tmux에 대해

Rayi — Sat, 22 Aug 2026 14:42:07 +0900

tmux (terminal multiplexer)는 하나의 터미널 창을 여러 개의 가상 터미널 창들로 나누어 관리할 수 있게 해 주는 터미널 도구입니다. Linux에는 기본적으로 설치되어 있어 곧바로 사용할 수 있습니다.

보통 터미널에서 명령어를 입력하며 작업할 때는 여러 경로에서 작업하게 됩니다(가령 서버와 프론트엔드 경로를 각각 띄워놓는을 때). 이런 경우 vscode 개발환경이라면 터미널 창 우측의 터미널 목록을 이용해 여러 창을 번갈아가며 작업할 수 있는데, 이러면 한 번에 두 개의 터미널 창을 동시에 볼 수는 없습니다.

하지만 tmux를 사용하면 한 터미널 창을 분할하여 여러 터미널들을 동시에 볼 수 있게 됩니다. 예를 들어 여러 터미널 창을 띄워놓고 필요에 따라 옮길 수도 있고, 하나의 터미널 창을 상하좌우로 구분하여 나눠서 사용하는 방식입니다.

뿐만 아니라, tmux 창에서 싱행되는 작업은 연결이 끊어져도 백그라운드에서 작업이 유지됩니다. 원래 터미널 창에서 실행되는 프로그램은 터미널 창이 닫히면 함께 종료됩니다. 그래서 서버와 같이 상시 실행되어야 하는 프로그램은 터미널에서 실행하면 서버를 종료하기 전 까지 그 터미널 창을 닫을 수 없게 됩니다.

하지만 tmux 세션 안에서 실행되는 프로그램은 해당 세션을 나가고, 터미널 창을 닫아도 여전히 그 세션 안에서 실행됩니다. 그래서 tmux는 원격 서버 작업이나 장시간 실행되는 프로세스를 다루는데에 필수적이라고 할 수 있습니다.

주요 구조

세션(Session): tmux의 작업 영역은 크게 세션 단위로 구분됩니다. 세션은 가장 큰 단위로 프로젝트별로 분리해 관리하며, SSH 접속이 끊겨도 백그라운드에서 유지됩니다.
윈도우(Window): 브라우저의 탭과 같은 개념입니다.
패널(Panel): 하나의 화면을 가로 또는 세로로 쪼개어 여러 화면을 동시에 보게 해 줍니다.

명령어

목록 보기

tmux ls

세션 생성

tmux new -s [세션이름]

세션 삭제

tmux kill-session -t [세션이름]

세션 진입

tmux attach -t [세션이름]

세션 나가기

키보드 단축키: ctrl + b → d

분할 패널 닫기

키보드 단축키: ctrl + b → x

마우스 기능 활성화

단축키: ctrl + b → :
이후 명령어: set -g mouse on

[FastAPI] lifespan - 생명주기

Rayi — Mon, 11 May 2026 16:44:30 +0900

생명주기

생명주기는 어떤 객체나 프로그램이 생성되고, 실행되면서 소멸할 때까지의 전체 과정을 의미합니다.

FastAPI에서의 생명주기는 서버가 켜지고 꺼질 때까지의 과정이라고 볼 수 있습니다. 보통 서버의 생명주기에서는 다음과 같은 작업이 순서대로 이루어집니다.

Startup (시작): 서버가 막 가동될 때입니다. 이때 보통 DB 연결이나 AI 모델 로드, 설정 파일 읽기 같은 무거운 작업을 미리 해둡니다.
Running (운영): 서버가 사용자(클라이언트)들의 요청을 처리하며 열심히 일하는 단계입니다.
Shutdown (종료): 서버가 꺼질 때입니다. 이때 DB 연결을 안전하게 닫거나, 임시 파일을 삭제하는 등 뒷정리를 합니다.

asynccontextmanager

FastAPI에서 생명주기를 설정하는 함수는 비동기 함수로 정의합니다.

contextmanager는 "이 영역(Context) 안에서만 이 자원을 유효하게 하겠다"는 약속을 정의합니다. 때문에 중간에 에러가 발생하더라도, startup - running - shutdown 전반의 코드가 모두 실행될 수 있도록 보장할 수 있습니다.

async를 사용하는 이유는 비동기로 작동하는 FastAPI 특성상 그 생명주기 또한 비동기 함수들을 호출하여 사용할 수 있어야 하기 때문입니다.

