이 문서에서는 Azure Container Instances에서 Big Containers의 기능과 이점에 대해 간략하게 설명합니다. 이제 고객은 표준 컨테이너, 기밀 컨테이너, 가상 네트워크가 있는 컨테이너는 물론, 가상 노드를 활용해 AKS에 연결하는 컨테이너에 대해 더 높은 vCPU와 메모리를 갖춘 워크로드를 배포할 수 있습니다. 이 설정은 vCPU 수가 4보다 크고 메모리 용량이 16GB이며, 표준 컨테이너 그룹당 최대 31개 vCPU 및 240GB, 기밀 컨테이너 그룹당 31개 vCPU 및 180GB를 지원합니다. 이 기능은 컴퓨팅 및 메모리 집약적 워크로드에 대한 제한 사항을 제거합니다.
Big Containers의 이점
향상된 성능
vCPU가 많을수록 처리 능력이 향상되어 복잡한 작업과 애플리케이션을 보다 효율적으로 처리할 수 있습니다. 보다 많은 vCPU와 더 큰 GB 용량으로 향상된 성능은 처리 시간을 단축하고 대기 시간을 줄여, 시간과 생산성 측면에서 비용을 절약할 수 있습니다.
메모리 용량 증가
보다 큰 GB의 대형 컨테이너 그룹은 더 큰 데이터 세트와 더 광범위한 워크로드를 처리할 수 있으므로 데이터 집약적 애플리케이션에 이상적입니다.
간소화된 확장성
더 큰 컨테이너 그룹은 필요에 따라 리소스를 더욱 스케일 업할 수 있는 유연성을 제공하여 성능을 저하시키지 않고 증가하는 비즈니스 수요를 수용할 수 있습니다. 더 큰 컨테이너 SKU는 크기 조정 프로세스를 간소화할 수 있습니다. 여러 개의 작은 컨테이너를 관리하는 대신, 더 적고 큰 컨테이너로 애플리케이션의 크기를 조정할 수 있으며, 이를 통해 빈번한 크기 조정의 필요성을 줄일 수 있습니다.
Big Containers를 위한 시나리오
Big Containers를 활용하면 이점을 얻을 수 있는 몇 가지 시나리오는 다음과 같습니다.
데이터 유추
더 큰 컨테이너 SKU는 강력한 계산 파워가 필요한 데이터 유추 작업에 이상적입니다. 이러한 예로는 재무 트랜잭션에서의 실시간 사기 검색, 제조업에서의 예측 유지 관리, 전자상거래에서의 개인 설정 권장 사항 엔진 등이 있습니다. 이러한 컨테이너는 정확한 예측과 인사이트를 위해 대용량 데이터 세트를 효율적이고 안전하게 처리할 수 있도록 보장합니다.
협업 분석
여러 당사자가 데이터를 공유하고 분석해야 하는 경우, 더 큰 컨테이너 SKU는 안전하고 효율적인 솔루션을 제공합니다. 예를 들어, 의료 분야 회사는 기밀을 유지하면서 환자 데이터 분석에 협업할 수 있습니다. 마찬가지로, 연구 기관은 데이터 개인 정보를 침해하지 않고도 과학 연구를 위해 대규모 데이터 세트를 공유할 수 있습니다.
빅 데이터 처리
대규모 데이터 처리를 담당하는 조직은 더 큰 컨테이너 SKU의 향상된 용량으로부터 이점을 얻을 수 있습니다. 이러한 예로는 대상 마케팅 캠페인을 위한 고객 데이터 처리, 감정 분석을 위한 소셜 미디어 트렌드 분석, 위험 평가를 위한 대규모 재무 모델링 수행 등이 있습니다. 이러한 컨테이너는 광범위한 워크로드의 효율적인 처리를 보장합니다.
고성능 컴퓨팅
기후 모델링, 게놈 연구, 전산 유체 역학과 같은 고성능 컴퓨팅 애플리케이션에는 상당한 계산 능력이 필요합니다. 더 큰 컨테이너 SKU는 이러한 집약적 작업을 지원하는 데 필요한 리소스를 제공하여 정확한 시뮬레이션과 더 빠른 결과를 가능하게 합니다.
다음 단계
Big Containers를 사용하려면 다음 단계를 따릅니다.
- 4개 vCPU 및 16GB보다 큰 컨테이너를 실행하려는 경우 Azure 지원 요청을 제출해야 합니다( 지원 유형에 대한 "할당량" 선택).
- 할당량이 할당되면 Azure Portal, Azure CLI, PowerShell, ARM 템플릿 또는 Azure의 컨테이너 그룹에 연결할 수 있는 다른 매체를 통해 컨테이너 그룹을 배포할 수 있습니다.
Azure Container Instances에 대해 자세히 알아보려면 Azure의 서버리스 컨테이너 - Azure Container Instances | Microsoft Learn을 참조하세요.