Rust 바인딩 및 L1 캐시 최적화로 ast.walk 성능 220배 향상

Context

AI 코드 생성 과정에서 발생하는 구문 오류의 빠른 탐지를 위해 커스텀 Linter 도입이 필요했으나, Python 표준 라이브러리인 ast.walk의 낮은 처리 성능이 병목 지점으로 작용함. 특히 대규모 AST(Abstract Syntax Tree) 순회 시 Generator 기반의 반복 구조가 과도한 CPU 사이클을 소모하는 한계가 발생함.

Technical Solution

• Generator 기반의 yield 구조를 제거하고 리스트 기반 저장 및 Inlining 처리를 통해 실행 컨텍스트 스위칭 비용 감소
• Python 인터프리터의 오버헤드를 제거하기 위해 Rust 기반의 네이티브 머신 코드 바인딩으로 로직 이관
• PyO3의 타입 체크 비용을 최소화하는 cast_unchecked 적용 및 dict 메모리 오프셋 직접 접근으로 딕셔너리 룩업 최적화
• AST 서브클래스 메모리 주소를 Hash Set에 저장하여 isinstance 호출을 단순 멤버십 체크로 대체
• L1 캐시 적재가 가능한 2KB 규모의 Direct-mapped Table을 설계하여 타입 판별 및 _fields 길이를 상수로 사전 계산
• 예측 가능한 dict 구조를 활용해 불필요한 필드(lineno, col_offset) 스캔을 배제하고 _fields 범위 내로 탐색 최적화