기억하지 않는 것과 여러 번 해도 같은 것

핵심 구분

무상태는 '기억하는가'를 묻고, 멱등성은 '여러 번 해도 결과가 같은가'를 묻습니다.

서로 반대말이 아니라 애초에 다른 질문이라, DELETE는 상태를 남기지 않으면서도(무상태) 두 번째 호출에서 404가 나와도 '같은 결과'라는 점에서 여전히 멱등합니다.

FastAPI

안쪽부터 역방향으로 풀립니다 — 가장 안쪽에 의존하는 Depends가 먼저 해석되고, 그 결과를 바깥쪽 Depends가 받아 쓰는 순서로 진행됩니다.

FastAPI

"DB 세션의 존재를 아는가"입니다. 인터랙터(핵심 로직)가 DB 세션 같은 구체적인 인프라 개념을 직접 알고 있다면, 추상에만 의존해야 한다는 규칙을 어긴 것입니다.

FastAPI

I/O-bound(DB 조회, API 호출처럼 대부분의 시간을 기다리는 작업)에는 붙이는 것이 도움이 되지만, CPU-bound(이미지 처리 같은 실제 연산)에는 기다리는 게 아니라 일하는 중이라 도움이 되지 않습니다.

Docker

Image는 디스크에 있는 정적인 설계도(클래스에 대응), Container는 그 이미지를 실행해 만든 동적인 실체(인스턴스에 대응)입니다.

5~6강의 디스크↔메모리 축이 인프라 계층에서 반복된 것입니다.

머신러닝

모델 파라미터는 기계가 학습 과정에서 데이터로부터 스스로 찾아내고, 하이퍼파라미터는 사람이 학습을 시작하기 전에 미리 설정해 둡니다.

데이터

자료형(가장 작은 단위의 값)에서 자료구조(그 값들을 묶는 방식)를 거쳐 데이터베이스(영구 저장소)까지, 크기가 커지는 순서로 데이터 개념 전체를 한 장에 배치합니다.

스스로 확인

무상태는 '기억하는가'를, 멱등성은 '여러 번 해도 같은가'를 묻는 서로 다른 질문이기 때문입니다.

스스로 확인

최종 자원 상태(그 자원이 없다)가 몇 번을 호출해도 똑같기 때문입니다. 응답 코드가 바뀌어도 자원 상태가 같으면 멱등합니다.

스스로 확인

POST 요청입니다. 서버가 이전 요청을 기억하지 않는다는 점에서 무상태이지만, 두 번 보내면 두 개가 생성되어 비멱등합니다.

스스로 확인

안쪽(가장 깊은 의존성)부터 역방향으로 풀립니다.

스스로 확인

"DB 세션의 존재를 아는가"입니다. 알고 있다면 인프라를 직접 알고 있는 것이라 오염된 것입니다.

스스로 확인

추상이어야 합니다. 그래야 실제 구현체를 나중에 갈아끼워도 의존하는 쪽 코드가 바뀌지 않습니다.

스스로 확인

형태소 분석은 CPU-bound 작업이라, async를 붙이면 이벤트 루프를 막아 다른 요청까지 지연시킵니다.

스스로 확인

import 시점의 값을 복사해 버리는 '조기 캡처' 현상 때문입니다. 나중에 m.engine 이 바뀌어도 이미 복사한 값은 그대로 None입니다.

스스로 확인

Image는 클래스(정적 템플릿), Container는 인스턴스(실행 중인 프로세스), Volume은 디스크(데이터 보존 공간)에 대응합니다.

스스로 확인

다운로드한 것은 라이브러리(알고리즘)이지 모델이 아닙니다. 모델은 데이터를 학습해야 비로소 생깁니다.

스스로 확인

'누가, 언제 이 값을 정하는가'입니다 — 기계가 학습 중에 정하면 모델 파라미터, 사람이 학습 전에 정하면 하이퍼파라미터입니다.

스스로 확인

절대 원점이 있는가입니다. 등간척도(온도)는 절대 0점이 없고, 비율척도(나이·돈)는 있어서 배수가 성립합니다.

스스로 확인

List는 순서는 있지만 내용을 바꿀 수 있고(변수), Tuple은 순서도 있고 한번 정해지면 바꿀 수 없기(상수) 때문입니다.

스스로 확인

아닙니다. 목적이 다릅니다. DB는 실시간 트랜잭션 저장·조회(OLTP), DW는 여러 DB를 통합한 분석 전용 창고(OLAP)입니다.

자주 하는 실수

서로 다른 질문입니다. POST는 무상태이면서 비멱등입니다.

자주 하는 실수

안전 ⊂ 멱등입니다. GET은 안전해서(원본을 안 바꿔서) 결과적으로 멱등한 것입니다.

자주 하는 실수

안쪽(가장 깊은 의존성)부터 역으로 풀립니다.

자주 하는 실수

트랜잭션 제어는 레포지토리·세션 관리 쪽 책임입니다.

자주 하는 실수

CPU-bound에 붙이면 이벤트 루프가 막혀 더 나빠집니다.

자주 하는 실수

vhdx 파일은 자동으로 줄지 않습니다.

자주 하는 실수

알고리즘은 빈 틀, 모델은 데이터를 학습해 값이 채워진 상태입니다.

자주 하는 실수

학습 전에 사람이 정합니다. 학습으로 정해지는 것은 모델 파라미터입니다.

용어

안전 ⊂ 멱등입니다. 안전은 자원 상태를 아예 안 바꾸는 것이고, 멱등은 몇 번 해도 최종 상태가 같은 것입니다.

용어

같은 요청임을 서버가 알아보게 하는 HTTP 헤더입니다.

용어

Repository 안에만 있어야 합니다. 인터랙터가 알면 안 됩니다.

용어

CPU-bound는 def, I/O-bound는 async def 로 선언합니다.

용어

EEVE는 이미 학습이 끝난 한국어 대형 언어 모델(LLM)이고, SVM(Support Vector Machine)은 두 집단을 가장 넓은 간격으로 가르는 경계를 찾는 ML 알고리즘입니다.

용어

파라미터는 정의할 때 쓰는 자리, 아규먼트는 호출할 때 실제로 넣는 값입니다.

용어

자료(가공 안 된 사실) → 정보(맥락이 붙은 것) → 가치(의사결정으로 얻는 유용성) 순으로 의미가 더해진다는 것입니다.

용어

실행 시점에 자료형을 자동으로 판단하는 언어 특성입니다.

용어

명목척도는 순서 없는 이름표(Sex·Embarked), 서열척도는 서열은 있으나 간격이 불명확한 것(Pclass)입니다.

종합

수(數, 최소 단위 자료형)에서 체(體, 자료구조)를 거쳐 DB(저장소)까지, 크기가 커지는 순서로 데이터 개념 전체를 배치합니다.