BranchesTags

Repository files navigation

Technical Analysis Benchmark: Python vs Go

이 프로젝트는 Python과 Go로 구현된 기술적 지표 계산의 성능을 비교합니다.

구성 요소

  • benchmark.py: Python 구현
  • benchmark.go: Go 구현
  • go.mod: Go 모듈 파일
  • .env: 데이터베이스 연결 정보
  • run_comparison.py: 자동 비교 스크립트

벤치마크 설계

DB 호출 최소화

  • 벤치마크 시작 시 모든 데이터를 한 번에 메모리로 로드
  • 이후 모든 반복 실행에서는 메모리에 있는 데이터 사용
  • 순수하게 지표 계산 알고리즘의 성능만 측정

측정 방식

  • 100회 반복 실행으로 통계적 신뢰성 확보
  • 각 실행마다 CPU 및 메모리 사용량 측정
  • p95, p99 백분위수로 이상치 영향 최소화

필요 사항

Python

pip install pandas numpy talib psycopg2-binary sqlalchemy python-dotenv psutil

Go

go mod download

실행 방법

Python 벤치마크

# 병렬 처리 (기본값)
python benchmark.py
# 순차 처리
python benchmark.py --traditional
# 워커 수 지정
python benchmark.py --workers 4
# 반복 횟수 지정 (기본값: 100)
python benchmark.py --iterations 50

Go 벤치마크

# 먼저 빌드
go build benchmark.go
# 병렬 처리 (기본값)
./benchmark
# 순차 처리
./benchmark -traditional
# 워커 수 지정
./benchmark -workers 4
# 반복 횟수 지정 (기본값: 100)
./benchmark -iterations 50

자동 비교 실행

# 두 언어의 벤치마크를 자동으로 실행하고 비교
python run_comparison.py
# 커스텀 설정
python run_comparison.py --iterations=50 --workers=4 --traditional

측정 항목

지표 종류

  • ADX (Average Directional Index): 트렌드 강도 측정
  • ATR (Average True Range): 변동성 측정
  • Bollinger Bands: 가격 밴드 계산

성능 메트릭

  • 실행 시간

    • 최소값 (Min)
    • 최대값 (Max)
    • 평균값 (Avg)
    • 95 백분위수 (P95)
    • 99 백분위수 (P99)

  • 리소스 사용량

    • CPU 사용률 (%)
    • 메모리 사용량 (MB)

벤치마크 데이터

10개의 암호화폐 티커에 대해 각 지표를 계산:

  • KRW-BTC, KRW-ETH, KRW-ETC, KRW-GRS, KRW-ICX
  • KRW-XRP, KRW-WAVES, KRW-QTUM, KRW-MTL, KRW-ADA

각 티커당 200개 기간(약 12,000개 캔들)의 데이터를 처리합니다.

예상 결과

일반적으로 Go 구현이 Python 구현보다 빠른 성능을 보입니다:

  • 순차 처리: Go가 3-5배 빠름
  • 병렬 처리: Go가 2-3배 빠름
  • 메모리 사용: Go가 더 적은 메모리 사용

하지만 Python은 TA-Lib 같은 최적화된 라이브러리를 사용하므로, 복잡한 지표의 경우 성능 차이가 줄어들 수 있습니다.

주의사항

  1. 데이터베이스 연결: .env 파일에 올바른 DB 정보가 있어야 합니다.
  2. TA-Lib 설치: Python에서 TA-Lib은 시스템 라이브러리가 필요합니다: 
    # Ubuntu/Debian
sudo apt-get install ta-lib
# macOS
brew install ta-lib
  3. 충분한 데이터: 테이블에 충분한 데이터가 있어야 정확한 지표 계산이 가능합니다.
  4. 메모리 요구사항: 모든 데이터를 메모리에 로드하므로 충분한 RAM이 필요합니다 (약 1-2GB).

결과 해석

  • 실행 시간: 낮을수록 좋음
  • P95/P99: 평균보다 안정성을 잘 나타냄 (이상치 제외)
  • CPU 사용률: 병렬 처리 시 높은 것이 정상
  • 메모리 사용량: 지표 계산 중 추가로 사용된 메모리량

About

python, go 성능비교. 한맥스터디

Resources

Readme
Activity
Custom properties

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

Packages

Used by

Contributors

Languages

, 'i'); if (__m === '*' || __re.test(location.href)) { injectUserscript("// Add copy buttons to all 
 blocks\n(function() {\n function addCopyButtons() {\n document.querySelectorAll('pre code').forEach(function(codeBlock) {\n if (codeBlock.parentElement.hasAttribute('data-copy-added')) return;\n codeBlock.parentElement.setAttribute('data-copy-added', 'true');\n \n var btn = document.createElement('button');\n btn.textContent = 'Copy';\n btn.style.cssText = 'position:absolute;top:4px;right:4px;padding:2px 8px;font-size:11px;background:#4ecdc4;border:none;border-radius:4px;color:#1a1a2e;cursor:pointer;opacity:0.7;transition:opacity 0.2s;';\n btn.onmouseover = function() { this.style.opacity = '1'; };\n btn.onmouseout = function() { this.style.opacity = '0.7'; };\n btn.onclick = function() {\n navigator.clipboard.writeText(codeBlock.textContent).then(function() {\n btn.textContent = 'Copied!';\n setTimeout(function() { btn.textContent = 'Copy'; }, 1500);\n });\n };\n codeBlock.parentElement.style.position = 'relative';\n codeBlock.parentElement.appendChild(btn);\n });\n }\n \n addCopyButtons();\n \n // Re-run on dynamic content\n var observer = new MutationObserver(addCopyButtons);\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Add Copy Buttons to Code Blocks");
}
} catch(__e) { console.warn('[Userscript:Add Copy Buttons to Code Blocks]', __e); }
})();
(function(){
try {
var __m = "github.com";
var __re = new RegExp('^' + "github\\.com" + '

