파이썬은 Guido van Rossum이 1989년에 만든 프로그래밍 언어이다.1
python 명령어 도구를 제공한다.
터미널에 python -m this를 입력하면 Zen of Python라 불리는 파이썬의 **핵심 철학*을 보여주는 이스터 에그이다.
$ python -m this
The Zen of Python, by Tim Peters
Beautiful is better than ugly.
Explicit is better than implicit.
Simple is better than complex.
Complex is better than complicated.
Flat is better than nested.
Sparse is better than dense.
Readability counts.
Special cases aren't special enough to break the rules.
Although practicality beats purity.
Errors should never pass silently.
Unless explicitly silenced.
In the face of ambiguity, refuse the temptation to guess.
There should be one-- and preferably only one --obvious way to do it.
Although that way may not be obvious at first unless you're Dutch.
Now is better than never.
Although never is often better than *right* now.
If the implementation is hard to explain, it's a bad idea.
If the implementation is easy to explain, it may be a good idea.
Namespaces are one honking great idea -- let's do more of those!번역기의 도움을 받아보면..
추한 것보다 아름다운 것이 낫습니다. 명시적인 것이 암시적인 것보다 낫습니다. 단순한 것이 복잡한 것보다 낫습니다. Complex한 것이 Complicated한 것보다 낫습니다. 중첩된 것보다 펼쳐진 것이 낫습니다. 조밀한 것보다 드문드문한 것이 좋습니다. 가독성이 중요합니다. 특별한 경우라고 해서 규칙을 어길 만큼 특별하지 않습니다. 실용성이 순수성을 이긴다고 해도요. 오류는 결코 조용히 넘어가서는 안 됩니다. 명시적으로 침묵하지 않는 한 말입니다. 모호한 상황에 직면했을 때 추측의 유혹을 거부하세요. 분명한 방법이 하나, 가급적이면 단 하나만 있어야 합니다. 네덜란드인이 아니라면 처음에는 그 방법이 분명하지 않을 수도 있습니다. 지금이 안 하는 것보다 낫습니다. 안 하는 것이 지금 하는 것보다 낫긴 하지만요. 구현이 설명하기 어렵다면 나쁜 생각입니다. 구현이 설명하기 쉽다면 좋은 생각일 수 있습니다. 네임스페이스는 정말 좋은 아이디어입니다. 더 많이 만들어 봅시다!
파이썬은 초보자가 배우기 쉬운 언어로 유명하다. 이는 철학에 투영된다. 단순하고 읽기 쉬운 코드를 지향한다.
pyenv, pyenv-virtualenv로 파이썬 가상환경을 관리하자.
brew install pyenv
brew install pyenv-virtualenvpyright + pylint or ruff + mypy 사용을 권장한다. python2 프로젝트도 타입이나 참조 문제를 잡아준다. 에러가 너무 많다면 설정을 타협하자.
nvim-lspconfig, null-ls 이용하여 다음과 같이 설정, 사용하고 있다.
server = require 'lspconfig'.pyright,
sources = {
null_ls.builtins.diagnostics.pylint,
null_ls.builtins.diagnostics.mypy.with {
extra_args = { '--ignore-missing-imports' }
},
null_ls.builtins.formatting.autopep8,
null_ls.builtins.formatting.isort,
},language server for python.
https://github.com/microsoft/pyright
django 프로젝트라면 django-types를 설치하자. mypy와 django-stubs처럼 django model의 필드 타입을 제공한다.
class User(models.Model):
name = models.CharField(max_length=100)
age = models.IntegerField()
user = User.objects.get(id=1)
user.age = 10 # should errorage 필드는 IntegerField로 추정하기 때문에 user.age = 10에서 타입 문제가 있다고 알려준다.
django-types는 이런 문제를 해결해준다.
django-types는 django-stubs의 fork project이다.
non-mypy type checkers like pyright will work better with Django.
vim에서는 coc-nvim 또는 nvim-lspconfig를 사용하여 pyright를 설치할 수 있다.
Mason을 사용하자: :MasonInstall pyright:CocInstall coc-pyright정적 분석 도구.
https://github.com/PyCQA/pylint
https://github.com/python/mypy
정적 타입 검사 도구.
