C# 이미지의 2차원 배열을 순회하는 여러가지 방법 - 2

 

 

지난 포스팅에 이어 이미지의 2차원 배열을 순회하는 방법에 대해 알아보겠습니다.

2차원 배열을 순회하는 기초적인 방법은 이전 글을 통해 확인해 보세요!

 

C# 이미지의 2차원 배열을 순회하는 여러 가지 방법 - 1

C# 이미지의 2차원 배열을 순회하는 여러가지 방법 - 1

---

| 데이터를 분할하여 2차원 배열 순회 

데이터를 분할하여 배열을 처리하는 방법은 큰 데이터 세트를 더 작은 부분으로 나누고,

각 부분을 독립적으로 처리하는 원리에 기반합니다. 

 

이는 특히 큰 규모의 데이터에서 유용하며 메모리 사용량을 줄이고

각 부분을 병렬로 처리함으로써 전체적인 성능을 향상합니다.

 

| 데이터 분할 단계

1. 데이터 분할 : 원본 데이터(이미지)를 더 작은 부분으로 나눕니다. 
   이를 위해서 원본 데이터의 구조와 특성을 이해하는 것이 중요합니다. 
   예를 들어, 2차원 배열의 경우, 행이나 열을 기준으로 데이터를 분할할 수 있습니다.
2. 병렬 처리 : 각 데이터 부분을 독립적으로 처리합니다. 
   이는 병렬 처리 기법을 사용하여 수행되며, 여러 스레드나 프로세스에서 동시에 실행됩니다. 
3. 결과 병합 : 병렬 처리한 데이터의 결과를 병합하여 최종 결과를 생성합니다. 

데이터를 분할하여 처리하는 방법은 복잡한 문제를 더 작은 문제로 나누는 '분할 정복'과 유사합니다.

예제를 통해 자세하게 알아보겠습니다.

 

예제) 데이터를 분할하여 2차원 배열 순회 

const int splitSize = 32; // 데이터를 분할할 크기
int[,] array = new int[4096, 28000];

// 배열을 분할하여 처리
Parallel.For(0, array.GetLength(0) / splitSize, i =>
{
    for (int j = i * splitSize; j < (i + 1) * splitSize && j < array.GetLength(0); j++)
    {
        for (int k = 0; k < array.GetLength(1); k++)
        {
            // 배열 요소에 대한 작업 코드
            array[j, k]++;
        }
    }
});

 

 

위 코드는 splitSize 만큼의 행을 한 단위로 처리하며, 각 단위는 별도의 스레드에서 처리됩니다.

이를 통해 전체 배열을 분할하여 처리할 수 있습니다. 

---

| Task 병렬 처리를 사용한 2차원 배열 순회

C#의 Task.Run 메서드를 사용해 별도의 Task를 생성하고,

각 Task에서 배열의 일부를 독립적으로 처리하는 방법이 있습니다. 

예제를 통해 바로 알아보겠습니다.

 

예제) Task를 사용한 2차원 배열 순회

 

const int splitSize = 32; // 데이터를 분할할 크기
int[,] array = new int[4096, 28000];

// 배열을 분할하여 처리
int taskCount = array.GetLength(0) / splitSize;
Task[] tasks = new Task[taskCount];

for (int t = 0; t < taskCount; t++)
{
    int taskIndex = t;
    tasks[t] = Task.Run(() =>
    {
        for (int i = taskIndex * splitSize; i < (taskIndex + 1) * splitSize && i < array.GetLength(0); i++)
        {
            for (int j = 0; j < array.GetLength(1); j++)
            {
                // 배열 요소에 대한 작업 코드
                array[i, j]++;
            }
        }
    });
}

// 모든 태스크가 완료될 때까지 대기
Task.WaitAll(tasks);

 

전체적인 코드 진행은 데이터 분할을 사용하여 2차원 배열을 순회하지만 

여기서는 Parallel.For 메서드가 아닌 Task.Run을 사용한 2차원 배열 순회 방법입니다.

각 Task가 독립적으로 실행되므로, 다른 Task의 완료를 기다리지 않고 바로 실행됩니다.

