상세정보

파이썬의 단 하나의 약점, 성능 문제를 해결해주는 다양한 전략을 소개한다. 파이썬의 관점에서 바라보는 컴퓨터 아키텍처와 동작 원리를 기본으로 깔고, 각종 라이브러리의 올바른 활용법, 행렬과 벡터 연산 가속, 메모리를 효율적으로 쓰는 법, 병목을 찾는 습관과 도구, 네이티브 코드로 컴파일하기 등을 배우고, 파이썬을 성공적으로 도입한 업계 선배들의 경험담과 전략을 듣게 될 것이다. 특히 한국어판에서는 저자의 동의를 얻어 파이썬 2로 작성된 원서의 예제 코드를 파이썬 3에서 실행할 수 있도록 수정하였다.

파이썬의 생산성에 컴파일 언어의 성능을 더하다
파이썬은 느리다? 이 책은 파이썬의 단 하나의 약점, 성능 문제를 해결해주는 다양한 전략을 소개한다. 파이썬의 관점에서 바라보는 컴퓨터 아키텍처와 동작 원리를 기본으로 깔고, 각종 라이브러리의 올바른 활용법, 행렬과 벡터 연산 가속, 메모리를 효율적으로 쓰는 법, 병목을 찾는 습관과 도구, 네이티브 코드로 컴파일하기 등을 배우고, 파이썬을 성공적으로 도입한 업계 선배들의 경험담과 전략을 듣게 될 것이다. 특히 한국어판에서는 저자의 동의를 얻어 파이썬 2로 작성된 원서의 예제 코드를 파이썬 3에서 실행할 수 있도록 수정하였다.

★ 프로토타이핑에서 실무 운영까지 살아가는 파이썬 코드의 비밀
아이디어 무한경쟁이 펼쳐지는 대(大)스타트업 시대! 높은 생산성으로 유명한 파이썬은 최우선 고려사항이다. 한 가지, 컴파일 언어 대비 느린 성능 때문에 성공한 서비스나 성능이 중요한 기능은 컴파일 언어로 다시 작성하곤 한다. 하지만 실무 운영까지 파이썬 코드를 계속 이어가는 방법이 있다면?

이 책은 파이썬을 둘러싼 설계와 작동 원리를 설명하고 이에 기반한 실용적인 구현 전략을 소개한다. 멀티코어 아키텍처와 클러스터의 이점을 활용하려면 어떻게 해야 하는가? 안정성을 잃지 않고 확장하는 방법은 무엇인가? 여러분은 이에 대한 명확한 해법을 찾고 방대한 소셜 데이터까지도 눈부신 속도로 처리해내는 파이썬 코드를 얻게 될 것이다.

★ 주요 내용
● numpy, Cython, 프로파일러 활용하기
● 파이썬의 시선으로 바라보는 컴퓨터 아키텍처 이해하기
● CPU 시간과 메모리 사용량을 프로파일링하여 병목 지점 찾기
● 상황에 맞는 컬렉션으로 효율적인 프로그램 작성하기
● 행렬과 벡터 연산 가속하기
● 네이티브 코드로 컴파일하기
● 대량의 I/O와 연산 동시 수행하기
● 원격 클러스터로 병렬 처리하기
● 적은 메모리로 대규모 데이터 처리하기

정보제공 :

1장. 고성능을 위한 파이썬 이해하기 
__1.1 컴퓨터 시스템의 기본 
__1.2 기본 구성 함께 보기 
__1.3 파이썬을 쓰는 이유 

2장. 프로파일링으로 병목 지점 찾기 
__2.1 효과적으로 프로파일링하기 
__2.2 쥘리아 집합 
__2.3 전체 쥘리아 집합 계산하기 
__2.4 시간을 측정하는 간단한 방법 - print와 데코레이터 
__2.5 유닉스 time 명령어를 이용한 간단한 시간 측정 
__2.6 cProfile 모듈 사용하기 
__2.7 line_profiler로 한 줄씩 측정하기 
__2.8 memory_profiler로 메모리 사용량 진단하기 
__2.9 heapy로 힙 메모리 살펴보기 
__2.10 dowser로 변수 생성을 실시간으로 확인하기 
__2.11 dis 모듈로 CPython의 바이트코드 조사하기 
__2.12 최적화 중에 단위 테스트하기 
__2.13 성공적인 코드 프로파일링 전략 
__2.14 마치며 

