
이번 글은 CPython 3.15에 탑재된 JIT(Just-In-Time) 컴파일러가 어떻게 다시 성능 개선 궤도에 올랐는지, 그리고 그 과정에서 드러난 커뮤니티 주도 개발의 힘과 기술적 선택의 의미를 정리한 내용입니다.
단순한 성능 수치 소개를 넘어, 왜 한때 실패 위기에 놓였던 JIT가 다시 가능성을 증명했는지, 그리고 이 경험이 오픈소스 프로젝트와 개발자에게 어떤 시사점을 주는지 살펴봅니다.
CPython JIT의 현재 성과 한눈에 보기
CPython 3.15 알파 버전에 포함된 JIT는 당초 목표로 삼았던 성능 개선 수치를 예상보다 훨씬 이르게 달성했습니다.
- macOS AArch64: 테일 콜링 인터프리터 대비 약 11~12% 성능 향상
- x86_64 Linux: 기존 인터프리터 대비 약 5~6% 성능 향상
- 벤치마크 범위:
일부는 최대 20% 느려지기도 하지만, 반대로 100% 이상 빨라지는 경우도 존재
(unpack_sequence 마이크로벤치마크는 제외)
이 수치는 기하 평균 기준의 예비 결과이며, 중요한 점은 3.15의 목표였던 ‘5% 성능 향상’을 1년 이상 앞당겨 달성했다는 사실입니다. 아직 프리 스레딩 지원은 완성되지 않았지만, 이는 3.15~3.16을 목표로 계속 개발 중입니다.
위기에서 출발한 변화: 커뮤니티 주도 JIT
스폰서 철수 이후의 선택
2025년, Faster CPython 팀은 주요 스폰서를 잃었습니다. 일반적으로는 프로젝트의 동력이 급격히 약해질 수 있는 상황이었지만, 이 시점에서 커뮤니티 주도 관리 방식으로의 전환이 제안됐습니다.
당시 JIT는 “진입장벽이 매우 높은 영역”으로 인식돼 있었고, 신규 기여자가 참여하기 어렵다는 문제가 있었습니다. 그럼에도 불구하고 다음과 같은 명확한 목표가 세워졌습니다.
- 3.15까지 JIT 5% 성능 향상
- 3.16까지 10% 성능 향상 + 프리 스레딩 지원
- 프론트엔드, 미들엔드, 백엔드 전 단계에서 버스 팩터 감소
복잡한 문제를 잘게 쪼개다
핵심 전략은 단순했습니다.
“JIT 최적화”라는 거대한 문제를 아주 작은 작업 단위로 분해하는 것이었습니다.
- 단일 명령어 최적화처럼 명확한 작업 정의
- 즉시 실행 가능한 수준의 상세 가이드 제공
- 작업 단위별로 명확한 성과가 보이도록 설계
그 결과, JIT 경험이 없는 C 프로그래머도 기여할 수 있는 환경이 만들어졌고, 미들엔드(옵티마이저) 기여자는 기존 2명에서 4명으로 늘어났습니다. 비코어 개발자 역시 핵심 기여자로 성장했습니다.
기술적 전환점 1: 트레이스 레코딩 도입
프론트엔드 재설계의 의미
CPython 코어 스프린트에서 JIT 프론트엔드를 트레이싱 기반 구조로 재작성하는 선택이 이뤄졌습니다. 초기 결과는 오히려 성능이 6%가량 느려졌지만, 이 과정에서 결정적인 전환점이 등장합니다.
듀얼 디스패치(dual dispatch)
- 일반 인터프리터용 디스패치 테이블
- 트레이싱을 담당하는 단 하나의 명령어
이 구조를 통해 인터프리터 크기 증가를 최소화하면서도 트레이싱의 이점을 살릴 수 있었습니다. 그 결과 JIT 코드 커버리지가 약 50% 증가했고, 이는 이후 모든 최적화의 효과를 크게 끌어올리는 기반이 됐습니다.
기술적 전환점 2: 참조 카운트 제거 최적화
또 하나의 중요한 선택은 **참조 카운트 제거(Reference Count Elimination)**였습니다.
- Python 명령어마다 남아 있던 분기(branch)를 제거
- 단일 분기라도 누적되면 상당한 비용이 발생
- 병렬화가 쉽고, 학습 난이도가 비교적 낮아 신규 기여자 교육에도 효과적
이 최적화는 성능 개선뿐 아니라, JIT 내부 구조를 이해하는 실질적인 학습 도구로도 작동했습니다.
성능을 움직인 숨은 동력: 측정 인프라
JIT 성능 향상을 가속한 또 하나의 핵심은 매일 성능을 리포트하는 측정 인프라였습니다.
- JIT 성능 회귀를 조기에 발견
- 최적화 결과가 실제로 효과가 있는지 즉시 확인
- 기여자에게 강력한 동기 부여 제공
이 피드백 루프 없이는 지금과 같은 속도의 개선은 사실상 불가능했을 것입니다.
기술은 사람과의 교류에서 자란다
JIT 개선 과정에서 강조된 또 하나의 요소는 외부 커뮤니티와의 교류입니다.
- PyPy 개발자들과의 코드 및 아이디어 교환
- 컴파일러 개발자들과의 비공식적인 기술 토론
아이디어는 고립된 환경에서 발전하지 않습니다. 다양한 관점과 경험이 축적되면서 JIT의 설계와 구현 역시 더 성숙해졌습니다.
CPython JIT가 남긴 교훈과 기대
CPython 3.15 JIT의 성과는 단순한 “속도 개선” 이상의 의미를 가집니다.
- 스폰서 철수라는 위기 속에서도 커뮤니티 주도로 성과를 만들어낼 수 있음
- 복잡한 시스템도 잘게 쪼개면 더 많은 사람이 기여할 수 있음
- 측정과 피드백 인프라는 개발 속도 자체를 바꾼다
- 기술적 선택만큼이나 사람과의 협업이 중요하다
아직 프리 스레딩과 추가 성능 개선이라는 과제가 남아 있지만, JIT는 분명 다시 궤도에 올랐습니다.
앞으로의 CPython 3.15와 3.16은, 성능뿐 아니라 오픈소스 개발이 어떻게 건강하게 성장할 수 있는지 보여주는 사례로도 큰 기대를 모으고 있습니다.
https://blog.python.org/2026/03/jit-on-track/
Python 3.15's JIT is now back on track | Python Insider
A look at Python's JIT in 3.15a7.
blog.python.org

'Python' 카테고리의 다른 글
| 파이썬 소스 코드 주석을 표준화하는 방법: Action Comment 표준 라이브러리 이해하기 (0) | 2026.01.10 |
|---|---|
| 파이썬 프로그래머가 반드시 알아야 할 주요 성능 수치 정리 - 연산 속도부터 메모리 사용량까지, 숫자로 이해하는 파이썬 (0) | 2026.01.03 |
| Django 6.0 핵심 변화와 실무 영향 정리 (0) | 2025.12.09 |
| Python과 Rust의 결합: 고성능 AI 시스템을 위한 실전 통합 전략 (0) | 2025.12.05 |
| Async 코드가 오히려 느려지는 이유와 해결 전략 정리 (0) | 2025.11.17 |