...

src/main/kotlin/network/RagService.kt

@@ -174,37 +174,53 @@ object RagService {
         }
     }
 
-    suspend fun processStock(currentPrice : Double , technicalAnalyzer: TechnicalAnalyzer,stockName: String,stockCode: String,result : TradingDecisionCallback) {
+    suspend fun processStock(currentPrice: Double, technicalAnalyzer: TechnicalAnalyzer, stockName: String, stockCode: String, result: TradingDecisionCallback) {
-        // 1. 10분간의 데이터 가져오기 (API 호출)
+        val totalStartTime = System.currentTimeMillis() // 전체 시작 시간
+
         coroutineScope {
             try {
-                var tradingDecision: TradingDecision = TradingDecision()
+                var tradingDecision = TradingDecision()
                 tradingDecision.stockCode = stockCode
                 tradingDecision.analyzer = technicalAnalyzer
                 tradingDecision.currentPrice = currentPrice
+
                 var corpInfo = DartCodeManager.getCorpCode(stockCode)
                 corpInfo?.stockName = stockName
                 tradingDecision.stockName = stockName
                 tradingDecision.corpName = corpInfo?.cName ?: ""
+
+                // 1. 재무 데이터 가져오기 시간 측정
+                val financialStartTime = System.currentTimeMillis()
                 val financialDataDeferred = async { NewsService.fetchFinancialGrowth(corpInfo?.cCode ?: "") }
-
                 tradingDecision.financialData = financialDataDeferred.await()
-
                 val financialStmt = FinancialMapper.mapRawTextToStatement(tradingDecision.financialData ?: "")
+                val financialDuration = System.currentTimeMillis() - financialStartTime
+                println("⏱️ [$stockName] 재무 분석 소요: ${financialDuration}ms")
+
                 if (FinancialAnalyzer.isSafetyBeltMet(financialStmt)) {
+                    // 2. 뉴스 스크래핑 및 학습 시간 측정
+                    val newsIngestStartTime = System.currentTimeMillis()
                     corpInfo?.let {
                         try {
                             NewsService.fetchAndIngestNews(it)
                         } catch (e: Exception) {}
                     }
+                    val newsIngestDuration = System.currentTimeMillis() - newsIngestStartTime
+                    println("⏱️ [$stockName] 뉴스 수집/인덱싱 소요: ${newsIngestDuration}ms")
 
+                    // 3. 기술적 지표 계산 시간 측정
+                    val techStartTime = System.currentTimeMillis()
                     val financialScore = FinancialAnalyzer.calculateScore(financialStmt)
                     val scores = technicalAnalyzer.calculateScores(financialScore)
+                    val techDuration = System.currentTimeMillis() - techStartTime
+                    println("⏱️ [$stockName] 기술적 지표 계산 소요: ${techDuration}ms")
                     if (scores.avg() > 50) {
                         result(tradingDecision, false)
                         tradingDecision.techSummary = technicalAnalyzer.generateComprehensiveReport()
                         result(tradingDecision, false)
 
+                        // 4. RAG 뉴스 검색 및 임베딩 시간 측정
+                        val ragStartTime = System.currentTimeMillis()
                         val question = "${corpInfo?.cName} $stockName[$stockCode]의 향후 실적 전망과 관련된 핵심 뉴스"
                         val questionEmbedding = embeddingModel.embed(question).content()
                         val searchResult = embeddingStore.search(
@@ -214,23 +230,36 @@ object RagService {
                                 .build()
                         )
                         tradingDecision.newsContext = searchResult.matches().joinToString("\n") { it.embedded().text() }
+                        val ragDuration = System.currentTimeMillis() - ragStartTime
+                        println("⏱️ [$stockName] RAG 뉴스 검색 소요: ${ragDuration}ms")
+
                         result(tradingDecision, false)
-                        TradingLogStore.addAnalyzer(stockName,stockCode, "${FinancialAnalyzer.toString(financialStmt)}${scores.toString()}",true)
+                        TradingLogStore.addAnalyzer(stockName, stockCode, "${FinancialAnalyzer.toString(financialStmt)}${scores.toString()}", true)
-                        println("${stockName}[${stockCode}] : ${FinancialAnalyzer.toString(financialStmt)}${scores.toString()}")
+
-                        result(decideTrading(stockCode, scores, financialStmt, tradingDecision), true)
+                        // 5. AI 최종 결정(LLM 호출) 시간 측정
+                        val aiDecisionStartTime = System.currentTimeMillis()
+                        val finalDecision = decideTrading(stockCode, scores, financialStmt, tradingDecision)
+                        val aiDecisionDuration = System.currentTimeMillis() - aiDecisionStartTime
+                        println("⏱️ [$stockName] AI 최종 판단 소요: ${aiDecisionDuration}ms")
+
+                        val totalDuration = System.currentTimeMillis() - totalStartTime
+                        println("✅ [$stockName] 전체 분석 완료 총 소요: ${totalDuration}ms")
+
+                        // 상세 로그 남기기
+                        TradingLogStore.addAnalyzer(stockName, stockCode, "분석시간 상세: 재무(${financialDuration}ms), 뉴스(${newsIngestDuration}ms), RAG(${ragDuration}ms), AI(${aiDecisionDuration}ms)", true)
+
+                        result(finalDecision, true)
                     } else {
-                        println("${stockName}[${stockCode}] : ${FinancialAnalyzer.toString(financialStmt)}${scores.toString()}")
+                        println("✋ [$stockName] 기술 점수 미달로 분석 중단")
-                        TradingLogStore.addAnalyzer(stockName,stockCode, "${FinancialAnalyzer.toString(financialStmt)}${scores.toString()}")
                         tradingDecision.confidence = 1.0
                         result(tradingDecision, false)
                     }
                 } else {
-                    TradingLogStore.addAnalyzer(stockName,stockCode, "${FinancialAnalyzer.toString(financialStmt)}")
+                    println("🚨 [$stockName] 재무 안전벨트 미달")
-                    println("${stockName}[${stockCode}] : ${FinancialAnalyzer.toString(financialStmt)}")
                     tradingDecision.confidence = 1.0
                     result(tradingDecision, false)
                 }
-            }catch (e: Exception) {
+            } catch (e: Exception) {
                 e.printStackTrace()
             }
         }

src/main/kotlin/service/DynamicNewsScraper.kt

@@ -15,6 +15,7 @@ import kotlinx.coroutines.withTimeout
 import model.NewsItem
 import network.CorpInfo
 import network.RagService
+import util.HardwareDetector
 import java.net.URL
 import kotlin.random.Random
 
@@ -269,9 +270,20 @@ object DynamicNewsScraper {
 }
 
 object SafeScraper {
+    private val totalRam = HardwareDetector.getTotalRamGb()
+
+    // RAM 8GB당 1개 수준으로 설정하되, 최대 10~12개로 제한 (CPU 부하 방지)
+    private val maxParallel = when {
+        totalRam >= 128 -> 8
+        totalRam >= 64 -> 6
+        totalRam >= 32 -> 4
+        totalRam >= 16 -> 2
+        else -> 1
+    }
+
     // 동시 처리를 1개로 줄여서 안정성을 극대화 (추천)
     // Playwright는 여러 페이지를 띄울 때 CPU/메모리 점유율이 매우 높습니다.
-    private val semaphore = Semaphore(2)
+    private val semaphore = Semaphore(maxParallel)
 
     suspend fun scrapeParallel(corpInfo: CorpInfo, urls: List<NewsItem>) = coroutineScope {
         urls.forEach { item -> // map + awaitAll 대신 순차 처리가 현재 상황에선 더 안정적입니다.

src/main/kotlin/service/LlamaServerManager.kt

@@ -5,6 +5,7 @@ import kotlinx.coroutines.Dispatchers
 import kotlinx.coroutines.SupervisorJob
 import kotlinx.coroutines.launch
 import network.RagService
+import util.HardwareDetector
 import java.io.BufferedReader
 import java.io.File
 import java.io.InputStreamReader
@@ -46,31 +47,48 @@ object LlamaServerManager {
         }
     }
 
