Performance Hints (KR)

## TL;DR

성능 최적화는 ‘나중에’ 하는 숙제가 아니라, 설계 단계에서부터 컴퓨터 리소스의 비용을 계산하고 낭비를 최소화하는 선택을 하는 과정입니다. 알고리즘의 효율성, 메모리 레이아웃의 조밀함, 그리고 불필요한 메모리 할당을 줄이는 것이 핵심입니다.

## Overview

1. 성능 사고방식의 중요성 (The Importance of Thinking about Performance)

  • 성능 중심 설계: “나중에 프로파일링해서 고치자”는 생각은 병목 지점이 도처에 깔려 고칠 수조차 없는 ‘평평한 프로파일’을 만드므로, 처음부터 효율적인 대안을 선택해야 합니다.

2. 추정 (Estimation)

  • 성능 직관 기르기: 작성 중인 코드가 테스트용인지, 라이브러리용인지, 혹은 핫 패스(Hot path)인지에 따라 어느 정도의 복잡성을 감수할지 결정합니다.

  • 어림짐작 계산 (Back-of-the-envelope): L1 캐시(0.5ns)부터 디스크 탐색(5ms)까지의 비용을 계산해 어떤 설계가 유리할지 구현 전에 판단합니다.

3. 측정 (Measurement)

  • 측정의 가치: 익숙하지 않은 코드를 프로파일링하는 것은 구조 파악에도 도움이 되며, 개선 전후의 이점을 정밀하게 확인하는 유일한 방법입니다.

  • 프로파일링 도구 및 팁: pprof나 perf를 활용하고, 운영 환경과 유사한 조건에서 마이크로벤치마크를 수행하여 결과를 검증합니다.

  • 프로파일이 평평할 때 (What to do when profiles are flat): 뚜렷한 병목이 없다면 작은 개선 20개를 모으거나, 루프 구조 변경, 할당 횟수 줄이기, 하드웨어 카운터 분석 등을 시도합니다.

4. API 설계 고려사항 (API Considerations)

  • 대량 처리 API (Bulk APIs): 함수 호출 오버헤드와 잠금 비용을 줄이기 위해 여러 항목을 한 번에 처리하는 인터페이스를 제공합니다.

  • 뷰 타입 (View types): string_view나 Span 등을 사용하여 데이터 복사 없이 메모리 영역만 참조하게 합니다.

  • 사전 할당/계산된 인수: 호출자가 이미 알고 있는 정보를 루틴에 넘겨주어 내부의 중복 계산이나 할당을 방지합니다.

  • 스레드 호환 vs 스레드 안전: 무조건 내부 잠금을 걸기보다, 호출자가 동기화를 책임지는 ‘스레드 호환’ 타입을 기본으로 하여 성능 손실을 막습니다.

5. 알고리즘 개선 (Algorithmic Improvements)

  • 근본적 최적화: O(N²) 로직을 O(N log N)으로 바꾸거나, 최신 논문에 기반한 더 빠른 데이터 구조(예: Pearce-Kelly 알고리즘)로 교체합니다.

6. 더 나은 메모리 표현 (Better Memory Representation)

  • 조밀한 데이터 구조 (Compact data structures): 캐시 효율을 높이기 위해 데이터를 메모리에 빽빽하게 채워 넣습니다.

  • 메모리 레이아웃 (Memory layout): 필드 순서를 조정해 패딩을 줄이고, 자주 쓰는 필드를 모아 캐시 미스를 방지합니다.

  • 포인터 대신 인덱스 (Indices instead of pointers): 64비트 포인터 대신 작은 정수 인덱스를 써서 메모리 사용량과 간접 참조 비용을 줄입니다.

  • 배치 저장 (Batched storage): 요소마다 개별 할당하지 않고 청크(Chunk) 단위로 묶어 할당하여 관리 오버헤드를 줄입니다.

  • 인라인 저장 (Inlined storage): 요소가 적을 때는 힙 할당 없이 객체 내부 공간을 직접 활용(InlinedVector 등)합니다.

  • 불필요하게 중첩된 맵: 맵 안에 맵을 두기보다 복합 키를 사용하는 단일 맵으로 구성해 조회 횟수를 줄입니다.

  • 아레나 (Arenas): 수명이 비슷한 객체들을 큰 메모리 블록에 한꺼번에 할당하고 소멸 비용을 최소화합니다.

  • 맵 대신 배열: 키 범위가 작다면 맵 대신 단순 배열을 사용하여 O(1) 성능을 확보합니다.

  • 셋 대신 비트 벡터: 정수 집합은 비트 벡터를 사용하여 메모리 사용량을 극단적으로 아끼고 연산을 가속합니다.

7. 할당 줄이기 (Reduce Allocations)

  • 불필요한 할당 피하기: 빈 객체 생성 대신 정적(Static) 객체를 재사용하거나 힙 대신 스택을 적극 활용합니다.

  • 컨테이너 크기 조정 (Resize or reserve): 예상 크기를 미리 reserve()하여 데이터 이동과 메모리 재할당 오버헤드를 막습니다.

  • 복사 피하기: 이동 시맨틱(Move)을 활용하고, 큰 객체 자체를 옮기기보다 포인터나 인덱스 배열을 정렬합니다.

  • 임시 객체 재사용: 루프 안에서 객체를 매번 선언하지 말고 루프 밖에서 선언하여 내부 버퍼를 계속 재사용합니다.

