카테고리 보관물: 개발

개발과 관련된 이야기들~*

Web Canvas에서 화면에 출력할 문자열의 길이 알아내기

Canvas의 Context에 measureText라는 메소드를 사용하면, TextMetrics라는 객체를 돌려받게 되고, width 속성을 통해서 화면에 그려질 텍스트의 크기를 알아낼 수 있다.

var canvas = document.createElement('canvas');
var ctx = canvas.getContext('2d');
var text = ctx.measureText('12345');
console.log(text.width);

참고자료:
https://developer.mozilla.org/ko/docs/Web/API/Canvas_API/Tutorial/Drawing_text

크레온 플러스 API 연동관련 IsConnect 확인 후 강제종료

크레온 플러스 API 연동시 특정 시스템에서 발생하는 문제가 있다.

결론부터 이야기하자면, 윈도우즈 운영체제에서 인식하는 CPU 개수가 1개인 경우에 CpCybos의 IsConnect 값을 확인하는 경우에 실행중인 어플리케이션이 강제 종료되는 현상이 있다. CPU 개수가 2개 이상인 경우에는 문제없이 작동하는 것을 확인했다.

원인을 파악하는 상세한 과정은 아래에 적어두었다. 과정에 대해 궁금하지 않은 사람은 읽지 않아도 괜찮다.

테스트한 머신은
Vultr 가상 머신 1 CPU, 2G RAM
python 3.9.6
pywin32 302

필자가 작성한 파이썬 코드에서 IsConnect에서 문제가 생기는 것을 확인하고, 문제를 파악하기 위해서 다시 작성한 코드는 아래와 같다.

import win32com.client
import time

print("START")
cp_cybos = win32com.client.Dispatch('CpUtil.CpCybos')
print("LOADED")
a = time.time()
is_connected = cp_cybos.IsConnect
b = time.time()
d = b - a
print("%.8f" % d)

for i in range(10):
print(i)
time.sleep(1)

print("END")

화면 출력 결과는 오류 없이 아래와 같이 출력되고 끝난다.

START
LOADED
5.55898523
0
1

너무 당황스러웠다, For Loop을 돌다가 어플리케이션이 강제종료된다는 것은 상식적인 코드의 실행결과가 아니었다.

흥미로운 것은 IsConnect 값을 얻어오는 과정이 문제가 생기지 않는 머신에서는 1초 미만의 시간만 걸리는 한 편, 문제가 생기는 머신에서는 5초 이상의 시간이 걸린다는 것이었다.

집에 있는 PC에서도 동일한 python 버전과 동일한 버전의 pywin32 라이브러리를 사용했는데, 결과가 달랐다.

1차적으로는 OS 버전이 달랐기 때문에, 혹시나 하는 마음으로 집에 있는 운영체제와 같은 버전의 윈도우를 Vultr의 동일 사양의 인스턴스에 설치해보았다. 하지만 결과는 같았다. 동일한 문제가 생기고 있었다. OS 버전의 차이가 영향을 주는 게 아니라는 것을 확인했다.

크레온 플러스 API Q&A 게시판에서 관련 게시물들을 검색하다가, “Re : 비주얼 스튜디오 닫힘 현상”이라는 게시물을 확인했고, 디버깅 하는 경우에는 “메모리 보안 프로그램 사용”을 끄고 사용해야 한다는 것이다.

그래서 동일한 시스템에서 “메모리 보안 프로그램 사용”의 체크를 해제하고 크레온 플러스를 실행하니, 정상 작동이 되는 것이다. 그러면 보안 프로그램 끄고 쓰면 되겠네 싶겠지만, 집에 있는 피씨에서는 보안 프로그램을 끄지 않고도 잘 된다. 보안 프로그램을 쓸 수 있는 PC와 쓸 수 없는 PC에는 어떤 차이가 있어서 그런 것일까 의문이 들었다.

가상 머신이라서 안 되는 것일까 싶은 생각이 들어서, 현재 개발용 머신으로 사용하는 Ubuntu 20.04에 Gnome Boxes 위에 동일한 윈도우즈를 설치하고 테스트해봤다. 전혀 문제가 생기지 않았다.

