SlideShare una empresa de Scribd logo
1 de 110
Descargar para leer sin conexión
참석자 규모
참석자 규모 
2600 2600 
1900 
1800 
1200 
1000 
2009 2010 2011 2012 2013 2014
세션수
세션수 
2009 
2010 
2011 
2012 
2013 
56 
41 
30 
21 
16 
2014 56
외부 참여 연사
외부 참여 연사 
80% 
71% 71% 
36% 
2009 2010 2011 2012 2013 2014
기술⒪컨텐츠⒪생산
기술⒪컨텐츠⒪생산 
기술공유
기술⒪컨텐츠⒪생산 
기술공유 
개발도구⒪지원
후원
개발자⒪컨퍼런스 
Ⓘ 
커뮤니티 
ⒽⒺ 
기술학술대회 
ⓀⒺ 
소모임스터디 
ⒾⓂⓀ 
후원
개발자⒪컨퍼런스 
Ⓘ 
커뮤니티 
ⒽⒺ 
기술학술대회 
ⓀⒺ 
소모임스터디 
ⒾⓂⓀ 
후원 
기술세미나 
오픈세미나 
ⒻⒺ 
대학생세미나 
Ⓕ 
지방개최 
Ⓘ
http://naver.github.io/
http://naver.github.io/
Ⓘ ⓐ⓿⓶⓶Ⓑ⓾⓳⓷⓯⒪개발자⒪지원 
ⒽⒽ 커미터 
ⓂⒼⒾ ⒼⒺⒻⒽ년⒪ⒻⒻ월⒪이후⒪커밋수 
ⒼⓀⒺ만 누적⒪⓮⓹━⓸⓶⓹⓫⓮
Ⓗ ⓗ⓫⓴⓹⓼⒪⓿⓺⓮⓫⓾⓯⓽ 
ⒼⒽ Ⓧ⓹⓸⓾⓼⓳⓬⓿⓾⓹⓼⓽ 
ⓂⒺⒺ 네이버⒪내부⒪프로젝트
⓹⓺⓯⓸⒪⓽⓹⓿⓼⓭⓯⒪⒪ 
⓮⓳⓽⓾⓼⓳⓬⓿⓾⓯⓮⒪⓾⓼⓫⓭⓳⓸⓱⒪⒰⒪⓾⓼⓹⓿⓬⓶⓯⓽⓲⓹⓹⓾⓳⓸⓱⒪⓽┃⓽⓾⓯⓷⒪⒪ 
ⒼⒺⒻⒾ년⒪ⒻⒼ월⒪⓹⓺⓯⓸⒪계획
대규모⒪분산⒪시스템의⒪트랜잭션⒪흐름⒪추적
대규모⒪분산⒪시스템의⒪트랜잭션⒪흐름⒪추적 
전체⒪서비스⒪서버Ⓓ인프라⒪구조와⒪상태⒪분석
ⓞ⓹⓷⓭⓫⓾⒪ 
Ⓥ⓺⓫⓭⓲⓯⒪ⓒⓞⓞⓚ⒪Ⓧ⓶⓳⓯⓸⓾⒪─ⒾⒸ│⒪ 
ⓔⓎⓕ⒪ⓒ⓾⓾⓺Ⓧ⓹⓸⓸⓯⓭⓾⓹⓼⒪ 
ⓗ┃ⓝⓛⓖⒶ⒪ⓍⓟⓌⓜⓓⓎⒶ⒪ⓙⓜⓋⓍⓖⓏⒶ⒪ⓗⓝⓝⓛⓖⒶ⒪ⓎⓌⓍⓚⒶ⒪⓳Ⓦ⓫⓾⓳⓽Ⓐ⒪⓷┃Ⓦ⓫⓾⓳⓽⒪ 
Ⓥ⓼⓭⓿⓽Ⓐ⒪ⓗ⓯⓷⓭⓫⓭⓲⓯⓮Ⓐ⒪ⓜ⓯⓮⓳⓽⒪ 
Ⓧ⓫⓽⓽⓫⓸⓮⓼⓫Ⓐ⒪ⓒⓌ⓫⓽⓯
기술⒪컨텐츠⒪생산⒪ 
기술공유⒪ 
개발도구⒪지원
기술⒪컨텐츠⒪생산⒪ 
기술공유⒪ 
개발도구⒪지원 
스타트업지원
스타트업지원
스타트업지원 
기술력있는⒪⓯⓫⓼⓶┃⒪⓽⓾⓫⓱⓯⒪스타트업
스타트업지원 
기술력있는⒪⓯⓫⓼⓶┃⒪⓽⓾⓫⓱⓯⒪스타트업 
공간⒪및⒪인프라⒪지원
스타트업지원 
기술력있는⒪⓯⓫⓼⓶┃⒪⓽⓾⓫⓱⓯⒪스타트업 
공간⒪및⒪인프라⒪지원 
네이버⒪개발자Ⓐ⒪디자이너⒪기술지원⒪및⒪협업
스타트업지원 
기술력있는⒪⓯⓫⓼⓶┃⒪⓽⓾⓫⓱⓯⒪스타트업 
공간⒪및⒪인프라⒪지원 
