이 책에서 다루는 내용

- NumPy와 Pandas 라이브러리로 효율적인 수치 계산 코드 작성하기
- Cython과 Numba를 사용해 네이티브 성능 달성하기
- 프로파일러로 파이썬 코드의 성능 병목 찾기
- Asyncio와 RxPy를 사용해 비동기 코드 작성하기
- 파이썬에서 텐서플로와 테아노를 사용해 자동으로 병렬 처리하기
- Dask와 PySpark를 사용해 클러스터에 분산 알고리즘 설정, 실행하기

이 책의 구성

1장, ‘벤치마크와 프로파일링 파이썬’에서는 프로그램 성능을 평가하는 방법과 코드의 느린 부분을 알아내고 고립시키는 실용적인 전략을 알려준다.
2장, ‘순수 파이썬 최적화’에서는 파이썬 표준 라이브러리와 순수 파이썬 서드파티 모듈이 제공하는 효율적인 데이터 구조와 알고리즘을 사용해 실행 시간을 수십 배 단위로 향상시키는 방법을 다룬다.
3장, ‘NumPy와 Pandas를 사용한 고속 배열 연산’에서는 NumPy와 Pandas 패키지에 대한 안내를 한다. 이 패키지를 정복하면 빠르게 동작하는 수치적 알고리즘을 표현력 좋고 간결한 인터페이스로 구현할 수 있게 된다.
4장, ‘Cython으로 C 성능 얻기’에서는 효율적인 C 코드를 생성하기 위해 파이썬 호환 문법을 사용하는 언어인 Cython을 살펴본다.
5장, ‘컴파일러 탐구’에서는 파이썬을 효율적 기계어 코드로 컴파일하는 데 사용할 수 있는 도구를 다룬다. 파이썬 함수를 최적화하는 컴파일러인 Numba와 파이썬 프로그램을 실행하면서 바로 최적화할 수 있는 대안 인터프리터인 PyPy를 사용하는 방법을 배운다.
6장, ‘동시성 구현’에서는 비동기적 프로그래밍 및 반응형 프로그래밍에 대한 지침을 알아본다. 여기서는 주요 용어와 개념을 배우고, asyncio와 RxPy 프레임워크를 사용해 깔끔한 동시성 코드를 작성하는 방법을 시연할 것이다.
7장, ‘병렬 처리’에서는 다중 코어 프로세서와 GPU에서의 병렬 프로그래밍을 소개한다. multiprocessing 모듈을 사용하고 코드가 테아노(Theano)와 텐서플로(Tensorflow)를 사용하도록 해 병렬성을 얻는 법을 배운다.
8장, ‘분산 처리’에서는 대규모 문제와 빅데이터를 위한 분산 시스템에서 병렬 알고리즘을 실행하는 데 초점을 두고 7장의 내용을 확장한다. Dask, PySpark, mpi4py 라이브러리를 다룬다.
9장, ‘성능을 높이는 설계’에서는 고성능 파이썬 애플리케이션 개발과 테스트, 배포를 위한 일반적 최적화 전략과 모범 사례를 다룬다.

지은이의 말

파이썬 프로그래밍 언어는 문법이 직관적이고 재미있으면서 최고 품질의 서드파티 라이브러리가 다양한 덕분에 최근 몇 년 동안 급격히 큰 인기를 얻었다. 수많은 대학 입문 강좌와 고급 강좌에서 꼽힌 데 더해 과학과 엔지니어링 분야와 같이 집중적으로 숫자를 다루는 분야를 위해서도 선택됐다. 머신 러닝과 시스템 스크립팅, 웹 애플리케이션도 파이썬이 주로 활용되는 영역이다.

대부분이 C나 C++, 포트란(Fortran)과 같은 저수준 언어에 비해 레퍼런스 파이썬 인터프리터인 CPython이 비효율적이라고 여긴다. CPython의 성능이 형편없는 이유는 프로그램 명령instruction을 효율적인 기계어 코드로 컴파일하는 대신 인터프리터가 처리하기 때문이다. 인터프리터를 사용하면 이식성이 좋아지고 추가적 컴파일 단계가 없어지는 등 몇 가지 장점이 있지만 프로그램과 기계 사이에 간접 계층이 더해져 실행 효율성이 떨어진다.

몇 년에 걸쳐 CPython의 성능 문제를 극복하기 위해 많은 전략을 개발했다. 이 책의 목적은 그 간극을 메우고 일관적으로 파이썬 프로그램의 성능을 강하게 만들 방법을 가르치는 것이다. 이 책은 숫자를 다루는 코드 및 과학적 코드의 최적화를 다룰 뿐만 아니라, 웹 서비스와 애플리케이션의 응답 시간을 개선하는 전략까지 다뤄 많은 독자들에게 도움될 것이다.