from contextlib import asynccontextmanager

@asynccontextmanager
async def lifespan(app: FastAPI):
    # [Startup] 서버가 켜질 때 실행되는 부분
    await get_pool()  # e.g. db 연결
    print("Database pool initialized")
    # ------------------------------------
    
    # ------------------------------------
    yield  # FastAPI 서버가 여기서 실행됨
    # ------------------------------------
    
    # [Shutdown] 서버가 꺼질 때 실행되는 부분
    await close_pool()  # e.g. db 연결 해제
    print("Database pool closed")
    # ------------------------------------

이렇게 만든 생명주기 함수는 FastAPI app을 생성할 때 매개변수로 전달하여 사용할 수 있습니다.

from fastapi import FastAPI

app = FastAPI(lifespan=lifespan)

[FastAPI] APIRouter - 라우팅 설정하기

Rayi — Sat, 2 May 2026 16:29:39 +0900

FastAPI에서 각 엔드포인트들의 주소를 하나로 묶어 사용하려면 APIRouter() 객체를 사용하면 됩니다.

include_router( )

우선 FastAPI 객체가 필요합니다.

from fastapi import FastAPI

app = FastAPI()

app의 include_router( ) 함수로 APIRouter( ) 객체를 연결할 수 있습니다.

from fastapi import FastAPI
from app.routes.news import news_router  # APIRouter 객체


app = FastAPI()

app.include_router(news_router, prefix="/news", tags=["news"])

news_router | APIRouter 객체 이름

prefix | 라우팅된 엔드포인트들이 공통으로 가질 경로(접두어). 이 경우 news_router에 속한 모든 엔드 포인트들은 /news 경로를 루트로 가지게 됩니다.

tags | Swagger 문서*에서 엔드포인트를 그룹지을 이름(태그). 한 번에 여러 개의 태그를 붙일 수 있습니다.

*Swagger 문서 : API가 어떤 데이터를 주고받는지 UI(화면)로 보여주고, 그 자리에서 바로 테스트까지 해볼 수 있게 해주는 도구

APIRouter

app과 연결할 라우팅은 APIRouter( ) 객체로 관리합니다.

from fastapi import APIRouter

news_router = APIRouter()

APIRouter( )는 같은 라우팅으로 묶고자 하는 엔드포인트 함수 위에 데코레이션으로 작성하여 사용합니다. 만약 app.include_router( )에서 news_router의 prefix가 "/news"였다면,post_news_id( ) 엔드포인트는 "/news/id"로 요청할 때 호출됩니다.

# 해당 라우팅에서 루트 경로의 GET 메소드 엔드포인트 입니다.
@news_router.get("")
async def get_news():
   # ...
   
# 해당 라우팅에서 '/id' 경로의 POST 메소드 엔드포인트 입니다.
@news_router.post("/id")
async def post_news_id():
   # ...

[FastAPI] FastAPI에 대하여

Rayi — Sat, 2 May 2026 10:50:42 +0900

FastAPI는 Python의 표준 타입 힌트* 기반의 API를 구축하기 위한 웹 프레임워크입니다. Node.js나 Go과 대등할 정도로 빠른 개발 속도와 처리 속도를 가지고 있어 Fast라는 이름이 붙여졌습니다.

*표준 타입 힌트 : Python 3.6 버전부터 도입된 type hinting 문법을 API 개발에 그대로 활용하는 것. 자세한 내용은 아래 후술

간단한 작성방식

Starlette과 Pydantic을 기반으로 하여 빠른 코드 작성을 지원할 뿐 아니라, 코드 중복을 최소화하고 코드 자체를 간결하게 만들어 직관적이고 배우기 쉬운 프레임워크를 설계하였습니다. 예를 들어 서버의 라우팅 과정을 Flask와 비교하면 이름 식별자나 routing 파일 위치(Flask에서는 blueprint 위치)등을 작성하지 않는 것을 볼 수 있습니다.

# Flask

news_router = Blueprint('news', __name__)

@news_bp.route('', methods=['GET'])
def get_news():

# FastAPI

news_router = APIRouter()

@news_router.get("") 
def get_news():

표준 타입 힌트

이전 프레임워크에서는 데이터의 형식을 검증하기 위해 별도의 라이브러리나 복잡한 코드가 필요했지만, FastAPI는 Python 기본 문법만으로 이를 해결합니다.

from fastapi import FastAPI

app = FastAPI()

@app.get("/items/{item_id}")
def read_item(item_id: int, q: str = None):  # 표준 타입 힌트
    return {
        "item_id": item_id,
        "q": q
    }

위 코드는 item의 id에 해당하는 서버 요청을 실행하느 엔드포인트 함수입니다. 여기서 FastAPI는 표준 타입 힌트를 보고 다음 작업들을 자동으로 수행합니다.

