13 애플리케이션 성능 문제를 디버깅하기 위한 프로파일링 소프트웨어

로

애플리케이션의 궁극적인 목표는 사용자에게 최고의 서비스를 제공하는 데 있습니다.

이는 빠르고, 즉각적인 반응을 보이며, 사용하기 쉽고, 신뢰할 수 있는 등 여러 바람직한 기능을 포함해야 합니다.

하지만 최상의 성능 수준을 유지하면서 소프트웨어를 관리하는 것은 결코 쉬운 일이 아닙니다.

불필요한 함수 호출, 자체적인 오류 발생, 버그 발생, 추가 루프에 갇히는 등의 상황은 비효율성을 초래할 수 있습니다. 이러한 문제로 인해 애플리케이션이 느려지거나, 응답하지 않거나, 예상치 못한 방식으로 작동할 수 있습니다.

이러한 문제점을 해결하지 않으면 전반적인 애플리케이션 성능이 저하될 수 있습니다.

결과적으로, 성능 저하와 속도 지연은 고객 불만을 야기하고 애플리케이션 사용을 중단하게 만들 수 있습니다. 이는 귀사의 평판을 손상시킬 뿐 아니라 수익과 이익에 직접적인 타격을 줄 수 있습니다. 따라서 최적의 성능을 유지하려면 코드 분석, 검토 및 디버깅을 필수적으로 수행해야 합니다. 소프트웨어 프로파일링 도구를 사용하면 코드를 효과적으로 모니터링 및 디버그하여 성능 관련 병목 현상을 신속하게 제거할 수 있습니다.

이 글에서는 소프트웨어 프로파일링의 개념과 그 유용성에 대해 알아보고, 애플리케이션 디버깅 및 성능 최적화를 위한 최고의 프로파일링 도구를 소개합니다.

소프트웨어 프로파일링이란 무엇인가?

소프트웨어 프로파일링은 프로그램 실행 중 수집된 데이터를 기반으로 프로그램의 동작을 분석하는 동적 코드 분석 방식입니다. 목표는 애플리케이션의 속도와 반응성을 높이고 메모리 및 리소스 사용량을 줄이기 위해 최적화해야 할 부분을 파악하는 것입니다.

소프트웨어 프로파일러는 일반적으로 함수 호출 빈도와 시간, 프로그램의 메모리 또는 시간 복잡도와 관련된 측정값을 제공합니다. 메모리 프로파일러와 같은 특수 프로파일러도 존재합니다.

프로파일링은 일반적으로 프로그램의 소스 코드를 계측하는 방식으로 진행됩니다. 프로파일러는 계측 기반, 이벤트 기반, 통계 기반 또는 시뮬레이션 방법과 같은 다양한 기술을 활용할 수 있습니다.

소프트웨어 프로파일링이 중요한 이유는 무엇인가?

소프트웨어 프로파일링은 특정 기능과 관련된 리소스 사용량과 실행 시간을 파악하는 데 필수적입니다. 이는 프로그램 속도를 최적화하고 동시에 리소스 사용을 최소화하는 데 도움이 됩니다.

또한 CPU 사용량과 명령어 실행 시간을 추적하고 최적화하는 데에도 활용됩니다.

성능 관련 문제를 신속하게 디버깅하여 효율성을 높이고 사용자에게 더 나은 경험을 제공하려면 적합한 소프트웨어 프로파일링 도구를 선택하는 것이 중요합니다. 많은 프로파일러는 자세한 보고서, 대화형 그래프 및 시각화 기능을 제공하여 문제의 근본 원인을 쉽게 파악하고 해결하는 데 도움을 줍니다.

이제 사용해 볼 만한 최고의 소프트웨어 프로파일러 목록을 살펴보고 자신에게 가장 적합한 도구를 찾아보세요.

py-spy

py-spy는 Python을 위한 강력한 샘플링 프로파일러입니다. Python 기반 애플리케이션이 시간을 소비하는 부분을 자세히 살펴볼 수 있게 해줍니다.

