anyway03 님의 블로그

디스패처 서블릿이란?

anyway03 — Sat, 14 Feb 2026 11:16:15 +0900

디스패처 서블릿이란?

역할 :

요청 라우팅 - 사용자의 url요청을 보고 어떤 컨트롤러의 어떤 메서드를 호출해야 하는지 찾아간다.

데이터 바인딩 - http파라미터를 자바 객체로 변환하거나, json데이터를 객체로 매핑한다.(핸들러 어댑터)

뷰 렌더링 - 컨트롤러가 데이터(model)와 뷰 이름을 넘겨주면 디스패처서블릿이 뷰 리졸버를 호출해 렌더링해 준다.

중앙 집중식 관리 - 과거에는 모든 서블릿을 web.xml에 일일이 등록해야 했으나 이제는 디스패처 서블릿이 모든 요청을 받아 적절한 컨트롤러로 배분한다.

= 프론트 컨트롤러 패턴

구조적 위치

톰캣 : 웹 서버이자 서블릿 컨테이너. 필터 단계를 관리.

스프링 컨테이너 : bean들이 위치. 인터셉터 단계.

실행 순서

필터(서블릿)

public class MyFilter implements Filter {
    @Override
    public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain) 
            throws IOException, ServletException {
        System.out.println(">>> [1. Filter] 톰캣 단계: 요청이 들어옴");
        
        // 다음 필터나 서블릿(디스패처 서블릿)으로 전달
        chain.doFilter(request, response);
        
        System.out.println(">>> [5. Filter] 톰캣 단계: 응답이 나감");
    }
}

인터셉터(스프링)

public class MyInterceptor implements HandlerInterceptor {
    @Override
    public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) {
        System.out.println(">>> [2. Interceptor] 스프링 단계: 컨트롤러 호출 직전");
        // handler 파라미터를 통해 어떤 컨트롤러 메서드가 호출되는지도 알 수 있음
        return true; // true여야 컨트롤러로 진행됨
    }

    @Override
    public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) {
        System.out.println(">>> [4. Interceptor] 스프링 단계: 뷰 렌더링까지 완료됨");
    }
}

사용자 요청 → 톰캣이 받음
Filter 실행 (톰캣 단계)
DispatcherServlet 도착 (스프링의 입구)
Interceptor 실행 (스프링 단계 시작)
Controller 실행 (개발자가 짠 코드)
Interceptor 종료
DispatcherServlet이 응답 생성
Filter 종료 (톰캣 단계 마무리)
최종 응답 → 사용자

이렇게 계층이 나뉘어 있기 때문에, 보안(Spring Security)이나 인코딩처럼 애플리케이션 전반에 걸친 공통 작업은 필터에서, 로그인 체크나 권한 제어처럼 스프링 기능이 필요한 작업은 인터셉터에서 처리하는 것이 정석

preHandle과 afterCompletion은 스프링 프레임워크의 HandlerInterceptor 인터페이스에 정의되어 있는 추상 메서드들이다.

HandlerInterceptor 인터페이스에는 총 3개의 메서드가 정의되어 있다.

각 메서드는 컨트롤러(핸들러)가 실행되는 시점을 기준으로 호출된다.

preHandle(): 컨트롤러 호출 전에 실행
- 반환 타입이 boolean
- true를 리턴하면 다음 단계(다음 인터셉터나 컨트롤러)로 진행하고, false를 리턴하면 거기서 요청을 중단 (주로 로그인 체크 시 사용)
postHandle(): 컨트롤러 호출 후, 뷰(View)가 렌더링되기 전에 실행
- 컨트롤러가 작업한 결과물(ModelAndView)을 가공할 수 있음.
- 최근처럼 REST API(@RestController)를 주로 사용하는 환경에서는 자주 쓰이지는 않는다.
afterCompletion(): 모든 작업(뷰 렌더링 포함)이 끝난 후에 실행
- 요청 처리 중에 사용한 리소스를 반환하거나, 실행 시간을 측정하여 로그를 남길 때 유용
- 컨트롤러에서 예외가 발생하더라도 이 메서드는 반드시 호출됨

4주차 스터디 내용

anyway03 — Fri, 23 Jan 2026 12:56:29 +0900

예외처리 파고들기

ControllerAdvice와 RestControllerAdvice의 차이 :

@RestControllerAdvice는 @ResponseBody가 붙어 있어 응답을 Json으로 내려준다

그렇다면 orElseThrow 와 ResponseEntity... 중 어떤게 더 효율적일까?

