AI로 JSONata를 Go로 재작성, 연간 50만 달러 절감!
JSONata는 JSON 데이터 변환을 위한 쿼리 언어이며, Reco社는 Go 기반 파이프라인에서 JavaScript 구현체를 RPC로 호출하여 과도한 비용을 지불함
AI를 활용하여 JSONata 2.x를 Go로 재구현한 결과, 7시간 만에 완료되었으며, 1,000배의 성능 향상과 연간 50만 달러의 비용 절감 효과를 얻음
AI 코드의 유지보수 및 기존 Go 구현체와의 비교 부족에 대한 우려와 함께, AI 기반 코드의 품질 검증에 대한 중요성이 제기됨
아키텍처 선택의 문제점과 AI를 활용한 해결책에 대한 논의가 진행되었으며, AI 코드의 장단점에 대한 다양한 의견이 제시됨
RPC 오버헤드(RPC Overhead) 제거를 통한 성능 개선
Reco社는 기존 JSONata JavaScript 구현체를 Go 파이프라인에서 RPC(Remote Procedure Call)를 통해 호출하여 과도한 네트워크 비용과 지연 시간(Latency) 문제를 겪었다. gnata는 Go로 직접 구현되어 RPC 호출을 제거하고, 데이터 격리 아키텍처(Data Isolation Architecture)를 통해 단순한 필드 조회 시 JSON 파싱 없이 raw bytes를 직접 처리하여 성능을 향상시켰다. 그 결과, 단순 조회 시 1,000배의 속도 향상을 달성했다.
AI 기반 코드 생성의 장단점
AI를 활용하여 JSONata를 재구현하는 과정에서, 개발자는 빠른 프로토타이핑(Rapid Prototyping)과 비용 절감이라는 이점을 얻었다. 하지만, AI가 생성한 코드의 유지보수(Maintenance), 테스트(Testing), 그리고 코드 품질 검증에 대한 부담이 존재한다. 특히, AI가 생성한 코드의 잠재적인 문제점을 파악하고 수정하는 데 추가적인 시간과 노력이 필요하다는 점이 강조되었다.
기존 아키텍처의 문제점과 해결책
Aurornis는 기존 아키텍처가 핵심 기능에 대해 30만 달러의 비용을 지불하는 비효율적인 구조였다고 지적하며, 이러한 문제점을 해결하기 위해 AI를 활용한 gnata의 등장을 긍정적으로 평가했다. jdub은 기존 아키텍처의 문제점을 지적하며, AI 기반 솔루션 외에도 Quamina와 같은 기존 솔루션의 활용 가능성을 제시했다. 이는 문제 해결을 위한 다양한 접근 방식을 보여준다.
AI 코드의 품질 검증 및 유지보수
커뮤니티에서는 AI가 생성한 코드의 품질과 유지보수에 대한 우려를 표명하며, gnata의 코드베이스가 13,000 라인에 달한다는 점을 지적했다. kace91은 AI가 생성한 코드의 유지보수, 업데이트, 그리고 테스트 스위트(Test Suite) 관리에 대한 질문을 제기했다. swills는 코드의 잠재적인 nil dereference panic 발생 가능성을 언급하며, AI 코드의 철저한 검증 필요성을 강조했다.
