셋째 날: File::Map을 이용한 메모리맵 파일 접근

저자

@keedi - Seoul.pm 리더, Perl덕후, keedi.k at gmail.com

시작하며

Perl로 텍스트 파일을 처리하는 것은 일상적인 일입니다. 하지만 대용량 파일을 다뤄야 할 때는 어떻하시나요? 물론 Perl은 내재된 한계 따윈 없는 멋진 녀석이긴 하지만 우리의 시스템은 메모리라는 한계를 가지고 있습니다. 대용량 파일을 그것도 순차적이 아니라 임의의 위치에 접근해야 한다면, 그리고 심지어 값을 변경하기까지 해야한다면 조금은 다른 방법으로 스크립트를 작성해야 할 것입니다.

준비물

우선 10000x10000 행렬(1억개 요소)을 준비합니다. 행렬에 들어가는 자료는 0에서 499사이의 정수형 값을 무작위로 집어넣되 열에서 각 항목은 빈 칸으로 구분하고 행은 줄바꿈 문자로 구분합니다. 이와 같은 행렬을 자동으로 생성하는 Perl 스크립트(gen-matrix.pl)는 다음과 같습니다.

#!/usr/bin/env perl

use strict;
use warnings;
use Readonly;

Readonly my $NCOLS => 10000;
Readonly my $NROWS => 10000;
Readonly my $MAX   => 500;

for ( 1 .. $NROWS ) {
    print int(rand $MAX), ' ' for 1 .. $NCOLS;
    print "\n";
}

가독성을 위해 CPAN의 Readonly 모듈을 사용합니다. Readonly 모듈이 없을 경우 다음 명령을 이용해 설치합니다.

$ cpan Readonly

gen-matrix.pl에 실행권한을 추가합니다.

$ chmod 755 gen-matrix.pl

명령줄에서 다음 명령을 실행해서 1000x1000 행렬 데이터를 담을 matrix.asc를 만듭니다.

$ ./gen-matrix.pl > matrix.asc

단순하게, 평범하게?

행렬이 준비되었다면 이제 각각의 요소에 접근해보죠. 행열인만큼 row_idx, col_idx값을 이용해서 접근하도록 합니다. 접근할 위치를 (row_idx, col_idx)로 나타낸다고 할 때 (0, 0)은 행렬의 1행 1열에 해당하는 요소를 접근하는 것을 의미합니다.

'Simple is the Best'란 구호에 맞게 행렬의 특정 요소로 접근하는 함수를 matrix()라고 할 때 standard-access.pl Perl 스크립트는 다음과 같을 것입니다.

#!/usr/bin/env perl

use 5.010;
use strict;
use warnings;
use autodie;
use FindBin '$Script';
use Readonly;

Readonly my $NCOLS => 10000;
Readonly my $NROWS => 10000;

die "Usage: $Script <matrix ascii file>\n"
  unless @ARGV == 1;
my $file = shift;

open my $fh, '<', $file;

say matrix(0, 0);
say matrix(1, 1);
say matrix(10, 5);
#
# ... go ahead ...
#

close $fh;

sub matrix {
    my ( $row_idx, $col_idx ) = @_;

    $row_idx = $row_idx < 0 ? 0 : $row_idx;
    $col_idx = $col_idx < 0 ? 0 : $col_idx;

    $row_idx = $row_idx < $NROWS ? $row_idx : $NROWS - 1;
    $col_idx = $col_idx < $NCOLS ? $col_idx : $NCOLS - 1;

    my $row_cnt;
    seek $fh, 0, 0;
    while (<$fh>) {
        next if $row_cnt++ < $row_idx;
        return (split)[$col_idx];
    }
    return;
}

문제점

standard-access.pl 스크립트는 정리하면 다음과 같은 형태를 가집니다.

open my $fh, '<', $file;

#
# call matrix()
#

close $fh;

sub matrix {
    my ( $row_idx, $col_idx ) = @_;

    #
    # 인자 검사
    #

    seek $fh, 0, 0;
    while (<$fh>) {
        next if $row_cnt++ < $row_idx;
        return (split)[$col_idx];
    }
    return;
}

