2 분 소요

일괄처리 시스템(Batch Processing)은 작업·데이터를 일정량 모아 한꺼번에 자동 실행하는 고전적 처리 방식입니다. 1950년대 메인프레임 시절부터 사용-되어 온 이 방식은 오늘날에도 대용량 데이터 분석, 급여 계산처럼 실시간성이 덜 요구되는 업무에서 여전히 핵심 역할을 합니다. 이 글에서는 일괄처리 시스템의 개념, 상주모니터 구조, 장‧단점, 그리고 보완 기법까지 초보자도 이해할 수 있도록 자세히 설명드립니다.

일괄처리 시스템이란?

Batch Processing 개념

  • 정의: 사용자가 제출한 작업(Job)·데이터를 배치(batch) 로 묶어 순차적으로 자동 처리하는 운영 방식
  • 등장 배경: 1950년대 초기 컴퓨터는 인터랙티브 입출력 장치가 부족했기 때문에, 효율적 CPU 활용을 위해 작업을 모아야 했음
  • 대표 활용: 급여 계산(payroll), 세금 정산, 로그 분석, 대형 이미지·영상 변환 등 대량·반복 작업

핵심 키워드 일괄처리 시스템(Batch Processing)이 문서 전반에 자연스럽게 1–2% 비율로 배치되어 있습니다.

상주모니터 구조와 동작 원리

상주모니터(Resident Monitor)의 역할

초기의 일괄처리 운영체제는 상주모니터라는 작은 커널을 메모리에 항상 올려 두어 다음과 같은 기능을 담당했습니다.

구성 요소 기능 예시
인터럽트·트랩 벡터 예외·입출력 완료 시 제어권을 모니터로 전환 카드 리더 완료 인터럽트
장치 구동기(Driver) 테이프, 프린터 등 I/O 장치 제어 Line Printer 관리
작업 순서화(Sequencer) 대기 중인 배치 작업의 실행 순서 결정 JCL 우선순위
제어카드 해석기 사용자가 제출한 제어카드(Job Control Card)를 파싱해 실행 //JOB …, //EXEC …

동작 흐름

  1. 사용자는 천공 카드·자기테이프 등에 제어카드 + 데이터를 입력
  2. 카드 리더가 입력 데이터를 메모리-버퍼로 전송
  3. 상주모니터가 제어카드를 해석해 작업을 로드하고 CPU에 연결
  4. 작업 종료 후 다음 배치로 자동 전환 → 완전 무인 처리 실현

일괄처리 시스템의 장점

  1. 시스템 자원 효율 극대화
    • 작업을 계획적으로 배치해 CPU 공회전 시간을 최소화합니다.
  2. 자동화 수준 향상
    • 사람이 수동으로 프로그램을 로드·실행하던 과정을 상주모니터가 대행하여 운영 부담을 대폭 줄입니다.
  3. 대용량 처리 최적
    • 반복적이고 방대한 데이터를 연속 처리해야 할 때 최고 효율을 발휘합니다.
  4. 일괄 회계·통계 업무
    • 야간에 배치를 돌려 업무 시간 중 시스템 부하를 줄일 수 있습니다.

일괄처리 시스템의 단점 및 문제점

  1. 반환 시간(응답 시간) 지연
    • 한 배치가 끝날 때까지 다른 결과를 볼 수 없어 실시간 인터랙션이 불가합니다.
  2. 오류 수정 어려움
    • 배치 중 한 Job에서 에러가 나면 배치 전체를 재실행해야 하는 경우가 잦습니다.
  3. CPU 유휴 현상
    • 전통적 일괄처리에서는 I/O 동안 CPU가 놀 수 있어 자원 낭비가 발생합니다.

단점 보완 기법

1. 상주모니터 개선

  • 자동 재시작 · 에러 로깅 기능 추가로 오류 복구 시간 단축

2. 오프라인 연산(Offline Processing)

  • 카드 리더·프린터 같은 입출력 준비 작업을 별도 보조 프로세서에서 수행 → 메인 CPU 집중

3. 버퍼링(Buffering)

  • I/O 데이터를 메모리 버퍼에 임시 저장하여 CPU와 장치 간 속도 차이 흡수

4. 스풀링(SPOOLing)

  • 여러 Job의 출력·입력을 디스크에 큐(Queue) 로 저장
  • CPU는 다음 Job을 즉시 실행 → 동시성 효과로 CPU 유휴 시간 대폭 감소

실무 예시 — 파이썬 배치 스크립트 간단 예

import csv, time

def process_payroll(batch_file):
    with open(batch_file) as f:
        reader = csv.DictReader(f)
        for row in reader:
            pay = float(row["hours"]) * float(row["rate"])
            time.sleep(0.01)   # I/O 지연 가정
            print(f"{row['name']} 급여: {pay:,.0f}원")

if __name__ == "__main__":
    process_payroll("payroll_batch.csv")

위 스크립트는 일괄처리 방식으로 직원 급여를 한 번에 계산합니다. 버퍼링·스풀링 기법을 추가하면 대량 데이터에도 효율적으로 확장할 수 있습니다.

질문 정리– 일괄처리 시스템

  1. 일괄처리 시스템과 시분할 시스템의 가장 큰 차이점은?

    ⇒ 일괄처리는 배치 완료 후 결과 제공, 시분할은 짧은 시간 단위로 CPU를 교대로 사용해 즉각 반응합니다.

  2. 스풀링과 버퍼링은 어떻게 다르나요?

    ⇒ 버퍼링은 메모리에 임시 저장, 스풀링은 디스크 큐를 활용해 I/O를 겹쳐 처리합니다.

  3. 현대에도 일괄처리 시스템이 사용되나요?

    ⇒ 네, Hadoop MapReduce, Spark Batch 등 대용량 분석 플랫폼이 현대식 배치 처리의 예입니다.

  4. 배치 작업 오류를 최소화하려면?

    ⇒ 트랜잭션 로그와 체크포인트를 두어 오류 발생 시 중간 지점부터 재시작합니다.

  5. 일괄처리 시스템에서 CPU 유휴 시간을 줄이는 최신 방법은?

    ⇒ 멀티스레딩 + 비동기 I/O 조합으로 I/O 대기 중에도 다른 계산을 수행하도록 설계합니다.

댓글남기기

참고