기본 콘텐츠로 건너뛰기

Python Django vs Flask

Python Django vs Flask

간단한 사이트 하나 개발하려고 하는데 라이브러리가 파이썬이 잘 되어있어 가지고 파이썬 웹 프레임워크를 사용하려고 한다. 파이썬 웹 프레임워크 중 유명한 Django와 Flask 각각의 특징들에 대해 구글링을 참고하여 나름대로 정리해봤다.

Djang

웹 애플리케이션을 개발하기 위한 대부분의 기능들을 제공하기 때문에 규모가 있는 애플리케이션 개발도 장고로 충분히 소화가 가능하다. 또한, 신속한 개발과 깨끗하고 실용적인 디자인을 장려하는 고수준의 파이썬 웹 프레임워크이며, 사용하면 보다 빠르게 적은 코드로 더 나은 웹 응용 프로그램을 만들 수 있다.

장고의 큰 장점 중 하나는 속도로, 개발자가 최대한 빨리 개념에서 완성까지 응용 프로그램을 가져갈 수 있도록 설계 되었다. 또한, 일반적인 개발작업을 하는데 사용자 인증, 컨텐츠 관리, 사이트 맵, RSS 피드 및 더 많은 작업 등 수십 개의 기능이 추가되어 있어 이것들을 즉시 처리가 가능하다.

보안성도 뛰어나다. SQL을 삽입하고 크로스 사이트 스크립팅, 사이트 간 요청 위조 및 클릭 재킹과 같은 많은 일반적인 보안 실수를 피하는데 도움이 된다. 사용자 인증 시스템은 사용자 게정과 암호를 안전하게 관리할 수 있는 방법을 제공한다.

MVC(Model View Controller) 기반 패턴대로 개발할 수 있도록 이미 구조화 되어 있어서 프레임워크 가이드 대로 하면 손쉽게 개발이 가능하다. ORM 기능도 내장되어 있으며, MySQL, PostgreSQL, Oracle 등 다양한 DBMS에 대해서도 Driver 형태로 손쉽게 붙일 수 있다.

Viewing 또한 template 엔진을 제공하고, 웹 개발에 필요한 session 관리도 지원해 준다. 그 외 추가 기능 또한 plugin 형태로 손쉽게 설치 후 사용할 수 있게 지원해 준다.

이 외에도 장고는 신속하고 유연한 확장 기능과 장고를 사용한 컨텐츠 관리 시스템부터 소셜 네트워크, 과학 컴퓨팅 플랫폼에 이르는 많은 것들을 구책해 다야하게 사용되고 있다.

그러나 처음 배울 땐 힘들 수 있다.

결론 : 개발하기 위해 필요한 귀찮은 작업들을 대부분 Framework 레벨에서 지원해준다는 것이 강점이다. 그리고 파이썬 기반 Framework 중 사용자가 가장 많으며 community도 가장 큰 것이 장점이다.(오픈소스는 community가 중요하기 때문)

*MVC : Model, View, Controller의 합성어로 소프트웨어 디자인 패턴이다.

Model : 백그라운드에서 동작하는 로직을 처리.

View : 사용자가 보게 될 결과 화면을 출력.

Controller : 사용자의 입력처리와 흐름 제어를 담당.

ORM(Object-relational mapping) : 데이터베이스와 객체 지향 프로그래밍 언어간의 호환되지 않는 데이터를 변환하는 프로그래밍 기법(=객체 관계 매핑). 객체 지향 언어에서 사용할 수 있는 '가상' 객체 데이터베이스를 구축하는 방법이다.

(여기서 말하는 관계란 관계형 데이터베이스를 의미한다.)

ORM 개념이 나온 이유는 코딩의 반복적인 부분을 줄이고 SQL의 의존적인 코딩에서 벗어나 생산적인 코딩이 가능하며 유지보수가 편의하기 때문이다.

Django로 만든 서비스들 : Instagram, Pinterest, BitBucket 등

Flask

Flask는 파이썬 기반 Micro Framework를 표방하면서 나타났다. 즉, 매우 가볍고 심플한 프레임워크를 지향하는 점이 특징이다. 그래서 처음에 설치하면 아무것도 없고, 처음부터 만들어나가야 한다.(=자유다가 높다.)

장고가 기능이 많은 대신 프레임워크 자체적으로 설계한 개발 패턴에서 많이 달라지는 것은 없지만, 플라스크는 처음부터 기능이 주어지지는 않자만, 내가 원하는 개발 방향으로 프레임워크를 구축해 나갈 수 있다.

예를 들면, 플라스크에는 DB ORM 구조가 따로 존재하지 않는다. 장고의 대표적인 특징인 ORM도 플라스크에는 따로 없으며, 개발자가 원한다면 ORM 지원 패키지를 선택해서 사용하면 된다.(보통 SQLAIchemy를 사용한다.

플라스크 내부 구성을 살펴보변, 크게 WSGI용 Library인 Werkzeug와 HTML에 데이터를 랜더링하는 엔진인 Jinja2template으로 구성되어 있다. 플라스크 또한 여러 사이트에서 사용하고 있는 프레임워크이고 community도 활성화 되어 있기 때문에 사용하는 데 큰 지장은 없다.

