C++ 성능 최적화 | "10배 빠르게" 실전 기법
이 글의 핵심
C++ 성능 최적화에 대한 실전 가이드입니다. 개념부터 실무 활용까지 예제와 함께 상세히 설명합니다.
1. 불필요한 복사 제거
값 전달 vs 참조 전달
// ❌ 느림 (복사 발생)
void process(vector<int> data) {
// ...
}
// ✅ 빠름 (참조)
void process(const vector<int>& data) {
// ...
}
// ✅ 수정 필요 시
void process(vector<int>& data) {
// ...
}Move 시맨틱스
// ❌ 복사
vector<int> createLargeVector() {
vector<int> v(1000000);
return v; // 복사 발생 가능
}
// ✅ move
vector<int> result = createLargeVector(); // move됨 (C++11)
// 명시적 move
vector<int> v1 = {1, 2, 3};
vector<int> v2 = move(v1); // v1은 비워짐2. 메모리 할당 최적화
reserve로 재할당 방지
// ❌ 여러 번 재할당
vector<int> v;
for (int i = 0; i < 1000; i++) {
v.push_back(i); // 재할당 여러 번
}
// ✅ 한 번에 할당
vector<int> v;
v.reserve(1000); // 미리 할당
for (int i = 0; i < 1000; i++) {
v.push_back(i);
}객체 풀
template <typename T>
class ObjectPool {
private:
vector<unique_ptr<T>> pool;
public:
T* acquire() {
if (pool.empty()) {
return new T();
}
T* obj = pool.back().release();
pool.pop_back();
return obj;
}
void release(T* obj) {
pool.push_back(unique_ptr<T>(obj));
}
};3. 캐시 친화적 코드
데이터 지역성
// ❌ 캐시 미스 많음
struct Bad {
int id;
char padding[60]; // 캐시 라인 낭비
int value;
};
// ✅ 캐시 친화적
struct Good {
int id;
int value;
// 관련 데이터를 가까이
};배열 순회 최적화
int matrix[1000][1000];
// ❌ 느림 (캐시 미스)
for (int j = 0; j < 1000; j++) {
for (int i = 0; i < 1000; i++) {
matrix[i][j] = 0;
}
}
// ✅ 빠름 (순차 접근)
for (int i = 0; i < 1000; i++) {
for (int j = 0; j < 1000; j++) {
matrix[i][j] = 0;
}
}4. 컴파일러 최적화
인라인 함수
// ❌ 함수 호출 오버헤드
int add(int a, int b) {
return a + b;
}
// ✅ 인라인
inline int add(int a, int b) {
return a + b;
}
// ✅ constexpr (컴파일 타임)
constexpr int add(int a, int b) {
return a + b;
}컴파일 옵션
# 최적화 레벨
g++ -O0 # 최적화 없음
g++ -O1 # 기본 최적화
g++ -O2 # 권장
g++ -O3 # 공격적 최적화
# 추가 옵션
g++ -O3 -march=native # CPU 특화
g++ -O3 -flto # Link Time Optimization실전 예시
예시 1: 문자열 연결 최적화
#include <iostream>
#include <string>
#include <sstream>
#include <chrono>
using namespace std;
// ❌ 느림
string concat1(int n) {
string result;
for (int i = 0; i < n; i++) {
result += to_string(i); // 매번 재할당
}
return result;
}
// ✅ 빠름
string concat2(int n) {
ostringstream oss;
for (int i = 0; i < n; i++) {
oss << i;
}
return oss.str();
}
int main() {
auto start = chrono::high_resolution_clock::now();
concat1(10000);
auto end = chrono::high_resolution_clock::now();
cout << "concat1: " << chrono::duration_cast<chrono::milliseconds>(end - start).count() << "ms" << endl;
start = chrono::high_resolution_clock::now();
concat2(10000);
end = chrono::high_resolution_clock::now();
cout << "concat2: " << chrono::duration_cast<chrono::milliseconds>(end - start).count() << "ms" << endl;
}설명: ostringstream이 string += 보다 훨씬 빠릅니다.
