42kitrun Blog

SQL/Python 사용자 정의 함수 vs 내장함수

5 min read

🎯 핵심 차이

구분사용자 정의 함수내장함수
정의직접 작성한 함수언어/DB에 포함된 함수
속도⚠️ 느림 (해석 필요)⚡️ 빠름 (최적화됨)
유지보수📝 관리 필요자동 관리
유연성높음 (커스텀 로직)제한적 (고정 기능)

SQL 비교

내장함수 사용

-- 빠른 성능
SELECT
  user_id,
  UPPER(name),              -- 내장함수
  DATEDIFF(CURDATE(), birth_date) / 365 AS age,  -- 내장함수
  COUNT(*) OVER(PARTITION BY dept_id)  -- 윈도우 함수
FROM users;

장점: 최적화됨, 인덱스 활용 가능, 가독성 높음

사용자 정의 함수 (UDF)

CREATE FUNCTION calc_age(birth_date DATE)
RETURNS INT
DETERMINISTIC
AS
BEGIN
  RETURN YEAR(CURDATE()) - YEAR(birth_date);
END;
 
SELECT user_id, calc_age(birth_date) FROM users;

문제: 각 행마다 함수 호출, 인덱스 사용 안 됨, 느림

Python 비교

내장함수 사용

# 빠른 성능 (C로 구현됨)
numbers = [3, 1, 4, 1, 5]
 
len(numbers)           # O(1)
max(numbers)           # O(n) 최적화됨
sorted(numbers)        # O(n log n) 최적화됨
sum(numbers)           # O(n) 최적화됨
 
# 내장 메서드
text = "hello world"
text.upper()           # C 레벨 최적화
text.split()           # 최적화된 구현

장점: C 레벨 최적화, 매우 빠름, 안정적

사용자 정의 함수

# 느린 성능 (Python 해석 필요)
def custom_max(lst):
    max_val = lst[0]
    for num in lst[1:]:
        if num > max_val:
            max_val = num
    return max_val
 
# 내장함수보다 수배 느림
custom_max(numbers)

문제: Python 해석 오버헤드, 최적화 없음, 유지보수 필요

성능 비교

SQL 쿼리 (100만 행 기준)

내장함수:        150ms
사용자 정의 함수: 2,500ms  (약 16배 느림)

Python (100만 원소)

import timeit
 
# 내장함수
timeit.timeit(lambda: max(range(1000000)))
# 약 0.05초
 
# 사용자 정의 함수
def my_max(lst):
    result = lst[0]
    for x in lst[1:]:
        if x > result: result = x
    return result
 
timeit.timeit(lambda: my_max(list(range(1000000))))
# 약 0.3초 (6배 느림)

언제 뭘 사용할까?

✅ 내장함수 우선

  • 대량 데이터 처리 (성능 중요)
  • 간단한 로직
  • 인덱스 활용 필요
  • SQL: WHERE, GROUP BY, ORDER BY 내에서

✅ 사용자 정의 함수 필요

  • 복잡한 비즈니스 로직
  • 여러 단계의 조건 (if/for/while)
  • 재사용 가능한 코드
  • Python: 데이터 변환, 검증, 포맷팅

SQL 실제 예시

❌ 나쁜 예 (사용자 정의 함수)

-- 매우 느림: 각 행마다 함수 호출
SELECT id, custom_calculate(salary, dept_id)
FROM employees
WHERE custom_filter(status) = 1;

✅ 좋은 예 (내장함수)

-- 빠름: 최적화된 함수
SELECT id, salary * 1.1
FROM employees
WHERE status = 'active'
  AND YEAR(hire_date) >= 2020;

Python 실제 예시

❌ 나쁜 예

# 느린 루프 함수
def slow_filter(data):
    result = []
    for item in data:
        if item['age'] > 30 and item['status'] == 'active':
            result.append(item)
    return result

✅ 좋은 예

# 내장함수 + 리스트 컴프리헨션
filtered = [item for item in data
            if item['age'] > 30 and item['status'] == 'active']
 
# 또는 pandas 내장 메서드
import pandas as pd
df[(df['age'] > 30) & (df['status'] == 'active')]

💡 핵심 정리

상황선택이유
집계, 필터링 (많은 행)내장함수최적화, 빠름
복잡한 로직 필요사용자 정의유연성
하나 또는 소수의 행자유성능 차이 무시 가능
프로덕션 시스템내장함수안정성, 성능

원칙:

  • 먼저 내장함수 시도
  • 없으면 사용자 정의 함수
  • 성능이 문제면 다시 평가

🔗 관련 개념

다음 단계:

관련 포스트:

그래프 뷰

백링크