데이터 파싱: URL이 "/items/123"과 같이 들어왔다면, "123"을 파이썬 정수 123으로 자동 변환합니다.
데이터 검증: URL이 "/items/abc"와 같이 들어왔다면, 코드 실행 전 유효하지 않다는 에러를 클라이언트에 반환합니다.
자동 완성: 개발환경 프로그램(VS Code 등)에서 해당 변수가 int임을 인지하고 관련 함수들을 추천해 줍니다.

타입 힌트로 Pydantic의 사용자 지정 타입 또한 사용할 수 있습니다.

비동기 처리

이전에 존재했던 Python 웹 프레임워크인 Flask나 Django는 동기 방식(Synchronous)이지만, FastAPI는 비동기 방식(Ascynchronous)입니다. Flask는 기본적으로 한 번에 하나의 요청을 처리하는 구조입니다. 하지만 FastAPI는 서버가 기다리는 시간을 허비하지 않기 때문에, 빠른 처리가 가능해집니다.

서버 실행

FastAPI는 자체 내장 서버가 없기 때문에, uvicorn같은 외부 서버를 이용해 따로 실행해주어야 합니다.

터미널에서 다음과 같은 명령어를 통해 서버를 실행할 수 있습니다.

uvicorn app.main:app --reload --host 0.0.0.0 --port 8000

python 코드 내에서 실행하려면 이런 식으로 작성하면 됩니다.

import uvicorn

if __name__ == "__main__":
	uvicorn.run("app.main:app", host="0.0.0.0", port=8000, reload=True)

app.main:app | ./app/main.py의 app 객체를 실행합니다.

host | 서버가 실행될 주소입니다. (0.0.0.0은 모든 외부 기기에 대해 접속을 허용하는 상태입니다)

port | 서버가 요청을 받을 포트 번호 입니다.

reload | 코드에 수정사항이 발생했을 때, 서버를 자동으로 재시작합니다.

https://fastapi.tiangolo.com/ko/

FastAPI

FastAPI framework, high performance, easy to learn, fast to code, ready for production

fastapi.tiangolo.com

[Python] Uv에 대하여

Rayi — Thu, 9 Apr 2026 12:12:12 +0900

Uv는 Rust 기반의 패키지 관리 프로그램으로, Python의 여러 버전을 하나의 머신에서 사용할 수 있게 관리해줍니다.

Python은 역사가 오래된 언어이기 때문에, pip나 conda와 같은 대표적인 패키지 관리 프로그램이 등장하기 이전에도 여러 종류의 프로그램이 존재했습니다. 이들은 모두 기능이나 특징이 조금씩 달라서, 단일화된 Python 생태계를 유지하는데 어려움을 주게 되었습니다.

이런 맥락에서 등장한 Uv는 기존의 패키지 관리 프로그램들을 하나로 통합하는 것을 목표로 만들어졌습니다. 우리가 pip나 conda에서 하던 것 처럼 패키지와 라이브러리를 쉽게 설치할 수 있을 뿐 아니라, 가상환경을 생성하거나 Python의 버전 또한 다양하게 설치하고 전환할 수 있습니다. 그러면서도 Rust의 특징을 살려 패키지 설치 및 의존성 해결 속도가 매우 빠른 것을 강점으로 내세우고 있습니다. 공식 벤치마크에서는 pip보다 10배에서 최대 100배 까지 빠르다고 묘사하고 있습니다.

Trio 패키지의 의존성을 해결할 때 소요 시간 비교

범용성과 우수한 처리속도 덕분에 Uv는 현재 차세대 패키지 관리 통합 도구로 주목받고 있습니다.

설치

Windows기준으로, PowerShell에 아래 명령어를 실행합니다.

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

만약 pip가 설치되어 있다면, pip를 이용해 설치할 수도 있습니다.

pip install uv

업데이트는 아래와 같이 실행합니다.

uv self update

uv lock

uv는 의존성을 해결할 때 해당 프로젝트에 존재하는 uv.lock 파일을 참고합니다. uv.lock에는 해당 프로젝트에 어떤 의존성 파일들이 설치되었는지에 대한 정보가 기록되어 있습니다. pip에서의 requirements.txt라고 생각하면 됩니다.

uv.lock을 생성하려면 프로젝트를 초기화해야 합니다.

uv init

초기화시 프로젝트에 대한 정보를 기록한 pyproject.toml 파일이 생성됩니다. 프로젝트의 의존성 파일들이 여기 dependencies 리스트에 기록됩니다.

