Как быть востребованным Python разработчиком? Какие технологии нужно знать, чтобы легко найти работу? Какие библиотеки и фреймворки уходят в закат и перестают пользоваться популярностью? На все эти вопросы вы получите ответ в этой статье.

Цель статьи — развеять мифы относительно реального применения различных технологий, библиотек и фреймворков в коммерческой Python разработке. После чтения статьи вы научитесь принимать верные решения относительно изучения той или иной технологии, чтобы всегда оставаться востребованным разработчиком.

Последние 3 года я веду свой блог и активно общаюсь с Python разработчиками. И это помогает мне делать выводы относительно рынка труда более рационально, чем я делал в начале своей карьеры. Надеюсь, что этот материал даст тебе, дорогой читатель, пищу для размышления.

В этой статье я часто упоминаю слово «актуальность». Под актуальностью я имею в виду, что конкретная технология используется достаточно большим количеством разработчиков.

Сегодня мы будем говорить преимущественно о таких гигантах, как Django, FastAPI и Flask, а также затронем не менее важные библиотеки: для работы с базами данных, тестирования, сборки проектов. Поговорим о таких противостояниях, как uv vs poetry, pytest vs unittest и других. В общем, будет интересно. Усаживайтесь поудобнее и погнали!

Вы, скорее всего, встречались с кардинально противоположными мнениями: "Django умер, да здравствует FastAPI", "Сейчас на FastAPI уже не пишут, встречай LiteStar", "Вообще на FastAPI особо ничего не пишем, только на Django".

И знаете, что? Каждый из этих людей прав. Но есть один нюанс: каждый человек опирается на свой опыт, смотрит на свои проекты и свои возможности. Редко можно найти мнение опытного разработчика, который поработал в нескольких компаниях, пообщался с десятками других разработчиков на конференциях и митапах и может сделать более-менее корректный вывод относительно популярности конкретных технологий. Чаще всего мы живем в своем инфо-пузыре: общаемся только с коллегами по работе, сидим в 2-3 тематических чатах по Python и читаем комментарии на Хабре/Ютубе/Телеграме от других разработчиков, причем обычно не понимая, какой бэграунд они имеют за спиной, и насколько их мнение отражает реальность.

Сегодня мы взглянем на несколько способов оценивать актуальность технологий:

• упоминания в профессиональных чатах и сообществах
• звездочки на GitHub
• количество скачиваний конкретных библиотек
• количество запросов в Google/Яндекс
• количество вакансий в России и за рубежом

А в самом конце я дам ссылку на уникальный источник, который поможет вам делать рациональные выводы, опираясь лишь на конкретные данные.

Внимательный читатель мог догадаться, что способы оценки актуальности технологий мы будем рассматривать от самых недостоверных источников к самым достоверным. Но перед тем, как листать в самый низ, уделите время всем предыдущим способам, чтобы понять, почему они не являются достоверными, чтобы в будущем не делать ложных выводов.

Если говорить о тематических чатах, форумах и сообществах, то может сложиться мнение, что если взять все мнения участников чата и попытаться найти некий баланс, какое-то усредненное мнение относительно актуальности фреймворков и технологий, то мы придем примерно к следующему: "все технологии актуальны, и используются разработчиками". 

Почему же так? Давайте представим чат, где сидят разработчики с такими портретами:

• новичок без коммерческого опыта, который прошел курсы по Django, а потом еще и по FastAPI. Перепробовал кучу фреймворков и технологий. Умеет все и ничего одновременно
• студент, только что вкатился на стажировку, пишет на Litestar + uv
• Middle разработчик, сменил 3 компании, во всех писал на FastAPI + poetry + микросервисной архитектуре
• Senior с опытом 15+ лет, последние 5 лет поддерживает монолит на Django

Смогут ли они прийти к какому-то единому мнению? Вряд ли. Каждый из них занят на проектах разного масштаба: кто-то поддерживает legacy монолит, кто-то клепает простенькие круды на LiteStar, кто-то разрабатывает бэкенд для автономных автомобилей и юзает FastAPI.

