Grab 안드로이드 앱의 R8 최적화: AI 지원 디버깅으로 성능 한계 돌파

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

핵심 요약

Grab은 900만 줄 이상의 방대한 코드를 가진 안드로이드 앱의 성능 개선을 위해 수년간 실패했던 R8 최적화에 다시 도전했다. AI 기반의 MCP(Model Context Protocol) 도구를 구축하여 난독화된 코드 분석과 병렬 테스트를 자동화함으로써 디버깅 속도를 획기적으로 높였다. 또한, 코드 전반의 패턴을 파악해 수정하는 실용적 테스트 전략과 원격 빌드 인프라 개선을 통해 2시간에 달하던 피드백 루프를 단축했다. 그 결과 ANR 발생률 25% 감소, 앱 크기 16% 축소, 시작 시간 27% 개선이라는 성과를 거두며 대규모 프로젝트에서의 최적화 성공 사례를 남겼다.

배경

Android 빌드 시스템(Gradle, R8)에 대한 기본 지식, CI/CD 파이프라인 및 역컴파일 도구에 대한 이해, LLM 및 MCP(Model Context Protocol)의 기본 개념

대상 독자

대규모 안드로이드 앱을 운영하며 성능 최적화와 AI 기반 개발 도구 도입에 관심 있는 엔지니어

의미 / 영향

이 사례는 AI 에이전트 기술이 단순한 코드 작성을 넘어 복잡한 빌드 시스템의 디버깅과 최적화라는 고난도 엔지니어링 문제를 해결하는 데 실질적인 도움을 줄 수 있음을 증명한다. 특히 대규모 레거시 시스템을 가진 기업들이 AI를 활용해 기술 부채를 해결하고 성능을 개선하는 새로운 방법론을 제시한다.

섹션별 상세

Grab은 ANR 급증과 메모리 압박 문제를 해결하기 위해 R8 최적화 도입을 결정했으나, 900만 줄의 코드 규모와 난독화된 코드의 디버깅 난이도로 인해 과거 6년간 여러 차례 실패를 경험했다.

R8 최적화 파이프라인의 각 단계(Parse, Shrink, Optimization, Minify, Repackage, Writer)를 보여주는 다이어그램 — DiagramR8이 코드를 파싱한 후 트리 셰이킹(Shrink), 인라이닝 및 데드 코드 제거(Optimization), 난독화(Minify)를 거쳐 최종 DEX 파일을 생성하는 과정을 설명한다. 이 복잡한 변환 과정이 디버깅을 어렵게 만드는 원인임을 시각적으로 보여주며, 각 단계에서 수행되는 최적화 기법들을 나열한다.

AI 지원 디버깅을 위해 MCP(Model Context Protocol) 서버를 구축하여 APK 자동 역컴파일, 스택 트레이스 복구, 코드 컨텍스트 추출을 자동화하고 AI가 여러 해결책을 동시에 제안하도록 설계했다.

GitLab CI와 AI를 통합하여 여러 개의 수정 제안(MR)을 병렬로 생성하고 테스트함으로써, 기존에 수 시간이 걸리던 검증 주기를 단축하고 엔지니어가 의사결정에만 집중할 수 있는 환경을 조성했다.

전수 테스트가 불가능한 규모임을 고려하여 '패턴 기반 해결' 전략을 채택했으며, 특정 오류 패턴을 식별해 코드베이스 전체에서 유사 사례를 선제적으로 수정하는 방식으로 리스크를 관리했다.

빌드 인프라에 Mainframer와 강력한 EC2 인스턴스를 도입하여 로컬 빌드 불가능 문제를 해결하고, CI 빌드 시간을 50% 단축(2시간에서 1시간으로)하여 피드백 루프를 최적화했다.

QA 빌드 설정을 운영 환경과 동일하게(debuggable=false) 정렬하여 R8의 공격적인 최적화로 인한 잠재적 오류를 실제 배포 전에 포착할 수 있도록 빌드 파이프라인을 개선했다.

groovy

buildTypes {
    debug {
        if (isQaBuild()) {
            minifyEnabled true
            shrinkResources true
            debuggable false
            buildConfigField 'boolean', 'DEBUG', 'true'
            // ...
        }
    }
}

QA 빌드에서 프로덕션과 동일한 R8 최적화 동작을 보장하기 위해 debuggable 플래그를 false로 설정하는 구성 예시

실무 Takeaway

대규모 프로젝트의 난독화 코드 디버깅 시 MCP와 LLM을 결합하여 역컴파일 및 컨텍스트 분석을 자동화하면 조사 시간을 수 시간에서 수 분으로 단축할 수 있다.
전수 테스트가 어려운 거대 코드베이스에서는 발견된 오류의 패턴을 분석하고 전체 코드에서 유사 사례를 찾아 선제적으로 수정하는 '패턴 기반 전략'이 실무적으로 유효하다.
R8 최적화 적용 시 QA 빌드와 프로덕션 빌드의 최적화 수준(debuggable 플래그 등)을 일치시켜야 실제 배포 시 발생할 수 있는 런타임 오류를 사전에 방지할 수 있다.

언급된 리소스

문서R8 Optimization Issue #240077160