9148c358d0
Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를 Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류. - 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로 자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거, 동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거. - 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming, Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business, Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로, 나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는 title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백). 원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지. - 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서. - 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는 지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지. - Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경. - 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.
3.2 KiB
3.2 KiB
id, title, category, status, source_trust_level, verification_status, created_at, updated_at, tags, tech_stack, applied_in, aliases
| id | title | category | status | source_trust_level | verification_status | created_at | updated_at | tags | tech_stack | applied_in | aliases | |||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| react-rendering-optimization | React 렌더링 최적화 우선순위 | Coding | draft | B | conceptual | 2026-05-09 | 2026-05-09 |
|
|
|
React 렌더링 최적화 우선순위
측정 → 가장 큰 단일 원인 제거. memo / useMemo / useCallback 부터 뿌리는 건 안티패턴. 보통 진짜 원인은 (1) 거대 list 미가상화, (2) Context 광범위 broadcast, (3) 부모 state 변경에 따른 자식 cascade.
📖 핵심 개념
React Profiler 로 commit 시간 측정 → flame graph 에서 자주·길게 나오는 컴포넌트 찾기. 그 컴포넌트의 재렌더 원인을 끊는 게 핵심.
원인 4종:
- props 참조 변경 (객체/함수 매번 새로)
- Context value 변경
- 부모 재렌더로 자식 자동 재렌더
- 거대 list 의 모든 항목 재렌더
💻 코드 패턴
1. List 가상화 (가장 효과 큼)
import { useVirtualizer } from '@tanstack/react-virtual';
// 1만 행 → 화면에 보이는 ~30개만 렌더
2. Context split
// ❌ 한 Context 에 자주 바뀌는 값 + 안 바뀌는 값 같이
const AppContext = createContext({ user, theme, onlineUsers });
// ✅ 분리
const UserContext = createContext(...); // 거의 안 바뀜
const PresenceContext = createContext(...); // 자주 바뀜
3. State 위치 내리기
부모 state 변경이 모든 자식 재렌더 → state 를 진짜 쓰는 컴포넌트로 이동.
4. memoize 마지막 카드
const Row = memo(({ item, onSelect }) => ...);
React.memo 가 효과 있으려면 props 가 안정 참조 → useCallback / useMemo 동반.
🤔 의사결정 기준 — 우선순위 순서
- Profiler 측정 (이거 안 했으면 멈춰)
- List 가 길고 모두 렌더되면 → 가상화 (react-virtual / react-window)
- Context value 가 자주 바뀌고 소비자 많으면 → context split
- 부모 state 변경이 광범위 cascade → state 위치 재배치
- 그 후에도 무거운 자식이 자주 재렌더 → React.memo + useCallback/useMemo
- 그래도 느림 → 코드 분할 / lazy / Suspense
❌ 안티패턴
- 모든 컴포넌트에 React.memo: 비교 비용 누적 + 안 변하는 props 도 비교. 측정 후 적용.
- measure 없이 useMemo/useCallback 도배: 메모리 + 비교만 늘리고 효과 0.
- Context 에 무거운 값 + 자주 변경: 모든 소비자 재렌더. split 또는 selector hook.
- 거대 list inline map: 1만 행 매번. 가상화 안 하면 영원히 느림.
- key={index}: 항목 순서 바뀌면 React 가 잘못된 노드 재사용. stable id 필수.
🤖 LLM 활용 힌트
- 성능 문제 보고 시 "Profiler 측정 결과 첨부, 그 후 우선순위 1→2→3 순으로 적용 권장" 명시.
- LLM이 React.memo 부터 뿌리려고 하면 막기.