8. 불필요한 작업 피하기 (Avoid Unnecessary Work)

  • 공통 케이스의 빠른 경로 (Fast paths): 대다수를 차지하는 단순한 케이스를 먼저 체크하여 무거운 로직을 건너뜁니다.

  • 값비싼 정보 사전 계산: 반복적으로 쓰이는 비싼 연산 결과는 미리 계산해서 저장해 둡니다.

  • 값비싼 계산을 루프 밖으로 이동: 루프를 돌 때마다 변하지 않는 값은 루프 시작 전에 미리 계산합니다.

  • 값비싼 계산 지연 (Defer): 정말로 결과가 필요한 시점까지 연산을 수행하지 않고 최대한 미룹니다.

  • 코드 특수화 (Specialize code): 범용 라이브러리 대신 특정 상황에만 딱 맞춘 코드를 작성해 범용 기능의 오버헤드를 뺍니다.

  • 캐싱 활용: 이전에 수행한 작업 결과를 저장해 두고 다시 호출될 때 즉시 반환합니다.

9. 컴파일러의 작업 돕기 (Make the compiler’s job easier)

  • 최적화 힌트 제공: 핫 함수 내 호출 제거, 로컬 변수 복사를 통한 에일리어싱 방지, 수동 루프 언롤링 등을 통해 컴파일러가 더 나은 기계어를 뽑게 돕습니다.

10. 통계 수집 비용 절감 (Reduce stats collection costs)

  • 통계 최적화: 쓰이지 않는 통계는 과감히 삭제하고, 샘플링(Sampling)을 통해 일부 요청만 기록하여 부하를 낮춥니다.

11. 로깅 최적화 (Avoid logging on hot code paths)

  • 로깅 제거 및 지연: 자주 실행되는 구간에서는 로그 활성화 여부를 미리 체크하거나 아예 로깅을 빼서 실행 속도를 지킵니다.

12. 코드 크기 고려사항 (Code Size Considerations)

  • 자주 인라인되는 코드 다듬기: 널리 쓰이는 함수의 에러 처리 등 큰 코드는 인라인에서 제외해 바이너리 비대화를 막습니다.

  • 신중한 인라인화: 무분별한 인라인은 바이너리를 키워 명령어 캐시 효율을 떨어뜨리므로 적절히 조절합니다.

  • 템플릿 인스턴스화 감소: 공통 로직을 템플릿 밖으로 분리해 불필요하게 복제되는 기계어 코드를 줄입니다.

  • 컨테이너 작업 감소: 맵 초기화 등을 한꺼번에 처리하는 대량 작업을 써서 생성되는 코드 양을 줄입니다.

13. 병렬화와 동기화 (Parallelization and synchronization)

  • 병렬성 활용 (Exploit parallelism): 멀티 코어를 쓰기 위해 작업을 나누되, 배치 단위 처리를 통해 관리 비용을 관리합니다.

  • 잠금 획득 분산 (Amortize lock acquisition): 한 번의 잠금으로 여러 작업을 처리하여 잠금 획득 횟수 자체를 줄입니다.

  • 임계 영역 단축 (Keep critical sections short): 잠금을 쥔 상태에서의 작업을 최소화하고 비싼 연산은 잠금 밖에서 수행합니다.

  • 샤딩을 통한 경합 감소: 하나의 잠금을 여러 샤드로 나누어 스레드 간의 충돌 가능성을 낮춥니다.

  • SIMD 명령어: 한 번의 명령으로 여러 데이터를 동시 처리하는 CPU 기능을 적극 활용합니다.

  • 거짓 공유(False Sharing) 감소: 스레드별 데이터를 서로 다른 캐시 라인에 배치하여 불필요한 캐시 동기화를 막습니다.

  • 문맥 교환 빈도 감소: 아주 작은 작업은 스레드 풀에 넘기지 말고 현재 스레드에서 직접 처리합니다.

  • 파이프라이닝용 버퍼 채널: 채널에 적절한 버퍼를 두어 송수신 스레드가 서로 기다리는 시간을 줄입니다.

  • 락프리(Lock-free) 접근: 뮤텍스 대신 원자적 연산을 사용하여 대기 없는 데이터 구조를 구현합니다.

14. 프로토콜 버퍼 조언 (Protocol Buffer advice)

  • 직렬화 비용 최소화: 불필요한 중첩 회피, 1~15번 필드 번호 우선 사용, 적절한 숫자 타입 선택, VIEW/CORD 사용, 아레나 활용 등으로 프로토버프 오버헤드를 줄입니다.

15. C++ 전용 조언 (C++-Specific advice)

  • 최적화된 라이브러리 활용: flat_hash_map, InlinedVector, Status/StatusOr 최적화 등 C++ 언어와 라이브러리 특성에 맞는 기법을 적용합니다.

## Takeaways

  • 하드웨어는 거짓말하지 않는다: 캐시 계층 구조와 메모리 접근 비용을 이해하는 것이 성능 튜닝의 시작입니다.

  • 디자인이 성능이다: 효율적인 API와 데이터 레이아웃 설계는 나중에 코드를 최적화하는 것보다 훨씬 강력합니다.

  • 작은 차이가 모여 큰 차이를 만든다: 1%의 개선을 무시하지 마세요. 그런 개선들이 쌓여 대규모 시스템의 안정성을 결정합니다.

  • 가설은 측정으로 증명하라: 직관에만 의존하지 말고 프로파일러를 통해 실제 어디서 리소스가 새고 있는지 확인하세요.

Reference

Jeffrey Dean & Sanjay Ghemawat, Performance Hints, 2025

Further reading