그렇다면 Vultr 서비스에 어떤 문제가 있어서 그런 것 아닐까 싶었다. 그런데 지난 번에 사용했던 $20 짜리 인스턴스는 문제가 생기지 않았었는데, 왜일까 싶은 생각이 들었다. 현재 테스트한 Vultr의 인스턴스는 CPU 1개짜리, 잘 되던 인스턴스는 CPU 2개짜리 였다. 잽싸게 떠놓은 Snapshot으로 CPU 2개짜리 인스턴스를 띄우고 테스트 해 봤고, 잘 작동하는 것을 확인했다.

이게 정말 원인이라면 Gnome Boxes에서도 동일한 문제가 생겨야 한다는 생각으로 Gnome Boxes의 CPU 개수를 1개로 변경하고 다시 테스트 해봤는데, 동일한 문제가 생겼다.

결론을 다시 정리해 보았다.

첫째, AOS는 CPU 개수가 1개인 머신에서 크레온 플러스의 IsConnect 값을 얻어오는 과정에서 문제를 일으킨다.

둘째, 가상머신이나 클라우드 서비스와는 아무 상관이 없다.

해결책
IsConnect 값을 얻어온 이후에 얼마 안 있다가 어떠한 오류 메시지도 없이 작성한 어플리케이션이 종료된다면, CPU 개수를 운영체제가 몇 개로 인식하고 있는지 확인하고, 만약 1개라면 2개 이상인 머신에서 구동한다.

끝!

“길벗과 함께” 이용자 폭증 사태

이틀간 폭풍같이 이용자들이 “길벗과 함께”를 쓸고 지나갔다.

엄청 많은 사용자가 몰린 게 아님에도 불구하고, 서비스의 서버 성능 의존도가 발목을 잡아서 이용자들이 서비스를 제대로 이용하지 못하는 상황이 발생했다. 우선은 급한 불을 끈 상태다.

이번 경험을 통해 느낀점을 정리하면,

  1. 현재 “길벗과 함께”는 서버에 부하를 많이 주는 구조다. 즉, 현 상태를 지속하면 추후 다수의 접속이 발생했을 때 서비스 불가 상태가 또 발생할 수 있으므로 해결책을 찾아야 한다.
  2. 폭풍 같은 접속이 있다고 해서 사람들이 꾸준히 이용하는 것은 아니다. 특정 이벤트가 발생했을 때 이용자가 증가한다. 특히, 퀴어페스티벌 전후로도 버틸 수 있어야 할 것이다.
  3. 부하를 최대한 서버에서 클라이언트 단으로 옮겨야 한다고 잠정적으로 결론을 내렸다. 하지만 그걸 어떻게 할 것인가! 사실 대강의 청사진은 그려 놓은 상태다ㅎㅎ 과연 얼마나 잘 작동할지는 테스트 해 봐야 할 것 같다.

당장은 할 일이 있으니 조만간 다시 살펴보는 걸로!

‘길벗과 함께’ 출시

길벗체로 이미지를 쉽게 만들 수 있는 서비스 ‘길벗과 함께(https://gilbeot.osg.kr)‘를 지난 주에 출시 하였다.

길벗체로 작성한 문구를 프로필 사진으로 활용하고 싶은 분들이 많다는 사실을 알고서, 어떻게 하면 이용자들이 쉽게 이용할 수 있을지 몇 달 동안 고민하고 있었다.

두어 달 전에 기술적 가능성을 살펴봤는데, 그때까지 확인한 방법으로는 컬러폰트를 사용할 수 없었다. 그런데, 최근에 작업했던 내용들과 관련해서 지난 주에 갑자기 아이디어가 떠올랐다. 그래서 확인해 본 결과 가능성이 있음을 확인하고, 작업에 착수하였다.

대략 3일간 전체적인 개발을 마치고, 이틀 정도 디버깅을 마친 후 출시하였다. 물론 문제가 있다. 사람들은 예상치 못했던 이모티콘을 사용하고 싶어했고, 준비되지 않은 글자를 사용하는 경우 오류가 발생하는데, 사용자가 인지할 수 있는 UI/UX가 준비되어 있지 않아서, 이용자들이 아직도 불편을 겪고 있다. 이에 대해 미안한 마음이 든다. 혹시 길벗과 함께 이용자가 이 글을 읽는다면 이해를 부탁드린다.

