[여자는 남 앞에서 유혹 당하면 우쭐해서 승낙한다]
여자에게 허영심이 많다는 건 노소를 불문하고 공통적으로 해당되는 사항이다. 여자는 좋은 의미에서든 나쁜 의미에 서든 남자들의 시선을 받길 원한다. 오랜 세월 남성에게 예속되어온 결과 부차적인 것을 획득하기 위한 수단으로서 타인에게 잘 보이려는 습성이 몸에 배었기 때문이다. 이러 한 특성이 남보다 돋보이려는 위치를 추구하도록 욕구를 부채질한다. 남자들은 비밀을 잘 지키는 편이다. 남녀관계에서도 두 사 람만이 비밀로 묻어두고 싶어 하는 비밀을 여잘들은 입이 근지러워 견디지 못해 그만 '절대 비밀로 해야 돼'라는 단 서를 달고 친구에게 자랑해 버린다. 그래서 남자들은 '여 자에게 비밀을 유지해 달라고 요구하는 것은 불가능을 요 구하는 것과 같다'며 빈정대곤 한다. 여기서 여자의 특성을 역이용하여 효과적으로 설득하는 방 법을 연구한다. 그것은 바로 증인을 준비하는 것이다. 여 자들은 응하고 싶은 상대라 할지라도 괜한 자존심을 내세 우며 거절한다. 하지만 여러 사람이 보는 앞에서, 특히 같은 여성 동료나 친구가 있는 자리에서 예의 바르게 데이트를 신청하면 우 쭐해진 마음에서 선뜻 승낙하는 묘한 버릇이 있다. 그리고 는 다른 여성을 젖히고 나를 선택해 준데 대한 일종의 고 마워하는 마음까지 가진다. 쌀쌀맞게 구는 여자가 있다면 그녀의 친구들이 보는 앞에서 주위를 의식하지 말고 소리 내어 데이트를 청하라. 틀림없이 오케이라는 대답이 떨어 질 것이다.
[여자는 자신의 응석을 받아 주는 남자에게 기대려 한다]
남자는 여자에게 과시함으로서 남성다움을 표시하려 든다. 원래 데이트의 리드는 남성이 하고 여성은 그저 따르는 것 이 통례로 되어 있으나 이젠 시대가 변했다는 사실도 깨달 아야 한다. 현실적으로 데이트 시 여성의 기분을 무시한 채 모든 것을 자기 위주로 결정, 진행하는 시대 착오적인 남자가 꽤 있 다. 여자가 보고 싶어하는 영화를 상영하는 곳이 먼 곳에 위치하고 남자의 취향에 맞지 않는다 해서 일방적으로 자 신의 취향에 맞는 곳으로 결정, 데려가면 데이트 분위기는 어색해진다. 여성은 남성에 비해 감정적이며 논리적인 일 관선이 없기 때문에 자기 마음에 들지 않는 것을 강요하면 불쾌감을 느낀다. 여성이 이런 감정 변화를 보일 때 남자를 책망한다거나 변 덕스럽다고 비난할 것이 아니라 여성의 기질을 이해하고 임기 웅변적으로 여성의 기분에 맞춰 주도록 한다. 예를 들어 처음엔 영화를 볼 예정이어서 티켓까지 예매해 두었는데 갑자기 여성이 바다가 보고 싶다고 한다면 기꺼 이 티켓을 교환해 바다로 데려가는 배려를 보여라. 영화에 대한 미련도 어느 정도 남아 있겠지만 자신의 뜻에 따라 주었다는 사실에 더욱 감격하여 여자는 황홀한 표정으로 당신을 앞질러 달려가 차를 타게 될 것이다. 데이트의 목적이 두 사람의 기분을 즐겁게 하고 함께 있는 데 영화를 보든 바다를 보든 문제가 되지 않을 것이다. 멋 진 요리를 먹기로 했다가 여자가 갑자기 다른 것을 먹고 싶다고 한다면 기꺼이 그곳으로 데려가 주는 식으로 여자 의 기분을 최우선시 한다. 목적을 이루기 전까지는 상대방 여성의 기분을 최대한 맞 춰 주는 것이 요령이다. 이렇게 해 주면 여성은 '내 기분 을 이렇게 잘 맞춰 주는 사람은 없을 거야. 함께 있으면 안신이 돼'하는 안도감을 품고 이런 생각이 그녀의 경계심 을 죄다 풀게 만든다.
[여자는 자기 말을 잘 들어주는 남자에게 끌린다]
세상에는 전혀 상반된 것끼리 어울리는 묘한 것이 많이 있 다. 뚱뚱한 여자와 빼빼한 남자, 미녀와 야수형 남자, 외 향적 여성과 내향적 남성, 미남과 추녀 등 서로 그 부족함 을 커버하는 커플이 예상외로 행복한 삶을 영위하고 있다. 이런 요철형 커플 중 여기서 거론코자 하는 타입이 '지난 번 저 사람 애인을 보고 너무 깜짝 놀랐어. 애인이 얼마나 애교 있고 말을 잘하는지… 저렇게 무뚝뚝한 남자와 어떻 게 만나는지 모르겠어'에 해당되는 커플이다. 원래 인간은 자기에게 없는 것을 솔직히 인정하여 포기하지 못하고 남 을 통해 충족시키려는 욕심꾸러기 습성을 갖고 있다. 수다쟁이 여자는 자신에겐 부족한 잘 들어주는 성격을 남 자에게서 구하려 든다. 반대로 말 솜씨가 서툰 남자는 말 잘하는 여자에게서 부족함을 메꾸려 든다. 한번 상상해 보 라. 수다쟁이 남자와 수다쟁이 여자가 함께 있는 모습을, 반대로 무뚝뚝한 남편과 말 수 적은 아내가 함께 사는 가 정을. 당연히 말 수 적은 남자는 잘 들어 주는 특성을 살 려 말 잘하는 아내의 기호를 만족시켜 주며 행복한 가정을 이끌어 나간다. 대개의 여자는 수다 떨기를 좋아한다. 만약 그녀가 수다쟁 이라면 당신은 두 눈에 열기를 담고 미소 띤 얼굴로 '응, 그랬어? 그래서?'등의 짤막한 단어만 말해도 당신에게 완 전히 반해 버릴 것이다.
[여자는 자기에게 관심 없는 남자에게 더 강하게 끌린다]
미팅 장면을 보면 그룹 중 가장 아름다운 여자를 두고 복 수의 남자들이 1대 1로 파트너가 되려고 다투는 광경이 흔 하게 벌어진다. 미모가 뛰어나다는 이유 하나만으로 그녀 는 여왕벌처럼 우아한 모습을 지으며 조용히 만족스런 미 소를 띠며 다투는 광경을 즐긴다. 그런데 특히 빼어난 여자의 경우 오히려 다가오는 족이 없 이 쓸쓸히 앉아 있는 모습도 자주 눈에 보인다. '내가 저 렇게 아름다운 여자의 짝이 될 수 있을까? 내 주제에 감 히...' 남자들은 한결같이 이런 자조적인 생각을 품으며 눈치만 살피기 때문이다. 그래서 미팅 후 쓸쓸히 혼자 돌 아가는 아름다운 미인에게 접근하여 어부지리를 얻는 행운 아도 가끔 발생한다. 여자는 많은 남자로부터 유혹을 받으면 당연히 만족스러워 하지만 특별한 느낌을 받지는 않는다. 흔히 '많은 것은 오 히려 하나도 없는 것보다 못하다'고 하듯이 원래 여자와 남자는 1:1이면 족하다. 1:복수로 덤비면 기분은 좋지만 특별하게 인상을 남기는 사람을 찾기 어렵기 때문에 되돌 아 설 때는 더욱 허전함을 느낀다. 묘한 것은 복수의 남자에게 둘러싸여 있는 여자는 당연히 모든 남자가 자기에게 시선을 주고 접근해 와야 정상이라 고 착각하게 된다. 그래서 가령 5명의 남자 중 4명이 갖는 유혹의 말로 비위를 맞추고 있을 때 유독 한 남자만이 무 관심한 태도를 보이고 있으면 그녀의 눈길은 무관심한 남 자에게 쏠린다. 여자는 속을 보이지 않는 조용한 남자에게 강한 호기심을 느낀다. 여기서 그 무관심한 남자가 자기보다 못생겼다고 생각하는 여자에게 호감을 보인다면 여자는 강한 질투심과 도전심을 느낀다. 노련한 남자들이 쌀쌀맞게 구는 여자를 끌어당길 때 흔히 사용하는 수법으로 몇차례 무릎 꿇고 애원하다가 돌연 포기하듯 냉정하게 돌아서 다른 여자에게 접근한다. 그 남자에게 전혀 관심이 없는 게 아니라면 여자는 모욕감 과 질투심으로 스스로 태도를 돌변, 남자의 집 문을 두들 긴다.
[여자는 형용사를 많이 사용하는 남자를 좋아한다]
여성은 남성에 비해 감정이 풍부한 동물이다. 여성의 내부 에는 원래 희노애락의 감정이 남성의 경우보다 더 크게 응 축된 덩어리로 잠겨 있다. 슬픔 영화를 보고 눈물을 흘리 는 것도 가슴 속에 응축되어 잇는 '슬픔'의 응어리가 영화 에 자극 받아 눈물로 표출되는 것이다. 바로 이 점에 착안하여 상대방 여성을 보다 흥분된 상태 (희노애락의 감정을 스트레이트로 표현케 하는상태)로 유 도하고 싶다면 '메마른 단어'가 아닌 '촉촉한 단어'를 골 라 사용해야 한다. 여기서 '촉촉한 단어'란 단순한 명사나 동사가 아닌 형용사와 부사를 듬뿍 사용하여 감정이 촉촉 한 문장을 말한다. 예를 들어 당신이 그녀를 등산에 데려가고 싶다고 했을 때 '해발은 1천5백미터이고 밤나무가 무성하고 그 옆에 호수 가 있는 데 알려진 바에 의하면 호수의 투명도는 얼마이고 물고기가 많이 서식하고 있는 곳이야'라고 설명하면 여자 는 시큰둥한 표정을 짓는다. 하지만 '정상에 올라서면 마을이 한눈에 내려다 보여, 처 녀림에 와 있는 것처럼 공기가 맑아 한숨 가득히 들이키면 도시의 매연으로 더렵혀진 가슴이 깨끗해지는 걸 실감하게 될 거야. 가는 길목에 호수가 하나 있는데 레만 호처럼 맑 고 깨끗해. 아침엔 밀크 빛깔의 뽀얀 안개가 떠올라. 그 안개 밑을 흐르는 수정 같은 주변을 바라보고 있노라면 모 짜르트의 아름다운 선율이 들리는 듯한 착각이 들 정도야' 이런 식으로 설명한다면 여자는 환상에 빠져 앞 뒤 가리지 않고 '가고 싶어요!'라고 탄성을 울린다. 한마디로 말해 아무리 많이 배우고 사회적으로 남자와 동 등하게 활약하고 있는 여성이라고 객관적인 설명으로 납득 시키려하지 마라. '이 여자는 유능한 캐리어 우먼이고 냉 철한 판단력을 가졌으니 다른 여자와는 다르게 대해야겠 다'고 생각하는 남자가 있다면 일찌감치 포기하라. 그녀의 외견은 냉철한 캐리어 우면이지만 그녀의 내면은 어쩔 수 없는 '여자'이기 때문에 오히려 이성이란 가면 아 래 억제되어 있는 여성의 본능에 호소하는 편이 더 큰 효 과가 있을 것이다. 쌀쌀맞고 냉정한 여자는 공략하기 어렵 지만 급소만 찌르면 허물어지는 속도는 보통 여자보다 더 빠르다는 점을 명심하라.
[여자는 남자의 열성적 말투에 가한 섹스 어필을 느낀다]
새로운 컴퓨터 데이터 처리 기술 개발중에 있는 컴퓨터 프 로그램 회사에 다니는 젊은 사원이 있다. 그는 특별하게 잘 생기지도 않고 누구에게나 인정 받을 만한 일류대학 출 신도 아니고 돈도 없는 일개 샐러리맨에 지나지 않지만 이 상하게도 여성들에게 인기가 있다. 학창 시절에는 클라스 메이트 여학생들에게 둘러싸여 있었 는데 회사에서도 여직원들이 커피를 사겠다 점심을 같이 하자면 귀찮게 군다고 행복한 투정을 하는 그는 별로 자신 의 매력에 대해 의식하지 못하고 있으나 그의 매력은 한마 디로 말투에 있었다. 그는 별로 관심 없는 여자를 대할 적에도 눈에 열의를 가 득 담고 성의 있게 대화에 임한다. 특별히 여자의 비위를 맞추는 얘기가 아닌데도 여자가 관심을 갖는 것은 자신의 취미, 전공 분야에 대해 알아듣기 쉽게 차근하게 설명해 주는 그 태도에 있다고 보여진다. 여성은 '이런 것 말해 봤자 당신이 알아 듣기나 해?'라는 무시하는 듯한 태도가 아닌 성의를 다해 설명하는 그의 태 도를 '당신에게 호의를 품고 있다. 그래서 나는 모든 것을 알려주고 싶다'는 열의로 해석하고 어려운 전문 용어에 열 심히 귀를 기울이는 것이다. 그는 자기 취미에 맞는 전공 분야이기 때문에 얘기를 시작하면 자연적으로 열의를 담게 되는 것뿐인데도 말이다. 그러나 얘기를 듣고 있는 측의 심리는 어느 단계까지 가면 그 얘기의 내용은 아무래도 상관없게 된다. 자신이 전혀 모르는 세계에 이 정도 통달하여 정열적으로 설명할 수 있 는 남자의 모습이 멋지고 그 정열을 쏟는 대상이 바로 '나'라는 사실이 감격스러울 뿐이다. 남자의 뜨거운 열변 은 여자의 귀엔 정열적인 음악소리로 들려 관능이 자극 받 는다. 이 자극은 섹스에 대한 연상으로 이어지기도 한다. 즉 남 자는 자기도 모르는 사이에 쾌락이 넘치는 세계로 자신을 인도하고 있다는 생각을 한다.
[여자는 다정히 이름을 불러줄 때 꽃이 된다]
몇 번쯤 데이트를 거듭한 다음 이제 두 사람의 관계가 조 금 깊어졌다고 생각되면 의식적으로 호칭을 바꾸는 배려가 필요하다. '선 본 남자와 여자가 3번 연속 만나면 결혼은 당연한 것' 이라는 말도 있다. 그 정도 만나면 개인 신상에 대해 훤히 알게 되고 그 다음부터는 더 나은 관계 구축을 위한 만남 이 될 테니까. 아무튼 여자는 자기 이름을 불러 주는 사라에게 일체감을 느낀다. 우리는 생리적으로 좀더 가까워지고 싶다. 보다 친밀해지고 싶다고 생각할 때 상대방의 이름을 부른다. 흔 히 미국 영화에서 첫 만남에서 상대에게 호의를 느끼면 'Call me ○○'라며 애칭을 부르라고 말하는 것도 더 가깝 게 지내자는 의사 표시이다. 여성이 먼저 '○○라고 불러요'라고 이름을 말했다면 호감 을 느꼈다는 표시가 된다. 남자가 자기 이름을 부르는 것 을 허용한다는 것은 여성이 자신의 내부에 남자를 이미 받 아들인 것으로 해석해도 좋다. 이 심리적 변화에 주시하면 스무스하게 여자를 끌어당길 수 있다. 또 여성은 자신을 어떻게 불러 주느냐에 따라 상 대방 남성과의 심리적 거리를 측정하고 반응한다. 성을 부 르면 거리를 두고 이름을 부르면 거리를 좁힌다. 여기서 더 나아가 둘만 아는 애칭이나 별명, '자기'같은 단어로 호칭하면 '너와 나는 동일체'라는 의식을 강하게 품는다. 여성과의 관계를 한걸음 두 걸음 좁혀 가고 싶다면, 친근 감을 좀더 강하게 하고 싶다면 두 사람만의 비밀스런 단어 로 부르도록 하라. 그러면 여성은 스스로 '나는 당신의 것'으로 인식하고 더욱 가깝게 다가올 것이다. 의사에게 있어 무엇보다 중요한 것은 정확한 진료 테크닉 과 환자와의 신뢰 관계 확립이다. 흔히 '의사야 병만 잘 고치면 되지...'라고 생각하기 쉽지만 병이라는게 꼬집어 분명하게 나타나는 것도 아니고 환자의 증세 설명이나 낫 는다는 믿음도 중요한 요소로 작용하기 때문에 특히 심리 적인 병일 경우 의학적 지식보다는 환자와의 유대 관계 구 축이 더 중요할 수도 있다. 환자의 신뢰를 얻기 위해 의사들도 나름대로 노력하고 있 지만 더 빠른 시간 내에 효과를 얻는 방법으로 환자에 대 한 호칭 문제가 새롭게 대두되고 있다. 그 방법이란 병에 대한 두려움에 떨고 있는 환자의 걱정을 덜어 주기 위해 의사는 대개 계속 말을 시키는데 그 때 일 상 대화에서 환자의 이름을 최소한 2번 이상 불러 주어 환 자로 하여금 의시가 특별한 관심을 갖고 있으며 내 가족을 치료하듯 성심 성의를 다할 것이라는 암시를 심어 준다는 이론이다. 당신의 그녀가 직장 여성이라고 한다면 회사 내에서 주로 어떤 호칭으로 불리는지를 한번 체크해 보라. 대개 '미스 김'아니면 '김○○씨'로 불리우고 있을 것이다. 미혼 남성 으로부터 '○○씨'로 불리고 있다면 그 남자는 당신의 애 인에게 흑시을 품고 있다고 봐도 과언이 아니다. 앞서 말 했던 것처럼 이름을 부름으로 좀더 친밀한 관계 구축을 바 라고 있는 것이다. 누군가가 자기 이름을 자주 반복적으로 부르고 있다는 것 을 의식한 여성은 그 사람에게 상당한 친근감을 느낀다. 만약 그 상대가 남자라면 그와 친밀한 관게가 된 것처럼 착각하고 기꺼이 다가온다. 즉 의식 깊은 곳에 잠재한 고 독이란 욕구 불만이 충족되었기 때문. 여자는 생리적으로 누군가의 소유가 되길 원한다. 그 구속 을 기쁜 마음으로 받아들이려고 하는 상대는 바로 자기에 게 깊은 관심을 가져 주는 사람이다. 남자는 이 점을 유의 하여 대화 중에 가능한 한 자주 그녀의 이름을 다정하게 아끼지 말고 불러 보라. 그녀는 당신에게 의미있는 꽃이 될 것이다.
[여자는 자기만 특별대우를 받는 것을 좋아한다]
사람은 누구나 혼자 되는 걸 두려워하지만 여자는 특히 고 립되는 것을 무서워하는 동물이다. 이 점에서 때로는 고독 을 좋아하는 남성의 특성과 정반대이다. 여자는 항상 곁에 누군가가 있어 주길 바라고 무리지어 있 어야 안도감을 느낀다. 본능적으로 혼자 살아가는 것을 여 성은 두려워하기 때문에 '당신', '나'라고 분리시켜 지칭 하면 남성이 전혀 의식하지 못하는 사이 여성은 거리감을 느끼게 된다. 한번 유심히 관찰해 보라. 여자는 몇 번만 만나면 이내 '당신과 나'가 아니라 '우리'라는 단어로 묶 어 지칭해 버리곤 한다. 그런 이유에서 둘만 있을 때는 항상 두 사람이 공동체가 되었다는 것을 강하게 인식시키기 위해 '우리들' '우리 두 사람만'이란 단어를 무차별 남용토록 하라. 설령 두 사람의 관계가 '우리'라는 단어로 묶어 부를 만큼 가깝지 않더라도 '우리들'이란 단어를 자주 사용하면 여성 은 쉽게 습관화되어 '당신과 나는 별개'가 아니라 '공동 체'라는 인식을 품는다. 즉 마치 두 사람의 관계가 뭔가에 의해 결속된 듯한 착각 을 느끼게 된다. 이렇게 되면 여성에게 당신을 어필하고 '내 것'이 된 듯한 느낌을 주는 건 시간 문제이다. 암시에 약한 타입의 여성은 대개 섹스에 대해서도 평소에 화려한 환상을 품고 있게 마련이다. 데이트 때엔 그 환상 을 충족시켜 주는 스타일로 공략하고 섹스 시에는 그 환상 을 무참하게 깨뜨리는 변칙적인 체위로 공략하거나 평소에 는 엄두도 내지 못했던 험상스런 단어나 노골적인 표현을 불쑥 토하면 여성은 자신의 내부에 꼭꼭 묻어 두었던 본능 적인 동물 근성까지 자극 받아 농염하게 돌연하고 이후 꼼 짝없이 성의 포로가 되어 버린다.
[여자는 남자의 작은 성의에 감격한다]
어느 세대이든 여성 주변에는 유혹이 많다. 조금이라도 괜 찮아 보이는 여성(비록 서너살 짜리 소녀라 해도)에게는 항상 다양한 유혹의 손길이 뻗친다. 항상 최대급의 찬사나 고급 선물 등에 둘러싸여 있는 여성 일수록 의외의 맹점을 갖고 있어 그 점만 집중 공격하면 쉽게 허물어진다. 그 맹점이 바로 남성의 성의에 대한 굶 주림이다. 어떤 여성이든 남성이 자신을 위해 목숨을 바쳐도 아깝지 않다 생각해 주길 바라고 있다. 옛날 동화에도 가끔 등장 하는 구혼 방법에 공주는 불가능에 가까운 무리한 주문을 하여 그것을 갖고 오거나 이뤄 주는 사람에게 결혼을 승낙 한다. 한마디로 여성은 자신에 대해 얼마 만큼의 성의를 보여 주 는가를 사랑의 척도로 삼고자 하는 심리적 특성을 갖고 있 다. 그래서 많은 남성들이 그녀의 의향을 알기 위해 안색 을 살피면서 그녀가 미처 의식하지 못하는 점까지 캐치하 려는 열의를 보인다. 그런 남자의 배려가 그녀의 마음을 들뜨게 만든다. 노련한 플레이 보이들은 여성이 무심코 내뱉는 가슴 깊은 곳에 담 긴 욕구를 캐치하여 그것을 만족시켜 난공 불락의 그녀를 함락시키곤 한다. 남성의 열의에 약한 타입의 여성은 현실적으로 상당히 많 다. 자칭 교육 수준이 높고 자존심이 강한 여자일수록 의 외로 이런 맹점을 갖고 있으며 그 도도한 콧대를 추켜주고 자존심을 만족시켜 주면 우월감과 만족감에서 상대방을 따 르게 된다. 여자의 마음 속 깊은 곳에는 남성의 서비스에 굶주림이 웅 크리고 있어 그 굶주림만 만족시켜 주면 격하게 자극 받는 다. 남자의 말 한 마디, 행동 하나에 그만 감격하여 그동 안 냉냉하던 태도를 일시에 바꾸거나 그렇게도 지키려 애 쓰던 순결을 그대를 위해 아낌없이 바치려 든다. 다시 말 해 여자의 그런 행동은 '남자의 성의에 대한 보답'인 셈이 다.
[여자는 얼굴보다 마음을 칭찬하면 더 쉽게 함락된다]
미인을 앞에 두고 단순한 농담으로 '호박같이 못 생겼다' 고 해도 틀림없이 마음이 상할 것이다. 하물며 미모에 자 신없는 여성에게 그런 말을 한다면 더 큰 상처를 받는다. 하지만 정말 못 생긴 여자라도 '마음은 장미꽃처럼 아름 답다'하고 칭찬해 준다면 그녀는 당신을 하늘처럼 우러러 볼 것이다. 여자는 이성은 물론이고 부모형제로부터 용모 를 비난당해도 은연 중에 상처를 받는다. 여성에게 있어 용모는 최대의 관심사라 해도 과언이 아니 다. 용모를 칭찬 받고 기분 나빠할 여성은 없다. 용모에 자신있는 여성은 매사에 자신감이 넘친다. 그런데 모든 여성이 미모에 자신 있어 하는 여성보다는 항 상 더 아름다운 여자와 비교하여 자신을 비하시키는 여성 이 더 많다. 여자들은 언제나 자신의 용모와 타인의 용모를 비교하려 든다. 여자끼리의 대화에서도 곧잘 '저 여자만큼만 아름다 웠으면….' '저 여자만큼만 날씬하면 당장 옷을 사겠다'며 은연 중에 가슴 속에 숨겨진 용모에 관한 콤플렉스 를 드 러내곤 한다. 남성의 입장에선 비록 여성을 유혹하기 위한 입에 발린 말 이라 해도 아름답지 않은 여자에게 '정말 미인이다'라는 말을 하기란 사실 어려운 일이다. 특별한 미인이 아니라면 그런 말을 한다는 게 오히려 속이 들여다보이는 말 같아 가능하면 하지 않는다. 그렇다고 '못 생겼다'는 말도 할수 없는 일. 이 때 편리한 용어가 바로 내면적인 아름다움을 칭찬하는 것이다. '마음 씀씀이가 너무 이쁘구나.'라거나 '너는 마 음이 훨씬 아름다운 여자야. 그 아름다움이 보여.'라는 문 귀가 오히려 더 강하게 어필한다. 여자는 아무리 이쁜 여자할지라도 자신의 용모에 대한 일 종의 콤플렉스 하나씩은 가지고 있다. 그 콤플렉스를 커버 해 주는 데도 이런 문귀는 위력을 발휘한다. '난 비록 아 름답지 못하지만 내적인 아름다움만은 누구와 비교해도 뒤 지지 않아.' '나의 내적인 미가 그의 눈에 반영될 만큼 아 름다운가보다. 정말 자랑스러워.'는 심리적 보상이 남성과 의 거리를 더욱 좁게 만들어 여자는 점차 함락의 길을 향 해 빠져들게 된다.
[여자는 농담처럼 하는 유혹에 마음의 고삐를 놓는다]
여성은 언제라도 남성의 유혹을 받아들일 자세가 되어 있 다고 해도 과언이 아니다. 설령 마음에 들지 않는 상대에 게 유혹을 받았다 해도 겉으로는 기분 나쁜 표정을 짓지만 내심 선택되었다는 사실에 쾌감과 우월감을 느낀다. 말을 걸어 주지 않는 상대에게 오히려 약한 감정을 품는 것이 여성 심리의 특징이다. 남성의 여성 설득 표현은 여성의 프라이드, 허영심을 만족 시켜주는 것이어야 한다. 자신의 매력을 수준 이상으로 평 가해 주고 자신에게 가치가 있다는 것을 인식시켜주는 문 귀를 여성은 내심 바라고 있다. 그것이 거짓인 줄 알면서 도 '클라우디아쉬퍼보다 더 이쁘다'는 말에 만족스런 미소 를 흘린다. 이런 특성을 이용하여 데이트 후 헤어질 때에 '이번엔 그 냥 가지만 다음 만났을 때는 악수만으로 만족하지 않을꺼 야.'하고 농담처럼 흘려 두면 여성은 '다음엔 어떤 것이 기다리고 있을까?'하는 궁금증과 호기심으로 그날이 오기 를 손꼽아 기다리게 된다. 그녀를 빤히 쳐다보며 '너를 보내고 싶지 않아. 납치해 버 릴까바'라고 슬쩍 말해보라. 대개 '농담도…'라고 눈을 살 짝 흘릴 것이다. 하지만 그렇게 대꾸하는 그녀의 마음 속 엔 무한한 기쁨이 격하게 파도치고 있을 것이다. 이런 농담 식의 유혹은 여성으로 하여금 '다음 데이트 땐 그의 요구를 들어줘야지'하는 승낙의 뜻을 무의식중에 싹 트게 하여 충분한 마음의 준비를 하게 만든다. 실제 다음 데이트에서 돌연 키스를 하거나 껴안아도 여자는 그동안 마음의 준비를 단단히 해둔 상태라서 별 다른 거부를 하지 않는다.
[소란스러운 장소에 데려가라]
교외의 조용하고 무드 있는 레스토랑에서 값비싼 식사를 하고 가물가믈 캔들 라이트를 받으면서 브랜디를 마시는 데이트. 어떤 사람이든 이러한 영화 속의 한 장면 같은 아 름다운 장면에 당신과 그녀의 모습을 고스란히 옮기고 싶 을 것이다. 이런 꿈은 여자들도 갖고 있다. 그러나 남성은 그 장소에 앉아 있을 상대가 어떤 여자든 상관없지만 여성은 그 상대 가 어디까지나 연인이고 마음을 완전히 허락한 자가 아니 면 안된다는 조건을 단다. 그녀의 입장에서는 설령 당신이 대단히 멋진 남성이라 해 도 아직 친밀한 관계가 아닌 이상 100% 마음을 열지 못한 다. 불안과 경계심이 지워지지 않는 한 관계 진전을 위해 노력하려 해도 여성은 불안해진다. 따라서 처음 여성을 술자리나 식사에 초대할 경우는 활기 넘치는 시끌벅적한 장소가 오히려 무드 있는 조용한 레스 토랑보다 유리하다. 주변에 사람이 많으므로 경계심도 쉽게 풀리고 소란스런 음은 기분을 여유 있게 해 준다. 여기에 적당한 단어를 골 라 무드를 맞춰 주면 스무스하게 넘어가는 모습을 즐길 수 있다. 여성은 이렇게 하여 심리적 거리감을 점차 좁혀 간 다. 게다가 소란스런 장소라는 핑계로 여성의 귀에 입을 대고 말할 기회도 보너스로 얻게 된다. 귀 부근은 여성의 가장 민감한 성감대의 하나로 말할 때 내뿜는 뜨거운 숨결이 그 녀의 흥분을 자극한다. 또 소란스런 장소에 장시간 있으므 로 알게 모르게 피로가 쌓인다. 그 나른하고 피곤한 느낌 이 여성으로 하여금 쉬고 싶어하는 마음을 알게 한다. 이 럴 때 슬쩍 어깨를 빌려 줄 수도 있고 잘만하면 침대로까 지 유혹할 찬스도 얻게 된다.
