[cpython] CPython inspect.getattr_static 성능 개선: 일반적인 메타클래스 사례 최적화

2026년 5월 10일수정: 2026년 5월 10일

PR 링크: python/cpython#149437 상태: Merged | 변경: +0 / -0

들어가며

Python의 inspect 모듈은 객체의 정보를 동적으로 검사하는 데 유용한 도구들을 제공합니다. 그중 inspect.getattr_static 함수는 객체의 속성을 동적으로 조회할 때 사용됩니다. 하지만 특정 상황, 특히 클래스의 메타클래스가 복잡하게 얽혀 있는 경우 이 함수의 성능이 저하될 수 있다는 문제가 제기되었습니다. 이번 PR (gh-149436)은 이러한 성능 병목 현상을 해결하고, 특히 일반적인 메타클래스 사용 사례에서 inspect.getattr_static의 속도 향상을 목표로 합니다.

이 글에서는 해당 PR의 코드 변경 내용을 상세히 분석하고, 왜 이러한 변경이 성능 개선으로 이어지는지, 그리고 이 최적화가 우리에게 주는 일반적인 교훈은 무엇인지 살펴보겠습니다.

코드 분석

이번 PR의 핵심 변경 사항은 Lib/inspect.py 파일에 집중되어 있습니다. 변경된 코드를 Before/After 형태로 비교하며 자세히 살펴보겠습니다.

`Lib/inspect.py` 변경 사항

`_check_class` 함수 수정

inspect.getattr_static 함수는 내부적으로 _check_class 함수를 호출하여 클래스에서 속성을 찾습니다. 이 함수의 로직이 이번 PR에서 크게 개선되었습니다.

Before:

def _check_class(klass, attr):
    for entry in _static_getmro(klass):
        if _shadowed_dict(type(entry)) is _sentinel and attr in entry.__dict__:
            return entry.__dict__[attr]
    return _sentinel

After:

def _check_class(klass, attr):
    last_meta = None
    for entry in _static_getmro(klass):
        meta = type(entry)
        if meta is last_meta or _shadowed_dict(meta) is _sentinel:
            last_meta = meta
            if attr in entry.__dict__:
                return entry.__dict__[attr]
    return _sentinel

분석:

기존 코드에서는 클래스의 MRO(Method Resolution Order)를 순회하면서 각 클래스(entry)의 __dict__에 attr이 있는지 확인했습니다. 이때 _shadowed_dict(type(entry)) is _sentinel 조건을 통해 메타클래스가 해당 속성을 직접 가지고 있지 않음을 확인했습니다. 이 방식은 메타클래스가 여러 개이거나, 상속 구조가 복잡할 때 불필요한 검사를 수행할 수 있었습니다.

개선된 코드에서는 last_meta 변수를 도입하여 이전에 처리했던 메타클래스를 추적합니다. 새로운 로직은 다음과 같습니다:

meta = type(entry): 현재 클래스의 메타클래스를 가져옵니다.
if meta is last_meta or _shadowed_dict(meta) is _sentinel:: 이 조건은 두 가지 경우를 처리합니다.
- meta is last_meta: 현재 클래스의 메타클래스가 바로 직전 클래스의 메타클래스와 동일한 경우입니다. 이는 동일한 메타클래스를 가진 여러 클래스가 MRO에 연속적으로 나타날 때, 불필요한 _shadowed_dict 검사를 건너뛰게 합니다. 예를 들어, A와 B가 같은 메타클래스를 공유하고 A가 B의 부모라면, B를 처리할 때 _shadowed_dict(type(B))를 검사하는 것은 A를 처리할 때 이미 수행된 검사와 중복될 수 있습니다. 이 최적화는 이러한 중복을 제거합니다.
- _shadowed_dict(meta) is _sentinel: 메타클래스가 해당 속성을 직접 가지고 있지 않음을 나타내는 기존 조건입니다. 이 조건은 여전히 유지되어, 메타클래스 자체에 속성이 정의되어 있지 않은 경우에만 entry.__dict__를 확인합니다.
last_meta = meta: 현재 메타클래스를 last_meta에 저장하여 다음 반복에서 사용합니다.
if attr in entry.__dict__:: 위 조건이 만족되면, 현재 클래스(entry)의 __dict__에서 attr을 찾습니다. 이 부분은 기존과 동일합니다.

이 변경은 특히 여러 클래스가 동일한 메타클래스를 공유하는 일반적인 상속 시나리오에서 _shadowed_dict 호출 횟수를 줄여 성능을 향상시킵니다.

