앞에 포스팅한 Python Part 1, Part 2의 요약본입니다.

📚 Part 1. Python의 핵심 구조와 메모리 최적화

1. 들어가기에 앞서 (AI 시대, 왜 프로그래밍을 배워야 하는가?)

🤖 변화하는 개발 환경

• AI Coding Agent의 발전: Claude, Cursor, Copilot 등 AI의 코드 작성 능력은 이미 시니어 엔지니어 수준에 도달하고 있음.
• 역할의 변화:
  • 사람 (Architect): 일을 지시하고, 설계를 담당하며, 결과물을 평가하는 책임자.
  • AI (Developer/Supporter): 지시받은 내용을 수행하는 개발자.

📚 무엇을 어떻게 학습해야 하는가?

단순 문법 암기보다는 전략적 사고와 전체 구조 이해가 중요해짐.

1. 평가 및 지시 능력: AI가 작성한 코드의 방향성이 맞는지, 잠재적 문제는 없는지 평가(Audit)할 수 있는 지식이 필수.
2. 시스템 디자인 & 아키텍처: 코드 라인 단위가 아닌, 전체 애플리케이션의 배포, 운영, 보안, 데이터 구조의 Trade-off를 이해하는 거시적 관점 필요.
3. Communication: 모호한 요구사항을 명확히 정의하고 협업하는 능력은 AI가 대체하기 어려운 영역.
4. 한 언어의 깊이 있는 이해: 하나의 언어를 깊게 이해하면 다른 언어나 기술도 쉽게 습득 가능.

---

2. Python의 특징

✅ 장점

• 직관적인 문법: 인간 친화적이며 코드를 읽기 쉬움.
• 풍부한 생태계: AI/데이터 분석 분야의 압도적인 라이브러리(패키지) 지원.
• Interpreter 언어 (REPL 환경):
  • 코드 실행 전 컴파일 과정 없이 즉시 실행 및 결과 확인 가능.
  • 아이디어를 빠르게 테스트하고 실수를 사전에 방지할 수 있어 생산성(Productivity)이 매우 높음.

⚠️ 단점

• 느린 실행 속도: 인터프리터 방식의 한계.
• 높은 메모리 사용량: 모든 것이 객체(Object)로 관리됨에 따른 오버헤드.
• GIL (Global Interpreter Lock): 멀티 스레딩 효율 저하.
• Runtime Error: 실행 전에는 타입 에러 등을 잡기 어려움.

---

3. Python Memory Allocation (메모리 할당)

3.1 🧠 변수와 객체의 관계

• Python에서 변수(Variable)는 객체(Object)에 묶여 있는 이름(Name)에 불과함.
• 실제 값(Object)은 Heap 영역에 할당됨.
• C언어와의 차이:
  • C: 변수 선언 시 Stack에 값이 직접 할당됨 (빠름).
  • Python: 변수 이름은 Stack에, 실제 객체는 Heap에 생성되고 이를 참조(Reference)하는 구조 (오버헤드 발생).

3.2 🏗️ 메모리 구조 (Memory Layout)

컴퓨터의 메모리(RAM) 상에서 파이썬 프로그램이 실행될 때의 구조입니다.

주소 위치	영역 이름	설명 및 파이썬에서의 역할	특징
High Address (높은 주소)	Stack (스택)	함수 호출(Call Frame)과 변수 이름(Name) 저장	• 함수 호출 시 생성, 종료 시 삭제 • 주소가 위에서 아래로(↓) 내려가며 할당 • LIFO 구조
↕️	(Free Space)	스택과 힙 사이의 빈 공간	스택은 아래로, 힙은 위로 자라나며 공간 공유
Middle	Heap (힙)	실제 객체(Object, Value) 저장	• 파이썬의 모든 값(int, list 등) 저장 • 주소가 아래에서 위로(↑) 올라가며 할당 • 동적 생성 (Dynamic Allocation)
Low Address (낮은 주소)	Data	전역 변수 설정 정보	• 프로그램 시작 시 할당됨
Lowest	Text	소스 코드 (기계어)	• 읽기 전용 (Read-Only)

3.3 🔒 Immutable vs Mutable

• Immutable (불변): int, float, str, tuple
• Mutable (가변): list, dict, set

💡 퀴즈: 튜플 내 리스트 수정

t = ('This', 'tuple', ['is', 'immutable', '?'])
t[2][2] = '!'
# -> ⭕ 정상 실행 (Tuple 안의 주소는 불변이나, 그 주소가 가리키는 List 자체는 가변이므로)

---

4. Python List vs NumPy Array (성능 차이의 원인)

🐢 Python List의 구조

• 내부에 다양한 타입 혼재 가능.
• 객체의 주소(Pointer)들의 배열로 구성됨.
• 단점: 메모리가 연속적이지 않고(Non-contiguous), 타입 체크 오버헤드로 인해 느림.

🐇 NumPy Array의 구조

• *단일 데이터 타입(Fix)**만 허용.
• 메모리에 데이터가 연속적(Contiguous)으로 배치됨.
• 불필요한 오버헤드 없이 값에 직접 빠르게 접근 가능.