Aug 3, 2007
알기 쉬운 내 자동차 자가 점검 방법
자동차를 세워 둔 주차장 바닥을 살펴본다. 바닥에는 에어컨을 켰을 때 정상적으로 떨어지는 물 이외에 어떤 액체도 떨어져 있어서는 안 된다. 바닥에 떨어질 수 있는 액체류에는 특별한 경우를 제외하고는 5가지가 있다. 검은색 오일은 엔진 오일이 새는 경우다. 평소 주입한 새 엔진 오일은 검은색이 아니지만 조금만 운행을 해도 오일 색깔이 변해 누유가 되면 검은색으로 나타난다. 붉은색 오일은 자동변속기나 파워스티어링 오일의 색깔이다. 초록색 오일은 부동액이다. 노란색 혹은 투명색 오일은 브레이크 오일이나 클러치 오일, 그리고 디젤 차량에서 경유의 색깔인데 냄새가 다르다. 에어컨 물은 에어컨 작동 시 떨어지는 응축수를 말한다. 에어컨이 작동되면 이 응축수는 자동적으로 생성돼 차량 바닥으로 떨어진다. 자동차를 세워둔 장소에 이런 색깔의 액체가 떨어졌다면 해당되는 장치의 이상을 예고하는 것이므로 반드시 점검·수리한 뒤 장거리 여행에 나서야 한다.
‘끽~’ 소리 나면 오일 부족 체크
[엔진룸]
먼저 엔진 오일. 평지에 안전하게 주차한 다음 시동을 끄고 엔진 오일 게이지를 꺼내 깨끗이 닦은 다음 다시 넣었다 빼 그 양을 확인하면 된다. 부족할 경우 보충해 주면 된다. 상한선과 하한선의 차이는 1ℓ 정도이므로 게이지가 하한선을 가리킬 경우 0.5ℓ정도만 보충하면 된다. 디젤 차량과 LPG 차량의 경우는 특히 엔진 오일의 소모가 있을 수 있으니 교환 전에 수시로 엔진 오일의 양을 확인해 늘 정상적인 양의 엔진 오일이 있는지 관심을 가져야 한다. 계기판에 있는 엔진 오일 경고등은 압력을 감시하기 위한 경고등이지 양을 점검하기 위한 것이 아니므로 혼동해서는 안 된다. 브레이크액과 클러치액(수동변속기 차량)도 점검한다. 브레이크액은 보조통에 표기된 눈금을 확인한다. 만일 하한선에 오일이 비치면 브레이크 마찰재를 먼저 확인하고 정상인 경우에 브레이크액을 보충하도록 한다. 이때는 대부분 브레이크 패드나 라이닝 같은 마찰재가 다 닳아 교환할 시기가 된 경우다. 클러치액이 부족한 경우 새는 곳이 없는지 확인하고 수리한 다음 액체를 보충하면 된다. 부동액은 여름철이라고 바꿀 필요는 없다. 부동액은 엔진 내부의 부식을 방지한다. 점검은 반드시 엔진이 식었을 때 방열기 뚜껑을 열어 가득 채우고 보조통에는 채우라는 눈금까지만 채우도록 한다. 너무 많이 보충할 경우 넘칠 수도 있다. 벨트 장력도 확인한다. 벨트는 육안으로 점검해 실밥들이 늘어지지 않았는지, 낡아서 갈라지지 않았는지 확인한다. 정상이라면 손으로 눌렀을 때 아주 단단해야 한다. 요즈음은 차량 구조가 복잡하므로 장력이 늘어져 있으면 정비사에게 의뢰하는 것이 현명하다. 참고로 에어컨을 켜고 가속페달을 밟을 때나 급가속 시 ‘삑~’ 하는 소리가 들리면 벨트 장력조정이 필요한 것이다. 배터리의 수명은 통상 2년이다. 하지만 사용조건에 따라 수명이 다른 데 외관 점검시 배선 연결부가 청결하고 움직이는 부분이 없는지 확인하는 것이 필요하다. 뚜껑이 달려 액을 보충하는 방식의 배터리인 경우 액을 점검해 하한선에 액체 눈금이 위치하면 약국에서 증류수를 구입해 6개 뚜껑을 모두 열어 가득 채워주고 시동을 걸어놓도록 한다. 자동변속기 오일은 시동을 건 후 점검한다. 시동을 걸어 각부에 오일이 고르게 대기한 상태에서 점검게이지를 살핀다. 10여 분 자동차를 움직였을 때 점검선의 ‘HOT’ 부분의 눈금 사이에 오일이 위치하면 정상이다. 아니라면 ‘COLD’의 눈금에서 점검하는데 여름에는 ‘HOT’ 눈금을 채워 주도록 한다. 역시 눈금 사이는 1ℓ정도가 소요된다. 이때 오일이 변색되어 붉은색을 띠지 않더라도 교환시기가 넘지 않았으면 사용해도 좋으나 디스크 탄 냄새가 난다면 교환하는 것이 변속기 보호에 유리하다. 파워스티어링 오일도 시동을 건 뒤 점검게이지를 빼어 점검한다. 오일이 부족하면 운전대를 돌릴 때 ‘끽~’하는 소음을 동반한다. 이 밖에 엔진 룸에 늘어진 고무는 없는지, 지지하는 고무들은 낡거나 찢어진 부분이 없는지 고루 살피도록 한다.
[차량 실내 점검]
사물함을 비롯한 트렁크를 말끔하게 정리해 불필요한 게 없는지 살핀다. 사용하지 않는 물건들이 많이 있으면 비싼 연료만 낭비할 뿐이다. 이런 물건들은 비록 낱개로는 작은 무게지만 합쳐지면 큰 중량이 될 수 있다. 운전석에 앉아 시동을 걸고 기어를 중립에 놓는다. 이때 엔진에 떨림이 없는지, 운전대까지 심한 진동이 오지 않는지, 또한 불규칙하지 않은지 살피고 현상이 심하다면 정비사에게 정밀 점검을 맡기는 것이 좋다. 주차 브레이크를 작동시켜 밀리는 느낌이 든다면 라이닝 간극이나 브레이크 작동 케이블을 조정해야 하므로 이때도 정비사에게 수리를 의뢰하도록 한다. 다른 사람의 도움을 받아 각종 등화장치를 작동시켜 작동 여부를 확인하고 이상 있는 전구는 모두 교환하도록 한다. 각종 전구를 교환하는 것은 관심만 가지면 누구나 가능하다. 에어컨을 틀어 바람의 세기를 점검한다. 만일 바람소리는 큰데 시원하지 않고 나오는 풍량이 적다면 실내 공기필터가 막힌 경우이니 신품으로 교환하도록 한다.
[타이어 점검]
타이어 관리는 안전과 직결돼 매우 중요하다. 먼저 접지면에 있는 마모한계선까지 트레드가 닳았는지 확인하고 마모가 되었다면 바로 교환하는 것이 좋다. 그대로 다니면 빗길에서 스키 타는 듯한 수막현상으로 사고를 유발할 가능성이 높다. 운행조건에 따라 차이는 있지만 7만km 정도부터 교환하기 시작한다. 타이어 압력은 정비업소에서 무료로 점검할 수 있는데 규정압보다 1~2psi 정도 높이는 것이 안전하다. 이때 예비타이어도 반드시 점검해야 비상시 유용하게 쓸 수 있다.
[비상사태에는] - 사고 나면 다투지 말아야
자동차는 완벽히 준비를 해도 돌발변수가 생기는 경우가 있다. 비상시 사고를 대비해 가입한 보험회사의 연락처를 챙기는 일도 중요하다. 사고가 일어나면 위험스럽게 상대방과 다투지 말고 현장 보존을 위해 스프레이와 카메라를 이용해 증거보존을 하고 목격자의 연락처 확보, 그리고 상대운전자의 인적 사항과 운전면허번호, 차량등록번호 등을 알아둔다. 부상자가 있으면 즉시 인근 병원에 옮기고 가벼운 부상이라도 경찰에 알려야 예측하지 못한 상황 발생시 불익을 당하지 않는다. 교통사고 시 과실 정도는 상황에 따라 다르게 판정되므로 운전자끼리 결정하기보다는 보험회사의 전문가에게 맡기는 게 좋다. 사고가 났다고 모두 견인할 필요는 없다. 운행이 불가능할 때 견인을 하는 것인데 보험사에서 제공하는 서비스를 잘 활용하도록 한다. 휴가철에는 자동차 회사와 보험사에서 특별한 서비스를 하는 경우가 많다. 자동차 업체마다 고속도로 휴게소에서 점검서비스를 시행하므로 여행시 휴식을 할 때 자동차를 점검받도록 한다.
‘끽~’ 소리 나면 오일 부족 체크
[엔진룸]
먼저 엔진 오일. 평지에 안전하게 주차한 다음 시동을 끄고 엔진 오일 게이지를 꺼내 깨끗이 닦은 다음 다시 넣었다 빼 그 양을 확인하면 된다. 부족할 경우 보충해 주면 된다. 상한선과 하한선의 차이는 1ℓ 정도이므로 게이지가 하한선을 가리킬 경우 0.5ℓ정도만 보충하면 된다. 디젤 차량과 LPG 차량의 경우는 특히 엔진 오일의 소모가 있을 수 있으니 교환 전에 수시로 엔진 오일의 양을 확인해 늘 정상적인 양의 엔진 오일이 있는지 관심을 가져야 한다. 계기판에 있는 엔진 오일 경고등은 압력을 감시하기 위한 경고등이지 양을 점검하기 위한 것이 아니므로 혼동해서는 안 된다. 브레이크액과 클러치액(수동변속기 차량)도 점검한다. 브레이크액은 보조통에 표기된 눈금을 확인한다. 만일 하한선에 오일이 비치면 브레이크 마찰재를 먼저 확인하고 정상인 경우에 브레이크액을 보충하도록 한다. 이때는 대부분 브레이크 패드나 라이닝 같은 마찰재가 다 닳아 교환할 시기가 된 경우다. 클러치액이 부족한 경우 새는 곳이 없는지 확인하고 수리한 다음 액체를 보충하면 된다. 부동액은 여름철이라고 바꿀 필요는 없다. 부동액은 엔진 내부의 부식을 방지한다. 점검은 반드시 엔진이 식었을 때 방열기 뚜껑을 열어 가득 채우고 보조통에는 채우라는 눈금까지만 채우도록 한다. 너무 많이 보충할 경우 넘칠 수도 있다. 벨트 장력도 확인한다. 벨트는 육안으로 점검해 실밥들이 늘어지지 않았는지, 낡아서 갈라지지 않았는지 확인한다. 정상이라면 손으로 눌렀을 때 아주 단단해야 한다. 요즈음은 차량 구조가 복잡하므로 장력이 늘어져 있으면 정비사에게 의뢰하는 것이 현명하다. 참고로 에어컨을 켜고 가속페달을 밟을 때나 급가속 시 ‘삑~’ 하는 소리가 들리면 벨트 장력조정이 필요한 것이다. 배터리의 수명은 통상 2년이다. 하지만 사용조건에 따라 수명이 다른 데 외관 점검시 배선 연결부가 청결하고 움직이는 부분이 없는지 확인하는 것이 필요하다. 뚜껑이 달려 액을 보충하는 방식의 배터리인 경우 액을 점검해 하한선에 액체 눈금이 위치하면 약국에서 증류수를 구입해 6개 뚜껑을 모두 열어 가득 채워주고 시동을 걸어놓도록 한다. 자동변속기 오일은 시동을 건 후 점검한다. 시동을 걸어 각부에 오일이 고르게 대기한 상태에서 점검게이지를 살핀다. 10여 분 자동차를 움직였을 때 점검선의 ‘HOT’ 부분의 눈금 사이에 오일이 위치하면 정상이다. 아니라면 ‘COLD’의 눈금에서 점검하는데 여름에는 ‘HOT’ 눈금을 채워 주도록 한다. 역시 눈금 사이는 1ℓ정도가 소요된다. 이때 오일이 변색되어 붉은색을 띠지 않더라도 교환시기가 넘지 않았으면 사용해도 좋으나 디스크 탄 냄새가 난다면 교환하는 것이 변속기 보호에 유리하다. 파워스티어링 오일도 시동을 건 뒤 점검게이지를 빼어 점검한다. 오일이 부족하면 운전대를 돌릴 때 ‘끽~’하는 소음을 동반한다. 이 밖에 엔진 룸에 늘어진 고무는 없는지, 지지하는 고무들은 낡거나 찢어진 부분이 없는지 고루 살피도록 한다.
[차량 실내 점검]
사물함을 비롯한 트렁크를 말끔하게 정리해 불필요한 게 없는지 살핀다. 사용하지 않는 물건들이 많이 있으면 비싼 연료만 낭비할 뿐이다. 이런 물건들은 비록 낱개로는 작은 무게지만 합쳐지면 큰 중량이 될 수 있다. 운전석에 앉아 시동을 걸고 기어를 중립에 놓는다. 이때 엔진에 떨림이 없는지, 운전대까지 심한 진동이 오지 않는지, 또한 불규칙하지 않은지 살피고 현상이 심하다면 정비사에게 정밀 점검을 맡기는 것이 좋다. 주차 브레이크를 작동시켜 밀리는 느낌이 든다면 라이닝 간극이나 브레이크 작동 케이블을 조정해야 하므로 이때도 정비사에게 수리를 의뢰하도록 한다. 다른 사람의 도움을 받아 각종 등화장치를 작동시켜 작동 여부를 확인하고 이상 있는 전구는 모두 교환하도록 한다. 각종 전구를 교환하는 것은 관심만 가지면 누구나 가능하다. 에어컨을 틀어 바람의 세기를 점검한다. 만일 바람소리는 큰데 시원하지 않고 나오는 풍량이 적다면 실내 공기필터가 막힌 경우이니 신품으로 교환하도록 한다.
[타이어 점검]
타이어 관리는 안전과 직결돼 매우 중요하다. 먼저 접지면에 있는 마모한계선까지 트레드가 닳았는지 확인하고 마모가 되었다면 바로 교환하는 것이 좋다. 그대로 다니면 빗길에서 스키 타는 듯한 수막현상으로 사고를 유발할 가능성이 높다. 운행조건에 따라 차이는 있지만 7만km 정도부터 교환하기 시작한다. 타이어 압력은 정비업소에서 무료로 점검할 수 있는데 규정압보다 1~2psi 정도 높이는 것이 안전하다. 이때 예비타이어도 반드시 점검해야 비상시 유용하게 쓸 수 있다.
[비상사태에는] - 사고 나면 다투지 말아야
자동차는 완벽히 준비를 해도 돌발변수가 생기는 경우가 있다. 비상시 사고를 대비해 가입한 보험회사의 연락처를 챙기는 일도 중요하다. 사고가 일어나면 위험스럽게 상대방과 다투지 말고 현장 보존을 위해 스프레이와 카메라를 이용해 증거보존을 하고 목격자의 연락처 확보, 그리고 상대운전자의 인적 사항과 운전면허번호, 차량등록번호 등을 알아둔다. 부상자가 있으면 즉시 인근 병원에 옮기고 가벼운 부상이라도 경찰에 알려야 예측하지 못한 상황 발생시 불익을 당하지 않는다. 교통사고 시 과실 정도는 상황에 따라 다르게 판정되므로 운전자끼리 결정하기보다는 보험회사의 전문가에게 맡기는 게 좋다. 사고가 났다고 모두 견인할 필요는 없다. 운행이 불가능할 때 견인을 하는 것인데 보험사에서 제공하는 서비스를 잘 활용하도록 한다. 휴가철에는 자동차 회사와 보험사에서 특별한 서비스를 하는 경우가 많다. 자동차 업체마다 고속도로 휴게소에서 점검서비스를 시행하므로 여행시 휴식을 할 때 자동차를 점검받도록 한다.
