YG Tech Blog

오늘의 주제 소개이제 많은 외국계 회사에서 화상 회의는 일상입니다. Zoom, Teams, Google Meet 같은 도구를 통해 팀원, 클라이언트, 파트너와 실시간으로 협업하죠.그런데 화상 회의에는 대면 회의와 다른 어려움이 있습니다. 인터넷 연결이 불안정할 수 있고, 서로 발언이 겹치기도 하며, 표정이나 분위기를 파악하기 어려운 경우도 많습니다.이럴 때는 명확하고 정중한 영어 표현을 사용해야 합니다.특히 다음과 같은 상황에서 유용합니다:연결 상태 확인하기상대방 발언이 잘 안 들릴 때 정중히 요청하기발언권을 요청하거나 양보하기화면 공유/자료 공유를 매끄럽게 요청하기오늘은 화상 회의에서 자주 발생하는 상황별 핵심 영어 표현을 배우고, 이를 실제 롤플레이로 연습해 보겠습니다.실전 사례Ravi, 인도 출신의..

오늘의 주제 소개외국계 회사에서 회의에 참석하다 보면, 팀 리더가 “Can you give us a quick update?”라고 물을 때가 있습니다.그 순간 긴장해서 말이 꼬이거나, 중구난방으로 설명하다가 오히려 신뢰를 잃는 경우가 많습니다.보고는 길게 하는 것보다 짧고 구조적으로 핵심만 전달하는 것이 훨씬 중요합니다.특히 영어로 진행 상황을 보고할 때는Context(맥락) → 2) Progress(진행 상황) → 3) Next steps(다음 단계)이 세 가지를 간단하게 나누어 말하면 효과적입니다.오늘은 영어 회의에서 진행 상황을 명확하고 구조적으로 보고하는 기술을 다룹니다.실제로 쓸 수 있는 표현과, 이를 활용한 롤플레이 시나리오를 통해 실습해보겠습니다.실전 사례Anya, 우크라이나 출신의 팀 리더..

오늘의 주제 소개영어 회의에서 가장 난감한 순간은 “의견을 내야 하는데 혹시 분위기를 깨지 않을까?”일 때입니다.특히 다른 사람의 발언에 반대할 때는 더 조심스럽죠. 한국어로도 어려운 ‘정중한 반대’가 영어라면 부담감은 두 배가 됩니다.하지만 의견을 표현하지 않으면 팀에서 존재감이 약해지고, “생각이 없는 사람”처럼 보일 수도 있습니다.글로벌 직장에서 중요한 것은 무조건 동의하는 태도가 아니라, 정중하면서도 명확하게 자신의 관점을 전달하는 것입니다.오늘은 회의에서 자연스럽게 의견을 제시하고, 필요할 때는 부드럽게 반대할 수 있는 영어 전략을 소개합니다.실전 사례Tariq, UAE의 전략팀 직원은 늘 조용히 회의에 앉아 있었습니다.동료들의 의견에 동의하지 않을 때도 있었지만, 영어로 직접 반대하는 것이 무..

오늘의 주제 소개외국계 회사에 다니는 직장인이라면 누구나 한 번쯤 경험합니다.회의에 들어가면 머릿속에 하고 싶은 말은 많지만, 언제 어떻게 시작해야 할지 몰라 조용히 넘어가 버리는 순간 말이죠.특히 영어로 진행되는 회의에서는 “문법이 틀리면 어쩌지?”, “내 발음이 이상하면 어떻게 생각할까?”라는 불안 때문에 더 쉽게 위축됩니다.하지만 글로벌 직장에서 중요한 것은 원어민 같은 영어가 아닙니다.팀원들은 당신이 문법적으로 완벽하게 말하길 기대하지 않습니다. 오히려 회의에 적극적으로 참여하고, 명확하게 기여하는 태도를 보고 싶어 합니다.즉, 회의에서 중요한 것은 용기 있게 첫 발언을 시작하는 것입니다.이번 글에서는 영어 회의에서 말문을 열고 첫 발언을 자신 있게 시작할 수 있는 전략을 알아봅니다.실전에서 바로..

왜 하이브리드 스케줄링이 필요한가 현대의 HPC와 AI 인프라는 단일 워크로드만 다루지 않습니다. 연구 부문에서는 MPI 기반 HPC Job이 돌아가고, AI 부문에서는 딥러닝 학습과 추론이 Kubernetes 기반 MLOps 워크플로우 위에서 운영됩니다. 이러한 환경에서 스케줄링 시스템을 이원화하면, 자원이 비효율적으로 분리되고 관리 복잡도가 급격히 증가합니다. 따라서 Slurm과 Kubernetes를 연계하는 하이브리드 Scheduling이 필요합니다. Slurm은 HPC Job 관리에 강점을 가지고, Kubernetes는 컨테이너화된 ML/서비스 워크로드 관리에 강점을 가집니다. 이를 조합하면 자원 활용률을 극대화하고, 사용자 경험을 단일화할 수 있습니다. Slurm과 Kubernetes의 역할 ..

