Files

T

Antigravity Agent f8b21af4be Wiki cleanup: error-doc removal, dedup merge, link normalization

10_Wiki/Topics 대규모 정리:
- 오류 캡처/미완성 stub 문서 227개 제거
- 교차폴더 중복 43클러스터 병합 (63파일 → redirect)
- 링크명 정규화: 깨진 링크 수정·redirect 직결·개념 매핑 ~2,400건
- 카테고리 MOC 6개 신규 생성
- Graph 섹션 미해결 related-keyword 링크 10,058건 제거

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

2026-05-20 23:52:15 +09:00

5.1 KiB

Raw Blame History

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, tech_stack

title

성능_프로파일링_및_메모리_관리_표준

📌 한 줄 통찰 (The Karpathy Summary)

"보이지 않는 메모리의 실체를 추적하라." 가비지 컬렉션(GC)의 메커니즘을 이해하고, 크롬 개발자 도구와 힙 스냅샷을 통해 누수 지점(Retaining Path)을 정확히 짚어내는 것이 고성능 애플리케이션의 핵심이다.

📖 구조화된 지식 (Synthesized Content)

추출된 패턴:

V8 엔진의 세대별 가비지 컬렉션(Generational GC) 전략을 활용하여 객체 생명주기를 관리하고, 런타임 프로파일링을 통해 병목 지점을 데이터 기반으로 식별하여 시스템 처리량을 극대화한다.

세부 내용:

V8 메모리 아키텍처:
- New Space (Young Gen): Scavenge 알고리즘 기반. 생존율이 낮은 짧은 수명 객체 처리.
- Old Space (Old Gen): Mark-Sweep-Compact 알고리즘 기반. 수명이 긴 객체 및 대형 객체 관리.
- V8 Memory Cage: 포인터 압축 기술을 통해 64비트 환경에서도 메모리 효율성 증대.
가비지 컬렉션 (GC) 최적화:
- Orinoco 프로젝트: 병렬(Parallel), 점진적(Incremental), 동시성(Concurrent) 마킹을 통해 Stop-the-world 지연 최소화.
- Oilpan: C++ 객체 관리용 GC 엔진과 V8의 협력적 메모리 관리.
성능 병목 및 누수 패턴:
- CPU Bottleneck: 과도한 루프, 동기식 I/O, 복잡한 정규 표현식.
- Memory Leak: 해제되지 않은 이벤트 리스너, 클로저에 의한 의도치 않은 참조 유지, 무제한 캐시 증식.
- Sawtooth vs Ratchet: 건강한 시스템은 톱니형 패턴을 보이나, 누수 시에는 할당량이 우상향하는 라쳇 패턴 관찰.
진단 및 프로파일링 기법:
- Chrome DevTools: Allocation Timeline(누수 지점), Heap Snapshot(객체 분포), Flame Graphs(함수 실행 시간).
- Retaining Path 분석: GC Root로부터 객체까지의 참조 사슬을 추적하여 객체가 메모리에 남은 근본 원인 식별.
- Runtime Metrics: Node.js의 --trace-gc, --inspect, clinic.js 등을 활용한 지표 수집.

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

원인 불명의 프로세스 Crash(OOM: Out of Memory)가 발생하거나 응답 지연이 심화될 때.
렌더링 성능이 저하되어 사용자가 '끊김'을 느낄 때 (Blink, Render-tree 분석).
대규모 트래픽 처리를 위한 인프라 사이징(Heap Size 설정 등)이 필요할 때.

언제 이 지식을 쓰면 안 되는가:

성능 최적화가 비즈니스 가치보다 비용이 큰 극초기 프로토타입 단계 (조기 최적화 주의).

주의사항 또는 알려진 한계:

Heisenbug: 프로파일링 도구 자체가 시스템 부하를 일으켜(Stop-the-world) 현상을 왜곡할 수 있음.
수동 GC: global.gc() 호출은 V8의 정교한 스케줄링을 방해하므로 특수한 테스트 환경 외에는 금지.

🔗 지식 연결 (Graph)

Related Topics: Web_Performance_Optimization, CI_CD_Pipeline
Next Step: 대규모 트래픽 환경에서의 메모리 덤프 자동화 및 임계치 기반 알람 시스템 구축.

Last updated: 2026-05-08

🧪 검증 상태 (Validation)

정보 상태: verified
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.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

과거 데이터와의 충돌: 없음
정책 변화: 없음

🕓 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)

# 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)

5.1 KiB Raw Blame History