예시 2: 룩업 테이블
#include <iostream>
#include <cmath>
#include <chrono>
using namespace std;
// ❌ 느림 (매번 계산)
double slow(int x) {
return sin(x * 0.01);
}
// ✅ 빠름 (미리 계산)
class FastSin {
private:
static constexpr int SIZE = 360;
double table[SIZE];
public:
FastSin() {
for (int i = 0; i < SIZE; i++) {
table[i] = sin(i * 0.01);
}
}
double get(int x) {
return table[x % SIZE];
}
};
int main() {
FastSin fastSin;
auto start = chrono::high_resolution_clock::now();
for (int i = 0; i < 1000000; i++) {
slow(i);
}
auto end = chrono::high_resolution_clock::now();
cout << "slow: " << chrono::duration_cast<chrono::milliseconds>(end - start).count() << "ms" << endl;
start = chrono::high_resolution_clock::now();
for (int i = 0; i < 1000000; i++) {
fastSin.get(i);
}
end = chrono::high_resolution_clock::now();
cout << "fast: " << chrono::duration_cast<chrono::milliseconds>(end - start).count() << "ms" << endl;
}설명: 반복적인 계산은 룩업 테이블로 대체할 수 있습니다.
예시 3: SIMD 최적화
#include <immintrin.h> // AVX
#include <iostream>
using namespace std;
// ❌ 일반 루프
void add_scalar(float* a, float* b, float* c, int n) {
for (int i = 0; i < n; i++) {
c[i] = a[i] + b[i];
}
}
// ✅ SIMD (8개씩 처리)
void add_simd(float* a, float* b, float* c, int n) {
for (int i = 0; i < n; i += 8) {
__m256 va = _mm256_loadu_ps(&a[i]);
__m256 vb = _mm256_loadu_ps(&b[i]);
__m256 vc = _mm256_add_ps(va, vb);
_mm256_storeu_ps(&c[i], vc);
}
}설명: SIMD를 사용하면 여러 데이터를 동시에 처리할 수 있습니다.
프로파일링 도구
1. gprof
# 컴파일
g++ -pg program.cpp -o program
# 실행
./program
# 프로파일 확인
gprof program gmon.out > analysis.txt2. Valgrind (Callgrind)
# 프로파일링
valgrind --tool=callgrind ./program
# 결과 확인
kcachegrind callgrind.out.*3. perf (Linux)
# 프로파일링
perf record ./program
# 결과 확인
perf report최적화 체크리스트
1. 알고리즘 최적화
- 시간복잡도 확인 (O(n²) → O(n log n))
- 불필요한 중복 계산 제거
- 적절한 자료구조 선택
2. 메모리 최적화
- reserve() 사용
- 불필요한 복사 제거
- move 시맨틱스 활용
3. 컴파일러 최적화
- -O2 또는 -O3 사용
- inline/constexpr 활용
- LTO 고려
4. 캐시 최적화
- 데이터 지역성 개선
- 순차 접근 패턴
- 구조체 패딩 최소화
5. 병렬화
- 멀티스레딩 고려
- SIMD 활용
- GPU 가속 (CUDA, OpenCL)
자주 발생하는 실수
실수 1: 조기 최적화
// ❌ 읽기 어려운 코드
int x = (a << 1) + (b >> 2); // 최적화 시도
// ✅ 명확한 코드 (컴파일러가 최적화)
int x = a * 2 + b / 4;실수 2: 프로파일링 없이 최적화
1. 프로파일링으로 병목 찾기
2. 병목 부분만 최적화
3. 다시 프로파일링으로 확인실수 3: 마이크로 최적화에 집착
알고리즘 개선 > 자료구조 선택 > 코드 최적화FAQ
Q1: 언제 최적화해야 하나요?
A:
- 프로파일링으로 병목 확인
- 병목이 실제 문제인지 확인
- 최적화 후 측정
Q2: 가장 효과적인 최적화는?
A: 알고리즘 개선이 가장 효과적입니다. O(n²) → O(n log n)
Q3: 컴파일러 최적화를 믿어도 되나요?
A: 네, 대부분의 경우 컴파일러가 더 잘 최적화합니다.
Q4: 성능 vs 가독성?
A: 가독성을 우선하되, 병목 부분만 최적화하세요.
Q5: 프로파일링 도구 추천은?
A:
- Linux: perf, Valgrind
- Windows: Visual Studio Profiler
- 크로스 플랫폼: Tracy Profiler
Q6: 최적화 학습 리소스는?
A:
- “Optimized C++” by Kurt Guntheroth
- CppCon 발표 영상
- Compiler Explorer (godbolt.org)
같이 보면 좋은 글 (내부 링크)
이 주제와 연결되는 다른 글입니다.
- C++ 메모리 정렬 | “Alignment와 Padding” 가이드
- C++ Profiling | “성능 프로파일링” 가이드
- C++ 프로파일링 | “어디가 느린지 모르겠어요” perf·gprof로 병목 찾기
관련 글
- C++ Algorithm Sort |
- C++ 메모리 정렬 |
- C++ Benchmarking |
- C++ Cache Optimization |
- C++ string vs string_view |