Python은 asyncio 라이브러리를 활용해 비동기 실행을 지원한다. 하지만 asyncio의 경우, 파이썬 버전에 따라 많은 변화가 있었다. 아래 글에 포함된 코드는 Python 3.9.12를 활용해 코드를 실행해 보았다. 특히 3.7 이전의 버전을 활용한다면 아래 글의 예제 코드가 실행되지 않을 수 있다. import asyncio 동기와 비동기 방식을 간략하게 표현하자면 위 그림과 같다. main 작업이 진행되는 동안 동시에(concurrent) 다른 작업이 진행될 수 있는 것이다. (단, 동시에 처리되는 것이지 병렬적으로 처리되는 것은 아니다.) 코루틴 선언 async은 네이티브 코루틴을 선언하는 방식이다. def로 함수를 선언하는 것과 문법이 동일하지만 def 앞에 async을 붙여 사용한다...
제너레이터는 Python 객체의 한 종류로 게으르기 때문에 효율적으로 메모리를 사용할 수 있도록 해준다. (정보를 한 번에 모두 가져오지 않고 정보가 필요할 때 조금씩 불러오는 것을 lazy하다고 표현한다.) 리스트를 활용했을 때와 제너레이터를 활용했을 때 메모리 사용량을 비교해 보았다. 0 ~ 10**6 범위의 자연수를 만들 수 있는 제너레이터와 0 ~ 10**6 범위의 자연수를 가지고 있는 리스트의 메모리 사용량은 아래와 같았다. (상대적인 비교에 초점을 두고 그래프를 보자.) 데이터의 크기가 큰 만큼 둘의 차이도 명확했다. 제너레이터는 하나의 객체이기 때문에 메모리를 많이 차지하지 않는다. 따라서 객체를 반환하거나 복사할 때도 큰 문제가 되지 않는다. 반면, 리스트는 모든 데이터를 담고 있기 때문에..
Context Manager란? 가장 흔하게 사용되는 컨텍스트 관리자는 파일 입출력에 사용되는 "with open()" 구문이다. with open("file.txt", "r") as f: f.read() 위 구문은 처음에 파일을 열고, 구문이 종료될 때 파일을 닫는다. 따라서 내부적으로 open과 close를 모두 수행하고 있는 것이다. 즉, 컨텍스트 관리자(context manager)는 특정 작업의 시작과 끝에 정해진 행동을 수행할 수 있도록 한다. 마치 함수의 데코레이터(decorator)와 비슷한 형태이다. 객체 활용 class Context(object): def __enter__(self): # 사전 작업 return self def __exit__(self, exc_type, exc_val..