파이썬의 부작용 | Side Effect in Python

---

KEYWORDS
파이썬, Python, 파이썬의 부작용, Python Side Effect

---

     

Side Effect in Python

• 함수가 리턴 값, 함수의 상태, 또는 전역 프로그램 상태(Global Program State)를 변경하는 모든 작업을 의미합니다.
  • 전역/정적 변수 수정, 원본 객체의 변경, 콘솔 출력 생성, 파일 및 데이터베이스 쓰기가 포함됩니다.

• 이러한 동작은 추적 및 수정이 어려운 버그를 발생시킬 수 있습니다.

• Side Effect가 있는 함수

# Python side effect example
def add_element(data, element):
    data.append(element)
    return data
 
my_list = [1, 2, 3]
print(add_element(my_list, 4))  # Output: [1, 2, 3, 4]
print(my_list)  # Output: [1, 2, 3, 4]

     

• Side Effect가 없는 함수
  • 동일한 입력에 대해 항상 동일한 출력을 생성해야 합니다.
  • Pure Function ㅣ Side Effect가 없는 함수로, 동일한 입력에 대해 항상 동일한 출력을 생성해야 합니다.

# Python pure function example
def add_element_pure(data, element):
    new_list = data.copy()
    new_list.append(element)
    return new_list
 
my_list = [1, 2, 3]
print(add_element_pure(my_list, 4))  # Output: [1, 2, 3, 4]
print(my_list)  # Output: [1, 2, 3]

     

Decorator로 Side Effect 제어하기

• 함수나 클래스를 래핑하여 소스 코드를 수정하지 않고도 실행 전후에 동작을 추가할 수 있어야 합니다.
  • 원본 데이터를 그대로 유지하며 데이터 복사본을 사용하도록 보장해야 합니다.

def no_side_effects_decorator(func):
    def wrapper(*args, **kwargs):
        data_copy = args[0].copy()  # create a copy of the data
        return func(data_copy, *args[1:], **kwargs)
    return wrapper

# 함수를 `no_side_effects_decorator` 래핑
@no_side_effects_decorator
def add_element(data, element):
    data.append(element)
    return data
 
my_list = [1, 2, 3]
print(add_element(my_list, 4))  # Output: [1, 2, 3, 4]
print(my_list)  # Output: [1, 2, 3]

     

불변 데이터 구조

• 불변 객체는 생성된 후에는 변경이 불가능하므로 Side Effect를 방지할 수 있어야 합니다.
  • 불변 데이터 구조를 사용하면 데이터를 수정하는 작업 시 새로운 객체를 생성해야 합니다.
  • 불변 데이터 구조 예시 ㅣ Tuples, Strings, Frozensets

     

ex. Tensorflow tf.function Decorator

@tf.function
def get_MSE(y_true, y_pred):
  print("Calculating MSE!")
  sq_diff = tf.pow(y_true - y_pred, 2)
  return tf.reduce_mean(sq_diff)

error = get_MSE(y_true, y_pred)
error = get_MSE(y_true, y_pred)
error = get_MSE(y_true, y_pred)

    # 한 번만 출력됨
    Calculating MSE!

     

• print 문은 함수가 원래 코드를 실행하면서 Graph를 생성할 때 실행됩니다.
• Graph는 추적(Tracing) 과정에서 생성되며, 이후 실행되는 모든 호출에서는 Python 코드가 다시 실행되지 않습니다.

# Globally set everything to run eagerly to force eager execution.
tf.config.run_functions_eagerly(True)
(...)

    Calculating MSE!
    Calculating MSE!
    Calculating MSE!

     

• Eager/Graph Execution 모두에서 값을 출력하려면 tf.print를 사용해야 합니다.

     

---

References

1. Tensorflow Guide - Performance
2. Side Effect in Python