Optional static typing for Python
타입 명세를 할 수 없는 경우에는 Need type annotation for "variable" 에러 메시지를 막기 위해 my.ini 생성하고 다음과 같이 설정하자:
[mypy]
# disable error 'Need type annotation for "variable"'
disallow_untyped_defs = Falsedjango는 objects 등 마법을 사용해서 타입 제공을 제대로 받을 수 없다.
djang-stubs는 django 매직과 관련된 타입 정보를 제공한다.
https://github.com/typeddjango/django-stubs
rust로 작성된 python linter.
https://github.com/charliermarsh/ruff
Pylint와 비교하여 매우 빠르다. README에 벤치마크가 있는데 Pylint로 > 60s 걸리는 코드베이스가 0.29s 걸린다고 한다.
실제로 Pylint로 1분 6초 걸리는 프로젝트에서 명령어 입력 즉시 결과가 나왔다.
단점은 아직 Pylint보다 많은 기능을 제공하지 않는다. 예를들어 Pylint는 broad-exception-caught와 consider-using-f-string을 잡아주지만 Ruff는 그렇지 않다.
아직 많이 사용해보지 않아서 대응하는 정도의 차이가 얼만큼인지 모르겠다. 기능은 부족하지만 매우 빠른 장점으로 앞으로 자주 사용할 것 같다.
nvim은 null-ls에서 제공한다. diagnostic, formatter 두 개 소스로 제공한다. Pylint와 함께 사용해보면 Ruff의 반응이 빨라서 항상 Pylint보다 Ruff의 진단이 먼저 노출된다.
개발 환경 구성 시 주의해야 한다.
Ruff 설명대로 rust로 작성되어 있어서 로컬 개발 환경이나, 개발용 Docker 환경 구성을 위해서 Rust 런타임 환경을 구성이 필요할 수 있다. macOS 기준으로는 별도 도구 없이 설치되었지만, python alpine 이미지 기준으로 설치에 실패한다.
flake8, isort 등에서 lint rules을 가져왔다. 500+개의 규칙이 있다.
isort와 마찬가지로 사용되지 않는 import는 제거한단다. isort가 필요 없을지도.
Apache Airflow, FastAPI, Hugging Face, Pandas SciPy 등 대규모 프로젝트에서 ruff를 사용하고 있다. pylint와 함께 사용하는 곳도 아닌곳도 있다.
Ruff can be used to replace Flake8 (plus dozens of plugins), isort, pydocstyle, yesqa, eradicate, pyupgrade, and autoflake, all while executing tens or hundreds of times faster than any individual tool.
Flake8, isort 등 도구를 대체할 수 있다고 한다.
파이썬 코드 formatter 3종 비교.
coc.nvim에서는 파이썬 파일을 열 때 3개 중 하나를 선택하도록 한다:
Formatter autopep8 is not installed. Install?:
1. Yes
2. Use black
3. Use yapfBlog: A comparison of autopep8, black, and yapf - Code formatters for Python
3개를 비교한 다른 글. 덧글에는 black을 사용하고 만족했다나.
| name | stars | description |
|---|---|---|
| autopep8 | 4.3k | pep8 스타일 사용. 가장 많은 커밋 |
| black | 31.2k | 가장 많은 star |
| yapf | 13k | 구글이 maintainer |
원본 코드
{
"refundDeposit": self.refund_deposit and _deposit_to_dict(self.refund_deposit)
}black
{
"refundDeposit": self.refund_deposit
and _deposit_to_dict(self.refund_deposit)
}줄바꿈 후에 dict 필드와 같은 들여쓰기 레벨를 사용한다.
yapf
{
"refundDeposit":
self.refund_deposit and _deposit_to_dict(self.refund_deposit)
}줄바꿈 하면서 들여쓰기를 없애버렸다.
autopep8는 코드를 변경하지 않는다.
개인적으로는 black, yapf의 스타일이 마음에 들지 않아서 autopep8을 사용하고 있다.
pyright, mypy를 타입 명세하지 않는 등 레거시 프로젝트에서 사용하면 무수히 많은 에러 메시지가 출력된다. disable 하는 편이 차라리 낫다.
파이썬 도구는 pyrightconfig.json, mypy.ini 등 설정 파일을 사용하거나, 공통 설정 파일인 pyproject.toml을 사용한다.