구분	return ResponseEntity.status(...).body(...)	orElseThrow(() -> new BusinessException(...))
처리 위치	Controller (응답을 직접 제어)	Service (로직에만 집중)
코드 스타일	if-else 문이 많아져 코드가 길어짐	한 줄로 처리되어 가독성이 좋음
유지보수	에러 응답 형식이 바뀌면 모든 컨트롤러를 수정해야 함	Advice 클래스 한 곳만 수정하면 전체 적용됨
주요 용도	간단한 프로젝트, 혹은 컨트롤러에서 즉시 끝낼 때	실무/대규모 프로젝트에서 공통 에러 처리 시

orElseThrow 방식의 장점 :

1. 서비스 레이어에서 예외만 알리면 됨. 간편.

2. 트랜잭션 - RuntimeException을 던지면 진행중이던 DB작업이 롤백된다. return을 보내면 반영될 위험이 있음.

3. 가독성: if-else 간소화

전체적인 흐름 :

1. 서비스 레이어에서 문제 발생

2. 예외(Throw) BusinessException 실행

흐름 중단: 예외가 발생하는 즉시 이후의 코드는 실행되지 않고, 호출 스택을 따라 예외가 위로 던져짐

3. @RestControllerAdvice가 장착된 GlobalExceptionHandler가 이 예외를 감지하고 낚아챈다

-------

제네릭(Generic)

- 다양한 데이터 타입을 보관해야 할 때

--Object 타입으로 만들면 반환된 값을 매번 타입캐스팅해야 하므로 안정성 문제가 존재한다.

---제네릭 클래스를 사용하여 인스턴스 생성시 타입을 지정

파이썬 스터디 - nonlocal

anyway03 — Sat, 10 Jan 2026 11:08:47 +0900

중첩 함수 내에서만 유효하다.

전역이 아닌 상위 스코프를 탐색한다.

실제 변수 바인딩: nonlocal로 선언된 변수를 수정하면 실제 상위 함수의 변수 값이 바뀐다.

사용하는 이유

1. 파이썬의 객체지향

def make_counter():
    count = 0  # 상위 함수의 변수 (Enclosing variable)

    def counter():
        nonlocal count
        count += 1  # count 값을 변경하기 위해 nonlocal 선언 필수
        return count
    
    return counter

my_counter = make_counter()
print(my_counter())  # 1
print(my_counter())  # 2

count 변수는 make_counter 호출이 끝난 뒤에도 메모리에 남아 my_counter를 호출할 때마다 값이 갱신된다.

2. 클로저(Closure) 구현

3. 캡슐화 (Encapsulation)

특정 함수에서만 접근 가능하도록 보호

FastAPI(Starlette) 내부의 nonlocal 활용 사례

주로 StreamingResponse(데이터를 끊어서 보낼 때)나 Timeout 처리 로직에서 '응답이 이미 시작되었는지' 혹은 '연결이 끊겼는지'를 체크하는 플래그(Flag)용으로 사용

async def some_asgi_app(scope, receive, send):
    response_started = False  # 응답 시작 여부를 기록하는 상태 변수

    async def sender(message):
        nonlocal response_started  # 상위 함수의 변수를 수정하겠다고 선언
        
        if message["type"] == "http.response.start":
            response_started = True  # 상태 업데이트
            
        await send(message)

    # 실제 비동기 로직 수행 중 sender 호출...
    await sender({"type": "http.response.start", "status": 200})
    
    if response_started:
        # 응답이 이미 시작된 경우의 후속 처리
        pass

DJANGO 프로젝트의 Entry Point 및 내부 소스 분석

anyway03 — Fri, 26 Dec 2025 14:18:02 +0900

manage.py

#!/usr/bin/env python

Shebang(쉬뱅) 라인: 이 파일을 실행할 때 어떤 프로그램(python)을 사용할지 시스템에 알려주는 설정

from setproctitle import setproctitle

실행 중인 프로세스의 이름을 변경하는 라이브러리

진입

@csrf_exempt

보안 검사(CSRF)를 이 함수에서만 제외

fs = FileSystemStorage(...)

