쌓인 기록에서 찾기
무엇을 찾으세요?
날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위부터 2026년 9월 15일 (화)까지456건
5건 · "성능 최적화"조건 지우기 ×
001▲ 133 · 댓글 10줄리아 1.13 출시, 프리컴파일 30% 빨라짐Julia 1.13은 1.12 대비 패키지 프리컴파일 시간을 약 30% 단축했고, 1.10 LTS 대비 10~20% 개선했다.오픈소스 · 도구 · Julia 1.13 highlights
줄리아 1.13 출시, 프리컴파일 30% 빨라짐
Key Point과학 계산과 데이터 처리에 Julia를 쓰는 개발자에게 실행 속도와 상호작용 개선 사항을 직접 체감할 수 있는 업데이트다.
핵심 요약
- Julia 1.13은 1.12 대비 패키지 프리컴파일 시간을 약 30% 단축했고, 1.10 LTS 대비 10~20% 개선했다.
- REPL 시작 속도가 1.12보다 약 20% 빨라졌으며, 기본 내장 문법 강조 기능과 fzf 스타일의 히스토리 검색이 추가됐다.
- Windows에서도 Bracketed Paste 지원으로 대용량 코드 붙여넣기 처리가 개선됐다.
- 해시 함수를 MurmurHash3에서 RapidhashNano로 변경해 성능을 향상시키고 C에서 순수 Julia로 구현했다.
- 시스템 이미지와 패키지 이미지의 객체를 영구 마킹 처리해 가비지 컬렉션 비용을 프로그램 실제 힙 크기 기준으로 최적화했다.
오픈소스 · 도구 · I made a build visualizer to understand Bun's compile times
빌드 시간의 병목을 시각화하는 도구 'buildprof' 공개
Key PointRust 프로젝트나 다른 빌드의 느린 컴파일 시간을 진단하고 최적화할 때 직관적인 도구가 필요한 개발자에게 실질적인 솔루션을 제공합니다.
핵심 요약
- 리눅스에서 소프트웨어 컴파일 시간을 분석하는 오픈소스 도구 buildprof를 개발했습니다.
- 빌드 명령 앞에 buildprof --를 붙이면 프로세스 트리 전체를 타임라인으로 시각화하여 어디서 시간이 소비되는지 명확히 볼 수 있습니다.
- Bun의 Zig 빌드가 Rust 빌드보다 훨씬 느렸던 이유를 조사하다가 이 도구를 만들었으며, Full LTO 링킹이 16분 이상을 차지하는 주요 병목임을 발견했습니다.
- 빌드 시스템에 무관하게 작동하며 cargo, ninja, make 등 거의 모든 빌드 도구와 호환되고, 파일 읽쓰기 추적도 지원합니다.
인프라 · 데브옵스 · JEP 544: Ahead-of-Time Code Compilation
자바 JVM 시작 시 네이티브 코드 미리 준비하기
Key Point자바 애플리케이션의 느린 시작과 워밍업 문제를 근본적으로 해결하는 동시에 동적 최적화의 유연성을 유지하는 핵심 기술로, 컨테이너와 마이크로서비스 환경에서 자바의 효율성을 크게 개선한다.
핵심 요약
- JEP 544는 AOT(Ahead-of-Time) 컴파일과 JIT(Just-In-Time) 컴파일을 결합해 자바 애플리케이션의 시작 속도와 워밍업 시간을 단축한다.
- 훈련 실행 중에 애플리케이션 코드를 네이티브 코드로 컴파일하고 AOT 캐시에 저장해 이후 프로덕션 실행에서 즉시 사용할 수 있게 한다.
- 워크로드가 변하면 JIT 컴파일러가 동적으로 새로운 네이티브 코드를 생성해 최고 성능을 유지한다.
- 애플리케이션 코드 변경 없이 작동하며 AArch64와 x64 아키텍처를 지원한다.
- HotSpot의 기존 AOT 캐시 생성 워크플로우를 확장하는 방식으로 Serial, Parallel, G1, ZGC 가비지 컬렉터를 모두 지원한다.
AI · 머신러닝 · Speculative Decoding in vLLM on AMD GPUs
vLLM이 AMD GPU에서 추측 디코딩 지원
Key PointLLM 추론 성능 최적화를 위한 주요 기법이 AMD GPU에서 실제 구현되어, 장기 생성 작업의 처리량 개선 가능성을 보여준다.
핵심 요약
- vLLM이 추측 디코딩(speculative decoding) 기능을 AMD Instinct MI300X·MI355X GPU와 ROCm에서 구현했다.
- 추측 디코딩은 경량 드래프트 모듈이 여러 토큰을 먼저 제안하고 타겟 모델이 한 번에 검증하는 방식으로, 기존 자동회귀 디코딩보다 모델 통과 횟수를 줄인다.
- 표준 방식은 토큰 하나당 모델 실행 1회가 필요하지만, 추측 디코딩은 여러 드래프트 토큰이 검증을 통과하면 단일 모델 실행으로 여러 토큰을 커밋할 수 있다.
- Native MTP, Gemma 4 MTP, EAGLE-3, DFlash, DSpark 등 5가지 드래프팅 방식을 검토했으며, 방식·제안 길이·모델 종류·수용 동작 등에 따라 처리량 개선 효과가 달라진다.
- 드래프트 토큰이 거부되면 거부 지점 이후의 토큰들은 폐기되고 타겟 모델의 결과로 생성을 계속한다.
AI · 머신러닝 · affaan-m/ECC · JavaScript
AI 에이전트를 위한 엔지니어링 시스템 ECC 공개
Key PointAI 코딩 에이전트의 품질과 안정성을 높이려는 개발자라면, 프롬프트 튜닝 대신 체계적인 엔지니어링 프레임워크를 도입할 수 있는 선택지가 생겼다.
핵심 요약
- Claude Code, Cursor 등 AI 에이전트가 코딩 작업을 체계적으로 수행하도록 돕는 오픈소스 프레임워크 ECC를 공개했다.
- 계획 수립, 테스트 검증, 자체 코드 리뷰, 메모리 관리, 보안 기능을 통합한 에이전트 하네스 성능 최적화 시스템이다.
- MIT 라이선스의 무료 오픈소스 프로젝트이며, 개인 저장소용 Pro 버전은 월 $19부터 제공된다.
- Node.js 18 이상, Git, Claude Code 2.1 이상이 필요하며 npm 또는 Claude Code 플러그인으로 설치 가능하다.
- 공식 출처(GitHub, npm, GitHub App, ecc.tools)에서만 설치할 것을 권고하며 비공식 배포판에는 악성코드 위험이 있다.