아래는 pyproject.toml에 설정한 내용이다:
[tool.mypy]
python_version = "3.8"
plugins = ["mypy_django_plugin.main"]
disallow_untyped_defs = false
[tool.django-stubs]
django_settings_module = "app.settings"
[tool.pyright]
reportGeneralTypeIssues = false
reportCallIssue = false
reportAttributeAccessIssue = false
[tool.pylint.master]
load-plugins = [
"pylint_django",
]
django-settings-module = "app.settings"
[tool.pylint.messages_control]
disable = [
"missing-docstring",
"too-few-public-methods",
"too-many-instance-attributes",
"trailing-newlines",
"too-many-arguments",
"too-many-public-methods",
"invalid-name",
"too-many-locals",
"too-many-return-statements",
"too-many-lines",
]
[tool.pylint.format]
max-line-length = 150mypy, pyright, pylint 설정을 모두 pyproject.toml에 넣었다.
reportGeneralTypeIssues = false는 Cannot access member "id" for type "UserFactory" Member "id" is unknown 같은 에러를 무시한다.
django, factory-boy 등 파이썬 매직을 사용하는 경우 이런 문제가 발생하는데 무시하자. 최신 버전부터는 이런 문제가 없는지 확인하지 않았다.
타입을 잘 명세하는 경우, Literal['foo', 'bar'] 와 같이 명세하고 에러를 정적 체크하는 것은 매우 유용한데, 이런 에러도 무시하게 된다.
cannot access member ~만 무시하고 Argument of type "Literal['foo', 'bar']" cannot be assigned to parameter "param_name" of type 같은 에러는 리포트 받고 싶은데, 아직 방법을 찾지 못했다.
일단 true로 설정하여 번거롭지만 Cannot access member ~ 에러도 리포트 받도록 했다.
나머지 pyright의 reportCallIssue, reportAttributeAccessIssue도 무시한다. factory boy나 django model에서 에러로 간주되어서 비활성화하였다.
disallow_untyped_defs는 mypy에서 타입 명세하지 않으면 에러 메시지를 출력하는 옵션이다. 이것도 무시한다.
pyproject.toml은 최근에서야 대부분 도구가 지원하는 것 같다. 도구 버전이 낮으면 toml 양식을 인식하지 못하는 경우가 있어서 최신 버전인지 확인해야 한다. 도구마다 설정 파일을 각각 관리하기 어려워서 pyproject.toml 하나로 여러 프로젝트에서 사용하고 있다.
https://docs.python.org/3/library/unittest.mock.html
설치: pip install mock
from mock import patch
import mymodule
class Mytest(unittest.TestCase):
@patch.object(mymodule, 'method')
def test_normal(self):
pass테스트는 주로 클래스로 하나의 테스트 슈트를 구성하고,
Mocking은 각 테스트(method)에 @patch.object나 @patch decorator를 주로 사용하고 있다.
requests 모듈을 mocking 한다고 가정하자.
@patch('requests.get')
어디서든 requests.get() 사용한다면, mock 객체를 반환한다.
간단한 방법이지만, mymodule에서 requests를 사용함을 암시적으로 보여준다.
@patch.object(mymodule, 'requests')
mymodule 내에서만 requests를 사용한다는 점을 명시적으로 표현한다.
개인적으로 이 방법을 더 많이 사용한다.
requests 자체가 mock 객체이기 때문에, requests의 get, post 등 모든 함수들이
mock 객체가 된다.
get 응답을 대체하고 싶으면, 테스트 안에서, 넘어오는 mock 객체를 변경해야 한다:
class Mytest(unittest.TestCase):
@patch.object(mymodule, 'requests')
def test_normal(self, mock_requests):
mock_requests.get.return_value = None테스트 내에서만 mocking 정보를 명시하기 때문에, 다른 테스트에서 재사용할 수 없다.
@patch.object(mymodule, 'requests', new=MyRequests)
requests가 MyRequests로 대체된다.
class MyRequests(object):
@staticmethod
def get(*args, **kwargs):
res = Mock()
res.headers = {
'content-type': 'text/html'
}
return res위와 같은 방법으로 get 함수만 내가 원하는 응답을 내려주게 하고,
post 등 다른 함수는 기본 mock 객체를 내려준다.
mocking 정보를 다른 테스트에서도 재사용할 수 있어서 유용하다.