눈이 피로할때 하는 눈운동
정면을 똑바로 쳐다 보면서 눈앞에 시계의 숫자판이 있다고 생각합니다.
가능한 최대로 눈을 움직여 눈 근육을 이완시킵니다.
다음을 각각 3회 실시!.
1) 9 ↔ 3,
2) 10 ↔ 4,
3) 2 ↔ 8
몇초간 눈을 감았다가 뜬후 시계방향으로 원을 그립니다. (12→3→6→9→12)
3회반복후, 시계반대 방향으로 다시 3회반복 하세요. (12→9→6→3→12)
수분간의 눈체조로 눈주위 근육이 피로가 풀리고
머리까지 맑아지는 걸 느낄 수 있답니다.
Aug 2, 2007
잠의 과학 - 몇시간 자야하나?
“남자는 네 시간, 여자는 다섯 시간, 그리고 바보는 여섯 시간 잔다.” 나폴레옹이 잠자는 시간에 대해 한 말이다. 하루에 세 시간 이상 자지 않고도 전투마다 승전보를 울렸던 나폴레옹의 건강 비결은 10분 정도 눈을 붙이는 토막잠. 나폴레옹은 굵고 짧게 푹 자는 잠을 선호했다.
오늘날 과학자들의 견해는 조금 다르다. 잠이 우리 몸에 매우 중요한 역할을 담당한다는 사실이 속속 밝혀지고 있기 때문이다. 또 무턱대고 잠을 자기 보다 자신의 몸에 맞춰 잠자는 것이 더 효과적이라고 한다. 과학자들이 밝힌 잠의 이모저모를 살펴보자.
미국 시카고대 앨런 레치섀픈 박사는 턴테이블에 실험쥐를 올려놓고 쥐가 잠들려 할 때마다 회전시키는 실험을 했다. 잠자지 못한 쥐는 3주만에 죽었다. 먹이나 물이 없었을 때보다 불과 3일을 더 살았을 뿐이다. 잠자지 못한 쥐는 체온이 떨어지고 면역력이 떨어져 평소 쉽게 물리쳤던 세균에 감염돼 죽었다. 음식이나 물 못지않게 잠이 생명 유지에 중요하다는 뜻이다.
이처럼 수면 시간은 생명과 깊은 연관이 있다. 그렇다고 무턱대고 많이 자면 좋지 않다. 미국 캘리포니아대 정신과 대니얼 크립케 교수의 연구결과에 따르면, 수면 시간이 짧거나 반대로 너무 길면 사망률이 높아진다. 가장 이상적인 수면 시간은 6~7시간이며, 4시간 이하로 자거나 8시간 이상 자면 오히려 사망률이 높아진다. 수면 시간 4시간 이하인 사람의 사망률은 7시간인 사람에 비해 남자는 62%, 여자는 60%나 높다. 수면시간이 10시간 이상인 사람도 7시간인 사람에 비해 각각 73%, 92% 높게 나타났다.
수면 시간은 건강 외에 다른 부분에도 영향을 미친다. 잠이 부족하면 도덕적 판단력이나 양심이 흐려진다. 미국 메릴랜드 연구소는 26명의 군인들을 대상으로 53시간 동안 잠을 재우지 않고 판단력을 알아보는 실험을 했다. 잠이 부족한 상태에서 군인들은 공통적으로 판단력이 필요한 문제를 해결하는 데 시간이 오래 걸렸고, 도덕적 문제를 전혀 개의치 않고 판단을 내렸다. ‘수면은 피로한 마음의 최상의 약이다’는 명언을 실감하게 하는 연구다.
또 잠이 부족하면 고통을 더욱 심하게 느끼게 된다. 수면이 방해를 받으면 우리 몸이 통증을 견디는 능력이 떨어져 요통이나 위경련 같은 자발 통증을 더 많이 느끼게 된다는 연구 결과가 나왔다. 존스 홉킨스대 연구팀은 32명의 건강한 여성을 두 그룹으로 나눠 3일 동안 푹 잔 그룹과 도중에 여러 번 깨워 숙면을 방해한 그룹을 비교했다. 숙면을 취하지 못한 그룹이 숙면을 취한 그룹보다 통증에 더 예민하게 반응했다. 몸의 치유와 휴식은 편안한 잠자리에서만 이뤄진다는 것을 알 수 있다.
그럼 어떻게 잠을 자는 것이 좋을까. 우선 자신의 수면형이 무엇인지 파악해야 한다. 사람의 수면형은 ‘올빼미형’과 ‘종달새형’이 있다. 올빼미형은 밤 늦게까지 왕성하게 활동하는 대신 아침에 일어나기 힘든 사람이고, 종달새형은 아침 일찍 일어날 수 있지만 일찍 자야하는 사람을 말한다. 이는 유전적 요인에 의해 결정된다. 올빼미형은 ‘Fbxl3’ 유전자에 돌연변이가 일어나 생체시계가 변했기 때문에 밤에 왕성하게 활동한다.
재미있는 사실은 잠을 못자도 잘 견디는 사람과 그렇지 않은 사람도 유전자의 차이로 달라진다는 것이다. 체내시계 유전자인 ‘PER-3’ 두 쌍이 모두 짧은 사람은 잠을 못 자도 잘 견딘다. 반면 두 쌍 모두 긴 사람은 잠을 못자면 견디지 못하고 기억력도 떨어진다. 야근을 잘하고 못하고가 유전적으로 결정된다는 뜻이다. 따라서 자신의 수면형을 잘 알고 이에 맞춰 수면을 취하는 것이 좋다.
수면형이 무엇인지 파악했으면 생체 리듬에 따라 규칙적인 수면 습관을 가져야 한다. 예를 들어 주말에 밀린 잠을 몰아서 자는 사람이 있는데 월요병의 원인이 된다. 특히 휴일의 긴 낮잠은 뇌를 멍하게 만든다. 우리 뇌에는 수면 리듬을 담당하는 ‘체내시계’라는 것이 있어 낮과 밤의 리듬을 탄다. 이 리듬에 혼란이 생기면 정신적, 신체적으로 불협화음이 생긴다.
체내시계는 24시간 10분을 주기로 실제 하루보다 약간 길다. 이 차이를 만회하려면 오전 중에 햇볕을 쬐어야 한다. 월요일에 일찍 일어나고 싶다면 일요일 아침에 일찍 일어나 햇볕을 쬐는 것이 중요하다. 햇빛에 반응한 체내시계가 지구의 자전주기에 맞춰 활동을 시작하기 때문이다.
아무리 졸리고 피곤한 상태라도 강한 햇볕을 쬐고 나면 어느 정도 활력을 되찾는다. 수면 리듬은 여러 가지 이유로 무너질 수 있다. 계절 변화도 하나의 원인으로 해가 빨리 뜰수록 잠에서 깨는 시간은 자연히 앞당겨진다. 빛에 민감하게 반응하는 뇌 내분비선의 수면 호르몬 생성이 줄어들기 때문이다.
사람은 누구나 수면 리듬을 갖는다. 하루 종일 활동을 하고 밤이 되면 잠을 자는 리듬을 따르는 것이 몸의 건강에 더없이 중요하다. 상쾌한 기분으로 하루를 시작하고 싶다면 눈을 뜨자마자 커튼을 열어 젖혀 몸에 신호를 보내자. 체내시계를 잘 조절해 깊은 숙면을 취하는 것이야 말로 가장 좋은 보약이 될 것이다. (글 : 김형자 과학칼럼니스트)
오늘날 과학자들의 견해는 조금 다르다. 잠이 우리 몸에 매우 중요한 역할을 담당한다는 사실이 속속 밝혀지고 있기 때문이다. 또 무턱대고 잠을 자기 보다 자신의 몸에 맞춰 잠자는 것이 더 효과적이라고 한다. 과학자들이 밝힌 잠의 이모저모를 살펴보자.
미국 시카고대 앨런 레치섀픈 박사는 턴테이블에 실험쥐를 올려놓고 쥐가 잠들려 할 때마다 회전시키는 실험을 했다. 잠자지 못한 쥐는 3주만에 죽었다. 먹이나 물이 없었을 때보다 불과 3일을 더 살았을 뿐이다. 잠자지 못한 쥐는 체온이 떨어지고 면역력이 떨어져 평소 쉽게 물리쳤던 세균에 감염돼 죽었다. 음식이나 물 못지않게 잠이 생명 유지에 중요하다는 뜻이다.
이처럼 수면 시간은 생명과 깊은 연관이 있다. 그렇다고 무턱대고 많이 자면 좋지 않다. 미국 캘리포니아대 정신과 대니얼 크립케 교수의 연구결과에 따르면, 수면 시간이 짧거나 반대로 너무 길면 사망률이 높아진다. 가장 이상적인 수면 시간은 6~7시간이며, 4시간 이하로 자거나 8시간 이상 자면 오히려 사망률이 높아진다. 수면 시간 4시간 이하인 사람의 사망률은 7시간인 사람에 비해 남자는 62%, 여자는 60%나 높다. 수면시간이 10시간 이상인 사람도 7시간인 사람에 비해 각각 73%, 92% 높게 나타났다.
수면 시간은 건강 외에 다른 부분에도 영향을 미친다. 잠이 부족하면 도덕적 판단력이나 양심이 흐려진다. 미국 메릴랜드 연구소는 26명의 군인들을 대상으로 53시간 동안 잠을 재우지 않고 판단력을 알아보는 실험을 했다. 잠이 부족한 상태에서 군인들은 공통적으로 판단력이 필요한 문제를 해결하는 데 시간이 오래 걸렸고, 도덕적 문제를 전혀 개의치 않고 판단을 내렸다. ‘수면은 피로한 마음의 최상의 약이다’는 명언을 실감하게 하는 연구다.
또 잠이 부족하면 고통을 더욱 심하게 느끼게 된다. 수면이 방해를 받으면 우리 몸이 통증을 견디는 능력이 떨어져 요통이나 위경련 같은 자발 통증을 더 많이 느끼게 된다는 연구 결과가 나왔다. 존스 홉킨스대 연구팀은 32명의 건강한 여성을 두 그룹으로 나눠 3일 동안 푹 잔 그룹과 도중에 여러 번 깨워 숙면을 방해한 그룹을 비교했다. 숙면을 취하지 못한 그룹이 숙면을 취한 그룹보다 통증에 더 예민하게 반응했다. 몸의 치유와 휴식은 편안한 잠자리에서만 이뤄진다는 것을 알 수 있다.
그럼 어떻게 잠을 자는 것이 좋을까. 우선 자신의 수면형이 무엇인지 파악해야 한다. 사람의 수면형은 ‘올빼미형’과 ‘종달새형’이 있다. 올빼미형은 밤 늦게까지 왕성하게 활동하는 대신 아침에 일어나기 힘든 사람이고, 종달새형은 아침 일찍 일어날 수 있지만 일찍 자야하는 사람을 말한다. 이는 유전적 요인에 의해 결정된다. 올빼미형은 ‘Fbxl3’ 유전자에 돌연변이가 일어나 생체시계가 변했기 때문에 밤에 왕성하게 활동한다.
재미있는 사실은 잠을 못자도 잘 견디는 사람과 그렇지 않은 사람도 유전자의 차이로 달라진다는 것이다. 체내시계 유전자인 ‘PER-3’ 두 쌍이 모두 짧은 사람은 잠을 못 자도 잘 견딘다. 반면 두 쌍 모두 긴 사람은 잠을 못자면 견디지 못하고 기억력도 떨어진다. 야근을 잘하고 못하고가 유전적으로 결정된다는 뜻이다. 따라서 자신의 수면형을 잘 알고 이에 맞춰 수면을 취하는 것이 좋다.
수면형이 무엇인지 파악했으면 생체 리듬에 따라 규칙적인 수면 습관을 가져야 한다. 예를 들어 주말에 밀린 잠을 몰아서 자는 사람이 있는데 월요병의 원인이 된다. 특히 휴일의 긴 낮잠은 뇌를 멍하게 만든다. 우리 뇌에는 수면 리듬을 담당하는 ‘체내시계’라는 것이 있어 낮과 밤의 리듬을 탄다. 이 리듬에 혼란이 생기면 정신적, 신체적으로 불협화음이 생긴다.
체내시계는 24시간 10분을 주기로 실제 하루보다 약간 길다. 이 차이를 만회하려면 오전 중에 햇볕을 쬐어야 한다. 월요일에 일찍 일어나고 싶다면 일요일 아침에 일찍 일어나 햇볕을 쬐는 것이 중요하다. 햇빛에 반응한 체내시계가 지구의 자전주기에 맞춰 활동을 시작하기 때문이다.
아무리 졸리고 피곤한 상태라도 강한 햇볕을 쬐고 나면 어느 정도 활력을 되찾는다. 수면 리듬은 여러 가지 이유로 무너질 수 있다. 계절 변화도 하나의 원인으로 해가 빨리 뜰수록 잠에서 깨는 시간은 자연히 앞당겨진다. 빛에 민감하게 반응하는 뇌 내분비선의 수면 호르몬 생성이 줄어들기 때문이다.
사람은 누구나 수면 리듬을 갖는다. 하루 종일 활동을 하고 밤이 되면 잠을 자는 리듬을 따르는 것이 몸의 건강에 더없이 중요하다. 상쾌한 기분으로 하루를 시작하고 싶다면 눈을 뜨자마자 커튼을 열어 젖혀 몸에 신호를 보내자. 체내시계를 잘 조절해 깊은 숙면을 취하는 것이야 말로 가장 좋은 보약이 될 것이다. (글 : 김형자 과학칼럼니스트)
Aug 1, 2007
The Price of Performance
by Luiz André Barroso, Google
In the late 1990s, our research group at DEC was one of a growing number of teams advocating the CMP (chip multiprocessor) as an alternative to highly complex single-threaded CPUs. We were designing the Piranha system,1 which was a radical point in the CMP design space in that we used very simple cores (similar to the early RISC designs of the late ’80s) to provide a higher level of thread-level parallelism. Our main goal was to achieve the best commercial workload performance for a given silicon budget.
Today, in developing Google’s computing infrastructure, our focus is broader than performance alone. The merits of a particular architecture are measured by answering the following question: Are you able to afford the computational capacity you need? The high-computational demands that are inherent in most of Google’s services have led us to develop a deep understanding of the overall cost of computing, and continually to look for hardware/software designs that optimize performance per unit of cost.
This article addresses some of the cost trends in a large-scale Internet service infrastructure and highlights the challenges and opportunities for CMP-based systems to improve overall computing platform cost efficiency.
UNDERSTANDING SYSTEM COST
The systems community has developed an arsenal of tools to measure, model, predict, and optimize performance. The community’s appreciation and understanding of cost factors, however, remain less developed. Without thorough consideration and understanding of cost, the true merits of any one technology or product remain unproven.
We can break down the TCO (total cost of ownership) of a large-scale computing cluster into four main components: price of the hardware, power (recurring and initial data-center investment), recurring data-center operations costs, and cost of the software infrastructure.
Often the major component of TCO for commercial deployments is software. A cursory inspection of the price breakdown for systems used in TPC-C benchmark filings shows that per-CPU costs of just operating systems and database engines can range from $4,000 to $20,000.2 Once the license fees for other system software components, applications, and management software are added up, they can dwarf all other components of cost. This is especially true for deployments using mid- and low-end servers, since those tend to have larger numbers of less expensive machines but can incur significant software costs because of still-commonplace per-CPU or per-server license-fee policies.
