@k2works/claude-code-booster 6.2.0 → 6.3.0

package/lib/assets/docs/article/grokking-concurrency/all/part-2-ch04-05-threads.md

@@ -1,478 +0,0 @@
----
-type: Article
-title: "Part II: プロセスとスレッド"
-description: "Part I で逐次処理の限界を確認しました。"
-tags: [article, grokking-concurrency, all]
-status: stable
-generated: { by: human:kakimomokuri, at: 2026-03-24T05:22:28Z }
----
-
-# Part II: プロセスとスレッド
-
-## 2.1 はじめに
-
-Part I で逐次処理の限界を確認しました。本章では、並行処理の基本単位である**プロセス**と**スレッド**を学び、パスワードクラッカーを並列化して CPU の全コアを活用します。
-
-### プロセスとスレッドの違い
-
-| 特性 | プロセス | スレッド |
-|------|---------|---------|
-| メモリ空間 | 独立（隔離） | 共有 |
-| 生成コスト | 高い | 低い |
-| 通信方法 | IPC（パイプ、ソケット等） | 共有メモリ |
-| 障害の影響 | 他プロセスに影響しない | プロセス全体に影響 |
-
-## 2.2 共通の本質
-
-### スレッド並列化のパターン
-
-パスワードクラッカーの並列化は、全言語で共通の戦略を取ります：
-
-```
-1. 探索空間を N 分割する（N = CPU コア数）
-2. 各チャンクに対してスレッド/タスクを生成する
-3. 各スレッドが担当範囲を逐次探索する
-4. 最初に見つかった結果を収集し、他のスレッドを停止する
-```
-
-### チャンク分割の共通アルゴリズム
-
-```
-total = 探索空間のサイズ
-chunkSize = ceil(total / numCores)
-
-chunks = []
-for i in 0..numCores:
-    start = i * chunkSize
-    end = min(start + chunkSize, total)
-    chunks.append(ChunkRange(start, end))
-```
-
-この分割戦略により、理論上はコア数に比例した高速化（4 コアなら約 4 倍）が実現できます。
-
-## 2.3 言語別実装比較
-
-### スレッド生成
-
-#### 関数型ファースト言語
-
-<details>
-<summary>Haskell 実装</summary>
-
-```haskell
-import Control.Concurrent.Async (async, wait, mapConcurrently)
-
--- 単一スレッド
-createThread :: IO () -> IO ThreadId
-createThread = forkIO
-
--- 複数スレッド（async ライブラリ）
-runThreads :: Int -> (Int -> IO ()) -> IO ()
-runThreads count action = do
-    handles <- forM [0..count-1] $ \i -> async (action i)
-    forM_ handles wait
-```
-
-**特徴**:
-
-- `forkIO` は軽量スレッド（Green Thread）を生成
-- `async` ライブラリが結果の型付き取得を提供
-- `mapConcurrently` でリスト要素ごとに並列実行
-
-</details>
-
-<details>
-<summary>Clojure 実装</summary>
-
-```clojure
-;; Java Thread の直接利用
-(defn run-in-thread [task]
-  (let [thread (Thread. task)]
-    (.start thread)
-    thread))
-
-;; future による非同期実行
-(def result (future
-  (Thread/sleep 1000)
-  (+ 1 2)))
-
-@result  ;; => 3（ブロッキング取得）
-```
-
-**特徴**:
-
-- Java 相互運用で `Thread` クラスを直接利用
-- `future` は暗黙のスレッドプールで非同期実行
-- `@`（deref）でブロッキング取得
-
-</details>
-
-#### マルチパラダイム言語
-
-<details>
-<summary>Scala 実装</summary>
-
-```scala
-import scala.concurrent.{Future, Await, ExecutionContext}
-import scala.concurrent.duration.Duration
-
-given ExecutionContext = ExecutionContext.global
-
-// Future による非同期実行
-val futures = (0 until count).map { i =>
-    Future { task(i) }
-}.toList
-
-futures.foreach(f => Await.ready(f, Duration.Inf))
-```
-
-**特徴**:
-
-- `Future` はモナド的に合成可能
-- `ExecutionContext` が暗黙的にスレッドプールを提供
-- Scala 3 の `given` 構文で暗黙の引数を宣言
-
-</details>
-
-<details>
-<summary>Rust 実装</summary>
-
-```rust
-use std::thread;
-use std::sync::Arc;
-use std::sync::atomic::{AtomicUsize, Ordering};
-
-pub fn run_threads<F>(count: usize, f: F)
-where
-    F: Fn(usize) + Send + Sync + Clone + 'static,
-{
-    let handles: Vec<_> = (0..count)
-        .map(|i| {
-            let f = f.clone();
