성능 프로파일링 도구 소개

프로그램을 단순히 동작하게 만드는 것과 최적의 성능으로 동작하게 만드는 것 사이에는 큰 차이가 있습니다.

특히 C++은 성능이 중요한 시스템 프로그래밍, 게임 개발, 고성능 컴퓨팅(HPC)에서 많이 사용되므로, 코드 성능을 측정하고 개선하는 능력이 중요합니다.

이번 장에서는 성능 병목(bottleneck)을 식별하고 개선하기 위한 첫걸음인 성능 프로파일링(Performance Profiling)을 다룹니다.

프로파일링은 코드의 어느 부분이 가장 많은 시간을 소비하는지, 어떤 함수가 자주 호출되는지 등을 분석하여 최적화의 대상을 명확히 하는 과정입니다.

먼저 측정하려는 시간을 정합니다. 요청을 시작해 끝낼 때까지의 경과 시간에는 CPU 실행뿐 아니라 I/O·잠금 대기도 들어갑니다. CPU 시간은 실행에 사용한 시간이며, 샘플링 프로파일러의 함수 비율은 그 도구가 모은 이벤트 표본의 비율입니다. CPU 샘플이 적은 함수도 오래 기다릴 수 있으므로, 함수 비율 하나를 전체 요청 지연의 비율로 바꾸어 읽지 않습니다.

먼저 이 절에서 다룰 기준, 프로파일링 종류, 대표 도구를 한 화면에서 묶어 보면 다음과 같습니다.

왜 성능 프로파일링이 필요한가?

성능 최적화는 측정하지 않고 하지 마라(Don't optimize without measuring)라는 유명한 말이 있습니다.

개발자들은 흔히 자신의 직관이나 경험에 의존하여 성능 문제를 예측하려 하지만, 실제 병목 지점은 예상치 못한 곳에 있을 때가 많습니다.

• 잘못된 최적화 방지: 직관에 의존한 최적화는 실제 성능에 영향을 미치지 않거나, 심지어 성능을 저하시키고 코드를 복잡하게 만들 수 있습니다.
• 리소스 낭비 방지: 모든 코드를 최적화하는 것은 시간과 노력이 많이 듭니다. 프로파일링을 통해 가장 큰 영향을 미치는 부분에만 노력을 집중할 수 있습니다.
• 객관적인 데이터 제공: 프로파일링 데이터는 이 부분이 느리다는 주관적인 판단 대신, 객관적인 측정 지표를 제공합니다.
• 숨겨진 문제 발견: 의도치 않은 메모리 할당/해제, 과도한 함수 호출, 캐시 미스(cache miss) 등 숨겨진 성능 저하 요인을 발견할 수 있습니다.

성능 프로파일링의 종류

다양한 프로파일링 기법이 있으며, 목적에 따라 적절한 기법을 선택해야 합니다.

아래 다이어그램은 성능 병목의 증상에 따라 어떤 프로파일링 관점과 지표를 먼저 볼지 정리한 것입니다.

const auto start =
  std::chrono::steady_clock::now();
// 관찰할 작업
const auto end =
  std::chrono::steady_clock::now();

프로파일링 도구 (Profilers)

운영체제와 개발 환경에 따라 다양한 프로파일링 도구들이 있습니다.

• Linux
  • gprof: GNU 컴파일러 모음(GCC)과 함께 제공되는 기본적인 CPU 프로파일러. 함수 호출 시간 및 호출 그래프를 분석합니다.
  • perf: Linux 커널에서 제공하는 성능 분석 도구. CPU 이벤트, 캐시 미스, 스케줄링 지연 등 다양한 하드웨어 및 소프트웨어 이벤트를 추적합니다.
  • Valgrind (Callgrind): 메모리 오류 검사 도구로 유명하지만, Callgrind라는 하위 도구를 통해 CPU 프로파일링도 가능합니다. (실행 속도가 느려짐)
  • oprofile: 시스템 전반의 프로파일링이 가능합니다.
• Windows (Visual Studio)
  • Visual Studio IDE에 통합된 성능 프로파일러(Diagnostic Tools): CPU 사용량, 메모리 사용량, 이벤트, 파일 I/O 등 다양한 항목을 시각적으로 분석합니다.
  • Intel VTune Amplifier: Intel CPU에 최적화된 고급 프로파일러.
• macOS (Xcode)
  • Instruments: Xcode에 포함된 프로파일링 도구. CPU, 메모리, 그래픽, 네트워크 등 다양한 측면을 분석합니다.
• 크로스 플랫폼/상용 도구
  • Google gperftools (CPU profiler): Google에서 개발한 고성능 CPU 프로파일러.
  • Remotery: 게임 개발에 주로 사용되는 실시간 인게임 프로파일러.
  • PAPI (Performance Application Programming Interface): 하드웨어 성능 카운터에 접근하여 CPU 병목을 더 세밀하게 분석.

이 책에서는 특정 도구의 상세 사용법보다는 프로파일링의 개념과 접근 방식을 이해하는 데 중점을 둡니다.

각 도구의 사용법은 해당 도구의 공식 문서를 참조하는 것이 가장 좋습니다.

기본적인 CPU 프로파일링 과정

CPU 프로파일링은 일반적으로 다음과 같은 단계를 따릅니다.

자가 측정 (Manual Profiling)

전문 프로파일러를 사용하기 전에, 코드의 특정 부분의 성능을 대략적으로 측정해야 할 때가 있습니다.