빨리 개선하고 싶은데 개인 프로젝트로 하는 것이다보니 아무래도 완전히 여기에만 집중할 수 없음이 아쉽다. 그래도 짬짬이 시간을 내어서 조금씩 개선해가고 있다. 매일 방문하고 이용해 주시는 분들이 계셔서 ‘내가 뻘짓으로 시간을 버리지는 않았구나’ 싶은 생각이 들기도 한다.

앞으로도 필요한 서비스들을 틈틈이 만들어 가려고 한다.

numba guvectorize 활용하기

numba의 guvectorize를 사용하면 array 형태의 값 처리의 속도를 매우 빠르게 할 수 있다.

우선 실행 결과를 먼저 보겠다. aaa는 guvectorize를 사용해서 연산한 경우이고, bbb는 그냥 python 코드로 실행한 결과이다. ccc는 numpy의 벡터 연산을 실시한 결과다. guvectorize를 적용했을 때 단순 for loop를 사용했을 때에 비해 약 300배 가까이 빠른 실행을 보였다. numpy의 벡터 연산을 활용하면 for loop을 사용했을 때 보다 1400배 가까이 빠르게 실행되었다.

aaa: elapsed=0.0275056362s
bbb: elapsed=9.2325780392s
ccc: elapsed=0.0066127777s
>>> 9.2325780392 / 0.0275056362
335.6613158142476
>>> 9.2325780392 / 0.0066127777
1396.1724494685493

결론부터 말하자면, Array의 단순 연산은 numpy의 벡터연산이 가장 빠르다. 특정 로직에 따른 연산이 필요할 땐 guvectorize를 활용하자.

guvectorize의 사용법을 간단히 살펴보자. guvectorize의 경우에는 값을 return하지 않는다. 대신에 파라미터에 대한 선언을 정확히 해 주면 된다.

@guvectorize(['void(int64[:], int64[:])'], '(n) -> (n)')
def function_name(x, y):

순서대로 int64[:], int64[:]는 뒤의 (n) -> (n)과 매칭된다.

Array가 아닌 단순 값을 파라미터로 추가하는 경우에는 아래와 같이 처리하면 된다. 데이터 타입의 정의 개수와 입력, 출력 파라미터의 형식, 그리고 함수의 정의까지 모두 일치해야 한다.

@guvectorize(['void(int64[:], boolean, int64[:])'], '(n),() -> (n)')
def function_name(x, twist, y):

아래에는 위의 결과를 만든 소스 코드를 붙인다.

import time
import numpy as np
from numba import guvectorize


def timer(func):
    def measure(*args, **kwargs):
        begin = time.time()
        val = func(*args, **kwargs)
        end = time.time()
        print(f">> {func.__name__}: elapsed={'%.10f' % (end - begin)}s")
        return val

    return measure

@timer
@guvectorize(['void(int64[:], int64[:])'], '(n) -> (n)')
def aaa(x, y):
    for i, val in enumerate(x):
        y[i] = val + 3 * 3 / 5 * 1.23 / 6.53

@timer
def bbb(x):
    y = np.empty([len(x), 1])
    for i, val in enumerate(x):
        y[i] = (val + 3 * 3 / 5 * 1.23 / 6.53)
    return y

@timer
def ccc(x):
    return x + 3 * 3 / 5 * 1.23 / 6.53

a = np.int32(np.round(np.random.rand(5000000) * 1000))
out = aaa(a)
out = bbb(a)
out = ccc(a)

매매로직 재사용

빠른 배포가 중요하다는 포스팅에서 이야기 한 방법은 사실 안정적이지 않다. 더 좋은 방법은 백테스트할 때 활용한 매매 시스템의 로직을 트레이딩 시스템에서 동일하게 활용하는 방법이다. 1호 시스템을 만들고 나서, 앞으로 2호 이후의 시스템들을 만들 생각을 하니 매번 모든 코드를 작성해야 하는 것은 비효율적이라는 생각이 들었다. 매매로직을 모듈화해서 백테스트와 트레이딩 시스템에 모두 동일하게 활용할 수 있게 한다면, 백테스트에서 실전 매매 시스템 개발까지의 기간을 최소화 할 수 있을 것이라는 생각이 들었고, 이 작업에 이제 곧 착수할 예정이다.

백테스트의 성능을 저하시키지 않으면서, 트레이딩 시스템에 어떻게 장착할 수 있을지에 대한 설계가 필요하다. 특히 키움의 QEventLoop 사용방식은 코드의 복잡도를 증가시키기 때문에 ES7의 async, await 처럼 비동기를 동기식으로 사용할 수 있는 방법을 찾아보려고 한다.

그리고 앞으로는 TDD를 사용하여 시스템을 개발하려고 한다. 과거의 경험을 비추어봐도 TDD로 개발할 때 생산성이 가장 좋았고, 오류가 적었다. 1호 시스템을 개발하면서 매매로직 테스트하는 부분만 TDD를 활용하긴 했는데, case에 대한 정리가 부족한 탓에 오류 상황들이 발생했다. 그럼에도 테스트코드가 있어서 빠르게 문제를 발견하고 해결할 수 있었다.

쨌든 Do not Repeat Yourself(DRY 원칙)를 시스템 구축에도 활용해서 시스템 제작의 생산성을 높여야겠다.

트레이딩 시스템도 역시 빠른 배포가 필요하다!

시스템을 제작하고 이번 주에 시스템을 구동했다.

개발을 하면서 늘 느끼는 것은 ‘빠른 출시’는 언제나 항상 옳다는 것이다. 서버에 배포가 되고나면 문제해결에 보다 집중하게 된다.

작성한 코드에서 문제가 발생하면 안되기 때문에, 빠르게 버그를 잡아내고 문제를 해결해야 한다. 심지어 트레이딩 시스템은 현물로 거래하는 구조이기 때문에, 자칫 잘못하면 금전적 손실을 떠안을 수도 있다.

트레이딩 시스템 구축시 반드시 해야 하는 것은, 1차적인 테스트는 절대적으로 모의투자 기능을 적극적으로 활용해야 한다. 사실 모의투자와 실전투자의 차이는 키움의 경우 모의투자에서 제공되지 않는 API가 있는 정도고, 그 외에는 모두 동일하다. 단지 계좌번호가 다를 뿐이다.

본인이 만든 시스템에서 매수/매도 신호를 제때 일으키고 정해진 룰에 따라 주문을 하는지 확인하는 과정은 필수적이다. 이 과정을 굳이 실전계좌를 사용해서 현물을 잃어가면서 할 필요는 없다.

적정한 테스트 기간이 필요할 것이고, 안정적으로 테스트가 된 후에 실전계좌로 변경해서 수익화 해 가면 될 것이다.

IntelliJ IDEA에서 한글 입력이 안 되는 현상(Ubuntu 18.04, UIM 입력기)

최근에 IntelliJ IDEA 2019.3 으로 업데이트 후 한글입력이 안되는 현상이 발생했다.
그래서 Jetbrains에 문의하였다.

한글입력을 위해서 UIM(벼루)을 사용하고 있었고, IDEA 2019.2에서는 작동했지만, 업데이트 후 작동하지 않음을 보고 했다.

idea.log를 첨부해달라는 메시지를 보고, idea.log를 살펴봤는데, 문제가 되는 로그를 확인했다.

2019-12-26 21:13:15,112 [ 10848] INFO – ntellij.idea.ApplicationLoader – canDisableInputMethod spent 33 ms, found keyboard layouts: [(us, xkb), ], result==true
2019-12-26 21:13:15,209 [ 10945] INFO – #com.intellij.idea.Main – InputMethods was disabled

UIM은 영문입력기만 있으면 되고, 한글 입력기가 별도로 필요없다.

그런데, 영문 입력기 하나만 있으면 IDEA에서 canDisableInputMethod를 true로 반환하는 것이다. 그러니 Shift + Space를 눌러도 아무 반응이 없이, Space 처리만 되면서 한글을 입력할 수 없었던 것이다.

그래서 ibus용 한글 입력기를 하나 추가한 이후에 다음과 같은 로그를 확인했다.

2019-12-26 21:24:45,771 [ 11841] INFO – ntellij.idea.ApplicationLoader – canDisableInputMethod spent 77 ms, found keyboard layouts: [(hangul, ibus), (us, xkb), ], result==false

이제서야 IDEA에서 한글 입력이 잘 된다. 물론 입력기는 그냥 영문으로만 선택해 놓고, UIM을 사용하여 한글을 입력한다.

ibus를 사용하면 웹 브라우저에서 한글 입력이 자음만 되는 이상한 현상이 있어서 UIM을 사용하고 있다.

어쨌든 이렇게 해결을 했다.

