ParallelCluster 잘 쓰고 있는데, 왜 AWS PCS인가(1부) — 관리형 Slurm의 가치와 비용 구조

문제 상황

• ParallelCluster의 클러스터 재생성 기반 버전 업그레이드와 헤드 노드 장애 복구 부담
• 장기 실행 HPC 작업 중 OS·스케줄러 패치 시 발생 가능한 작업 중단 위험

구조와 흐름

• AWS 관리 서비스 VPC의 Slurm 컨트롤러·큐·accounting DB와 고객 VPC의 EC2 컴퓨트 노드 분리
• 고객 VPC 로그인 노드에서 sbatch·srun으로 작업 제출 후 관리형 컨트롤러가 노드 배정
• 컴퓨트 노드 AMI, 애플리케이션, 스토리지, 네트워크와 EC2 구매 약정은 고객 관리 영역 유지

선택 이유

• 컨트롤러 패치·장애 복구·in-place 업그레이드를 AWS가 담당하고 월 99.9% SLA 제공
• 컨트롤러 업데이트와 컴퓨트 노드 롤링 교체로 실행 작업 연속성 확보
• 신규 HPC 워크로드의 관리 부담 완화와 기존 ParallelCluster 환경의 blue/green 검증 기반 전환

트레이드오프

• EC2·스토리지 비용 외 컨트롤러, 노드 관리, 선택형 Slurm Accounting 요금 추가
• 상시 가동 환경에서는 노드 관리비, 저가동 환경에서는 컨트롤러 고정비 비중 확대
• 비용 민감도와 세밀한 커스터마이징 요구가 높은 환경에서는 ParallelCluster 선택 가능성