Taeguk's Blog

안녕하세요. 오늘은 SHA-256 알고리즘에 대해 간단하게 설명하려고 합니다~ 이 포스팅에서는 SHA-256 의 수학적인 원리나 구현 최적화 기법에 대해서는 다루지 않습니다. 설명을 위해 최소한으로 작성한 C++ 코드를 통해 SHA-256 의 내부 로직이 어떻게 구성되어 있는지 가볍게 알아보도록 하겠습니다. SHA-256 이란? 해시 함수중에 하나로서, 해시의 결과가 256bit 입니다. SHA 해시 함수 모음에 속하고 대중적으로 널리쓰이는 해시 함수중에 하나입니다. 특히 최근에는 비트코인을 비롯한 많은 블록체인 시스템에서 SHA-256 을 주로 활용합니다. SHA-256 알고리즘은 해시 대상 메시지를 전처리하는 단계과 전처리된 메시지를 바탕으로 해시를 계산하는 단계로 나뉩니다. 각 단계에 대해서 알아보도록 하겠습니다. 메시지 전처리 SHA-256 를 적용해야할 데이터를 메시지 라고 합니다. 이때 메시지 bit 의 길이가 512의 배수가 되도록 padding 을 추가하는 것이 전처리 단계에서 수행하는 작업입니다. 구체적인 규칙은 아래와 같습니다. 원본 메시지의 바로 뒤에 비트 ‘1’ 을 하나 추가한다. 메시지의 길이가 512의 배수가 되도록 메시지에 0을 추가한다. 메시지의 마지막 64bit에는 원본 메시지의 bit 길이를 적는다. (출처 : https://nvlpubs.nist.gov/nistpubs/FIPS/NIST.FIPS.180-4.pdf ) 이러한 메시지 전처리 단계를 C++ 로 구현하면 아래와 같습니다. // Add padding to message. void PreProcess ( std :: vector < uint8_t > & message ) { auto L = static_cast < uint64_t > ( message . size ( ) ) ; // Append single '1' bit and seven '0'...

퇴사 후 새로운 회사에 출근하기 전에 혼자서 2박 3일 제주도 여행을 다녀왔다.  국내선 비행기도 처음이였고 김포공항도 처음이였고 제주도도 처음이였다. 제주도 도착하자 마자 공항 밖의 모습 이국적인 모습의 나무를 보고서야 여행을 왔다는게 실감이 됐다.  여행 계획은 전무했다. 그냥 제주공항에서 남쪽으로 가는 아무 버스나 탑승했다. 버스에서 한 친구가 카톡으로 여기를 가보라고 해서 중간에 버스를 내리고 택시를 타서 981파크로 갔다. 여기는 레이싱하는 곳이였다. 신나게 레이싱을 했더니 스트레스가 풀리고 좋았다. 위는 레이싱이 끝나고 자율주행모드일 때 찍은 사진. 숙소에 도착했을 땐 이미 해가 지고 있었다. 숙소는 김포공항에서 비행기 탑승전 즉흥적으로 구했다. 근데 괜찮은 숙소를 잡은 것 같아서 기뻤다. 저녁에 흑돼지와 맥주를 먹으며 사람들과 같이 얘기를 나누었다. 밤에 이상하리만치 잠을 뒤척였다. 잠을 거의 자지 못하고 그냥 새벽에 숙소를 무작정 나와 산방산쪽으로 걸었다. 그러다보니 절이 나와서 절 구경을 했다. 삼배도 하고 소액의 불전금도 넣고 나왔다. 나는 권태국이다. 그렇게 동네를 돌아다니다가 다시 숙소로 돌아오니 숙소가 참 이뻤다.  이런 테라스도 있고 숙소는 참 잘 고른 것 같다. (그냥 카카오맵에서 아무데나 전화한거긴 하지만..) 그리고나서 아침을 먹으러 다시 숙소를 나왔다. 바로 근처에 바다가 있어서 참 좋았다.  저기 보이는 큰 덩어리는 산방산. 그리고 오른쪽에 튀어나온 곳은 용머리 해안. 아침을 먹고 숙소를 나와 마라도로 가는 여객선을 탔다. 바닷물이 일렁일렁~   마라도는 너무너무너무 예뻤다. 딱 도착한 순간 아 진짜 잘왔다 라는 생각이 들었다.  너무 멋있고, 자유롭고,  맛있었다. ...