C++의 <chrono> 라이브러리를 사용하면 코드 블록의 실행 시간을 쉽게 측정할 수 있습니다.

#include <iostream>
#include <chrono> // 시간을 측정하기 위한 헤더
#include <vector>
#include <algorithm> // std::sort

int perform_heavy_calculation() {
    std::vector<int> data(1000000);
    // 데이터를 채우고 복잡한 연산 수행
    for (int i = 0; i < 1000000; ++i) {
        data[i] = (i * 13) % 1000;
    }
    std::sort(data.begin(), data.end()); // 정렬은 CPU 집약적 작업
    return data.front() + data[data.size() / 2] + data.back();
}

int main() {
    // 1. 시작 시간 기록
    auto start = std::chrono::steady_clock::now();

    // 2. 측정하고자 하는 코드 블록
    const int checksum = perform_heavy_calculation();

    // 3. 종료 시간 기록
    auto end = std::chrono::steady_clock::now();

    std::cout << "Result checksum: " << checksum << std::endl;

    // 4. 경과 시간 계산
    // std::chrono::duration_cast를 사용하여 원하는 단위로 변환
    std::chrono::duration<double> duration = end - start; // 초 단위 (double)
    std::chrono::milliseconds ms = std::chrono::duration_cast<std::chrono::milliseconds>(end - start);

    std::cout << "Function took: " << duration.count() << " seconds." << std::endl;
    std::cout << "Function took: " << ms.count() << " milliseconds." << std::endl;

    return 0;
}

std::chrono::steady_clock은 시간이 역행하지 않는 시계로 경과 시간 측정에 적합합니다. 해상도와 실제 정밀도는 구현에 따라 다릅니다.

예시

앞의 완전한 프로그램을 별도 파일로 저장해 C++11 이상으로 빌드합니다. 정렬할 벡터의 할당·초기화·정렬은 시작과 종료 사이에 있어 측정에 포함되고, 세 줄의 출력은 종료 시각을 기록한 뒤라 포함되지 않습니다. 0부터 999까지의 값은 각각 1,000개씩 만들어지므로 정렬 후 처음·중간·마지막 값은 0·500·999, checksum은 1499입니다. 더 빠른 버전을 비교할 때도 이 결과를 먼저 확인합니다. 출력이 사용된다는 사실만으로 어떤 컴파일러 최적화도 일어나지 않는다고 보장할 수는 없습니다.

밀리초 정수로 변환하면 소수 부분이 잘립니다. 예를 들어 0.7 ms는 정수 출력에서 0 ms가 되지만 작업 비용이 없다는 뜻은 아닙니다. 같은 실행 파일을 여러 번 실행해 입력·빌드 옵션·환경과 각 측정값을 기록하고, 초기 실행과 반복 실행을 섞었는지도 확인합니다. 계측된 프로그램의 수치와 계측하지 않은 릴리스 프로그램의 수치를 구별합니다.

예시

실제 벤치마크 결과가 아닌 판단 연습용 자료입니다. 같은 조건의 다섯 실행에서 A는 100·101·99·100·150 ms, B는 98·102·100·99·101 ms였다고 합시다. 정렬한 가운데 값인 중앙값은 둘 다 100 ms입니다. B의 첫 실행 98 ms만 골라 2% 개선이라고 결론 내리면 나머지 반복과 변동을 무시합니다. 이 자료에서는 분포와 이상값 원인을 더 확인해야 합니다.

독립 확인: 후보 C의 다섯 값이 80·81·79·80·80 ms이고 checksum이 1498이라면, 중앙값 기준 변화율과 채택 여부를 판단하세요. checksum이 1499이고 독립 실행들에서도 같은 분포가 관찰된다면 무엇을 추가로 기록해야 하나요?

이 방법은 특정 함수의 성능을 대략적으로 측정하고, 최적화 전후의 변화를 비교하는 데 유용합니다.

하지만 이는 전체 프로그램의 병목을 찾는 데는 한계가 있으며, 전문 프로파일러를 대체할 수는 없습니다.

측정 결과를 해석할 때는 도구 이름보다 먼저 병목의 종류와 확인할 지표를 정리해야 합니다.

앞의 판단 흐름처럼 대표 증상에서 도구를 고르고 동일한 조건으로 재측정합니다.

이번 장에서는 프로그램의 성능을 분석하고 개선하기 위한 필수적인 단계인 성능 프로파일링(Performance Profiling)에 대해 학습했습니다.

특히,

• 왜 프로파일링이 필요한지, 그리고 직관적인 최적화가 왜 위험한지.
• CPU 프로파일링, 메모리 프로파일링 등 주요 프로파일링 종류.
• gprof, perf, Visual Studio Profiler, Instruments와 같은 주요 프로파일링 도구.
• 일반적인 프로파일링 과정 (빌드, 실행, 수집, 분석, 개선).
• std::chrono를 이용한 자가 측정 방법.

성능 최적화는 지속적인 측정과 반복적인 개선의 과정입니다.

프로파일링의 기본 개념을 바탕으로, 작성한 C++ 코드의 병목을 측정하고 개선할 수 있습니다.

다음 절에서는 확인한 병목에 적용할 코드 최적화 기법을 다룹니다.

프로파일링 결과를 믿으려면 도구 이름보다 측정 조건을 고정하고, 하나씩 바꾸고, 같은 조건에서 다시 확인하는 습관이 더 중요합니다.