네이버⒪개발자Ⓐ⒪디자이너⒪기술지원⒪및⒪협업 
필요한⒪플랫폼⒪협력⒪개발⒪Ⓓ⒪ⓙ⓺⓯⓸Ⓥⓚⓓ⒪제휴
스타트업지원 
기술력있는⒪⓯⓫⓼⓶┃⒪⓽⓾⓫⓱⓯⒪스타트업 
공간⒪및⒪인프라⒪지원 
네이버⒪개발자Ⓐ⒪디자이너⒪기술지원⒪및⒪협업 
필요한⒪플랫폼⒪협력⒪개발⒪Ⓓ⒪ⓙ⓺⓯⓸Ⓥⓚⓓ⒪제휴 
중장기⒪지원
스타트업지원 
기술력있는⒪⓯⓫⓼⓶┃⒪⓽⓾⓫⓱⓯⒪스타트업 
공간⒪및⒪인프라⒪지원 
네이버⒪개발자Ⓐ⒪디자이너⒪기술지원⒪및⒪협업 
필요한⒪플랫폼⒪협력⒪개발⒪Ⓓ⒪ⓙ⓺⓯⓸Ⓥⓚⓓ⒪제휴 
중장기⒪지원 
금액⒪제한없이⒪꾸준한⒪지원Ⓓ투자
http://everystevejobsvideo.com/wp-content/uploads/2013/02/Apple-Xserve.jpg http://memcached.org/
http://everystevejobsvideo.com/wp-content/uploads/2013/02/Apple-Xserve.jpg http://memcached.org/
http://everystevejobsvideo.com/wp-content/uploads/2013/02/Apple-Xserve.jpg http://memcached.org/
http://everystevejobsvideo.com/wp-content/uploads/2013/02/Apple-Xserve.jpg http://memcached.org/
99% disk full
99% disk full 
/var/spool/mqueue/
99% disk full 
/var/spool/mqueue/ 
% rm -rf /var/spool/mqueue/
http://blogs.independent.co.uk/wp-content/uploads/2013/01/twitter-fail-whale.jpg
% rm -rf /var/spool/mqueue/^C
1 [|||||||||||||||||||||||||||||||||100.0%] 
2 [|| 1.2%] 
3 [|| 2.0%] 
4 [|| 1.5%]
100% kernel CPU usage on core 0
100% kernel CPU usage on core 0 
...
100% kernel CPU usage on core 0 
... 
/proc/interrupts
ⓍⓙⓜⓏ⒪Ⓕ ⓍⓙⓜⓏ⒪Ⓖ ⓍⓙⓜⓏ⒪Ⓗ 
⓮⓳⓽⓵⒪ 
⓭⓹⓸⓾⓼⓹⓶⓶⓯⓼ 
ⓘⓓⓍ 
ⓓⓘⓞⓏⓜⓜⓟⓚⓞ⒪ 
ⓒⓋⓘⓎⓖⓏⓜ 
ⓍⓙⓜⓏ⒪Ⓔ
ⓍⓙⓜⓏ⒪Ⓕ ⓍⓙⓜⓏ⒪Ⓖ ⓍⓙⓜⓏ⒪Ⓗ 
⓮⓳⓽⓵⒪ 
⓭⓹⓸⓾⓼⓹⓶⓶⓯⓼ 
ⓘⓓⓍ 
ⓓⓘⓞⓏⓜⓜⓟⓚⓞ⒪ 
ⓒⓋⓘⓎⓖⓏⓜ 
ⓍⓙⓜⓏ⒪Ⓔ
ⓍⓙⓜⓏ⒪Ⓔ ⓍⓙⓜⓏ⒪Ⓕ ⓍⓙⓜⓏ⒪Ⓖ ⓍⓙⓜⓏ⒪Ⓗ 
ⒼⒸⒼ⒪ⓑ⓲┄
ⓍⓙⓜⓏ⒪Ⓔ ⓍⓙⓜⓏ⒪Ⓕ ⓍⓙⓜⓏ⒪Ⓖ ⓍⓙⓜⓏ⒪Ⓗ 
ⒼⒸⒼ⒪ⓑ⓲┄ 
━⓲┃ ⓴⓿⓽⓾ ⒼⒸⒼ ⓑ⓲┄Ⓣ
ⓍⓙⓜⓏ⒪Ⓔ ⓍⓙⓜⓏ⒪Ⓕ ⓍⓙⓜⓏ⒪Ⓖ ⓍⓙⓜⓏ⒪Ⓗ 
ⒼⒸⒼ⒪ⓑ⓲┄ 
━⓲┃ ⓴⓿⓽⓾ ⒼⒸⒼ ⓑ⓲┄Ⓣ 
━⓲┃ ⓸⓹⓾ ⓿⓽⓯ ⓫⓶⓶ ⓾⓲⓯ ⓭⓹⓼⓯⓽Ⓣ
ⒼⒺⒺⒾ 
⓲⓾⓾⓺ⓄⒹⒹ━━━Ⓒ⓱⓫⓷⓯⓺⓭Ⓒ⓭⓹⓷Ⓓ⓳⓷⓫⓱⓯⓽Ⓓ⓶⓫⓬⓽Ⓓ⓼⓯─Ⓑ⓺ⒾⒽⓀⒷ⓬⓹│ⓖⓑⒸ⓴⓺⓱
ⒼⒺⒺⒾ 
⓲⓾⓾⓺ⓄⒹⒹ━━━Ⓒ⓱⓫⓷⓯⓺⓭Ⓒ⓭⓹⓷Ⓓ⓳⓷⓫⓱⓯⓽Ⓓ⓶⓫⓬⓽Ⓓ⓼⓯─Ⓑ⓺ⒾⒽⓀⒷ⓬⓹│ⓖⓑⒸ⓴⓺⓱
“We’re on track, by 2010, for 30 GHz 
devices, 10nm or less” 
ⓚ⓫⓾⒪ⓑ⓯⓶⓽⓳⓸⓱⓯⓼⒪⒲Ⓧⓞⓙ⒪⓹⓰⒪ⓓ⓸⓾⓯⓶⒳⒪⓳⓸⒪ⒼⒺⒺⒼ
ⓓⓏⓏⓏ⒪ⒼⒺⒻⒻ⒪⒪Ⓧ⓹⓷⓺⓿⓾⓯⓼Ⓐ⒪Ⓧ⓹⓷⓺⓿⓾⓳⓸⓱⒪ⓚ⓯⓼⓰⓹⓼⓷⓫⓸⓭⓯Ⓞ⒪ⓑ⓫⓷⓯⒪ⓙ─⓯⓼⒪⓹⓼⒪ⓘ⓯│⓾⒪ⓖ⓯─⓯⓶Ⓣ
⓷⓹⓼⓯⒪⓾⓼⓫⓸⓽⓳⓽⓾⓹⓼⓽
─⓹⓶⓾⓫⓱⓯Ⓓ⓯⓸⓯⓼⓱┃⒪⒲⓺⓹━⓯⓼⒳
⓲⓯⓫⓾
“전력을 줄이기 위해 CPU 속도를 줄여야 한 
다. 결과적으로 하나의 칩에 코어갯수가 늘어 
나야만 한다. 엑사스케일 아키텍쳐는 수십억 
이상의 높은 동시성 (concurrency) 을 가진다” 
ⓟⓝ⒪ⓎⓙⓏ⒪Ⓩ│⓫⓽⓭⓫⓶⓯⒪Ⓧ⓲⓫⓶⓶⓯⓸⓱⓯
ⓗ⓿⓶⓾⓳Ⓑ⓭⓹⓼⓯⒪Ⓓ⒪ⓗ⓫⓸┃Ⓑ⓭⓹⓼⓯ 
https://class.stanford.edu/c4x/Engineering/CS316/asset/processor.jpg
코어⒪갯수 
ⒻⒺⒺⒺⒺ 
ⒻⒺⒺⒺ 
ⒻⒺⒺ 
ⒻⒺ 
Ⓖ 
Ⓘ 
Ⓜ 
ⒽⒼ 
ⒻⓃⒼ 
ⒼⓂⓂⒺ
코어⒪갯수 
ⒻⒺⒺⒺⒺ 
ⒻⒺⒺⒺ 
ⒻⒺⒺ 
ⒻⒺ 
Ⓖ 
Ⓘ 
Ⓜ 
ⒽⒼ 
ⒻⓃⒼ 
ⒼⓂⓂⒺ 
⓷⓫⓸┃Ⓑ⓭⓹⓼⓯⒪ 
⓽⓺⓯⓭⓳⓫⓶⒪⓺⓿⓼⓺⓹⓽⓯⒪ 
Ⓧ⓹⓺⓼⓹⓭⓯⓽⓽⓹⓼⓽ 
⓷⓿⓶⓾⓳Ⓑ⓭⓹⓼⓯⒪ 
⓱⓯⓸⓯⓼⓫⓶⒪⓺⓿⓼⓺⓹⓽⓯⒪ 
Ⓧⓚⓟ
“The Free Lunch Is Over. 
A Fundamental Turn Toward Concurrency in Software” 
Ⓦ┃⒪ⓒ⓯⓼⓬⒪ⓝ⓿⓾⓾⓯⓼⒪⒲ⒼⒺⒺⒿⒶ⒪ⓎⓎ⒪ⓔ⓹⓿⓼⓸⓫⓶⒳
ⓚ⓼⓹⓱⓼⓫⓷⓽⒪━⓳⓶⓶⒪⓸⓹⓾⒪⓫⓿⓾⓹⓷⓫⓾⓳⓭⓫⓶⓶┃⒪ 
⓼⓿⓸⒪⓰⓫⓽⓾⓯⓼⒪━⓳⓾⓲⒪⓸⓯━⒪Ⓓ⒪⓬⓯⓾⓾⓯⓼⒪Ⓧⓚⓟ⓽
Ⓘ⒪│⒪ⒼⒸⒿⓑ⓲┄⒪ⓇⓇ⒪ⒻⒺⓑ⓲┄⒪Ⓣ
http://s3v.computerhistory.org/102695713-03-03.jpg 
ⓑ⓯⓸⓯⒪Ⓥ⓷⓮⓫⓲⓶
Ⓥ⓷⓮⓫⓲⓶㰙⓽⒪⓶⓫━
