이 글에서는 YJIT 및 ZJIT과 같은 Ruby의 JIT 컴파일러의 내부 작동 방식을 자세히 설명합니다. JIT 컴파일된 코드가 바이트코드와 어떻게 공존하며 Ruby가 실행 모드를 전환하는 메커니즘을 설명합니다. 또한 Ruby가 어떤 메서드를 컴파일할지 (호출 횟수 기반) 결정하는 방법과 JIT 컴파일된 코드가 인터프리터로 돌아가는 상황 (TracePoint 활성화 또는 핵심 메서드 재정의 등)에 대해서도 알아봅니다. 요약하자면, Ruby의 JIT 컴파일러는 정교한 메커니즘을 통해 성능과 정확성의 균형을 맞춥니다.
더 보기
10년 동안 루비만 사용했던 개발자가 Cursor와 Claude Code 같은 AI 코딩 도구 덕분에 1년도 안 되는 기간에 C++, C, Rust 등 여러 언어를 습득한 경험을 공유합니다. AI의 지원으로 시스템 프로그래밍 언어 학습의 어려움을 극복하고 Sorbet, RBS, ZJIT 등 프로젝트에 효율적으로 기여할 수 있었습니다. AI는 코드를 생성하는 것이 아니라 보완적인 기술을 가진 페어 프로그래머 역할을 하여 구문과 패턴을 명확히 하고 질문에 답변함으로써 학습 곡선을 크게 단축시키고 첫날부터 의미 있는 기여를 가능하게 했습니다. AI는 학습을 가속화하지만, 인간 전문가의 전문 지식은 궤도 수정에 필수적입니다. AI 지원 프로그래밍이 소프트웨어 개발의 미래라고 생각합니다.
더 보기
Ruby 3.5는 Class#new 메서드의 인라인화를 통해 객체 할당 속도를 최대 6배까지 향상시켰습니다. 이 글에서는 이 최적화에 대한 세부 내용을 설명하고, 벤치마크 결과, 성능 병목 현상 분석, 인라인화 기술의 구현 원리를 설명합니다. 메서드 호출 오버헤드 제거, 매개변수 복사 감소, 인라인 캐시 적중률 향상을 통해 Ruby 객체 할당의 성능 문제를 효과적으로 해결했지만, 약간의 하위 호환성 문제도 발생했습니다.
더 보기
Shopify 엔지니어들은 타입 주석 없이도 Ruby 프로그램의 타입 정보를 추론하는 새로운 정적 타입 분석기를 개발했습니다. 이 분석기는 개선된 Sparse Conditional Constant Propagation (SCCP) 알고리즘과 정확한 데이터 흐름 추적을 활용하여 함수 간 타입 분석을 효율적으로 처리하며, 많은 클래스를 포함하는 프로그램도 몇 초 만에 분석을 완료합니다. 이 연구는 동적 언어 컴파일러 최적화에 새로운 접근 방식을 제시하며 Ruby와 같은 동적 언어의 성능 향상에 새로운 가능성을 제시합니다.
더 보기
이 글에서는 Just-In-Time(JIT) 컴파일을 사용하여 Ruby의 Foreign Function Interface(FFI) 성능을 개선하는 방법을 살펴봅니다. 벤치마크 테스트 결과 FFI가 네이티브 확장에 비해 성능이 떨어지는 것으로 나타났습니다. 저자는 RJIT와 사용자 정의 머신 코드 생성 도구를 활용하여 외부 함수를 호출하기 위한 런타임 머신 코드를 생성하고 FFI 오버헤드를 우회하는 FJIT이라는 솔루션을 소개합니다. 테스트 결과 FJIT는 네이티브 확장보다 성능이 뛰어나 고성능을 요구하는 Ruby 개발자에게 새로운 대안을 제시합니다. 현재 FJIT는 ARM64 아키텍처만 지원하는 프로토타입이지만, 향후 다른 아키텍처 및 더 복잡한 함수 호출로 확장될 것으로 예상됩니다.
더 보기