Streamlit은 데이터 과학 및 인공지능 프로젝트를 위한 대화형 웹 애플리케이션을 개발자가 만들 수 있게 해주는 오픈소스 Python 라이브러리이다. 이 라이브러리는 데이터 과학자와 머신러닝 엔지니어가 프런트엔드 웹 개발 전문 지식 없이도 Python 스크립트를 몇 분 안에 공유 가능한 웹 앱으로 전환할 수 있도록 설계되었다. 이 프레임워크는 단순성을 강조하며, 사용자가 표준 Python 코드를 작성하여 자동으로 사용자 인터페이스 구성 요소를 생성하는 방식으로 인터페이스를 구축할 수 있게 한다.
이 프로젝트는 Adrien Treuille, Amanda Kelly, Thiago Teixeira가 만들었으며, 첫 번째 버전은 2019년 10월에 출시되었다. 이 프레임워크의 배후 회사인 Streamlit Inc.는 2018년에 설립되었으며 캘리포니아주 샌프란시스코에 본사를 두고 있다. 이 프레임워크는 사용 용이성과 Pandas, NumPy, Matplotlib과 같은 인기 있는 Python 라이브러리와의 원활한 통합 능력 덕분에 데이터 과학 커뮤니티 내에서 빠르게 채택되었다. 2022년, Streamlit은 클라우드 기반 데이터 웨어하우징 회사인 Snowflake에 인수되었으며, 이후에도 이 프레임워크를 계속 개발하고 지원하고 있다.
핵심 기능 및 아키텍처
Streamlit은 간단한 실행 모델로 작동한다. 사용자가 위젯과 상호 작용할 때마다 전체 Python 스크립트가 위에서 아래로 실행된다. 이 접근 방식은 전통적인 클라이언트-서버 아키텍처보다 잠재적으로 덜 효율적일 수 있지만, 개발 프로세스를 크게 단순화한다. 이 프레임워크는 슬라이더, 버튼, 텍스트 입력, 데이터프레임을 포함한 일반적인 UI 요소를 위한 내장 함수 세트를 제공하며, 이러한 함수는 상태 관리와 재실행을 자동으로 처리한다.
주요 아키텍처 결정 중 하나는 반응형 프로그래밍 모델의 사용이다. 사용자가 위젯 값을 변경하면 Streamlit은 스크립트를 재실행하여 변경된 값에 의존하는 앱 부분만 업데이트한다. 이를 통해 빠른 반복과 디버깅이 가능하다. 이 프레임워크는 또한 @st.cache_data 및 @st.cache_resource 데코레이터를 통한 캐싱을 지원하며, 이는 대규모 데이터셋 로드나 Machine learning 모델 추론 실행과 같은 비용이 많이 드는 계산의 성능을 크게 향상시킬 수 있다.
AI 및 머신러닝과의 통합
Streamlit은 Artificial intelligence 및 Machine learning 모델을 배포하는 데 널리 사용되는 도구가 되었다. Python 네이티브 코드를 처리할 수 있는 능력 덕분에 TensorFlow, PyTorch, scikit-learn과 같은 프레임워크와의 통합이 간단하다. 개발자는 Large language model 애플리케이션을 위한 대화형 데모를 만들 수 있으며, 사용자가 프롬프트를 입력하고 생성된 응답을 실시간으로 볼 수 있다. 이 프레임워크는 또한 파일 업로드를 지원하여 사용자가 자신의 데이터로 모델을 테스트할 수 있게 한다.
Generative AI 애플리케이션의 경우, Streamlit은 텍스트, 이미지, 오디오를 표시하기 위한 구성 요소를 제공하므로 Transformer (architecture) 기반 모델을 위한 인터페이스를 구축하는 데 적합하다. 확장 가능한 애플리케이션을 배포하기 위해 Amazon Web Services, Microsoft Azure, Google Cloud과 같은 클라우드 서비스와 함께 자주 사용된다. 이 프레임워크의 단순성은 학술 및 산업 환경 모두에서 AI 도구 프로토타이핑을 위한 표준 선택이 되게 했으며, 많은 OpenAI 및 Anthropic API 예제가 빠른 데모를 위해 Streamlit을 사용한다.
커뮤니티 및 생태계
Streamlit 생태계에는 풍부한 타사 구성 요소 세트가 포함되어 있어 핵심 라이브러리 이상으로 기능을 확장한다. Streamlit Components Gallery를 통해 제공되는 이러한 구성 요소는 지도, 차트, 사용자 지정 시각화와 같은 추가 위젯을 제공한다. 커뮤니티는 또한 대시보드, 데이터 탐색 도구, 모델 모니터링 인터페이스를 포함한 일반적인 사용 사례를 위한 템플릿과 튜토리얼을 개발했다.
이 프레임워크는 GitHub에서 강력한 입지를 가지고 있으며, 전 세계 개발자들의 수천 개의 별과 기여를 받고 있다. Streamlit은 활발한 포럼과 월간 커뮤니티 콜을 운영하며, 사용자들이 모범 사례를 공유하고 자신의 애플리케이션을 선보인다. 문서는 기본 사용법부터 테마 지정 및 배포와 같은 고급 주제까지 포괄적으로 다룬다. 2024년 기준으로 Streamlit은 Python으로 데이터 앱을 구축하는 데 가장 널리 사용되는 도구 중 하나이며, 기업 채택 사례가 증가하고 있다.
배포 및 성능
Streamlit 앱은 여러 방식으로 배포할 수 있다. 가장 간단한 방법은 GitHub 저장소와 통합되는 무료 호스팅 서비스인 Streamlit Community Cloud를 이용하는 것이다. 프로덕션 환경의 경우 앱은 Docker를 사용하여 컨테이너화하고 AWS, Microsoft Azure, Google Cloud과 같은 플랫폼에 배포할 수 있다. 이 프레임워크는 또한 리버스 프록시 뒤와 가상 사설 클라우드 내에서 실행을 지원하므로 내부 기업 도구에 적합하다.
성능 고려 사항은 대규모 애플리케이션에서 중요하다. Streamlit의 재실행 모델은 간단하지만, 무거운 계산이나 대규모 데이터셋을 가진 앱에서는 병목 현상이 될 수 있다. 캐싱 메커니즘은 이를 완화하는 데 도움이 되지만, 개발자는 높은 트래픽 시나리오에서 코드를 최적화하거나 외부 데이터베이스를 사용해야 할 수도 있다. Streamlit은 또한 다중 페이지 앱을 지원하여 개발자가 복잡한 애플리케이션을 공유 탐색 메뉴가 있는 별도의 페이지로 구성할 수 있게 한다.
향후 방향
Snowflake의 소유 아래에서 Streamlit은 새로운 기능과 개선 사항을 추가하는 정기적인 릴리스를 통해 계속 진화하고 있다. 최근 업데이트는 성능 향상, 개발자 경험 개선, Snowflake의 데이터 클라우드와의 통합 확장에 중점을 두었다. 이 프레임워크는 특히 대화형 Machine learning 인터페이스에 대한 수요가 증가함에 따라 데이터 및 AI 애플리케이션 구축을 위한 선도적인 도구로서의 위치를 유지할 것으로 예상된다. 단순성과 Python 네이티브 개발에 대한 강조는 Artificial intelligence 도구의 민주화라는 광범위한 추세와 잘 부합한다.