파일을 저장할 도구(저장소)를 준비

OpenCV(이미지 처리 라이브러리)

코드 내용
cv2.imread / cvtColor	이미지 파일을 읽어오고, 처리 속도를 높이기 위해 색상을 그레이스케일(회색)로 변환합니다.
cv2.threshold(..., OTSU)	이진화: 아주 밝은 회색은 흰색으로, 어두운 회색은 검은색으로 딱 나누어 글자를 도드라지게 합니다.
sobel / filter2D	에지(테두리) 검출: 글자의 외곽선을 따서 글자 덩어리가 어디 있는지 찾기 쉽게 만듭니다.
cv2.findContours(...)	윤곽선 찾기: 이미지 안에서 연결된 덩어리(글자나 표의 칸)들의 좌표를 찾아냅니다.

코드 내용	상세 설명
cv2.boundingRect(contour)	찾아낸 윤곽선을 감싸는 직사각형 박스 좌표(x, y, 가로, 세로)를 계산합니다.
if w > img.shape[1] / 8...	너무 작은 점이나 노이즈는 무시하고, 일정 크기 이상의 "글자 덩어리"만 골라냅니다.
cv2.resize(..., INTER_CUBIC)	이미지 확대: 글자가 너무 작으면 잘 안 읽히기 때문에 2배로 키워주는 전처리를 합니다.
cv2.imwrite(...)	잘라낸 박스 이미지를 파일로 저장합니다. (나중에 OCR 엔진에 보낼 용도)

몽고DB 데이터 덤프

anyway03 — Wed, 17 Dec 2025 17:56:06 +0900

버전 5에서 7로 업그레이드한다는 가정 하에,

5 -> 6 -> 7 로 가는 대신 데이터만 덤프하여 7버전으로 이관하기로 결정.

준비물:

기존 몽고DB
다른 버전 몽고DB
mongodb database tools
mongosh

진행:

mongodb database tools 를 공식 페이지에서 받는다. https://www.mongodb.com/try/download/community

Try MongoDB Community Edition

Try MongoDB Community Edition on premise non-relational database including the Community Server and Community Kubernetes Operator for your next big project!

www.mongodb.com

/bin 에 다양한 툴이 있지만, 지금은 딱 두 개만 사용하면 된다.

명령어 - dump

 ./mongodump --uri "mongodb://localhost:<port>" --out <데이터 덤프 경로>/mongodb_dump

명령어 - restore

./mongorestore --port <포트 지정> --dir ~/mongodb_dump/

옵션 설명

--port	복원 작업을 수행할 MongoDB 7.0 서버의 포트를 지정
--dir <경로>	덤프된 데이터가 들어있는 최상위 폴더의 경로를 지정
--uri "..."	(선택 사항) 만약 사용자 인증(Username/Password)을 사용한다면 --uri "mongodb://user:pass@localhost:<port>" 형식을 사용

우선 덤프한 데이터가 저장될 디렉터리를 만들어 준다.
- mongodb_dump 폴더
명령어 - dump를 실행하면 몽고디비의 데이터베이스들이 mongo_dump 폴더에 생긴다.

명령어 - restore 를 실행하면 데이터들이 복원된다.

결과 확인

# 몽고셸 접속
./mongosh

# 데이터베이스 목록 확인
show dbs

# 특정 데이터베이스 선택 후 컬렉션 확인
use <데이터베이스_이름>
show collections

# 이관된 데이터 갯수 비교
db.<데이터베이스 이름>.find()

크롤링 코드 수리하기

anyway03 — Wed, 5 Nov 2025 15:53:44 +0900

기존에 작성된 코드의 유지보수를 위해 처음으로 크롤링 코드를 접해봄

진행하며 알게된 것들을 복기 목적으로 정리.

spider, scrapy, scrapy-selenium?

