김동환/Py Con2015정리

• 11:00 Python Test 시작하기
  

- 테스트 기본 설명
- unitest 소개
- mock 소개: 의존성을 가지는 코드 관련 테스트 툴
- docker 소개: 통합 테스트 관련
- selenium: 웹 ui관련 테스트 툴
메인 로직은 반드시 검증 < 테스트 시간 < 개발시간의 두 배
가능한 한 자주 테스트를 실행

- 테스트 규칙
성능에 관한 테스트는 unitest를 사용해야 하는 것이 아닌
시간 측정을 직접 해서 예외를 띄울 수밖에 없다고 함

• 12:00 Writing fast
  

목표
- 컴퓨터와 파이썬 내부 이해
- 프로파일링으로 핫스팟 찾기
- 개선 -> 빠른 코드
- 빠르면서도 느린 컴퓨터
- 잘 모르겠지만 프로파일링이 좋음
- 빠른 코드 짜고 싶다

컴퓨터는 빠른듯 느리다
메모리의 속도:
CPU 클럭: CPU가 무엇을 한번 하는데 걸리는 시간(hz)

프로그램에 끝내는 데 필요한 클럭을 줄이는게 빠른 실행의 조건
dis: 파이썬 디스어셈블러
빠른 코드와 느린 코드는 실행되는 명령어 개수에 차이가 남

프로파일러
- timeit: 여러번 돌려서 실행 시간 측정, 기본값으로 gc를 끔
- cProfile: 오버헤드 좀 있음, 대신 정보량이 많음
- line_profiler
- profiling: 실시간 프로파일링

빠른 코드를 짜면 CPU에 낭비되는 시간이 줄어든다.(CPU의 5초는 사람의 약 30000년)

• 14:00 파이썬 메모리 이모저모
  

변수: 특정 메모리 주소를 가짐, 메모리 라벨
id(obj): 해당 객체, 변수의 메모리 주소값 반환(C언어의 &연산자)
비교 연산자 is와 ==:
mutable: 공간을 새로 할당하지 않고 기존 메모리 공간을 변경하는 객체
(set, list, dict...)
immutable: 기존값 변경 불가, 객체 값 변경 시 메모리 재할당
(int, float, string...)

mutable한 객체를 복제하는 법은 =이 아닌

1. list의 경우 slice 이용
   
2. copy()이용
   -> 단, 얕은 복사이므로 객체 안의 변수의 경우는 주소만 복제함.
   
   

SingleTone: 같은 값은 같은 메모리 주소를 사용
(True, False, None, ..., notImplement...)

String interning: 문자열은 메모리에 한 번만 저장, 다음에 같은 문자열을
쓸 경우 이전의 문자열의 주소값을 줌. sys.intern()

del 연산자: 강제로 객체를 지우는 방법

Reference count: 특정 메모리를 참조하는 수가 0이 될 경우, gc가 자동으로
제거

Garbage Collection: 필요 없는 메모리 자동 해제, 휴리스틱이나 레퍼런스 카운터
이용
Generation을 나눠서 관리, 특정 threshold가 존재, 가장 낮은 Generation부터 GC
(각각의 Generation마다 메모리 한계치 존재, 한계가 올 때, GC가 작동함.
메모리 해제를 할 때, 먼저 만들어진 객체가 더 쓰레기일 확률이 높다고 생각하고
먼저 제거 대상이 됨.)

module weakref: 참조하더라도 레퍼런스 카운트를 올리지 않음, 메모리에 자주 사용하진
않지만 필요할 땐 쓰는 데이터에 사용(이미지 캐싱)

monkey patch: 런타임시 실시간으로 클래스나 함수 등을 교체(module과 class 또한 파이썬에선 변수),
이를 통해 빌트인(기본적으로 제공되는) 클래스 등을 자기가 새로 만든 클래스 등으로 교체가 가능하다.

파이썬 성능 개선하는 소소한 팁

• 15:00 파이썬을 이용한 OIS 시뮬레이션
  
  뭔줄 모르고 들왔는데 대학원 내용이에요... 그래서 참고하지 말길 바랍니다...
  
OIS: 사람의 손떨림이 반영되는 카메라의 경우, 같은 이미지가 다른 위치에
맺혀 발생하는 블러가 생길 수 있다. 이를 억제하기 위해 렌즈를 움직여서
같은 위치에 맺혀 블러를 없애는 기술이다.
시뮬레이션을 해야되는 이유:
- 확인샘플을 제작할 필요 없이, 다양한 조건과 조합으로 모듈의 성능을 검증할 수 있음.
- 사진 시뮬레이션이나 그래프로 테스트 확인 가능
- 특정 오차 내라면, 더 양산하기 쉬운 제품 선정 가능
Python-control: 교육 목적으로 제작된 라이브러리
시스템 설명: 전달함수, 딜레이, 자이로 센서, 엑츄에이터 설명
블록 다이어그램의 각각의 결과값을 직렬, 병렬 등에 따라 연산 함수로 이음(함수 제공됨)
절대 손떨림값/추적 오차로 OIS 성능 측정
비선형 시스템은 지원되지 않는 등의 점을 고려


• 17:00 Profiling 실시간 대화식 프로파일링
  게임 개발 중 CPU 병목을 찾기 위해 개발
  
  

기존에 있었던 프로파일러 profile, yappi
기존 프로파일러는 코루틴을 지원하지 않거나 실시간으로
실행되고 있는 내용이 다른 게임서버에는 적합하지 않았음
또한 실행된 함수이름 하나만 불러와서 어디서 온 함수인지 확인하지
못했음

프로파일링은
- 콜스택 계층구조를 보존해서 어느 기능에서 싫행된 함수인지 추적가능
- gevent와의 호환성 확보(코루틴의 성능 제대로 측정해냄)
- 대화식 뷰어: Urwid를 가져와서 콜스택을 키보드로도 접었다가 펼 수 있는
- 실시간 프로파일링

하지만 너무 느림

그래서 통계적 프로파일링(단순히 실행하는 부분이 어느정도를 점유하고
있는 지만 조사)기능도 같이 도입 -> 샘플링을 통해 분기마다 분석하는 방식

프로파일링 사용방법 소개

깃허브 저장소(현재 개발중): what-studio/profiling