@patch.object(mymodule, 'method', return_value=None)
mymodule.method() 반환값을 None으로 대체한다.
pipenv를 시범적으로 회사에서 사용하고 있다가, 최근에 개인 프로젝트에 poetry를 사용하고 있다.
결론은 poetry가 조금 더 만족스럽다. pyproject.toml과 통합하는 부분에서 마음이 들었다.
pipenv나 poetry 모두 운영 환경을 위한 dockerizing 시 cli 도구나 가상환경은 필요하지 않기 때문에,
multi-stage build와 virtualenv를 사용하지 않는 프로세스를 구축해야 한다.
https://github.com/python-poetry/poetry
pipenv 보다 star가 더 많다. pyproject.toml에 의존성이나, 환경 정보를 저장한다.
최근에 조금씩 사용해보고 있다.
poetry init --python=3.10 -q로 초기화하면 pypoject.toml 파일이 생성된다.
-q 옵션이 없으면 너무 많은 정보를 물어봐서 번거롭다.
[tool.poetry]
name = "myproject"
version = "0.1.0"
description = ""
authors = []
[tool.poetry.dependencies]
python = "^3.10"
[build-system]
requires = ["poetry-core"]
build-backend = "poetry.core.masonry.api"위와같이 만들어 준다.
poetry shell을 입력하면 virtualenv으로 진입한다. 없으면 생성한다.
❯ poetry shell
Creating virtualenv myproject-jPR28GGN-py3.11 in /home/username/.cache/pypoetry/virtualenvs
Spawning shell within /home/username/.cache/pypoetry/virtualenvs/myproject-jPR28GGN-py3.11home에 가상환경 정보를 저장하므로, pyenv versions에 노출되지 않아서 괜찮아 보인다.
프로젝트가 많으면 너무 많은 가상환경이 생성되기 때문이다.
poetry add rx로 의존 모듈을 추가한다. 알아서 pyproject.toml에 추가하고, lock filepoetry.lock을 업데이트한다.
파이썬의 패키지 매니저인 pip는 파이썬 설치 시 함께 제공된다. 그러나 다른 언어의 패키지 매니저와 비교해 보면 안좋다.
pip install PACKAGE_NAME로 설치하고 pip freeze > requirements.txt로
의존 모듈 목록을 저장하는데, 의존성의 의존성까지 저장하게 된다.
Django만 설치했는데, Django가 사용하는 다른 패키지도 포함된다.
개발과 프로덕션 환경 관리도 애매하다. pip freeze > requirements-dev.txt 처럼
수동으로 관리해야 하는데, 프로덕션만 업데이트 하려고 해도 이미 개발 환경의 모듈이
포함되어 있다.
아무튼, 간단하지만 그만큼 이런저런 불편함이 있는 기본 도구다.
poetry shell로 가상 환경을 생성할 때, 현재 시스템의 파이썬 버전을 사용하려고 한다.
다만 pyproject.toml에 명시한 semver 범위에 맞지 않으면 실패한다.
pyenv를 사용한다면 맞는 버전을 직접 찾아서 변경해야 하는 것으로 보인다.
For instance, if your project requires a newer Python than is available with your system, a standard workflow would be:
pyenv install 3.9.8
pyenv local 3.9.8 # Activate Python 3.9 for the current project
poetry installpoetry 문서 중: https://python-poetry.org/docs/managing-environments/#switching-between-environments
설치한 가상 환경은 poetry env list로 확인할 수 있다.
여러개의 가상 환경을 사용할 수 있는 구조라서 목록으로 보여준다.
위 예제에서 pyenv local을 사용했는데, pyenv global은 전역 설정인 반면에 pyenv local은 현재 디렉토리에만 적용된다.
.python-version 파일을 생성하는데, pyenv는 이 파일을 읽어서 파이썬 버전을 결정하기 때문이다. 자세한 내용은 pyenv local --help를 참고하자.
가상 환경을 삭제하려면 몇 가지 방법이 있다:
rm -rf `poetry env info -p` (가상 환경 경로를 찾아서 삭제한다.)poetry env remove 3.7poetry env remove test-O3eWbxRl-py3.7 (가상 환경 전체 이름이다.)Dockerize 한다면, 이 가상환경은 불필요하다.
poetry install로 의존성 설치하면 가상 환경에 설치하기 때문에, docker 컨테이너에서 pip list로 의존성을 확인하면, poetry 의존성만 설치된 것을 확인할 수 있다.