코드 수정이나 프로그램 재시작 없이도 작동하며, Rust로 개발되어 오버헤드가 적고 빠른 속도를 자랑합니다. py-spy는 프로파일링되는 Python 프로그램과 별도의 프로세스에서 실행되도록 설계되었으므로 프로덕션 환경에서도 안전하게 사용할 수 있습니다.

이 도구를 사용하면 프로필을 기록하고 Flame 그래프를 생성하여 대화형 SVG 파일을 만들 수 있습니다. 샘플링 속도 변경, 기본 C 확장 프로파일링, 하위 프로세스 및 스레드 ID와 같은 다양한 옵션을 활용할 수 있습니다. ‘top’ 명령을 사용하여 프로그램에서 호출되는 함수의 실시간 보기를 얻거나, ‘dump’ 명령을 사용하여 모든 Python 스레드의 현재 호출 스택을 확인할 수 있습니다.

py-spy는 2.3 – 2.7 및 3.3 – 3.8과 같은 다양한 CPython 인터프리터 버전을 지원합니다. PyPI 또는 GitHub에서 설치할 수 있습니다.

Pyroscope

Pyroscope는 오픈 소스 연속 프로파일링 소프트웨어로, 애플리케이션의 성능 문제를 몇 분 안에 디버깅할 수 있도록 도와줍니다.

Docker, Linux 또는 Ruby, Go 관련 문서를 찾고 있든 상관없이 서버를 시작하고 에이전트를 활성화하기만 하면 됩니다. Pyroscope는 10초 또는 10개월 분량의 소프트웨어 프로파일링 데이터를 처리할 수 있도록 맞춤형으로 설계된 스토리지 엔진을 통해 빠른 쿼리 성능을 제공합니다.

Pyroscope는 성능에 미치는 영향이 적은 샘플링 프로파일링 기술을 사용하므로 오버헤드나 애플리케이션 성능 저하에 대한 걱정 없이 사용할 수 있습니다. 또한 프로파일링 데이터를 효율적으로 저장하므로 여러 애플리케이션의 다양한 프로파일링 데이터를 수년간 저장하는 데 비용 효율적입니다.

macOS, Linux 및 Docker 환경에서 작동하며 Python, Go 및 Ruby로 작성된 프로그램을 지원합니다.

Bubbleprof

Clinic.js의 Bubbleprof는 Node.js로 작성된 소프트웨어를 프로파일링하는 새롭고 독창적인 방식을 제공합니다. 모든 사용자, 초보자부터 전문가까지 앱의 비동기적 시간 소모를 쉽게 파악할 수 있도록 “버블” 인터페이스를 제공합니다.

Node.js 프로세스의 작동 방식을 시각화하기 위해 비동기 작업을 관찰, 그룹화, 지연 시간 계산 및 매핑합니다.

Bubbleprof는 코드, 노드 코어 또는 모듈이 될 수 있는 특정 작업 그룹 내의 버블 크기를 통해 작업 타이밍을 결정합니다. 또한 인접 그룹을 결합하여 복잡성을 줄여줍니다.

작업 흐름에 따른 지연 시간을 계산하기 위해 Bubbleprof는 버블을 연결하는 화살표 길이를 측정합니다. 측정 프로세스에서 다양한 색상을 활용하며, 비동기 작업 유형의 혼합을 지연 원인으로 표시하는 내부 색상 선을 사용합니다.

pyinstrument

pyinstrument를 사용하여 Python 코드를 최적화할 수 있습니다.

pyinstrument는 Python 코드의 속도 저하 원인을 파악하고 문제를 진단하여 프로그램의 성능을 크게 향상시키는 데 도움을 줍니다.