Flask를 사용하는 서비스들 : Linked-in, Pinterest, twilio

결론 : Django

참고 사이트

https://bluese05.tistory.com/44

https://m.blog.naver.com/PostView.nhn?blogId=sundooedu&logNo;=221340732814&proxyReferer;=https%3A%2F%2Fwww.google.com%2F

from http://50billion-dollars.tistory.com/10 by ccl(A)

댓글

댓글 쓰기

이 블로그의 인기 게시물

Coupang CS Systems 채용 정보: 쿠팡 운용 관리 시스템을 구축 하고...

Coupang CS Systems 채용 정보: 쿠팡 운용 관리 시스템을 구축 하고... Global Operation Technology는 상품을 고객에게 지연 없이 전달 될 수 있도록 하는 조직입니다. 1997년, 초창기 아마존에 입사한다고 상상해보세요. 그 당시 누구도 e-commerce 산업이, 아마존이라는 회사가 지금처럼 성장하리라고는 생각하지 못했을 것입니다. 하지만, 그 당시 아마존을 선택한 사람들은 e-commerce 산업을 개척했고, 아마존을 세계적인 회사로 성장시켰습니다. 2016년 '아시아의 아마존'으로 성장하고 있는 쿠팡, 당신에게 매력적인 선택이 아닐까요? Global Operation Technology: eCommerce에서 주문을 한 뒤 벌어지는 상황에 대해서 호기심을 가져보신 적이 있나요? Global Operation Technology는 상품을 고객에게 지연 없이 전달 될 수 있도록 하는 조직입니다. 매일 최첨단 소프트웨어 기술을 이용해 고객의 주문을 받고 상품을 어느 창고에서 출고 시킬지, 포장을 하나의 박스 또는 여러 개로 나눌 것인지, 어떤 배송 루트를 선택하고 어떻게 고객에게 배송 상태를 보여줄지 결정하는 시스템과 서비스를 개발 합니다. What Global Operations Technology does: CS and C-Returns System 적극적 고객서비스를 바탕으로 고객의 목소리를 통해 끊임없이 고객 에게 서비스를 제공하고 Andon 메커니즘을 통해 고객의 목소리를 회사 전체와 공유합니다. 그리고 고객 문제 해결과 구매 이후 벌어질 수 있는 고객 문제를 사전에 예방하기 위한 시스템 개발을 통해 미래의 상황을 예측 합니다. Tranportation System TSP (Traveling Salesman Problem) 와 같은 CS 최적화 관리 문제를 다룹니다.배송 물품의 실시간 추적, 3P 하드웨어와 소프트웨어를 통합, 각 배송 루트에 할당되는 물량 예측하고 T...
댓글 쓰기
자세한 내용 보기

[ubuntu] FLASK_APP

[ubuntu] FLASK_APP Development/Debugging 🐞 FLASK_ENV=development FLASK_APP = app.py flask run zsh: command not found: FLASK_APP ✔️ FLASK_ENV=development FLASK_APP=app.py flask run 띄어쓰기를 해서 저런 오류를 출력할수도 있구나 😲 참고 : 108p에서 FLASK가 FKAS로 오타나있다. from http://hee-stories.tistory.com/18 by ccl(A) rewrite - 2020-03-24 17:20:11
댓글 쓰기
자세한 내용 보기

[GCP] Argo로 Workflow 만들기

[GCP] Argo로 Workflow 만들기 사실 Production 레벨로 가지 않으면, ML개발에 Workflow를 사용할 일은 많지 않다. 대부분 샘플데이터로 전처리 한후 그 데이터를 공유해서 각자 모델을 개발하게 되는데, Production Level에서는 계속 새로운 데이터가 발생하기 때문에 데이터 수집부터 배포까지 하나의 파이프라인으로 관리해야할 필요성이 생긴다. Argo는 컨테이너 기반으르 파이프라인을 구성해주는 도구로 Kubeflow에서도 Workflow Orchestration은 Argo를 사용한다. Kubeflow Pipeline Overview Argo 설치 curl -sSL -o /usr/local/bin/argo https://github.com/argoproj/argo/releases/download/v2.2.1/argo-linux-amd64 chmod +x /usr/local/bin/argo Argo를 위와 같이 다운로드 받고, Controller와 UI를 kubectl을 통해 설치한다. GCP에서 kubectl의 설치는 아래를 따르면 된다. 터미널에서 Kubectl 사용하기 kubectl create ns argo kubectl apply -n argo -f https://raw.githubusercontent.com/argoproj/argo/v2.2.1/manifests/install.yaml Argo를 통해 간단한 'Hello World'예제를 실행해보자. 사용법은 아래와 같이 간단하다. submit은 지정된 yaml 파일을 workflow 만드는데 사용한다는 것이고 watch 파라미터는 외부의 yaml을 가져올 때 사용한다. argo submit --watch https://raw.githubusercontent.com/argoproj/argo/master/examples/hello-world.yaml 'argo list' 명령으로 실행되고 있는 argo wor...
댓글 쓰기
자세한 내용 보기