# pyproject.toml
[project]
name = "rabbit"
version = "0.1.0"
description = "Add your description here"
readme = "README.md"
requires-python = ">=3.13"
dependencies = [
    "a2a-sdk==0.3.25",
    "aiofile==3.9.0",
    "aiofiles==25.1.0",
    "aiohappyeyeballs==2.6.1",
    ...

이후 pyproject.toml를 기반으로 uv.lock 파일을 생성할 수 있습니다.

uv lock

# uv.lock
version = 1
revision = 3
requires-python = ">=3.13"
resolution-markers = [
    "python_full_version >= '3.14'",
    "python_full_version < '3.14'",
]

[[package]]
name = "a2a-sdk"
version = "0.3.25"
source = { registry = "https://pypi.org/simple" }
dependencies = [
    { name = "google-api-core" },
    { name = "httpx" },
    { name = "httpx-sse" },
    { name = "protobuf" },
    { name = "pydantic" },
]
sdist = { url = "https://files.pythonhosted.org/packages/55/83/3c99b276d09656cce039464509f05bf385e5600d6dc046a131bbcf686930/a2a_sdk-0.3.25.tar.gz", hash = "sha256:afda85bab8d6af0c5d15e82f326c94190f6be8a901ce562d045a338b7127242f", size = 270638, upload-time = "2026-03-10T13:08:46.417Z" }
wheels = [
    { url = "https://files.pythonhosted.org/packages/bd/f9/6a62520b7ecb945188a6e1192275f4732ff9341cd4629bc975a6c146aeab/a2a_sdk-0.3.25-py3-none-any.whl", hash = "sha256:2fce38faea82eb0b6f9f9c2bcf761b0d78612c80ef0e599b50d566db1b2654b5", size = 149609, upload-time = "2026-03-10T13:08:44.7Z" },
]

[[package]]
name = "aiofile"
...

uv sync

프로젝트를 clone 하거나 내려받았을 때 의존성을 해결하고자 한다면 아래와 같이 실행합니다.

uv sync

기존의 pip install과 다른 점은, 우선 속도가 훨씬 빠릅니다. 그리고 철저히 uv.lock의 기준을 따라서 추가 설치 뿐만 아니라 버전 수정과 삭제 또한 수행합니다. 좀 더 엄격하게 의존성을 해결한다고 볼 수 있습니다.

uv add

라이브러리를 설치합니다.

uv add [lib1] [lib2] ...

만약 이전에 requirements.txt를 사용해왔다면, 마이그레이션 할 수도 있습니다.

uv add -r requirements.txt

만약 requirements.txt가 없다면, pip freeze를 이용해 의존성 목록을 뽑아낸 다음 일괄 설치할 수 있습니다.

uv pip freeze --exclude-editable | ForEach-Object { uv add $_ }

이때까지 설치한 라이브러리 목록은 list로 확인할 수 있습니다.

uv list

uv python

원하는 버전의 python을 설치하거나, 현재 가상환경에서의 파이썬 버전을 고정할 수 있습니다.

uv python [version]  # 설치
uv python pin [version]  # 버전 고정

https://docs.astral.sh/uv/

An extremely fast Python package and project manager, written in Rust. Installing Trio's dependencies with a warm cache. A single tool to replace pip, pip-tools, pipx, poetry, pyenv, twine, virtualenv, and more. 10-100x faster than pip. Provides comprehens

docs.astral.sh

[Python] Library | 11. typing

Rayi — Wed, 8 Apr 2026 11:10:29 +0900

typing은 Python에 타입 힌트를 추가하여 코드의 가독성을 높이고, 버그를 사전에 예방할 수 있도록 도와주는 라이브러리입니다.

Python은 실행 전까지 변수의 타입을 체크하지 않는 동적 타이핑을 사용하지만, typing을 쓰면 코드를 실행하지 않고도 mypy 같은 정적 분석 도구를 통해 오류를 잡아낼 수 있습니다.

단, 3.9 버전 이상 부터 기본적인 타입에 대해서는 typing 없이도 직접 타입을 명시할 수 있습니다.

def process_scores(names: list[str], scores: dict[str, int]) -> float:
    return sum(scores.values()) / len(names)

타입 종류

아래는 typing에서 지원하는 타입들에 대한 목록입니다.