별도의 Python 스크립트 없이도 명령줄에서 직접 pyinstrument를 호출할 수 있습니다. 스크립트는 정상적으로 실행되고, 도구는 애플리케이션이 시간을 소비한 영역에 대한 요약을 컬러로 표시합니다. 또한 Python API를 제공하여 프로세스를 더욱 간소화합니다.

Flask 및 Django 환경에서 웹 요청을 프로파일링하는 옵션도 제공하며, 이에 대한 자세한 문서를 제공합니다. pyinstrument는 프로그램에서 수행된 모든 함수 호출을 추적하는 대신 1ms마다 호출 스택을 기록하는 통계 프로파일링 방식을 사용합니다.

통계 프로파일러는 추적 프로파일러에 비해 오버헤드가 적다는 장점이 있습니다. 전체 스택을 기록하므로 비용이 많이 드는 함수 호출 추적을 간소화할 수 있습니다. pyinstrument는 (기본적으로) 라이브러리 프레임을 숨기므로 성능에 영향을 미치는 애플리케이션 또는 모듈에 집중할 수 있게 해줍니다.

pyinstrument는 ‘wall-clock’ 시간을 사용하여 소요된 시간을 기록하므로 성능 문제 디버깅을 쉽게 수행할 수 있습니다. 이 도구는 파일 읽기, 데이터 다운로드, 데이터베이스 통신 등 프로그램의 모든 시간 소비를 추적합니다.

Xdebug

Xdebug는 코드 성능 문제를 개선하고 개발 경험을 향상시키는 데 유용한 도구로, 프로파일링 및 디버깅을 위한 다양한 기능을 제공합니다.

Xdebug는 PHP 애플리케이션의 병목 현상을 찾아 성능 그래프를 생성하고 외부 시각화 도구를 사용하여 성능을 분석할 수 있는 PHP 확장입니다.

오류에 도달하는 애플리케이션의 경로를 보여주는 상세한 출력을 생성하며, 오류 추적에 필요한 매개변수 정보를 제공합니다. 구조화된 보기와 색상으로 구분된 정보를 제공하여 개발자가 오류를 명확하게 이해할 수 있도록 도와줍니다.

Xdebug에는 원격 디버거도 포함되어 있어 실행 중인 코드, IDE 또는 브라우저에 연결하여 코드 중단점을 설정하고 한 줄씩 실행할 수 있습니다. 또한 프로그램의 코드 실행 범위를 보여주는 기능도 제공하여 단위 테스트에도 유용합니다.

SPX

간단한 프로파일링 확장(SPX)은 PHP용으로 설계된 프로파일링 확장입니다. 다른 프로파일링 확장과 차별화되는 고유한 속성을 가지고 있습니다. 완전 무료로 사용할 수 있으며 인프라 내에서만 작동하므로 데이터 유출 위험이 없습니다.

SPX는 단순하기 때문에 사용하기 매우 쉽습니다. 명령줄이나 환경 변수를 설정하여 스크립트를 프로파일링하거나, 웹 페이지의 라디오 버튼을 켜서 프로파일링할 수 있습니다. 코드를 수동으로 계측할 필요가 없습니다.

실행 중인 명령줄 스크립트(Ctrl-C)도 지원하며, 이 프로세스를 통해 별도의 명령줄 실행기나 브라우저 확장 프로그램을 사용할 필요가 없습니다. SPX는 다양한 시간 및 메모리 측정 기준, 객체, 사용 중인 파일, I/O 등을 포함하여 약 22개의 다중 메트릭을 지원합니다.

현재 컨텍스트에서 벗어나지 않고 데이터를 수집할 수 있습니다. 웹 인터페이스를 통해 현재 사용 중인 브라우저 세션에 대한 프로파일링을 구성하거나 활성화할 수 있으며, 프로파일링된 모든 스크립트 세부 정보와 보고서가 나열됩니다. 웹 인터페이스에서는 심층 분석을 위해 특정 보고서를 선택할 수 있으며, 수백만 개의 함수 호출을 처리할 수 있는 Flamegraph, 플랫 프로필 및 타임라인과 같은 대화형 시각화 기능을 제공합니다.

