Streamlit vs. Taipy - 궁극의 비교 ¹

최근 두 편의 글 Taipy GUI: It is specifically used to build GUI applications와 Taipy Core: It provides an advanced backend for data-driven applications tailored to business use cases에서 low code로 안정적인 데이터 기반 파이프라인의 생성, 관리와 실행을 간소화하는 오픈 소스 도구인 Taipy에 대한 포괄적인 개요를 소개한 바 있다.

Taipy GUI를 사용하면 아주 적은 코드로 복잡한 대화형 GUI를 만들 수 있다.
Taipy Core를 사용하면 복잡한 대화형 데이터 파이프라인을 만들 수 있다.

이 시점에서 유사한 솔루션, 특히 Python 스크립트를 웹 앱으로 전환할 수 있는 Streamlit과 비교하여 얼마나 우수한지 평가하고자 한다.

보다 구체적으로, 실제 솔루션에 대한 실제 적용 가능성과 밀접하게 일치하는 다양한 매개 변수를 기준으로 평가하고 두 솔루션이 어떻게 차별화되는지 살펴본다.

시작하자!

Prototyping

Streamlit

말 그대로 코드가 거의 없는 Streamlit으로 어플리케이션을 디자인하는 것은 매우 간단하다.

따라서 프로토타이핑을 위한 탁월한 선택이다.

Python 구문에 대한 기본적인 이해가 있는 사람이라면 누구나 Streamlit으로 어플리케이션을 개발할 수 있다.

그만큼 간단하고 깔끔하다.

Taipy

Taipy는 어플리케이션 개발을 위해 새로운 접근 방식을 취하고 있다.

Taipy GUI 문서에서 설명한 것처럼 Taipy는 확장된 마크다운 구문을 제공한다.

from taipy import Gui

name = "Avi Chawla"

page = """
# First Taipy Web Application.

Hello: <|{name}|>
"""

Gui(page=page).run()

위에서 처럼 마크다운 구문을 사용하여 어플리케이션에 시각적 요소를 추가할 수 있다.

마크다운은 간단하고 명확하며 우아하고 개발하기 쉽다. 하지만 텍스트를 굵게 표시하고, 하이퍼링크를 추가하고, 시각적 요소를 추가하고, 매개변수를 지정하는 방법 등 마크다운에 어느 정도 익숙해져야 할 수도 있다.

간단한 프로토타이핑에는 개인적으로 Streamlit이 좋다고 생각한다.

다른 중요한 면에서도 StreamLit과 Taipy를 비교 평가해 보자.

콜백(Callbacks)

Streamlit 일단 streamlit 어플리케이션을 실행하면 사용자가 상호작용할 때 발생하는 그래픽 이벤트를 거의 제어할 수 없다.

즉, Streamlit에는 캐시되지 않은 모든 그래픽 컴포넌트를 트리거하고 다시 렌더링하는 글로벌 이벤트 루프가 있기 때문이다.

실제로 다양한 토론 플랫폼에서 많은 사람들이 이 문제를 제기했다.

특히 프로덕션 레벨 어플리케이션의 경우 어플리케이션의 상호 작용을 심각하게 제한하고 있다.

Taipy 하지만 Taipy는 편리한 웹 앱 개발 경험을 제공한다.

기본적으로 사용자가 시각적 요소와 상호 작용할 때 Taipy는 GUI의 동작 또는 변경 사항에 따라 콜백을 트리거한다.

간단히 말해 콜백은 페이지에 대한 사용자의 상호작용에 대한 응답으로 호출되는 함수이다.

따라서 시각적 요소를 변수에 바인딩하고 더 나아가 변수를 콜백 함수에 바인딩할 수 있다.

결과적으로 전체 페이지를 캐시하거나 다시 로드할 필요가 없다. 따라서 어플리케이션의 성능이 향상된다.

설계 유연성

Streamlit은 웹 앱을 위한 표준 디자인 템플릿을 제공한다.