scrapy-selenium(미들웨어)

스크래피 요청(Request)을 처리할 때 셀레니움 웹드라이버(필자는 크롬 사용) 런치, url로드, 종료해줌
셀레니움을 통해 로드된 HTML을 가져와서 Scrapy의 표준 응답객체와 유사한 SeleniumResponse 객체로 변환하여 스파이더에게 전달.
JavaScript 실행이 필요한 동적(Dynamic) 웹 페이지도 scrapy-selenium 을 사용하면 Scrapy의 프레임워크 내에서 쉽게 처리

selenium을 별도로 사용할 경우

스파이더 내에서 직접 webdriver.Chrome() 등으로 WebDriver를 수동으로 초기화
데이터 추출 후에는 driver.quit() 또는 driver.close()를 사용하여 WebDriver를 수동으로 종료

크롤링 작동 플로우

1. 초기화 및 페이지 준비

driver: webdriver.Chrome = response.request.meta['driver']

Scrapy-Selenium 미들웨어를 통해 이미 준비된 Selenium WebDriver 객체를 가져온다.

2. XPATH로 특정 메뉴 버튼을 찾아 클릭하여 페이지 이동

driver.page_source를 반복적으로 확인하여 JavaScript 동작으로 인한 DOM 변경이 멈출 때까지 기다려야 함

3. 스크롤 영역 설정

driver.execute_script('arguments[0].setAttribute("style", "overflow: auto;height: 600px;...")', left_con)

문제

1. 뷰포트 밖 요소 참조문제

Selenium은 화면에 보이지 않는 요소(뷰포트 밖)에 대한 상호작용(클릭)이 불안정하거나 불가능할 수 있음

요소를 화면에 노출시킨 후 클릭

driver.execute_script("arguments[0].scrollIntoView...", _expand_btn)

2. CDATA 처리

XML 출력 시 데이터 내부에 <나 > 기호가 포함되어 XML 문법 오류를 일으킬 가능성이 있다면, 반드시 <![CDATA[...]]]> 섹션으로 감싸야 한다.

이 경우, XML 생성 라이브러리가 자동으로 CDATA 선언을 인코딩하지 않도록 주의.

수정

1. xpath 등으로 페이지 구조 확인

예시 :

xpath -> /html/body/div[1]/section/div/div/div[2]/div/section/section[1]/h2

수집 로직

        # 수집
        self.total_count += 1
        item = ArticleItem()
        self.custom_logger.info(f"기사 '{book_id}' 수집 요청 - '{response.url}'")
        error_flag = False

        item["article_id"] = article_id
        item['article_date'] = article_date

        try :
            article_selector_list = response.xpath("//div[@id='innerbody']/div[not(self::div[@id='a'])]")
            articles_list = []

            for article in article_selector_list:
                collected_article = {}
                try :
                    article_id = article.xpath("./@id").get()  # {아이디}

pyarmor + pyinstaller

anyway03 — Fri, 24 Oct 2025 14:24:59 +0900

난독화 한 코드를 설치하기 편하도록 컴파일할 필요가 생겼다.

- pyinstaller는 크로스 컴파일러가 아니므로 윈도우에서 번들링하면 윈도우에서만 실행 가능.

- rocky 리눅스 환경에서 진행.

미니콘다 가상환경 실행 후 진행

CONDA ACTIVATE MYENV

파이아머, 파이인스톨러를 설치한다.

pip install pyarmor
pip install pyinstaller

난독화 과정을 확인해 보기 위해 간단한 코드를 생성한다.

cat > test_input.py
print('Hello World!')

난독화

pyarmor gen test_input.py

dist/test_input에 생성된 파일 내용 확인

(무서워)

난독화 완료.

다음은 pyinstaller로 난독화 완료된 파일을 묶어 단일 실행파일을 만든다.

pyinstaller -F dist/test_input.py

++ 만약 실행시 런타임 모듈이 필요하다는 경고가 뜨면, 난독화 할 때 생성된 런타임 폴더를 pyinstaller 대상과 같은 경로에 넣어주면 된다.

https://stackoverflow.com/questions/77635741/pyarmor-modulenotfounderror-no-module-named-pyarmor-runtime-000000

Pyarmor ModuleNotFoundError: No module named 'pyarmor_runtime_000000'

I'm trying to obfuscate my project but got error ModuleNotFoundError: No module named 'pyarmor_runtime_000000', So I tried to obfuscate a very simple folder containing only 2 files as follows test ...

stackoverflow.com

+++ 의존성 문제가 발생할 수 있다. (no_module....)

