143. 암달의 법칙 (Amdahl's Law)

핵심 인사이트 (3줄 요약)

1. 본질: 암달의 법칙 (Amdahl's Law)은 시스템의 한 부분만 빨라져도 전체 성능 향상은 그 부분이 원래 차지하던 실행 시간 비중에 의해 제한된다는 법칙이다.
2. 가치: 이 법칙은 "코어를 더 넣으면 얼마나 빨라질까"를 감이 아니라 수식으로 판단하게 해 주며, 병렬화보다 먼저 순차 병목을 찾아야 하는 이유를 설명한다.
3. 판단 포인트: 병렬 처리 자원을 늘릴수록 중요한 것은 총 코어 수가 아니라, 병렬화 불가능한 구간과 동기화 오버헤드가 전체 시간에서 몇 퍼센트를 차지하는가이다.

Ⅰ. 개요 및 필요성

암달의 법칙 (Amdahl's Law)은 전체 작업 중 개선 가능한 부분의 비율이 전체 성능 향상의 상한선을 결정한다는 성능 분석 원리다. 이 법칙이 중요한 이유는 컴퓨터 시스템의 병목이 보통 가장 느린 부분에 숨어 있기 때문이다. 중앙처리장치 (Central Processing Unit, CPU) 코어를 늘리거나 그래픽처리장치 (Graphics Processing Unit, GPU)를 붙여도, 초기화·직렬 계산·입출력·락 대기처럼 동시에 처리할 수 없는 구간이 남아 있으면 전체 시간은 그 구간 때문에 멈춘다.

즉 암달의 법칙은 "병렬 자원 증설" 자체를 부정하는 것이 아니라, 병렬화 가능한 비율과 순차 구간의 잔존량을 먼저 측정하라고 요구한다. 그래서 이 법칙은 멀티코어 설계, 병렬 프로그램 튜닝, 가속기 도입, 클라우드 스케일 아웃 판단의 공통 기준으로 쓰인다.

• 📢 섹션 요약 비유: 주방에 요리사 10명을 더 넣어도 마지막 plating을 셰프 1명이 해야 한다면, 식당 전체 주문 속도는 그 마지막 한 사람의 손속도에 묶인다.

Ⅱ. 아키텍처 및 핵심 원리

암달의 법칙의 핵심은 전체 실행 시간을 순차 구간과 병렬화 가능한 구간으로 나누는 데 있다. 병렬화 가능한 비율을 P, 사용한 프로세서 수를 N이라고 하면 전체 속도 향상도는 다음처럼 표현된다.

[ Speedup = \frac{1}{(1-P) + \frac{P}{N}} ]

여기서 (1 - P)는 아무리 자원을 추가해도 남는 순차 비율이다. 따라서 N이 무한히 커져도 최대 속도 향상도는 아래 한계를 넘지 못한다.

[ Max\ Speedup = \frac{1}{1-P} ]

예를 들어 전체 작업의 90%만 병렬화 가능하다면, 코어를 아무리 많이 추가해도 최대 속도 향상은 10배다. 95% 병렬화라면 상한은 20배다. 이 계산은 병렬 하드웨어의 가치를 평가할 때 "몇 개 넣을 수 있느냐"보다 "얼마나 순차 비율을 줄였느냐"가 더 중요함을 보여 준다.

┌──────────────────────────────────────────────────────────────────────┐
│                  암달의 법칙이 보여주는 병렬화의 한계               │
├──────────────────────────────────────────────────────────────────────┤
│ 전체 실행 시간 = 순차 구간 + 병렬 구간                              │
│                                                                      │
│ 1코어 실행:   [ 순차 10% ][                병렬 90%                ] │
│ 4코어 실행:   [ 순차 10% ][      병렬 90% / 4로 분할 처리         ] │
│ 64코어 실행:  [ 순차 10% ][ 병렬 90% / 64로 더 작아짐             ] │
│                                                                      │
│ 그런데도 남는 것                                                     │
│                └──────────── 순차 10%는 끝까지 그대로 ────────────┘ │
│                                                                      │
│ N → ∞ 여도 전체 속도 향상 상한 = 1 / 0.10 = 10배                    │
└──────────────────────────────────────────────────────────────────────┘

이 그림의 요점은 병렬 구간은 계속 쪼갤 수 있어도, 순차 구간은 전체 시간의 바닥처럼 남는다는 점이다. 실제 시스템에서는 여기에 캐시 일관성, 스레드 생성, 동기화, 데이터 이동 비용까지 추가되므로 체감 성능은 이론치보다 더 낮아지는 경우가 많다.

• 📢 섹션 요약 비유: 큰 물탱크를 아무리 넓혀도 배수구가 좁으면 전체 배수 속도는 결국 그 배수구 굵기에 의해 정해진다.

Ⅲ. 비교 및 연결

암달의 법칙을 제대로 이해하려면 속도 향상도 (Speedup), 컴퓨터 성능 방정식 (Performance Equation), **구스타프슨의 법칙 (Gustafson's Law)**과 함께 봐야 한다. 암달의 법칙은 고정된 문제 크기에서 "얼마나 더 빨라질 수 있는가"를 묻는 반면, 구스타프슨의 법칙은 자원이 늘 때 "더 큰 문제를 같은 시간 안에 처리할 수 있는가"를 본다.

