나의 지식 이야기

파이썬코드로 일단위 백업을 진행해 보고자 하여 작성하였다. from DB.DBManager import *from UTIL.DateTimeUtil import *import subprocessimport osclass PIBackUpClass(): def __init__(self): print(f"_________________ PIBackUpClass INIT _______________") self.DATETIMEUTIL = DateTimeUtilClass() self.PIBackupExecute() self.PIBackupFileRemmove() def PIBackupExecute(self): CurrentDate = self..

**Doji(도지)**는 금융 차트에서 등장하는 캔들 패턴으로,시가(Open)와 종가(Close)가 거의 같아 몸통이 짧거나 없는 캔들을 의미합니다.즉, 매수세와 매도세가 팽팽하게 맞선 상태를 나타냅니다.🔎 Doji 패턴을 판별하는 기본 조건✅ 시가(Open)와 종가(Close)의 차이가 매우 작아야 함✅ 위꼬리(High - max(Open, Close)) 또는 아래꼬리(min(Open, Close) - Low)가 길 수 있음✅ 일반적으로 시가와 종가의 차이가 전체 캔들 길이 대비 5~10% 이내일 때 Doji로 판별📌 Python에서 Doji 패턴 추출하는 방법1️⃣ Pandas를 사용한 간단한 Doji 탐지import pandas as pd# 예제 데이터 생성data = { 'Open': [..

**Doji(도지)**는 캔들스틱 차트에서 시가(Open)와 종가(Close)가 거의 같은 캔들 패턴입니다.즉, 가격 변동이 있었지만 최종적으로 시작한 가격과 끝난 가격이 거의 동일하다는 의미입니다.Doji는 일반적으로 시장의 불확실성 또는 추세 전환 가능성을 나타냅니다.매수세와 매도세가 균형을 이루어 방향성이 명확하지 않은 상태를 의미합니다.🔍 Doji의 주요 특징몸통(Body)이 거의 없음시가(Open)와 종가(Close)의 차이가 매우 작음.몸통 크기 이 일반적인 기준.꼬리(Shadow)가 길거나 짧을 수 있음위/아래 꼬리의 길이에 따라 다양한 종류의 Doji가 존재.추세 전환 신호강한 상승 또는 하락 추세에서 Doji 발생 시 → 추세 반전 가능성 증가.횡보 구간에서 발생 시 → 시장의 불확실성..

📌 rsync + binlog를 활용한 안전한 동기화이 방법은 MySQL이 실행 중인 상태에서 데이터 파일을 복사한 후, binlog를 적용하여 최신 상태를 유지하는 방식입니다.🔹 1️⃣ 1차 동기화 (rsync로 변경된 데이터 복사)Python을 이용하여 MySQL 데이터를 백그라운드에서 변경된 파일만 복사합니다. import subprocessSOURCE_DIR = "/var/lib/mysql/"TARGET_DIR = "/var/lib/mysql1/"def run_command(command): """ 시스템 명령 실행 """ try: subprocess.run(command, shell=True, check=True) print(f"✅ 실행 완료: {comma..

비동기 프로그래밍은 성능 최적화와 동시에 여러 작업을 실행하는 데 필수적인 기법입니다. Python에서는 asyncio 라이브러리를 활용하여 비동기(Asynchronous) 처리를 쉽게 구현할 수 있습니다. 특히 네트워크 요청, 파일 I/O, 데이터베이스 쿼리 등 대기 시간이 긴 작업에서 asyncio를 활용하면 CPU 자원을 효율적으로 사용하고 응답 속도를 개선할 수 있습니다.이번 글에서는 asyncio의 개념, 주요 기능, 동작 방식, 예제 코드, 장점과 단점 등을 자세히 다뤄보겠습니다. 1. asyncio란?asyncio는 Python에서 비동기(Asynchronous) 프로그래밍을 구현하기 위한 표준 라이브러리입니다. Python 3.3부터 yield from을 통해 비동기 실행을 지원했고, Py..

def getDataFrameConverter_N1(self, idx, ticker, strDate, df): try: self.df = df #################################################################################### # TSI _ 1 #################################################################################### ar_TSI = [] TSI = TA.TSI(self.df, 10, 13, 13) TSI_1 = TSI.TSI.iloc[-1] TSI_2 = ..