20190102

오늘의 일기
* 실험을 할 때에는 무엇을 보이려 하는지에 대해서 생각해보도록 한다.
* 선형 관계를 보여야 하는데 선형을 보이지 않으면 그 원인을 파악해야 한다.
* 성능 오버헤드를 측정할 때에는 전체를 mix해서 측정하는 것이 아니라, 성능 오버헤드를 이루는 기본 단위 연산의 성능 오버헤드를 측정한다. 기본 단위 연산을 조합하여 총 연산 오버헤드를 계산할 수 있어야 한다. 그리고 그것이 예상과 일치해야 한다. “1%의 성능 오버헤드 이내”라는 가정이 충분히 적합하지 않다. 어떤 경우에는 50%의 여유 CPU 자원이 있을 수도 있고, 어떤 경우에는 1% 이하의 CPU 자원만 사용가능할 수 있다. 매번 실험하는 것이 아니라, 성능 관계식에 따라 추정 가능해야 함. 예를 들어 1000개 엔트리에 1% 성능 오버헤드를 낸다고 측정했다고 하자. 그렇다면 50% 성능 여유가 있을 때 몇 개 엔트리를 유지할 수 있는지 어떻게 연산해낼 것인가? 다시 실험을 할 것인가? 그보다는 성능 관계식이 어떻게 되는지 파악하고, 개별 오버헤드가 어떤지 본다면 어떤 값이 주어졌을 때 성능을 예상할 수 있게 된다. 이렇게 정리하고보니 성능 모델링에 대해 중요하게 생각하는 것 같다.
* 리스트 관리 기본 오버헤드에 대해 분석을 한다면, 엔트리 탐색 / 엔트리 삽입 / 엔트리 삭제 오버헤드를 각각 측정하고, (엔트리 100개 탐색 오버헤드) = (엔트리 탐색 오버헤드) * 100이 되어야 함.

Advertisements
Posted in 1) Memo

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google+ photo

You are commenting using your Google+ account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s

Recent Posts
누적 방문자 수
  • 149,891 hits
%d bloggers like this: