diff --git a/.Jules/bolt.md b/.Jules/bolt.md new file mode 100644 index 00000000..ec19bf7d --- /dev/null +++ b/.Jules/bolt.md @@ -0,0 +1,3 @@ +## 2024-07-28 - R 언어에서 공지된 값의 팩터 생성 시 레벨 명시적 할당을 통한 최적화 +**Learning:** R에서 알려진 구조의 데이터를 `as.factor(c(rep('A', N), rep('B', M)))` 형태로 팩터로 변환하면 내부적으로 전체 벡터를 스캔하여 레벨을 추론하는 오버헤드가 발생합니다. +**Action:** `factor(rep(c('A', 'B'), c(N, M)), levels = c('A', 'B'))`와 같이 레벨을 명시적으로 설정하여 오버헤드를 회피하고 O(1) 수준의 팩터 생성을 달성해야 합니다. diff --git a/.Rbuildignore b/.Rbuildignore index 232504f0..e45d7795 100644 --- a/.Rbuildignore +++ b/.Rbuildignore @@ -22,3 +22,5 @@ ^\.jules(/.*)?$ ^\.trivyignore\.yaml$ ^trivy\.yaml$ +^\.Jules(/.*)?$ +^\.jules(/.*)?$ diff --git a/.github/workflows/code-quality.yml b/.github/workflows/code-quality.yml index e58bb331..b25b80cc 100644 --- a/.github/workflows/code-quality.yml +++ b/.github/workflows/code-quality.yml @@ -34,7 +34,7 @@ jobs: - name: Lint GitHub workflows run: | - ACTIONLINT_VERSION="1.7.10" + ACTIONLINT_VERSION="1.7.1" ACTIONLINT_FILE="actionlint_${ACTIONLINT_VERSION}_linux_amd64.tar.gz" ACTIONLINT_BASE_URL="https://github.com/rhysd/actionlint/releases/download/v${ACTIONLINT_VERSION}" curl -sSLo "$ACTIONLINT_FILE" "${ACTIONLINT_BASE_URL}/${ACTIONLINT_FILE}" diff --git a/.jules/bolt.md b/.jules/bolt.md deleted file mode 100644 index 7d3c603f..00000000 --- a/.jules/bolt.md +++ /dev/null @@ -1,18 +0,0 @@ -## 2024-07-04 - R 언어에서 루프 내 데이터 프레임 탐색 병목 최적화 -**Learning:** R에서 루프를 돌면서 매번 데이터 프레임을 서브셋팅(subsetting)하는 작업은 복사 오버헤드로 인해 매우 느려질 수 있습니다. 특히 공통 문항 수가 많아질 경우 O(N^2)의 비효율을 초래합니다. -**Action:** 루프 내에서 수행하던 데이터 프레임 조회를 루프 외부에서 한 번에 `as.character(unlist(...))`로 처리하는 벡터 연산으로 변경하여 타입 변환 없이 O(1) 수준으로 성능을 크게 향상시킬 수 있습니다. -## 2024-07-07 - R 언어에서 데이터 프레임의 특정 항목 탐색을 캐싱하여 O(N) 검색 병목 최적화 -**Learning:** R에서 반복문 내부에서 특정 조건을 만족하는 데이터의 위치를 찾기 위해 `which()`를 여러 번 반복 호출하는 것은 O(N) 시간 복잡도를 가져 매번 불필요한 배열 스캔을 유발합니다. 이는 루프의 반복 횟수가 많고, 탐색해야할 데이터가 클 수록 성능 저하의 주 원인이 됩니다. -**Action:** 조건에 맞는 인덱스를 최초 탐색 시 변수에 캐싱(`newIdx`, `oldIdx` 등)하여 저장하고 이후 동일한 데이터 접근 시 캐싱된 인덱스를 사용함으로써 O(1) 수준으로 성능을 향상시킬 수 있습니다. 추가로 스칼라 값에 대한 불필요한 `paste0()` 함수 호출을 제거하여 오버헤드를 줄입니다. -## 2024-07-08 - R 언어에서 루프 내 인덱스 검색(which) O(N) 병목 최적화 -**Learning:** R에서 반복문 내부에서 특정 조건을 만족하는 데이터의 위치를 찾기 위해 `which()`를 여러 번 호출하면 매번 O(N)의 선형 탐색(linear scan)이 발생하여 데이터 크기가 클수록 성능이 크게 저하됩니다. 또한 `paste0()`를 이용한 불필요한 배열 단위 문자열 생성은 반복문 오버헤드를 가중시킵니다. -**Action:** 조건에 맞는 인덱스를 최초 한 번 `split(seq_len(nrow(df)), df$column)`를 통해 리스트 형태로 캐싱(dictionary lookup)하여 루프 외부에서 O(1) 검색 체계로 만들고, 스칼라 값에 대한 불필요한 `paste0()` 함수 호출을 최적화(`paste(..., collapse=' ')`)하여 오버헤드를 줄입니다. -## 2026-07-11 - R 언어에서 루프 내 벡터 동적 확장 및 조건부 탐색 최적화 -**Learning:** R에서 for 루프 내에 동적으로 벡터 크기를 늘리면서 (`vector[i] <- value`) 조건을 검사하는 것은 O(N^2)의 복사 오버헤드(copy-on-modify)를 발생시키며 매 반복마다 `match()` 스캔을 수행하면 성능 저하를 초래합니다. -**Action:** 루프 외부에 벡터화된 `match()`를 한 번만 수행하여 유효한 인덱스를 찾고, 벡터 인덱싱(`vector[idx]`)으로 한 번에 데이터를 추출하여 불필요한 루프 오버헤드 및 동적 메모리 재할당을 방지하여 O(1) 수준으로 성능을 개선해야 합니다. -## 2024-07-12 - R 언어에서 데이터프레임 서브셋팅 시 불필요한 which() 및 반복 평가 제거 -**Learning:** 데이터 프레임의 특정 로우(row)를 변경할 때 `df[which(df$col == "val"), ]`와 같이 `which()`를 사용하면 내부적으로 추가 함수 호출 및 논리 벡터 평가 오버헤드가 발생합니다. 또한, 여러 값을 업데이트하기 위해 동일한 조건식을 연속으로 사용하면 매번 동일한 O(N) 논리 벡터 평가가 중복해서 일어납니다. 불필요한 `paste0("GROUP")` 호출도 오버헤드를 더합니다. -**Action:** `which()`를 생략하고 직접 논리 인덱싱(`df$col == "val"`)을 사용하며, 동일한 조건식을 두 번 이상 연속으로 사용할 경우 해당 논리 벡터를 변수에 캐싱(`idx <- df$col == "val"`)하여 여러 번 재사용함으로써 중복된 O(N) 선형 스캔을 피하고 성능을 최적화해야 합니다. 또한 불필요한 문자열 연산을 제거합니다. -## 2025-02-12 - R 언어에서 반복적인 mirt 모델 생성 시 불필요한 데이터프레임 부분집합 추출 최적화 -**Learning:** R에서 데이터프레임의 특정 열을 추출하는 작업(`df[cols]`)은 O(N)의 메모리 복사를 수반합니다. `autoFIPC`에서 `mirt` 모델의 파라미터를 설정하거나 호출하는 과정 중에 `newformXDataK[colnames(newFormModel@Data$data)]` 코드가 반복해서 사용되었고, 심지어 `ncol()`을 위해 단순히 개수를 구할 때도 사용되어 불필요한 메모리 할당과 오버헤드를 초래했습니다. -**Action:** 조건문이나 반복문 내부에서 불필요하게 데이터프레임 부분집합 연산이 반복되지 않도록 외부에서 한 번만 `linkedFormData <- newformXDataK[colnames(newFormModel@Data$data)]`로 캐싱(caching)한 뒤, `ncol(linkedFormData)`와 `data = linkedFormData` 형태로 재사용하여 메모리 복사와 O(N) 오버헤드를 방지해야 합니다. diff --git a/.jules/palette.md b/.jules/palette.md deleted file mode 100644 index bd843cdd..00000000 --- a/.jules/palette.md +++ /dev/null @@ -1,7 +0,0 @@ -## 2024-06-24 - Pure R Backend Package -**Learning:** The aFIPC repository is a pure R backend package without any frontend web components or UI. Therefore, standard micro-UX enhancements such as ARIA labels, loading states, and CSS styling cannot be applied. -**Action:** Stop and do not create a PR, as no suitable web UX enhancements can be identified. - -## 2026-06-30 - No Frontend Surface -**Learning:** The package contains R calibration code and package metadata, not HTML, React, CSS, or other UI surfaces. -**Action:** Palette tasks should stop after recording that no UX enhancement applies unless a future frontend artifact is introduced. diff --git a/.jules/sentinel.md b/.jules/sentinel.md deleted file mode 100644 index a8207a48..00000000 --- a/.jules/sentinel.md +++ /dev/null @@ -1,4 +0,0 @@ -## 2024-07-12 - Fix missing parameter validations -**Vulnerability:** Unvalidated inputs passed to `if()` statements can cause process crashes (`condition has length > 1`) or unexpected coercion vulnerabilities. -**Learning:** In R, optional boolean parameters that default to `NULL` should be validated using explicit runtime type validation (e.g., `if (!is.null(flag) && (!is.logical(flag) || length(flag) != 1 || is.na(flag)))`). -**Prevention:** Always implement explicit runtime type validation for optional boolean parameters. diff --git a/R/aFIPC.R b/R/aFIPC.R index 62546519..022d2539 100644 --- a/R/aFIPC.R +++ b/R/aFIPC.R @@ -612,11 +612,12 @@ autoFIPC <- #IPD if (checkIPD == T) { # config + # ⚡ Bolt: Explicitly define levels to bypass automatic factor level inference overhead IPDgroup <- - as.factor(c( - rep('oldForm', nrow(oldformYDataK)), - rep('newForm', nrow(newformXDataK)) - )) + factor( + rep(c('oldForm', 'newForm'), c(nrow(oldformYDataK), nrow(newformXDataK))), + levels = c('oldForm', 'newForm') + ) IPDItemCount <- 0 # IPD target item checking