Skip to content
BranchesTags
Repository files navigation
Technical Analysis Benchmark: Python vs Go
이 프로젝트는 Python과 Go로 구현된 기술적 지표 계산의 성능을 비교합니다.
구성 요소
  • benchmark.py: Python 구현
  • benchmark.go: Go 구현
  • go.mod: Go 모듈 파일
  • .env: 데이터베이스 연결 정보
  • run_comparison.py: 자동 비교 스크립트
벤치마크 설계
DB 호출 최소화
  • 벤치마크 시작 시 모든 데이터를 한 번에 메모리로 로드
  • 이후 모든 반복 실행에서는 메모리에 있는 데이터 사용
  • 순수하게 지표 계산 알고리즘의 성능만 측정
측정 방식
  • 100회 반복 실행으로 통계적 신뢰성 확보
  • 각 실행마다 CPU 및 메모리 사용량 측정
  • p95, p99 백분위수로 이상치 영향 최소화
필요 사항
Python
pip install pandas numpy talib psycopg2-binary sqlalchemy python-dotenv psutil
Go
go mod download
실행 방법
Python 벤치마크
# 병렬 처리 (기본값)
python benchmark.py
# 순차 처리
python benchmark.py --traditional
# 워커 수 지정
python benchmark.py --workers 4
# 반복 횟수 지정 (기본값: 100)
python benchmark.py --iterations 50
Go 벤치마크
# 먼저 빌드
go build benchmark.go
# 병렬 처리 (기본값)
./benchmark
# 순차 처리
./benchmark -traditional
# 워커 수 지정
./benchmark -workers 4
# 반복 횟수 지정 (기본값: 100)
./benchmark -iterations 50
자동 비교 실행
# 두 언어의 벤치마크를 자동으로 실행하고 비교
python run_comparison.py
# 커스텀 설정
python run_comparison.py --iterations=50 --workers=4 --traditional
측정 항목
지표 종류
  • ADX (Average Directional Index): 트렌드 강도 측정
  • ATR (Average True Range): 변동성 측정
  • Bollinger Bands: 가격 밴드 계산
성능 메트릭
  • 실행 시간
    • 최소값 (Min)
    • 최대값 (Max)
    • 평균값 (Avg)
    • 95 백분위수 (P95)
    • 99 백분위수 (P99)
  • 리소스 사용량
    • CPU 사용률 (%)
    • 메모리 사용량 (MB)
벤치마크 데이터
10개의 암호화폐 티커에 대해 각 지표를 계산:
  • KRW-BTC, KRW-ETH, KRW-ETC, KRW-GRS, KRW-ICX
  • KRW-XRP, KRW-WAVES, KRW-QTUM, KRW-MTL, KRW-ADA
각 티커당 200개 기간(약 12,000개 캔들)의 데이터를 처리합니다.
예상 결과
일반적으로 Go 구현이 Python 구현보다 빠른 성능을 보입니다:
  • 순차 처리: Go가 3-5배 빠름
  • 병렬 처리: Go가 2-3배 빠름
  • 메모리 사용: Go가 더 적은 메모리 사용
하지만 Python은 TA-Lib 같은 최적화된 라이브러리를 사용하므로, 복잡한 지표의 경우 성능 차이가 줄어들 수 있습니다.
주의사항
  1. 데이터베이스 연결: .env 파일에 올바른 DB 정보가 있어야 합니다.
  2. TA-Lib 설치: Python에서 TA-Lib은 시스템 라이브러리가 필요합니다:

    # Ubuntu/Debian
sudo apt-get install ta-lib
# macOS
brew install ta-lib
  3. 충분한 데이터: 테이블에 충분한 데이터가 있어야 정확한 지표 계산이 가능합니다.
  4. 메모리 요구사항: 모든 데이터를 메모리에 로드하므로 충분한 RAM이 필요합니다 (약 1-2GB).
결과 해석
  • 실행 시간: 낮을수록 좋음
  • P95/P99: 평균보다 안정성을 잘 나타냄 (이상치 제외)
  • CPU 사용률: 병렬 처리 시 높은 것이 정상
  • 메모리 사용량: 지표 계산 중 추가로 사용된 메모리량
About
python, go 성능비교. 한맥스터디
Resources
Readme
Activity
Custom properties
Stars
0 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Force GitHub README to respect dark mode\n(function() {\n var style = document.createElement('style');\n style.textContent = '\n .markdown-body {\n color-scheme: dark light;\n }\n .markdown-body pre { background: #161b22 !important; }\n .markdown-body code { background: rgba(110, 118, 129, 0.4) !important; }\n .markdown-body table th, .markdown-body table td { border-color: #30363d !important; }\n .markdown-body img { background: #0d1117; }\n .markdown-body blockquote { border-left-color: #8b949e; }\n .markdown-body hr { border-color: #30363d; }\n ';\n document.head.appendChild(style);\n})();", "GitHub Dark Mode README Fix");
}
} catch(__e) { console.warn('[Userscript:GitHub Dark Mode README Fix]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
Technical Analysis Benchmark: Python vs Go
이 프로젝트는 Python과 Go로 구현된 기술적 지표 계산의 성능을 비교합니다.
구성 요소
  • benchmark.py: Python 구현
  • benchmark.go: Go 구현
  • go.mod: Go 모듈 파일
  • .env: 데이터베이스 연결 정보
  • run_comparison.py: 자동 비교 스크립트
벤치마크 설계
DB 호출 최소화
  • 벤치마크 시작 시 모든 데이터를 한 번에 메모리로 로드
  • 이후 모든 반복 실행에서는 메모리에 있는 데이터 사용
  • 순수하게 지표 계산 알고리즘의 성능만 측정
측정 방식
  • 100회 반복 실행으로 통계적 신뢰성 확보
  • 각 실행마다 CPU 및 메모리 사용량 측정
  • p95, p99 백분위수로 이상치 영향 최소화
필요 사항
Python
pip install pandas numpy talib psycopg2-binary sqlalchemy python-dotenv psutil
Go
go mod download
실행 방법
Python 벤치마크
# 병렬 처리 (기본값)
python benchmark.py
# 순차 처리
python benchmark.py --traditional
# 워커 수 지정
python benchmark.py --workers 4
# 반복 횟수 지정 (기본값: 100)
python benchmark.py --iterations 50
Go 벤치마크
# 먼저 빌드
go build benchmark.go
# 병렬 처리 (기본값)
./benchmark
# 순차 처리
./benchmark -traditional
# 워커 수 지정
./benchmark -workers 4
# 반복 횟수 지정 (기본값: 100)
./benchmark -iterations 50
자동 비교 실행
# 두 언어의 벤치마크를 자동으로 실행하고 비교
python run_comparison.py
# 커스텀 설정
python run_comparison.py --iterations=50 --workers=4 --traditional
측정 항목
지표 종류
  • ADX (Average Directional Index): 트렌드 강도 측정
  • ATR (Average True Range): 변동성 측정
  • Bollinger Bands: 가격 밴드 계산
성능 메트릭
  • 실행 시간
    • 최소값 (Min)
    • 최대값 (Max)
    • 평균값 (Avg)
    • 95 백분위수 (P95)
    • 99 백분위수 (P99)
  • 리소스 사용량
    • CPU 사용률 (%)
    • 메모리 사용량 (MB)
벤치마크 데이터
10개의 암호화폐 티커에 대해 각 지표를 계산:
  • KRW-BTC, KRW-ETH, KRW-ETC, KRW-GRS, KRW-ICX
  • KRW-XRP, KRW-WAVES, KRW-QTUM, KRW-MTL, KRW-ADA
각 티커당 200개 기간(약 12,000개 캔들)의 데이터를 처리합니다.
예상 결과
일반적으로 Go 구현이 Python 구현보다 빠른 성능을 보입니다:
  • 순차 처리: Go가 3-5배 빠름
  • 병렬 처리: Go가 2-3배 빠름
  • 메모리 사용: Go가 더 적은 메모리 사용
하지만 Python은 TA-Lib 같은 최적화된 라이브러리를 사용하므로, 복잡한 지표의 경우 성능 차이가 줄어들 수 있습니다.
주의사항
  1. 데이터베이스 연결: .env 파일에 올바른 DB 정보가 있어야 합니다.
  2. TA-Lib 설치: Python에서 TA-Lib은 시스템 라이브러리가 필요합니다:

    # Ubuntu/Debian
sudo apt-get install ta-lib
# macOS
brew install ta-lib
  3. 충분한 데이터: 테이블에 충분한 데이터가 있어야 정확한 지표 계산이 가능합니다.
  4. 메모리 요구사항: 모든 데이터를 메모리에 로드하므로 충분한 RAM이 필요합니다 (약 1-2GB).
결과 해석
  • 실행 시간: 낮을수록 좋음
  • P95/P99: 평균보다 안정성을 잘 나타냄 (이상치 제외)
  • CPU 사용률: 병렬 처리 시 높은 것이 정상
  • 메모리 사용량: 지표 계산 중 추가로 사용된 메모리량
About
python, go 성능비교. 한맥스터디
Resources
Readme
Activity
Custom properties
Stars
0 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Highlight search terms from Google/DuckDuckGo/Bing referrer\n(function() {\n var ref = document.referrer;\n var terms = [];\n \n if (ref.includes('google.com') || ref.includes('duckduckgo.com') || ref.includes('bing.com')) {\n var url = new URL(ref);\n var q = url.searchParams.get('q') || url.searchParams.get('p');\n if (q) {\n terms = q.split(/\\s+/).filter(function(t) { return t.length > 2; });\n }\n }\n \n if (terms.length === 0) return;\n \n var style = document.createElement('style');\n style.textContent = '.userscript-highlight { background: #fbbf24; color: #1a1a2e; padding: 1px 3px; border-radius: 2px; }';\n document.head.appendChild(style);\n \n function highlight(node) {\n if (node.nodeType === 3) { // text node\n var text = node.textContent;\n var found = false;\n terms.forEach(function(term) {\n var regex = new RegExp('(' + term.replace(/[.*+?^${}()|[\\]\\\\]/g, '\\\\') + ')', 'gi');\n if (regex.test(text)) {\n found = true;\n var frag = document.createDocumentFragment();\n var parts = text.split(regex);\n parts.forEach(function(part, i) {\n if (i % 2 === 0) {\n frag.appendChild(document.createTextNode(part));\n } else {\n var span = document.createElement('span');\n span.className = 'userscript-highlight';\n span.textContent = part;\n frag.appendChild(span);\n }\n });\n node.parentNode.replaceChild(frag, node);\n }\n });\n } else if (node.nodeType === 1 && node.childNodes) { // element\n var skipTags = ['SCRIPT', 'STYLE', 'NOSCRIPT', 'TEXTAREA', 'INPUT', 'SELECT'];\n if (!skipTags.includes(node.tagName)) {\n Array.from(node.childNodes).forEach(highlight);\n }\n }\n }\n \n highlight(document.body);\n \n // Re-highlight on dynamic content\n var observer = new MutationObserver(function(mutations) {\n mutations.forEach(function(m) {\n m.addedNodes.forEach(function(node) {\n if (node.nodeType === 1 || node.nodeType === 3) highlight(node);\n });\n });\n });\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Highlight Search Terms");
}
} catch(__e) { console.warn('[Userscript:Highlight Search Terms]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
Technical Analysis Benchmark: Python vs Go
이 프로젝트는 Python과 Go로 구현된 기술적 지표 계산의 성능을 비교합니다.
구성 요소
  • benchmark.py: Python 구현
  • benchmark.go: Go 구현
  • go.mod: Go 모듈 파일
  • .env: 데이터베이스 연결 정보
  • run_comparison.py: 자동 비교 스크립트
벤치마크 설계
DB 호출 최소화
  • 벤치마크 시작 시 모든 데이터를 한 번에 메모리로 로드
  • 이후 모든 반복 실행에서는 메모리에 있는 데이터 사용
  • 순수하게 지표 계산 알고리즘의 성능만 측정
측정 방식
  • 100회 반복 실행으로 통계적 신뢰성 확보
  • 각 실행마다 CPU 및 메모리 사용량 측정
  • p95, p99 백분위수로 이상치 영향 최소화
필요 사항
Python
pip install pandas numpy talib psycopg2-binary sqlalchemy python-dotenv psutil
Go
go mod download
실행 방법
Python 벤치마크
# 병렬 처리 (기본값)
python benchmark.py
# 순차 처리
python benchmark.py --traditional
# 워커 수 지정
python benchmark.py --workers 4
# 반복 횟수 지정 (기본값: 100)
python benchmark.py --iterations 50
Go 벤치마크
# 먼저 빌드
go build benchmark.go
# 병렬 처리 (기본값)
./benchmark
# 순차 처리
./benchmark -traditional
# 워커 수 지정
./benchmark -workers 4
# 반복 횟수 지정 (기본값: 100)
./benchmark -iterations 50
자동 비교 실행
# 두 언어의 벤치마크를 자동으로 실행하고 비교
python run_comparison.py
# 커스텀 설정
python run_comparison.py --iterations=50 --workers=4 --traditional
측정 항목
지표 종류
  • ADX (Average Directional Index): 트렌드 강도 측정
  • ATR (Average True Range): 변동성 측정
  • Bollinger Bands: 가격 밴드 계산
성능 메트릭
  • 실행 시간
    • 최소값 (Min)
    • 최대값 (Max)
    • 평균값 (Avg)
    • 95 백분위수 (P95)
    • 99 백분위수 (P99)
  • 리소스 사용량
    • CPU 사용률 (%)
    • 메모리 사용량 (MB)
벤치마크 데이터
10개의 암호화폐 티커에 대해 각 지표를 계산:
  • KRW-BTC, KRW-ETH, KRW-ETC, KRW-GRS, KRW-ICX
  • KRW-XRP, KRW-WAVES, KRW-QTUM, KRW-MTL, KRW-ADA
각 티커당 200개 기간(약 12,000개 캔들)의 데이터를 처리합니다.
예상 결과
일반적으로 Go 구현이 Python 구현보다 빠른 성능을 보입니다:
  • 순차 처리: Go가 3-5배 빠름
  • 병렬 처리: Go가 2-3배 빠름
  • 메모리 사용: Go가 더 적은 메모리 사용
하지만 Python은 TA-Lib 같은 최적화된 라이브러리를 사용하므로, 복잡한 지표의 경우 성능 차이가 줄어들 수 있습니다.
주의사항
  1. 데이터베이스 연결: .env 파일에 올바른 DB 정보가 있어야 합니다.
  2. TA-Lib 설치: Python에서 TA-Lib은 시스템 라이브러리가 필요합니다:

    # Ubuntu/Debian
sudo apt-get install ta-lib
# macOS
brew install ta-lib
  3. 충분한 데이터: 테이블에 충분한 데이터가 있어야 정확한 지표 계산이 가능합니다.
  4. 메모리 요구사항: 모든 데이터를 메모리에 로드하므로 충분한 RAM이 필요합니다 (약 1-2GB).
결과 해석
  • 실행 시간: 낮을수록 좋음
  • P95/P99: 평균보다 안정성을 잘 나타냄 (이상치 제외)
  • CPU 사용률: 병렬 처리 시 높은 것이 정상
  • 메모리 사용량: 지표 계산 중 추가로 사용된 메모리량
About
python, go 성능비교. 한맥스터디
Resources
Readme
Activity
Custom properties
Stars
0 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Strip utm_, fbclid, gclid, etc. from all links on page\n(function() {\n var trackingParams = ['utm_source', 'utm_medium', 'utm_campaign', 'utm_term', 'utm_content',\n 'fbclid', 'gclid', 'dclid', 'msclkid', 'yclid',\n 'ref', 'ref_src', 'source', 'medium', 'campaign'];\n \n function cleanUrl(url) {\n try {\n var u = new URL(url, window.location.origin);\n var changed = false;\n trackingParams.forEach(function(p) {\n if (u.searchParams.has(p)) {\n u.searchParams.delete(p);\n changed = true;\n }\n });\n return changed ? u.toString() : url;\n } catch (e) {\n return url;\n }\n }\n \n function cleanLinks() {\n document.querySelectorAll('a[href]').forEach(function(a) {\n var clean = cleanUrl(a.href);\n if (clean !== a.href) a.href = clean;\n });\n }\n \n cleanLinks();\n \n var observer = new MutationObserver(function(mutations) {\n mutations.forEach(function(m) {\n m.addedNodes.forEach(function(node) {\n if (node.nodeType === 1) {\n if (node.tagName === 'A') cleanLinks();\n node.querySelectorAll('a[href]').forEach(function(a) {\n var clean = cleanUrl(a.href);\n if (clean !== a.href) a.href = clean;\n });\n }\n });\n });\n });\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Remove Tracking Parameters from Links");
}
} catch(__e) { console.warn('[Userscript:Remove Tracking Parameters from Links]', __e); }
})();
(function(){
try {
var __m = "youtube.com";
var __re = new RegExp('^' + "youtube\\.com" + '

