چندتا از شما عزیزان توی این تعطیلات صحبت داشتم و وقتی به چت‌های روزهای اول نگاه می‌کنم تغییرات بسیاری رو می‌بینم؛ پیشرفت و انتخاب مسیر درست و این من رو بسیار خوشحال می‌کنه چون هدفم از روز اول همین موضوع بود.

همین پیشرفت شما باعث شد موضوعاتی رو بحث کنیم که شاید قبل از این ۱ در ۱۰۰۰ فرصتش برام پیش میومد تا بحث کنم راجبش و بعضی صحبت‌ها و سوالات باعث شد شخصا بسیار بسیار یاد بگیرم.

برای سال جدید مسیر کانال شاید کمی متفاوت باشه؛ کمی وارد جزئیات میشم توی پست‌ها.
خوانش گروهی کتاب رو بجای محدود کردن به ۱۰۰-۲۰۰ عضو و بر اساس فایل‌هایی که گروه اول درست کردند پیش خواهم برد.
سعی می‌کنم ارائه‌ها با خودم باشه؛ و بعد از هر جلسه گوگل میت؛ ویدئو ارائه روی یوتیوب قرار بگیره و بصورت همزمان بعد از اتمام کتاب توسط گروه اول با بعضی از اعضا سراغ کتاب‌های موضوعی بریم:
Django, Pytorch, Deep learning, ...
و به همین ترتیب ادامه بدیم.

امیدوارم سال جدید هم؛ موضوعات و کانال و روش ارائه به اندازه سال قبل و حتی بیشتر مفید باشه.

درنهایت؛ مرسی از همگی.

پ.ن : هر پیشنهاد یا انتقادی دارید. حتماً بهم بگید، قطعاً هرچیزی که باعث پیشرفت اعضا باشه
من رو هم خوشحال خواهد کرد ☺️

توی پست قبلی زیر sample.env خروجی دستور tree رو هم گذاشتم (نباید اینجا باشه) فقط گفتم شاید توی مثال‌های بعدی لازم شد.
اما مهمترین فایل این مثال config.py هست.

راجب lru_cache قبلا صحبت کردیم؛ اما بطور خلاصه بخوام یادآوری کنم.
اگر یک تابع در طول پروژه مقدار هربار که صدا زده میشه مقدار ثابتی رو بر میگردونه اون رو با lru_cache دکوریت می‌کنیم تا هربار سربار برای فراخونی و پردازش ندیم و بعد از یکبار پردازش خروجی ذخیره بشه و برگرده ( سرعت بیشتر؛ سربار کمتر)

خط ۶ تا ۱۱ :
من از Config بجای Setting استفاده می‌کنم که با کلاسای Pydantic اشتباه نشه؛ وظیفه BaseConfig رو معمولا برای پیدا کردن .env و تنظیم ENV_STATE تعریف میکنم.
تنها نکته مهم اینه که extra="ignore"r رو میذارم که اگر کلید اضافی هم توی .env داشتم pydantic اونارو ignore کنه و ارور نده.

ازینجا به بعد همه تنظیماتم رو بر اساس BaseConfig انجام خواهم داد؛ چون کد من کوچیک هست دیگه بخش دیتابیس و ردیس و ... رو جدا نکردم و همه چیز رو میخوام در نهایت داخل settings تحویل یوزر بدم.
from config import settings

ادامه پست بعدی.

خط ۱۴ تا ۱۹:
همیشه اسمش رو Global بهش میدم تا همه بچه‌های تیم بدونند تحت هر ENV_STATE ایی که باشه این تنظیمات برای پروژه واجب هست.
و بعد از این برای هر ENV_STATE یک کلاس جداگونه تعریف میشه؛ بعضی‌ موارد ممکنه مقدار default داشته باشند مثل MONGO_DBNAME توی کلاس DevConfig (دوباره برمیگردم سراغش). اما توی خط بعدی
SettingsConfigDict(env_prefix="DEV_")
چیزی که خیلی مهم هست env_prefix هست که میگه اسم‌های هرکدوم از تنظیمات لازم که توی Global تعریف شده اگر اولش DEV_ داشت توسط این کلاس هندل میشه؛ زیاده روی هست ؟ شاید باشه ولی اینطوری مطمئن میشم طرف بیشتر حواسش جمع هست موقع ساخت .env همین کار رو برای موارد دیگه هم انجام میدم. من case_sensitive رو True نمیذارم هیچوقت (شاید یکی حال نمی‌کنه از کاراکترهای uppercase استفاده کنه توی .env )

