2.7 KiB
2.7 KiB
2025년 8월 6일 - 100% 함수형 프로그래밍 전환 성과
오후 6시 30분
함수형 프로그래밍 전환 완료
배경
- 하드코딩된 값과 복잡한 상태 관리로 인한 문제
- 캐시 시스템의 중복 응답 문제
- 메모리 누수 및 성능 저하
전환 과정
-
코드 정리 (1차)
- 캐시 시스템 완전 제거
- 하드코딩된 값 제거
- 템플릿 응답 제거
-
함수형 전환 (2차)
- 모든 클래스를 순수 함수로 변환
- 상태(self.*) 완전 제거
- 불변 데이터 구조(NamedTuple) 사용
- I/O와 계산 로직 분리
성능 측정 결과
| 항목 | 전환 전 (OOP) | 전환 후 (FP) | 개선율 |
|---|---|---|---|
| 메모리 | 106.7MiB | 95.87MiB | ✅ 10.1% 감소 |
| CPU | 0.06% | 0.05% | ✅ 16.7% 감소 |
| PID | 39개 | 20개 | ✅ 48.7% 감소 |
| 코드량 | 1,434줄 | 1,064줄 | ✅ 26% 감소 |
파일별 코드 감소량
- brain.py: 338줄 → 178줄 (47% 감소)
- memory.py: 264줄 → 171줄 (35% 감소)
- emotion.py: 120줄 → 32줄 (73% 감소)
- ethics.py: 27줄 → 14줄 (48% 감소)
아키텍처 변화
Before (OOP):
class RobingBrain:
def __init__(self):
self.memory = MemoryCore()
self.emotion = EmotionCore()
self.user_names = {} # 상태 유지
async def think(self, input_data):
# 복잡한 상태 관리
After (FP):
async def think_functional(
input_data: Dict,
search_memories_fn, # 의존성 주입
store_memory_fn,
get_identity_fn,
store_identity_fn
) -> Dict:
# 순수 함수 체이닝
주요 개선 사항
-
프로세스 수 절반 감소
- 멀티프로세싱 오버헤드 감소
- 컨텍스트 스위칭 감소
-
메모리 효율성
- 객체 인스턴스 오버헤드 제거
- 가비지 컬렉션 부담 감소
-
코드 가독성
- 입력 → 출력 명확
- 부작용 없는 예측 가능한 동작
-
테스트 용이성
- 각 함수 독립적 테스트 가능
- 목(Mock) 객체 불필요
교훈
-
"적을수록 좋다"
- 코드가 적으면 버그도 적다
- 단순함이 최고의 설계
-
상태는 복잡성의 근원
- 상태를 제거하니 버그가 사라짐
- 함수형 프로그래밍의 힘
-
측정 없이 최적화 없다
- 실제 측정 결과가 예상과 일치
- 프로세스 수 감소가 가장 큰 효과
결론
함수형 프로그래밍 전환으로:
- 리소스 사용량 대폭 감소
- 코드 복잡도 해결
- 유지보수성 향상
"Less is More" - 적을수록 더 강력하다