가장 큰 숫자부터 보기 전에
프로파일 표가 보여 주는 값이 실행 시간인지 명령 수인지 할당량인지 먼저 확인한다. 숫자가 커 보인다고 서로 다른 단위의 열을 비교하면 안 된다. 측정 구간에 초기화나 대기 시간이 포함되는지도 확인한다. 무엇을 센 결과인지 알아야 해당 경로를 고치는 것이 사용자가 겪는 지연과 연결되는지 판단할 수 있다.
자체 비용과 포함 비용
자체 비용은 함수 안에서 직접 발생한 비용이고 포함 비용은 하위 호출에서 발생한 비용까지 포함한 집계다. Callgrind는 호출 관계를 따라 비용을 살필 수 있게 한다. 최상위 함수의 포함 비용이 크더라도 그 함수의 짧은 코드 자체가 비싼 것은 아닐 수 있다. 호출 트리를 내려가며 비용이 실제로 발생하는 곳과 호출이 지나치게 반복되는 곳을 구분한다.
호출 예시로 읽기
가상의 처리 작업이 같은 단위로 총 100의 비용을 쓴다고 가정하자. 처리 함수 자체가 10, 그 안에서 부른 변환이 60, 저장이 30을 쓰면 처리 함수의 포함 비용은 100이다. 세 함수의 포함 비용을 다시 더하면 중복 집계가 된다. 표의 값들이 서로 겹치는 범위인지 확인해야 전체에 대한 기여를 제대로 읽을 수 있다.
| 가상 경로 | 자체 비용 | 포함 비용 |
|---|---|---|
| 처리 | 10 | 100 |
| 변환 | 60 | 60 |
| 저장 | 30 | 30 |
비율이 커져도 느려진 것은 아니다
변경 전 한 경로가 20이고 전체가 100이면 비중은 20퍼센트다. 다른 경로를 줄여 전체가 50이 되면 같은 20의 비중은 40퍼센트가 된다. 비중이 두 배가 되었어도 그 경로의 절대 비용이 증가한 것은 아니다. 개선 전후를 비교할 때는 전체 값과 경로의 절대량을 함께 보관해야 한다.
명령 수와 시간의 차이
Cachegrind처럼 명령 수를 세는 결과는 시간 기반 측정과 다른 질문에 답한다. 수행한 명령이 줄었다고 실제 지연도 같은 비율로 줄어든다고 보장할 수는 없다. 대기나 하드웨어의 동작 등 시간에 영향을 주는 요인이 있기 때문이다. 구조적 변화는 계측 결과로 좁히고 실제 환경의 시간 측정으로 효과를 다시 확인하는 접근이 유용하다.
개선 지점을 정하기
포함 비용이 큰 경로를 찾은 뒤 호출 횟수와 한 번당 처리량을 나누어 본다. 같은 일을 중복해서 수행하는지, 큰 입력 한 번을 처리하는 데 비용이 드는지에 따라 수정 방향이 다르다. 변경 후에는 같은 입력과 집계 구간으로 재측정한다. 프로파일에서 사라진 비용이 다른 단계로 옮겨 갔는지도 확인해야 전체 개선인지 판단할 수 있다.
관련 문서
Callgrind / Cachegrind / 알고리즘 / 메모리 사용량 증가 진단