Prefix

Prefix by Stackify는 많은 개발자들이 선호하는 가볍고 설치하기 쉬운 코드 프로파일러입니다. 애플리케이션 성능의 병목 현상을 제거하고 최적화하여 사용자 경험을 향상시키는 데 도움을 줍니다.

Prefix의 뛰어난 추적 및 프로파일링 기능을 사용하면 숨겨진 예외, 느린 SQL 쿼리 등을 빠르게 찾을 수 있습니다. 개발자에게 APM(애플리케이션 성능 모니터링)의 강력한 기능을 제공합니다. Prefix는 코드 성능을 검증하고, 성능을 향상시키는 데 도움이 되는 코드를 테스트할 수 있도록 지원합니다.

Prefix를 사용하면 프로덕션 측에서 받는 지원 티켓이 줄어들고 개발 관리자가 목표를 더 빠르게 달성할 수 있습니다. 성능이 저하된 모든 쿼리, 알려지지 않은 병목 현상 및 ORM에서 생성된 쿼리를 검색합니다.

각 SQL 호출 매개변수를 추적하고, 타이밍을 다운로드하며, 영향을 받는 레코드를 확인할 수 있습니다. Prefix를 사용하면 N+1 패턴을 더 쉽게 찾을 수 있습니다. 복잡한 로그를 정렬할 필요 없이, 문제를 쉽게 찾을 수 있도록 모아줍니다.

Prefix를 사용하면 쿼리 요청 내에서 의심스러운 로그의 컨텍스트를 직접 찾고, 로그에서 쉽게 디버깅할 수 있는 추적으로 이동할 수 있습니다. Prefix는 숨겨진 예외를 찾고, 레거시 코드 또는 프레임워크 섹션에서 작업하는 데 유용한 성능 저하 종속성을 밝힙니다. 이러한 종속성은 웹 서비스, 타사 서비스 또는 캐시 서비스 등이 될 수 있습니다.

Prefix는 Windows 및 Mac에서 작동하며, .Net, Ruby, Java, PHP, Python 및 Node.js를 지원합니다.

Scalene

Scalene은 Python 기반 프로그램을 위한 고정밀 고성능 GPU, CPU 및 메모리 프로파일러입니다. 다른 프로파일러에 비해 빠른 실행 속도와 심층적인 정보 제공 등 여러 가지 이점을 제공합니다.

Scalene은 매우 빠르고, 계측 방식이 아닌 샘플링 방식을 활용합니다. 또한 Python의 추적 기능에도 의존하지 않습니다. 일반적으로 오버헤드가 10-20% 미만입니다. 이 도구는 라인 수준에서 소프트웨어 프로파일링을 수행하고 프로그램 실행 시간을 담당하는 코드 라인을 정확하게 지적합니다.

이러한 세부 정보는 함수 수준 프로파일링 정보보다 더욱 중요할 수 있습니다. Scalene은 라이브러리를 포함한 네이티브 코드의 실행 시간과 Python에서만 소비되는 시간을 분리합니다. 대부분의 Python 프로그래머는 네이티브 코드 성능을 최적화하지 않으므로, Scalene을 사용하면 실제로 개선 가능한 코드를 최적화하는 데 집중할 수 있습니다.

CPU 시간과 메모리 할당을 더 쉽게 파악하고 I/O 문제를 찾을 수 있도록 핫스팟을 빨간색으로 강조 표시합니다. Scalene은 GPU 시간 보고, 메모리 사용량 프로파일링 및 CPU 사용량 추적 기능을 제공합니다. 또한 메모리 누수를 식별하고, 복사 볼륨을 프로파일링하며, CPU의 1% 이상을 소비하는 코드 라인에 대해 축소된 프로필을 생성할 수 있습니다.

