데코레이터는 왜 사용하나요?

함수에 공통 기능(로깅, 인증, 캐싱)을 추가할 때 사용합니다. 코드 중복을 줄입니다.

@property는 뭔가요?

메서드를 속성처럼 사용하게 해주는 내장 데코레이터입니다.

데코레이터 순서는 중요한가요?

네, 아래에서 위로 적용됩니다. @a @b def func()는 a(b(func()))와 같습니다.

Python 데코레이터 | @decorator 완벽 정리

2026년 3월 28일 · 22분 읽기 · 수정 2026년 4월 18일 중급 튜토리얼

이 글의 핵심

Python 데코레이터: @decorator 데코레이터 기본·인자가 있는 데코레이터.

들어가며

”함수를 꾸며주는 마법”

데코레이터는 함수에 기능을 추가하는 Python의 강력한 기능입니다.

실무 활용 사례: 데이터 분석, 웹 개발, 자동화 프로젝트에서 실제로 사용한 패턴과 코드를 바탕으로 정리했습니다. 초보자가 흔히 겪는 오류와 해결법을 포함합니다.

실무에서 느낀 Python의 매력

처음 Python을 배울 때는 “이게 정말 프로그래밍 언어인가?” 싶을 정도로 간결했습니다. C++에서 10줄로 작성하던 코드가 Python에서는 2~3줄로 끝나는 경우가 많았죠. 특히 데이터 분석 프로젝트를 진행하면서 Pandas와 NumPy의 강력함을 체감했습니다. 엑셀로 몇 시간 걸리던 작업이 Python 스크립트로는 몇 초 만에 끝나는 걸 보고 동료들이 놀라워했던 기억이 납니다. 하지만 처음부터 순탄하지만은 않았습니다. 들여쓰기 하나 잘못해서 몇 시간을 헤맨 적도 있고, 가상환경 설정이 꼬여서 프로젝트 전체를 다시 시작한 적도 있습니다. 이런 시행착오를 겪으며 깨달은 건, 환경 설정을 처음부터 제대로 하는 것이 얼마나 중요한지였습니다. 이 글에서는 제가 겪은 실수들을 바탕으로, 여러분이 같은 시행착오를 겪지 않도록 실전 팁을 담았습니다.

1. 데코레이터 기본

함수 데코레이터

@timer는 원래 함수를 감싸는 새 함수(wrapper)로 바꿔 넣는 간편 표기입니다. 호출 시점에 앞뒤로 로깅·시간 측정 같은 공통 장식을 붙일 수 있어, 본문 함수는 핵심 로직만 남기기 좋습니다.

def timer(func):
    """함수 실행 시간 측정"""
    import time
    
    def wrapper(*args, **kwargs):
        start = time.time()
        result = func(*args, **kwargs)
        end = time.time()
        print(f"{func.__name__} 실행 시간: {end - start:.4f}초")
        return result
    
    return wrapper
@timer
def slow_function():
    import time
    time.sleep(1)
    return "완료"
result = slow_function()
# slow_function 실행 시간: 1.0012초

로깅 데코레이터

def logger(func):
    """함수 호출 로깅"""
    def wrapper(*args, **kwargs):
        print(f"[호출] {func.__name__}({args}, {kwargs})")
        result = func(*args, **kwargs)
        print(f"[반환] {result}")
        return result
    return wrapper
@logger
def add(a, b):
    return a + b
add(3, 5)
# [호출] add((3, 5), {})
# [반환] 8

2. 인자가 있는 데코레이터

데코레이터 팩토리

def repeat(times):
    """함수를 여러 번 실행"""
    def decorator(func):
        def wrapper(*args, **kwargs):
            results = []
            for _ in range(times):
                result = func(*args, **kwargs)
                results.append(result)
            return results
        return wrapper
    return decorator
@repeat(3)
def greet(name):
    return f"안녕, {name}!"
print(greet("철수"))
# ['안녕, 철수!', '안녕, 철수!', '안녕, 철수!']

3. 실전 데코레이터

캐싱 데코레이터

def memoize(func):
    """함수 결과 캐싱"""
    cache = {}
    
    def wrapper(*args):
        if args not in cache:
            cache[args] = func(*args)
        return cache[args]
    
    return wrapper
@memoize
def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n-1) + fibonacci(n-2)
print(fibonacci(100))  # 매우 빠름!

