[G1-Sync] Manual knowledge update
This commit is contained in:
Antigravity Agent
@@ -2,103 +2,33 @@
|
||||
id: wiki-2026-0508-대규모-웹-그래픽스-프로젝트
|
||||
title: 대규모 웹 그래픽스 프로젝트
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-F01D3F]
|
||||
duplicate_of: none
|
||||
status: duplicate
|
||||
canonical_id: wiki-2026-0508-enterprise-scale-monorepo-management
|
||||
duplicate_of: "[[Enterprise-Scale-Monorepo-Management]]"
|
||||
aliases: [Large-scale Web Graphics, 웹 그래픽스 프로젝트]
|
||||
source_trust_level: A
|
||||
confidence_score: 0.9
|
||||
tags: [auto-reinforced]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - 대규모 웹 그래픽스 프로젝트"
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
verification_status: redirected
|
||||
tags: [duplicate, monorepo, graphics, three-js]
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
---
|
||||
|
||||
# [[대규모 웹 그래픽스 프로젝트|대규모 웹 그래픽스 프로젝트]]
|
||||
# 대규모 웹 그래픽스 프로젝트
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> [[InstancedMesh|InstancedMesh]]는 동일한 기하학적 구조와 재질을 가진 수많은 객체를 단 한 번의 드로우 콜(Draw Call)로 처리하여 CPU 병목을 획기적으로 줄여주는 실시간 웹 그래픽스 렌더링 최적화 기술입니다[1-4]. 그러나 이러한 드로우 콜 최적화는 시야 절두체 컬링(Frustum Culling)의 비효율성, 개별 객체 정렬 부재로 인한 오버드로우([[Overdraw|Overdraw]]), 메모리 대역폭 한계, 그리고 애니메이션 및 상호작용 구현의 어려움 등 다양한 구조적 한계와 새로운 성능 병목 현상을 유발하는 것으로 나타났습니다[5, 6].
|
||||
> **이 문서는 [[Enterprise-Scale-Monorepo-Management]] 의 중복본입니다.** Canonical 문서로 redirect.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
* **기하학적 구조 및 재질의 단일성 제약**
|
||||
InstancedMesh의 가장 근본적인 한계는 모든 인스턴스가 단 하나의 `[[BufferGeometry|BufferGeometry]]`와 `Material`을 공유해야 한다는 점입니다[3, 7]. 장면 내 오브젝트 종류가 늘어날수록 개별적인 InstancedMesh를 생성해야 하므로 최적화 효과가 희석됩니다[7]. 또한, 인스턴스마다 다른 텍스처를 적용하려면 텍스처 아틀라스([[Texture Atlas|Texture Atlas]])나 해상도 제약이 있는 텍스처 배열(Texture Array) 등의 우회 기법이 강제되어 셰이더 코드의 복잡성이 증가합니다[8].
|
||||
## 매 핵심 요약 (specialization aspects)
|
||||
- 매 large-scale web graphics: 매 Three.js + WebGPU + 매 BVH-based culling + 매 InstancedMesh 의 조합.
|
||||
- 매 organizational scaling: 매 monorepo (Turborepo/Nx) + 매 module boundaries + 매 shared shader library.
|
||||
- 매 modern (2026): 매 WebGPU 첫 프로덕션 wave + 매 Compute shaders 의 활용.
|
||||
|
||||
* **시야 절두체 컬링(Frustum Culling)의 비효율성**
|
||||
InstancedMesh는 엔진 수준에서 단일 객체로 취급되므로, 전체 인스턴스를 포함하는 거대한 바운딩 볼륨을 기준으로 단 한 번의 컬링 판정만 수행됩니다[9]. 결과적으로 시야에 단 하나의 인스턴스만 보이더라도 GPU는 보이지 않는 나머지 모든 인스턴스의 정점 변환 연산을 수행해야 하므로 GPU 점유율이 낭비됩니다[9, 10]. 이를 피하고자 CPU에서 직접 개별 인스턴스의 가시성을 판단하고 버퍼를 재구성할 수 있으나, 이는 자바스크립트 메인 스레드에 막대한 부하를 일으킵니다[11].
