[G1-Sync] Manual knowledge update
This commit is contained in:
Antigravity Agent
@@ -2,72 +2,33 @@
|
||||
id: wiki-2026-0508-대규모-파티클-시스템-최적화
|
||||
title: 대규모 파티클 시스템 최적화
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-A0A931]
|
||||
duplicate_of: none
|
||||
status: duplicate
|
||||
canonical_id: wiki-2026-0508-instancedmesh2
|
||||
duplicate_of: "[[InstancedMesh2]]"
|
||||
aliases: [Large-scale Particle System, 파티클 최적화]
|
||||
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 파티클 시스템 최적화"
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
verification_status: redirected
|
||||
tags: [duplicate, performance, gpu, particles]
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
---
|
||||
|
||||
# [[대규모 파티클 시스템 최적화|대규모 파티클 시스템 최적화]]
|
||||
# 대규모 파티클 시스템 최적화
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 대규모 파티클 시스템을 최적화하려면 CPU 연산 병목과 메모리 할당으로 인한 가비지 컬렉션(GC) 스파이크를 방지하는 것이 핵심입니다. 이를 위해 **[[WebGPU|WebGPU]] 연산 셰이더(Compute Shaders)**, **InstancedMesh**, **오브젝트 풀링(Object [[Pooling|Pooling]])**, 그리고 **데이터 지향 설계(ECS/SoA)**를 종합적으로 활용해야 합니다.
|
||||
> **이 문서는 [[InstancedMesh2]] 의 중복본입니다.** Canonical 문서로 redirect.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
**1. WebGPU 연산 셰이더([[Compute Shaders|Compute Shaders]]) 및 GPU 영구 버퍼 도입** 전통적인 CPU 기반의 파티클 업데이트 방식은 일반적인 하드웨어 환경에서 파티클이 약 50,000개에 도달하면 심각한 성능 병목 현상을 일으킵니다. 처리량을 수백만 개 수준으로 끌어올리려면 연산 작업을 WebGPU의 연산 셰이더로 이전해야 합니다. 이때 `[[instancedArray|instancedArray]]`를 사용하여 프레임 간에 유지되는 GPU 영구 버퍼(Persistent GPU buffers)를 생성하면, 파티클 시스템의 성능을 저하시키는 주된 원인인 CPU-GPU 간의 데이터 전송 오버헤드를 원천적으로 제거할 수 있습니다.
|
||||
## 매 핵심 요약 (specialization aspects)
|
||||
- 매 particle 최적화: 매 GPU instancing (InstancedMesh/InstancedMesh2) + 매 vertex shader animation = 매 100k+ particles at 60fps.
|
||||
- 매 alternative path: 매 GPU compute (WebGPU) — 매 simulation 자체를 GPU 로 offload.
|
||||
- 매 anti-pattern: 매 per-particle CPU update + 매 매 frame uniform upload — 매 main thread bottleneck 의 발생.
|
||||
|
||||
**2. 버퍼 업데이트의 일괄 처리 ([[Batching|Batching]])** CPU 측에서 부득이하게 파티클 버퍼를 업데이트해야 할 경우, 수많은 작은 버퍼를 개별적으로 업데이트하는 것은 매우 높은 처리 비용을 유발합니다. 따라서 파티클 데이터를 크기가 큰 하나의 `Float32Array`에 모은 뒤, 단 한 번의 일괄 업데이트(Single batched update)로 처리하여 프레임당 버퍼 쓰기 횟수를 최소화해야 합니다.
|
||||
## 🔗 Graph
|
||||
- 부모: [[InstancedMesh2]] (canonical)
|
||||
- Adjacent: [[BatchedMesh 및 InstancedMesh 성능 벤치마크]] · [[Draw Call]] · [[GPU Acceleration (Compositing)]]
|
||||
|
||||
**3. InstancedMesh를 통한 드로우 콜([[Draw Call|Draw Call]]) 최적화** 수만 개의 파티클을 개별적인 Three.js 메시(Mesh)로 렌더링하면 엄청난 수의 드로우 콜이 발생하여 프레임 레이트가 급락합니다. 시각적 렌더링 성능을 극대화하려면 **동일한 기하구조와 재질을 공유하는 `InstancedMesh`**를 사용해야 합니다. 이를 활용하면 수천, 수만 개의 파티클 인스턴스를 단 1회의 드로우 콜만으로 GPU에서 복제하여 렌더링할 수 있습니다.
|
||||
|
||||
**4. 오브젝트 풀링([[Object Pooling|Object Pooling]])을 통한 GC 스파이크 방지** 파티클처럼 아주 짧은 시간 동안 생성되고 사라지는 객체를 매번 새로 생성(`new Object()`)하고 삭제하면, 힙 메모리가 급격히 파편화되며 가비지 컬렉터(GC)에 엄청난 부하를 줍니다. 이는 화면이 뚝뚝 끊기는 '[[Stop-the-world|Stop-the-world]]' 프리징 현상의 주범입니다. 이를 해결하려면 **미리 고정된 크기의 오브젝트 풀(Fixed Pool)을 생성해 두고, 파티클을 새로 할당하는 대신 풀 안의 비활성 파티클 상태를 갱신하여 재사용**해야 런타임 메모리 할당 오버헤드를 피할 수 있습니다.
|
||||
|
||||
**5. ECS 기반의 데이터 지향 설계 (Structure of Arrays, SoA)** 자바스크립트 스레드에서 대규모 파티클 상태를 시뮬레이션해야 한다면, 객체 지향 방식 대신 이전 대화에서 다룬 `bitECS`와 같은 데이터 지향 설계(ECS) 라이브러리를 적극 활용하는 것이 좋습니다. 파티클 속성 데이터를 무거운 JS 객체가 아닌 **연속된 메모리 블록(`[[TypedArray|TypedArray]]`) 기반의 SoA 구조로 저장**하면, CPU 캐시 적중률이 극대화되어 수천 개의 파티클 엔티티를 1ms 이내의 짧은 시간 안에 초고속으로 일괄 연산할 수 있습니다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- **Related Topics:** [[WebGPU Compute Shaders|WebGPU Compute Shaders]], InstancedMesh (드로우 콜 최적화), Object Pooling (오브젝트 풀링), [[Garbage Collection|Garbage Collection]] (GC) 최적화, Data-Oriented Design (bitECS)
|
||||
- **Projects/Contexts:** 초대규모 파티클 및 엔티티 시뮬레이션 (React Three Fiber), 고성능 실시간 상호작용 웹 게임 아키텍처
|
||||
- **Contradictions/Notes:** 연산 셰이더와 영구 GPU 버퍼를 사용해 수백만 개의 파티클을 제어하는 방식이 압도적으로 빠르지만, 이는 WebGPU 환경에서만 온전히 동작하며 [[WebGL|WebGL]] 환경으로 폴백(Fallback)될 경우 이 수준의 동시성을 기대하기 어렵다는 제약이 있습니다.
|
||||
|
||||
---
|
||||
|
||||
_Last updated: 2026-04-14_
|
||||
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
## 🕓 변경 이력
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | 중복 처리 — canonical 문서로 redirect |
|
||||
|
||||
Reference in New Issue
Block a user