이를 피하기 위해서 poetry config virtualenvs.create false로 가상 환경을 생성하지 않도록 하자.
RUN pip install poetry
RUN poetry config virtualenvs.create false
RUN poetry install --only main --no-root --no-directoryhttps://github.com/pypa/pipenv
이런 불편함을 알았는지 환경 분리도 가능하고, lock 파일도 별도로 관리할 수 있는
pipenv가 있다. pyenv와 좀 헷갈린다.
python.org에서도 가상 pipenv를 이용하여 가상환경 사용을 추천하고 있다:
For software that is not distributed with (or developed for) your system, we recommend using a virtual environment, possibly with an environment manager like conda or pipenv, to help avoid disrupting your system Python installation.
link: https://packaging.python.org/guides/tool-recommendations/
파이썬의 모듈 단위인 패키지는 디렉토리로 구성된다.
디렉토리 내에 __init__.py 파일이 있으면, 해당 디렉토리는 패키지로 인식된다.
__all__my_module.py라는 파일이 있다고 하자:
__all__ = ['foo', 'Bar']
def foo():
pass
class Bar:
pass
_baz = 1파일 최상단에 __all__을 사용한다고 my_module.py을 임포트 했을 때 _baz에 접근하지 못하게 할 수는 없다.
from my_module import _baz
하지만 __all__을 사용하면 __init__.py를 사용했을 때 효과가 있다.
my_module/
__init__.py
my_module.py위 구조로 만들어 두고 __init__.py에서 my_module.py를 asterisk를 이용하여 임포트한다:
from my_module.my_module import * # NOQAflake8이 경고를 출력하므로 # NOQA로 무시하도록 했다.
이렇게하면 my_module을 사용하는 곳에선 foo, bar만 가져올 수 있다.
from my_module import foo, bar # 가능
from my_module import _baz # 불가능src/ 레이아웃으로 바꾸다.PR: https://github.com/pypa/sampleproject/pull/104
PR 내용을 읽어보면 PyCon US 2019에서 src 레이아웃으로 전환하기로 했다고 한다.
PyCon US Packaging Mini-Summit 2019 토론장: https://discuss.python.org/t/pycon-us-packaging-mini-summit-2019/833
PyCon Us Packaging Mini-Summit 2019 토픽 추천 토론장: https://discuss.python.org/t/packaging-mini-summit-pycon-us-2019-topic-suggestions/1534/5
(토픽 추천 토론장에서) 2017년에 올라온 이슈로 인해서 논의하게 되었다 한다:
Background: This issue is still unresolved, but a lot of people are converting to the src/ layout. The canonical reference for why is Hynek’s post , though I will refrain from at-messaging him because I don’t think he wants to be the poster-boy for src/ layout.
해당 이슈: https://github.com/pypa/packaging.python.org/issues/320
https://hynek.me/articles/testing-packaging 글에서 src 레이아웃을 사용하는 이유를 말해준다고 한다.
https://github.com/pypa/packaging.python.org/issues/320#issuecomment-495990983
덧글에 논의 내용을 올려주었다.
싱글 모듈을 제외한 구조는 src 레이아웃을 따른다고 한다.
This was discussed at the Packaging Mini Summit (notes for that). Here's my rough summary from memory + the notes:
- We should use a name for non-src/ layout that isn't negative-tone:
- suggestions at the summit: flat / natural / root / simple (please bikeshed elsewhere)
- Everyone agreed that there are benefits to the
src/layout and that it should be documented.- Final position after discussion:
- single module packages should use flat layout.
- REPL breaks when using
src/(you can'timport module) and we considered this to be an important detail for first-time packagers who only want to share a script.- Anything beyond a single module being packaged, should use the
src/directory.
https://github.com/pypa/packaging.python.org/issues/320#issuecomment-496064900
싱글 모듈이란 .py 파일 하나만 있는 프로젝트가 싱글 모듈이라고 한다.
A single module = single
.pyfile.requests is not a single module project. It's a package, containing multiple modules. Using terms from https://packaging.python.org/glossary/.
구글 시트에서 토론 내용에 대해서 정리 해두었다.
Currently the "non source" or "flat" layout is documented in the Packaging documentation, specifically the section on Packaging Python Projects. The "src" layout is not documented in the Packaging documentation.
(이전에는 src 레이아웃이 아닌 최상위에 컴포넌트별 폴더를 두었는데) non source 또는 flat 레이아웃이라고 불렀고, 패키징 관련 문서에 설명했다고 한다.
Key Questions
Should the src layout be documented? Should it be the default?
논의 주제는 src 레이아웃을 명시할까? 그리고 기본 레이아웃으로 해도 될까?
Nick's opinion is that the flat case should be the example case as it is the simplest
Donald and others mention that there are problems with the flat layout and for these reasons the beginner guide should use the src layout
몇 가지 문제점이 있기 때문에 시작 가이드에서 src 레이아웃을 사용한다고 주장함
재밌는 점. Non-src 레이아웃에 대해서 뭐라고 부를지 의논했는데 후보 중..
Flat (least-disliked option)
Root (potentially non-obvious to beginners; potential confusion with, e.g., ‘filesystem root’) "Bad" (.....) Non-src (may imply unduly that “src” is preferred) Natural (may imply unduly that “src” is discouraged)
Bad 레이아웃이 있다 ㅋㅋ
| Name | Nested Structure |
|---|---|
| Django Form | nope |
| Django REST Framework Serializer | yes |
| WTForms | yes |
| Marshmallow | yes |
객체를 변환하거나 검증하는 라이브러리 비교.
https://www.django-rest-framework.org/api-guide/serializers/
Django Form은 HTML Form을 위한 기능이라 REST API의 중첩 구조 등 JSON을 대응하기엔 부족하다.
class UserSerializer(serializers.Serializer):
email = serializers.EmailField()
username = serializers.CharField(max_length=100)
class CommentSerializer(serializers.Serializer):
user = UserSerializer()
content = serializers.CharField(max_length=200)
created = serializers.DateTimeField()
serializer = CommentSerializer(data={'user': {'email': 'foobar', 'username': 'doe'}, 'content': 'baz'})
serializer.is_valid()
# False
serializer.errors
# {'user': {'email': ['Enter a valid e-mail address.']}, 'created': ['This field is required.']}https://github.com/wtforms/wtforms
Django Integration인 WTForms-Django 프로젝트가 있다.
class LocationForm(Form):
id = HiddenField('id')
title = StringField(_l('Title'), [Required()])
location = CoordinatesField(_l('Coordinates'))
class ProjectForm(Form):
title = StringField(_l('Title'))
manager = StringField(_l('Manager'))
description = StringField(_l('Description'))
locations = FieldList(FormField(LocationForm), min_entries=1)
document = {
'title': unicode,
'description': unicode,
'manager': unicode,
'locations': [{
'id': uuid.UUID,
'title': unicode,
'location': {'coordinates':[float], 'text':unicode}
}],
}
f = ProjectForm()
f.process(data=document)
f.locations.dataStringField에 숫자를 보내면? 숫자가 나옴. 문자열이 아님.https://github.com/marshmallow-code/marshmallow
Django가 아니라면 이 솔루션이 적절한 듯.
class ArtistSchema(Schema):
name = fields.Str()
class AlbumSchema(Schema):
title = fields.Str(required=True)
release_date = fields.Date()
artist = fields.Nested(ArtistSchema())
bowie = dict(name="David Bowie")
album = dict(artist=bowie, title="Hunky Dory", release_date=date(1971, 12, 17))
schema = AlbumSchema()
result = schema.dump(album)
pprint(result, indent=2)
# { 'artist': {'name': 'David Bowie'},
# 'release_date': '1971-12-17',
# 'title': 'Hunky Dory'}Rxpy는 ReactiveX의 파이썬 구현체이다.
pip install rx로 설치. rxpy가 아니다.
https://www.tutorialspoint.com/rxpy/rxpy_concurrency_using_scheduler.htm
위 문서에서 제공하는 예제이다.