-    fun startServer(binPath: String, modelPath: String, port: Int, nGpuLayers: Int = 99) {
+    fun startServer(binPath: String, modelPath: String, port: Int) {
-        // 이미 해당 포트에서 실행 중이거나 모델 경로가 비었으면 무시합니다.
+
         if (processes.containsKey(port) || modelPath.isBlank()) return
         val os = System.getProperty("os.name").lowercase()
         val arch = System.getProperty("os.arch").lowercase()
         val isWin = os.contains("win")
-        val (nGpuLayers, threads) = when {
+        val isMacArm = os.contains("mac") && (arch.contains("arm64") || arch.contains("aarch64"))
-            os.contains("mac") && (arch.contains("arm64") || arch.contains("aarch64")) -> 99 to 8
+
-            isWin -> 4 to 12 // NUC Core Ultra 7: GPU 레이어 40 내외, 스레드 12 권장
+        val cpuCores = Runtime.getRuntime().availableProcessors() // HardwareDetector.getCpuCores()와 동일
-            else -> 0 to 4    // 인텔 맥 2017 등
+        val hasGpu = HardwareDetector.hasNvidiaGpu()
-        }
+
+// 1. optimalThreads: 할당 비율 적용 및 최소/최대 범위 제한(Safety Boundary)
+// 과도한 스레드 할당은 오히려 컨텍스트 스위칭 비용을 높여 성능을 저하시킬 수 있습니다.
+        val ratio = if (isWin) 0.5 else 0.7
+        val optimalThreads = (cpuCores * ratio).toInt().coerceIn(4, 16)
+
+// 2. optimalGpuLayers: GPU 가속 조건 (윈도우 NVIDIA 또는 맥 ARM)
+        val optimalGpuLayers = if ((isWin && hasGpu) || isMacArm) 99 else 4
+
+        println("🖥️ OS: $os / Arch: $arch")
+        println("⚙️ 할당 스레드: $optimalThreads (Core: $cpuCores, Ratio: $ratio)")
+        println("🚀 GPU 레이어: $optimalGpuLayers (NVIDIA/MacArm: ${if(optimalGpuLayers == 99) "YES" else "NO"})")
+
+//        val (nGpuLayers, threads) = when {
+//            os.contains("mac") && (arch.contains("arm64") || arch.contains("aarch64")) -> 99 to 8
+//            isWin -> optimalGpuLayers to optimalThreads // NUC Core Ultra 7: GPU 레이어 40 내외, 스레드 12 권장
+//            else -> 0 to 4    // 인텔 맥 2017 등
+//        }
 
         val command = mutableListOf(
             binPath,
             "-m", modelPath,
             "--port", port.toString(),
             "-c", if (port == 8081) "512" else "8192",
-            "-ngl", nGpuLayers.toString(),
+            "-ngl", optimalGpuLayers.toString(),
-            "-t", threads.toString(),
+            "-t", optimalThreads.toString(),
             "--embedding"
         )
         if (port != 8081) { // 텍스트 생성용 모델에만 적용
             command.addAll(listOf(
                 "-b", "512", // Batch size (토큰 병렬 처리량 제한으로 연산 안정화)
-                "--threads-batch", threads.toString(),
+                "--threads-batch", optimalThreads.toString(),
                 "-fa","on" // Flash Attention 활성화 (메모리 절약 및 긴 컨텍스트 연산 안정성 증가)
             ))
         }

src/main/kotlin/util/HardwareDetector.kt

@@ -0,0 +1,21 @@
+package util
+
+object HardwareDetector {
+    fun getCpuCores(): Int = Runtime.getRuntime().availableProcessors()
+
+    fun getTotalRamGb(): Long {
+        val bean = java.lang.management.ManagementFactory.getOperatingSystemMXBean()
+                as com.sun.management.OperatingSystemMXBean
+        return bean.totalMemorySize / (1024 * 1024 * 1024)
+    }
+
+    // Windows 환경에서 NVIDIA GPU 존재 여부 확인 (간이 로직)
+    fun hasNvidiaGpu(): Boolean {
+        return try {
+            val process = Runtime.getRuntime().exec("nvidia-smi")
+            process.waitFor() == 0
+        } catch (e: Exception) {
+            false
+        }
+    }
+}