이렇게 작성할 경우 매번 matrix() 함수를 호출하는 시점마다 파일의 처음으로 포인터를 이동해서 줄 단위로 순차적 이동을 해야합니다. 파일의 크기가 점점 커지고 뒷쪽의 행렬 요소를 읽어들여야 한다면 심각한 성능 저하가 일어납니다. 또한 특정 열로 이동하기 위해 한 줄을 다 읽어 들여야 하는데 물론 Perl은 개의치 않고 여러분이 원하는대로 최선을 다해 읽어들이겠지만 행의 너비가 점점 길어진다면 이것도 큰 문제는 아니지만 낭비이긴 합니다.

하지만 무엇보다 가장 큰 문제는 쓰기가 번거롭다는 것입니다. 각 항목의 데이터가 가변적이기 때문에 값을 변경해야 할 경우 최악의 경우 변경되는 요소가 있는 항목 이후의 모든 값을 다 새로 써야합니다.

빠르게, 더 빠르게, 쉽게 더 쉽게

간단하게 작성한 순차적 방식의 접근 방법에서 다음 세 가지 사항을 고려해서 코드를 수정해보겠습니다.

  • 읽기뿐만 아니라 쓰기까지 지원
  • 행렬의 크기와 상관없이 일정하면서 납득할 만한 속도 유지
  • 유지보수가 쉬울 것

이진 파일로 변경

쓰기를 지원하면서 일정한 속도를 내려면 우선 행렬을 저장하는 파일 형식을 변경해야 합니다. 임의 위치에 접근이 용이하려면 각각의 항목이 일정한 크기를 유지해서 특정 행의 특정 열에 접근할 때 수식적으로 위치를 파악할 수 있어야 합니다. 이 문제를 해결하기 위해 matrix.asc를 이진 형식으로 변경합니다. 물론 굳이 이진 형식이 아니라도 각각의 항목이 고정폭을 가지는 행렬로 변경할 수 있지만 이진 파일로 변경할 경우 파일의 크기를 줄일 수 있는 장점이 있습니다.

현재 예제에서 숫자는 0에서 499사이의 정수 값이므로 16비트 부호있는 정수형 값이면 충분합니다. 이 값은 packs형을 이용해서 저장할 수 있습니다. 현재 우리가 가지고 있는 행렬을 각각의 요소가 2바이트를 차지하는 이진 행렬으로 변경하는 것은 간단합니다. 명령줄에서 다음 명령을 실행해 matrix.bin 파일을 생성합니다.

perl -ne 'print pack "s*", split' matrix.asc > matrix.bin

윈도우즈의 경우 print\n만 출력하는 것이 아니라 0A 바이트를 출력할 때마다 0D0A로 캐리지 리턴을 추가해서 출력합니다. 그러므로 binmode 함수를 사용해서 바이너리 모드로 출력해야합니다.

perl -ne 'binmode STDOUT; print pack "s*", split' matrix.asc > matrix.bin

물론 이진 파일로 변경할 경우 한 행이 몇 개의 열을 가지는지 모르기 때문에 스크립트에서 전체 행의 개수와 전체 열의 개수에 대한 정보를 가지고 있어야할 것입니다. 이렇게 한 항목이 2바이트를 가지게 할 경우 특정 (row_idx, col_idx)에 해당하는 행렬의 요소를 찾아가려면 다음 공식을 사용하면 됩니다.

my $offset = ( $NCOLS * $row_idx + $col_idx ) * $ITEM_SIZE;
my $item   = unpack 's', substr( $full_string, $offset, $ITEM_SIZE );

앞의 공식에서 $NCOLS는 한 행에 포함한 열의 개수를, $ITEM_SIZE는 행렬 하나의 요소의 바이트 크기를 의미합니다.