명령어에 해당 문제가 발생한 의존성을 강제로 추가한다.

예시 : uvicorn

pyinstaller --onefile --name my_app_release --collect-all uvicorn dist/난독화대상/main.py

또는 --hidden-import 명령어를 사용한다.

ModuleNotFoundError: No module named 'transformers.models.metaclip_2'

--hidden-import "transformers.models.metaclip_2"

Ollama vs vLLM

anyway03 — Wed, 8 Oct 2025 23:52:55 +0900

올라마와 vllm은 로컬에서 llm을 실행하기 위한 도구이다.

다양한 모델을 지원하며 추론 방식을 가지고 있다. (vLLM의 PagedAttention, Ollama의 llama.cpp)

오픈소스 엔진으로 오픈소스 llm을 실행하면 나만의 챗지피티를 공짜로 사용할 수 있는 셈이다.

그렇다면 왜 다들 이렇게 사용하지 않을까?

수많은 이유가 있겠지만, 직접 경험해본 사례와 빗대어 정리해 보려 한다.

- 높은 하드웨어 요구사항

대부분의 LLM은 VRAM을 요구한다.

메인보드에 장착되어 있는 RAM과 달리 연산/GPU 전문적인 메모리이다.

내가 설치를 시도했던 GPU는 16GB의 VRAM을 가지고 있었다.

1. vLLM 으로 첫 시도, 실패

vLLM 공식 도커 이미지를 사용해 설치를 시도해 보았다.

좋은 성능의 모델은 사용하기 힘든 환경이므로 qwen3 8b로 우선 진행.

vLLM + 도커 실행의 장점 : 효율과 관리 용이 -> 선임이 알려주신 말씀이지만 구체적으로 경험해 보지 못했으므로 미래에 후술할 예정.

단도직입적으로 말하자면 vllm으로 모델을 실행하는 시도는 실패했다. 메모리 부족이 원인이었다.

2. Ollama 로 두번째 시도, 성공

이제 올라마가 나설 차례였다. 사용법은 굉장히 간단하다.

(우분투 기준)

모델 다운

ollama pull 모델명

모델 실행

ollama run 모델명

곧바로 cli환경에서 채팅이 시작된다.(대화 종료는 컨트롤 + D)

oLLAMA는 메모리 관리를 기가 막히게 해준다. vllm으로 실행하지 못하던 모델도 어떻게든 올려주었다.

그러나 관리를 잘 해줄 뿐 근본적인 리소스가 늘어난 건 아니므로, 연산 도중 속도가 급격히 느려지는 구간이 발생한다.

상세한 로그 확인

ollama -v run 모델명

여러 로그 중 원인이 보이는 라인

msg="model weights" device=CUDA0 size="11.8 GiB"
msg="model weights" device=CPU size="1.1 GiB"

모델의 일부가 VRAM 용량을 초과하면 cpu로 오프로드되며, 속도는 당연히 느려진다.

요약 :

1. ollama는 vllm를 사용해 실행 실패한 환경에서도 어떻게든 모델을 실행해 준다.

vLLM - VRAM 부족시 실패

Ollama - VRAM 부족시 cpu 폴백(느리긴 하나 실행은 됨)

2. ollama는 vllm에 비해 확장성이 부족하다.

멀티유저 처리 힘듦

3. 서버 성능이 충분하다면 vllm을 쓰자

그게 좋다는데 아직 이유는 모르겠음

신입 개발자의 얼렁뚱땅 복습...

miniconda로 가상환경 구축하기

anyway03 — Thu, 25 Sep 2025 21:28:35 +0900

파이썬 가상환경을 만들어두면 여러 프로젝트를 실행할 때 의존성 충돌 문제를 방지할 수 있다.