-            thread::spawn(move || f(i))
-        })
-        .collect();
-
-    for handle in handles {
-        handle.join().unwrap();
-    }
-}
-```
-
-**特徴**:
-
-- `Send + Sync + 'static` トレイト境界でコンパイル時に安全性を保証
-- `move` クロージャで所有権を移動
-- `JoinHandle<T>` で型付き結果を取得
-
-</details>
-
-<details>
-<summary>F# 実装</summary>
-
-```fsharp
-// Async ワークフロー
-let runAsync (count: int) (task: int -> unit) =
-    [ for i in 0 .. count - 1 do
-        async { task i } ]
-    |> Async.Parallel
-    |> Async.RunSynchronously
-    |> ignore
-```
-
-**特徴**:
-
-- `async { ... }` ワークフローでコンポーザブルな非同期処理
-- `Async.Parallel` で複数ワークフローを並列実行
-- パイプ演算子 `|>` でデータフローを表現
-
-</details>
-
-#### OOP + 並行処理ライブラリ言語
-
-<details>
-<summary>Java 実装</summary>
-
-```java
-// ExecutorService によるスレッドプール
-ExecutorService executor = Executors.newFixedThreadPool(numCores);
-
-List<Future<String>> futures = new ArrayList<>();
-for (ChunkRange chunk : chunks) {
-    futures.add(executor.submit(() -> crackChunk(cryptoHash, length, chunk)));
-}
-
-executor.shutdown();
-```
-
-**特徴**:
-
-- `ExecutorService` がスレッドのライフサイクルを管理
-- `Future<T>` で非同期結果を型安全に取得
-- Java 21+ の `Virtual Thread` で軽量スレッドも利用可能
-
-</details>
-
-<details>
-<summary>C# 実装</summary>
-
-```csharp
-// Task ベースの並列実行
-var cts = new CancellationTokenSource();
-var tasks = chunks.Select(chunk =>
-    Task.Run(() => CrackChunk(cryptoHash, length, chunk), cts.Token)
-).ToArray();
-
-var completed = await Task.WhenAny(tasks);
-if (completed.Result != null) cts.Cancel();
-```
-
-**特徴**:
-
-- `Task.Run()` で非同期タスクを生成
-- `CancellationToken` で協調的なキャンセルを実現
-- `Task.WhenAny()` で最初に完了したタスクを取得
-
-</details>
-
-<details>
-<summary>Python 実装</summary>
-
-```python
-from multiprocessing import Pool
-
-# GIL のため CPU バウンドには multiprocessing を使用
-def crack_password_parallel(crypto_hash, length, num_cores=4):
-    chunks = get_chunks(length, num_cores)
-    with Pool(num_cores) as pool:
-        results = pool.starmap(crack_chunk, [
-            (crypto_hash, length, start, end) for start, end in chunks
-        ])
-    return next((r for r in results if r is not None), None)
-```
-
-**特徴**:
-
-- GIL の制約により `threading` ではなく `multiprocessing` を使用
-- `Pool.starmap()` で引数付き関数を並列実行
-- コンテキストマネージャでプールのライフサイクルを管理
-
-</details>
-
-### 並列パスワードクラッカー
-
-#### 関数型ファースト言語
-
-<details>
-<summary>Haskell 実装</summary>
-
-```haskell
-crackPasswordParallel :: String -> String -> Int -> IO (Maybe String)
-crackPasswordParallel _ _ 0 = return Nothing
-crackPasswordParallel cryptoHash alphabet len = do
-    results <- mapConcurrently
-        (\c -> return $ crackRecursive cryptoHash alphabet [c] (len - 1))
-        alphabet
-    return $ listToMaybe (catMaybes results)
-```
-
-**戦略**: アルファベットの各先頭文字を `mapConcurrently` で並列化。純粋関数 `crackRecursive` は副作用がないため、安全に並列実行できます。
-
-</details>
-
-<details>
-<summary>Clojure 実装</summary>
-
-```clojure
-(defn crack-password-parallel [target-hash length num-threads]
-  (let [total (long (Math/pow (count alphabet) length))