VisualVM

Java용 올인원 문제 해결 도구인 VisualVM은 개발 및 생산 단계 모두에서 사용하도록 설계되었습니다. 경량 프로파일링 기능과 명령줄 JDK 도구를 통합하는 시각적 소프트웨어입니다.

VisualVM은 Java 1.4 이상에서 실행되는 애플리케이션을 모니터링하고 JMX, jvmstat, Attach API 및 Serviceability Agent와 같은 여러 기술을 사용하여 문제를 해결합니다. 이 도구는 품질 엔지니어, 시스템 관리자 및 최종 사용자의 다양한 요구에 적합합니다.

원격 및 로컬에서 실행 중인 Java 기반 애플리케이션을 자동으로 감지하고 나열합니다. 또한 JMX 연결을 사용하여 프로그램을 수동으로 정의할 수도 있습니다. 각 프로세스에 대해 PID, 전달된 인수, JDK 홈, 기본 클래스, JVM 플래그, JVM 버전, 시스템 및 인수 속성과 같은 일반적인 런타임 데이터를 표시합니다.

VisualVM은 애플리케이션의 CPU 사용량, 힙, 메타스페이스 또는 영구 생성 메모리, 실행 중인 스레드 및 로드된 클래스를 모니터링합니다. 실행 중인 모든 스레드를 타임라인에 표시하고, 수면, 실행, 대기 등의 상태별로 집계된 시간을 제공합니다.

계측 및 샘플링 프로파일러 모두 VisualVM을 사용하여 수행할 수 있으며, 메모리 관리 및 애플리케이션 성능을 분석하는 데 사용할 수 있습니다. 스레드 덤프를 표시하여 프로세스에 대한 빠른 통찰력을 제공하고, 요청 시 .hprof 스냅샷을 생성 및 보고하여 힙 사용의 비효율성을 발견하고 메모리 누수를 디버그하는 데 도움을 줍니다.

VisualVM은 해당 환경과 함께 충돌한 Java 기반 프로세스의 기본 데이터를 읽을 수 있어 오프라인에서 앱을 분석할 수 있습니다. 나중에 오프라인으로 처리할 수 있는 힙 덤프, 스레드 덤프 및 프로파일링 스냅샷을 사용하여 앱의 런타임 환경과 구성을 저장할 수 있습니다.

VisualVM은 Windows, Linux 및 Unix 환경에서 작동합니다.

Orbit Profiler

Orbit Profiler를 사용하여 C/C++ 애플리케이션을 시각화하고 성능 문제를 신속하게 찾을 수 있습니다. 이 독립형 프로파일러는 개발자가 복잡한 앱의 실행 흐름을 보고 이해하는 데 도움을 주는 디버깅 도구입니다.

애플리케이션 내부에서 일어나는 모든 상황을 명확하게 보여주어 성능 병목 현상을 신속하게 제거하고 애플리케이션의 고성능을 복원할 수 있도록 지원합니다.

Orbit Profiler는 PDB 파일에 액세스할 수 있는 경우 모든 C 또는 C++ 앱에서 효과적으로 작동합니다. 프로그램 다운로드 후, 프로파일링을 시작합니다. 대상 프로세스로 이동하여 선택한 기능에 연결하고 프로파일링을 수행합니다.

최적화된 최종 빌드 또는 릴리스 빌드에서도 작동할 수 있습니다. Orbit Profiler는 동적 계측 외에도 빠르고, 항상 사용 가능하며, 강력한 ‘상시 작동’ 샘플링 기능을 제공합니다.

Windows 및 Linux 환경에서 작동합니다.

Uber JVM Profiler

고급 프로파일링 기능을 갖춘 Uber JVM 프로파일러는 Java 기반 애플리케이션에 유용한 또 다른 옵션입니다.

이 도구는 Spark/Hadoop JVM 프로세스에 대한 여러 스택 추적 및 메모리/CPU/IO 메트릭을 분산 방식으로 수집하는 Java 에이전트를 제공합니다.

