모든 변이 (mutation)가 런타임으로 하여금 전체 그래프를 검사하도록 강제할 때 반응형 시스템 (Reactive systems)은 비용이 많이 들게 됩니다. .me 커널은 파생 (derivations)을 전역 재계산 작업이 아닌 인덱싱된 의존성 (indexed dependencies)으로 취급함으로써 해당 패턴을 피합니다.

예를 들어, 다음과 같은 파생된 할당 (derived assignment)이 있습니다:

me.order.price(100);
me.order.quantity(5);
me.order["="]("total", "price * quantity");

따라서 실제 복잡도는 그래프의 총 경로 수인 N이 아니라, 영향을 받는 의존성 경계 (dependency frontier)인 k에 따른 O(k)가 됩니다. 이 차이는 매우 중요합니다. City_Scale 데모에서는 N = 10,000개의 구역 (districts)이 존재하지만, districts[5001].currentLoad를 변이시키면 오직 다음 항목들만 재계산됩니다:

districts.5001.loadPercent
districts.5001.overCapacity
districts.5001.needsRedirection

해당 데모를 새로 실행했을 때 explain().k = 3으로 보고되었으며, 변이 시간 (mutation time)은 0.295ms였습니다. 반면 컬렉션에 대한 이후의 술어 필터 (predicate filter)는 60.88ms가 소요되었습니다. 이것이 핵심적인 설계 경계입니다: 변이 전파 (mutation propagation)는 로컬 상태로 유지되는 반면, 광범위한 쿼리 (broad queries)는 여전히 광범위한 선택에 대한 비용을 지불합니다.

동일한 모델은 비밀 스코프 (secret scopes)와도 작동합니다. 비밀 브랜치 (Secret branches)는 공개적인 의미론적 인덱스 (semantic index) 외부의 encryptedBranches를 통해 저장됩니다. secretEpoch는 보안 토폴로지 (security topology)가 변경될 때 비밀 관련 캐시를 무효화하며, explain()은 값을 노출하는 대신 스텔스 입력 (stealth inputs)을 origin: "stealth"로 마스킹합니다. 즉, 공개 구조는 침묵을 유지하면서도 파생 추적 (derivation tracking)은 내부적으로 계속 작동할 수 있습니다.

유용한 구현 패턴이 나타납니다:

1. 일반 값 (plain values)과 파생 (derivations)을 분리하여 저장합니다.
2. 등록 시점 (registration time)에 표현식 입력값 (expression inputs)을 정형 경로 (canonical paths)로 해결합니다.
3. 입력 경로 (input path)에서 의존 대상 (dependent targets)으로 이어지는 역색인 (reverse index)을 유지합니다.
4. 변이 (mutation) 발생 시, 그래프를 스캔하는 대신 역색인을 따라 이동합니다.
5. 쓰기 시점의 신선도 (freshness)를 위한 즉시 재계산 (eager recomputation)과 읽기 시점의 신선도를 위한 지연 재계산 (lazy recomputation)을 모두 지원합니다.
6. 디버깅 도구를 통해 재계산 파동 (recompute waves)을 노출하되, 관찰 가능성 (observability)을 실제 비용으로 취급합니다.

이것이 .me에 구현된 최적화 방식입니다. 런타임은 일관성 (consistency)을 무시함으로써 거대한 그래프를 저렴하게 만드는 것이 아닙니다. 대신 의존성을 역방향으로 주소 지정 (addressable)할 수 있게 함으로써 일관성을 국소적 (local)으로 유지합니다.

Source Code
sui Gn
All.This Docs
Inverted Dependency Index