AI 워크로드 최적화를 위한 Nutanix의 Bare Metal K8s 전환 전략

Context

하드웨어 공급망 병목으로 인한 서버 수급 난항 발생. VMware 탈피 고객의 기존 하드웨어 재사용 요구 증가. 가상화 계층의 오버헤드로 인한 AI 학습 성능 저하 문제 직면.

Technical Solution

• 하드웨어 호환성 목록(HCL) 확장을 통한 서버 모델 및 사양 지원 범위 확대
• Compute 노드와 Storage 노드의 독립적 스케일링 구조 설계
• 가상화 계층을 제거한 NKP Metal 기반의 Bare Metal Kubernetes 배포 방식 도입
• Edge 인프라 내 컨테이너 앱 플랫폼의 배포 및 운영 효율성 개선
• 외부 Storage Array(Dell, Pure Storage, NetApp, Lenovo) 지원을 통한 소프트웨어 정의 스토리지 의존도 완화
• NetApp 전용 마이그레이션 툴을 활용한 기존 VM 및 스토리지 데이터 이전 경로 확보

Key Takeaway

AI 학습과 같은 고성능 워크로드에서는 가상화의 운영 이점보다 Bare Metal의 하드웨어 직접 제어 성능이 더 결정적인 가치를 제공함.