Yappi로 Python에서도 성능을 챙겨보자

간단 소개

Yappi 프로파일러를 사용하여 Python 서버(FSA)의 성능을 개선한 사례를 소개하고, 최적화 과정과 주의사항을 설명합니다.

AI Summary

배경 및 문제점
- Python은 생산성이 높지만 성능이 낮다는 인식이 있었으나, Python 3.11 이후 성능 개선 노력이 진행 중.
- 네이버의 FSA(Feature Serving Agent)는 피처 정보를 제공하는 서버지만, 대량의 단순 조회 시 성능이 만족스럽지 못함.
- 성능 테스트 결과, 높은 CPU 사용률과 응답 시간으로 인해 서버 인스턴스 수가 과도하게 필요함.
Yappi를 활용한 성능 개선
- 병목 지점 파악을 위해 Yappi 프로파일러를 FastAPI에 적용하여 성능 분석.
- ORJsonResponse로 변경, 불필요한 deepcopy 제거, DB 조회 방식 개선 등을 통해 응답 시간 단축 및 리소스 절감.
- 최적화 결과, 필요한 CPU 코어 수 64.7% 감소, 평균 응답 시간 68.2% 단축.
Yappi 사용 시 주의사항
- 프로파일러 오버헤드를 고려하여 실 서비스 환경에서는 비활성화하고, 필요할 때만 활성화하도록 설계.
- asyncio.gather() 사용 시 호출 스택이 왜곡될 수 있으므로, 프로파일링 시에는 순차 await로 임시 교체.