따라서 병렬 처리의 이점을 최대한 활용할 수 있습니다.

또한, Task.WaitAll 메서드를 사용하여 모든 Task가 완료될 때까지 대기합니다. 

---

| 데이터 분할 방법을 사용할 때 주의점 

앞서 두 가지 방법으로 데이터 분할을 사용하여 2차원 배열을 순회하였습니다.

데이터 분할 방법을 사용할 때 주의 해야 할 점이 있습니다.  

사실 데이터 분할 방법의 문제점이라기보다 병렬 처리의 문제점이라고 생각하시면 될 것 같습니다.

 

1. 데이터 분할의 오버헤드 : 데이터를 분할하고 결과를 합치는 과정에서
   추가적인 시간이 소요되는 것을 오버헤드라 합니다.
   예를 들어, 1000x1000 크기의 2차원 배열을 10x10 크기의 10000개의 작은 배열로 분할한다고 가정했을 때
   이 경우 각 작은 배열을 생성, 작업 수행 후 결과를 다시 큰 배열에 복사하는 과정에서
   상당한 오버 헤드가 발생할 수 있습니다.  
   
   해결 방법)
   

   // 원본 크기를 4로 나누어 더 큰 단위로 데이터를 분할
   const int splitSize = array.Length / 4;​

   
   오버헤드를 줄이기 위한 방법 중 하나는 데이터를 더 큰 단위로 분할하는 것입니다.
   이렇게 하면 분할과 병합에 필요한 연산 횟수가 줄어들어 오버헤드를 줄일 수 있지만 
   연산 속도가 크게 증가하지는 않습니다. 
2. 동기화 문제 : 여러 스레드가 동시에 같은 데이터 접글할 때 발생하는 문제를 말합니다.
   두 스레드가 동시에 같은 배열 요소에 값을 쓰려고 한다면, 어떤 스레드의 값이 저장될지 예측할 수 없습니다.
   이를 해결하기 위해 동기화 메커니즘(예 : lock, mutex 등)이 필요합니다.
   
   해결 방법) lock을 이용한 동기화 문제 해결 
   

   object lockObject = new object();
   
   // 배열 요소에 대한 작업 코드
   lock (lockObject)
   {
       array[i, j]++;
   }​

   
   lock 키워드를 사용하면 특정 코드 블록에 한 번에 하나의 스레드만 접근할 수 있어
   동기화 문제를 해결할 수 있지만 이 역시 병렬 처리의 효율이 크게 떨어집니다.
   락을 걸어야하는 부분을 최소화하여 병렬 처리의 효율을 높여야 합니다.
   
   
3. 데이터 의존성 : 한 데이터의 처리가 다른 데이터의 처리 결과에 의존하는 경우를 말합니다.
   예를 들어, 2차원 배열에서 각 요소를 이전 요소의 값에 기반하여 계산하는 작업이 있다고 가정하겠습니다.
   이 경우 데이터를 분할하여 병렬 처리를 하더라도 이전 요소의 계산이 완료되어야 다음 계산을 할 수 있으므로
   병렬 처리의 이점을 활용할 수 없게 됩니다.
   
   해결 방법)
   

   // 데이터 의존성이 있는 작업 코드
   for (int i = 0; i < array.Length; i++)
   {
       // array[i]는 array[i - 1]에 의존
       if (i > 0)
       {
           array[i] = array[i - 1] + 1;
       }
   }​

   
   데이터 의존성을 해결하는 방법 중 하나는 종속성이 있는 작업을 같은 스레드에서 실행하는 것입니다.
   이렇게 하면 해당 작업들 사이의 순서를 보장하면서 해결할 수 있습니다. 

위 예제들은 각 문제를 해결하는 가장 기본적인 방법입니다.

실제로는 문제의 복잡성에 따라 더 복잡한 해결 방법이 필요할 수 있습니다.

---

| 마무리

2차원 배열을 순회하는 다른 방법에 대해 알아봤습니다.

이미지를 조금 더 잘 다룰 수 있을 것 같고 고민을 더 해야겠다고 생각했습니다.

 

틀린 점이나 질문이 있으시면 댓글로 남겨주세요!

 

감사합니다! :)