안녕하세요~ 오늘은 Boost.Exception 에 대해서 간단하게 소개해볼까 합니다. Boost.Exception 이란? Boost.Exception 은 예외 계층을 설계하고 예외 핸들링을 수행할 때 도움을 주는 라이브러리입니다. 제가 Boost.Exception 을 사용하면서 얻을 수 있었던 이점은 다음과 같습니다. 예외가 발생한 시점의 소스파일 이름, 라인 넘버, 함수명을 예외 객체에 쉽고 편하게 담을 수 있습니다. throw std::exception() 대신에 BOOST_THROW_EXCEPTION(std::exception()) 을 사용하면 std::exception 을 wrapping 하는 예외 객체가 만들어지고 그 안에 소스파일 이름, 라인 넘버, 함수명이 담깁니다. 나중에 diagnostic_information() 혹은 current_exception_diagnostic_information() 을 통해 예외 정보를 출력하면 소스파일 이름, 라인 넘버, 함수명 정보가 같이 출력됩니다. 이러한 정보는 나중에 문제의 원인을 파악할 때 매우 큰 도움이 됩니다. 예외 객체의 타입과 예외 객체에 담기는 정보의 종류가 서로 decoupling 됩니다. 즉, 임의 타입의 예외 객체에 임의 타입의 정보를 담을 수 있습니다. 예외 클래스 계통은 어떤 종류의 예외인지를 구분하는 tag 로서 설계하고, 예외 객체를 throw 하는 시점에 throw 측에서 담을 수 있는 임의의 정보들을 임의 타입의 예외 객체에 집어넣을 수 있습니다. 공식문서의 Motivation 문서 를 읽어보시면 좋을 것 같습니다. BOOST_THROW_EXCEPTION() BOOST_THROW_EXCEPTION(~~~) 를 사용하면 ~~~ 을 wrapping 하는 예외 객체를 만든후 그 안에 소스파일 이름, 라인 넘버, 함수명을 담아서 throw 하게 됩니다. # include <iostream> # include ...

5월 31일자로 퇴사를 하고 6월 10일부터 새로운 회사를 다니게 되었습니다. (병특 이직) 새로운 회사에서는 기존과는 다른 일을 하게 되었습니다. 신규 게임 서버 개발을 담당하게 됐고 스칼라를 이용해서 함수형 프로그래밍을 하게 됐습니다. 이직을 하는데는 다양한 요인들이 복합적으로 작용했습니다. 하지만 핵심적인 요인은 진로에 대한 저의 고민으로부터 비롯됐습니다. 지난 세월동안 저의 주된 관심사는 라이브러리/프레임워크 개발, 시스템 프로그래밍, C++, 코어 모듈 개발 같은 것들이였고, 이러한 것들을 공부하는 데 많은 노력과 시간을 투자했었습니다. 하지만 회사를 다니면서 저도 현실적인 측면들을 고려하게 되었고 저의 관심사도 변해가는걸 느꼈습니다.     일단 첫째로 제가 좋아하던 것들은 현실적으로 양질의 일자리가 많지 않습니다. C++개발자로 예를 들자면 구글, 페이스북, 아마존 같이 매우 규모있는 회사 혹은 소수의 외국 회사들 외에는 "C++을 제대로" 하는 회사는 거의 없어보입니다. 그렇다보니 피고용인의 입장에서 회사를 선택할 수 있는 폭이 매우 적다고 느꼈고 일자리의 유연성이 떨어진다고 생각했습니다. 반면에 자바, 파이썬등을 이용해 인터넷 서비스를 개발하는 일자리들을 보면 양질의 일자리/회사가 매우 많고 대우도 매우 좋다고 생각합니다. (특히 한국은 더더욱 이러한 편차가 심하다고 느껴집니다.)     둘째로 좀 더 세상에 직접적으로 영향을 끼치고 의미를 부여할 수 있는 개발이 하고 싶어졌습니다. 다양한 어플리케이션에서 활용할 수 있는 기반 라이브러리를 개발하는 것도 물론 아주 큰 의미가 있지만 세상에 실질적으로 가치를 창출하는 것은 어플리케이션 (응용개발) 입니다. 개발과정에서 기술적인 성취감외에도 내가 작성하는 코드가 많은 사람들의 삶에 영향을 준다는 느낌을 받고 싶어졌습니다. 위에 적은 것들을 비롯한 다양한 생각들을 하고있습니다. 개발 전반적인 것들에 대해서는 많은 경험을 했다고 생각하지만 아직 저에게는...