즉, CSS, HTML, 글꼴 등을 사용하여 앱의 레이아웃을 변경하는 것이 매우 어렵다.

따라서 각 Streamlit 어플리케이션은 동일하게 보인다.

이는 Streamlit이 주로 일부 인터랙티브 기능과 차트가 포함된 프로토타입을 만들도록 설계되었기 때문이다.

Taipy 하지만 Taipy는 매우 유연하다.

즉, CSS에 대한 사전 지식이 없어도 텍스트, 버튼, 차트 등 모든 시각적 요소의 표시 속성을 쉽게 변경할 수 있다.

따라서 각 Taipy 어플리케이션은 다르게 보일 수 있다.

이는 Taipy가 프로토타입 구축뿐만 아니라 완전한 데이터 기반 어플리케이션을 구축할 수 있도록 설계되었기 때문이다.

자세한 정보는 여기를 참조하세요: Taipy Stylekit.

빅 데이터 지원

Streamlit 안타깝게도 Streamlit에는 대량의 데이터를 처리할 수 있는 지원과 최적화 기능이 내장되어 있지 않다.

즉, 데이터에 관계없이 각 Streamlit 어플리케이션은 백그라운드에서 동일한 방식으로 컴파일되고 빌드된다.

Taipy Taipy를 통해 대량의 데이터를 보다 쉽게 처리할 수 있는 여러 가지 방법이 있다.

지원되는 일부 기능들은 다음과 같다.

표의 페이지 매김 - Streamlit에서 기본적으로 지원되지는 않지만, 여기에 표시된 것처럼 약간의 노력을 기울이면 수동으로 조정할 수 있다.
차트용 데시메이터 - Taipy는 전체 모양을 유지하면서 차트에 표시되는 데이터 포인트의 수를 자동으로 줄인다. 이렇게 하면 특히 큰 데이터세트에서 시간과 메모리를 절약할 수 있다.
비동기 실행 - Taipy에서는 함수를 동기 또는 비동기로 실행할 수 있다. 이는 최종 사용자가 실행이 완료되기를 기다리는 동안 'stuck'이 발생하지 않도록 하는 'long runs'에 매우 중요하다. 이는 동기식으로만 실행되는 Streamlit와 대조적이다.

빅 데이터와 대용량 처리를 위하여 위의 기능들은 Streamlit보다 더 나은 기능을 제공한다.

전용 백엔드 프레임워크

Streamlit 주로 간단한 프런트엔드 프레임워크를 사용하여 어플리케이션을 제어하도록 Streamlit은 설계되었다.

즉, 다양한 시각적 요소를 사용하여 어플리케이션을 코딩하도록 되어 있다.

Streamlit의 이러한 최소한의 특성으로 인해 프로토타이핑에 선호되는 선택이지만 백엔드를 제어할 수는 없다.

Taipy Taipy는 어플리케이션의 백엔드 생성을 위한 전용된 지원을 제공한다.

이를 통해 모든 어플리케이션을 쉽고 효율적으로 생성하고, 구성하며, 시나리오를 처리하며, 파이프라인 및 버전 관리를 수행 할 수 있다.

최신 버전인 Taipy 2.3에는 핵심 시각적 요소가 포함되어 있다. 이를 통해 프론트엔드와 백엔드를 훨씬 더 쉽게 연결할 수 있다.

이에 대해서는 Taipy Core 문서에서 자세히 설명하고 있다.

마치며

이번 포스팅에서는 Streamlit과 Taipy의 몇 가지 주요 차이점을 알아보았다.

특히 유연성, 빅 데이터 지원, 앱 실행 등 다양한 관점을 기준으로 두 제품을 평가하여 데이터 팀에 얼마나 적합한지 알아보았다.

다른 두 글에서 Taipy GUI와 Taipy 코어에 대해 다루고 있다.

1: 이 페이지는 Streamlit vs. Taipy — The Ultimate Comparison을 편역한 것임.

Streamlit vs. Taipy - 궁극의 비교 1