인증 데코레이터

def require_auth(func):
    """인증 확인"""
    def wrapper(user, *args, **kwargs):
        if not user.get('is_authenticated'):
            raise PermissionError("로그인이 필요합니다")
        return func(user, *args, **kwargs)
    return wrapper
@require_auth
def delete_post(user, post_id):
    return f"포스트 {post_id} 삭제됨"
# 사용
user = {'name': '철수', 'is_authenticated': True}
print(delete_post(user, 123))  # 포스트 123 삭제됨
guest = {'name': '손님', 'is_authenticated': False}
# delete_post(guest, 123)  # PermissionError!

4. 클래스 데코레이터

def singleton(cls):
    """싱글톤 패턴"""
    instances = {}
    
    def get_instance(*args, **kwargs):
        if cls not in instances:
            instances[cls] = cls(*args, **kwargs)
        return instances[cls]
    
    return get_instance
@singleton
class Database:
    def __init__(self):
        print("데이터베이스 연결")
        self.connection = "Connected"
# 사용
db1 = Database()  # 데이터베이스 연결
db2 = Database()  # 출력 없음 (같은 인스턴스)
print(db1 is db2)  # True

5. functools.wraps

메타데이터 보존

from functools import wraps
def my_decorator(func):
    @wraps(func)  # 원본 함수 정보 보존
    def wrapper(*args, **kwargs):
        """래퍼 함수"""
        return func(*args, **kwargs)
    return wrapper
@my_decorator
def greet(name):
    """인사 함수"""
    return f"안녕, {name}!"
print(greet.__name__)  # greet (wraps 없으면 wrapper)
print(greet.__doc__)   # 인사 함수

6. 실전 예제

API 재시도 데코레이터

import time
from functools import wraps
def retry(max_attempts=3, delay=1):
    """실패 시 재시도"""
    def decorator(func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            for attempt in range(max_attempts):
                try:
                    return func(*args, **kwargs)
                except Exception as e:
                    if attempt == max_attempts - 1:
                        raise
                    print(f"시도 {attempt + 1} 실패: {e}")
                    time.sleep(delay)
        return wrapper
    return decorator
@retry(max_attempts=3, delay=0.5)
def fetch_data(url):
    import random
    if random.random() < 0.7:
        raise ConnectionError("연결 실패")
    return f"{url} 데이터"

데코레이터를 겹쳐 쓸 때의 순서와 `wraps`

데코레이터는 원래 함수 앞뒤에 공통 장식을 덧붙이는 틀이라고 보면 됩니다. 여러 개를 쌓을 때는 아래에 가까운 데코레이터가 먼저 감싸고, 그다음 바깥 데코레이터가 감싸는 순서로 실행된다는 점을 기억해 두면 디버깅이 수월합니다.

# ✅ 여러 데코레이터 조합
@timer
@logger
@retry(3)
def important_function():
    pass
# 실행 순서: retry → logger → timer → 함수
# ✅ functools.wraps 사용
from functools import wraps
def my_decorator(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        return func(*args, **kwargs)
    return wrapper

내부 동작과 핵심 메커니즘

이 글의 주제는 「Python 데코레이터 | @decorator 완벽 정리」입니다. 여기서는 앞선 설명을 구현·런타임 관점에서 한 번 더 압축합니다. 데이터 흐름과 실패 모드를 기준으로 생각하면, “입력이 어디서 검증되고, 핵심 연산이 어디서 일어나며, 부작용(I/O·네트워크·디스크)이 어디서 터지는가”가 한눈에 드러납니다.

처리 파이프라인(개념도)

flowchart TD
  A[입력·요청·이벤트] --> B[파싱·검증·디코딩]
  B --> C[핵심 연산·상태 전이]
  C --> D[부작용: I/O·네트워크·동시성]
  D --> E[결과·관측·저장]

알고리즘·프로토콜 관점에서의 체크포인트

불변 조건(Invariant): 각 단계가 만족해야 하는 조건(예: 버퍼 경계, 프로토콜 상태, 트랜잭션 격리)을 문장으로 적어 두면 디버깅 비용이 줄어듭니다.
결정성: 동일 입력에 동일 출력이 보장되는 순수한 층과, 시간·네트워크에 의해 달라질 수 있는 층을 분리해야 테스트와 장애 분석이 쉬워집니다.
경계 비용: 직렬화/역직렬화, 문자 인코딩, syscall 횟수, 락 경합처럼 “한 번의 호출이 아니라 누적되는 비용”을 의심 목록에 넣습니다.