-        chunks (chunk-range 0 total num-threads)
-        futures (doall
-                  (for [[start end] chunks]
-                    (future
-                      (crack-password-range target-hash start end length))))]
-    (some identity (map deref futures))))
-```
-
-**戦略**: 探索空間をチャンクに分割し、各チャンクを `future` で並列実行。`some identity` で最初の非 nil 結果を返します。
-
-</details>
-
-#### マルチパラダイム言語
-
-<details>
-<summary>Scala 実装</summary>
-
-```scala
-def crackPasswordParallel(cryptoHash: String, length: Int): Option[String] =
-  val combinations = getCombinations(length)
-  val numCores = Runtime.getRuntime.availableProcessors
-  val chunks = getChunks(numCores, combinations.length)
-  val result = new AtomicReference[Option[String]](None)
-
-  given ExecutionContext = ExecutionContext.global
-
-  val futures = chunks.map { chunk =>
-    Future {
-      combinations.slice(chunk.start, chunk.end).find { password =>
-        result.get().isEmpty && checkPassword(password, cryptoHash)
-      } match
-        case Some(found) => result.compareAndSet(None, Some(found))
-        case None => ()
-    }
-  }
-
-  futures.foreach(f => Await.ready(f, Duration.Inf))
-  result.get()
-```
-
-**戦略**: `AtomicReference` で共有結果をロックフリーに管理。`compareAndSet` で最初の結果のみを設定します。
-
-</details>
-
-<details>
-<summary>Rust 実装（Rayon）</summary>
-
-```rust
-pub fn crack_password_parallel(
-    crypto_hash: &str,
-    alphabet: &[char],
-    length: usize,
-) -> Option<String> {
-    if length == 0 { return None; }
-
-    alphabet.to_vec()
-        .par_iter()
-        .find_map_any(|&first| {
-            crack_recursive(crypto_hash, alphabet, first.to_string(), length - 1)
-        })
-}
-```
-
-**戦略**: Rayon の `par_iter()` + `find_map_any()` で、ワークスティーリングスケジューラが自動的に負荷分散。最初に見つかった結果を返します。最もコード量が少ない並列実装です。
-
-</details>
-
-<details>
-<summary>F# 実装</summary>
-
-```fsharp
-let crackPasswordParallel (cryptoHash: string) (length: int) : string option =
-    let combinations = getCombinations length
-    let numCores = Environment.ProcessorCount
-    let chunks = getChunks numCores (List.length combinations)
-    let result = ref None
-    let arr = combinations |> List.toArray
-
-    chunks
-    |> List.map (fun chunk ->
-        async {
-            for password in arr.[chunk.Start .. chunk.End - 1] do
-                if Option.isNone !result && checkPassword password cryptoHash then
-                    result := Some password
-        })
-    |> Async.Parallel
-    |> Async.RunSynchronously
-    |> ignore
-
-    !result
-```
-
-**戦略**: `ref` セルで共有結果を管理し、`Async.Parallel` で全チャンクを並列実行。
-
-</details>
-
-## 2.4 比較分析
-
-### スレッド生成メカニズム
-
-| 言語 | メカニズム | 戻り値 | 軽量スレッド |
-|------|----------|--------|-------------|
-| Python | `threading.Thread` / `multiprocessing.Process` | なし | なし（GIL 制約） |
-| Java | `Thread` / `ExecutorService` | `Future<T>` | Virtual Thread (21+) |
-| C# | `Task.Run()` | `Task<T>` | なし（Task はスレッドプール上） |