`_shadowed_dict` 함수 수정

Before:

def _shadowed_dict(klass):
    # ... (주석) ...
    return _shadowed_dict_from_weakref_mro_tuple(
        *[make_weakref(entry) for entry in _static_getmro(klass)]
    )

After:

def _shadowed_dict(klass):
    # ... (주석) ...
    # Fast path: `type` is the dominant caller; result is always _sentinel.
    if klass is type:
        return _sentinel
    return _shadowed_dict_from_weakref_mro_tuple(
        *[make_weakref(entry) for entry in _static_getmro(klass)]
    )

분석:

_shadowed_dict 함수는 클래스의 메타클래스가 해당 속성을 직접 가지고 있는지 여부를 확인하는 데 사용됩니다. type은 모든 클래스의 메타클래스이므로, _shadowed_dict(type)는 매우 빈번하게 호출될 수 있습니다. type 메타클래스의 __dict__에는 일반적으로 inspect.getattr_static이 찾는 속성이 직접 정의되어 있지 않습니다. 따라서 _shadowed_dict(type)의 결과는 항상 _sentinel이 될 가능성이 높습니다.

개선된 코드에서는 if klass is type: return _sentinel이라는 빠른 경로(fast path)를 추가했습니다. 이를 통해 klass가 type일 경우, 복잡한 MRO 순회 및 _shadowed_dict_from_weakref_mro_tuple 호출 없이 즉시 _sentinel을 반환합니다. 이는 type 메타클래스가 관련된 모든 호출에서 상당한 성능 향상을 가져올 것입니다.

왜 이게 좋은가?

이번 PR은 두 가지 주요 최적화를 통해 inspect.getattr_static의 성능을 개선했습니다.

_check_class에서의 메타클래스 중복 검사 제거: 동일한 메타클래스를 가진 클래스들이 MRO에 연속적으로 나타날 때, 불필요한 _shadowed_dict 호출을 건너뛰도록 하여 오버헤드를 줄였습니다. 이는 특히 일반적인 객체 지향 프로그래밍 패턴에서 흔히 볼 수 있는 시나리오에 직접적인 영향을 미칩니다.
_shadowed_dict에서의 type 메타클래스 빠른 경로 추가: 모든 클래스의 메타클래스인 type에 대한 검사를 최적화하여, 관련 호출의 성능을 크게 향상시켰습니다. 이는 Python 인터프리터의 핵심적인 부분에서 자주 사용되는 함수에 대한 최적화이므로, 전반적인 Python 실행 속도 향상에 기여할 수 있습니다.

정확한 성능 수치는 제공되지 않았지만, 이러한 최적화는 특히 속성 조회 작업이 빈번하게 발생하는 코드(예: 프레임워크, ORM 등)에서 눈에 띄는 속도 향상을 가져올 것으로 기대됩니다.

일반적인 교훈:

프로파일링의 중요성: 성능 병목 현상은 종종 예상치 못한 곳에서 발생합니다. inspect 모듈과 같이 일반적으로 자주 사용되지 않는다고 생각될 수 있는 부분에서도 최적화의 여지가 있습니다. 실제 사용 사례를 기반으로 프로파일링하고 병목 지점을 찾아 개선하는 것이 중요합니다.
흔한 사례에 대한 최적화: 모든 경우를 완벽하게 최적화하는 것은 어렵습니다. 대신, 가장 빈번하게 발생하는 '흔한 사례(common case)'를 식별하고 해당 사례에 대한 최적화를 집중하는 것이 실질적인 성능 향상에 더 효과적입니다.
메타프로그래밍과 성능: Python의 강력한 메타프로그래밍 기능(메타클래스 등)은 유연성을 제공하지만, 때로는 성능 오버헤드를 동반할 수 있습니다. 이러한 기능을 사용할 때는 성능 영향을 인지하고, 필요하다면 inspect 모듈과 같은 도구를 통해 최적화 방안을 모색해야 합니다.

⚠️ 알림: 이 분석은 AI가 실제 코드 diff를 기반으로 작성했습니다.

PR Analysis 의 다른글

이전글 [sglang] SGLang의 MHC 파이프라인 최적화: 커널 퓨전과 DeepGemm 도입
현재글 : [cpython] CPython inspect.getattr_static 성능 개선: 일반적인 메타클래스 사례 최적화
다음글 없음