GitHub Copilot 앱, 100만 라인 규모 PR 렌더링 성능 최적화

GitHub Copilot 앱은 2,200개 파일, 100만 라인 이상의 변경 사항과 400개 이상의 인라인 리뷰 코멘트가 포함된 초대형 Pull Request(PR)에서도 부드러운 리뷰 경험을 제공하기 위해 PR 뷰를 재구축했다. 기존 가상화 기술은 높이가 고정된 코드 라인에는 효과적이지만, 마크다운 렌더링이나 이미지 로딩 등에 따라 높이가 동적으로 변하는 리뷰 코멘트 처리에는 한계가 있었다.

이중 지오메트리 아키텍처 적용

성능 문제를 해결하기 위해 문서의 높이를 결정적 코드 높이와 동적 블록 높이라는 두 개의 독립적인 영역으로 분리했다. 코드 영역은 미리 계산된 정확한 높이를 유지하며, 리뷰 스레드나 답장 작성기 등 높이를 예측할 수 없는 요소는 '동적 블록'으로 취급한다. 각 동적 블록은 파일, 라인, 위치가 아닌 고유 키로 식별되어 리플로우 시에도 추적성을 잃지 않으며, 측정된 높이는 코드 기하학과 분리된 인덱스에 저장되어 주석 크기 변경이 전체 코드 레이아웃 재계산을 유발하지 않는다.

측정 스케줄러와 스크롤 앵커링

주석 높이 측정 시 발생할 수 있는 무한 루프와 스크롤 점프를 방지하기 위해 정교한 측정 스케줄러를 도입했다. 뷰포트 근처의 블록만 측정 대상으로 삼고, 스크롤 중에는 측정을 보류하며 스크롤이 멈추면 일괄 처리한다. 또한 사용자가 보는 위치(앵커)를 기준으로 높이 보정을 수행하여, 주석 높이가 변해도 사용자의 시선이 흔들리지 않도록 했다. 특히 사용자가 직접 주석이나 상세 정보를 펼쳤을 때는 즉시 보정을 적용해 시각적 끊김을 최소화했다.

자동화된 성능 검증 루프

이러한 최적화는 수동 디버깅이 불가능한 복잡한 버그들을 잡기 위해 자동화된 측정 루프를 통해 달성되었다. 앱 내부에 구조화된 프로브를 삽입해 렌더링 상태와 측정 정확도를 실시간으로 모니터링했으며, 헤드리스 프로브와 데스크톱 앱 오토파일럿을 활용해 수천 번의 시나리오를 반복 실행했다. 이를 통해 메모리 누수, 렌더링 지연, 빈 공간 발생 등의 문제를 기계적으로 감지하고 해결했다.