Azure Data Explorer 클러스터에 적합한 SKU 선택

새 클러스터를 만들거나 변화하는 워크로드에 맞게 클러스터를 최적화하는 경우 Azure Data Explorer는 선택할 수 있는 여러 VM(가상 머신) SKU를 제공합니다. 이 컴퓨팅 SKU는 모든 워크로드에 가장 적합한 비용을 제공하기 위해 신중하게 선택되었습니다.

데이터 관리 클러스터의 크기와 VM SKU는 Azure Data Explorer 서비스에서 완전히 관리됩니다. 해당 항목은 엔진의 VM 크기, 수집 워크로드와 같은 요인에 따라 결정됩니다.

클러스터를 확장하여 언제든지 클러스터에 대한 컴퓨팅 SKU를 변경할 수 있습니다. 초기 시나리오에 적합한 가장 작은 SKU 크기로 시작하는 것이 가장 좋습니다. Azure Advisor 권장 사항을 사용하여 컴퓨팅 SKU를 최적화할 수도 있습니다.

가격 계산기를 사용하여 워크로드와 데이터 볼륨에 따라 Azure Data Explorer 클러스터의 가격을 추정할 수 있습니다.

팁

예약을 구매하면 클러스터, 클러스터에 사용되는 가상 머신 및 스토리지 리소스의 1년치 또는 3년치 비용을 선불로 지불할 수 있습니다. 이러한 RI(예약 인스턴스)는 별도로 구입하며 Azure Data Explorer 클러스터의 가장 저렴한 요금을 확보하여 상당한 비용을 절감할 수 있습니다. 자세한 내용은 Azure Data Explorer 예약 용량이 있는 Azure Data Explorer 태그 단위에 대한 선불을 참조하세요.

클러스터 유형 선택

Azure Data Explorer는 두 가지 클러스터를 제공합니다.

• 프로덕션(SLA 포함) : 프로덕션 클러스터에는 엔진 클러스터에 대해 두 개 이상의 노드와 데이터 관리 클러스터에 대한 노드가 2개 이상 포함되어 있습니다. 이러한 클러스터는 Azure Data Explorer SLA에서 작동합니다.
• 개발/테스트(SLA 없음) : 개발/테스트 클러스터에는 엔진 클러스터에 대한 단일 노드와 데이터 관리 클러스터의 단일 노드가 포함됩니다. 이러한 클러스터는 instance 수가 적기 때문에 가장 낮은 비용 구성입니다. 이 클러스터 구성에는 중복성이나 SLA가 없습니다.

개발 및 프로덕션 비교

개발 클러스터는 서비스 평가, 수집 파이프라인 설정, PoC(개념 증명) 수행 또는 시나리오 유효성 검사에 유용합니다. 개발 클러스터와 프로덕션 클러스터의 주요 차이점은 다음과 같습니다.

• 개발 클러스터는 크기가 제한되며 단일 노드를 초과하여 확장할 수 없음
• 개발 클러스터에는 Azure Data Explorer 태그 비용이 청구되지 않음
• 개발 클러스터에는 SLA가 없음

컴퓨팅 SKU 유형

Azure Data Explorer 클러스터는 다양한 유형의 워크로드에 대한 다양한 SKU를 지원합니다. 각 SKU는 고객이 배포 크기를 올바르게 지정하고 엔터프라이즈 분석 워크로드의 비용 최적화 솔루션을 빌드하는 데 도움이 되는 고유한 SSD 스토리지 및 CPU 비율을 제공합니다.

컴퓨팅 최적화

• 높은 코어 대 캐시 비율 및 코어당 가장 낮은 비용을 제공합니다.
• 짧은 대기 시간 I/O를 위한 로컬 SSD입니다.

Storage에 최적화

• 엔진 노드당 1TB(테라바이트)에서 4TB에 이르는 더 큰 스토리지와 GB(기가바이트)당 가장 낮은 비용을 제공합니다.
• 대량의 데이터를 저장할 스토리지가 필요한 워크로드에 적합합니다.
• 특정 SKU는 로컬 SSD 대신 엔진 노드에 연결된 PS(Premium Storage)를 사용합니다. PS 액세스는 로컬 SSD보다 느리므로 PS를 사용하는 SKU는 로컬 SSD가 연결된 SKU보다 더 비싸고 성능은 더 떨어집니다.

컴퓨팅 SKU 선택 및 최적화

클러스터를 만드는 동안 컴퓨팅 SKU 선택

Azure Data Explorer 클러스터를 만들 때 계획된 워크로드에 대한 ‘최적의’ VM SKU를 선택합니다. 다음 특성을 사용하여 사용자 환경에 적합한 SKU를 선택할 수 있습니다.

attribute	세부 정보
GB당 비용	컴퓨팅 최적화를 통한 높은 비용. 스토리지 최적화 SKU를 통한 낮은 비용
코어당 비용	컴퓨팅 최적화를 통한 낮은 비용. 스토리지 최적화 SKU를 통한 높은 비용
RI 가격	RI 할인은 지역 및 SKU에 따라 달라집니다.