3장. 리스트와 튜플 
__3.1 더 효율적인 탐색 
__3.2 리스트와 튜플 
__3.3 마치며 

4장. 사전과 셋 
__4.1 사전과 셋의 동작 원리 
__4.2 사전과 네임스페이스 
__4.3 마치며 

5장. 이터레이터와 제너레이터 
__5.1 무한급수와 이터레이터 
__5.2 제너레이터의 지연 실행 
__5.3 마치며 

6장. 행렬과 벡터 연산 
__6.1 문제 소개 
__6.2 파이썬의 리스트만으로 충분할까? 
__6.3 메모리 단편화 
__6.4 numpy를 이용한 확산 방정식 해법 
__6.5 numexpr : 제자리 연산을 더 빠르고 간편하게 쓰기 
__6.6 최적화 검증 scipy 
__6.7 마치며 

7장. C 언어로 컴파일하기 
__7.1 가능한 속도 개선의 종류 
__7.2 JIT 대 AOT 컴파일러 
__7.3 타입 정보가 실행 속도에 영향을 주는 이유 
__7.4 C 컴파일러 사용하기 
__7.5 쥘리아 집합 예제 다시 보기 
__7.6 Cython 
__7.7 Shed Skin 
__7.8 Cython과 numpy 
__7.9 Numba 
__7.10 Pythran 
__7.11 PyPy 
__7.12 각 기술을 언제 사용할까? 
__7.13 외부 함수 인터페이스 
__7.14 마치며 

8장. 동시성 
__8.1 비동기 프로그래밍 소개 
__8.2 순차적 크롤러 
__8.3 gevent 
__8.4 tornado 
__8.5 AsyncIO 
__8.6 데이터베이스 예제 
__8.7 마치며 

9장. multiprocessing 모듈 
__9.1 multiprocessing 모듈 소개 
__9.2 몬테카를로 방식을 사용해 원주율 추정하기 
__9.3 프로세스와 스레드를 사용해 원주율 추정하기 
__9.4 소수 찾기 
__9.5 프로세스 간 통신을 사용해 소수 검증하기 
__9.6 multiprocessing과 numpy 데이터 공유하기 
__9.7 파일과 변수 접근 동기화하기 
__9.8 마치며 

10장. 클러스터와 작업 대기열 
__10.1 클러스터링의 이점 
__10.2 클러스터링의 단점 
__10.3 일반적인 클러스터 설계 
__10.4 클러스터화한 해법을 어떻게 시작할 것인가? 
__10.5 클러스터 사용 시 고통을 피하는 방법 
__10.6 세 가지 클러스터링 솔루션 
__10.7 강건한 프로덕션 클러스터링을 위한 NSQ 
__10.8 살펴볼 만한 다른 클러스터링 도구들 
__10.9 마치며 

11장. RAM 아껴 쓰기 
__11.1 원시 타입 객체는 비싸다 
__11.2 컬렉션이 사용하는 RAM 이해하기 
__11.3 바이트와 유니코드 
__11.4 RAM에 수많은 텍스트를 효율적으로 저장하기 
__11.5 RAM을 덜 사용하기 위한 팁 
__11.6 확률적 자료구조 

12장. 현장에서 얻는 교훈 
__12.1 어댑티브랩의 소셜 미디어 분석, 소마(SoMA) 
__12.2 RadimRehurek.com의 딥 러닝, 플라이(Fly) 
__12.3 Lyst.com의 대규모 기계 학습 
__12.4 스메시에서의 대규모 소셜 미디어 분석 
__12.5 성공적인 웹과 데이터 처리 시스템을 위한 PyPy 
__12.7 Lanyrd.com의 작업 대기열