Kubernetes Basics · 강의

리소스 요청 및 제한

효율적인 리소스 할당을 보장하고 리소스 고갈을 방지하도록 파드의 CPU와 메모리 요청량 및 제한을 정의하세요.

리소스 요청 및 제한은(는) CoddyKit의 무료 Kubernetes Basics 강의입니다. 이것은 4개 중 1번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Kubernetes Basics 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Kubernetes Basics 강의에는 총 4개의 강의가 포함되어 있습니다.

Kubernetes의 리소스 요구 사항

다른 애플리케이션과 마찬가지로 Pod도 실행하려면 리소스가 필요합니다. Kubernetes는 리소스 요청과 리소스 제한을 사용해 이러한 리소스를 효율적으로 관리합니다.

이 설정은 Pod에 필요한 CPU와 메모리의 양, 그리고 Pod가 사용할 수 있는 최대량을 Kubernetes에 알려 주어 리소스를 공정하게 분배하도록 합니다.

CPU 요청: CPU 보장

CPU 요청은 Pod가 안정적으로 실행되는 데 필요한 CPU의 최소량을 Kubernetes에 알려 줍니다. 즉, 보장되는 양입니다!

Kubernetes는 요청을 바탕으로 사용 가능한 리소스가 충분한 노드에 Pod를 배치합니다.
노드에 요청한 만큼의 CPU가 부족하면 해당 노드에 Pod를 배치하지 않습니다.
이를 통해 중요한 애플리케이션의 리소스 고갈을 방지할 수 있습니다.

CPU 단위 및 요청 예시

CPU는 '코어' 또는 '밀리코어'(m) 단위로 측정합니다. 1000m은 CPU 코어 1개와 같습니다. 따라서 500m은 코어의 절반입니다.

다음은 Pod 정의에서 CPU 코어 0.5개를 요청하는 방법입니다.

apiVersion: v1
kind: Pod
metadata:
  name: cpu-request-pod
spec:
  containers:
  - name: my-container
    image: nginx
    resources:
      requests:
        cpu: "500m"

CPU 제한: 과도한 사용 방지

CPU 제한은 Pod가 사용할 수 있는 CPU의 최대량을 설정합니다. 일종의 상한선입니다.

Pod가 제한보다 많은 CPU를 사용하려고 하면 Kubernetes가 사용량을 제한합니다.
즉, Pod의 CPU 사용량이 제한되어 같은 노드의 다른 Pod 리소스를 독점하지 못하게 됩니다.

CPU 제한 적용 예시

다음은 CPU 제한을 설정하는 예시입니다. 이 Pod가 CPU 코어 1개보다 많이 사용하려고 하면 사용량이 제한되어 성능이 저하됩니다.

apiVersion: v1
kind: Pod
metadata:
  name: cpu-limit-pod
spec:
  containers:
  - name: my-container
    image: nginx
    resources:
      limits:
        cpu: "1"

메모리 요청: RAM 보장

CPU와 마찬가지로 메모리 요청은 Pod가 작동하는 데 필요한 RAM의 최소량을 지정합니다.

Kubernetes는 Pod에 필요한 여유 메모리가 충분한 노드를 찾는 데 이 값을 사용합니다.
노드의 메모리가 부족해지면 요청을 지정하지 않은 Pod가 공간을 확보하기 위해 가장 먼저 종료(축출)되는 경우가 많습니다.

메모리 단위 및 요청 예시

메모리는 바이트 단위로 측정합니다. 일반적으로 Mi(메비바이트)와 Gi(기비바이트)를 사용합니다.

100Mi는 100메비바이트입니다. 메모리 256MiB를 요청하는 방법은 다음과 같습니다.

apiVersion: v1
kind: Pod
metadata:
  name: mem-request-pod
spec:
  containers:
  - name: my-container
    image: nginx
    resources:
      requests:
        memory: "256Mi"

메모리 제한: OOM 방지

메모리 제한은 파드가 사용할 수 있는 최대 메모리를 정의합니다.

파드가 메모리 제한을 초과하면 운영 체제가 '메모리 부족' (OOM) 오류와 함께 즉시 종료합니다. 이 상태는 흔히 'OOMKilled'로 표시됩니다.
이를 통해 하나의 폭주하는 파드가 노드의 전체 메모리를 사용하여 노드 전체를 중단시키는 것을 방지합니다.

메모리 제한 적용

이 파드의 메모리 제한은 512MiB입니다. 이보다 더 많이 사용하려고 하면 다른 작업과 노드를 보호하기 위해 종료됩니다(OOMKilled).

apiVersion: v1
kind: Pod
metadata:
  name: mem-limit-pod
spec:
  containers:
  - name: my-container
    image: nginx
    resources:
      limits:
        memory: "512Mi"

모범 사례: 요청 및 제한

모든 파드에 요청과 제한을 모두 정의하는 것이 모범 사례입니다. 이렇게 하면 클러스터의 안정성과 예측 가능성이 높아집니다.

요청은 파드가 스케줄링에 필요한 최소 리소스를 확보하도록 합니다.
제한은 다른 파드와 노드 자체의 리소스 고갈을 방지합니다.

전체 예시는 다음과 같습니다.

apiVersion: v1
kind: Pod
metadata:
  name: full-resource-pod
spec:
  containers:
  - name: my-app
    image: my-registry/my-app:1.0
    resources:
      requests:
        cpu: "200m"
        memory: "128Mi"
      limits:
        cpu: "500m"
        memory: "256Mi"

리소스 확인

CPU 요청이 200m이고 CPU 제한이 1(1000m에 해당)인 파드가 정의되어 있습니다.

이 파드가 CPU 코어 1.5개를 사용하려고 하면 어떻게 될까요?

복습: 리소스 관리

이 단원에서는 쿠버네티스의 리소스 요청과 리소스 제한에 대해 배웠습니다.

요청(CPU 및 메모리)은 파드 스케줄링에 필요한 최소 리소스를 보장합니다.
제한(CPU 및 메모리)은 리소스 경합을 방지하기 위해 최대 사용량을 제한합니다.
CPU 제한을 초과하면 사용량이 제한되고, 메모리 제한을 초과하면 종료됩니다(OOMKilled).
안정적이고 예측 가능한 애플리케이션 성능을 위해 항상 요청과 제한을 모두 정의하세요.

자주 묻는 질문

“리소스 요청 및 제한” 강의는 무료인가요?

네 — “리소스 요청 및 제한” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Kubernetes Basics 강의 전체를 잠금 해제할 수 있습니다. Kubernetes Basics 강의에는 총 4개의 강의가 포함되어 있습니다.

“리소스 요청 및 제한”에서 뭘 배우나요?

효율적인 리소스 할당을 보장하고 리소스 고갈을 방지하도록 파드의 CPU와 메모리 요청량 및 제한을 정의하세요. 브라우저에서 직접 실행하는 실습 코드로 Kubernetes Basics을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

Kubernetes Basics을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 Kubernetes Basics은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 1번째 강의입니다.

“리소스 요청 및 제한” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 Kubernetes Basics 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 Kubernetes Basics 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

← Kubernetes Basics(으)로 돌아가기