Zig 코어 기반 Native Hypergraph 구현으로 쿼리 성능 최대 30배 향상

Context

다자간 관계를 모델링하는 Hypergraph 요구사항을 NetworkX의 Hub-node 우회 방식이나 HyperNetX의 Pure Python 구조로 처리함에 따른 성능 저하 발생. 특히 대규모 데이터셋에서 Python 객체 생성 오버헤드와 메모리 파편화로 인한 런타임 병목 지점 확인.

Technical Solution

• Zig 언어를 활용한 Native Memory 모델 설계로 Python 객체 생성 오버헤드 제거
• 하이퍼엣지를 Zig Struct와 Compact Integer Array로 관리하여 메모리 연속성 확보 및 GC 부하 최소화
• FFI(Foreign Function Interface) 호출 비용 최적화를 위한 Bulk Insertion API 도입으로 데이터 전송 횟수 감소
• 하이퍼엣지 자체에 방향성(Directed Semantics)을 부여하여 복잡한 공급망 및 트랜잭션 흐름 모델링 가능
• 전용 Zig Core 기반의 BFS/DFS 알고리즘 구현을 통한 쿼리 처리 경로 최적화
• 의존성 제거 및 ctypes 기반 인터페이스 설계를 통한 Cold Import 시간 단축