-| Scala | `Future { ... }` | `Future[T]` | なし（ExecutionContext 上） |
-| F# | `async { ... }` | `Async<'T>` | なし（スレッドプール上） |
-| Rust | `thread::spawn()` / Rayon | `JoinHandle<T>` | なし（OS スレッド） |
-| Haskell | `forkIO` / `async` | `Async a` | Green Thread (GHC RTS) |
-| Clojure | `future` | `IDeref` | なし（JVM スレッドプール上） |
-
-### 安全性保証のアプローチ
-
-| アプローチ | 言語 | 保証レベル | 仕組み |
-|-----------|------|----------|--------|
-| コンパイル時（型システム） | Rust | 最高 | `Send`/`Sync` トレイト境界 |
-| 不変性による回避 | Haskell, Clojure | 高い | 純粋関数と永続データ構造 |
-| 型安全な並行プリミティブ | Scala, F# | 高い | `AtomicReference`, `Async` ワークフロー |
-| ランタイムチェック | Java, C# | 中程度 | 同期プリミティブ + 例外 |
-| GIL による保護 | Python | 低い（CPU バウンドでは無効） | スレッドでは真の並列化不可 |
-
-### 並列パスワードクラッカーの設計パターン
-
-| パターン | 言語 | 特徴 |
-|---------|------|------|
-| ワークスティーリング | Rust (Rayon) | 自動負荷分散、最短コード |
-| アプリカティブ並列 | Haskell (`mapConcurrently`) | 要素ごとの並列化、関数型 |
-| Future + 共有状態 | Scala, Clojure | チャンク分割 + 結果収集 |
-| Async ワークフロー | F# | 宣言的な並列合成 |
-| スレッドプール + Future | Java | ExecutorService による管理 |
-| Task + キャンセル | C# | CancellationToken で協調停止 |
-| プロセスプール | Python | GIL 回避のためプロセス並列 |
-
-### 早期終了（最初の結果で停止）の実現方法
-
-| 言語 | 方法 |
-|------|------|
-| Rust | `find_map_any()` が最初の `Some` を返した時点で停止 |
-| C# | `Task.WhenAny()` + `CancellationToken` で残タスクをキャンセル |
-| Java | `shutdownNow()` で全スレッドを中断 |
-| Scala | `AtomicReference` + `isEmpty` チェックで残タスクをスキップ |
-| F# | `ref` セルの `Option.isNone` チェックで残タスクをスキップ |
-| Haskell | `catMaybes` + `listToMaybe` で最初の `Just` を取得 |
-| Clojure | `some identity` で最初の非 nil を取得 |
-| Python | `Pool.starmap()` の結果をフィルタリング |
-
-## 2.5 実践的な選択指針
-
-### CPU バウンド処理に適した言語
-
-**最も適している**:
-
-- **Rust** — ゼロコスト抽象化 + コンパイル時安全性。Rayon の `par_iter()` で最小限のコード変更で並列化
-- **Haskell** — 純粋関数は安全に並列実行可能。`mapConcurrently` で宣言的に並列化
-
-**バランスが良い**:
-
-- **Scala / F#** — 型安全性と表現力の両立。既存の JVM/.NET エコシステムを活用
-- **Java / C#** — 成熟した並行処理 API。エンタープライズ環境での実績
-
-**注意が必要**:
-
-- **Python** — GIL により `threading` では CPU バウンドの並列化ができない。`multiprocessing` が必要で、プロセス間通信のオーバーヘッドが発生
-- **Clojure** — JVM 上で動作するため Java と同等の性能だが、動的型付けによるオーバーヘッドがある
-
-## 2.6 まとめ
-
-### 言語横断的な学び
-
-1. **チャンク分割は普遍的** — どの言語でも探索空間を分割して並列化する戦略は同じ
-2. **安全性のアプローチが言語の個性** — コンパイル時保証（Rust）、不変性（Haskell/Clojure）、ランタイムチェック（Java/C#）
-3. **抽象度のトレードオフ** — 高レベル API（Rayon, `mapConcurrently`）ほど簡潔だが制御が限定される
-4. **GIL は Python 固有の課題** — 他の言語にはない制約であり、`multiprocessing` への切り替えが必要
-
-### 次のステップ
-
-[Part III: マルチタスキングとスケジューリング](./part-3-ch06-multitasking.md) では、OS がどのようにスレッドを切り替えるか、協調的・プリエンプティブなスケジューリングの仕組みを学びます。
-
-### 各言語の個別記事
-
-| 言語 | 個別記事 |
-|------|---------|
-| Python | [Part II - プロセスとスレッド](../python/part-2.md) |
-| Java | [Part II - プロセスとスレッド](../java/part-2.md) |
-| C# | [Part II - プロセスとスレッド](../csharp/part-2.md) |
-| Scala | [Part II - プロセスとスレッド](../scala/part-2.md) |
-| F# | [Part II - プロセスとスレッド](../fsharp/part-2.md) |
-| Rust | [Part II - プロセスとスレッド](../rust/part-2.md) |
-| Haskell | [Part II - プロセスとスレッド](../haskell/part-2.md) |
-| Clojure | [Part II - プロセスとスレッド](../clojure/part-2.md) |