Python 시니어 프레임워크 기술면접

Python 시니어 (7년+) 프레임워크 5문항 조회수 148 · 2026-04-23 (목) 11:10:56
1 Python Descriptor Protocol
Hard

Q. Python의 Descriptor Protocol(__get__, __set__, __delete__)의 동작 원리를 설명하고, property 데코레이터와의 관계, 그리고 실무에서 descriptor를 직접 구현해야 하는 상황을 예시와 함께 설명해주세요. 또한 data descriptor와 non-data descriptor의 차이점과 attribute lookup 우선순위에 대해서도 설명해주세요.

A. 모범답안

Descriptor는 __get__, __set__, __delete__ 중 하나 이상을 구현한 객체로, 클래스 속성으로 할당되면 인스턴스 속성 접근 시 자동으로 호출됩니다. property는 내부적으로 descriptor를 사용하며, __set__을 구현한 data descriptor는 인스턴스 __dict__보다 우선순위가 높습니다. 실무에서는 타입 검증, lazy loading, 데이터베이스 필드 매핑(Django Model Field), 캐싱 로직 등을 구현할 때 사용하며, attribute lookup 순서는 data descriptor > instance.__dict__ > non-data descriptor > type.__dict__ 순입니다.

핵심 포인트
  • • Descriptor protocol의 세 가지 메서드(__get__, __set__, __delete__)와 동작 시점
  • • Data descriptor와 non-data descriptor의 차이 및 attribute lookup 우선순위
  • • 실무 활용 사례: ORM 필드, 타입 검증, lazy loading, 캐싱
  • • property 데코레이터가 descriptor의 구현체임을 이해
Follow-up 질문

Django ORM의 Field 클래스가 descriptor를 어떻게 활용하는지, 그리고 여러 인스턴스 간에 상태를 공유하지 않기 위해 어떤 메커니즘을 사용하는지 설명해주세요.

2 Context Manager Protocol
Medium

Q. Python의 Context Manager(__enter__, __exit__)를 직접 구현하는 방법과 contextlib 모듈의 @contextmanager 데코레이터를 사용하는 방법의 차이점을 설명하고, 각각의 장단점과 예외 처리 방식을 비교해주세요. 실무에서 커스텀 context manager를 구현해야 했던 사례가 있다면 함께 설명해주세요.

A. 모범답안

__enter__와 __exit__를 직접 구현하는 클래스 방식은 재사용 가능하고 상태를 유지할 수 있지만 코드가 길어지며, @contextmanager 데코레이터는 제너레이터 함수로 간결하게 작성할 수 있지만 yield 전후로만 로직을 분리할 수 있습니다. __exit__ 메서드는 (exc_type, exc_value, traceback)을 받아 예외를 처리하고 True를 반환하면 예외를 억제하며, @contextmanager에서는 try-except-finally로 예외를 처리합니다. 실무에서는 데이터베이스 트랜잭션 관리, 파일/네트워크 리소스 관리, 임시 환경 변수 설정, 성능 측정 등에 활용합니다.

핵심 포인트
  • • 클래스 기반 context manager와 @contextmanager 데코레이터의 구현 방식 차이
  • • __exit__ 메서드의 예외 처리 메커니즘과 반환값의 의미
  • • 제너레이터 기반 context manager에서 yield 전후의 역할 분리
  • • 실무 활용: 트랜잭션, 리소스 관리, 임시 설정, 타이밍
Follow-up 질문

비동기 context manager(async with)를 구현하려면 어떤 메서드들을 정의해야 하며, asyncio를 사용하는 프로젝트에서 데이터베이스 연결 풀을 관리하는 context manager를 어떻게 설계하시겠습니까?

3 Python Import System
Hard

Q. Python의 import 시스템이 모듈을 찾고 로드하는 과정(sys.path, finder, loader, sys.modules)을 설명하고, circular import 문제가 발생하는 원인과 해결 방법을 제시해주세요. 또한 대규모 프로젝트에서 패키지 구조를 설계할 때 import 성능과 유지보수성을 고려한 베스트 프랙티스를 설명해주세요.

A. 모범답안

Import 시스템은 sys.path에서 모듈을 탐색하며, finder가 모듈을 찾으면 loader가 실행하고 sys.modules에 캐싱합니다. Circular import는 두 모듈이 서로를 import할 때 발생하며, 해결 방법으로는 import 문을 함수 내부로 이동(lazy import), 공통 모듈 분리, 타입 힌팅만 필요한 경우 TYPE_CHECKING 사용 등이 있습니다. 대규모 프로젝트에서는 계층적 패키지 구조, 명확한 의존성 방향(상위 레이어가 하위 레이어를 import), __init__.py에서 최소한의 import만 수행, absolute import 사용 등을 권장합니다.