참고

컴퓨팅 비용은 클러스터 비용의 가장 중요한 부분입니다.

클러스터 컴퓨팅 SKU 최적화

클러스터 컴퓨팅 SKU를 최적화하려면 수직 스케일링을 구성하고 Azure Advisor 권장 사항을 확인합니다.

선택할 수 있는 다양한 컴퓨팅 SKU 옵션을 통해 시나리오의 성능 및 핫 캐시 요구 사항에 대한 비용을 최적화할 수 있습니다. 쿼리 볼륨이 많은 경우 최적의 성능을 위해 컴퓨팅 최적화 SKU를 선택합니다. 캐시해야 하는 대량의 데이터를 쿼리할 때 최상의 성능을 위해 스토리지 최적화 SKU를 선택합니다.

더 작은 VM을 많이 사용하는 것보다 RAM 사용량이 더 많은 더 큰 VM의 노드 몇 개를 사용하는 것이 좋습니다. 조인을 사용하는 쿼리와 같이 RAM 수요가 더 높은 일부 쿼리 유형에는 더 많은 RAM이 필요합니다. 따라서 클러스터 크기를 조정하는 경우 더 큰 SKU로 스케일 업하고 필요에 따라 더 많은 노드를 추가하여 스케일 아웃하는 것이 좋습니다.

참고

클러스터의 SKU를 변경하거나 확장하면 1~3분 서비스 중단이 발생할 수 있습니다. 쿼리 성능은 SKU 마이그레이션 중에 영향을 받을 수 있으며 사용 패턴에 따라 영향 범위가 달라질 수 있습니다.

SKU 가용성

SKU 가용성은 다음 요인에 따라 다릅니다.

• 지역: 모든 SKU를 모든 지역 또는 가용성 영역에서 사용할 수 있는 것은 아닙니다. 자세한 내용은 지역별 가용성에 대한 각 SKU 페이지를 참조하세요.
• 구독: 일부 SKU는 특정 구독 유형에만 사용할 수 있습니다. 비즈니스 요구 사항을 충족하는 위치 또는 영역에서 구독에 SKU를 사용할 수 없는 경우 Azure 지원에 SKU 요청을 제출합니다.

SKU 옵션

다음 SKU 시리즈는 Azure Data Explorer 클러스터 VM에 사용할 수 있습니다. 컴퓨팅 및 스토리지 최적화 범주 내의 SKU 제품군은 권장하는 순서대로 순위가 매겨집니다.

스토리지 최적화

SKU 시리즈	사용 가능한 vCPU 구성	SKU 형식	Premium Storage 지원
Lasv3	8, 16 , 32	AMD	예
Lsv3	8, 16 , 32	Intel	예
Easv4, Easv5, ECasv5	8, 16	AMD	예
Esv4, Esv5	8, 16	Intel	예
DSv2	8, 16	Intel	예

컴퓨팅 최적화

SKU 시리즈	사용 가능한 vCPU 구성	SKU 형식	Premium Storage 지원
Eadsv5, ECadsv5	2, 4, 8, 16	AMD	예
Edv4, Edv5	2, 4, 8, 16	Intel	예
Eav4	2, 4, 8, 16	AMD	예
Dv2	2, 4, 8, 16	Intel	예

참고

2개의 코어가 있는 모든 컴퓨팅 최적화 SKU를 개발 클러스터로 구성할 수 있습니다.

L32asv3/L32sv3은 매우 큰 L16asv3/L16sv3 클러스터가 1000개의 클러스터 노드 제한에 도달하거나 동시 요청 속도가 매우 높은 클러스터를 사용하는 경우에만 사용하는 것이 좋습니다. ECasv5 및 ECadsv5는 기밀 컴퓨팅 SKU입니다. 자세한 내용은 기밀 컴퓨팅 VM에 대해 읽어보세요. 스토리지 최적화 ECasv5 SKU의 경우 고유한 CMK( 고객 관리형 키 )를 사용하는 경우 스토리지 계정과 Premium Storage 디스크 모두에서 CMK 암호화가 수행됩니다.

• Azure Data Explorer 컴퓨팅 및 스토리지 격리를 사용하면 가장 최적의 비용 SKU로 시작하고 사용 패턴 또는 데이터 손실을 익힌 후 다른 SKU로 이동할 수 있습니다.
• Azure Data Explorer ListSkus API를 사용하여 지역별 업데이트된 컴퓨팅 SKU 목록을 볼 수 있습니다.

캐시 크기

Azure Data Explorer는 각 Azure 컴퓨팅 SKU 사양에 표시된 디스크 크기 중 클러스터 작업에 사용할 부분을 예약합니다. 각 SKU의 정확한 캐시 크기는 포털의 SKU 선택 섹션에서 볼 수 있습니다.

관련 콘텐츠

• 가격 계산기를 사용하는 방법 알아보기