[PYTHON] awaitable 객체의 3가지 유형 파악 및 비동기 코드 최적화 해결 방법

awaitable 객체

 

파이썬 비동기 프로그래밍의 핵심 키워드는 단연 await입니다. 하지만 많은 개발자가 "무엇에 await를 붙일 수 있는가?"라는 질문에 명확한 답을 내리지 못하곤 합니다. 단순히 async def로 선언된 함수 뒤에 붙이는 것이라고만 이해한다면, 복잡한 비동기 아키텍처를 설계할 때 한계에 부딪히게 됩니다. 본 글에서는 awaitable 객체의 본질과 내부 구조, 그리고 이를 활용한 성능 최적화 전략을 심도 있게 다룹니다.

---

1. Awaitable 객체의 정의와 내부 메커니즘

파이썬에서 'awaitable' 객체란, await 표현식에서 사용될 수 있는 모든 객체를 의미합니다. 추상적으로는 "미래의 어느 시점에 결과를 반환할 것을 약속하는 객체"라고 정의할 수 있습니다. 기술적으로는 내부적으로 __await__() 매직 메서드가 구현되어 있어, 이터레이터를 반환할 수 있는 구조를 가진 객체를 뜻합니다.

---

2. Awaitable의 3가지 주요 유형 및 차이점 비교

파이썬 비동기 생태계에서 awaitable은 크게 코루틴, Task, Future로 나뉩니다. 각 객체의 특성과 역할의 차이를 아래 표로 정리하였습니다.

객체 유형	주요 특징	생성 방법	실행 시점
Coroutine (코루틴)	비동기 함수 호출로 생성된 객체	async def func() 호출	await를 만나는 순간 실행
Task (태스크)	코루틴을 감싸 실행을 예약함	asyncio.create_task()	루프에 의해 즉시 예약됨
Future (퓨처)	비동기 작업의 최종 결과 저장소	loop.create_future()	결과가 수동/자동 세팅될 때

---

3. 비동기 성능 병목 해결을 위한 await 활용 방법

단순히 모든 라인에 await를 붙이는 것은 진정한 비동기 처리가 아닙니다. 이는 코드를 순차적(Sequential)으로 실행하게 만들어 비동기의 장점을 퇴색시킵니다. 성능을 극대화하기 위한 2가지 해결 방법을 제시합니다.

방법 01: 병렬 실행을 위한 Task 그룹화

서로 의존성이 없는 awaitable 객체들은 asyncio.gather()나 asyncio.TaskGroup(Python 3.11+)을 사용하여 동시에 실행하십시오. 이를 통해 전체 대기 시간을 가장 긴 하나의 작업 시간으로 단축할 수 있습니다.

방법 02: 커스텀 Awaitable 클래스 설계

특정 비즈니스 로직이 비동기 흐름에 완벽히 녹아들어야 한다면, 클래스 내부에 __await__ 메서드를 직접 구현하여 객체 자체가 await 가능하도록 설계할 수 있습니다. 이는 프레임워크 수준의 고도화된 코드를 작성할 때 유용합니다.

---

4. 실전 샘플 예제 (Sample Example)

아래 예제는 코루틴이 어떻게 awaitable 객체로서 동작하며, 여러 awaitable을 효율적으로 처리하는지 보여줍니다.

import asyncio
import time

# 1. 코루틴 정의 (가장 흔한 awaitable)
async def fetch_api_data(name, delay):
    print(f"[{name}] 데이터 요청 중...")
    await asyncio.sleep(delay)
    print(f"[{name}] 응답 완료!")
    return f"{name} data"

async def main():
    start = time.perf_counter()

    # 2. 여러 awaitable 객체(Task) 생성 및 병렬 처리
    # 단순히 await fetch_api_data()를 반복하면 비동기의 이점이 없음
    print("비동기 작업 시작...")
    
    # Task로 감싸는 순간 이벤트 루프에 예약됨
    task1 = asyncio.create_task(fetch_api_data("A", 2))
    task2 = asyncio.create_task(fetch_api_data("B", 1))

    # gather를 사용하여 awaitable들의 결과를 한 번에 수집
    results = await asyncio.gather(task1, task2)

    end = time.perf_counter()
    print(f"결과 리스트: {results}")
    print(f"총 실행 시간: {end - start:.2f}초")

if __name__ == "__main__":
    asyncio.run(main())

---

5. 가치 있는 개발을 위한 제언

파이썬의 awaitable 메커니즘을 이해하는 것은 단순히 문법을 익히는 것을 넘어 시스템의 자원 활용도를 설계하는 능력과 직결됩니다. 런타임에서 객체가 어떻게 일시 중단되고 재개되는지 그 원리를 파악한다면, 대규모 트래픽을 처리하는 고성능 백엔드 시스템에서도 흔들림 없는 코드를 작성할 수 있을 것입니다.

---

내용 출처 및 참고 자료

• Python Software Foundation, "The Python Language Reference: Data Model - Awaitable Objects"
• "Fluent Python: Clear, Concise, and Effective Programming" by Luciano Ramalho.
• PEP 492 – Coroutines with async and await syntax.
• CPython Internal Docs: "Abstract Objects Layer - PyObject_GetAwaitable".