Ⓥ⓷⓮⓫⓲⓶㰙⓽⒪⓶⓫━ 
ⓝ⓯⓼⓳⓫⓶⒪⓰⓫⓭⓾⓹⓼Ⓐ
Ⓥ⓷⓮⓫⓲⓶㰙⓽⒪⓶⓫━ 
ⓝ⓯⓼⓳⓫⓶⒪⓰⓫⓭⓾⓹⓼Ⓐ
Ⓥ⓷⓮⓫⓲⓶㰙⓽⒪⓶⓫━ 
ⓝ⓯⓼⓳⓫⓶⒪⓰⓫⓭⓾⓹⓼Ⓐ
ⓝ⓯⓼⓳⓫⓶⒪⓰⓫⓭⓾⓹⓼가⒪ⒿⒺ⒯Ⓐ⒪두배⒪빠르게⒪만들수⒪있을까Ⓣ
ⓝ⓯⓼⓳⓫⓶⒪⓰⓫⓭⓾⓹⓼가⒪ⒿⒺ⒯Ⓐ⒪두배⒪빠르게⒪만들수⒪있을까Ⓣ 
0 20 40 60 80 100 120 
2.0 
1.5 
1.0 
0.5 
0.0 
n, number of processors 
Speedup 
speedup = 
n 
1 + 0.5 Hn - 1L
Ⓘ⒪│⒪ⒼⒸⒿⓑ⓲┄⒪⒫Ⓡ⒪ⒻⒺⓑ⓲┄
그러나Ⓐ⒪ 
또⒪다른⒪고민㰗⒪ 
⓭⓹⓼⓯⒪갯수⒪한계Ⓣ
ⓎⓋⓜⓕ⒪ⓝⓓⓖⓓⓍⓙⓘ
제한된 전력때문에 칩의 모든 트랜지스터를 
활용하지 못하게 된다. 새로운 혁신 없이는 
“dark silicon”시대를 맞이할수 밖에 없다. 
Ⓥⓜⓗ⒪Ⓧⓞⓙ⒪ⓗ⓳⓵⓯⒪ⓗ⓿⓶⓶⓯⓼Ⓐ⒪ⒼⒺⒻⒺ
Ⓘ⒪⓭⓹⓼⓯⓽⒪ 
ⓀⒿ⓸⓷ 
Ⓜ⒪⓭⓹⓼⓯⓽⒪ 
ⒾⒿ⓸⓷ 
ⒻⓀ⒪⓭⓹⓼⓯⓽⒪ 
ⒽⒼ⓸⓷
Ⓘ⒪⓭⓹⓼⓯⓽⒪ 
ⓀⒿ⓸⓷ 
ⓜ⓯⓫⓶⓳⓾┃ 
Ⓜ⒪⓭⓹⓼⓯⓽⒪ 
ⒾⒿ⓸⓷ 
⓮⓫⓼⓵⒪⓽⓳⓶⓳⓭⓹⓸ 
ⒻⓀ⒪⓭⓹⓼⓯⓽⒪ 
ⒽⒼ⓸⓷ 
⓼⓿⓸⓸⓳⓸⓱⒪⓫⓾⒪⓰⓿⓶⓶⒪⓰⓼⓯⓻⓿⓯⓸⓭┃
ⓚ⓹⓽⓽⓳⓬⓶⓯⒪ⓝ⓹⓶⓿⓾⓳⓹⓸⓽⒪⓰⓹⓼⒪⓸⓹━
ⓚ⓹⓽⓽⓳⓬⓶⓯⒪ⓝ⓹⓶⓿⓾⓳⓹⓸⓽⒪⓰⓹⓼⒪⓸⓹━ 
ⓜ⓯Ⓑ⓳⓸⓾⓼⓹⓮⓿⓭⓾⓳⓹⓸⒪⓹⓰⒪⓭⓹⓺⓼⓹⓭⓯⓽⓽⓹⓼⓽Ⓓ⓫⓭⓭⓯⓶⓯⓼⓫⓾⓹⓼⓽
ⓚ⓹⓽⓽⓳⓬⓶⓯⒪ⓝ⓹⓶⓿⓾⓳⓹⓸⓽⒪⓰⓹⓼⒪⓸⓹━ 
ⓜ⓯Ⓑ⓳⓸⓾⓼⓹⓮⓿⓭⓾⓳⓹⓸⒪⓹⓰⒪⓭⓹⓺⓼⓹⓭⓯⓽⓽⓹⓼⓽Ⓓ⓫⓭⓭⓯⓶⓯⓼⓫⓾⓹⓼⓽ 
ⓑⓚⓟⒶ⒪ⓐⓚⓑⓋ
ⓗ⓳⓭⓼⓹⓽⓹⓰⓾⒪Ⓦ⓳⓸⓱⒪⒲검색⒳⒪ 
ⓚ⓫⓱⓯⒪ⓜ⓫⓸⓵⓳⓸⓱⒪⓽⓯⓼─⓳⓭⓯⒪⓿⓽⓳⓸⓱⒪ⓐⓚⓑⓋ 
⓲⓾⓾⓺ⓄⒹⒹ━━━Ⓒ⓯⓸⓾⓯⓼⓺⓼⓳⓽⓯⓾⓯⓭⓲Ⓒ⓭⓹⓷Ⓓ━⓺Ⓑ⓭⓹⓸⓾⓯⓸⓾Ⓓ⓿⓺⓶⓹⓫⓮⓽ⒹⒼⒺⒻⒾⒹⒺⓃⒹ⓷⓳⓭⓼⓹⓽⓹⓰⓾Ⓑ⓰⓺⓱⓫Ⓑ⓼⓫⓫⓽Ⓑ⓺⓯⓼⓰⓹⓼⓷⓫⓸⓭⓯Ⓒ⓴⓺⓱
⓲⓾⓾⓺ⓄⒹⒹ━━━Ⓒ⓯⓸⓾⓯⓼⓺⓼⓳⓽⓯⓾⓯⓭⓲Ⓒ⓭⓹⓷Ⓓ━⓺Ⓑ⓭⓹⓸⓾⓯⓸⓾Ⓓ⓿⓺⓶⓹⓫⓮⓽ⒹⒼⒺⒻⒾⒹⒺⓃⒹ⓷⓳⓭⓼⓹⓽⓹⓰⓾Ⓑ⓰⓺⓱⓫Ⓑ⓼⓫⓫⓽Ⓑ⓺⓯⓼⓰⓹⓼⓷⓫⓸⓭⓯Ⓒ⓴⓺⓱
━⓲┃⒪ⓝⓡ⒪⓯⓸⓱⓳⓸⓯⓯⓼⓽⒪⓸⓯⓯⓮⒪⓾⓹⒪⓶⓯⓫⓼⓸⒪⓲⓫⓼⓮━⓫⓼⓯Ⓣ
SOFTWARE-PRACTICE AND EXPERIENCE, VOL. 9, 219-226 (1979) 
Unrolling Loops in FORTRAN* 
J. J. DONGARRA AND A. R. HINDS 
Argonne National Laboratory, Argonne, Illinois 60439, U.S.A. 
