기존 방식에서의 문제

✅ 시간 증가의 핵심 요인

요인 설명
🎧 Feature 추출 시간 pyin (pitch), beat_track (tempo), onset_strength (rhythm), mfcc (timbre) 등
🧮 유사도 계산 방식 DTW는 느림 (O(N²)), fastdtw는 빠름, cosine/Euclidean은 매우 빠름
🔁 파일 수 × 분석 항목 수 전체 분석 건수가 늘면 선형적으로 증가

⏱ 예시로 비교해보자

분석 항목 특징 추출 시간 유사도 계산 시간 예시
MFCC + DTW 빠름 느림 (2~4s) 총합 5~8s
pyin (pitch) + fastdtw 느림 (3~6s) 빠름 (~1s) 총합 6~8s
onset_strength (rhythm) + DTW 중간 (1~2s) 느림 (~2s) 총합 3~4s
tempo (beat_track) 매우 빠름 계산 거의 없음 0.3s

💡 결론: 기하급수적 증가는 아님

늘어나는 방식 시간 증가
유사도 방식 1개 추가 해당 항목의 추출 시간 + 계산 시간 만큼 선형 증가
모든 악기마다 반복 🔁 곱셈 효과 있음 (악기 수가 많으면 급증 가능)

즉,

"4개의 특성 × 한 곡 분석"은 약 20~30초 안에 완료 가능한 범위야 (병렬화 없이도).


🔄 최적화 팁

전략 설명
✅ 캐싱 한 번 추출한 feature는 재사용 (이미 적용 중)
✅ fastdtw 활용 거의 모든 시계열 유사도 비교에 fastdtw 적용 가능
✅ tempo는 단일 수치이므로 별도 DTW 없이 처리
✅ 필요 시 병렬 처리 악기별 or 커버별로 multiprocessing 적용 가능

🧠 요약