안녕하세요, 오늘은 Bloom Filter 와 변종들중에 하나인 Scalable Bloom Filter 에 대해서 알아보는 시간을 가지려고 합니다. 너무 자세하거나 수학적인 설명은 배제하고 직관적인 이해를 기반으로 포스팅하겠습니다! 자세한건 그냥 논문을 보세요… Bloom Filter 란? Bloom Filter 는 집합내에 특정 원소가 존재하는지 확인하는데 사용되는 자료구조입니다. 이러한 “membership test” 용도로 사용되는 자료구조들은 Bloom Filter 외에도 다양합니다. 대표적이고 널리 알려진 것으로는 Balanced Binary Search Tree (AVL, red-black tree 등) 과 해시 테이블등이 있습니다. 이 자료구조들의 특징은 100% 정확도로 membership test 를 수행할 수 있다는 것 입니다. Bloom Filter 는 이러한 정확도를 희생해서 메모리 사이즈를 최소화하는 것을 목표로 합니다. Bloom Filter 구조 Bloom Filter 자료구조는 기다란 비트 배열로 구성됩니다. 그리고 “원소 추가” 와 “원소 검사” 연산을 수행하기 위해 서로 다른 해시 함수들이 사용됩니다. 비트 배열의 길이를 m, 해시 함수의 개수를 k 라고 하겠습니다. k개의 해시 함수들은 [0, m) 범위의 해시 값을 출력하게 됩니다. 그러면 Bloom Filter 의 2가지 연산에 대해서 알아보겠습니다. 원소 추가 추가하려는 원소에 대해서 k개의 해시 값을 계산한 다음, 각 해시 값을 비트 배열의 인덱스로 해서 대응하는 비트를 1로 세팅합니다. 원소 검사 (membership test) 검사하려는 원소에 대해서 k개의 해시 값을 계산한 다음, 각 해시 값을 비트 배열의 인덱스로 해서 대응하는 비트를 읽습니다. k개의 비트가 모두 1인 경우 원소는 집합에 속한다고 판단하고, 그렇지 않은경우 속하지 않는다고 판단합니다. 매우 간단하죠? Bloom filter by example 사이...

안녕하세요. 오늘은 제가 예전에 HPX 라는 오픈소스에 구현했던 parallel partition 알고리즘에 대해 간단히 소개하고 설명하는 시간을 가져보도록 하겠습니다. 출처 먼저 이 포스팅에서 다루는 알고리즘/코드의 출처는 다음과 같습니다. HPX : https://github.com/STEllAR-GROUP/hpx 관련 MR : https://github.com/STEllAR-GROUP/hpx/pull/2778 소스코드 : https://github.com/STEllAR-GROUP/hpx/blob/master/hpx/parallel/algorithms/partition.hpp 소개 parallel partition 알고리즘은 여러 개의 연산 유닛 (쉽게 말하면 cpu) 들을 이용해서 partition 알고리즘을 수행하는 것을 말합니다. 이 포스팅에서는 독자가 partition 알고리즘에 대해서 이미 알고있다고 가정합니다. partition 알고리즘에 대한 설명은 cppreference 를 참고하시기 바랍니다. 알고리즘 설명 partition 알고리즘은 주어진 영역을 정해진 규칙을 만족하는지 아닌지에 따라 두 영역으로 분류하는 알고리즘입니다. 예를 들어, 짝수인지 여부에 대해 partition 알고리즘을 수행한다고 하면 결과는 다음과 같습니다. 적용 전 : 3 5 7 4 2 1 9 8 6 적용 후 : 6 8 2 4 * 7 1 9 5 3 즉, partition 알고리즘의 핵심은 다음과 같습니다. 두 영역을 구분할 수 있는 boundary 를 찾는다. 그 boundary 의 왼쪽에는 조건을 만족하는 원소들이, 오른쪽에는 조건을 만족하지 않는 원소들이 위치하게 된다. 자, 위의 핵심을 기억하면서 parallel partition 알고리즘을 살펴보도록 합시다. 결론적으로 parallel partition 알고리즘은 크게 4단계로 이루어집니다. 주어진 영역을 여러 개의 block 으로 쪼개서 병렬로 sub-pa...