성능 팁¶

대부분의 경우 Pydantic은 병목 현상이 되지 않습니다. 꼭 필요하다고 확신하는 경우에만 이 방법을 따르십시오.

일반적으로 `model_validate_json()` 사용하지 마세요. `model_validate(json.loads(...))`¶

~에 model_validate(json.loads(...)) , JSON은 Python에서 구문 분석된 다음 dict로 변환된 다음 내부적으로 검증됩니다. 반면에 model_validate_json() 이미 내부적으로 유효성 검사를 수행합니다.

몇 가지 경우가 있습니다. model_validate(json.loads(...)) 더 빠를 수도 있습니다. 특히 모델에 'before' 또는 'wrap' 유효성 검사기를 사용하는 경우 2단계 방법을 사용하면 유효성 검사가 더 빨라질 수 있습니다. 이 토론 에서 이러한 특수 사례에 대한 자세한 내용을 읽을 수 있습니다.

여기에 설명된 대로 현재 pydantic-core 에 대한 많은 성능 개선 작업이 진행 중입니다. 이러한 변경 사항이 병합되면 model_validate_json() 이 항상 더 빠른 지점에 도달해야 합니다. model_validate(json.loads(...)) .

`TypeAdapter` 한 번 인스턴스화됨¶

여기서의 아이디어는 필요 이상으로 유효성 검사기와 직렬 변환기를 구성하지 않는 것입니다. TypeAdapter 가 인스턴스화될 때마다 새로운 유효성 검사기와 직렬 변환기가 구성됩니다. 함수에서 TypeAdapter 를 사용하는 경우 함수가 호출될 때마다 인스턴스화됩니다. 대신, 한 번 인스턴스화하고 재사용하세요.

\=== " 나쁨"

```py
from typing import List

from pydantic import TypeAdapter


def my_func():
    adapter = TypeAdapter(List[int])
    # do something with adapter
```

\=== " 좋음"

```py
from typing import List

from pydantic import TypeAdapter

adapter = TypeAdapter(List[int])

def my_func():
    ...
    # do something with adapter
```

`Sequence` 대 `list` 또는 `tuple` - `Mapping` 대 `dict`¶

Sequence 사용할 때 Pydantic은 isinstance(value, Sequence) 호출하여 값이 시퀀스인지 확인합니다. 또한 Pydantic은 list 및 tuple 과 같은 다양한 유형의 시퀀스에 대해 유효성을 검사하려고 시도합니다. 값이 list 또는 tuple 이라는 것을 알고 있다면 Sequence 대신 list 또는 tuple 사용하세요.

Mapping 및 dict 에도 동일하게 적용됩니다. 값이 dict 임을 알고 있다면 Mapping 대신 dict 사용하세요.

필요하지 않은 경우 유효성 검사를 수행하지 마세요. 값을 변경하지 않고 유지하려면 `Any` 사용하세요.¶

값의 유효성을 검사할 필요가 없으면 Any 사용하여 값을 변경하지 않고 유지하세요.

from typing import Any

from pydantic import BaseModel


class Model(BaseModel):
    a: Any


model = Model(a=1)

프리미티브의 서브클래스를 통해 추가 정보 방지¶

\=== "이러지 마세요"

```py
class CompletedStr(str):
    def __init__(self, s: str):
        self.s = s
        self.done = False
```

\=== "이렇게 하세요"

```py
from pydantic import BaseModel


class CompletedModel(BaseModel):
    s: str
    done: bool = False
```

Union이 아닌 태그된 Union을 사용하세요.¶

태그된 공용체(또는 구별된 공용체)는 어떤 유형인지 나타내는 필드가 있는 공용체입니다.

from typing import Any

from typing_extensions import Literal

from pydantic import BaseModel, Field


class DivModel(BaseModel):
    el_type: Literal['div'] = 'div'
    class_name: str | None = None
    children: list[Any] | None = None


class SpanModel(BaseModel):
    el_type: Literal['span'] = 'span'
    class_name: str | None = None
    contents: str | None = None


class ButtonModel(BaseModel):
    el_type: Literal['button'] = 'button'
    class_name: str | None = None
    contents: str | None = None


class InputModel(BaseModel):
    el_type: Literal['input'] = 'input'
    class_name: str | None = None
    value: str | None = None


class Html(BaseModel):
    contents: DivModel | SpanModel | ButtonModel | InputModel = Field(
        discriminator='el_type'
    )

자세한 내용은 차별된 공용체를 참조하세요.

중첩 모델보다 `TypedDict` 사용¶

중첩 모델을 사용하는 대신 TypedDict 사용하여 데이터 구조를 정의하세요.

??? info "성능 비교" 간단한 벤치마크를 통해 TypedDict 는 중첩 모델보다 약 2.5배 빠릅니다.

```py
from timeit import timeit

from typing_extensions import TypedDict

from pydantic import BaseModel, TypeAdapter


class A(TypedDict):
    a: str
    b: int


class TypedModel(TypedDict):
    a: A


class B(BaseModel):
    a: str
    b: int


class Model(BaseModel):
    b: B


ta = TypeAdapter(TypedModel)
result1 = timeit(
    lambda: ta.validate_python({'a': {'a': 'a', 'b': 2}}), number=10000
)
result2 = timeit(
    lambda: Model.model_validate({'b': {'a': 'a', 'b': 2}}), number=10000
)
print(result2 / result1)
```

성능에 정말로 관심이 있다면 랩 유효성 검사기를 사용하지 마세요.¶

랩 유효성 검사기는 일반적으로 다른 유효성 검사기보다 느립니다. 이는 검증 중에 데이터가 Python에서 구체화되어야 하기 때문입니다. 랩 유효성 검사기는 복잡한 유효성 검사 논리에 매우 유용할 수 있지만 최고의 성능을 찾고 있다면 피해야 합니다.

`FailFast` 로 조기 실패¶

v2.8+부터 시퀀스 유형에 FailFast 주석을 적용하여 시퀀스의 항목이 유효성 검사에 실패할 경우 조기에 실패하도록 할 수 있습니다. 이 주석을 사용하면 시퀀스의 나머지 항목 중 하나가 실패하더라도 유효성 검사 오류가 발생하지 않으므로 가시성과 성능을 효과적으로 절충할 수 있습니다.

from typing import List

from typing_extensions import Annotated

from pydantic import FailFast, TypeAdapter, ValidationError

ta = TypeAdapter(Annotated[List[bool], FailFast()])
try:
    ta.validate_python([True, 'invalid', False, 'also invalid'])
except ValidationError as exc:
    print(exc)
    """
    1 validation error for list[bool]
    1
      Input should be a valid boolean, unable to interpret input [type=bool_parsing, input_value='invalid', input_type=str]
    """

FailFast 에 대해 여기에서 자세히 알아보세요.

本文总阅读量次

성능 팁¶

일반적으로 model_validate_json() 사용하지 마세요. model_validate(json.loads(...))¶

TypeAdapter 한 번 인스턴스화됨¶

Sequence 대 list 또는 tuple - Mapping 대 dict¶

필요하지 않은 경우 유효성 검사를 수행하지 마세요. 값을 변경하지 않고 유지하려면 Any 사용하세요.¶