Google’s choice to produce its own software infrastructure in-house and to work with the open source community changes that cost distribution by greatly reducing software costs (software development costs still exist, but are amortized over large CPU deployments). As a result, it needs to pay special attention to the remaining components of cost. Here I will focus on cost components that are more directly affected by system-design choice: hardware and power costs.
Figure 1 shows performance, performance-per-server price, and performance-per-watt trends from three successive generations of Google server platforms. Google’s hardware solutions include the use of low-end servers.3 Such systems are based on high-volume, PC-class components and thus deliver increasing performance for roughly the same cost over successive generations, resulting in the upward trend of the performance-per-server price curve. Google’s fault-tolerant software design methodology enables it to deliver highly available services based on these relatively less-reliable building blocks.
Nevertheless, performance per watt has remained roughly flat over time, even after significant efforts to design for power efficiency. In other words, every gain in performance has been accompanied by a proportional inflation in overall platform power consumption. The result of these trends is that power-related costs are an increasing fraction of the TCO.
Such trends could have a significant impact on how computing costs are factored. The following analysis ignores other indirect power costs and focuses solely on the cost of energy. A typical low-end x86-based server today can cost about $3,000 and consume an average of 200 watts (peak consumption can reach over 300 watts). Typical power delivery inefficiencies and cooling overheads will easily double that energy budget. If we assume a base energy cost of nine cents per kilowatt hour and a four-year server lifecycle, the energy costs of that system today would already be more than 40 percent of the hardware costs.
And it gets worse. If performance per watt is to remain constant over the next few years, power costs could easily overtake hardware costs, possibly by a large margin. Figure 2 depicts this extrapolation assuming four different annual rates of performance and power growth. For the most aggressive scenario (50 percent annual growth rates), power costs by the end of the decade would dwarf server prices (note that this doesn’t account for the likely increases in energy costs over the next few years). In this extreme situation, in which keeping machines powered up costs significantly more than the machines themselves, one could envision bizarre business models in which the power company will provide you with free hardware if you sign a long-term power contract.
The possibility of computer equipment power consumption spiraling out of control could have serious consequences for the overall affordability of computing, not to mention the overall health of the planet. It should be noted that although the CPUs are responsible for only a fraction of the total system power budget, that fraction can easily reach 50 percent to 60 percent in low-end server platforms.
THE CMP AND COMPUTING EFFICIENCY
The eventual introduction of processors with CMP technology is the best (and perhaps only) chance to avoid the dire future envisioned above. As discussed in the opening article of this issue (“The Future of Microprocessors,” by Kunle Olukotun and Lance Hammond), if thread-level parallelism is available, using the transistor and energy budget for additional cores is more likely to yield higher performance than any other techniques we are aware of. In such a thread-rich environment, prediction and speculation techniques need to be extremely accurate to justify the extra energy and real estate they require, as there will be nonspeculative instructions ready to execute from other threads. Unfortunately, many server-class workloads are known to exhibit poor instruction-level parallelism;4 therefore, they are a poor match for the aggressive speculative out-of-order cores that are common today.
Some key workloads at Google share such behavior. Our index-serving application, for example, retires on average only one instruction every two CPU cycles on modern processors, badly underutilizing the multiple issue slots and functional units available. This is caused by the use of data structures that are too large for on-chip caches, and a data-dependent control flow that exposes the pipeline to large DRAM latencies. Such behavior also causes the memory system to be underutilized, since often a new memory access cannot be issued until the result of a previous one is available. There is enough unpredictability in both control flow and memory access streams to render speculation techniques relatively ineffective. This same workload, however, exhibits excellent thread-level speedup on traditional multiprocessors, simultaneous multithreaded systems, and CMPs.5
The Piranha implementation took the lessons from commercial workload behavior to heart: If there are enough threads (hardware and software), one should never have to speculate. The eight CPU cores were a throwback to early RISC designs: single-issue, in-order, nonspeculative. The first Piranha chip was expected to outperform state-of-the-art CPUs by more than a factor of two at nearly half the power consumption. What makes this especially significant is that this was achieved despite our team having completely ignored power efficiency as a design target. This is a good illustration of the inherent power-efficiency advantages of the CMP model.
Recent product announcements also provide insights into the power-efficiency potential of CMP microarchitectures. Both AMD and Intel are introducing CMP designs that stay within approximately the same power envelope of their previous-generation single-core offerings. For example, AMD reports that its dual-core Opteron 275 model outperforms its single-core equivalent (Opteron 248) by about 1.8 times on a series of benchmarks,6 at a power envelope increase of less than 7 percent. Even if we pessimistically assume that the whole platform power increases by that same amount, the power efficiency of the dual-core platform (performance per watt) is still nearly 70 percent better than the single-core platform. Indeed, process technology improvements do play a large role in achieving this, but the fact remains that for the first time in many processor generations we are looking at dramatic power-efficiency improvements.
SLOW PACE
In our first Piranha paper published in 2000 we described chip multiprocessing as an inevitable next step in microarchitectural evolution. Although this is no longer a controversial view, it is nevertheless surprising that it has taken so long for this architecture to achieve widespread acceptance. I am particularly surprised that more aggressive CMP architectures—those (like Piranha) that trade single-threaded performance for additional thread-level parallelism—are only now beginning to appear in commercial products7 and are unlikely to be widely available for quite some time.
The commercial introduction of CMPs seems to be following a more measured approach in which fairly complex cores are being slowly added to the die as the transistor budget increases every process generation. If CMPs have such compelling potential, why is it taking so long for that potential to be realized? There are four main reasons for this:
It’s the power envelope, stupid. As it turned out, contrary to what we envisioned during the Piranha development, design complexity and performance alone were not compelling enough to trigger a switch to CMP architectures; power was. In order to steer away from expensive cooling technologies, chip developers had to stay within power density boundaries that became increasingly difficult to meet with conventional techniques.
Marketing matters. Megahertz is a performance metric that is easy to understand and communicate to consumers. Although it is a very poor indicator of application performance, the same can be said for most popular benchmarks. When given a choice between a bogus metric that sells and one that doesn’t, the outcome is predictable. Unfortunately, the MHz competition has reinforced the direction toward larger and more complex single-threaded systems, and away from CMPs.
Execution matters. Many of us underestimated the incredible engineering effort that went into making conventional complex cores into very successful products. Seemingly suboptimal architectures can be made into winning solutions with the right combination of talent, drive, and execution.
Threads aren’t everywhere yet. Although server-class workloads have been multithreaded for years, the same cannot be said yet for desktop workloads. Since desktop volume still largely subsidizes the enormous cost of server CPU development and fabrication, the lack of threads in the desktop has made CMPs less universally compelling. I will expand on this issue later in this article.
DREADING THREADING
Much of the industry’s slowness in adopting CMP designs reflects a fear that the CMP opportunity depends on having enough threads to take advantage of that opportunity. Such fear seems to be based mainly on two factors: parallel programming complexity and the thread-level speedup potential of common applications.
The complexity of parallel software can slow down programmer productivity by making it more difficult to write correct and efficient programs. Computer science students’ limited exposure to parallel programming, lack of popular languages with native support for parallelism, and the slow progress of automatic compiler parallelization technology all contribute to the fear that many applications will not be ready to take advantage of multithreaded chips.
There is reason for optimism, though. The ever-growing popularity of small multiprocessors is exposing more programmers to parallel hardware. More tools to spot correctness and performance problems are becoming available (e.g., thread checkers8 and performance debuggers9). Also, a few expert programmers can write efficient threaded code that is in turn leveraged by many others. Fast-locking and thread-efficient memory allocation libraries are good examples of programming work that is highly leveraged. On a larger scale, libraries such as Google’s MapReduce10 can make it easier for programmers to write efficient applications that mine huge datasets using hundreds or thousands of threads.
While it’s true that some algorithms are hard to parallelize efficiently, the majority of problem classes that demand the additional performance of CMPs are not. The general principle here is that, with few exceptions, the more data one has, the easier it is to obtain parallel speedup. That’s one of the reasons why database applications have been run as parallel workloads successfully for well over a decade. At Google we have generally been able to tune our CPU-intensive workloads to scale to increasing numbers of hardware threads whenever needed—that is, whenever servers with higher numbers of hardware contexts become economically attractive.
The real challenge for CMPs is not at the server but the desktop level. Many popular desktop applications have not been parallelized yet, in part because they manipulate modest datasets, and in part because multithreaded CPUs have only recently been introduced to that market segment. As more data-intensive workloads (such as speech recognition) become common at the desktop, CMP systems will become increasingly attractive for that segment.
It is important to note that CMPs are a friendly target platform for applications that don’t parallelize well. Communication between concurrent threads in a CMP can be an order of magnitude faster than in traditional SMP systems, especially when using shared on-chip caches. Therefore, workloads that require significant communication or synchronization among threads will pay a smaller performance penalty. This characteristic of CMP architectures should ease the programming burden involved in initial parallelization of the established code base.
CMP HEADING FOR MAINSTREAM ACCEPTANCE
A highly cost-efficient distributed computing system is essential to large-scale services such as those offered by Google. For these systems, given the distributed nature of the workloads, single-threaded performance is much less important than the aggregate cost/performance ratio of an entire system. Chip multiprocessing is a good match for such requirements. When running these inherently parallel workloads, CMPs can better utilize on-chip resources and the memory system than traditional wide-issue single-core architectures, leading to higher performance for a given silicon budget. CMPs are also fundamentally more power-efficient than traditional CPU designs and therefore will help keep power costs under control over the next few years. Note, however, that CMPs cannot solve the power-efficiency challenge alone, but can simply mitigate it for the next two or three CPU generations. Fundamental circuit and architectural innovations are still needed to address the longer-term trends.
The computing industry is ready to embrace chip multiprocessing as the mainstream solution for the desktop and server markets, yet it appears to be doing so with some reluctance. CMP parallelism is being introduced only when it is absolutely necessary to remain within a safe thermal envelope. This approach minimizes any significant losses in single-threaded performance, but it is unlikely to realize the full cost-efficiency potential of chip multiprocessing. A riskier bet on slower cores could have a much larger positive impact on the affordability of high-performance systems.
REFERENCES
1. Barroso, L. A., Gharachorloo, K., McNamara, R., Nowatzyk, A., Qadeer, S., Sano, B., Smith, S., Stets, R., and Verghese, B. 2000. Piranha: a scalable architecture based on single-chip multiprocessing. Proceedings of the 27th ACM International Symposium on Computer Architecture (June), Vancouver, BC.
2. Transaction Processing Performance Council. Executive summary reports for TPC-C benchmark filings; http://www.tpc.org.
3. Hoelzle, U., Dean, J., and Barroso, L. A. 2003. Web search for a planet: the architecture of the Google cluster. IEEE Micro Magazine (April).
4. Ranganathan, P., Gharachorloo, K., Adve, S., and Barroso, L.A. 1998. Performance of database workloads on shared memory systems with out-of-order processors. Proceedings of the Eighth International Conference on Architecture Support for Programming Languages and Operating Systems (ASPLOS VIII), San Jose, CA.
5. See Reference 3.
6. AMD competitive server benchmarks; http://www.amd.com/usen/Processors/ProductInformation/0,,30_118_8796_8800~97051,00.html.
7. Kongetira, P., Aingaran, K., and Olukotun, K. 2005. Niagara: a 32-way multithreaded SPARC processor. IEEE Micro Magazine (March/April); http://www.computer.org/micro.
8. Intel Corporation. Intel thread checker; http://developer.intel.com/software/products/threading/tcwin.
9. Seward, J. Valgrind; http://valgrind.kde.org/.
10. Dean, J., and Ghemawat, S. 2004. MapReduce: simplified data processing on large clusters. Proceedings of OSDI, San Francisco, CA.
ACKNOWLEDGMENTS
The author thanks Wolf-Dietrich Weber and Christopher Lyle Johnson for their careful review of the manuscript.
LUIZ ANDRÉ BARROSO is a principal engineer at Google, where he leads the platforms engineering group. He has worked on several aspects of Google’s systems infrastructure, including load balancing, fault detection and recovery, communication libraries, performance optimization, and the computing platform design. Prior to Google he was on the research staff at Compaq and DEC, where he investigated processor and memory system architectures for commercial workloads and co-architected the Piranha system. Barroso holds a Ph.D. in computer engineering from USC, and a B.Sc. and M.S. in electrical engineering from PUC-Rio, Brazil.
In the late 1990s, our research group at DEC was one of a growing number of teams advocating the CMP (chip multiprocessor) as an alternative to highly complex single-threaded CPUs. We were designing the Piranha system,1 which was a radical point in the CMP design space in that we used very simple cores (similar to the early RISC designs of the late ’80s) to provide a higher level of thread-level parallelism. Our main goal was to achieve the best commercial workload performance for a given silicon budget.
Today, in developing Google’s computing infrastructure, our focus is broader than performance alone. The merits of a particular architecture are measured by answering the following question: Are you able to afford the computational capacity you need? The high-computational demands that are inherent in most of Google’s services have led us to develop a deep understanding of the overall cost of computing, and continually to look for hardware/software designs that optimize performance per unit of cost.
This article addresses some of the cost trends in a large-scale Internet service infrastructure and highlights the challenges and opportunities for CMP-based systems to improve overall computing platform cost efficiency.
UNDERSTANDING SYSTEM COST
The systems community has developed an arsenal of tools to measure, model, predict, and optimize performance. The community’s appreciation and understanding of cost factors, however, remain less developed. Without thorough consideration and understanding of cost, the true merits of any one technology or product remain unproven.
We can break down the TCO (total cost of ownership) of a large-scale computing cluster into four main components: price of the hardware, power (recurring and initial data-center investment), recurring data-center operations costs, and cost of the software infrastructure.
Often the major component of TCO for commercial deployments is software. A cursory inspection of the price breakdown for systems used in TPC-C benchmark filings shows that per-CPU costs of just operating systems and database engines can range from $4,000 to $20,000.2 Once the license fees for other system software components, applications, and management software are added up, they can dwarf all other components of cost. This is especially true for deployments using mid- and low-end servers, since those tend to have larger numbers of less expensive machines but can incur significant software costs because of still-commonplace per-CPU or per-server license-fee policies.
Google’s choice to produce its own software infrastructure in-house and to work with the open source community changes that cost distribution by greatly reducing software costs (software development costs still exist, but are amortized over large CPU deployments). As a result, it needs to pay special attention to the remaining components of cost. Here I will focus on cost components that are more directly affected by system-design choice: hardware and power costs.
Figure 1 shows performance, performance-per-server price, and performance-per-watt trends from three successive generations of Google server platforms. Google’s hardware solutions include the use of low-end servers.3 Such systems are based on high-volume, PC-class components and thus deliver increasing performance for roughly the same cost over successive generations, resulting in the upward trend of the performance-per-server price curve. Google’s fault-tolerant software design methodology enables it to deliver highly available services based on these relatively less-reliable building blocks.
Nevertheless, performance per watt has remained roughly flat over time, even after significant efforts to design for power efficiency. In other words, every gain in performance has been accompanied by a proportional inflation in overall platform power consumption. The result of these trends is that power-related costs are an increasing fraction of the TCO.
