Update app.py

app.py

@@ -12,6 +12,7 @@ import time
 import hmac
 import hashlib
 import base64
+import concurrent.futures  # 동시 실행을 위한 모듈
 
 # 디버깅(로그)용 함수
 def debug_log(message: str):
@@ -126,7 +127,7 @@ def analyze_text(text: str):
     
     return df, temp_file.name
 
-# [참조코드-2] 네이버 광고 API 및 검색량/블로그문서수 조회 기능
+# [참조코드-2] 네이버 광고 API: 서명 생성 및 헤더 구성
 def generate_signature(timestamp, method, uri, secret_key):
     message = f"{timestamp}.{method}.{uri}"
     digest = hmac.new(secret_key.encode("utf-8"), message.encode("utf-8"), hashlib.sha256).digest()
@@ -143,7 +144,7 @@ def get_header(method, uri, api_key, secret_key, customer_id):
         "X-Signature": signature
     }
 
-# 기존의 단일 키워드용 함수 (참고용)
+# 기존 단일 키워드용 함수 (참조용)
 def fetch_related_keywords(keyword):
     debug_log(f"fetch_related_keywords 호출, 키워드: {keyword}")
     API_KEY = os.environ["NAVER_API_KEY"]
@@ -191,8 +192,9 @@ def fetch_related_keywords_batch(keywords: list):
     uri = "/keywordstool"
     method = "GET"
     headers = get_header(method, uri, API_KEY, SECRET_KEY, CUSTOMER_ID)
+    # API에 여러 키워드를 전달할 때는 리스트 형태 그대로 전달
     params = {
-        "hintKeywords": keywords,  # 그룹으로 전달 (최대 10개)
+        "hintKeywords": keywords,
         "showDetail": "1"
     }
     response = requests.get(BASE_URL + uri, params=params, headers=headers)
@@ -217,28 +219,40 @@ def fetch_related_keywords_batch(keywords: list):
     debug_log("fetch_related_keywords_batch 완료")
     return result_df
 
-# 기존 process_keyword 함수를 그룹별로 10개씩 묶어 처리하도록 수정
+# process_keyword 함수를 동시 실행으로 각 그룹(최대 10개씩)에 대해 한 번씩 API 호출하도록 개선
 def process_keyword(keywords: str, include_related: bool):
     debug_log(f"process_keyword 호출, 키워드들: {keywords}, 연관검색어 포함: {include_related}")
     input_keywords = [k.strip() for k in keywords.splitlines() if k.strip()]
+    groups = [input_keywords[i:i+10] for i in range(0, len(input_keywords), 10)]
     result_dfs = []
-    
-    # 입력된 키워드를 10개씩 그룹으로 묶기
-    for i in range(0, len(input_keywords), 10):
-        batch = input_keywords[i:i+10]
-        df_batch = fetch_related_keywords_batch(batch)
-        if df_batch.empty:
+    group_results = {}
+
+    # 그룹별 API 호출을 동시 실행
+    with concurrent.futures.ThreadPoolExecutor() as executor:
+        future_to_group = {executor.submit(fetch_related_keywords_batch, group): group for group in groups}
+        for future in concurrent.futures.as_completed(future_to_group):
+            group = future_to_group[future]
+            try:
+                df_batch = future.result()
+                group_results[tuple(group)] = df_batch
+            except Exception as exc:
+                debug_log(f"그룹 {group}에서 오류 발생: {exc}")
+
+    # 각 그룹의 결과를 순서대로 처리
+    for idx, group in enumerate(groups):
+        df_batch = group_results.get(tuple(group))
+        if df_batch is None or df_batch.empty:
             continue
-        # 각 그룹 내에서 입력 키워드와 일치하는 행 추출
-        for kw in batch:
+        # 그룹 내 각 키워드에 대해 결과 추출
+        for kw in group:
             row_kw = df_batch[df_batch["정보키워드"] == kw]
             if not row_kw.empty:
                 result_dfs.append(row_kw)
             else:
                 result_dfs.append(df_batch.head(1))
-        # 첫 그룹의 경우 연관검색어 옵션 적용 (첫 키워드 제외)
-        if include_related and i == 0:
-            first_keyword = batch[0]
+        # 첫 번째 그룹에 대해 연관검색어 옵션 적용 (첫 키워드 제외)
+        if include_related and idx == 0:
+            first_keyword = group[0]
             df_related = df_batch[df_batch["정보키워드"] != first_keyword]
             if not df_related.empty:
                 result_dfs.append(df_related)