타입	기능	예시
Annotated	부가정보	Annotated[int, "range(0, 100)"]
Any	타입 제한 없음	Any
AsyncGenerator	비동기 제네레이터. await 함수 실행 + yield 반환 모두 시행하는 함수의 반환 타입으로 사용	AsyncGenerator[Event, None]
Callable	호출 가능한 값. 주로 함수	Callable[[int, int], int]
Dict	딕셔너리	Dict[str, Any]
List	리스트	List[str]
Literal	특정 값	Literal["A", "Running", "light"]
Optional	None이 될 수도 있는 값	Optional[int]

제네릭 타입

데이터 구조를 먼저 선언한 뒤, 구조 내부에 들어갈 타입은 나중에 결정하고 싶을 때 사용합니다. TypeVar와 함께 쓰입니다.

from typing import TypeVar, Generic

T = TypeVar('T')  # 이제부터 T는 타입을 의미함

class Box(Generic[T]):  # 클래스 내의 T는 나중에 사용자가 지정한 타입이 들어감
    def __init__(self, content: T):
        self.content = content

int_box = Box[int](10)  # 이제 T는 int를 의미함

[n8n] n8n에 대하여

Rayi — Sun, 29 Mar 2026 12:06:07 +0900

n8n(n eight n)은 API, DB, SaaS와 같은 여러가지 서비스를 서로 연결해서 자동적으로 업무를 수행할 수 있게 하는 워크플로우 자동화 도구입니다. 이벤트 기반으로 자동화 파이프라인을 구성할 수 있으며, 다른 자동화 도구와 비교하여 높은 자유도와 확장성을 강점으로 내세우고 있습니다.

자유도가 높다는 것은 진입 장벽 또한 높다는 의미이지만, 근래 LLM의 보편화로 인해 코드 생성이나 디버깅 난이도가 낮아짐에 따라 진입 장벽도 낮아져 대중적으로 많이 쓰이게 되었습니다.

MCP 자동화

n8n을 비롯한 워크플로우 자동화 도구가 많이 쓰이게 된 것은 AI agent 개발이 보편화 되면서, MCP 서버*로 많은 기능들을 자동으로 처리하기 시작했기 때문입니다. 각 MCP가 제공하는 정보를 종합하고, 복잡한 업무 흐름을 자동화하려면 이들을 연결해주는 도구가 필요하기 마련입니다.

*MCP 서버: AI agent가 외부 서비스의 기능을 빌려와 더 다양한 기능을 사용할 수 있도록 만들어주는 서버

특히 n8n은 Slack, Google sheet, Gmail과 같은 보편적 서비스 뿐 아니라 AI agent를 위해 개발된 최신 서비스들까지 천 여개가 넘는 서비스들을 바로 연동할 수있는 범용성을 가지고 있습니다.

노드 구조

n8n의 각 작업은 노드(node)라는 단위로 구성됩니다. 각 노드는 JSON의 형태로 입력값과 출력값을 받으며,크게 두 가지 작업 중 하나를 수행하게 됩니다.

Trigger : 특정 이벤트에 맞게 워크플로우의 작업을 개시합니다. 트리거 노드는 주황색 번개 아이콘으로 표시됩니다.
Action : 워크플로우의 작업을 수행합니다. 주로 데이터 처리나 외부 시스템 실행 등의 작업이 있습니다.

즉, 하나의 워크플로우는 Trigger → Action1 → Action2 → … 과 같은 구성으로 이루어져 있다고 생각할 수 있습니다.

이 모든 워크플로우를 GUI로 다룰 수 있지만, 필요에 따라 JavaScript 코드나 HTTP 요청을 직접 수정할 수도 있습니다.

설치

1. WSL + Docker Desktop 설치

n8n은 Docker*를 통해 간단하게 설치할 수 있습니다. Docker Desktop이 없다면, 먼저 설치해 주어야 합니다.