한 프로젝트가 하나의 방을 사용할 수 있도록 해 주는 것.

아나콘다나 venv 등을 사용하면 생성 방법도 간단하다.

사용한 것

파이썬 3.11.9

미니콘다 (파이썬 지원버전)

리눅스(rocky9 사용)

- virtureBox 사용

1. 미니콘다 설치

wget 명령어로 온라인 저장소에서 쉽게 다운받을 수 있다.

wget https://repo.anaconda.com/miniconda/[파일이름]

사용하는 파이썬 버전과 호환되는 Miniconda 24.7.1-0 를 선택.

(만약 wget이 없으면 sudo dnf install wget으로 설치해주자.)

1-1. 실행

bash Miniconda3-py39_24.7.1-0-Linux-x86_64.sh

2. 가상환경 설정

가상환경 확인 conda env list
가상환경 활성화 conda activate myenv(가상환경 이름)
비활성화 conda deactivate

3. 가상환경이 실행되면 파이썬 코드를 실행할 준비가 완료된 것

.env 파일을 로드하려면 보통 python-dotenv가 필요. 인터넷이 가능한 환경이라면 pip명령어를 통해 쉽게 다운받을 수 있다.

pip install fastapi uvicorn python-dotenv

4. API 서버 실행

API 서버는 보통 Flask나 FastAPI를 사용한다.

Flask라면:

export FLASK_APP=api.py
# Windows에서는 set FLASK_APP=api.py flask run

FastAPI + uvicorn이라면:

uvicorn api:app --reload

( 위 명령어는 api.py 파일에 app = FastAPI() 식으로 app 인스턴스가 있어야 작동함)

++ cli환경에서 db에 접속하는 방법도 간단.

나는 postgresql을 사용하기 때문에 psql 명령어 사용.

psql -h [DB서버주소] -p [포트번호] -U [사용자이름] -d [데이터베이스명]

배포 연습 서버로 Ubuntu를 선택한 이유

anyway03 — Sun, 27 Apr 2025 15:46:36 +0900

1. 서버 선택

리눅스 서버용 OS를 고를 때 많이 언급되는 건 다음 두 가지다.

Rocky Linux : RedHat(RHEL) 계열. 안정성과 보안성이 강점. 대기업 서버 환경에 많이 사용된다.
Ubuntu : Debian 계열. 설치와 관리가 쉽고, 커뮤니티와 자료가 풍부하다.

아래는 챗지피티가 비교해준 록키 리눅스 vs 우분투

항목	Rocky Linux	Ubuntu
설치 난이도	조금 복잡함	매우 쉬움
검색 자료 양	상대적으로 적음	매우 풍부
패키지 설치 방법	yum/dnf 사용	apt 사용 (명령어가 간단)
개발 친화성	엔터프라이즈 서버에 최적화	개발자 실습용으로 최적화

쉽다는 설명도 매력적이지만, 실제 사용자도 우분투 쪽이 더 많다는 점이 설득력있었다.

이번 연습의 목적이 "리눅스 환경에 익숙해지는 것"이기 때문에 초반에는 Ubuntu로 시작하고 나중에 필요하면 RHEL계열(Rocky 등)로 넘어가는 것이 훨씬 합리적이라고 판단.

2. Desktop(화면 있는 버전) 과 Server(명령어 버전)

Ubuntu Server (CLI 버전) 을 설치하기로 결정. 리눅스 마스터 2급을 준비할 예정이기에 터미널 명령어에 익숙해질 필요가 있음.

목표 :

가상머신(VM)에 Ubuntu Server를 설치
Spring Boot 애플리케이션을 빌드(mvn clean package)하고 .jar 파일을 리눅스 서버로 옮기기

물리적 하드는 공유하나 운영체제 파일 시스템은 독립적. [ NTFS(Windows) vs ext4(Linux) ]

가상머신은 완전히 별도 컴퓨터처럼 동작. 따라서 파일을 옮겨줘야 함.

리눅스 서버에서 Java를 설치, java -jar 명령어로 서버를 실행

+비전공자의 네트워크 이해에도 도움이 될 것 같다. (내 PC가 클라이언트, VM 안의 리눅스가 서버?)