이 차이는 설계 의사결정을 바꾼다. 예를 들어 사용자 응답 시간을 줄여야 하는 온라인 트랜잭션 처리 (Online Transaction Processing, OLTP) 서비스는 암달의 법칙 관점이 더 중요하다. 반대로 과학 계산이나 인공지능 학습처럼 데이터 크기를 키우며 많은 자원을 계속 활용하는 환경은 구스타프슨의 법칙 설명력이 더 크다. 즉 둘은 서로 반박하는 법칙이라기보다, 문제의 크기를 고정해서 볼 것인가 확장해서 볼 것인가의 차이다.

• 📢 섹션 요약 비유: 암달은 "피자 1판을 더 빨리 굽는 법"을 묻고, 구스타프슨은 "오븐이 많아졌으니 피자 100판 주문을 동시에 받을 수 있는가"를 묻는다.

Ⅳ. 실무 적용 및 기술사 판단

실무에서 암달의 법칙은 단순 수식 암기가 아니라 투자 우선순위를 정하는 기준으로 써야 한다. 핵심은 병렬 자원 추가 전에 순차 병목을 계측하고, 병렬화 이후에는 오버헤드가 새 병목이 되는지 확인하는 것이다.

체크리스트

1. 전체 실행 시간 중 병렬화 가능한 비율 P를 실제 측정으로 구했는가?
2. 순차 구간의 실체가 초기화, 입출력, 락, 단일 스레드 알고리즘 중 무엇인지 분해했는가?
3. 코어 수 증가에 따라 동기화 비용과 메모리 대역폭 병목이 새로 생기지 않는가?
4. 목표가 응답 시간 개선인지, 처리량 확대인지 먼저 구분했는가?

실무 판단 예시

• 웹 서버에서 요청 처리의 15%가 데이터베이스 직렬 구간이라면, 애플리케이션 서버 코어만 늘려서는 기대한 성능이 나오지 않는다. 이때는 코어 증설보다 질의 구조 개선, 캐시 도입, 락 범위 축소가 먼저다.
• 병렬 연산 가속기를 붙이는 경우에도 호스트 중앙처리장치 (Central Processing Unit, CPU)와 장치 사이 데이터 복사 시간이 크면 전체 향상은 제한된다. 따라서 가속기 자체 성능보다 데이터 이동 구조를 함께 설계해야 한다.

안티패턴

• 측정 없이 코어만 늘리는 설계: 병렬화 비율을 모르는 상태에서 인프라만 키우면 비용은 선형으로 증가하지만 성능은 빠르게 포화된다.

• 락 경합을 숨긴 채 멀티스레드화하는 설계: 코드 겉모습은 병렬이지만 임계 구역 (Critical Section)이 크면 실제로는 대부분 줄 서는 구조가 된다.

• 📢 섹션 요약 비유: 차가 막히는 원인이 톨게이트인데 도로 차선만 늘리는 것은, 병목 위치를 잘못 본 대표적인 예다.

Ⅴ. 기대효과 및 결론

암달의 법칙을 이해하면 성능 개선을 더 냉정하게 볼 수 있다. 이 법칙은 "병렬화는 중요하지만 만능은 아니다"라는 사실을 분명히 보여 주며, 병목 제거와 구조 개선이 왜 하드웨어 증설보다 먼저 검토되어야 하는지 설명한다. 특히 멀티코어, 분산 처리, 가속기 활용이 일반화된 지금도 이 법칙은 여전히 유효하다.

다만 암달의 법칙은 문제 크기가 고정되어 있다는 전제 위에서 가장 강하게 작동한다. 그래서 대규모 데이터 분석이나 인공지능 학습처럼 문제 자체가 커지는 환경에서는 구스타프슨의 법칙과 함께 봐야 균형 잡힌 판단이 가능하다. 결국 이 개념은 "코어를 몇 개 더 살까"보다 **"전체 시간에서 끝까지 남는 비병렬 구간을 얼마나 줄일 수 있는가"**로 기억하는 것이 맞다.

• 📢 섹션 요약 비유: 줄다리기에서 힘센 사람을 더 데려오는 것보다, 묶인 매듭 하나를 먼저 풀어 주는 편이 전체 움직임을 더 크게 바꾼다.

📌 관련 개념 맵

📈 관련 키워드 및 발전 흐름도

컴퓨터 성능 측정
    │
    ▼
실행 시간 분해
(컴퓨터 성능 방정식, Performance Equation)
    │
    ▼
부분 개선의 전체 효과 분석
(암달의 법칙, Amdahl's Law)
    │
    ├──▶ 병렬 효율성 · 멀티코어 투자 한계 판단
    │
    ▼
고정 문제 크기의 한계 보완
(구스타프슨의 법칙, Gustafson's Law)
    │
    ▼
대규모 병렬 처리 · 가속기 · 분산 확장 전략

이 흐름은 성능을 "측정"하는 단계에서 출발해, "부분 개선의 효과 계산"을 거쳐, "확장 전략의 재해석"으로 이어지는 사고의 순서를 보여 준다.

👶 어린이를 위한 3줄 비유 설명

1. 친구들이 숙제를 같이 해도, 마지막에 선생님께 제출하는 일은 한 명이 해야 하면 그 시간이 꼭 남아요.
2. 그래서 친구를 계속 더 데려와도 숙제가 무한히 빨라지지는 않아요.
3. 진짜로 빨라지려면 친구 수를 늘리기 전에, 혼자 해야 하는 마지막 일을 줄이는 방법부터 찾아야 해요.