Such trends could have a significant impact on how computing costs are factored. The following analysis ignores other indirect power costs and focuses solely on the cost of energy. A typical low-end x86-based server today can cost about $3,000 and consume an average of 200 watts (peak consumption can reach over 300 watts). Typical power delivery inefficiencies and cooling overheads will easily double that energy budget. If we assume a base energy cost of nine cents per kilowatt hour and a four-year server lifecycle, the energy costs of that system today would already be more than 40 percent of the hardware costs.
And it gets worse. If performance per watt is to remain constant over the next few years, power costs could easily overtake hardware costs, possibly by a large margin. Figure 2 depicts this extrapolation assuming four different annual rates of performance and power growth. For the most aggressive scenario (50 percent annual growth rates), power costs by the end of the decade would dwarf server prices (note that this doesn’t account for the likely increases in energy costs over the next few years). In this extreme situation, in which keeping machines powered up costs significantly more than the machines themselves, one could envision bizarre business models in which the power company will provide you with free hardware if you sign a long-term power contract.
The possibility of computer equipment power consumption spiraling out of control could have serious consequences for the overall affordability of computing, not to mention the overall health of the planet. It should be noted that although the CPUs are responsible for only a fraction of the total system power budget, that fraction can easily reach 50 percent to 60 percent in low-end server platforms.
THE CMP AND COMPUTING EFFICIENCY
The eventual introduction of processors with CMP technology is the best (and perhaps only) chance to avoid the dire future envisioned above. As discussed in the opening article of this issue (“The Future of Microprocessors,” by Kunle Olukotun and Lance Hammond), if thread-level parallelism is available, using the transistor and energy budget for additional cores is more likely to yield higher performance than any other techniques we are aware of. In such a thread-rich environment, prediction and speculation techniques need to be extremely accurate to justify the extra energy and real estate they require, as there will be nonspeculative instructions ready to execute from other threads. Unfortunately, many server-class workloads are known to exhibit poor instruction-level parallelism;4 therefore, they are a poor match for the aggressive speculative out-of-order cores that are common today.
Some key workloads at Google share such behavior. Our index-serving application, for example, retires on average only one instruction every two CPU cycles on modern processors, badly underutilizing the multiple issue slots and functional units available. This is caused by the use of data structures that are too large for on-chip caches, and a data-dependent control flow that exposes the pipeline to large DRAM latencies. Such behavior also causes the memory system to be underutilized, since often a new memory access cannot be issued until the result of a previous one is available. There is enough unpredictability in both control flow and memory access streams to render speculation techniques relatively ineffective. This same workload, however, exhibits excellent thread-level speedup on traditional multiprocessors, simultaneous multithreaded systems, and CMPs.5
The Piranha implementation took the lessons from commercial workload behavior to heart: If there are enough threads (hardware and software), one should never have to speculate. The eight CPU cores were a throwback to early RISC designs: single-issue, in-order, nonspeculative. The first Piranha chip was expected to outperform state-of-the-art CPUs by more than a factor of two at nearly half the power consumption. What makes this especially significant is that this was achieved despite our team having completely ignored power efficiency as a design target. This is a good illustration of the inherent power-efficiency advantages of the CMP model.
Recent product announcements also provide insights into the power-efficiency potential of CMP microarchitectures. Both AMD and Intel are introducing CMP designs that stay within approximately the same power envelope of their previous-generation single-core offerings. For example, AMD reports that its dual-core Opteron 275 model outperforms its single-core equivalent (Opteron 248) by about 1.8 times on a series of benchmarks,6 at a power envelope increase of less than 7 percent. Even if we pessimistically assume that the whole platform power increases by that same amount, the power efficiency of the dual-core platform (performance per watt) is still nearly 70 percent better than the single-core platform. Indeed, process technology improvements do play a large role in achieving this, but the fact remains that for the first time in many processor generations we are looking at dramatic power-efficiency improvements.
SLOW PACE
In our first Piranha paper published in 2000 we described chip multiprocessing as an inevitable next step in microarchitectural evolution. Although this is no longer a controversial view, it is nevertheless surprising that it has taken so long for this architecture to achieve widespread acceptance. I am particularly surprised that more aggressive CMP architectures—those (like Piranha) that trade single-threaded performance for additional thread-level parallelism—are only now beginning to appear in commercial products7 and are unlikely to be widely available for quite some time.
The commercial introduction of CMPs seems to be following a more measured approach in which fairly complex cores are being slowly added to the die as the transistor budget increases every process generation. If CMPs have such compelling potential, why is it taking so long for that potential to be realized? There are four main reasons for this:
It’s the power envelope, stupid. As it turned out, contrary to what we envisioned during the Piranha development, design complexity and performance alone were not compelling enough to trigger a switch to CMP architectures; power was. In order to steer away from expensive cooling technologies, chip developers had to stay within power density boundaries that became increasingly difficult to meet with conventional techniques.
Marketing matters. Megahertz is a performance metric that is easy to understand and communicate to consumers. Although it is a very poor indicator of application performance, the same can be said for most popular benchmarks. When given a choice between a bogus metric that sells and one that doesn’t, the outcome is predictable. Unfortunately, the MHz competition has reinforced the direction toward larger and more complex single-threaded systems, and away from CMPs.
Execution matters. Many of us underestimated the incredible engineering effort that went into making conventional complex cores into very successful products. Seemingly suboptimal architectures can be made into winning solutions with the right combination of talent, drive, and execution.
Threads aren’t everywhere yet. Although server-class workloads have been multithreaded for years, the same cannot be said yet for desktop workloads. Since desktop volume still largely subsidizes the enormous cost of server CPU development and fabrication, the lack of threads in the desktop has made CMPs less universally compelling. I will expand on this issue later in this article.
DREADING THREADING
Much of the industry’s slowness in adopting CMP designs reflects a fear that the CMP opportunity depends on having enough threads to take advantage of that opportunity. Such fear seems to be based mainly on two factors: parallel programming complexity and the thread-level speedup potential of common applications.
The complexity of parallel software can slow down programmer productivity by making it more difficult to write correct and efficient programs. Computer science students’ limited exposure to parallel programming, lack of popular languages with native support for parallelism, and the slow progress of automatic compiler parallelization technology all contribute to the fear that many applications will not be ready to take advantage of multithreaded chips.
There is reason for optimism, though. The ever-growing popularity of small multiprocessors is exposing more programmers to parallel hardware. More tools to spot correctness and performance problems are becoming available (e.g., thread checkers8 and performance debuggers9). Also, a few expert programmers can write efficient threaded code that is in turn leveraged by many others. Fast-locking and thread-efficient memory allocation libraries are good examples of programming work that is highly leveraged. On a larger scale, libraries such as Google’s MapReduce10 can make it easier for programmers to write efficient applications that mine huge datasets using hundreds or thousands of threads.
While it’s true that some algorithms are hard to parallelize efficiently, the majority of problem classes that demand the additional performance of CMPs are not. The general principle here is that, with few exceptions, the more data one has, the easier it is to obtain parallel speedup. That’s one of the reasons why database applications have been run as parallel workloads successfully for well over a decade. At Google we have generally been able to tune our CPU-intensive workloads to scale to increasing numbers of hardware threads whenever needed—that is, whenever servers with higher numbers of hardware contexts become economically attractive.
The real challenge for CMPs is not at the server but the desktop level. Many popular desktop applications have not been parallelized yet, in part because they manipulate modest datasets, and in part because multithreaded CPUs have only recently been introduced to that market segment. As more data-intensive workloads (such as speech recognition) become common at the desktop, CMP systems will become increasingly attractive for that segment.
It is important to note that CMPs are a friendly target platform for applications that don’t parallelize well. Communication between concurrent threads in a CMP can be an order of magnitude faster than in traditional SMP systems, especially when using shared on-chip caches. Therefore, workloads that require significant communication or synchronization among threads will pay a smaller performance penalty. This characteristic of CMP architectures should ease the programming burden involved in initial parallelization of the established code base.
CMP HEADING FOR MAINSTREAM ACCEPTANCE
A highly cost-efficient distributed computing system is essential to large-scale services such as those offered by Google. For these systems, given the distributed nature of the workloads, single-threaded performance is much less important than the aggregate cost/performance ratio of an entire system. Chip multiprocessing is a good match for such requirements. When running these inherently parallel workloads, CMPs can better utilize on-chip resources and the memory system than traditional wide-issue single-core architectures, leading to higher performance for a given silicon budget. CMPs are also fundamentally more power-efficient than traditional CPU designs and therefore will help keep power costs under control over the next few years. Note, however, that CMPs cannot solve the power-efficiency challenge alone, but can simply mitigate it for the next two or three CPU generations. Fundamental circuit and architectural innovations are still needed to address the longer-term trends.
The computing industry is ready to embrace chip multiprocessing as the mainstream solution for the desktop and server markets, yet it appears to be doing so with some reluctance. CMP parallelism is being introduced only when it is absolutely necessary to remain within a safe thermal envelope. This approach minimizes any significant losses in single-threaded performance, but it is unlikely to realize the full cost-efficiency potential of chip multiprocessing. A riskier bet on slower cores could have a much larger positive impact on the affordability of high-performance systems.
REFERENCES
1. Barroso, L. A., Gharachorloo, K., McNamara, R., Nowatzyk, A., Qadeer, S., Sano, B., Smith, S., Stets, R., and Verghese, B. 2000. Piranha: a scalable architecture based on single-chip multiprocessing. Proceedings of the 27th ACM International Symposium on Computer Architecture (June), Vancouver, BC.
2. Transaction Processing Performance Council. Executive summary reports for TPC-C benchmark filings; http://www.tpc.org.
3. Hoelzle, U., Dean, J., and Barroso, L. A. 2003. Web search for a planet: the architecture of the Google cluster. IEEE Micro Magazine (April).
4. Ranganathan, P., Gharachorloo, K., Adve, S., and Barroso, L.A. 1998. Performance of database workloads on shared memory systems with out-of-order processors. Proceedings of the Eighth International Conference on Architecture Support for Programming Languages and Operating Systems (ASPLOS VIII), San Jose, CA.
5. See Reference 3.
6. AMD competitive server benchmarks; http://www.amd.com/usen/Processors/ProductInformation/0,,30_118_8796_8800~97051,00.html.
7. Kongetira, P., Aingaran, K., and Olukotun, K. 2005. Niagara: a 32-way multithreaded SPARC processor. IEEE Micro Magazine (March/April); http://www.computer.org/micro.
8. Intel Corporation. Intel thread checker; http://developer.intel.com/software/products/threading/tcwin.
9. Seward, J. Valgrind; http://valgrind.kde.org/.
10. Dean, J., and Ghemawat, S. 2004. MapReduce: simplified data processing on large clusters. Proceedings of OSDI, San Francisco, CA.
ACKNOWLEDGMENTS
The author thanks Wolf-Dietrich Weber and Christopher Lyle Johnson for their careful review of the manuscript.
LUIZ ANDRÉ BARROSO is a principal engineer at Google, where he leads the platforms engineering group. He has worked on several aspects of Google’s systems infrastructure, including load balancing, fault detection and recovery, communication libraries, performance optimization, and the computing platform design. Prior to Google he was on the research staff at Compaq and DEC, where he investigated processor and memory system architectures for commercial workloads and co-architected the Piranha system. Barroso holds a Ph.D. in computer engineering from USC, and a B.Sc. and M.S. in electrical engineering from PUC-Rio, Brazil.
Watts, Faults, and Other Fascinating Dirty Words Computer Architects Can No Longer Afford to Ignore
Last week I attended the latest in the NYC Google Speaker event series: “Luiz Barroso, Google Distinguished Engineer, will talk about “Watts, Faults, and Other Fascinating Dirty Words Computer Architects Can No Longer Afford to Ignore”. Luiz was talking about things way beyond my skill or experience but I still got some great insights into designing hardware and infrastructure. That’s mainly why I go to things like this - it’s new information, just expands what I know a little about. So here’s some notes from the talk; there was a lot more to it than I noted.
. power and energy usage have not been very sexy when it comes to designing architecture and that has caught up with people. It is now the centre of plenty of attention.
. In the 90’s there two big research areas, the MHZ race and the DSM (Distributed Shared Memory) race. The first for accelerated single thread performance and second to improve the efficiency of shared memory
. Moore’s law is fundamentally about transistors. The issue is becoming power; they are energy wasteful and temperature control is difficult. Power costs are increasing and look like being more expensive than the hardware. It may tend towards the Mobile model, where you get a energy contract and then the hardware thrown in for free.
. they are focusing on reducing conversion losses and improving power conversion. On PCs the power supply consumes much of the energy, with 55-70% efficiency. .
. Multi-core processes help reduce energy use. You need to design software differently to take advantage of it, building efficient concurrent programs.
. Google has been monitoring diskfailure. Common wisdom is that failure rate is <1% and temperature is a big factor. So we looked at 100k+ drives over 5 yrs. Failure rates were ~8% after 2 years, all way larger than manufacturers rates and temperature did not appear affect the rate. Trying to find a predictive algorithm has had little success; more than half the disk failures happened with no indicative errors and the arrival of errors did not indicate time to failure. The models are good for predicting population wide trends, ie predicting how many failures you will have and how many replacement disks you need. And also for telling you that temperature does not matter that much.
. Looking at power requirements, the average data centre costs $10-22/watt used, whereas US average energy costs $0.8/watt/year. It costs more to build a data centre than to power it for 10 years. YOu have to optimise energy usage to be close to capacity, thinking about power provisioning, how many machines can be used, the unused watts cost.
. Studying power usage, we found the data centre never hit peak capacity, even if a rack on its own could have. A PC uses about 60W at rest, 120 at full usage; a human uses around 60W at rest and 1200W at high usage. We are far more efficient - machines have a factor of 2 between idle and peak, humans a factor of 20. To improeve energy efficiency for data centres, we should focus on reducing the usage of idle power.
. So by reducing the idle power, with no change in peak, you can get a 40-50% savings. You can reduce the peak power requirements for the data centre as a whole by reducing the machine idle consumption.
. power and energy usage have not been very sexy when it comes to designing architecture and that has caught up with people. It is now the centre of plenty of attention.
. In the 90’s there two big research areas, the MHZ race and the DSM (Distributed Shared Memory) race. The first for accelerated single thread performance and second to improve the efficiency of shared memory
. Moore’s law is fundamentally about transistors. The issue is becoming power; they are energy wasteful and temperature control is difficult. Power costs are increasing and look like being more expensive than the hardware. It may tend towards the Mobile model, where you get a energy contract and then the hardware thrown in for free.
. they are focusing on reducing conversion losses and improving power conversion. On PCs the power supply consumes much of the energy, with 55-70% efficiency. .
. Multi-core processes help reduce energy use. You need to design software differently to take advantage of it, building efficient concurrent programs.
. Google has been monitoring diskfailure. Common wisdom is that failure rate is <1% and temperature is a big factor. So we looked at 100k+ drives over 5 yrs. Failure rates were ~8% after 2 years, all way larger than manufacturers rates and temperature did not appear affect the rate. Trying to find a predictive algorithm has had little success; more than half the disk failures happened with no indicative errors and the arrival of errors did not indicate time to failure. The models are good for predicting population wide trends, ie predicting how many failures you will have and how many replacement disks you need. And also for telling you that temperature does not matter that much.