|
||||
## 🔗 Graph
|
||||
- 부모: [[Enterprise-Scale-Monorepo-Management]] (canonical)
|
||||
- Adjacent: [[BatchedMesh 및 InstancedMesh 성능 벤치마크]] · [[BVH]] · [[대규모 웹 애플리케이션의 조직 및 기술적 확장성 확보]]
|
||||
|
||||
* **정렬([[Sorting|Sorting]]) 부재로 인한 오버드로우(Overdraw)**
|
||||
InstancedMesh 내부의 인스턴스들은 버퍼에 저장된 순서대로만 렌더링되며, 엔진 차원의 자동 정렬 기능을 제공하지 않습니다[6, 12]. 불투명한 객체의 경우 앞에서 뒤로(Front-to-Back) 렌더링하여 가려진 픽셀 연산을 일찍 종료해야 하지만, 정렬되지 않은 인스턴스들은 동일한 픽셀에 여러 번 쓰기 작업을 수행하는 막대한 오버드로우를 유발합니다[6, 13]. 반투명 객체의 경우 뒤에서 앞으로(Back-to-Front) 렌더링하지 않으면 시각적 결함이 발생하며, 이를 해결하기 위해 매 프레임마다 거리를 계산해 버퍼를 정렬하는 것은 CPU에 치명적인 부하를 줍니다[14, 15].
|
||||
|
||||
* **메모리 대역폭 임계점과 데이터 전송 병목**
|
||||
각 인스턴스의 변환 정보는 64바이트의 부동 소수점 행렬로 구성되는데, 수백만 개의 인스턴스 위치가 매 프레임 변할 경우 기가바이트(GB/s) 단위의 데이터가 시스템 메모리에서 GPU로 전송되어야 하므로 대역폭 병목이 발생합니다[16]. 또한 인스턴스 수가 동적으로 초과되어 버퍼를 새로 할당하고 데이터를 복사해야 할 경우, 빈번한 가비지 컬렉션(GC) 부하로 인해 프레임 스터터링(Stuttering)이 유발됩니다[17].
|
||||
|
||||
* **피킹(Picking) 및 스킨드 애니메이션(Skinned Animation)의 한계**
|
||||
사용자가 특정 객체를 선택하는 레이캐스팅([[Raycasting|Raycasting]]) 작업 시, CPU는 수만 개의 인스턴스 행렬을 모두 역산해야 하므로 극심한 반응 지연이 발생합니다[18]. GPU 피킹 방식을 대안으로 사용하더라도 파이프라인 동기화 지연(Sync stall)과 오클루전 한계가 존재합니다[19]. 또한 스킨드 애니메이션의 경우, 인스턴스별로 수십 개의 본(Bone) 행렬 세트를 전달해야 하므로 인스턴스 속성 버퍼 한계를 초과하며 엔진의 기본 `AnimationMixer`와도 구조적으로 호환되지 않습니다[20].
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- **Related Topics:** [[InstancedMesh|InstancedMesh]], BatchedMesh, Frustum Culling, Overdraw, [[Draw Call|Draw Call]]
|
||||
- **Projects/Contexts:** [[WebGPU|WebGPU]], [[InstancedMesh2|InstancedMesh2]]
|
||||
- **Contradictions/Notes:**
|
||||
드로우 콜을 1회로 극적으로 줄이는 InstancedMesh가 무조건적인 성능 향상을 보장하지는 않습니다. 개별 인스턴스에 대한 시야 절두체 컬링과 깊이 정렬(Depth Sorting)이 지원되지 않기 때문에, 조명 연산이 복잡한 `MeshStandardMaterial` 등을 사용할 경우 발생하는 심각한 오버드로우로 인해 드로우 콜이 5,000회인 일반 Mesh 방식보다 InstancedMesh 방식의 FPS가 오히려 더 낮게 측정되는 모순적인 병목 현상이 실증적으로 보고되었습니다[6, 12, 13].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-19*
|
||||
|
||||
---
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- *(TODO)*
|
||||
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
|
||||
- **정보 상태:** needs_review
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
|
||||
## 💻 코드 패턴 (Code Patterns)
|
||||
|
||||
**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
|
||||
|
||||
```text
|
||||
# TODO
|
||||
```
|
||||
|
||||
## 🤔 의사결정 기준 (Decision Criteria)
|
||||
|
||||
**선택 A를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
|
||||
**선택 B를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
|
||||
**기본값:**
|
||||
> *(TODO)*
|
||||
|
||||
## ❌ 안티패턴 (Anti-Patterns)
|
||||
|
||||
- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*
|
||||
## 🕓 변경 이력
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | 중복 처리 — canonical 문서로 redirect |
|
||||
|
||||
Reference in New Issue
Block a user