사용자 코드 수정 없이 Java 인자와 메서드를 추적할 수 있습니다. 또한 모든 Spark 앱에 대한 HDFS 이름 노드의 호출 대기 시간을 추적하고 문제를 찾을 수 있습니다. Spark 앱의 HDFS 파일 경로를 추적하여 핫 파일을 찾고 추가 최적화를 수행할 수도 있습니다.

Uber JVM 프로파일러는 원래 하나의 애플리케이션에 대해 여러 시스템 또는 프로세스를 포함하는 Spark 앱을 프로파일링하기 위해 만들어졌습니다. 사용자는 이러한 시스템 또는 프로세스에 대한 메트릭을 쉽게 연관시킬 수 있습니다.

일반적인 Java 에이전트로 작동하며 모든 JVM 프로세스에 사용할 수 있습니다. 주요 기능은 다음과 같습니다.

  • Java 힙 메모리, 네이티브 메모리, 비힙 메모리, 버퍼 풀 및 메모리 풀과 같은 Spark 앱 실행기의 메모리 사용량 디버깅
  • CPU 사용량 및 가비지 컬렉션 시간 디버깅
  • 빈도 및 시간 또는 기간 프로파일링을 통한 Java 클래스 메서드 디버깅
  • 인자 프로파일링(Java 클래스 메서드 호출 및 해당 인자 값 디버깅 및 추적)
  • CPU 시간에 대한 스택 추적 프로파일링 및 Flame 그래프 생성
  • I/O 메트릭 및 JVM 스레드 메트릭 디버깅

Tracy

Tracy는 개발자가 PHP 프로그램을 쉽게 디버깅할 수 있도록 지원하는 유용한 도구입니다. 사용자 친화적인 디자인과 CLI 지원, AJAX 호출 디버깅과 같은 고급 기능을 제공합니다.

오류를 신속하게 찾아 수정하고, 변수를 덤프하고, 오류를 기록하고, 메모리 소비를 시각화하고, 쿼리 또는 스크립트의 실행 시간을 확인할 수 있습니다. 색상 코딩을 사용하고 명확한 설명과 함께 문제를 빨간색으로 강조 표시하여 예외 및 오류를 쉽게 시각화하고 이해할 수 있도록 도와줍니다.

Tracy는 로깅 기능 및 환경 자동 감지와 함께 제공됩니다. 데이터를 로그 파일에 저장하고, 다운타임 중에 사용자에게 서버 오류 메시지를 표시할 수 있습니다. Tracy는 Drupal 7, OpenCart, WordPress 등 다양한 환경과 통합하여 사용할 수 있습니다.

vprof

vprof는 Python 애플리케이션용 시각적 프로파일러입니다. 메모리 사용 및 실행 시간과 같은 Python 프로그램의 다양한 특성에 대한 풍부하고 대화형 시각화를 제공합니다.

vprof는 BSD 라이선스에 따라 사용이 가능하며 Python 3.4 이상을 지원합니다.

결론

애플리케이션 성능은 최종 사용자의 기대치를 충족시키는 데 중요한 요소입니다. 성능 문제가 발생하면 사용자 경험에 영향을 미치기 전에 문제를 진단하고 해결할 수 있는 준비가 되어 있어야 합니다.

이 글에서 소개된 도구를 사용하여 애플리케이션을 지속적으로 최적화하고 문제를 즉시 해결하여 사용자에게 최상의 애플리케이션 성능을 제공하십시오.

다음은 위에 언급된 프로파일러와 주요 사용 용도를 보여주는 비교표입니다.

이름 언어
py-spy Python
Pyroscope Python, Ruby, Go
Bubbleprof Node.js
pyinstrument Python
Xdebug PHP
SPX PHP
Prefix Python, .NET, Java, Node.js, Ruby, PHP
Scalene Python
VisualVM Java
Orbit Profiler C, C++
Uber JVM Profiler Java
Tracy PHP
vprof Python