본문으로 건너뛰기

인스턴스 타입 선택 가이드

개요​

ECI는 GPU / NPU / CPU 세 가지 인스턴스 계열을 제공합니다. 워크로드 특성에 맞는 타입을 선택하면 비용을 최적화할 수 있습니다.

인스턴스 계열 비교​

계열하드웨어주요 용도코드명 예시
GPUA100 PCIe, NVIDIA H100 SXM, B200 SXMAI 학습·추론, 고성능 병렬 연산G-NHHS-640, G-NAHP-320, G-NBTHS-1440
NPURebellions ATOM Plus·Max, Furiosa Warboy·RenegadeAI 추론 전용 (저전력·고효율)N-FR-48, N-FW-16, N-FW-32, N-FW-64
CPU (범용)범용 vCore (메모리 = vCore × 2 GiB)데이터 전처리, 웹 서버, 일반 연산C-2, C-4, C-8, C-16, C-32
CPU (메모리 최적화)범용 vCore (메모리 = vCore × 4 GiB)메모리 위주 워크로드 (인메모리 DB 등)M-2, M-4, M-8, M-16
포털에서 전체 인스턴스 타입 목록 확인

인프라 > 인스턴스 유형 메뉴에서 현재 제공 중인 모든 타입의 CPU·GPU·메모리 사양을 확인할 수 있습니다. 영역별로 사용 가능한 타입이 달라 일부 코드는 특정 영역에서만 보일 수 있습니다.

워크로드별 추천​

AI 모델 학습​

GPU 인스턴스 를 선택합니다. 학습 규모에 따라:

  • 단일 GPU: 소규모 모델 학습, PoC (예: A100 1장)
  • 다중 GPU (단일 가상머신): 중규모 학습 (예: H100 8장)
  • 가상 클러스터 (InfiniBand): 대규모 분산 학습, 수십 GPU 이상

AI 추론 서버​

  • GPU: 대형 LLM, 고처리량 추론
  • NPU: 추론 전용, GPU 대비 전력 효율 높음. 지원 디바이스: Rebellions ATOM Plus·Max, Furiosa Warboy·Renegade. 각 NPU별 SDK와 호환 모델 목록을 확인 후 선택

데이터 전처리 / 일반 서버​

CPU 인스턴스 를 선택합니다. GPU가 필요 없는 작업에 GPU 인스턴스를 사용하면 비용이 낭비됩니다.

인스턴스 타입 코드명 읽기​

GPU·NPU 코드는 {계열}-{디바이스코드}-{총메모리} 패턴입니다 (G- GPU, N- NPU).

G-NHHS-640: H100 SXM × 8​

파트의미
GGPU 계열
NHHSNVIDIA H100 80GB SXM 디바이스
640총 VRAM (GB): 80 GB × 8장

같은 NHHS 시리즈로 G-NHHS-80(1장) ~ G-NHHS-640(8장)이 있습니다.

G-NAHP-320: A100 PCIe × 4​

파트의미
GGPU 계열
NAHPNVIDIA A100 80GB PCIe 디바이스
320총 VRAM (GB): 80 GB × 4장

G-NBTHS-1440: B200 SXM × 8​

파트의미
GGPU 계열
NBTHSNVIDIA B200 180GB SXM 디바이스
1440총 VRAM (GB): 180 GB × 8장

같은 NBTHS 시리즈로 G-NBTHS-180(1장) ~ G-NBTHS-1440(8장)이 있습니다.

C-{n} / M-{n}: CPU·메모리​

n은 vCore 수입니다. CPU 계열은 vCore × 2 GiB 메모리, 메모리 최적화 계열은 vCore × 4 GiB 메모리를 제공합니다.

다음 단계​