프로그래밍언어

3 Contents

[EOST2023] CPython 성능 최적화를 위한 코어팀, 커뮤니티 그리고 기업의 노력

파이썬은 오늘날 대안 언어를 넘어 기술 생태계 전반에서 압도적인 점유율을 차지하는 핵심 언어로 자리 잡았습니다. 특히 우리가 흔히 사용하는 파이썬의 표준 구현체인 CPython은 귀도 반 로섬에 의해 만들어진 이래 지속적으로 발전해 왔습니다. 최근에는 파이썬의 전력 효율성 문제가 제기되기도 했으나, 이는 역설적으로 파이썬에 대한 사회적 요구 수준이 그만큼 높아졌음을 의미합니다. 이제 파이썬 코어 팀은 대규모 사용자 기반을 뒷받침하기 위해 단순한 기능 구현을 넘어 체계적인 빌드 시스템과 보안 체크 시스템을 갖춘 전문적인 테크 부서와 같은 구조로 운영되며 성능 개선에 박차를 가하고 있습니다. 2020년대에 들어 머신러닝 수요가 폭발적으로 증가하면서 마이크로소프트, 메타, 블룸버그와 같은 글로벌 빅테크 기업들이 파이썬 성능 개선에 직접적으로 참여하기 시작했습니다. 과거에는 거대 프로젝트의 언어를 통째로 교체하는 방식이 선호되기도 했으나, 최근에는 수천 명의 개발자가 참여하는 기존 코드베이스를 유지하면서 숙련된 컴파일러 엔지니어를 투입해 언어 구현체 자체를 개선하는 전략이 훨씬 효율적이라는 인식이 확산되었습니다. 이러한 흐름 속에서 풀타임 파이썬 코어 엔지니어가 크게 늘어났으며, 기업들은 자사 코드베이스의 특성을 엔진에 반영하기 위해 적극적으로 기술력을 투입하고 있습니다. 파이썬의 최적화 역사는 꽤나 길고 다채로운 시도들로 가득합니다. 처음부터 다시 짜는 전략을 택한 PyPy는 아카데믹한 의미와 함께 훌륭한 성과를 거두었으나 C API 호환성 문제로 표준을 완전히 대체하지는 못했습니다. 구글의 'Unladen Swallow'나 드롭박스의 'Piston' 역시 LLVM 기반의 JIT 컴파일러 구현을 시도했지만, 실행 시점의 타입을 예측하기 어려운 동적 언어의 특성과 복잡한 호환성 유지의 벽에 부딪혀 프로젝트를 마무리해야 했습니다. 최근 인스타그램의 'Cinder'는 자사 워크로드에 최적화된 포크 버전을 통해 성능 향상을 이뤄냈지만, 결국 유저들이 원하는 것은 최신 기능과 완벽한 하위 호환성이라는 점이 다시금 증명되었습니다. 현재 CPython은 마이크로소프트의 주도 아래 3.10 버전 대비 5배 빠른 성능을 목표로 'Faster CPython' 프로젝트를 진행하고 있습니다. 그 첫 성과인 3.11 버전은 별도의 JIT 컴파일러 도입 없이도 인터프리터 개선만으로 약 25%의 성능 향상을 이뤄내며 큰 주목을 받았습니다. 이어지는 3.12 버전에서는 멀티 티어 인터프리터 구조를 위한 기반을 닦았고, 현재 개발 중인 3.13 버전에서는 슈퍼블록 옵티마이저 기반의 티어 2 인터프리터를 통해 더 높은 수준의 최적화를 시도하고 있습니다. 특히 플러거블 옵티마이저 API의 제공은 학계나 다른 기업들이 파이썬 엔진 최적화에 더 쉽게 실험적으로 참여할 수 있는 통로를 열어줄 것입니다. 파이썬의 오랜 숙제였던 글로벌 인터프리터 락(GIL) 제거 논의도 새로운 국면을 맞이했습니다. 최근 샘 그로스의 'nogil' 제안이 PEP 703으로 승인되면서 장기적으로 병렬성을 저해하던 제약을 해결할 수 있는 길이 열렸습니다. 비록 이 과정에서 약간의 성능 오버헤드가 발생할 수 있지만, 머신러닝 등 병렬 연산이 중요한 분야에서의 강력한 요구가 이를 뒷받침했습니다. 파이썬 코어 팀은 하위 호환성을 최우선 가치로 두기에 베타나 RC 릴리스를 통해 유저들의 피드백을 수집하며 신중하게 변화를 이끌어가고 있습니다. 커뮤니티의 목소리가 실제 의사결정에 큰 영향을 미치는 만큼, 사용자들이 새로운 버전을 미리 테스트하는 과정은 파이썬의 미래에 필수적입니다.

[EOST2023] CPython 성능 최적화를 위한 코어팀, 커뮤니티 그리고 기업의 노력
한국전자통신연구원오픈소스 테크데이
  • 공학·기술

[카오스 짧강] 계산이란 무엇인가?_by박성우|2018 봄 카오스 강연 '모든 것의 수數다' 10강

우리는 일상에서 '계산'이라는 단어를 자주 사용하지만, 막상 그 본질이 무엇인지 질문을 받으면 당황하곤 합니다. 아이가 "계산이 뭐예요?"라고 묻는다면 대개 "컴퓨터로 하는 것이 계산이야"라고 대답하며 넘어가기 마련입니다. 하지만 이 단순해 보이는 답변 속에는 현대 컴퓨터 과학의 가장 핵심적인 정의가 담겨 있습니다. 계산의 본질을 이해하기 위해서는 먼저 시간이라는 제약을 머릿속에서 지워야 합니다. 결과가 나오기까지 천 년이 걸리든 만 년이 걸리든, 언젠가 답을 도출할 수 있다면 그것은 계산 가능한 영역에 속한다고 볼 수 있기 때문입니다. 1936년, 영국의 수학자 앨런 튜링은 계산이라는 추상적인 개념을 '튜링 기계'라는 구체적인 모형으로 정의했습니다. 튜링 기계는 긴 테이프와 이를 읽고 쓰는 헤드, 그리고 몇 가지 규칙표로 이루어진 매우 단순한 구조를 가지고 있습니다. 비록 형태는 단순하지만, 이 기계는 우리가 논리적으로 수행할 수 있는 모든 계산 과정을 완벽하게 설명해 냅니다. 튜링은 이 기계적인 절차를 통해 무엇이 계산될 수 있고 무엇이 계산될 수 없는지를 명확히 구분 지었으며, 이는 훗날 우리가 사용하는 현대적 컴퓨터의 이론적 토대가 되었습니다. 비슷한 시기 미국 프린스턴 대학교의 알론조 처치 교수 또한 계산의 정의를 내리기 위해 노력하고 있었습니다. 그는 튜링과 달리 '람다 계산법'이라는 프로그래밍 언어의 시초 격인 논리 체계를 통해 계산을 정의했습니다. 튜링이 하드웨어적인 기계의 관점에서 접근했다면, 처치는 소프트웨어적인 언어의 관점에서 접근한 셈입니다. 흥미롭게도 서로 다른 길을 걸었던 두 천재의 정의는 결국 수학적으로 동일하다는 사실이 밝혀졌습니다. 튜링은 이후 처치의 제자가 되어 박사 학위를 받았으며, 이들의 협력은 컴퓨터 과학의 계보를 잇는 중요한 이정표가 되었습니다. 튜링이 제안한 개념 중 가장 혁신적인 것은 바로 '만능 기계'입니다. 이는 특정 작업만 수행하는 기계가 아니라, 어떤 규칙이든 입력받아 실행할 수 있는 유연한 장치를 의미합니다. 오늘날 우리가 사용하는 스마트폰이나 노트북은 바로 이 '만능 기계'를 실제 하드웨어로 구현한 결과물입니다. 우리가 카카오톡을 하거나 유튜브를 시청하는 모든 행위는 결국 처치의 '람다 계산법'과 동등한 프로그래밍 언어로 작성된 소프트웨어가 '만능 기계' 위에서 돌아가는 과정입니다. 즉, 현대의 모든 디지털 기기는 튜링과 처치가 설계한 논리적 세계관 속에 존재하고 있습니다. 결국 "계산이란 무엇인가"라는 질문에 대해 "컴퓨터로 할 수 있는 일"이라고 답하는 것은 과학적으로 매우 정확한 답변입니다. 인류는 튜링과 처치가 정의한 계산의 범주를 넘어서는 새로운 형태의 계산을 아직 발견하지 못했기 때문입니다. 우리가 집에서 사용하는 컴퓨터가 할 수 있는 일들이 곧 계산의 전부이며, 이는 앨런 튜링이 타임머신을 타고 현대에 온다 해도 똑같이 대답할 내용입니다. 가장 일상적인 도구가 가장 심오한 수학적 정의를 담고 있다는 사실은, 우리가 이미 위대한 과학적 성취의 시대 한복판에 살고 있음을 시사합니다.

[카오스 짧강] 계산이란 무엇인가?_by박성우|2018 봄 카오스 강연 '모든 것의 수數다' 10강
카오스재단질토과 + 짧강

[강연] 미래의 수학자 (3) _ by엄상일 | 2017 가을 카오스 강연 '미래과학' 5강 | 5강 ③

수학은 단순히 숫자를 다루는 학문을 넘어 우리 삶의 복잡한 문제를 해결하는 강력한 도구입니다. 수치해석학은 컴퓨터를 활용해 비행기 설계와 같은 방대한 계산이 필요한 실생활의 문제를 빠르고 효율적으로 풀어내는 방법을 연구합니다. 과거에는 사람이 일일이 손으로 해결하기 어려웠던 문제들이 이제는 컴퓨터라는 도구를 통해 정교하게 다듬어지고 있습니다. 이러한 흐름은 수학이 상아탑 속에만 머무는 것이 아니라, 기술의 발전과 발맞추어 끊임없이 진화하고 있음을 보여줍니다. 인공지능 시대의 도래는 수학의 영역을 더욱 넓히고 있습니다. 과거 이집트의 측량 기술이 기하학으로 발전하고, 과학 혁명기에 천체의 움직임을 설명하기 위해 미적분학이 탄생했듯이, 현대의 정보 혁명은 새로운 수학적 추상화를 요구합니다. 우리가 마주한 0과 1의 디지털 정보들을 어떻게 더 깊이 있게 이해하고 다룰 것인가는 미래 수학의 핵심 과제입니다. 수학은 시대의 요구에 따라 새로운 지평을 열어왔으며, 지금 이 순간에도 우리가 경험하지 못한 새로운 세계를 탐험하고 있습니다. 컴퓨터와 인공지능의 발전은 수학자의 역할을 축소하는 것이 아니라 오히려 확장시키고 있습니다. 머신러닝이나 딥러닝 같은 기술은 수학적 문제를 해결하는 새로운 방식을 제시하며, 수치해석학이나 이산수학 분야에서 이전에는 상상하지 못했던 질문들을 던지게 합니다. 도구가 정교해질수록 우리가 다룰 수 있는 문제의 범위는 자동차에서 비행기, 우주선으로 넓어지듯 무한히 확장됩니다. 결국 기술의 발전은 수학자들에게 더 본질적이고 창의적인 문제를 고민할 수 있는 기회를 제공하는 셈입니다. 최근 강조되는 코딩 교육 역시 수학적 사고와 깊은 연관이 있습니다. 프로그래밍 언어는 컴퓨터와 소통하기 위한 일종의 외국어와 같으며, 그 기저에는 엄밀한 논리가 자리 잡고 있습니다. 코딩을 통해 자신의 생각을 논리적으로 전개하는 과정은 수학적 증명을 주고받는 과정과 본질적으로 다르지 않습니다. 단순히 기술적인 숙련도를 높이는 것을 넘어, 컴퓨터에게 자신의 논리를 설명할 수 있는 본질적인 사고력을 기르는 것이 중요합니다. 이러한 논리적 훈련은 수학적 실력을 향상시키는 밑거름이 됩니다. 수학자의 연구는 단순히 방 안에서 혼자 증명에 몰두하는 것에 그치지 않습니다. 좋은 문제를 찾아내기 위해 동료들과 끊임없이 대화하고 토론하며, 새로운 영감을 얻기 위해 노력합니다. 의미 있는 문제를 정의하고 이를 다른 이들과 공유하며 공감을 얻는 과정은 수학 연구에서 매우 중요한 부분을 차지합니다. 현대 수학은 개인의 천재성을 넘어 공동 연구와 협력을 통해 더욱 풍성해지고 있으며, 이러한 소통의 문화가 수학을 더욱 역동적인 학문으로 만들어가고 있습니다.

[강연] 미래의 수학자 (3) _ by엄상일 | 2017 가을 카오스 강연 '미래과학' 5강

엄상일, 이계식, 이준엽

카오스재단카오스강연
  • 물리학
  • 수학