SUhlMARY 
The technique of ‘unrolling’ to improve the performance of short program loops without 
resorting to assembly language coding is discussed. A comparison of the benefits of loop 
‘unrolling‘ on a variety of computers using an assortment of FORTRAN compilers is 
presented. 
KEY WORDS Unrolled loops FORTRAN Loop efficiency Loop doubling 
INTRODUCTION 
It is frequently observed that the bulk of the central processor time for a program is 
localized in 3 per cent of the source code.6 Often the critical code from the timing perspective 
consists of one (or a few) short inner loops typified, for instance, by the scalar product of 
two vectors. A simple technique for the optimization of such loops, with consequent 
improvement in overall execution time, should then be most welcome. ‘Loop unrolling’ (a 
generalization of ‘loop d~ubling’),a~pp lied selectively to time-consuming loops, is just 
such a technique. 
TECHNIQUE 
When a loop is unrolled, its contents are replicated one or more times, with appropriate 
adjustments to array indices and the loop increment. For instance, the DAXPYg sequence,
for (i=0; i < 500000; i++) 
y[i] = y[i] + a*x[i];
for (i=0; i < 500000; i++) 
// Loop unrolled 
m = n - mod(n,4); 
for (i=0; i<m; i+=4) { 
y[i] = y[i] + a*x[i]; 
y[i+1] = y[i+1] + a*x[i+1]; 
y[i+2] = y[i+2] + a*x[i+2]; 
y[i+3] = y[i+3] + a*x[i+3]; 
} 
y[i] = y[i] + a*x[i];
ⒻⒸ⒪⓳⓸⓭⓼⓯⓷⓯⓸⓾Ⓐ⒪⓾⓯⓽⓾Ⓐ⒪⓬⓼⓫⓸⓭⓲⒪⓹─⓯⓼⓲⓯⓫⓮⒪ 
LBB0_1: 
cmpl $500, -4024(%rbp) ## TEST 
jge LBB0_4 
movslq -4024(%rbp), %rax 
movl -4016(%rbp,%rax,4), %ecx 
movslq -4024(%rbp), %rax 
movl %ecx, -2016(%rbp,%rax,4) 
movl -4024(%rbp), %eax 
addl $1, %eax ## INCREMENT 
movl %eax, -4024(%rbp) 
jmp LBB0_1 ## BRANCH
ⒼⒸ⒪Ⓧⓚⓟ⒪⓳⓸⓽⓾⓼⓿⓭⓾⓳⓹⓸⒪⓺⓳⓺⓯⓶⓳⓸⓳⓸⓱⒪사용⒪⒲⓭⓹⓸⓭⓿⓼⓼⓯⓸⓭┃⒳⒪ 
⓺⓳⓺⓯⓶⓳⓸⓯ Ⓕ Ⓖ Ⓗ Ⓘ Ⓙ Ⓚ Ⓛ Ⓜ 
Ⓕ ⓓⓐ ⓓⓎ Ⓩⓢ ⓗⓏⓗ ⓡⓌ 
Ⓖ ⓓⓐ ⓓⓎ Ⓩⓢ ⓗⓏⓗ ⓡⓌ 
Ⓗ ⓓⓐ ⓓⓎ Ⓩⓢ ⓗⓏⓗ ⓡⓌ 
Ⓘ ⓓⓐ ⓓⓎ Ⓩⓢ ⓗⓏⓗ ⓡⓌ
ⒼⒸ⒪Ⓧⓚⓟ⒪⓳⓸⓽⓾⓼⓿⓭⓾⓳⓹⓸⒪⓺⓳⓺⓯⓶⓳⓸⓳⓸⓱⒪사용⒪⒲⓭⓹⓸⓭⓿⓼⓼⓯⓸⓭┃⒳⒪ 
⓺⓳⓺⓯⓶⓳⓸⓯ Ⓕ Ⓖ Ⓗ Ⓘ Ⓙ Ⓚ Ⓛ Ⓜ 
Ⓕ y[ⓓⓐ i] ⓓⓎ = y[i] Ⓩⓢ + ⓗⓏⓗ a*x[i]; 
ⓡⓌ 
Ⓖ y[ⓓⓐ i+1] = ⓓⓎ y[i+1] Ⓩⓢ + a*ⓗⓏⓗ x[i+1]; 
ⓡⓌ 
Ⓗ y[ⓓⓐ i+2] = ⓓⓎ y[i+2] Ⓩⓢ + a*ⓗⓏⓗ x[i+2]; 
ⓡⓌ 
Ⓘ y[ⓓⓐ i+3] = ⓓⓎ y[i+3] Ⓩⓢ + a*ⓗⓏⓗ x[i+3]; 
ⓡⓌ
ⒽⒸ⒪Ⓥⓖⓟ⒪특성⒪사용⒪⒲⓭⓹⓸⓭⓿⓼⓼⓯⓸⓭┃⒳⒪ 
독립적인⒪⓷⓿⓶⓾⓳⓺⓶⓳⓭⓫⓾⓳⓹⓸과⒪⓫⓮⓮⓳⓾⓳⓹⓸⒪⓿⓸⓳⓾⒪⓳⓸⒪Ⓥⓖⓟ⒪ 
⓭⓹⓸⓭⓿⓼⓼⓯⓸⓾⒪⓹⓺⓯⓼⓫⓾⓳⓹⓸⒪ 
y[i] = y[i] + a*x[i]; 
y[i+1] = y[i+1] + a*x[i+1]; 
y[i+2] = y[i+2] + a*x[i+2]; 
y[i+3] = y[i+3] + a*x[i+3];
성능고도화의⒪기본⒪ 
ⓟ⓸⓮⓯⓼⓽⓾⓫⓸⓮⒪Ⓓ⒪ⓟ⓾⓳⓶⓳⓽⓯⒪ⓖ⓫┃⓯⓼⓽⒪Ⓦ⓯⓶⓹━
http://www.it-hummingbird.co.uk/wp-content/uploads/2012/07/flickr-5112344521-hd1.jpg