다음 코드는 rxpy를 사용하지만 병럴처리를 하지 않는 코드이다.
import random
import time
import rx
from rx import operators as ops
def adding_delay(value):
time.sleep(random.randint(5, 20) * 0.1)
return value
# Task 1
rx.of(1,2,3,4,5).pipe(
ops.map(lambda a: adding_delay(a))
).subscribe(
lambda s: print("From Task 1: {0}".format(s)),
lambda e: print(e),
lambda: print("Task 1 complete")
)
# Task 2
rx.range(1, 5).pipe(
ops.map(lambda a: adding_delay(a))
).subscribe(
lambda s: print("From Task 2: {0}".format(s)),
lambda e: print(e),
lambda: print("Task 2 complete")
)
input("Press any key to exit\n")rxpy를 사용하더라도 쓰레드를 사용하지 않으면 병렬처리 되지 않는다. 결과를 보면 다음과 같다:
From Task 1: 1
From Task 1: 2
From Task 1: 3
From Task 1: 4
From Task 1: 5
Task 1 complete
From Task 2: 1
From Task 2: 2
From Task 2: 3
From Task 2: 4
Task 2 complete이 코드는 CurrentThreadScheduler를 사용하여 처리한다. 즉 하나의 스레드만 쓴다.
병렬처리 하기
import multiprocessing
import time
from threading import current_thread
import rx
from rx import operators as ops
from rx.scheduler.threadpoolscheduler import ThreadPoolScheduler
# calculate cpu count, using which will create a ThreadPoolScheduler
thread_count = multiprocessing.cpu_count()
thread_pool_scheduler = ThreadPoolScheduler(thread_count)
print('CPU count is {0}'.format(thread_count))
def asyn(inp):
return rx.from_callable(
lambda: adding_delay(inp),
scheduler=thread_pool_scheduler,
)
def adding_delay(value):
time.sleep(3)
return value
def generate_nums():
for i in range(25):
yield i
def print_t(it):
print(f'{current_thread().name}: {it}')
rx.from_iterable(generate_nums())\
.pipe(
ops.flat_map(asyn),
ops.do_action(
on_next=print_t,
on_completed=lambda: print_t('process done'),
),
)\
.run()
print_t('program done')run()으로 프로세스 종료를 기다릴 수 있다. subscribe() 사용하면 스레드를 기다리지 않고 즉시 끝난다.
위 코드는 cpu 수인 12개 쓰레드로 25개의 아이템을 처리하는 예제다. 각 아이템마다 3초 대기하므로, 12개의 쓰레드가 병렬처리하여 총 9초가 소요되어야 한다.
❯ time python test.py
CPU count is 12
ThreadPoolExecutor-0_0: 0
ThreadPoolExecutor-0_3: 3
ThreadPoolExecutor-0_2: 2
ThreadPoolExecutor-0_5: 5
ThreadPoolExecutor-0_7: 7
ThreadPoolExecutor-0_9: 9
ThreadPoolExecutor-0_10: 10
ThreadPoolExecutor-0_1: 1
ThreadPoolExecutor-0_4: 4
ThreadPoolExecutor-0_8: 8
ThreadPoolExecutor-0_11: 11
ThreadPoolExecutor-0_6: 6 # 여기서 3s
ThreadPoolExecutor-0_2: 13
ThreadPoolExecutor-0_5: 14
ThreadPoolExecutor-0_7: 15
ThreadPoolExecutor-0_3: 12
ThreadPoolExecutor-0_9: 16
ThreadPoolExecutor-0_10: 17
ThreadPoolExecutor-0_4: 19
ThreadPoolExecutor-0_0: 21
ThreadPoolExecutor-0_8: 20
ThreadPoolExecutor-0_1: 18
ThreadPoolExecutor-0_11: 22
ThreadPoolExecutor-0_6: 23 # 여기서 6s
ThreadPoolExecutor-0_5: 24
ThreadPoolExecutor-0_5: process done
MainThread: program done
python test.py 0.06s user 0.03s system 0% cpu 9.169 totalThreadPoolExecutor-0_N 이름으로 0~11, 총 12개의 쓰레드가 보인다.
주석으로 표기한 지점에서 3초, 6초 소요되었다. 마지막 24번까지 9초.
RXPY 예제 프로젝트를 만들었다: https://github.com/edunga1/practice-rxpy
docker로 실행해볼 수 있다.
https://github.com/redis/redis-py
SO Python Redis connection should be closed on every request? (flask) 질문이다.
redis connection을 전역으로 하나만 생성해서 필요한 곳에서 import 하여 사용할 지, 매 요청마다 생성하고 닫을 지에 대한 질문이다.
