[Practical-Java] 6. Concurrency, Parallelism, Distributed

in Java on Java Practical


**병행(Concurrency), 병렬(Parallelism), 분산(Distributed)**은 모두 작업을 효율적으로 처리하기 위한 프로그래밍 및 컴퓨팅 모델이며 이 개념들은 서로 관련이 있지만, 목표와 실행 방식에서 차이가 있다.


1. 병행 프로그래밍 (Concurrency)

병행(Concurrency)은 여러 작업이 동시에 실행되는 것처럼 보이게 만드는 프로그래밍 기법이다. 작업 간의 논리적 동시성을 다루며, 실제로는 작업들이 짧은 시간 단위로 스위칭되어 실행될 수도 있다.

특징

  • 논리적으로 동시에 실행되지만, 물리적으로 병렬로 실행되지 않을 수도 있음
  • 단일 CPU에서도 멀티태스킹처럼 여러 작업이 번갈아가며 실행 가능
  • 주로 작업 간 상호작용, 공유 자원 관리에 초점

예제

GUI 프로그램에서 버튼 클릭, 네트워크 요청 처리, 애니메이션 실행 등이 동시에 처리되는 것처럼 보이는 상황.

Java 병행성 예제

public class ConcurrencyExample {
    public static void main(String[] args) {
        Runnable task1 = () -> {
            for (int i = 0; i < 5; i++) {
                System.out.println("Task 1 - Count: " + i);
            }
        };

        Runnable task2 = () -> {
            for (int i = 0; i < 5; i++) {
                System.out.println("Task 2 - Count: " + i);
            }
        };

        Thread thread1 = new Thread(task1);
        Thread thread2 = new Thread(task2);

        thread1.start();
        thread2.start();
    }
}



2. 병렬 프로그래밍 (Parallelism)

병렬(Parallelism)은 여러 작업을 실제로 동시에 실행하는 프로그래밍 기법이다. 이는 멀티코어 CPU나 GPU 같은 하드웨어를 사용하여 이루어진다.

특징

  • 물리적으로 동시에 실행됨: 여러 작업이 실제로 동시에 실행됨
  • 하드웨어 활용: 멀티코어 CPU의 코어나 GPU의 프로세싱 유닛을 활용
  • 속도 향상: 주로 작업의 속도를 높이는 데 초점
  • 데이터 병렬 처리: 같은 작업을 여러 데이터에 병렬로 적용
  • 작업 병렬 처리: 서로 다른 작업을 병렬로 실행

예제

  • 대규모 배열을 병렬로 처리
  • 머신러닝 모델 훈련 시 데이터 병렬 처리

Java 병렬 스트림 예제 코드

import java.util.stream.IntStream;

public class ParallelismExample {
    public static void main(String[] args) {
        // 병렬 스트림으로 숫자 합계 계산
        int sum = IntStream.range(1, 100)
                           .parallel() // 병렬 처리 활성화
                           .sum();

        System.out.println("Sum: " + sum); // 출력: 4950
    }
}



3. 분산 컴퓨팅 (Distributed Computing)

분산(Distributed Computing)은 여러 대의 독립적인 컴퓨터(노드)를 네트워크로 연결하여 작업을 분산 처리하는 방식이디. 각 컴퓨터는 독립적으로 작업을 수행하며, 결과를 결합하거나 서로 데이터를 교환한다.

특징

  • 물리적으로 분리된 시스템에서 작업 실행: 각 컴퓨터(노드)가 독립적으로 작동
  • 네트워크를 통한 통신: 작업 분배 및 데이터 공유를 위해 네트워크 연결이 필요
  • 확장성과 신뢰성 향상: 추가적인 노드가 쉽게 작업 처리량을 증가시키며, 장애 발생 시에도 복구 가능
  • 대표적인 활용 분야:
    • 빅데이터 처리
    • 클라우드 컴퓨팅
    • 분산 데이터베이스

예제

  • Hadoop: 분산 파일 시스템 및 데이터 처리 프레임워크
  • Apache Spark: 분산 데이터 처리를 위한 빠르고 유연한 시스템
  • Google MapReduce: 대규모 데이터 분석을 위한 분산 처리 모델

분산 컴퓨팅 모델

  1. Master-Worker:
    • 하나의 중앙 서버(Master)가 작업을 분배하고, 결과를 수집
    • 작업자는(Worker)는 각 작업 단위를 처리하고 결과를 반환
  2. Peer-to-Peer:
    • 모든 노드가 동등한 역할을 수행하며, 작업과 데이터를 공유

간단한 분산 처리 예제 코드

//서버 1
public void processPart1() {
    // Part 1의 데이터를 처리하고 결과를 저장
}
//서버 2
public void processPart2() {
    // Part 2의 데이터를 처리하고 결과를 저장
}
//중앙 서버
public void combineResults() {
    // 서버 1과 서버 2의 결과를 결합
}


요약

병행 프로그래밍 (Concurrency)

  • 여러 작업을 동시에 실행하는 것처럼 보이도록 설계된 프로그래밍 기법.
  • 동기화와 공유 자원 관리가 핵심.

병렬 프로그래밍 (Parallelism)

  • 실제로 여러 작업을 물리적으로 동시에 실행하여 성능을 최적화.

분산 컴퓨팅 (Distributed Computing)

  • 네트워크로 연결된 여러 컴퓨터에서 작업을 나누어 처리하여 확장성과 신뢰성을 제공.

활용 사례

병행 프로그래밍

  • GUI 응답성 유지.
  • 비동기 네트워크 요청 처리.

병렬 프로그래밍

  • 데이터 병렬 처리.
  • 머신러닝 모델 학습.
  • 과학 계산.

분산 컴퓨팅

  • 클라우드 서비스.
  • 빅데이터 분석.
  • 분산 데이터 저장소.