Skip to content
BranchesTags
Repository files navigation
Technical Analysis Benchmark: Python vs Go
이 프로젝트는 Python과 Go로 구현된 기술적 지표 계산의 성능을 비교합니다.
구성 요소
  • benchmark.py: Python 구현
  • benchmark.go: Go 구현
  • go.mod: Go 모듈 파일
  • .env: 데이터베이스 연결 정보
  • run_comparison.py: 자동 비교 스크립트
벤치마크 설계
DB 호출 최소화
  • 벤치마크 시작 시 모든 데이터를 한 번에 메모리로 로드
  • 이후 모든 반복 실행에서는 메모리에 있는 데이터 사용
  • 순수하게 지표 계산 알고리즘의 성능만 측정
측정 방식
  • 100회 반복 실행으로 통계적 신뢰성 확보
  • 각 실행마다 CPU 및 메모리 사용량 측정
  • p95, p99 백분위수로 이상치 영향 최소화
필요 사항
Python
pip install pandas numpy talib psycopg2-binary sqlalchemy python-dotenv psutil
Go
go mod download
실행 방법
Python 벤치마크
# 병렬 처리 (기본값)
python benchmark.py
# 순차 처리
python benchmark.py --traditional
# 워커 수 지정
python benchmark.py --workers 4
# 반복 횟수 지정 (기본값: 100)
python benchmark.py --iterations 50
Go 벤치마크
# 먼저 빌드
go build benchmark.go
# 병렬 처리 (기본값)
./benchmark
# 순차 처리
./benchmark -traditional
# 워커 수 지정
./benchmark -workers 4
# 반복 횟수 지정 (기본값: 100)
./benchmark -iterations 50
자동 비교 실행
# 두 언어의 벤치마크를 자동으로 실행하고 비교
python run_comparison.py
# 커스텀 설정
python run_comparison.py --iterations=50 --workers=4 --traditional
측정 항목
지표 종류
  • ADX (Average Directional Index): 트렌드 강도 측정
  • ATR (Average True Range): 변동성 측정
  • Bollinger Bands: 가격 밴드 계산
성능 메트릭
  • 실행 시간
    • 최소값 (Min)
    • 최대값 (Max)
    • 평균값 (Avg)
    • 95 백분위수 (P95)
    • 99 백분위수 (P99)
  • 리소스 사용량
    • CPU 사용률 (%)
    • 메모리 사용량 (MB)
벤치마크 데이터
10개의 암호화폐 티커에 대해 각 지표를 계산:
  • KRW-BTC, KRW-ETH, KRW-ETC, KRW-GRS, KRW-ICX
  • KRW-XRP, KRW-WAVES, KRW-QTUM, KRW-MTL, KRW-ADA
각 티커당 200개 기간(약 12,000개 캔들)의 데이터를 처리합니다.
예상 결과
일반적으로 Go 구현이 Python 구현보다 빠른 성능을 보입니다:
  • 순차 처리: Go가 3-5배 빠름
  • 병렬 처리: Go가 2-3배 빠름
  • 메모리 사용: Go가 더 적은 메모리 사용
하지만 Python은 TA-Lib 같은 최적화된 라이브러리를 사용하므로, 복잡한 지표의 경우 성능 차이가 줄어들 수 있습니다.
주의사항
  1. 데이터베이스 연결: .env 파일에 올바른 DB 정보가 있어야 합니다.
  2. TA-Lib 설치: Python에서 TA-Lib은 시스템 라이브러리가 필요합니다:

    # Ubuntu/Debian
sudo apt-get install ta-lib
# macOS
brew install ta-lib
  3. 충분한 데이터: 테이블에 충분한 데이터가 있어야 정확한 지표 계산이 가능합니다.
  4. 메모리 요구사항: 모든 데이터를 메모리에 로드하므로 충분한 RAM이 필요합니다 (약 1-2GB).
결과 해석
  • 실행 시간: 낮을수록 좋음
  • P95/P99: 평균보다 안정성을 잘 나타냄 (이상치 제외)
  • CPU 사용률: 병렬 처리 시 높은 것이 정상
  • 메모리 사용량: 지표 계산 중 추가로 사용된 메모리량
About
python, go 성능비교. 한맥스터디
Resources
Readme
Activity
Custom properties
Stars
0 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Auto-enable theater mode on YouTube\n(function() {\n function tryTheater() {\n var btn = document.querySelector('button[aria-label=\"Theater mode\"], ytd-player #player button[title=\"Theater mode\"]');\n if (btn && !btn.classList.contains('activated')) {\n btn.click();\n }\n }\n \n // Try immediately\n tryTheater();\n \n // Try after navigation (SPA)\n var lastUrl = location.href;\n setInterval(function() {\n if (location.href !== lastUrl) {\n lastUrl = location.href;\n setTimeout(tryTheater, 500);\n }\n }, 1000);\n \n // Also try on player load\n var observer = new MutationObserver(tryTheater);\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "YouTube Theater Mode Default");
}
} catch(__e) { console.warn('[Userscript:YouTube Theater Mode Default]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
Technical Analysis Benchmark: Python vs Go
이 프로젝트는 Python과 Go로 구현된 기술적 지표 계산의 성능을 비교합니다.
구성 요소
  • benchmark.py: Python 구현
  • benchmark.go: Go 구현
  • go.mod: Go 모듈 파일
  • .env: 데이터베이스 연결 정보
  • run_comparison.py: 자동 비교 스크립트
벤치마크 설계
DB 호출 최소화
  • 벤치마크 시작 시 모든 데이터를 한 번에 메모리로 로드
  • 이후 모든 반복 실행에서는 메모리에 있는 데이터 사용
  • 순수하게 지표 계산 알고리즘의 성능만 측정
측정 방식
  • 100회 반복 실행으로 통계적 신뢰성 확보
  • 각 실행마다 CPU 및 메모리 사용량 측정
  • p95, p99 백분위수로 이상치 영향 최소화
필요 사항
Python
pip install pandas numpy talib psycopg2-binary sqlalchemy python-dotenv psutil
Go
go mod download
실행 방법
Python 벤치마크
# 병렬 처리 (기본값)
python benchmark.py
# 순차 처리
python benchmark.py --traditional
# 워커 수 지정
python benchmark.py --workers 4
# 반복 횟수 지정 (기본값: 100)
python benchmark.py --iterations 50
Go 벤치마크
# 먼저 빌드
go build benchmark.go
# 병렬 처리 (기본값)
./benchmark
# 순차 처리
./benchmark -traditional
# 워커 수 지정
./benchmark -workers 4
# 반복 횟수 지정 (기본값: 100)
./benchmark -iterations 50
자동 비교 실행
# 두 언어의 벤치마크를 자동으로 실행하고 비교
python run_comparison.py
# 커스텀 설정
python run_comparison.py --iterations=50 --workers=4 --traditional
측정 항목
지표 종류
  • ADX (Average Directional Index): 트렌드 강도 측정
  • ATR (Average True Range): 변동성 측정
  • Bollinger Bands: 가격 밴드 계산
성능 메트릭
  • 실행 시간
    • 최소값 (Min)
    • 최대값 (Max)
    • 평균값 (Avg)
    • 95 백분위수 (P95)
    • 99 백분위수 (P99)
  • 리소스 사용량
    • CPU 사용률 (%)
    • 메모리 사용량 (MB)
벤치마크 데이터
10개의 암호화폐 티커에 대해 각 지표를 계산:
  • KRW-BTC, KRW-ETH, KRW-ETC, KRW-GRS, KRW-ICX
  • KRW-XRP, KRW-WAVES, KRW-QTUM, KRW-MTL, KRW-ADA
각 티커당 200개 기간(약 12,000개 캔들)의 데이터를 처리합니다.
예상 결과
일반적으로 Go 구현이 Python 구현보다 빠른 성능을 보입니다:
  • 순차 처리: Go가 3-5배 빠름
  • 병렬 처리: Go가 2-3배 빠름
  • 메모리 사용: Go가 더 적은 메모리 사용
하지만 Python은 TA-Lib 같은 최적화된 라이브러리를 사용하므로, 복잡한 지표의 경우 성능 차이가 줄어들 수 있습니다.
주의사항
  1. 데이터베이스 연결: .env 파일에 올바른 DB 정보가 있어야 합니다.
  2. TA-Lib 설치: Python에서 TA-Lib은 시스템 라이브러리가 필요합니다:

    # Ubuntu/Debian
sudo apt-get install ta-lib
# macOS
brew install ta-lib
  3. 충분한 데이터: 테이블에 충분한 데이터가 있어야 정확한 지표 계산이 가능합니다.
  4. 메모리 요구사항: 모든 데이터를 메모리에 로드하므로 충분한 RAM이 필요합니다 (약 1-2GB).
결과 해석
  • 실행 시간: 낮을수록 좋음
  • P95/P99: 평균보다 안정성을 잘 나타냄 (이상치 제외)
  • CPU 사용률: 병렬 처리 시 높은 것이 정상
  • 메모리 사용량: 지표 계산 중 추가로 사용된 메모리량
About
python, go 성능비교. 한맥스터디
Resources
Readme
Activity
Custom properties
Stars
0 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Remove or un-stick sticky/fixed headers that block content\n(function() {\n function unstick() {\n document.querySelectorAll('header, nav, [role=\"banner\"], .header, .navbar, .sticky, .fixed-top, [style*=\"position: fixed\"], [style*=\"position:sticky\"]').forEach(function(el) {\n if (el.style.position === 'fixed' || el.style.position === 'sticky' || \n getComputedStyle(el).position === 'fixed' || getComputedStyle(el).position === 'sticky') {\n el.style.position = 'static';\n el.style.top = 'auto';\n el.style.zIndex = 'auto';\n }\n });\n }\n \n unstick();\n \n var observer = new MutationObserver(unstick);\n observer.observe(document.body, { childList: true, subtree: true, attributes: true, attributeFilter: ['style', 'class'] });\n})();", "Kill Sticky Headers");
}
} catch(__e) { console.warn('[Userscript:Kill Sticky Headers]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
Technical Analysis Benchmark: Python vs Go
이 프로젝트는 Python과 Go로 구현된 기술적 지표 계산의 성능을 비교합니다.
구성 요소
  • benchmark.py: Python 구현
  • benchmark.go: Go 구현
  • go.mod: Go 모듈 파일
  • .env: 데이터베이스 연결 정보
  • run_comparison.py: 자동 비교 스크립트
벤치마크 설계
DB 호출 최소화
  • 벤치마크 시작 시 모든 데이터를 한 번에 메모리로 로드
  • 이후 모든 반복 실행에서는 메모리에 있는 데이터 사용
  • 순수하게 지표 계산 알고리즘의 성능만 측정
측정 방식
  • 100회 반복 실행으로 통계적 신뢰성 확보
  • 각 실행마다 CPU 및 메모리 사용량 측정
  • p95, p99 백분위수로 이상치 영향 최소화
필요 사항
Python
pip install pandas numpy talib psycopg2-binary sqlalchemy python-dotenv psutil
Go
go mod download
실행 방법
Python 벤치마크
# 병렬 처리 (기본값)
python benchmark.py
# 순차 처리
python benchmark.py --traditional
# 워커 수 지정
python benchmark.py --workers 4
# 반복 횟수 지정 (기본값: 100)
python benchmark.py --iterations 50
Go 벤치마크
# 먼저 빌드
go build benchmark.go
# 병렬 처리 (기본값)
./benchmark
# 순차 처리
./benchmark -traditional
# 워커 수 지정
./benchmark -workers 4
# 반복 횟수 지정 (기본값: 100)
./benchmark -iterations 50
자동 비교 실행
# 두 언어의 벤치마크를 자동으로 실행하고 비교
python run_comparison.py
# 커스텀 설정
python run_comparison.py --iterations=50 --workers=4 --traditional
측정 항목
지표 종류
  • ADX (Average Directional Index): 트렌드 강도 측정
  • ATR (Average True Range): 변동성 측정
  • Bollinger Bands: 가격 밴드 계산
성능 메트릭
  • 실행 시간
    • 최소값 (Min)
    • 최대값 (Max)
    • 평균값 (Avg)
    • 95 백분위수 (P95)
    • 99 백분위수 (P99)
  • 리소스 사용량
    • CPU 사용률 (%)
    • 메모리 사용량 (MB)
벤치마크 데이터
10개의 암호화폐 티커에 대해 각 지표를 계산:
  • KRW-BTC, KRW-ETH, KRW-ETC, KRW-GRS, KRW-ICX
  • KRW-XRP, KRW-WAVES, KRW-QTUM, KRW-MTL, KRW-ADA
각 티커당 200개 기간(약 12,000개 캔들)의 데이터를 처리합니다.
예상 결과
일반적으로 Go 구현이 Python 구현보다 빠른 성능을 보입니다:
  • 순차 처리: Go가 3-5배 빠름
  • 병렬 처리: Go가 2-3배 빠름
  • 메모리 사용: Go가 더 적은 메모리 사용
하지만 Python은 TA-Lib 같은 최적화된 라이브러리를 사용하므로, 복잡한 지표의 경우 성능 차이가 줄어들 수 있습니다.
주의사항
  1. 데이터베이스 연결: .env 파일에 올바른 DB 정보가 있어야 합니다.
  2. TA-Lib 설치: Python에서 TA-Lib은 시스템 라이브러리가 필요합니다:

    # Ubuntu/Debian
sudo apt-get install ta-lib
# macOS
brew install ta-lib
  3. 충분한 데이터: 테이블에 충분한 데이터가 있어야 정확한 지표 계산이 가능합니다.
  4. 메모리 요구사항: 모든 데이터를 메모리에 로드하므로 충분한 RAM이 필요합니다 (약 1-2GB).
결과 해석
  • 실행 시간: 낮을수록 좋음
  • P95/P99: 평균보다 안정성을 잘 나타냄 (이상치 제외)
  • CPU 사용률: 병렬 처리 시 높은 것이 정상
  • 메모리 사용량: 지표 계산 중 추가로 사용된 메모리량
About
python, go 성능비교. 한맥스터디
Resources
Readme
Activity
Custom properties
Stars
0 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Universal Dark Mode - works on any site\n(function() {\n var enabled = true;\n \n function applyDarkMode() {\n if (!enabled) return;\n \n // Create style element if it doesn't exist\n var style = document.getElementById('universal-dark-mode-style');\n if (!style) {\n style = document.createElement('style');\n style.id = 'universal-dark-mode-style';\n document.head.appendChild(style);\n }\n \n // Dark mode CSS - inverts colors but preserves images/video\n style.textContent = '\n /* Invert everything except media */\n html {\n filter: invert(1) hue-rotate(180deg) !important;\n background: #1a1a2e !important;\n }\n \n /* Restore images, videos, iframes, canvas */\n img, video, iframe, canvas, svg, picture, [style*=\"background-image\"] {\n filter: invert(1) hue-rotate(180deg) !important;\n }\n \n /* Preserve specific elements that should not be inverted */\n .no-dark-mode, .no-dark-mode *,\n [data-theme=\"light\"], [data-theme=\"light\"],\n .ace_editor, .ace_editor *,\n .CodeMirror, .CodeMirror *,\n .monaco-editor, .monaco-editor *,\n .markdown-body pre, .markdown-body pre *,\n .highlight, .highlight *,\n pre code, pre code * {\n filter: none !important;\n }\n \n /* Fix common UI elements */\n .modal, .popup, .dropdown-menu, .tooltip, .popover {\n filter: invert(1) hue-rotate(180deg) !important;\n background: #2d2d44 !important;\n border-color: #444 !important;\n }\n \n /* Scrollbars */\n ::-webkit-scrollbar { background: #1a1a2e !important; }\n ::-webkit-scrollbar-thumb { background: #444 !important; }\n ::-webkit-scrollbar-thumb:hover { background: #555 !important; }\n \n /* Selection */\n ::selection { background: #4ecdc4 !important; color: #1a1a2e !important; }\n ::-moz-selection { background: #4ecdc4 !important; color: #1a1a2e !important; }\n ';\n }\n \n function removeDarkMode() {\n var style = document.getElementById('universal-dark-mode-style');\n if (style) style.remove();\n }\n \n // Toggle with Alt+Shift+D\n document.addEventListener('keydown', function(e) {\n if (e.altKey && e.shiftKey && e.key === 'D') {\n e.preventDefault();\n enabled = !enabled;\n if (enabled) {\n applyDarkMode();\n console.log('[Universal Dark Mode] Enabled');\n } else {\n removeDarkMode();\n console.log('[Universal Dark Mode] Disabled');\n }\n }\n });\n \n // Apply on load\n applyDarkMode();\n \n // Re-apply on dynamic content\n var observer = new MutationObserver(function(mutations) {\n if (enabled && !document.getElementById('universal-dark-mode-style')) {\n applyDarkMode();\n }\n });\n observer.observe(document.head, { childList: true });\n \n console.log('[Universal Dark Mode] Loaded - Press Alt+Shift+D to toggle');\n})();", "Universal Dark Mode");
}
} catch(__e) { console.warn('[Userscript:Universal Dark Mode]', __e); }
})();
})();