Еще один момент: смогут ли эти 4 портрета разработчиков сосуществовать в одном чате/сообществе? Вряд ли. Новичок и студент все еще чувствуют себя самозванцами и не понимают, что реально происходит с рынком. Middle всю жизнь писал на одном стеке. Senior мог зазнаться и навязывать всем свое мнение, подкрепляя его своим опытом и авторитетом.

Мы приходим к следующей мысли: нам тяжело делать выводы по сообщениям разработчиков в чатиках, мы не знаем их бэграунд, мы не знаем их реальную насмотренность и не понимаем, нужно ли делить их слова на 2, 5 или 10.

Это любопытный способ проверки популярности и актуальности технологии на основе цифр, который часто используют новички. Если в предыдущем пункте у нас была выборка из 10-20 разработчиков с самыми разными мнениями, в данном способе мы уже работаем с мнением десятков тысяч людей, которое не может не врать. Или может?

Давайте посмотрим на репозитории: сейчас у Django 86 тысяч звезд, у FastAPI 92 тысячи, Flask - 71 тыс. Может сложиться мнение, что эти фреймворки одинаково популярны, и сделать случайный выбор в пользу того, который больше понравится.

А еще не будет лишним взглянуть на фреймворк, вокруг которого много хайпа последние пару лет - Litestar, у него, правда, всего 8 тысяч звезд – в 10 раз меньше, чем у старших собратьев. Значит ли это, что фреймворк в 10 раз менее востребован? Узнаем в конце статьи.

Обращу ваше внимание на следующие наблюдения: в части проектов их авторы активно призывают разработчиков ставить звездочку на GitHub, говоря, что это поможет росту проекта/сообщества. Авторы других проектов вообще не обращают внимание на звездочки, потому что понимают, что реальную ценность дает сам фреймворк, а не количество звезд на GitHub. Также, важно понимать, что какие-то проекты появились 15 лет назад, а какие-то буквально вчера. Это тоже важно учитывать при оценке проекта по его звездочкам. В конце концов, звездочки можно накручивать через ботов. Тяжело проверить в действительности, насколько настоящие эти звезды, поэтому мы переходим к более авторитетным источникам.

Есть несколько сайтов, которые трекают количество скачиваний библиотек. Давайте взглянем на один из них -  https://pypacktrends.com/ и возьмем на исследование 3 основных фреймворков в разрезе последних 2-х лет: Django, FastAPI, Flask.

Возьмем для анализа неделю с 15-21 сентября 2025 года. Тогда, судя по графику, началось доминирование FastAPI. Теперь к цифрам: около 35 млн скачиваний Flask и FastAPI и всего 7 млн скачиваний Django. Пу-пу-пууу. Что можно сказать? Не будем гадать, вот варианты, выбирайте понравившийся:

• Да и так было понятно, что Django умер, FastAPI и Flask сейчас топ фреймворки
• Ну конечно FastAPI обогнал Flask, давно пора
• Что-то не верю я этим цифрам, Django не может быть настолько низко. И вообще, почему рост не плавный, а такими рывками? Причем у всех фреймворков свои взлеты и падения. Подозрительно 🤨

Мне больше нравится последний вариант. И действительно, к такому способу оценки популярности есть несколько вопросов:

• скачивания можно так же накрутить, как и звездочки на GitHub
• откуда появляются такие сильные скачки, как, например, у Flask осенью 2024 года (9 млн в конце августа, 23 млн в начале сентября)
• а как это вообще считается? это скачивания пользователей или, например, CI/CD систем?

И все эти претензии довольно логичны. Суть в том, что скачивания библиотек чаще всего делают не пользователи, а сервера, которые отвечают за деплой приложений. Например, чтобы развернуть приложение, часто требуется повторное скачивание библиотеки. К тому же, FastAPI и Flask часто используются в микросервисной архитектуре, где вместо большого монолита на Django может быть 5-10 микросервисов.

Конечно, внимательный читатель обратит внимание, что при сборке, например, Docker контейнера, зависимости можно кэшировать и не скачивать повторно. Но вряд ли так делают все, и не факт, что все используют Docker для сборки.

К тому же, никто не мешает взять простенький сервер и скачивать свою библиотеку 24/7 через ботов - это делается довольно просто.

Подводя итог, можно сказать, что показатель количества скачиваний не отражает реальной картины использования фреймворка, но в целом может отражать динамику. При проведении собственного ресерча с целью понять, какие технологии учить, можно частично опираться на данные по скачиваниям.

Есть еще два замечательных источника информации по популярности технологии - это Google Trends и Яндекс.Вордстат. Они дают нам примерно одну и ту же информацию: как менялось количество запросов по конкретной теме со временем. Гугл хорошо показывает мировые тренды, а Яндекс – тренды внутри СНГ и России.

Давайте взглянем на тренды по всему миру, начиная с 2022 года:

Шкала отражает не абсолютное количество запросов, а относительное - по шкале от 0 до 100. По графику мы видим, что Django по-прежнему опережает другие фреймворки более чем в 2 раза – его ищут гораздо чаще. FastAPI и Flask последнее время трутся рядышком, но FastAPI потихоньку опережает собрата микро-фреймворка.

Смотреть на тренды в России через Google тренды не лучшая идея, т.к. график сильно искажается и становится ломаным, но тенденция очень похожа.

Теперь давайте посмотрим на Яндекс Вордстат и сравним три фреймворка.

На октябрь 2025 года по Django 69 тыс. запросов, Flask - 27 тыс., FastAPI - 22 тыс. А это уже любопытно! Потому что если сравнить результаты общемировых Google трендов и Яндекс Вордстат трендов, то сохранится пропорция: Django ищут в ~2 раза больше, а FastAPI и Flask находятся примерно на одном и том же уровне. Это уже успех! Или нет? Давайте поразмышляем, от чего зависит количество запросов.

В Django есть встроенные батарейки. Когда тебе нужна авторизация, ты ищешь django auth, когда пытаешься разобраться, как написать сложный SQL-запрос, гуглишь django orm sql. С этим фреймворком в принципе сложнее разобраться: у него куча встроенных батареек и готовых плагинов, которые нужно изучать. Фреймворки же по типу Flask и FastAPI говорят нам: используй любые другие библиотеки в связке с нашим фреймворком и все будет работать. То есть когда разработчик ищет в поиске "как написать запрос SQLAlchemy", "как написать тест pytest", он не вставляет фреймворк в запрос, потому что понимает, что фреймворк не несет ответственности за работу с базой данных или аутентификацию.

Тем не менее, эти данные демонстрируют нам, что Django все еще жив, и множество разработчиков используют его, поэтому списывать Django со счетов пока точно рановато.

Мы подобрались к метрике, которая, на мой взгляд, лучше всех остальных отражает востребованность конкретной технологии на рынке труда. Можно бесконечно спорить о том, что "сейчас учить, чтобы найти работу", но стоит лишь зайти на агрегатор вакансий, как всё встает на свои места.

Сначала посмотрим на российский рынок. Скриншоты сделаны на сайте hh.ru:

Внезапно! Оказывается, что по FastAPI на 40% больше вакансий, чем по Django, а Flask почти в 2 раза уступает Django по востребованности.

Вы можете возразить: часто в вакансиях ищут сразу несколько фреймворков по типу "Ищем Python разработчика со знанием Django/Flask/FastAPI".

Здесь нам поможет язык поисковых запросов хедхантера. Введя нехитрые запросы, получаем:

• Только Flask - 183 вакансии 
• flask AND NOT (fastapi and django)
• Только Django - 426 вакансий
• django AND NOT (flask and fastapi)
• Только FastAPI - 629 вакансий
• fastapi AND NOT (flask and django)

Количество вакансий закономерно уменьшилось, но пропорции остались те же: сейчас ищут больше всего разработчиков именно на фреймворке FastAPI.

Конечно, вы можете добавить больше фильтров и условий в хедхантере, выбрав конкретную специализацию, свой город и т.п., но пропорции останутся примерно теми же.

Надеюсь, после прочтения предыдущих способов у вас возник закономерный вопрос: а можно ли накрутить количество вакансий? Конечно, можно! Достаточно, на протяжении длительного времени (несколько лет) регулярно платить за размещение вакансий. Выигрывает ли от этого кто-то? В целом да, от этого могут выиграть крупные компании, которым иногда нужно делать вид, что они активно нанимают, чтобы инвесторы вкладывали больше денег в них. Но подходит ли это для нашей ситуации? Не совсем. Большие компании занимают не более 50% от количества вакансий. В России гораздо больше компаний из малого и среднего бизнеса, которым нужны разработчики. Чтобы проверить это, достаточно зайти на тот же хедхантер и посмотреть, как много компаний из списка вы знаете (скорее всего - процентов 10-15).

Окей, мы поняли, что FastAPI доминирует на российском рынке Python разработки. Но, постойте, ведь это данные лишь за конкретно взятый день. Грубо говоря, это просто снэпшот, который завтра или послезавтра может измениться и дать совсем другие цифры. Что, если бы существовал сервис, который отслеживает во времени количество вакансий по всем технологиям, чтобы понять, действительно ли "FastAPI доминирует" или это просто такой день выдался, когда вакансий по нему было больше? Такой сервис есть, и я расскажу о нем в конце статьи.

Некоторые из вас точно когда-то задумывались о том, чтобы работать на зарубежную компанию и получать зарплату в долларах/евро и жить припеваючи. Что ж, давайте исследуем западный рынок вакансий!

Сразу скажу, что LinkedIn в последний год очень странно ведет себя в плане количества вакансий. Например, если искать вакансии в США по Django и по FastAPI, то окажется, что вакансий по Django - 7000, а по FastAPI - всего 16. Учитывая все предыдущие способы проверки актуальности, в эти цифры не верится от слова совсем. Поэтому мы возьмем другие известные площадки, где поиск выдает +- адекватные данные: glassdoor, jooble, upwork.

• Upwork: FastAPI: ~600 проектов, Django - ~850, Flask - ~600
• Glassdoor: FastAPI - 934, Django - 744, Flask - 463. Поисковый запрос

Indeed: FastAPI - 900, Django - 700, Flask - 400. Поисковый запрос

Судя по данным, FastAPI и Django уверенно занимают 1-е и 2-е места, соответственно, по количеству вакансий/проектов за рубежом (по данным в США). 

Как и обещал, делюсь сервисом, который трекает количество вакансий с хедхантера по всем направлениям, языкам, фреймворкам, базам данных и др. 
Сервис называется Солвит, и у него есть специальная страничка с этими данными:
https://solvit.space/analytics/vacancies

Вот данные за последние 3 месяца по трем нашим героям: FastAPI, Django и Flask. И по графику отчетливо видно, что бывают спады и подъемы, но пропорция сохраняется – FastAPI продолжает уверенно лидировать в гонке фреймворков.

Вы можете взять любые библиотеки и понять, насколько они актуальны в данный момент.

Мы посмотрели на несколько способов проверить актуальность и востребованность технологий. При выборе фреймворков и библиотек для изучения не пренебрегайте каждым из этих способов - они в той или иной мере отражают актуальность. Я всегда в первую очередь смотрю на количество вакансий. Если про какую-то технологию активно пишут статьи, снимают видео и всячески рекламируют, но на рынке она не востребована, – значит не стоит выделять все ресурсы и время на ее изучение. Лучше изучать то, за что компании готовы платить, чтобы всегда оставаться востребованным разработчиком. Желаю вам успехов в изучении нового! Увидимся в будущих статьях.

Каждые 6 месяцев я делаю снэпшот рынка труда Python Backend разработки. Если вы хотите узнать, каким был рынок Python Backend разработки в 2023 и 2024 годах, и как Django и Flask постепенно теряли позиции, заглядывайте в телеграм-канал:

• Пост Ноябрь 2023
• Пост Май 2024
• Пост Ноябрь 2024
• Пост Май 2025
• Пост Ноябрь 2025