*Docker: 애플리케이션을 신속하게 구축, 테스트 및 배포할 수 있는 오픈 소스 가상화 플랫폼

https://www.docker.com/products/docker-desktop/

Docker Desktop: The #1 Containerization Tool for Developers | Docker

Docker Desktop is collaborative containerization software for developers. Get started and download Docker Desktop today on Mac, Windows, or Linux.

www.docker.com

이때, 설치 옵션 중에서 Use WSL2 instead of Hyper-V 체크를 해두어야 합니다.

n8n은 Linux 환경에서 표준적으로 작동합니다. Windows 환경에서는 WSL을 통해 n8n을 설치 및 실행할 수 있습니다. 이를 위해 WSL 또한 함께 설치해주어야 합니다.

wsl --install

최종적으로 wsl과 docker 모두 버전이 정상적으로 나오면 설치가 성공적으로 완료된 것입니다.

wsl --status

// 출력값(예시)
기본 배포: Ubuntu-24.04
기본 버전: 2

docker --version

// 출력값(예시)
Docker version 28.4.0, build d8eb465

2. 컨테이너 생성 및 실행

docker volume create n8n_data

n8n의 데이터를 저장할 docker 볼륨을 생성합니다. n8n_data는 볼륨의 이름입니다.

docker run -d -it --rm \
  --name n8n \
  -p 5678:5678 \
  -v n8n_data:/home/node/.n8n \
  docker.n8n.io/n8nio/n8n

지정한 설정에 따라 컨테이너를 생성 후 실행합니다. docker.n8n.io/n8nio/n8n는 컨테이너로 생성할 이미지 파일 이름이며, 이는 n8n에서 공식으로 제작한 파일명입니다. 몇 가지 설정을 해 두었는데, 각각의 의미는 아래와 같습니다.

속성	값	의미
-d		백그라운드에서 컨테이너가 실행됨.
-it		터미널에서 로그를 실시간으로 볼 수 있음. -i: interactive (입력 유지) -t: terminal 할당
--rm		컨테이너는 종료될 때 자동 삭제됨. (1회용일 때 적합)
--name	n8n	컨테이너 이름.
-p	5678:5678	포트 지정. 내 PC의 5678 포트와 n8n 컨테이너의 5678 포트를 연결
-v	n8n_data:/home/node/.n8n	볼륨 n8n_data의 저장 위치를 /home/node/.n8n으로 지정

설치가 완료되면 아래와 같이 출력됩니다.

[license SDK] Skipping renewal on init: license cert is not initialized
Registered runner "JS Task Runner" (6KarhEyyibsJaxQMlKtWP)
Version: 2.13.4
Building workflow dependency index...
Finished building workflow dependency index. Processed 0 draft workflows, 0 published workflows.

Editor is now accessible via:
http://localhost:5678

Press "o" to open in Browser.

3. 실행

이제 http://localhost:5678에 접속하면 n8n의 GUI 인터페이스를 사용할 수 있습니다.

[Python] Library | 10. logging

Rayi — Thu, 26 Mar 2026 17:25:33 +0900

logging은 로그 기록을 생성 및 관리하는 라이브러리입니다. 별도의 설치 없이 사용할 수 있습니다.

코드의 진행상황을 출력하는 로그는 print()를 사용해도 구현할 수 있긴 합니다.

하지만 logging을 사용하면 출력 터미널에 기록이 나타나는 것에서 멈추지 않고 파일로 남기거나, DB에 남기는 것도 가능해집니다.

getLogger( )

logging은 기본적으로 Logger 객체를 생성하는 것에서 시작합니다. Logger 객체는 getLogger()함수로 생성할 수 있습니다.

import logging

logger = logging.getLogger(__name__)

Logger를 통해 띄울 수 있는 로그의 종류는 아래와 같습니다

if __name__ == "__main__":
    logger.debug("This is a debug message")  # 디버그
    logger.info("This is a info message")  # 정보
    logger.warning("This is a warning message")  # 경고
    logger.error("This is a error message")  # 에러
    logger.critical("This is a critical message")  # 치명적 에러

basicConfig( )

하지만 이를 실행하면 경고와 에러, 그리고 치명적 에러 로그만 출력됩니다.

This is a warning message
This is a error message
This is a critical message

이는 로그가 출력되는 최소 기준선이 기본적으로 경고(warning) 레벨까지 설정되어 있기 때문입니다. Logger는 이 기준선 이상의 로그만 터미널에 출력하게 됩니다.

Logger의 basicConfig( )함수는 이 기준선을 포함하여 출력 형식, 일자 등 세부사항들을 설정할 수 있습니다.

