소프트웨어 개발을 위해 Python을 선택하면 프로그래밍 요구 사항을 충족하는 다양한 패키지가 포함된 대규모 언어 생태계에 액세스할 수 있습니다. 특히 GUI 개발부터 기계 학습까지 다양한 라이브러리 외에도 여러 Python 런타임 중에서 선택할 수 있습니다. 각 런타임에는 고유한 매력이 있습니다.
표준 구현 CPython부터 속도 최적화 버전 PyPy, 특수 사용 사례 Anaconda 및 ActivePython, 실험적 사용 사례 MicroPython 및 RustPython까지. 우리는 10가지 Python 배포판에 대한 간략한 설명을 정리했습니다.
CPython
CPython(CPython)은 Python 참조 구현으로, 다른 모든 Python이 참조하는 표준 버전입니다. 이름에서 알 수 있듯이 CPython은 C로 작성되었으며 Python 언어에 대한 최상위 결정을 내리는 동일한 핵심 그룹에 의해 만들어졌습니다.
CPython 사용 사례
CPython은 Python의 참조 구현이므로 최적화 측면에서 특히 보수적인 런타임 특성을 갖습니다. Python 관리자는 CPython이 가장 널리 호환되고 표준화된 Python 구현이 되기를 희망합니다. 그러나 지난 몇 번의 개정을 통해 개발 팀은 호환성을 희생하지 않고 Python을 일반적으로 더 빠르게 만들도록 설계된 최적화를 도입했습니다.
CPython은 Python 표준과의 호환성과 적합성이 중요한 경우 최고의 옵션입니다. Python의 가장 기본적인 구현으로 작업하고 특정 편의성을 기꺼이 포기하려는 전문가에게 유용합니다. 예를 들어 CPython의 경우 가상 환경을 설정하려면 약간의 리프팅이 필요합니다. 다른 배포판(특히 Anaconda)은 작업 공간 설정에 대해 더 많은 자동화를 제공합니다.
CPython의 한계
CPython에는 다른 Python 버전에서 볼 수 있는 성능 최적화 기능이 거의 없습니다. 또한 기본 JIT(Just-In-Time) 컴파일러, 가속화된 수학 라이브러리 또는 성능을 위한 타사 추가 기능이 부족합니다. 이 항목을 모두 추가할 수 있지만 번들로 제공되지는 않습니다. 다시 말하지만, 이는 최대 호환성을 보장하고 CPython이 참조 구현 역할을 할 수 있도록 하기 위한 것입니다. 그러나 이는 성능 최적화가 개발자에게 달려 있음을 의미합니다.
CPython은 또한 Python 작업을 위한 기본 도구 세트만 제공합니다. 예를 들어 Pip 패키지 관리자는 Python의 기본 PyPI 패키지 저장소에서 패키지를 가져와 설치합니다. Pip은 사전 컴파일된 바이너리를 제공하면 설치합니다. 그러나 패키지가 PyPI 외부에 있을 수 있는 종속성은 설치하지 않습니다.
아나콘다 파이썬
Anaconda Inc(이전 Continuum Analytics)에서 제작함 아나콘다엔터프라이즈 지원 계획이 포함된 배포가 필요한 Python 개발자를 위해 설계되었습니다. 아나콘다 파이썬 주요 사용 사례에는 수학, 통계, 엔지니어링, 데이터 분석, 기계 학습 및 관련 애플리케이션이 포함됩니다.
Anaconda Python 사용 사례
Anaconda는 상업 및 과학 Python 작업에 사용되는 공통 라이브러리인 SciPy, NumPy 및 Numba를 번들로 제공합니다. 또한 맞춤형 패키지 관리 시스템을 통해 더 많은 라이브러리에 대한 액세스를 제공합니다.
Anaconda는 이 모든 조각을 하나로 모으는 방식에서 특별합니다. Anaconda가 설치되면 편리한 GUI를 통해 Anaconda 환경의 모든 측면에 액세스할 수 있는 Anaconda Navigator라는 데스크탑 앱을 사용할 수 있습니다. CPython보다 Anaconda를 사용하면 구성 요소를 찾고, 최신 상태로 유지하고, 작업하는 것이 훨씬 쉽습니다.
또 다른 장점은 Anaconda가 특정 패키지에 필요할 때 Python 생태계 외부의 구성 요소를 처리하는 방식입니다. Anaconda용으로 특별히 제작된 conda 패키지 관리자는 Python 패키지 설치와 타사 외부 소프트웨어 요구 사항을 모두 처리합니다.
Anaconda Python의 한계
Anaconda에는 몇 가지 유용한 라이브러리가 포함되어 있으며 몇 번의 키 입력만으로 많은 라이브러리를 설치할 수 있습니다. 이로 인해 Anaconda의 설치 용량은 Python보다 훨씬 클 수 있습니다. 기본 CPython 설치는 약 100MB로 실행되지만 Anaconda의 설치 크기는 기가바이트까지 늘어날 수 있습니다. 이러한 속성은 리소스가 제한된 상황에서 문제가 될 수 있습니다.
Anaconda의 설치 크기를 줄이는 한 가지 방법은 시작하고 실행하는 데 필요한 최소한의 부분만 포함하는 Anaconda의 간단한 버전인 Miniconda를 설치하는 것입니다. 이를 통해 각 조각이 사용하는 공간의 양을 고려하여 적절한 수준에서 Miniconda에 패키지를 추가할 수 있습니다.