Más contenido relacionado

Similar a Deview 2014 키노트

망고100 메뉴얼 환경부터포팅까지-2011-0324
망고100 메뉴얼 환경부터포팅까지-2011-0324망고100 메뉴얼 환경부터포팅까지-2011-0324
망고100 메뉴얼 환경부터포팅까지-2011-0324
종인 전
 
당신의 인생에 오픈소스를 더하라 - OSCON 발표자 뒷담화
당신의 인생에 오픈소스를 더하라 - OSCON 발표자 뒷담화당신의 인생에 오픈소스를 더하라 - OSCON 발표자 뒷담화
당신의 인생에 오픈소스를 더하라 - OSCON 발표자 뒷담화
Minwoo Park
 
DEVIEW 2013 당신의 인생에 오픈소스를 더하라 oscon 발표자 뒷담화 - ...
DEVIEW 2013 당신의 인생에 오픈소스를 더하라   oscon 발표자 뒷담화 - ...DEVIEW 2013 당신의 인생에 오픈소스를 더하라   oscon 발표자 뒷담화 - ...
DEVIEW 2013 당신의 인생에 오픈소스를 더하라 oscon 발표자 뒷담화 - ...
NAVER D2
 

Similar a Deview 2014 키노트 (20)

파이썬으로 익히는 딥러닝
파이썬으로 익히는 딥러닝파이썬으로 익히는 딥러닝
파이썬으로 익히는 딥러닝
 
Meteor IoT
Meteor IoTMeteor IoT
Meteor IoT
 
[232] 성능어디까지쥐어짜봤니 송태웅
[232] 성능어디까지쥐어짜봤니 송태웅[232] 성능어디까지쥐어짜봤니 송태웅
[232] 성능어디까지쥐어짜봤니 송태웅
 
세미나발표
세미나발표세미나발표
세미나발표
 
클라우드 & 모바일 환경에서 알아야 할 성능 품질 이야기
클라우드 & 모바일 환경에서 알아야 할 성능 품질 이야기클라우드 & 모바일 환경에서 알아야 할 성능 품질 이야기
클라우드 & 모바일 환경에서 알아야 할 성능 품질 이야기
 
Tensorflow regression 텐서플로우 회귀
Tensorflow regression 텐서플로우 회귀Tensorflow regression 텐서플로우 회귀
Tensorflow regression 텐서플로우 회귀
 
클라우드 환경에서 알아야할 성능 이야기
클라우드 환경에서 알아야할 성능 이야기클라우드 환경에서 알아야할 성능 이야기
클라우드 환경에서 알아야할 성능 이야기
 
망고100 메뉴얼 환경부터포팅까지-2011-0324
망고100 메뉴얼 환경부터포팅까지-2011-0324망고100 메뉴얼 환경부터포팅까지-2011-0324
망고100 메뉴얼 환경부터포팅까지-2011-0324
 
[122]네이버의모던웹라이브러리 박재성
[122]네이버의모던웹라이브러리 박재성[122]네이버의모던웹라이브러리 박재성
[122]네이버의모던웹라이브러리 박재성
 
