운영체제

프로세스(Process)

실행 중인 프로그램을 의미

프로세스의 메모리 구조

• Code 영역 : 실행할 코드가 저장되는 곳
• Data 영역 : 전역 변수, 정적 변수가 저장되는 곳
• Stack 영역 : 지역 변수, 함수 호출 정보가 저장되는 곳
• Heap 영역 : 동적 할당된 메모리가 저장되는 곳

특징

• 각 프로세스는 독립적인 메모리 공간을 가짐
• 한 프로세스가 다른 프로세스의 데이터에 직접 접근 불가능
• 프로세스 간 통신을 위해서는 IPC(Inter-Process Communication) 필요

# 크롬 브라우저 예시
Google Chrome
├── 메인 프로세스
├── 탭1 프로세스  
├── 탭2 프로세스
└── 확장프로그램 프로세스

스레드(Thread)

프로세스 내에서 실행되는 작업 단위

스레드의 메모리 구조

• Code, Data, Heap 영역 : 같은 프로세스 내 스레드들과 공유
• Stack 영역 : 각 스레드마다 독립적으로 할당

Node.js 예시

// 메인 스레드
console.log('서버 시작');

// 비동기 파일 읽기 (별도 스레드에서 처리)
fs.readFile('large-file.txt', (err, data) => {
    console.log('파일 읽기 완료');
});

// 메인 스레드는 계속 다른 작업 수행
console.log('다른 작업 진행');

프로세스 vs 스레드 비교

구분	프로세스	스레드
메모리	독립적 공간	공유
통신	IPC 필요	직접 접근
생성 비용	높음	낮음
안정성	높음	낮음
전환 비용	높음	낮음

멀티프로세싱 vs 멀티스레딩

멀티프로세싱이 유리한 경우

• CPU 집약적 작업
• 안정성이 중요한 경우

from multiprocessing import Pool

def cpu_intensive_task(n):
    return sum(i * i for i in range(n))

if __name__ == '__main__':
    with Pool() as pool:
        results = pool.map(cpu_intensive_task, [1000000, 1000000])

멀티스레딩이 유리한 경우

• I/O 집약적 작업
• 효율성이 중요한 경우

import threading
import requests

def fetch_url(url):
    response = requests.get(url)
    print(f'{url}: {response.status_code}')

threads = []
urls = ['http://example.com', 'http://google.com']

for url in urls:
    thread = threading.Thread(target=fetch_url, args=(url,))
    threads.append(thread)
    thread.start()

for thread in threads:
    thread.join()

주의사항

Race Condition

// 문제가 있는 코드
let counter = 0;

function incrementCounter() {
    counter = counter + 1; // 여러 스레드가 동시 접근 시 문제
}

해결 방법

// Worker Threads 사용
const { Worker, isMainThread, parentPort } = require('worker_threads');

if (isMainThread) {
    const worker = new Worker(__filename);
    worker.postMessage('increment');
} else {
    parentPort.on('message', (msg) => {
        if (msg === 'increment') {
            parentPort.postMessage(counter++);
        }
    });
}