---

5. 함수의 인자(Default Argument)와 가변 객체

⚠️ 주의: Default Argument는 반드시 Immutable을 사용하라

기본 인자값은 함수 정의 시 단 한 번만 생성됩니다.

• 잘못된 예시: def myf(i=list()): (모든 호출이 리스트를 공유함)
• 올바른 예시: def myf(i=None): (호출 시마다 새로 생성)

---

6. 성능과 메모리 (Laziness vs Eagerness)

1. Generator Expression (Laziness)

• sum(x*x for x in range(1_000))
• 장점: 메모리 사용량 적음. 값을 하나씩 생성.

2. List Comprehension (Eagerness)

• sum([x*x for x in range(1_000)])
• 장점: 속도가 약간 빠름.
• 단점: 리스트 전체를 메모리에 올리므로 메모리 많이 차지함.

🚀 List의 효율적 사용

• pop(0)은 O(N) 비용이 발생하므로 지양해야 함. (모든 요소를 앞으로 당겨야 함)

---

7. 고급 문법 (Advanced Features)

💾 __slots__

• 클래스 인스턴스의 속성을 미리 지정하여 __dict__ 생성을 막음.
• 효과: 메모리 사용량 대폭 절감, 오타 방지.

🏗️ Metaclass

• "클래스를 만드는 클래스" (기본은 type).
• 프레임워크 개발 등에서 클래스 생성 과정을 제어할 때 사용.

📝 Typing Hint

• Protocol, ABC, TypedDict, dataclass 등을 활용하여 런타임 에러 방지 및 명확한 타입 정의.

---

📚 Part 2. 동시성 프로그래밍과 엔지니어링 원칙

1. Asynchronous Programming (비동기 프로그래밍)

🔄 개념 (Sync vs Async)

• Synchronous: 응답이 올 때까지 기다림 (Blocking).
• Asynchronous: 응답을 기다리지 않고 다른 작업 수행 (Non-blocking).

🧵 Threading vs Asyncio

• Threading (OS 관리):
  • Context Switching이 OS에 의해 발생 (비용 높음).
  • 개발자가 제어하기 어려움 (언제 스위칭될지 모름).
• Asyncio (App 관리):
  • Event Loop가 단일 스레드 내에서 작업 관리.
  • Context Switching 비용이 저렴함.
  • await로 명시적인 양보를 하기 때문에 제어가 용이함.

⚠️ 저지르기 쉬운 실수

1. Blocking Call: async 함수 내에서 time.sleep() 등을 쓰면 전체 루프가 멈춤.
2. Fire and Forget: Task 완료를 기다리지 않고 메인 함수를 종료해버림.

---

2. GIL (Global Interpreter Lock)

🔒 GIL이란?

• Python 인터프리터(CPython)가 한 번에 하나의 스레드만 바이트코드를 실행하도록 제한하는 잠금 장치.
• 존재 이유: Reference Counting의 동시성 문제 방지 및 초기 C 라이브러리와의 호환성.

📉 영향

• CPU-bound 작업: 멀티스레드를 써도 GIL 때문에 병렬 처리가 안 되며, 오히려 성능이 저하될 수 있음.
• I/O-bound 작업: 대기 시간 동안 GIL이 해제되므로 멀티스레드 효과 있음.
• 미래: Python 3.13+부터 GIL 비활성화(Free-threaded) 옵션이 실험적으로 추가됨.

---

3. GC (Garbage Collection)

🔄 Reference Counting

• 객체 참조 횟수가 0이 되면 즉시 해제.
• 한계: 순환 참조(Cyclic Reference)를 해결 못 함.

♻️ Generational GC (세대별 GC)

• 객체를 3세대(Gen 0, 1, 2)로 나누어 관리.
• "대부분의 객체는 금방 죽는다"는 가설에 기반.
• Gen 0을 자주 검사하고, 살아남으면 다음 세대로 승격.

---

4. 코드 원칙 (Code Principles)

1️⃣ DRY (Don't Repeat Yourself)

• 똑같은 코드를 반복하지 마라.
• 기존 코드를 파악하지 않고 새로 짜는 것을 경계하라.

2️⃣ KISS (Keep It Simple, Stupid)

• 단순하게 유지하라.
• 불필요하게 복잡한 디자인 패턴이나 고급 문법 남용 금지.

3️⃣ YAGNI (You Aren't Gonna Need It)

• 나중에 필요할 것 같아서 미리 만들지 마라.
• 현재 필요한 것만 구현하고, 동료와 소통하라.

---

5. 디자인 패턴 (Design Patterns)

📚 학습 이유

• Best Practice: 검증된 효율적인 해결책.
• Common Language: "여기엔 팩토리 패턴을 쓰죠"라고 했을 때 즉시 이해하는 효율성.

🏗️ 주요 패턴 (GoF)

분류	패턴 예시
생성 (Creational)	Singleton, Factory Method, Builder
구조 (Structural)	Adapter, Decorator, Proxy
행위 (Behavioral)	Observer, Strategy, Command