메모리맵 파일

메모리맵 파일(memory-mapped file)은 일반 파일을 메모리 영역인 주소 공간에 연결하는 것입니다. 일반 파일도 정보를 저장하고 읽고 쓸 수 있으므로 메모리맵 파일은 이런 이론에 기반해 하드 디스크에 존재하는 파일의 내용을 프로세스의 주소 공간에 연결(Map)하는 기법입니다. 요약하면 파일을 마치 메모리인 것처럼 사용하는 기법입니다. 자세한 내용은 위키피디아의 Memory-mapped file 문서를 참고하세요.

CPAN의 File::Map 모듈을 사용하면 빠르면서도 안전하게, 메모리맵 파일을 사용할 수 있으며 코드를 간결하게 만들어 유지보수 역시 쉬워집니다. 다음 명령을 실행해서 File::Map 모듈을 설치합니다.

$ cpan File::Map

명령행 인자로 입력받은 파일을 File::Map을 사용해서 메모리맵 파일로 사용하는 것은 매우 쉽습니다.

use File::Map 'map_file';

die "Usage: $Script <matrix binary file>\n"
  unless @ARGV == 1;
my $file = shift;

map_file my ($map), $file;

기본적으로 읽기 전용으로 열리지만 원한다면 쓰기 전용으로 열 수도 있습니다. open 함수에서 사용하는 파일 열기 모드를 동일하게 사용하면 됩니다.

map_file my ($map), $file, '>';

읽기 쓰기 모드로 여는 것 역시 가능합니다.

map_file my ($map), $file, '+<';

전체 random-access.pl 스크립트는 다음과 같습니다.

#!/usr/bin/env perl

use 5.010;
use strict;
use warnings;
use autodie;
use FindBin '$Script';
use Readonly;
use File::Map 'map_file';

Readonly my $NCOLS     => 10000;
Readonly my $NROWS     => 10000;
Readonly my $ITEM_SIZE => 2;

die "Usage: $Script <matrix binary file>\n"
  unless @ARGV == 1;
my $file = shift;

map_file my ($map), $file, '+<';

say matrix(0, 0);
say matrix(1, 1);
say matrix(10, 5);
#
# ... go ahead ...
#

sub matrix {
    my ( $row_idx, $col_idx, $value ) = @_;

    $row_idx = $row_idx < 0 ? 0 : $row_idx;
    $col_idx = $col_idx < 0 ? 0 : $col_idx;

    $row_idx = $row_idx < $NROWS ? $row_idx : $NROWS - 1;
    $col_idx = $col_idx < $NCOLS ? $col_idx : $NCOLS - 1;

    my $offset = ( $NCOLS * $row_idx + $col_idx ) * $ITEM_SIZE;

    if ( defined $value ) {
        my $short = pack( 's', $value );
        substr( $map, $offset, $ITEM_SIZE, $short );
    }

    return unpack 's', substr( $map, $offset, $ITEM_SIZE );
}

새로 작성한 matrix() 함수는 이제 쓰기도 지원합니다.

sub matrix {
    # ...

    if ( defined $value ) {
        my $short = pack( 's', $value );
        substr( $map, $offset, $ITEM_SIZE, $short );
    }

    # ...
}

정리하며

Perl 스크립트라고 해서 사람이 읽을 수 있는 텍스트 파일만 처리할 수 있는 것은 아닙니다. File::Map과 같은 잘 만들어진 모듈을 사용하면 대용량의 파일도 간편하면서도 빠르게 그리고 안전하게 읽고 쓸 수 있습니다. Perl은 packsubstr이라는 강력한 저수준 함수를 제공합니다. 이런 함수를 사용한다면 C언어와 같은 저수준 언어와 비교했을때도 떨어지지 않는 성능을 보장합니다.

Enjoy Your Perl! ;-)

쪽지시험

File::Map(메모리맵 파일)을 쓰지 않고 Perl에서 제공하는 seek를 이용해서 이진 파일로 저장한 행렬의 각각의 요소에 접근하는 matrix() 함수를 구현해보세요. 직접 구현한 경우와 File::Map을 사용한 경우와 성능 차이는 얼마나 날까요? CPAN의 Devel::NYTProf 모듈을 사용해서 한번 확인해보세요. ;-)

blog comments powered by Disqus