. Looking at power requirements, the average data centre costs $10-22/watt used, whereas US average energy costs $0.8/watt/year. It costs more to build a data centre than to power it for 10 years. YOu have to optimise energy usage to be close to capacity, thinking about power provisioning, how many machines can be used, the unused watts cost.
. Studying power usage, we found the data centre never hit peak capacity, even if a rack on its own could have. A PC uses about 60W at rest, 120 at full usage; a human uses around 60W at rest and 1200W at high usage. We are far more efficient - machines have a factor of 2 between idle and peak, humans a factor of 20. To improeve energy efficiency for data centres, we should focus on reducing the usage of idle power.
. So by reducing the idle power, with no change in peak, you can get a 40-50% savings. You can reduce the peak power requirements for the data centre as a whole by reducing the machine idle consumption.
Jul 31, 2007
Jul 25, 2007
잃지 않는 재테크
많은 사람들이 제게 묻습니다.
“재테크를 잘하고 싶은데 어떤 방법이 좋을까요?”
재테크를 잘하고 싶다… 지지부진한 재테크의 뜻을 파헤치기 보다 단도직입적으로 “난 돈 관리를 잘하고 싶다”는 것이 아마 정확한 질문의 요지가 아닐까 합니다.
10여 년 전 퇴직하신 분들이 그 퇴직금 은행에 넣어두고 그 이자로 살아갈 수 있었던 시절이 있었습니다. 요새는 말도 안 되는 이야기지요. 종종 그 퇴직금을 까먹거나 혹시 퇴직금을 재투자해서 다른 수익을 창출해 내어야만 합니다.
그만큼 현재 우리나라는 [마이너스 금리]로의 길을 걷고 있습니다. 은행에 돈을 넣어두면 이자를 준다는 이미지에서, 은행은 단지 금고. 각종 뱅킹 기능을 활용할 수 있는 수단 좋은 금고의 이미지로, 다시 최종적으로 “돈을 맡아 주므로 그에 대한 사용료를 지불해야 하는” 유료금고화로 되어가고 있는 추세이지요. - 일본 같은 경우는 이미 제로금리가 시행된지 한참 되었습니다 -
많은 사람들이 제게 묻습니다.
“재테크를 잘하고 싶은데 어떤 방법이 좋을까요?”
거꾸로 제가 묻습니다.
“재테크를 잘 하려는 목적이 무언가요?”
“부자가 되고 싶어서요. 그 시작이라 생각합니다.”
“그냥 생각 없이 사는 게 아니라 재테크 자체에도 의미를 부여하고 싶어서요. 보람 있잖아요. ”
20대의 사람들에게.
부자가 되는 가장 쉬운 길은 “부자가 될 수 있는 능력을 갖추는 것” 이 가장 빠릅니다.
돈이 어떻게 쌓이건 주체할 수 없을 정도로 많은 돈을 벌 수 있으면 그만입니다. 부자는 성품이 어떻고, 무얼 미리 생각하고, 작은 것도 놓치지 않고… 생각해 보면 전부 부자를 미화하는 이야기일 뿐입니다.
부자는 돈을 주체할 수 없을 만큼 빠르게 벌 수 있는 능력을 가지고 있었고, 그 기회를 잡을 시야가 있었으며, 그 기회 때 그만큼의 노력을 다 했을 뿐입니다.
전체를 비하하고자 하는 의도는 아니지만, 의사들만큼 경제에 문외한을 본적이 없으며, 변호사들만큼 인생을 막사는 사람들을 보지 못했습니다. 하지만, 그들 대부분은 역시나 부자입니다. 펀드매니져가 법을 모르고 스스로 약을 조제할 수 없는것과 같다고 생각합니다.
이제 갓 20대 초반의 분들이 재테크니 CMA니 펀드니 이러쿵 저러쿵 많은 고민을 하는 것을 보면서 참 많이 놀랐습니다. 나름 상당히 칭찬할만한 일이지만, 소년소녀가장이 아닌 이상, 그래도 지금은 “나를 다듬고”, “나를 만들어가는” 과정이 훨씬 더 중요할 시기입니다.
단언하건데, 재테크를 잘해서 부자가 될 가능성은 거의 없습니다. 재테크를 열심히 하였다고, 그만큼의 성과를 내었다고 “이제부터 당신은 부자” 라고 인정해 주지도 않습니다.
하지만, 이제 재테크를 못하면 거지가 될 수 있습니다. 이걸 아셔야 합니다. 부자는 절대 될 수 없지만, 안 하게 되면, 못하게 되면 거지가 될 수 있는 세상입니다.
보통 목돈이 아닌 월 적립식의 투자를 통해 년 15%정도의 수익률을 매년 기록할 수 있다면 재테크의 고수라 불릴 것입니다. 하지만 1억에서 1500만원이 더 생겼다 하여 부자가 될 순 없습니다. 그러한 일을 10년을 반복한다 한들 마찬가지입니다.
년 50%의 수익, 년 200%의 수익을 내면 부자에 가까워집니다. 하지만 이 정도의 수익률을 낼 수 있는 것들을 보통 우리는 재테크라 부르진 않습니다. 기술, 재능, 투기, 혹은 사기 이렇게 부르겠죠.
화폐란, 단위입니다. 돈이란 결국 어떤 가치에 대한 공통적인 척도일 뿐 이것이 가시적인 효력을 가지진 않습니다. 하지만 우리는 바로 이 돈에 묶여 살며 어쩔 줄을 모르죠.
연수익을 높이는 방법은 [잃지 않는 재테크]가 가장 좋습니다.
월 200만 원의 수입을 올리는 사람이 1년간 돈을 모으면 2400만 원이 됩니다. 이중, 필수 생활비로 100만 원을 쓰고서 남는 재테크의 원금은 1년에 1200만 원입니다.
1년에 열심히 재테크하여 년15%의 수익을 올렸을경우, 그 이자는 총 180만 원입니다.
100만 원에서 15%를 아껴서 지출을 줄이면, 쓰고서 남는 재테크의 원금은 1380만 원입니다.
다시 1년에 5%의 예금수익만을 올리게 되어도, 69만 원의 이자가 붙게 됩니다.
즉, 한달에 100만 원씩 모아서 열심히 15%수익을 올리며 1380만 원을 모으는 것과, 한달에 15%를 아끼고 재테크를 하지 않더라도 1449만 원의 자금을 모으는 것.
건물을 통해 임대수익을 추구하려 할 때에는, 그 위치적 주요성과 더불어 유지보수가 필요없는지 등의 여부가 매우 중요한 선택사항중의 하나입니다. 건물의 구조적 특성으로 많은 인건비가 소요되지는 않는지, 주변 환경적 요인으로 불필요한 의무지출등은 없는지 파악해야 하지요. 이러한 것들은 [잃지 않는 재테크]의 중요한 키포인트입니다.
주식에는 상한가와 하한가라는게 있습니다. 목적성을 띤 폭등이나 폭락을 막기위한 방편입니다만, 많은 사람들이 주식에서 실패하는 이유는 이러한 제도적 장치에서 비롯된 투자의 장기레이스에서 타이밍을 잃게 되는 경우가 가장 큰 이유중의 하나로 볼 수 있습니다. [잃지 않으려 하는 재테크]와 [그저 이기려고만 하는 재테크]와의 차이를 알아야 합니다.
은행에서는 연 4~5%의 이자를 줍니다. 적금을 들면 좀더 높은 이자를 고려할 수도 있을 것입니다. 여기에서도 잃는 것들이 있습니다. 바로 물가가치상승입니다.
세상의 모든 것들은 다 복리입니다. 오로지 은행만이 단리이지요. IMF이전 은행에서 연 20%의 금리이자를 주더라도 은행이 안망하고 모두가 부자되지 않던 이유가 그것입니다.
보험은 오로지 잃지 않기 위한 온전한 금융상품입니다. 돈이 돈을 만들어내는 수법이 아닌 옵션을 사회전반, 개인일상에 적용함으로서 도량화한 것입니다. 하지만 여기에 요새는 투자라는 의미가 더해져 골치가 아파지는 것이지요.
잃지 않는다는 것. 이것은 수많은 의미를 내포하고 있습니다.
하지만 수많은 의미의 이 [잃지 않는]것들은 매우 강력합니다. 그리고 어렵죠. 또한 귀찮습니다.
해결 방안.
잃지 않기 위해 무엇을 준비해야 할지 알아야 합니다.
대표적인 것은 절약입니다. 월 600을 벌어도 600을 버는 사람들의 수준의 삶을 맞추어 살아가면 달라질 것은 없습니다. 그저 현재의 삶은 윤택해질 것입니다.
200만 원짜리의 삶이 준비된 사람이 참고 참아서 50만 원짜리의 인생을 감내하다가 나중에 300만 원짜리 인생을 살아갈 수 있습니다. 이것이 재테크의 기본입니다.
기실 10%의 수입을 올리는 것보다는 10%의 절약을 하는 것이 몇 배 더 쉽습니다. 절약에는 어떤 리스크도 없습니다.
맞벌이를 하여 400을 버는데 이래저래 쓰고, 돈 관리도 따로 하고, 결국 월 100만원 저축한다고 하면 다른 것도 다 필요 없이 자기 자신부터 돌아보지 않으면 안됩니다. 물론 4천을 벌어서 다 쓰고 1천을 저축하는 것과는 다른 이야기이고, 40을 벌어 다 쓰고 10만 원을 남기는 숭고한 씀씀이와는 차원이 다른 이야기입니다.
다음으로는 지출에 대한 의미부여입니다. 강한 동기와 긍정적인 사고가 요구됩니다.
이제 갓 사회에 입문하여 120만 원의 월급으로 생활비 아끼고, 입을 거 먹을 거 다 아껴가며 30은 청약에, 30은 상호금고에, 30은 펀드로 굴린다고 박수 받을 만큼 잘하는 재테크 절대 아닙니다.
잃지 않기 위해서, 좋은 아내 좋은 남편이 되기 위해서 => 훌륭한 사람(?)이 되기 위해서, 30을 교양을 위해서 문화생활에 투자하고, 30을 식견을 위한 해외여행 비로, 30을 인맥형성을 위한 교제비로 투자하여도 훌륭한 재테크라 말할 수 있습니다. 문제는 어떻게 쓰느냐, 어떤 [마음가짐]으로 사느냐입니다.
아 빼먹은 것이 있군요.
가장 중요한 것입니다. 바로 잃는것을 인정하는 것입니다.
잃지 않기 위해 보험료를 버리는것. 일부의 잃음을 인정함으로서 더 많은 것을 얻는것. 이것을 우리는 기술(Skill)이라 부릅니다.
경매를 해서 보통 그 물건 그대로를 시세 회복후 되파는 사람은 1차적인 기술을 가진 사람입니다. 부족부분을 정확히 파악한후 그것때문에 싸게 매입한뒤 내 자본을 투자해서(버려서) 더 높은 가치를 창출해서 되파는것이 진정한 경매의 스킬입니다.
남들도 과외를 시키니 우리애도 어쩔수 없이 과외를 시킨다고 생각하면 그건 낭비입니다. 아이에게도 잃는것이 생깁니다. 우리가 버리는 시간, 버리는 돈의 가치, 그리고 그것을 버림으로서 얻게 되는 많은 새로운 것들. 그것을 부모도 알아야 하고 자녀도 이해할수 있어야 합니다.
마지막으로 기록의 현실화입니다.
잃지 않는 재테크를 위해 <가계부>나 <손익계산서>를 쓰시는 분들이 많을 것입니다.
실제로 수치의 기록만이 도움이 될까요? 네, 안 하는 것보다는 분명 도움이 될 것입니다.
하지만 10개월 전에 지출한 [자녀 교재비용 = 5만원]의 지출내역엔 지출 5만 원외엔 어떠한 기록도 존재하지 않습니다.
모든 지출은 곧 [투자]입니다. 이 투자가 올바르게 이루어지는 과정에는 위에 언급한 <동기>가 매우 소중한 근거로 남게 됩니다.
다소 번거롭지만 아이의 교재비용 5만 원을 어떻게 어찌하여 지출하게 되었는지, 그리고 그 투자로 인한 짧은 소망을 남겨보세요.
핸드폰 비용지출 5만 원을 통해서 나는 얼마나 많은 사람들과 교류하였고, 5만 원의 비용지출로 어떤 결과를 남겼는지 반성해 보다 보면 모든 지출은 윤택해지고 또한 탄력 있게 줄어들 것입니다.
또한 이것은, 재미있습니다. 그리고 사진만으로 남길 수 있는 과거의 추억이 아닌, 내 손으로 직접 작성한 또 하나의 일기가 될 것입니다.
마지막으로,
천만 원을 가진 사람과 1억을 가진 사람, 그리고 10억을 가진 사람이 있습니다. 누구나 아래단계에서 윗 단계를 바라보며 부러워하고 동경할 것입니다.
허나 천만원의 삶과 10억이 크게 다르다고 생각진 않습니다. (100억의 삶은 다르겠지요)
재테크는 재미입니다. 그리고 삶의 일부분이자 희노애락의 한 요소입니다.
집앞 도로에서 위험하지만 가족끼리 줄넘기를 하는 것과, 월 30만 원짜리 헬스클럽에서 런닝머신을 달리더라도 다리 근육 늘어나고 숨이 가빠오고 즐거운 것은 똑같습니다.
하지만 30만 원짜리 헬스클럽에서 런닝하던 시절이 있었는데 이제는 집앞에서 줄넘기 해야 한다는 것을 [실패]라 부르는 사람들이 많습니다.
그러한 사람들은 마음을 [잃어버린] 사람들입니다. 그 사람들의 말대로 그 사람은 정말 큰 실패를 한 것입니다. 물론 지칭하는 [잃음]은 서로 다를 테지만요.
잃지 않는 모든 것. 오늘 우리는 무엇을 또 잃고 있진 않은지 돌아보는 하루가 되었으면 합니다.
“재테크를 잘하고 싶은데 어떤 방법이 좋을까요?”
재테크를 잘하고 싶다… 지지부진한 재테크의 뜻을 파헤치기 보다 단도직입적으로 “난 돈 관리를 잘하고 싶다”는 것이 아마 정확한 질문의 요지가 아닐까 합니다.
10여 년 전 퇴직하신 분들이 그 퇴직금 은행에 넣어두고 그 이자로 살아갈 수 있었던 시절이 있었습니다. 요새는 말도 안 되는 이야기지요. 종종 그 퇴직금을 까먹거나 혹시 퇴직금을 재투자해서 다른 수익을 창출해 내어야만 합니다.
그만큼 현재 우리나라는 [마이너스 금리]로의 길을 걷고 있습니다. 은행에 돈을 넣어두면 이자를 준다는 이미지에서, 은행은 단지 금고. 각종 뱅킹 기능을 활용할 수 있는 수단 좋은 금고의 이미지로, 다시 최종적으로 “돈을 맡아 주므로 그에 대한 사용료를 지불해야 하는” 유료금고화로 되어가고 있는 추세이지요. - 일본 같은 경우는 이미 제로금리가 시행된지 한참 되었습니다 -
많은 사람들이 제게 묻습니다.
“재테크를 잘하고 싶은데 어떤 방법이 좋을까요?”
거꾸로 제가 묻습니다.
“재테크를 잘 하려는 목적이 무언가요?”
“부자가 되고 싶어서요. 그 시작이라 생각합니다.”