매개변수	타입	기능
level	logging.DEBUG \| ... \| logging.CRITICAL	로그 출력 기준선 설정
format	string	전체 출력 형식 설정
datefmt	string	날짜 출력 형식 설정
filename	string	로그를 저장할 파일 이름 설정할 시 터미널에 출력되지 않는 대신 파일로 저장됨
filemode	'a' \| 'w'	a : 이어서 쓰기 w : 새로 쓰기

logging.basicConfig(
    level=logging.DEBUG,
    format='%(asctime)s [%(levelname)s] %(name)s:%(lineno)d - %(message)s',
    datefmt='%Y-%m-%d %H:%M:%S',
    filename='test.log',
    filemode='a'
)
logger = logging.getLogger(__name__)

asctime | 로그가 생성된 시간

levelname | 로그 레벨(debug, info 등)

name | Logger 객체의 이름

lineno | 로그가 발생한 소스코드의 줄 번호

message | 실제 로그 내용

이제 새로운 Logger는 이렇게 로그를 생성합니다.

2026-03-26 17:22:38 [DEBUG] __main__:11 - This is a debug message
2026-03-26 17:22:38 [INFO] __main__:12 - This is a info message
2026-03-26 17:22:38 [WARNING] __main__:13 - This is a warning message
2026-03-26 17:22:38 [ERROR] __main__:14 - This is a error message
2026-03-26 17:22:38 [CRITICAL] __main__:15 - This is a critical message

핸들러

핸들러는 로그를 어느 위치에 어떤 방식으로 남길지 결정하는 객체입니다. basicConfig()는 기본적으로 rootLoggerHandler를 사용하는데, 이를 바꾸면 파일을 저장하면서도 터미널에서 로그를 출력할 수 있습니다.

핸들러	로그 출력 위치
StreamHandler	터미널에 출력
FileHandler	파일에 출력
RotatingFileHanlder	파일에 출력, 파일이 커지면 새 파일을 자동으로 생성
TimedRotatingFileHandler	파일에 출력, 경과 시간을 넘기면 새 파일을 자동으로 생성

import logging
import sys
from logging.handlers import TimedRotatingFileHandler

logger = logging.getLogger(__name__)
logger.setLevel(logging.DEBUG)

log_format = logging.Formatter(
    '%(asctime)s [%(levelname)s] %(name)s:%(lineno)d - %(message)s',
    datefmt='%Y-%m-%d %H:%M:%S'
)

# 터미널 출력용 핸들러 설정
console_handler = logging.StreamHandler(sys.stdout)
console_handler.setFormatter(log_format)  # 출력 형태 설정
console_handler.setLevel(logging.DEBUG)  # 출력 기준 설정
logger.addHandler(console_handler)  # Logger에 핸들러 추가

# 파일 출력용 핸들러 설정
file_handler = TimedRotatingFileHandler(
    filename='test.log',
    when='midnight',     # 매일 자정에 로그 파일 교체
    interval=1,          # 1일 간격으로 교체
    backupCount=30,      # 최대 30개의 백업 파일 유지
    encoding='utf-8'     # 인코딩 설정
)
file_handler.setFormatter(log_format)  # 출력 형태 설정
file_handler.setLevel(logging.INFO)  # 출력 기준 설정
logger.addHandler(file_handler)  # Logger에 핸들러 추가

[Python] Library | 09. dotenv

Rayi — Thu, 26 Mar 2026 16:49:02 +0900

dotenv는 Python이 많은 양의 환경변수를 관리할 수 있도록 .env 파일을 사용하게 하는 라이브러리입니다.

dotenv는 별도로 설치가 필요합니다.

pip install python-dotenv

환경 변수가 한두 개일 때는 시스템 환경 변수에 추가해서 사용할 수 있습니다. 하지만 환경 변수가 많아지면 일일이 추가하는게 힘들어지므로, .env 파일에 모두 저장하여 관리하는 경우도 있습니다. dotenv는 Python이 .env 파일에 접근할 수 있도록 해줍니다.

.env 파일이 이렇게 구성되어 있다고 합시다.

ENV1=asdfghjk
ENV2=qwertyuiop

Python에서 load_dotenv( ) 함수를 이용해 .env 파일을 불러올 수 있습니다. 불러온 환경변수들은 특정 변수에 저장되는 것은 아니고, os 라이브러리의 environ 객체를 통해 접근할 수 있습니다.

import dotenv
import os

dotenv.load_dotenv()

env_1 = os.environ.get('ENV1')
env_2 = os.environ.get('ENV2')

[프로그래머스] 완전범죄

Rayi — Mon, 23 Mar 2026 15:00:15 +0900

문제

A도둑과 B도둑이 팀을 이루어 모든 물건을 훔치려고 합니다. 단, 각 도둑이 물건을 훔칠 때 남기는 흔적이 누적되면 경찰에 붙잡히기 때문에, 두 도둑 중 누구도 경찰에 붙잡히지 않도록 흔적을 최소화해야 합니다.

