# CPython Core Dev Sprint에서 실제 세계의 JIT Trace

> Clean Markdown view of GeekNews topic #23377. Use the original source for factual precision when an external source URL is present.

## Metadata

- GeekNews HTML: [https://news.hada.io/topic?id=23377](https://news.hada.io/topic?id=23377)
- GeekNews Markdown: [https://news.hada.io/topic/23377.md](https://news.hada.io/topic/23377.md)
- Type: news
- Author: [darjeeling](https://news.hada.io/@darjeeling)
- Published: 2025-10-01T08:25:20+09:00
- Updated: 2025-10-01T08:25:20+09:00
- Original source: [antocuni.eu](https://antocuni.eu/2025/09/24/tracing-jits-in-the-real-world--cpython-core-dev-sprint/)
- Points: 9
- Comments: 0

## Summary

**CPython**의 새로운 **추적 JIT(Just-In-Time) 컴파일러**는 **C로 작성된 확장 함수 호출(추적 차단기)**와 **입력 데이터에 따라 바뀌는 제어 흐름(데이터 기반 제어 흐름)**에서 본질적인 한계에 직면합니다. JIT가 최적화할 수 없는 외부 함수가 코드 경로 사이에 등장하면 **핫 경로** 최적화가 무력화되어 성능이 급격히 하락합니다. 또한 입력 데이터의 다양성이 높을 경우, JIT는 **지수적으로 많은 경로**를 추적하려다 오히려 오버헤드가 커져 성능 저하를 겪게 됩니다. 이러한 문제는 단순한 구현상의 이슈가 아니라, 추적 JIT 접근법의 구조적인 한계임을 보여줍니다.

## Topic Body

CPython의 새로운 추적 JIT(Just-In-Time) 컴파일러가 직면한 기술적 과제에 대한 심층적인 요약입니다.  
  
##### **추적 차단기 (Trace Blockers)**  
  
추적 JIT는 프로그램 실행 중 **자주 실행되는 코드 경로("핫 경로")** 를 식별하고, 해당 경로의 마이크로 연산(micro-operations)을 기록하여 최적화된 기계 코드를 생성합니다. 그러나 JIT가 내부를 들여다볼 수 없는 코드, 즉 **"추적 차단기"** 를 만나면 이 과정이 중단됩니다. CPython의 경우, C로 작성된 확장 함수를 호출하는 것이 대표적인 예입니다.  
  
* **기술적 설명:** 블로그에서는 원주율(π)을 계산하는 순수 파이썬 함수를 예로 듭니다. PyPy의 JIT는 이 숫자 계산 루프를 매우 효율적으로 최적화하여 CPython보다 42배나 빠른 성능을 보입니다. 하지만 루프 내부에 JIT가 추적할 수 없는 C 함수 호출(`hic_sunt_leones()`)을 단 하나 추가하면, PyPy의 성능은 CPython보다 겨우 1.8배 빠른 수준으로 급격히 떨어집니다. 이 단일 "추적 차단기"가 JIT의 최적화 능력을 대부분 무력화시킨 것입니다. 이는 JIT가 C 함수의 내부 동작을 알 수 없기 때문에 루프 전체를 하나의 단위로 최적화하지 못하고, C 함수 호출 전후로 코드를 분리하여 처리하기 때문입니다.  
  
---  
  
##### **데이터 기반 제어 흐름 (Data-Driven Control Flow)**  
  
이 문제는 **입력 데이터에 따라 프로그램의 제어 흐름이 크게 달라질 때** 발생합니다. 추적 JIT는 일관된 "핫 경로"가 존재한다는 가정 하에 가장 효과적으로 작동하지만, 데이터에 따라 실행 경로가 계속 바뀌면 이러한 가정이 깨지게 됩니다.  
  
* **기술적 설명:** 블로그에서는 9개의 인자를 받는 함수를 예로 듭니다. 각 인자는 `None`이거나 숫자일 수 있으며, 함수 내부에는 `if <var> is None: ...` 형태의 조건문이 연이어 나타납니다. 이 경우, 인자로 들어오는 `None` 값의 조합에 따라 실행되는 코드 경로가 매번 달라집니다. 따라서 JIT는 **"지수적 추적(exponential number of traces)"** 문제에 직면하게 됩니다. 즉, JIT는 `None` 인자의 모든 가능한 조합에 대해 별도의 최적화된 코드를 생성하려고 시도하게 되며, 이는 엄청난 오버헤드를 유발하여 결국 JIT를 사용하지 않는 CPython보다도 훨씬 느려지는 결과를 초래합니다.  
  
결론적으로, 이 블로그 게시물은 CPython의 새로운 추적 JIT가 성공적으로 안착하기 위해서는 이러한 **"추적 차단기"** 와 **"데이터 기반 제어 흐름"** 문제를 해결해야 한다고 강조합니다. 이는 단순한 구현의 문제가 아니라 추적 JIT 기술 자체가 가진 근본적인 한계일 수 있음을 시사합니다.

## Comments



_No public comments on this page._