핵심 포인트
  • • Import 메커니즘: sys.path, finder, loader, sys.modules 캐싱
  • • Circular import 원인과 해결책: lazy import, 모듈 분리, TYPE_CHECKING
  • • 패키지 구조 설계: 계층적 구조, 단방향 의존성, 최소 import
  • • 성능 최적화: import 비용, 지연 로딩, 네임스페이스 패키지
Follow-up 질문

importlib를 사용하여 런타임에 동적으로 모듈을 로드하는 플러그인 시스템을 구현한다면 어떤 점들을 고려해야 하며, 보안과 에러 처리 측면에서 주의할 점은 무엇인가요?

4 Python Async/Await
Hard

Q. Python의 asyncio 이벤트 루프의 동작 원리를 설명하고, coroutine, task, future의 차이점을 명확히 해주세요. 또한 asyncio.gather, asyncio.wait, asyncio.as_completed의 차이점과 각각의 사용 시나리오, 그리고 동기 코드와 비동기 코드를 혼용할 때 발생할 수 있는 문제점과 해결 방법을 설명해주세요.

A. 모범답안

이벤트 루프는 단일 스레드에서 비동기 작업을 스케줄링하며, coroutine은 async def로 정의된 함수 객체, task는 이벤트 루프에 스케줄된 coroutine, future는 미래 결과를 나타내는 저수준 객체입니다. asyncio.gather는 모든 작업 완료를 기다리고 순서대로 결과를 반환하며, asyncio.wait는 완료/타임아웃 조건을 세밀하게 제어할 수 있고, asyncio.as_completed는 완료되는 순서대로 결과를 yield합니다. 동기 blocking 함수를 비동기 코드에서 호출하면 이벤트 루프를 블록하므로 run_in_executor를 사용하여 스레드 풀에서 실행해야 합니다.

핵심 포인트
  • • Coroutine, task, future의 개념과 관계, 이벤트 루프의 스케줄링 메커니즘
  • • asyncio.gather, wait, as_completed의 차이와 사용 시나리오
  • • 동기/비동기 코드 혼용 시 문제점과 run_in_executor 활용
  • • 비동기 프로그래밍의 한계: CPU-bound 작업에는 부적합
Follow-up 질문

FastAPI에서 데이터베이스 쿼리, 외부 API 호출, 파일 I/O가 혼재된 엔드포인트를 최적화한다면, 각 작업에 대해 어떤 비동기 전략을 사용하시겠습니까? SQLAlchemy의 동기 드라이버를 사용하는 경우는 어떻게 처리하시겠습니까?

5 Python Type System
Medium

Q. Python의 타입 힌팅 시스템(typing 모듈)과 정적 타입 검사 도구(mypy, pyright)의 역할을 설명하고, Generic, Protocol, TypeVar, Union, Optional의 활용법과 차이점을 설명해주세요. 대규모 프로젝트에서 점진적 타이핑(gradual typing)을 도입할 때의 전략과 주의사항도 함께 설명해주세요.

A. 모범답안

타입 힌팅은 런타임에 영향을 주지 않으며 mypy/pyright 같은 도구로 정적 분석을 수행합니다. Generic은 재사용 가능한 제네릭 타입을 정의하고, TypeVar는 타입 변수를 선언하며, Protocol은 구조적 서브타이핑(덕 타이핑의 정적 버전)을 제공하고, Union은 여러 타입 중 하나, Optional은 None을 포함하는 타입입니다. 점진적 타이핑 도입 시에는 핵심 모듈부터 시작하여 타입 커버리지를 점진적으로 확대하고, Any 타입 사용을 최소화하며, 타입 스텁 파일(.pyi)을 활용하고, CI/CD에 타입 검사를 통합하는 것이 좋습니다.

핵심 포인트
  • • 타입 힌팅의 역할과 런타임 vs 정적 분석의 차이
  • • Generic, TypeVar, Protocol의 고급 타입 표현 기법
  • • Union, Optional, Literal 등 실용적 타입 힌트 활용
  • • 점진적 타이핑 전략: 핵심부터 확대, CI 통합, 타입 스텁 활용
Follow-up 질문

Pydantic을 사용한 런타임 데이터 검증과 타입 힌팅을 결합하는 것의 장점은 무엇이며, FastAPI에서 request/response 모델을 설계할 때 타입 안정성을 보장하기 위한 패턴을 설명해주세요.

댓글 0

로그인 후 댓글을 작성할 수 있습니다.

아직 댓글이 없습니다. 첫 번째 댓글을 남겨보세요!