물건을 훔칠 때 조건은 아래와 같습니다.

물건 i를 훔칠 때,
- A도둑이 훔치면 info\[i\]\[0\]개의 A에 대한 흔적을 남깁니다.
- B도둑이 훔치면 info\[i\]\[1\]개의 B에 대한 흔적을 남깁니다.
각 물건에 대해 A도둑과 B도둑이 남기는 흔적의 개수는 1 이상 3 이하입니다.

경찰에 붙잡히는 조건은 아래와 같습니다.

A도둑은 자신이 남긴 흔적의 누적 개수가 n개 이상이면 경찰에 붙잡힙니다.
B도둑은 자신이 남긴 흔적의 누적 개수가 m개 이상이면 경찰에 붙잡힙니다.

각 물건을 훔칠 때 생기는 흔적에 대한 정보를 담은 2차원 정수 배열 info, A도둑이 경찰에 붙잡히는 최소 흔적 개수를 나타내는 정수 n, B도둑이 경찰에 붙잡히는 최소 흔적 개수를 나타내는 정수 m이 매개변수로 주어집니다. 두 도둑 모두 경찰에 붙잡히지 않도록 모든 물건을 훔쳤을 때, A도둑이 남긴 흔적의 누적 개수의 최솟값을 return 하도록 solution 함수를 완성해 주세요. 만약 어떠한 방법으로도 두 도둑 모두 경찰에 붙잡히지 않게 할 수 없다면 -1을 return해 주세요.

예시

info	n	m	result
[[1, 2], [2, 3], [2, 1]]	4	4	2
[[1, 2], [2, 3], [2, 1]]	1	7	0
[[3, 3], [3, 3]]	7	1	6
[[3, 3], [3, 3]]	6	1	-1

조건

1 ≤ info의 길이 ≤ 40
- info\[i\]는 물건 i를 훔칠 때 생기는 흔적의 개수를 나타내며, \[A에 대한 흔적 개수, B에 대한 흔적 개수\]의 형태입니다.
- 1 ≤ 흔적 개수 ≤ 3
1 ≤ n ≤ 120
1 ≤ m ≤ 120

답

DP로 해결할 수 있습니다.

물건을 모두 훔쳤을 때 A의 흔적 합을 상태값으로, 그 때 B가 가질 수 있는 최소 흔적 합을 값으로 두는 1차원 배열을 준비합니다.

흔적 합은 최대 120까지 가질 수 있으므로, DP값의 초기값은 121(INF)으로 설정합니다.

단, 흔적 합 0은 불가능한 경우이므로 0입니다.

def solution(info, n, m):
    dp = [121] * n
    dp[0] = 0

각 물건 마다 두 가지 경우에 대해 DP를 업데이트 해야 합니다. 업데이트는 새로운 DP 배열인 NDP에서 진행하고, 업데이트가 모두 끝나면 이전단계 DP에 NDP를 덮어 씁니다.

경우 1. A가 물건을 훔칠 때 : 모든 DP 경우에 대해 t_a만큼 증가한 경우(ndp[i + t_a])를 업데이트합니다. B가 물건을 훔치지 않았기 때문에 B의 흔적합은 따로 증가하지 않습니다.

경우 2. B가 물건을 훔칠 때 : 모든 DP 경우에 대해 현재 상태(i)를 업데이트 합니다. B가 물건을 훔쳤으므로 B의흔적 합은 t_b만큼 증가합니다.

def solution(info, n, m):
    # ...
    for t_a, t_b in info:
        ndp = [121] * n
        
        for i in range(n):
            if dp[i] == 121:
                continue
            # case 1.
            if i + t_a < n:
                ndp[i + t_a] = min(ndp[i + t_a], dp[i])
            # case 2.
            ndp[i] = min(ndp[i], dp[i] + t_b)
        
        dp = ndp

DP가 완성되면 A의 흔적합을 1부터 n까지 순회하며 최초로 B의 흔적합이 m보다 작아지는 경우를 찾습니다.

그 때의 A 흔적합 i를 반환하고, 그 값이 없다면 -1을 반환합니다.

def solution(info, n, m):
    ## ...
    for i in range(n):
        if dp[i] < m:
            return i
    return -1

아카이브