프로덕션 운영 패턴

실서비스에서는 기능 구현과 함께 관측·배포·보안·비용이 동시에 요구됩니다. 아래는 팀에서 자주 쓰는 최소 체크리스트입니다.

영역	운영 관점에서의 질문
관측성	요청 단위 상관 ID, 에러율/지연 분위수, 주요 의존성 타임아웃이 보이는가
안전성	입력 검증·권한·비밀 관리가 코드 경로마다 일관적인가
신뢰성	재시도는 멱등한 연산에만 적용되는가, 서킷 브레이커·백오프가 있는가
성능	캐시 계층·배치 크기·풀링·백프레셔가 데이터 규모에 맞는가
배포	롤백 룬북, 카나리, 마이그레이션 호환성이 문서화되어 있는가

운영 환경에서는 “개발자 PC에서는 재현되지 않던 문제”가 시간·부하·데이터 크기 때문에 드러납니다. 따라서 스테이징의 데이터 양·네트워크 지연을 가능한 한 현실에 가깝게 맞추는 것이 중요합니다.

문제 해결(Troubleshooting)

증상	가능 원인	조치
간헐적 실패	레이스 컨디션, 타임아웃, 외부 의존성 불안정	최소 재현 스크립트 작성, 분산 트레이스·로그 상관관계 확인
성능 저하	N+1 쿼리, 동기 I/O, 잠금 경합, 과도한 직렬화	프로파일러·APM으로 핫스팟 확인 후 한 가지씩 제거
메모리 증가	캐시 무제한, 클로저/이벤트 구독 누수, 대용량 객체의 불필요한 복사	상한·TTL·스냅샷 비교(힙 덤프/트레이스)
빌드·배포만 실패	환경 변수·권한·플랫폼 차이	CI 로그와 로컬 `diff`, 컨테이너/런타임 버전 핀(pin)

권장 디버깅 순서: (1) 최소 재현 만들기 (2) 최근 변경 범위 좁히기 (3) 의존성·환경 변수 차이 확인 (4) 관측 데이터로 가설 검증 (5) 수정 후 회귀·부하 테스트.

정리

핵심 요약

데코레이터: 함수에 기능 추가
문법: @decorator_name
인자: 데코레이터 팩토리 사용
wraps: 메타데이터 보존
활용: 로깅, 캐싱, 인증, 재시도

다음 단계

제너레이터
Flask 웹 개발

자주 묻는 질문 (FAQ)

Q. 이 내용을 실무에서 언제 쓰나요?

A. Python 데코레이터: @decorator 완벽 정리. 데코레이터 기본·인자가 있는 데코레이터로 흐름을 잡고 원리·코드·실무 적용을 한글로 정리합니다. Python·데코레이터·decorator 중심으로 설명합니다.… 실무에서는 위 본문의 예제와 선택 가이드를 참고해 적용하면 됩니다.

Q. 선행으로 읽으면 좋은 글은?

A. 각 글 하단의 이전 글 또는 관련 글 링크를 따라가면 순서대로 배울 수 있습니다. Python 시리즈 목차에서 전체 흐름을 확인할 수 있습니다.

Q. 더 깊이 공부하려면?

A. cppreference와 해당 라이브러리 공식 문서를 참고하세요. 글 말미의 참고 자료 링크도 활용하면 좋습니다.

같이 보면 좋은 글 (내부 링크)

이 주제와 연결되는 다른 글입니다.

이 글에서 다루는 키워드 (관련 검색어)

Python, 데코레이터, decorator, 고급, 메타프로그래밍 등으로 검색하시면 이 글이 도움이 됩니다.

이 글이 도움이 되셨나요?

여러분의 피드백은 더 나은 콘텐츠를 만드는 데 도움이 됩니다

문제가 있거나 개선 제안이 있으시면 연락처로 알려주세요.