성능 수치의 근거와 확인 범위

상관 분석 약 1.8초 → 5ms

up-quant의 공개 README에 기재된 개발 중 관측값입니다. 종목별 일봉 200개를 공용 캐시에 저장하고 상관 분석에서 재사용하는 변경입니다. 운영 배포 구성은 EC2 t3.small의 단일 프로세스입니다. 해당 구성이 수치를 측정한 환경과 같다고 확인된 것은 아닙니다.

캐시 상태, 동시 사용자 수, 반복 횟수와 백분위 응답 시간은 공개 자료에서 확인되지 않습니다. 외부 조회와 캐시 재사용의 차이를 보여주는 참고값이며 모든 요청에 대한 성능 보장이 아닙니다.

실제 상관 분석 함수의 별도 오프라인 실험

2026-10-16에 고정 데이터 260종목 × 200일봉으로 실제 get_correlation 함수를 실행했습니다. 동시 실행 1개, 외부 네트워크 미사용, 조회 구간 60일이며 입력 생성식·소스 커밋·파일 해시·개별 측정값을 기록했습니다.

환경: Darwin 24.6.0 · arm64 · Python 3.13.3. 캐시 재사용 100회 동안 데이터 제공 함수 호출은 0회였고 반환 결과는 같았습니다. HTTP 서버·실제 거래소 지연을 포함하지 않으므로 과거 1.8초 수치의 재현이나 운영 응답 시간으로 해석하지 않습니다.

측정 소스는 실행 전에 지정 커밋과 원격 main의 일치 및 백엔드 변경 여부를 확인했습니다. 조회 시점의 커밋이며 이후의 업데이트까지 보장하지 않습니다.

Kafka 5만 건 · 12초 → 7초

교육 팀 프로젝트에서 batch.size·linger.ms 조합을 조정하며 관측한 처리 시간입니다. 공개 저장소에는 튜닝 그래프와 Kafka 구조도가 있습니다. 메시지 크기·부하 발생기·장비 사양·반복 횟수와 원시 로그는 이 포트폴리오에서 재현 검증하지 못했습니다. 운영 트래픽 처리량이나 처리 보장 수치로 해석하지 않습니다.

엑셀 15만 건 · 약 8분

실무에서 확인한 처리 결과이며 공개 벤치마크가 아닙니다. 사내 데이터·운영 로그는 공개하지 않습니다. 데이터 크기·네트워크·실행 환경과 원시 측정 자료가 공개되어 있지 않아 외부에서 같은 수치를 재현할 수 없습니다. 메모리 원인은 현상과 개선 결과에 기반한 추론이며 힙 덤프·GC 로그로 확정하지 않았습니다.