Jetbrains에서 관련 이슈를 파 줬다.
https://youtrack.jetbrains.com/issue/JBR-2049

동일한 문제로 어려움을 겪는 분에게 도움이 됐으면 좋겠다.

Python에서 용량이 큰 테이블의 insert, update 속도 문제

테이블 하나에 약 800만개의 레코드를 가진 테이블(약 1.2GB)을 만들고 분석할 기회가 생겼는데, 매일의 데이터 변경사항에 대해 추가하거나 업데이트를 해야 한다.

약 1,000개의 레코드를 업데이트하는데 25초 정도 걸렸다. 분명 뭔가 잘못됐다는 신호다. 초당 40개 정도의 업데이트밖에 되지 않았다.

해결책은 그리 복잡하지 않았다. 필자가 했던 적용법들은 다음과 같다.

1. select query를 사용하여 레코드 하나씩 1,000번씩 쿼리를 던져서 필요한 값들을 확인하던 것을 한 번의 쿼리로 작업 단위에 필요한 만큼 불러온 후, python에서 관련 값들을 확인하고 처리하도록 변경했다.

2. insert시 1,000개의 insert query를 실행하던 것을 다음과 같이 한 개의 insert query로 변경했다. 이 방법을 사용하는 경우 query문이 너무 길어지는 경우 실행되지 않을 수 있다. my.cnf에 관련 값을 얼마로 설정했느냐에 따라 달라지는 것으로 보이는데, key값이 지금은 기억나지 않는다. 추후에 확인해 보고 추가해 놓으려 한다.

insert into 테이블명 (필드1, 필드2, ...) values (값1a, 값2a, ...), (값1b, 값2b, ...), ..., (값na, 값 nb, ...)

3. update시 1,000개의 query를 실행하는 것은 동일하지만, where절에 키 두 개를 사용해서 update 하던 것을 primary key 하나만 사용하도록 변경하였다.

위의 3가지 방법을 모두 적용한 후 1,000개 레코드 처리에 25초 정도 걸리던 것은 평균 0.6초 이내로 처리시간이 단축되었다.

적용하기 전에는 Mysqld 프로세스의 CPU 점유율이 단일코어기준으로 100%이었는데, 변경 후에는 약6% 언저리에서 작동했다. 작업 환경은 다음과 같다. CPU는 인텔 G4400, 메모리 8G, SSD 128G, OS는 Windows 10, MariaDB 버전은 10.2를 사용하였다. 그리고 프로그래밍 언어는 Python3에서 MySQLdb를 사용하였다.

테이블 용량이 조금 크다고 해서 테이블을 여러개로 쪼개는 것이 우선이 아니라는 것을 이번에 배웠다. 특히 테이블 크기가 큰 경우에는 DB의 부하를 줄이는 방향으로 최적화할 필요가 있음을 느꼈다. 재미있는 경험이었으며, 기본적인 원칙이 얼마나 중요한지 다시금 생각해 보는 계기가 됐다.

mocha, jasmine 원하는 테스트만 실행/제외

Mocha에서 원하는 테스트만 실행하려 할 때는 .only를 사용하면 된다.

다음 예제의 경우 test 1만 실행된다.

describe('description', () => {
  it.only('test 1', () => {})
  it('test 2', () => {})
})

그리고, 다음의 경우에는 description 1의 test 1, 2만 실행된다.

describe.only('description 1', () => {
  it('test 1', () => {})
  it('test 2', () => {})
})

describe('description 2', () => {
 it('test 11', () => {})
 it('test 12', () => {})
})

그리고 제외하는 것은 .skip을 사용하면 된다. 작동되는 원리는 .only와 같다.

describe.skip(~)

it.skip(~)

Jasmine에서도 작동원리는 Mocha와 동일하다.

Jasmine에서는 focused의 의미로 f를 붙여서 원하는 테스트만 실행한다.

fdescribe(~)

fit(~)

그리고 제외하는 것은 exclude의 의미로 x를 붙여서 테스트를 제외시킨다.

xdescribe(~)

xit(~)

jasmine이 사용하기는 더 편해보이지만, mocha는 처음 보는 누구라도 쉽게 이해할 수 있도록 되어 있다.

<요약>
1. 원하는 테스트만 실행:
– mocha(describe.only, it.skip)
– jasmine(fdescribe, fit)
2. 원하는 테스트만 제외:
– mocha(describe.skip, it.skip)
– jasmine(xdescribe, xit)