Skip to content
BranchesTags
Repository files navigation
Technical Analysis Benchmark: Python vs Go
이 프로젝트는 Python과 Go로 구현된 기술적 지표 계산의 성능을 비교합니다.
구성 요소
  • benchmark.py: Python 구현
  • benchmark.go: Go 구현
  • go.mod: Go 모듈 파일
  • .env: 데이터베이스 연결 정보
  • run_comparison.py: 자동 비교 스크립트
벤치마크 설계
DB 호출 최소화
  • 벤치마크 시작 시 모든 데이터를 한 번에 메모리로 로드
  • 이후 모든 반복 실행에서는 메모리에 있는 데이터 사용
  • 순수하게 지표 계산 알고리즘의 성능만 측정
측정 방식
  • 100회 반복 실행으로 통계적 신뢰성 확보
  • 각 실행마다 CPU 및 메모리 사용량 측정
  • p95, p99 백분위수로 이상치 영향 최소화
필요 사항
Python
pip install pandas numpy talib psycopg2-binary sqlalchemy python-dotenv psutil
Go
go mod download
실행 방법
Python 벤치마크
# 병렬 처리 (기본값)
python benchmark.py
# 순차 처리
python benchmark.py --traditional
# 워커 수 지정
python benchmark.py --workers 4
# 반복 횟수 지정 (기본값: 100)
python benchmark.py --iterations 50
Go 벤치마크
# 먼저 빌드
go build benchmark.go
# 병렬 처리 (기본값)
./benchmark
# 순차 처리
./benchmark -traditional
# 워커 수 지정
./benchmark -workers 4
# 반복 횟수 지정 (기본값: 100)
./benchmark -iterations 50
자동 비교 실행
# 두 언어의 벤치마크를 자동으로 실행하고 비교
python run_comparison.py
# 커스텀 설정
python run_comparison.py --iterations=50 --workers=4 --traditional
측정 항목
지표 종류
  • ADX (Average Directional Index): 트렌드 강도 측정
  • ATR (Average True Range): 변동성 측정
  • Bollinger Bands: 가격 밴드 계산
성능 메트릭
  • 실행 시간
    • 최소값 (Min)
    • 최대값 (Max)
    • 평균값 (Avg)
    • 95 백분위수 (P95)
    • 99 백분위수 (P99)
  • 리소스 사용량
    • CPU 사용률 (%)
    • 메모리 사용량 (MB)
벤치마크 데이터
10개의 암호화폐 티커에 대해 각 지표를 계산:
  • KRW-BTC, KRW-ETH, KRW-ETC, KRW-GRS, KRW-ICX
  • KRW-XRP, KRW-WAVES, KRW-QTUM, KRW-MTL, KRW-ADA
각 티커당 200개 기간(약 12,000개 캔들)의 데이터를 처리합니다.
예상 결과
일반적으로 Go 구현이 Python 구현보다 빠른 성능을 보입니다:
  • 순차 처리: Go가 3-5배 빠름
  • 병렬 처리: Go가 2-3배 빠름
  • 메모리 사용: Go가 더 적은 메모리 사용
하지만 Python은 TA-Lib 같은 최적화된 라이브러리를 사용하므로, 복잡한 지표의 경우 성능 차이가 줄어들 수 있습니다.
주의사항
  1. 데이터베이스 연결: .env 파일에 올바른 DB 정보가 있어야 합니다.
  2. TA-Lib 설치: Python에서 TA-Lib은 시스템 라이브러리가 필요합니다:

    # Ubuntu/Debian
sudo apt-get install ta-lib
# macOS
brew install ta-lib
  3. 충분한 데이터: 테이블에 충분한 데이터가 있어야 정확한 지표 계산이 가능합니다.
  4. 메모리 요구사항: 모든 데이터를 메모리에 로드하므로 충분한 RAM이 필요합니다 (약 1-2GB).
결과 해석
  • 실행 시간: 낮을수록 좋음
  • P95/P99: 평균보다 안정성을 잘 나타냄 (이상치 제외)
  • CPU 사용률: 병렬 처리 시 높은 것이 정상
  • 메모리 사용량: 지표 계산 중 추가로 사용된 메모리량
About
python, go 성능비교. 한맥스터디
Resources
Readme
Activity
Custom properties
Stars
0 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages