Merge pull request #50

feat: 테이블 및 컬럼 정보를 병렬로 수집하도록 개선하여 성능 향상

Author: ehddnr301

llm_utils/tools.py

@@ -1,17 +1,47 @@
 import os
-from typing import List, Dict
+from typing import List, Dict, Optional, TypeVar, Callable, Iterable, Any
 
 from langchain.schema import Document
 
 from data_utils.datahub_source import DatahubMetadataFetcher
+from tqdm import tqdm
+from concurrent.futures import ThreadPoolExecutor
+
+T = TypeVar("T")
+R = TypeVar("R")
+
+
+def parallel_process[T, R](
+    items: Iterable[T],
+    process_fn: Callable[[T], R],
+    max_workers: int = 8,
+    desc: Optional[str] = None,
+    show_progress: bool = True,
+) -> List[R]:
+    """병렬 처리를 위한 유틸리티 함수
+
+    Args:
+        items (Iterable[T]): 처리할 아이템들
+        process_fn (Callable[[T], R]): 각 아이템을 처리할 함수
+        max_workers (int, optional): 최대 쓰레드 수. Defaults to 8.
+        desc (Optional[str], optional): 진행 상태 메시지. Defaults to None.
+        show_progress (bool, optional): 진행 상태 표시 여부. Defaults to True.
+
+    Returns:
+        List[R]: 처리 결과 리스트
+    """
+    with ThreadPoolExecutor(max_workers=max_workers) as executor:
+        futures = [executor.submit(process_fn, item) for item in items]
+        if show_progress:
+            futures = tqdm(futures, desc=desc)
+        return [future.result() for future in futures]
 
 
 def set_gms_server(gms_server: str):
     try:
         os.environ["DATAHUB_SERVER"] = gms_server
         fetcher = DatahubMetadataFetcher(gms_server=gms_server)
     except ValueError as e:
-        # 유효하지 않은 GMS 서버 주소일 경우 예외를 발생시킴
         raise ValueError(f"GMS 서버 설정 실패: {str(e)}")
 
 
@@ -22,49 +52,102 @@ def _get_fetcher():
     return DatahubMetadataFetcher(gms_server=gms_server)
 
 
-def _get_table_info() -> Dict[str, str]:
-    """전체 테이블 이름과 설명을 가져오는 함수"""
+def _process_urn(urn: str, fetcher: DatahubMetadataFetcher) -> tuple[str, str]:
+    table_name = fetcher.get_table_name(urn)
+    table_description = fetcher.get_table_description(urn)
+    return (table_name, table_description)
+
+
+def _process_column_info(
+    urn: str, table_name: str, fetcher: DatahubMetadataFetcher
+) -> Optional[List[Dict[str, str]]]:
+    if fetcher.get_table_name(urn) == table_name:
+        return fetcher.get_column_names_and_descriptions(urn)
+    return None
+
+
+def _get_table_info(max_workers: int = 8) -> Dict[str, str]:
+    """전체 테이블 이름과 설명을 가져오는 함수
+
+    Args:
+        max_workers (int, optional): 병렬 처리에 사용할 최대 쓰레드 수. Defaults to 8.
+
+    Returns:
+        Dict[str, str]: 테이블 이름과 설명을 담은 딕셔너리
+    """
     fetcher = _get_fetcher()
     urns = fetcher.get_urns()
     table_info = {}
-    for urn in urns:
-        table_name = fetcher.get_table_name(urn)
-        table_description = fetcher.get_table_description(urn)
+
+    results = parallel_process(
+        urns,
+        lambda urn: _process_urn(urn, fetcher),
+        max_workers=max_workers,
+        desc="테이블 정보 수집 중",
+    )
+
+    for table_name, table_description in results:
         if table_name and table_description:
             table_info[table_name] = table_description
+
     return table_info
 
 
-def _get_column_info(table_name: str) -> List[Dict[str, str]]:
-    """table_name에 해당하는 컬럼 이름과 설명을 가져오는 함수"""
+def _get_column_info(table_name: str, max_workers: int = 8) -> List[Dict[str, str]]:
+    """table_name에 해당하는 컬럼 이름과 설명을 가져오는 함수
+
+    Args:
+        table_name (str): 테이블 이름
+        max_workers (int, optional): 병렬 처리에 사용할 최대 쓰레드 수. Defaults to 8.
+
+    Returns:
+        List[Dict[str, str]]: 컬럼 정보 리스트
+    """
     fetcher = _get_fetcher()
     urns = fetcher.get_urns()
-    for urn in urns:
-        if fetcher.get_table_name(urn) == table_name:
-            return fetcher.get_column_names_and_descriptions(urn)
+
+    results = parallel_process(
+        urns,
+        lambda urn: _process_column_info(urn, table_name, fetcher),
+        max_workers=max_workers,
+        show_progress=False,
+    )
+
+    for result in results:
+        if result:
+            return result
     return []
 
 
-def get_info_from_db() -> List[Document]:
-    """
-    전체 테이블 이름과 설명, 컬럼 이름과 설명을 가져오는 함수
+def get_info_from_db(max_workers: int = 8) -> List[Document]:
+    """전체 테이블 이름과 설명, 컬럼 이름과 설명을 가져오는 함수
+
+    Args:
+        max_workers (int, optional): 병렬 처리에 사용할 최대 쓰레드 수. Defaults to 8.
+
+    Returns:
+        List[Document]: 테이블과 컬럼 정보를 담은 Document 객체 리스트
     """
+    table_info = _get_table_info(max_workers=max_workers)
 
-    table_info_str_list = []
-    table_info = _get_table_info()
-    for table_name, table_description in table_info.items():
-        column_info = _get_column_info(table_name)
+    def process_table_info(item: tuple[str, str]) -> str:
+        table_name, table_description = item
+        column_info = _get_column_info(table_name, max_workers=max_workers)
         column_info_str = "\n".join(
             [
                 f"{col['column_name']}: {col['column_description']}"
                 for col in column_info
             ]
         )
-        table_info_str_list.append(
-            f"{table_name}: {table_description}\nColumns:\n {column_info_str}"
-        )
+        return f"{table_name}: {table_description}\nColumns:\n {column_info_str}"
+
+    table_info_str_list = parallel_process(
+        table_info.items(),
+        process_table_info,
+        max_workers=max_workers,
+        desc="컬럼 정보 수집 중",
+    )
 
-    # table_info_str_list를 Document 객체 리스트로 변환
     return [Document(page_content=info) for info in table_info_str_list]