┌─────────────────────────────────────────────┐
│              사용자 공간 (User Space)          │
│  ┌──────┐ ┌──────┐ ┌──────┐ ┌──────────┐    │
│  │Python│ │ bash │ │docker│ │ PyTorch  │    │
│  └──┬───┘ └──┬───┘ └──┬───┘ └────┬─────┘    │
│     │        │        │          │           │
├─────┴────────┴────────┴──────────┴───────────┤
│           시스템 콜 인터페이스 (syscall)         │
├──────────────────────────────────────────────┤
│              커널 공간 (Kernel Space)          │
│  ┌──────────┐ ┌────────┐ ┌───────────────┐  │
│  │프로세스   │ │메모리   │ │파일시스템     │  │
│  │스케줄러   │ │관리자   │ │(VFS)         │  │
│  └──────────┘ └────────┘ └───────────────┘  │
│  ┌──────────┐ ┌────────┐ ┌───────────────┐  │
│  │네트워크   │ │디바이스 │ │GPU 드라이버   │  │
│  │스택      │ │드라이버 │ │(NVIDIA)      │  │
│  └──────────┘ └────────┘ └───────────────┘  │
├──────────────────────────────────────────────┤
│                 하드웨어                       │
│   CPU    RAM    SSD/HDD    GPU    NIC        │
└──────────────────────────────────────────────┘

                ┌──────────┐
    fork()      │  생성     │
   ─────────►   │ (Created) │
                └────┬─────┘
                     │ 스케줄러 배정
                     ▼
                ┌──────────┐     I/O 요청     ┌──────────┐
                │  실행     │ ──────────────► │  대기     │
                │(Running)  │                 │(Waiting)  │
                └────┬─────┘ ◄────────────── └──────────┘
                     │           I/O 완료
                     │ exit() / 시그널
                     ▼
                ┌──────────┐
                │  종료     │  ──► 부모가 wait() → 자원 해제
                │ (Zombie)  │
                └──────────┘

# 좀비 프로세스 확인
ps aux | grep 'Z'

# 좀비 프로세스의 부모 찾기
ps -eo pid,ppid,stat,cmd | grep 'Z'

import signal
import sys

def graceful_shutdown(signum, frame):
    print(f"시그널 {signum} 수신 — 체크포인트 저장 중...")
    # 모델 체크포인트 저장 로직
    torch.save(model.state_dict(), 'checkpoint_emergency.pt')
    sys.exit(0)

signal.signal(signal.SIGTERM, graceful_shutdown)
signal.signal(signal.SIGINT, graceful_shutdown)

┌─────────────────────┐      ┌──────────────────┐
│  프로세스 A의         │      │   물리 메모리     │
│  가상 주소 공간       │      │   (RAM)          │
│ ┌─────────────────┐ │      │ ┌──────────────┐ │
│ │ 코드 (text)     │─┼──┐   │ │ 페이지 0     │ │
│ ├─────────────────┤ │  │   │ ├──────────────┤ │
│ │ 데이터 (data)   │─┼──┼──►│ │ 페이지 1     │ │
│ ├─────────────────┤ │  │   │ ├──────────────┤ │
│ │ 힙 (heap)  ↓   │─┼──┼──►│ │ 페이지 2     │ │
│ │                 │ │  │   │ ├──────────────┤ │
│ │ 스택 (stack) ↑  │─┼──┼──►│ │ 페이지 3     │ │
│ └─────────────────┘ │  │   │ └──────────────┘ │
└─────────────────────┘  │   └──────────────────┘
                         │   ┌──────────────────┐
                         └──►│  스왑 (Swap)      │
                             │  디스크 영역       │
                             └──────────────────┘

# OOM Killer 로그 확인
dmesg | grep -i "out of memory"
dmesg | grep -i "killed process"

# 프로세스별 OOM 점수 확인 (높을수록 먼저 죽음)
cat /proc/<PID>/oom_score

# OOM 점수 조정 (-1000 ~ 1000, -1000이면 절대 안 죽임)
echo -1000 > /proc/<PID>/oom_score_adj

# inode 정보 확인
ls -i filename.txt        # inode 번호 확인
stat filename.txt         # 상세 inode 정보

# 파일시스템 inode 사용량 확인
df -i                     # inode 부족 시 파일 생성 불가

# 현재 마운트 상태 확인
lsblk                     # 블록 디바이스와 마운트 포인트
mount | column -t          # 상세 마운트 정보
df -hT                     # 파일시스템 종류 포함 용량 확인

# 디스크 마운트 예시
sudo mount /dev/sdb1 /data/datasets
sudo mount -t tmpfs -o size=16G tmpfs /tmp/cache

-rwxr-xr-- 1 user group 4096 Jan 1 12:00 train.py
│├──┤├──┤├──┤
│ U   G   O
│
└── 파일 유형 (-: 일반, d: 디렉터리, l: 심볼릭 링크)

# 권한 변경
chmod 755 train.py         # rwxr-xr-x
chmod u+x script.sh        # 소유자에 실행 권한 추가
chown user:group file.txt  # 소유자 변경

# umask: 새 파일 생성 시 기본 권한 마스크
umask 022                  # 파일: 644, 디렉터리: 755

# 특수 권한 설정
chmod 4755 executable      # SUID 설정
chmod 2775 shared_dir/     # SGID 설정 (팀 공유 디렉터리)
chmod 1777 /tmp            # Sticky Bit (공용 임시 디렉터리)

# GPU 선택
export CUDA_VISIBLE_DEVICES=0          # GPU 0번만 사용
export CUDA_VISIBLE_DEVICES=0,1        # GPU 0, 1번 사용
export CUDA_VISIBLE_DEVICES=""         # GPU 사용 안 함

# 환경변수 영구 설정 (~/.bashrc 또는 ~/.zshrc)
echo 'export CUDA_HOME=/usr/local/cuda' >> ~/.bashrc
echo 'export PATH=$CUDA_HOME/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

# DataLoader와 fork의 관계
from torch.utils.data import DataLoader

# num_workers=4 → fork()로 4개의 워커 프로세스 생성
# 각 워커가 데이터를 병렬로 로드하여 GPU에 공급
train_loader = DataLoader(
    dataset,
    batch_size=32,
    num_workers=4,        # fork() 4회 호출
    pin_memory=True,      # 페이지 잠금 메모리 사용 → GPU 전송 가속
    persistent_workers=True  # 워커를 에폭 간 유지 → fork 오버헤드 감소
)