“그냥 생각 없이 사는 게 아니라 재테크 자체에도 의미를 부여하고 싶어서요. 보람 있잖아요. ”
20대의 사람들에게.
부자가 되는 가장 쉬운 길은 “부자가 될 수 있는 능력을 갖추는 것” 이 가장 빠릅니다.
돈이 어떻게 쌓이건 주체할 수 없을 정도로 많은 돈을 벌 수 있으면 그만입니다. 부자는 성품이 어떻고, 무얼 미리 생각하고, 작은 것도 놓치지 않고… 생각해 보면 전부 부자를 미화하는 이야기일 뿐입니다.
부자는 돈을 주체할 수 없을 만큼 빠르게 벌 수 있는 능력을 가지고 있었고, 그 기회를 잡을 시야가 있었으며, 그 기회 때 그만큼의 노력을 다 했을 뿐입니다.
전체를 비하하고자 하는 의도는 아니지만, 의사들만큼 경제에 문외한을 본적이 없으며, 변호사들만큼 인생을 막사는 사람들을 보지 못했습니다. 하지만, 그들 대부분은 역시나 부자입니다. 펀드매니져가 법을 모르고 스스로 약을 조제할 수 없는것과 같다고 생각합니다.
이제 갓 20대 초반의 분들이 재테크니 CMA니 펀드니 이러쿵 저러쿵 많은 고민을 하는 것을 보면서 참 많이 놀랐습니다. 나름 상당히 칭찬할만한 일이지만, 소년소녀가장이 아닌 이상, 그래도 지금은 “나를 다듬고”, “나를 만들어가는” 과정이 훨씬 더 중요할 시기입니다.
단언하건데, 재테크를 잘해서 부자가 될 가능성은 거의 없습니다. 재테크를 열심히 하였다고, 그만큼의 성과를 내었다고 “이제부터 당신은 부자” 라고 인정해 주지도 않습니다.
하지만, 이제 재테크를 못하면 거지가 될 수 있습니다. 이걸 아셔야 합니다. 부자는 절대 될 수 없지만, 안 하게 되면, 못하게 되면 거지가 될 수 있는 세상입니다.
보통 목돈이 아닌 월 적립식의 투자를 통해 년 15%정도의 수익률을 매년 기록할 수 있다면 재테크의 고수라 불릴 것입니다. 하지만 1억에서 1500만원이 더 생겼다 하여 부자가 될 순 없습니다. 그러한 일을 10년을 반복한다 한들 마찬가지입니다.
년 50%의 수익, 년 200%의 수익을 내면 부자에 가까워집니다. 하지만 이 정도의 수익률을 낼 수 있는 것들을 보통 우리는 재테크라 부르진 않습니다. 기술, 재능, 투기, 혹은 사기 이렇게 부르겠죠.
화폐란, 단위입니다. 돈이란 결국 어떤 가치에 대한 공통적인 척도일 뿐 이것이 가시적인 효력을 가지진 않습니다. 하지만 우리는 바로 이 돈에 묶여 살며 어쩔 줄을 모르죠.
연수익을 높이는 방법은 [잃지 않는 재테크]가 가장 좋습니다.
월 200만 원의 수입을 올리는 사람이 1년간 돈을 모으면 2400만 원이 됩니다. 이중, 필수 생활비로 100만 원을 쓰고서 남는 재테크의 원금은 1년에 1200만 원입니다.
1년에 열심히 재테크하여 년15%의 수익을 올렸을경우, 그 이자는 총 180만 원입니다.
100만 원에서 15%를 아껴서 지출을 줄이면, 쓰고서 남는 재테크의 원금은 1380만 원입니다.
다시 1년에 5%의 예금수익만을 올리게 되어도, 69만 원의 이자가 붙게 됩니다.
즉, 한달에 100만 원씩 모아서 열심히 15%수익을 올리며 1380만 원을 모으는 것과, 한달에 15%를 아끼고 재테크를 하지 않더라도 1449만 원의 자금을 모으는 것.
건물을 통해 임대수익을 추구하려 할 때에는, 그 위치적 주요성과 더불어 유지보수가 필요없는지 등의 여부가 매우 중요한 선택사항중의 하나입니다. 건물의 구조적 특성으로 많은 인건비가 소요되지는 않는지, 주변 환경적 요인으로 불필요한 의무지출등은 없는지 파악해야 하지요. 이러한 것들은 [잃지 않는 재테크]의 중요한 키포인트입니다.
주식에는 상한가와 하한가라는게 있습니다. 목적성을 띤 폭등이나 폭락을 막기위한 방편입니다만, 많은 사람들이 주식에서 실패하는 이유는 이러한 제도적 장치에서 비롯된 투자의 장기레이스에서 타이밍을 잃게 되는 경우가 가장 큰 이유중의 하나로 볼 수 있습니다. [잃지 않으려 하는 재테크]와 [그저 이기려고만 하는 재테크]와의 차이를 알아야 합니다.
은행에서는 연 4~5%의 이자를 줍니다. 적금을 들면 좀더 높은 이자를 고려할 수도 있을 것입니다. 여기에서도 잃는 것들이 있습니다. 바로 물가가치상승입니다.
세상의 모든 것들은 다 복리입니다. 오로지 은행만이 단리이지요. IMF이전 은행에서 연 20%의 금리이자를 주더라도 은행이 안망하고 모두가 부자되지 않던 이유가 그것입니다.
보험은 오로지 잃지 않기 위한 온전한 금융상품입니다. 돈이 돈을 만들어내는 수법이 아닌 옵션을 사회전반, 개인일상에 적용함으로서 도량화한 것입니다. 하지만 여기에 요새는 투자라는 의미가 더해져 골치가 아파지는 것이지요.
잃지 않는다는 것. 이것은 수많은 의미를 내포하고 있습니다.
하지만 수많은 의미의 이 [잃지 않는]것들은 매우 강력합니다. 그리고 어렵죠. 또한 귀찮습니다.
해결 방안.
잃지 않기 위해 무엇을 준비해야 할지 알아야 합니다.
대표적인 것은 절약입니다. 월 600을 벌어도 600을 버는 사람들의 수준의 삶을 맞추어 살아가면 달라질 것은 없습니다. 그저 현재의 삶은 윤택해질 것입니다.
200만 원짜리의 삶이 준비된 사람이 참고 참아서 50만 원짜리의 인생을 감내하다가 나중에 300만 원짜리 인생을 살아갈 수 있습니다. 이것이 재테크의 기본입니다.
기실 10%의 수입을 올리는 것보다는 10%의 절약을 하는 것이 몇 배 더 쉽습니다. 절약에는 어떤 리스크도 없습니다.
맞벌이를 하여 400을 버는데 이래저래 쓰고, 돈 관리도 따로 하고, 결국 월 100만원 저축한다고 하면 다른 것도 다 필요 없이 자기 자신부터 돌아보지 않으면 안됩니다. 물론 4천을 벌어서 다 쓰고 1천을 저축하는 것과는 다른 이야기이고, 40을 벌어 다 쓰고 10만 원을 남기는 숭고한 씀씀이와는 차원이 다른 이야기입니다.
다음으로는 지출에 대한 의미부여입니다. 강한 동기와 긍정적인 사고가 요구됩니다.
이제 갓 사회에 입문하여 120만 원의 월급으로 생활비 아끼고, 입을 거 먹을 거 다 아껴가며 30은 청약에, 30은 상호금고에, 30은 펀드로 굴린다고 박수 받을 만큼 잘하는 재테크 절대 아닙니다.
잃지 않기 위해서, 좋은 아내 좋은 남편이 되기 위해서 => 훌륭한 사람(?)이 되기 위해서, 30을 교양을 위해서 문화생활에 투자하고, 30을 식견을 위한 해외여행 비로, 30을 인맥형성을 위한 교제비로 투자하여도 훌륭한 재테크라 말할 수 있습니다. 문제는 어떻게 쓰느냐, 어떤 [마음가짐]으로 사느냐입니다.
아 빼먹은 것이 있군요.
가장 중요한 것입니다. 바로 잃는것을 인정하는 것입니다.
잃지 않기 위해 보험료를 버리는것. 일부의 잃음을 인정함으로서 더 많은 것을 얻는것. 이것을 우리는 기술(Skill)이라 부릅니다.
경매를 해서 보통 그 물건 그대로를 시세 회복후 되파는 사람은 1차적인 기술을 가진 사람입니다. 부족부분을 정확히 파악한후 그것때문에 싸게 매입한뒤 내 자본을 투자해서(버려서) 더 높은 가치를 창출해서 되파는것이 진정한 경매의 스킬입니다.
남들도 과외를 시키니 우리애도 어쩔수 없이 과외를 시킨다고 생각하면 그건 낭비입니다. 아이에게도 잃는것이 생깁니다. 우리가 버리는 시간, 버리는 돈의 가치, 그리고 그것을 버림으로서 얻게 되는 많은 새로운 것들. 그것을 부모도 알아야 하고 자녀도 이해할수 있어야 합니다.
마지막으로 기록의 현실화입니다.
잃지 않는 재테크를 위해 <가계부>나 <손익계산서>를 쓰시는 분들이 많을 것입니다.
실제로 수치의 기록만이 도움이 될까요? 네, 안 하는 것보다는 분명 도움이 될 것입니다.
하지만 10개월 전에 지출한 [자녀 교재비용 = 5만원]의 지출내역엔 지출 5만 원외엔 어떠한 기록도 존재하지 않습니다.
모든 지출은 곧 [투자]입니다. 이 투자가 올바르게 이루어지는 과정에는 위에 언급한 <동기>가 매우 소중한 근거로 남게 됩니다.
다소 번거롭지만 아이의 교재비용 5만 원을 어떻게 어찌하여 지출하게 되었는지, 그리고 그 투자로 인한 짧은 소망을 남겨보세요.
핸드폰 비용지출 5만 원을 통해서 나는 얼마나 많은 사람들과 교류하였고, 5만 원의 비용지출로 어떤 결과를 남겼는지 반성해 보다 보면 모든 지출은 윤택해지고 또한 탄력 있게 줄어들 것입니다.
또한 이것은, 재미있습니다. 그리고 사진만으로 남길 수 있는 과거의 추억이 아닌, 내 손으로 직접 작성한 또 하나의 일기가 될 것입니다.
마지막으로,
천만 원을 가진 사람과 1억을 가진 사람, 그리고 10억을 가진 사람이 있습니다. 누구나 아래단계에서 윗 단계를 바라보며 부러워하고 동경할 것입니다.
허나 천만원의 삶과 10억이 크게 다르다고 생각진 않습니다. (100억의 삶은 다르겠지요)
재테크는 재미입니다. 그리고 삶의 일부분이자 희노애락의 한 요소입니다.
집앞 도로에서 위험하지만 가족끼리 줄넘기를 하는 것과, 월 30만 원짜리 헬스클럽에서 런닝머신을 달리더라도 다리 근육 늘어나고 숨이 가빠오고 즐거운 것은 똑같습니다.
하지만 30만 원짜리 헬스클럽에서 런닝하던 시절이 있었는데 이제는 집앞에서 줄넘기 해야 한다는 것을 [실패]라 부르는 사람들이 많습니다.
그러한 사람들은 마음을 [잃어버린] 사람들입니다. 그 사람들의 말대로 그 사람은 정말 큰 실패를 한 것입니다. 물론 지칭하는 [잃음]은 서로 다를 테지만요.
잃지 않는 모든 것. 오늘 우리는 무엇을 또 잃고 있진 않은지 돌아보는 하루가 되었으면 합니다.
150Gbps 고속 '멀티 기가비트' 무선 기술 개발
http://news.kbench.com
새로운 고속 무선 기술을 곧 만나게 될 것 같다.
블루투스와 같은 근거리 무선 연결 프로콜은 유선 네트웍킹 방법보다 전송률이 떨어졌었다. 그러나 새로운 '멀티 기가비트 무선' 기술을 통해 머지않아 근거리 무선 통신도 고속 데이터 전송률이 가능해질 것으로 보인다.
멀티 기가비트 무선 기술은 60GHz 대역의 주파수를 이용한 것으로, 현재 개발된 멀티 기가비트 무선 기술은 1미터 거리에서 150Gbps 전송률을 기록해 초당 약 2GB 데이터를 처리할 수 있다고 미국 조지아공대측 기술 연구소는 밝혔다.
또 2m 거리에서는 10Gbps 전송률을 나타내 초당 약 1.25GB 데이터 처리 능력을 보여주고, 또 5m 거리에서는 5Gbps 전송률을 보여 초당 약 625MB 데이터 처리 능력을 보여줄 수 있다고 덧붙였다.
게다가 이 멀티 기가비트 무선 기술은 내년에 전송률이 2배 가량 더 빨라지게 될 것이라고 설명하며, 이 기술은 3년 이내에 외장 하드 드라이브나, MP3 플레이어, DVD 플레이어, 휴대폰, 공중전화, 데이터 센터 기기에 사용되는 케이블을 대체하게 될 것이라고 내다봤다.
그들은 또 "이 무선 기술을 통한 10Gbps 전송률은 DVD를 휴대폰으로 5초 동안 다운로드 할 수 있는 속도"라고 설명하며 " 더욱 금상첨화인 것은 기존 Wi-Fi 기술 표준과도 호환할 수 있다"고 밝혔다
새로운 고속 무선 기술을 곧 만나게 될 것 같다.
블루투스와 같은 근거리 무선 연결 프로콜은 유선 네트웍킹 방법보다 전송률이 떨어졌었다. 그러나 새로운 '멀티 기가비트 무선' 기술을 통해 머지않아 근거리 무선 통신도 고속 데이터 전송률이 가능해질 것으로 보인다.
멀티 기가비트 무선 기술은 60GHz 대역의 주파수를 이용한 것으로, 현재 개발된 멀티 기가비트 무선 기술은 1미터 거리에서 150Gbps 전송률을 기록해 초당 약 2GB 데이터를 처리할 수 있다고 미국 조지아공대측 기술 연구소는 밝혔다.
또 2m 거리에서는 10Gbps 전송률을 나타내 초당 약 1.25GB 데이터 처리 능력을 보여주고, 또 5m 거리에서는 5Gbps 전송률을 보여 초당 약 625MB 데이터 처리 능력을 보여줄 수 있다고 덧붙였다.
게다가 이 멀티 기가비트 무선 기술은 내년에 전송률이 2배 가량 더 빨라지게 될 것이라고 설명하며, 이 기술은 3년 이내에 외장 하드 드라이브나, MP3 플레이어, DVD 플레이어, 휴대폰, 공중전화, 데이터 센터 기기에 사용되는 케이블을 대체하게 될 것이라고 내다봤다.
그들은 또 "이 무선 기술을 통한 10Gbps 전송률은 DVD를 휴대폰으로 5초 동안 다운로드 할 수 있는 속도"라고 설명하며 " 더욱 금상첨화인 것은 기존 Wi-Fi 기술 표준과도 호환할 수 있다"고 밝혔다
Jul 23, 2007
GbE 기반 TCP/IP Offload Engine을 위한 H/W 가속 모듈의 설계 및 구현
Gigabit-Ethernet 기반 TCP/IP Offload Engine을 위한 하드웨어 가속 모듈의 설계 및 구현
부산대학교 컴퓨터공학과 최영인 석사 논문
부산대학교 컴퓨터공학과 최영인 석사 논문
Subscribe to:
Posts (Atom)