خط ۳۶ تا ۴۷:
همونطور که گفتم من هرجا تابعی دارم که return value ثابتی رو خواهد داشت یا حتی input argument های محدودی داره که همیشه return value خاص خودشون رو تولید می‌کنند از lru_cache استفاده می‌کنم که سربار کمتری روی سیستم و پردازش داشته باشه (بیشتر نمیگم چون قبلا راجبش صحبت‌ کردم؛ مثالش توی نجات پروژه رو هم زدم)
توی این تابع بر اساس مقداری که BaseConfig از .env برای ENV_STATE خواهد گرفت class معادلش رو صدا میزنم.
اما برای اینکه مطمئن بشم مقدار ENV_STATE برای مثلا DEV در صورت وجود DEV_ENV_STATE خونده نمی‌شه موقع ساخت instance اینکارو کردم :
return DevConfig(ENV_STATE="development")
که یعنی مهم نیست یوزر چی خواسته یا اینکه اصن تعریف کرده یا نه باید development باشه ENV_STATE ایی که از DevConfig میاد.

حواستون باشه ENV_STATE , DEV_ENV_STATE تنظیمات متفاوتی هست از نظر کدهای بالا بخاطر env_prefix هرچیزی که env_prefix درست رو نداشته باشه بی‌اهمیت میشه توی اون کلاس.

print(settings.model_dump())
وظیفه model_dump بازگردان خروجی بصورت dictionary هست همون کار
settings.dict()
رو می‌کنه که اتوی آپدیت‌های بعدی قرار هست deprecate بشه.

شمارو نمی‌دونم ولی من این تنظیم رو به شکوندن فایل‌ها به ۱۲ تا فایل بیس و بعدم monkey patch برای هر environment ترجیح میدم.

اما اگر تنظیمات بسیار زیادی داشتید؛ می‌تونید ازین حالت هم استفاده کنید :
├── config
│ ├── base.py
│ ├── dev.py
│ ├── __init__.py
│ ├── prod.py
│ └── test.py

و توی init تابع get_config , settings رو داشته باشید :

from functools import lru_cache

from config.base import BaseConfig, BaseSettings
from config.dev import DevConfig
from config.prod import ProdConfig
from config.test import TestConfig


@lru_cache()
def get_config(env_state: str | None) -> GlobalConfig:
    try:
        match env_state.casefold():  # type: ignore
            case "production" | "prod":
                return ProdConfig(ENV_STATE="production")  # type: ignore
            case "test":
                return TestConfig(ENV_STATE="test")  # type: ignore
            case _:
                return DevConfig(ENV_STATE="development")  # type: ignore
    except AttributeError:
        return DevConfig(ENV_STATE="development")  # type: ignore


settings = get_config(BaseConfig().ENV_STATE)

موقع استفاده هم یوزر راحت هست :

from myproject.config import settings

بنظرم این مورد هم حتی تمیزتر هست.‍‍‍

یک اشتباهی توی این تصویر هست (توی پست بعدیش درست کردم) خط ۳۷ type خروجی باید GlobalConfig باشه یعنی حالت درستش این هست :

def get_config(env_state: str | None) -> GlobalConfig:

پست خودش به محدودیت تعداد خط رسیده بود مجبور شدم ی پست جدید بزنم.

کدهای مثال قبل
فقط جهت تمرین.

همین ابتدا بگم این مثال ایراد فنی داره :
connection
باید داخل
try, except, finally
باشه و این موضوع که هربار connection جدیدی به دیتابیس ایجاد بشه هم چیز خوبی نیست اما مثال خوبی برای آموزش هست:
from contextlib import
contextmanger

میخوام راجب contextmanager صحبت کنم؛ وقتی میخوایم ی context manager توی پایتون بسازیم باید پروتوکل درستش رو رعایت کنیم؛ یعنی یک کلاسی بنوسیم که
__enter__, __exit__
رو داشته باشه؛ توی همین کدهایی که داشتم review میکردم کلی کلاس دیدم که هیچ کار خاصی نمیکرد جز اینکه همین ۲ تا متد رو پیاده سازی کنه.

اگر شما هم شرایط مشابه‌ایی داشتید از
contextmanager decorator
استفاده کنید؛ کافیه یک تابع بصورت generator بنویسید هرچیزی قبل از yield میشه __enter__ و خود yield مقداری هست که
with connect_to_mongodb() as db
برای db (آنچه که بعد از as) میاد بر میگرده و وقتی کار contextmanager شما یا همون with تموم شد generator شما چیزی که بعد از yield اومده رو بعنوان __exit__ اجرا خواهد کرد.

from contextlib import asynccontextmanger
هم مورد مشابهی هست برای مواردی که
__aenter__, __aexit__
رو داریم.

سورس کد مثال تصویر +
exception handling
پ.ن:
بهتر بود URI رو هم خارج از connect_to_mongodb ساخته بشه.