에너지 최적화가 중요한 이유 HPC 및 GPU 클러스터는 막대한 전력 소모를 동반합니다. 최신 NVIDIA H100 GPU 한 장만 해도 700W 이상을 소모하며, 수백~수천 장 규모의 클러스터는 메가와트 단위의 전력 소비로 이어집니다. 운영 비용뿐 아니라 ESG(Environmental, Social, Governance) 측면에서도 에너지 효율은 점점 더 중요한 주제가 되고 있습니다. 따라서 단순히 Job을 빠르게 처리하는 것을 넘어, 전력 효율까지 고려한 스케줄링(Energy-Aware Scheduling) 전략이 필요합니다. 이를 통해 운영 비용 절감, 탄소 배출 저감, 그리고 지속 가능한 HPC 인프라 운영이 가능해집니다. Energy-Aware Scheduling의 개념 Energy-Awar..

GPU 메모리 관리가 중요한 이유 GPU 클러스터 운영에서 가장 흔히 발생하는 오류 중 하나는 Out-of-Memory(OOM) 에러입니다. 학습(Job)이나 추론(Job)이 GPU 메모리를 초과해서 사용하려 하면 Job이 강제 종료되거나 성능이 급격히 저하됩니다. 특히 대규모 모델 학습에서는 GPU 메모리 한계가 시스템 안정성에 직접적으로 영향을 주며, 추론 환경에서는 Latency 증가로 이어집니다. 따라서 GPU 스케줄링은 단순히 GPU 개수만 고려하는 것이 아니라 GPU 메모리 사용량까지 고려해야 효율적이고 안정적인 운영이 가능합니다. 이를 GPU Memory-Aware Scheduling이라고 부릅니다. GPU Memory-Aware Scheduling의 개념 GPU Memory-Aware S..

왜 자원 프로파일링이 필요한가 GPU 클러스터를 운영하다 보면 동일한 “GPU Job”이라도 학습(Training)과 추론(Inference) 워크로드의 특성이 크게 다릅니다. Training Job은 장시간 실행, 대규모 GPU 및 CPU 동시 활용, 빈번한 AllReduce 통신이 특징입니다.Inference Job은 짧은 응답 시간, 소규모 GPU 사용, 배치 처리보다는 대화형 성격이 강합니다. 이 차이를 무시하고 동일한 스케줄링 정책을 적용하면 학습 Job은 추론 요청에 밀려 지연되고, 반대로 추론 Job은 대규모 학습에 막혀 SLA를 만족하지 못합니다. 따라서 운영자는 **Job 자원 프로파일링(Resource Profiling)**을 기반으로 스케줄링 정책을 차별화해야 합니다. Trainin..

Preemption이 필요한 이유 HPC와 GPU 클러스터 운영에서 가장 까다로운 과제 중 하나는 긴급 Job과 장기 Job이 동시에 존재하는 환경입니다. 연구자나 엔지니어는 수일 동안 GPU 수십 개를 점유하는 학습 Job을 제출하기도 하고, 동시에 고객 데모나 실험 검증과 같은 짧은 긴급 Job을 즉시 실행해야 하는 상황도 발생합니다. 단순한 FIFO 스케줄링만 적용하면 긴급 Job은 장기 Job 뒤에 밀려 즉시 실행되지 못하고, 반대로 긴급 Job만 우선 실행하면 장기 Job이 계속 중단되어 비효율이 발생합니다. 이런 문제를 해결하기 위해 도입되는 것이 **Preemption(선점 스케줄링)**입니다. Preemption은 이미 실행 중인 Job을 일시 중단하거나 종료시켜 긴급 Job에 자원을 할당..

멀티유저 환경에서의 자원 경쟁 문제 HPC 및 GPU 클러스터는 대부분 여러 사용자 그룹이 동시에 공유하는 멀티테넌트 환경으로 운영됩니다. 연구소, 기업, 대학 HPC 센터에서는 수십~수백 명의 사용자가 동시에 Job을 제출하며, 각자의 요구사항은 크게 다릅니다.예를 들어 일부 사용자는 장시간 대규모 GPU 학습을 요청하는 반면, 다른 사용자는 짧고 반복적인 실험을 원합니다. 이런 상황에서 단순한 FIFO(First-In-First-Out) 방식이나 우선순위 기반 큐잉만으로는 공정성을 보장하기 어렵습니다. 특정 사용자 또는 팀이 클러스터를 과도하게 점유하면, 다른 사용자들은 Job이 밀려 불만이 커집니다. 이를 해결하기 위해 Multi-QoS(Quality of Service)와 Fairshare 정책을..