기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# Amazon EKS에 의해 오케스트레이션된 SageMaker HyperPod 클러스터의 스토리지 구성
<a name="sagemaker-hyperpod-eks-setup-storage"></a>

클러스터 관리자는 SageMaker HyperPod 클러스터에 대한 훈련 중에 데이터 과학자 사용자가 입력 및 출력 데이터를 관리하고 체크포인트를 저장할 수 있도록 스토리지를 구성해야 합니다.

**대규모 데이터세트 처리(입력/출력 데이터)**
+ **데이터 액세스 및 관리**: 데이터 과학자는 기계 학습 모델을 훈련하는 데 필요한 대규모 데이터세트로 작업하는 경우가 많습니다. 작업 제출에서 스토리지 파라미터를 지정하면 이러한 데이터세트의 위치(예: Amazon S3 버킷, Kubernetes의 영구 볼륨)와 작업 실행 중 액세스 방법을 정의할 수 있습니다.
+ **성능 최적화**: 입력 데이터에 액세스하는 효율성은 훈련 작업의 성능에 상당한 영향을 미칠 수 있습니다. 데이터 과학자는 스토리지 파라미터를 최적화하여 데이터를 효율적으로 읽고 쓰도록 하여 I/O 병목 현상을 줄일 수 있습니다.

**체크포인트 저장**
+ **훈련의 체크포인트**: 장기 실행 훈련 작업 중에 모델의 중간 상태인 체크포인트를 저장하는 것이 일반적인 방법입니다. 이를 통해 데이터 과학자는 처음부터 시작하는 대신 장애가 발생할 경우 특정 시점에서 훈련을 재개할 수 있습니다.
+ **데이터 복구 및 실험**: 데이터 과학자는 체크포인트의 스토리지 위치를 지정하여 이러한 체크포인트가 잠재적으로 중복성과 고가용성을 제공하는 분산 스토리지 시스템에 안전하게 저장되도록 할 수 있습니다. 이는 중단으로부터 복구하고 다양한 훈련 전략을 실험하는 데 매우 중요합니다.

**작은 정보**  
Amazon EKS로 오케스트레이션된 SageMaker HyperPod 클러스터의 스토리지를 설정하는 방법에 대한 실습 경험 및 지침은 [SageMaker HyperPod 워크숍의 Amazon EKS 지원](https://catalog.us-east-1.prod.workshops.aws/workshops/2433d39e-ccfe-4c00-9d3d-9917b729258e)에서 다음 섹션을 참조하세요.  
[SageMaker HyperPod에서 Amazon FSx for Lustre 설정](https://catalog.us-east-1.prod.workshops.aws/workshops/2433d39e-ccfe-4c00-9d3d-9917b729258e/en-US/01-cluster/06-fsx-for-lustre)
[Mountpoint for Amazon S3를 사용하여 Amazon S3용 탑재 지점 설정](https://catalog.us-east-1.prod.workshops.aws/workshops/2433d39e-ccfe-4c00-9d3d-9917b729258e/en-US/01-cluster/09-s3-mountpoint) [ Amazon S3](https://docs.aws.amazon.com/AmazonS3/latest/userguide/mountpoint.html)