전자처럼 Top level 객체는 Node.js나 python에서는 일반적인 방법이다. Spring Framework의 경우 주입에 대한 문제에서 자유로우니 Bean으로 생성하고 프레임워크를 통해 주입받는 것이 일반적이다. 그래서 node나 python을 처음 접하는 경우 의존 문제에 대해 난해할 수 있다. DI 라이브러리 사용하지 않고 이상적인 코드를 작성하려고 하면 인스턴스 생성하다가 지치게 된다.
어쨌든 질문에 대한 답은 redis-py가 connection pool을 관리하기 때문에 후자를 선택하더라도 우려하는 성능 문제는 없다고 한다.
redis-py제작자의 추천은 Global Instance를 가지고 사용하는 것:
a. create a global redis client instance and have your code use that. b. create a global connection pool and pass that to various redis instances throughout your code.
google groups에서 제작자의 원문을 볼 수 있다.
OneToOneField vs ForeignKeyField둘 다 related_name으로 역참조 할 수 있지만, ForeignKey 는 QuerySet을 반환하므로 None 체크를 하지 않아도 된다.
반면에 OneToOneField는 RelatedObjectDoesNotExist 예외가 발생한다.
따라서 좀 더 유연한 ForeignKey 를 사용하려고 했지만, ForeignKey + unique 또는 primary_key 속성을 사용하면 서버 시작 시 Setting unique=True on a ForeignKey has the same effect as using a OneToOneField warning을 출력한다.
이 주의 문구에 대해서 이미 djangoproject.com에 보고되어 있다.
Misleading Warning "HINT: ForeignKey(unique=True) is usually better served by a OneToOneField."
답변은 "설정을 통해 주의 문구를 감춰라" 라는 뉘앙스라 매우 불편한 부분.
아직 해결하지 못했다.
source_type='order', source_id=1234와 같이 복합키의 source_type에 따라 관계되는 테이블이 달라진다.
source_id는 관계 대상의 ID다.
방법을 찾지 못해서 직접 prefetch하는 함수를 만드는 등, 복잡하게 처리하고 있다.
2년동안 관리되지 않은 저장소. 이거 사용할 수 있을까?
Get ContentType id in Django for generic relation
GenericForeignKey와 ForeignKey(ContentType) + choices를 사용하면 될까?
source_type 이 trade | order로 테이블 이름 조합으로만 저장된다.
원하는 포맷으로 저장할 수 있어야 한다.
import pdb; pdb.set_trace()위 코드로 breakpoint를 설정할 수 있다.
(Pdb) ?
Documented commands (type help <topic>):
========================================
EOF bt cont enable jump pp run unt
a c continue exit l q s until
alias cl d h list quit step up
args clear debug help n r tbreak w
b commands disable ignore next restart u whatis
break condition down j p return unalias where
Miscellaneous help topics:
==========================
exec pdb
Undocumented commands:
======================
retval rv자주 사용하는 명령어:
? 도움말l 코드를 출력한다. 라인 번호를 인자로 받으며, 인자가 없으면 현재 라인을 출력한다.
l 연속 호출 시 다음 페이지를 출력해서, l . 처렴 명시적으로 현재 라인을 출력했던 거 같다.c 계속 진행한다.q 종료한다.n 다음 라인까지 진행한다.디버깅 명령어는 코드의 요소 이름과 충돌할 수 있는데, 이럴 때는 !를 붙여서 사용한다: !l .
디버깅할 때 dir(), type()는 특히 자주 사용한다.
dir() 객체의 속성을 출력한다.
(Pdb) dir(datetime)
['__add__', '__class__', '__delattr__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__le__', '__lt__', '__ne__', '__new__', '__radd__', '__reduce__', '__reduce_ex__', '__repr__', '__rsub__', '__setattr__', '__sizeof__', '__str__', '__sub__', '__subclasshook__', 'astimezone', 'combine', 'ctime', 'date', 'day', 'dst', 'fromordinal', 'fromtimestamp', 'hour', 'isocalendar', 'isoformat', 'isoweekday', 'max', 'microsecond', 'min', 'minute', 'month', 'now', 'replace', 'resolution', 'second', 'strftime', 'strptime', 'time', 'timetuple', 'timetz', 'today', 'toordinal', 'tzinfo', 'tzname', 'utcfromtimestamp', 'utcnow', 'utcoffset', 'utctimetuple', 'weekday', 'year']type() 객체의 타입을 출력한다.
(Pdb) type(datetime.now())
<type 'datetime.datetime'>