본문 바로가기

python

Architecture Patterns with Python(2장) 저장소 패턴 저장소 패턴은 데이터 저장소를 더 간단히 추상화한 것으로 이 패턴을 사용하면 모델 계층과 데이터 계층을 분리할 수 있다. 애자일 방식으로 작업할 때는 최소 기능 제품(MVP:Minimum Viable Product) 을 만드는 것이 우선이다. 1장에서 만든 도메인 모델을 API 로 만든다고 하면, API 가 MVP 가 된다. 장고의 MVC(모델-뷰-컨트롤러) 구조처럼 표현 계층 -> 비즈니스 로직 -> 데이터베이스 계층으로 구성된 계층 아키텍처가 존재한다. 각 계층이 자신의 바로 아래 계층에만 의존하게 만드는 것이 이 계층 아키텍처의 목표다. 하지만 도메인 모델에는 그 어떤 의존성도 없어야 한다. 즉, 하부 구조와 관련된 문제가 도메인 모델에 지속적으로 영향을 끼치면 안된다. 대신 모델을 마.. 더보기
Fluent Python (챕터 4) 텍스트와 바이트 현재 문자를 가장 잘 정의한 것은 유니코드 문자다. 유니코드 표준은 문자의 단위 원소와 특정 바이트 표현을 명확히 구분한다. 문자의 단위 원소(코드 포인트)는 10진수 0에서 1,114,111까지의 숫자이며, 유니코드 표준에서는 U+ 접두사를 붙여 4자리에서 6자리 사이의 16진수로 표현한다. 문자를 표현하는 실제 바이트는 사용하는 인코딩에 따라 달라진다. 인코딩은 코드 포인트를 바이트 시퀀스로 변환하는 알고리즘이다. s = 'café' print(len(s)) > 4 b = s.encode('utf8') print(b, len(b)) > b'caf\xc3\xa9' 5 print(b.decode('utf8')) > café café 문자열은 네 개의 유니코드 문자를 갖고 있다. UTF-8.. 더보기
Fluent Python (챕터 3) 딕셔너리와 집합 dict 형은 애플리케이션에서 뿐만 아니라, 파이썬 구현의 핵심 부분이기도 하다. 모듈 네임스페이스, 클래스 및 인스턴스 속성, 함수의 키워드 인수 등 핵심 부분에 딕셔너리가 사용되고 있다. 내장 함수들은 __builtins__.__dict__에 들어 있다. 파이썬 dict 클래스는 상당히 최적화되어 있는데, 이는 해시 테이블이라는 엔진 덕분이다. dict 의 키는 해시 가능해야 한다. 수명 주기 동안 절대 변하지 않는 해시값을 갖고 있고(__hash__() 메서드 필요) 다른 객체와 비교할 수 있으면(__eq__()메서드) 객체를 해시 가능하다고 한다. 동일하다고 판단되는 객체는 반드시 해시값이 동일해야 한다. 불변 내장 객체는 모두 해시 가능하다고 하는 경우도 있는데, 튜플은 내부에 .. 더보기
Architecture Patterns with Python(1장) 도메인 모델링 대부분 시스템을 설계할 때, 데이터베이스 스키마를 그리기 시작하고 그 다음 객체 모델을 생각한다. 여기서부터 모든 것이 잘못되기 시작한다. 먼저 행동하고 저장에 대한 요구 사항은 행동에 맞춰 정해져야 한다. 고객들은 데이터 모델에 대해 신경쓰지 않는다. 시스템이 어떤 일을 하는지만 신경 쓴다. 이 책에서는 4가지 핵심 설계 패턴을 보여준다. 저장소 패턴은 영속적인 저장소에 대한 추상화이다. 서비스 계층 패턴은 usecase의 시작과 끝을 명확하게 정의하기 위한 패턴이다. 작업 단위 패턴은 원자적 연산을 제공한다. 애그리게이트 패턴은 데이터 정합성을 강화하기 위한 패턴이다. 챕터 1에서는 비즈니스 프로세스를 코드로 모델링하는 방법을 배운다. 이 때 TDD와 호환이 잘 되는 방식을 살펴본다. .. 더보기
Fluent Python (챕터 2) 시퀀스 문자열, 리스트, 바이트 시퀀스, 배열, XML요소, 데이터베이스 결과에는 모두 반복, 슬라이싱, 정렬, 연결 등 공통된 연산을 적용할 수 있다. 파이썬 표준 라이브러리는 C로 구현된 다음과 같은 시퀀스형을 제공한다. 컨테이너 시퀀스 서로 다른 자료성의 항목들을 담을 수 있는 list, tuple, collections.duque 형 균일 시퀀스 단 하나의 자료형만 담을 수 있는 str, bytes, bytearray, memoryview, array.array 형 균일 시퀀스가 메모리를 더 적게 사용지만 문자, 바이트, 숫자 등 기본적인 자료형만 저장할 수 있다. 시퀀스형은 가변성에 따라서도 구분할 수 있다. 가변 시퀀스 list, bytearray, array.array, collections.. 더보기
Fluent Python (챕터1) 파이썬 데이터 모델 기본적인 객체 연산을 수행할 때, 파이썬 모델이라는 것이 제공하는 API 를 통해 파이썬 상용구를 적용할 수 있다. 이는 파이썬스러움(pythonic)의 핵심이다. 이 파이썬 모델을 사용할 때, 파이썬 인터프리터에서 특별한 구문을 호출한다. magic method(dunder method) 가 이 특별한 구문이며 이를 명확하게 이해하면, 구현한 객체를 좀 더 다양하게 활용할 수 있다. import collections Card = collections.namedtuple("Card", ["rank", "suit"]) class FrenchDeck: ranks = [str(n) for n in range(2, 11)] + list("JQKA") suits = "spades diamond.. 더보기
ChainMap 여러 dict 를 한 번에 담아서 볼 수 있다. from collections import ChainMap dict1 = {"name": "os", "age": 99, "email": "test@example.com"} dict2 = {"job": "developer"} result = ChainMap(dict1, dict2) for k, v in result.items(): print(k, v) > jon developer name os age 99 email test@example.com 굳이 리스트에 담아서 다시 반복문을 돌릴 필요 없이 간단하게 접근할 수 있다. 더보기
array 로 생성, 저장, 로딩 엄청 큰 숫자 시퀀스 자료가 있는 경우 이를 생성하고 저장, 및 로딩하는 과정에서 array 를 활용하면 매우 빠르게 처리할 수 있다. from random import random from array import array from time import perf_counter as pc create_time = pc() test_float = array("d", [random() for _ in range(10 ** 7)]) print("생성 소요시간 :", pc() - create_time) save_time = pc() with open("abcd_test.bin", "wb") as file: test_float.tofile(file) print("저장 소요시간 :", pc() - save_time.. 더보기

티스토리툴바