파이썬 데이터과학 레벨1 - 초보자를 위한 데이터분석, 데이터시각화 (2020년 이태영)
파이썬 데이터과학 레벨1 - 초보자를 위한 데이터분석, 데이터시각화 (2020년 이태영) 파이썬 데이터과학 레벨1 - 초보자를 위한 데이터분석, 데이터시각화 (2020년 이태영)
파이썬 데이터과학 레벨1 - 초보자를 위한 데이터분석, 데이터시각화 (2020년 이태영)
 
라즈베리파이와 자바스크립트로 IoT 시작하기
라즈베리파이와 자바스크립트로 IoT 시작하기라즈베리파이와 자바스크립트로 IoT 시작하기
라즈베리파이와 자바스크립트로 IoT 시작하기
 
당신의 인생에 오픈소스를 더하라 - OSCON 발표자 뒷담화
당신의 인생에 오픈소스를 더하라 - OSCON 발표자 뒷담화당신의 인생에 오픈소스를 더하라 - OSCON 발표자 뒷담화
당신의 인생에 오픈소스를 더하라 - OSCON 발표자 뒷담화
 
당신의 인생에 오픈소스를 더하라 - OSCON 발표자 뒷담화
당신의 인생에 오픈소스를 더하라 - OSCON 발표자 뒷담화당신의 인생에 오픈소스를 더하라 - OSCON 발표자 뒷담화
당신의 인생에 오픈소스를 더하라 - OSCON 발표자 뒷담화
 
Aircleaner 20190616 - 미세먼지 공기청정기 메이커활동 제안서
Aircleaner 20190616 - 미세먼지 공기청정기 메이커활동 제안서Aircleaner 20190616 - 미세먼지 공기청정기 메이커활동 제안서
Aircleaner 20190616 - 미세먼지 공기청정기 메이커활동 제안서
 
파이썬 데이터과학 1일차 - 초보자를 위한 데이터분석, 데이터시각화 (이태영)
파이썬 데이터과학 1일차 - 초보자를 위한 데이터분석, 데이터시각화 (이태영)파이썬 데이터과학 1일차 - 초보자를 위한 데이터분석, 데이터시각화 (이태영)
파이썬 데이터과학 1일차 - 초보자를 위한 데이터분석, 데이터시각화 (이태영)
 
도커(Docker) 메트릭스 & 로그 수집
도커(Docker) 메트릭스 & 로그 수집도커(Docker) 메트릭스 & 로그 수집
도커(Docker) 메트릭스 & 로그 수집
 
[2B2]기계 친화성을 중심으로 접근한 최적화 기법
[2B2]기계 친화성을 중심으로 접근한 최적화 기법[2B2]기계 친화성을 중심으로 접근한 최적화 기법
[2B2]기계 친화성을 중심으로 접근한 최적화 기법
 
DEVIEW 2013 당신의 인생에 오픈소스를 더하라 oscon 발표자 뒷담화 - ...
DEVIEW 2013 당신의 인생에 오픈소스를 더하라   oscon 발표자 뒷담화 - ...DEVIEW 2013 당신의 인생에 오픈소스를 더하라   oscon 발표자 뒷담화 - ...
DEVIEW 2013 당신의 인생에 오픈소스를 더하라 oscon 발표자 뒷담화 - ...
 
[C++ Korea 3rd Seminar] 새 C++은 새 Visual Studio에, 좌충우돌 마이그레이션 이야기
[C++ Korea 3rd Seminar] 새 C++은 새 Visual Studio에, 좌충우돌 마이그레이션 이야기[C++ Korea 3rd Seminar] 새 C++은 새 Visual Studio에, 좌충우돌 마이그레이션 이야기
[C++ Korea 3rd Seminar] 새 C++은 새 Visual Studio에, 좌충우돌 마이그레이션 이야기
 
데이타베이스 기본튜닝
데이타베이스 기본튜닝 데이타베이스 기본튜닝
데이타베이스 기본튜닝
 

Más de NAVER D2

Más de NAVER D2 (20)

[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다
 
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
 
[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기
 
[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발
 
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
 
[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&A[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&A
 
[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기
 
[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep Learning[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep Learning
 
[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applications[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applications
 
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load BalancingOld version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
 
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
 
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
 
[224]네이버 검색과 개인화
[224]네이버 검색과 개인화[224]네이버 검색과 개인화
[224]네이버 검색과 개인화
 
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
 
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
 
[213] Fashion Visual Search
[213] Fashion Visual Search[213] Fashion Visual Search
[213] Fashion Visual Search
 
[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화
 
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
 
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
 
[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?
 

Deview 2014 키노트