# 전체 차트 리소스 정의

## 개요

DIP 카탈로그의 모든 35개 Helm 차트에 대한 상세한 리소스 요구사항을 정리한 완전한 가이드입니다. 각 차트별로 Small, Medium, Large 티어의 CPU, 메모리, 볼륨 할당량을 제공합니다.

---

## 1. airflow
**Apache Airflow - 워크플로우 오케스트레이션**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Scheduler** | 250m/512Mi → 1000m/1Gi | 500m/1Gi → 2000m/2Gi | 1000m/2Gi → 4000m/4Gi |
| **Workers** | 500m/1Gi → 2000m/2Gi | 1000m/2Gi → 4000m/4Gi | 2000m/4Gi → 8000m/8Gi |
| **Webserver** | 200m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi | 1000m/1Gi → 2000m/2Gi |
| **Redis** | 100m/128Mi → 200m/256Mi | 200m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi |
| **PostgreSQL** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **PostgreSQL Data** | 10Gi | 50Gi | 200Gi |
| **Redis Data** | 1Gi | 5Gi | 20Gi |
| **Logs Volume** | 5Gi | 20Gi | 100Gi |
| **DAGs Volume** | 1Gi | 5Gi | 20Gi |

**권장 사용 시나리오:**
- Small: 개발/테스트, 소규모 워크플로우 (< 10 DAGs)
- Medium: 스테이징, 중간 규모 워크플로우 (10-50 DAGs)
- Large: 프로덕션, 대규모 워크플로우 (50+ DAGs)


**custom-values.yaml 설정**
``` yaml
worker:
  resources: {}
  #  limits:
  #   cpu: 100m
  #   memory: 128Mi
  #  requests:
  #   cpu: 100m
  #   memory: 128Mi
scheduler:
  replicas: 1
  resources: {}
  #  limits:
  #   cpu: 100m
  #   memory: 128Mi
  #  requests:
  #   cpu: 100m
  #   memory: 128Mi
webserver:
  replicas: 1
  resources: {}
  #   limits:
  #     cpu: 100m
  #     memory: 128Mi
  #   requests:
  #     cpu: 100m
  #     memory: 128Mi

dags:
  persistence:
    enabled: true
    size: 5Gi
    storageClassName: "longhorn"

logs:
  persistence:
    enabled: true
    size: 5Gi
    storageClassName: longhorn
redis:
  persistence:
    # Enable persistent volumes
    enabled: true
    size: 1Gi
    storageClassName: "longhorn"
  resources: {}
  #  limits:
  #   cpu: 100m
  #   memory: 128Mi
  #  requests:
  #   cpu: 100m
  #   memory: 128Mi
postgresql:
  primary:
    persistence:
      enabled: true
      size: 8Gi                 # airflow에서 사용하는 DB의 볼륨 사이즈 설정
      storageClass: "longhorn"
    resources: {}
      # limits: 
      #   memory: 512Mi
      #   cpu: 500m
      # requests:
      #   memory: 256Mi
      #   cpu: 250m
```
---

## 2. argo-cd
**ArgoCD - GitOps 지속적 배포**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Server** | 200m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi | 1000m/1Gi → 2000m/2Gi |
| **Controller** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Repo Server** | 200m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi | 1000m/1Gi → 2000m/2Gi |
| **Redis** | 100m/128Mi → 200m/256Mi | 200m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi |
| **Dex** | 50m/96Mi → 100m/144Mi | 100m/144Mi → 200m/256Mi | 200m/256Mi → 500m/512Mi |
| **ApplicationSet Controller** | 100m/128Mi → 200m/256Mi | 200m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi |
| **Notifications** | 100m/128Mi → 200m/256Mi | 200m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi |

**볼륨 사이즈 권장사항:  필요 사항인지 검토 필요**
- 현재 배포 시 볼륨 없이 배포.
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Redis Data** | 1Gi | 5Gi | 20Gi |
| **Repository Cache** | 2Gi | 10Gi | 50Gi |

**권장 사용 시나리오:**
- Small: 개발팀, 소규모 애플리케이션 (< 20개)
- Medium: 중간 규모 조직 (20-100개 애플리케이션)
- Large: 대규모 엔터프라이즈 (100+ 애플리케이션)

**custom-values.yaml 설정**
``` yaml
controller:
  resources: {}
  #  limits:
  #    cpu: 500m
  #    memory: 512Mi
  #  requests:
  #    cpu: 250m
  #    memory: 256Mi
dex:
  resources: {}
  #  requests:
  #    cpu: 5m
  #    memory: 96Mi
  #  limits:
  #    cpu: 10m
  #    memory: 144Mi
redis:
  resources: {}
  #  limits:
  #    cpu: 200m
  #    memory: 128Mi
  #  requests:
  #    cpu: 100m
  #    memory: 64Mi
server:
  resources: {}
  #  limits:
  #    cpu: 100m
  #    memory: 128Mi
  #  requests:
  #    cpu: 50m
  #    memory: 64Mi
repoServer:
  resources: {}
  #  limits:
  #    cpu: 50m
  #    memory: 128Mi
  #  requests:
  #    cpu: 10m
  #    memory: 64Mi
applicationSet:
  resources: {}
    # limits:
    #   cpu: 100m
    #   memory: 128Mi
    # requests:
    #   cpu: 100m
    #   memory: 128Mi
notifications:
  resources: {}
    # limits:
    #   cpu: 100m
    #   memory: 128Mi
    # requests:
    #   cpu: 100m
    #   memory: 128Mi
```
---

## 3. cert-manager
**인증서 관리**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Controller** | 100m/256Mi → 250m/512Mi | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi |
| **Webhook** | 50m/128Mi → 100m/256Mi | 100m/256Mi → 200m/512Mi | 200m/512Mi → 500m/1Gi |
| **CA Injector** | 50m/128Mi → 100m/256Mi | 100m/256Mi → 200m/512Mi | 200m/512Mi → 500m/1Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Certificate Storage** | 1Gi | 2Gi | 5Gi |

**권장 사용 시나리오:**
- Small: 소규모 클러스터 (< 50개 인증서)
- Medium: 중간 규모 클러스터 (50-200개 인증서)
- Large: 대규모 클러스터 (200+ 인증서)

**custom-values.yaml 설정**
``` yaml
# controller 리소스 설정
resources: {}
#  requests:
#    cpu: 10m
#    memory: 32Mi
webhook:
  resources: {}
  #  requests:
  #    cpu: 10m
  #    memory: 32Mi
cainjector:
  resources: {}
  #  requests:
  #    cpu: 10m
  #    memory: 32Mi
```
---

## 4. dnsup
**DNS 업데이트 유틸리티**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **DNS Updater** | 10m/32Mi → 20m/128Mi | 20m/64Mi → 50m/256Mi | 50m/128Mi → 100m/512Mi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Config Storage** | 100Mi | 500Mi | 1Gi |

**권장 사용 시나리오:**
- Small: 단일 도메인 관리
- Medium: 다중 도메인 관리
- Large: 대규모 DNS 레코드 관리

**custom-values.yaml 설정**
``` yaml
resources: {}
#  requests:
#    cpu: 10m
#    memory: 32Mi
#  limits:
#    cpu: 20m
#    memory: 64Mi
```
---

## 5. flowise
**AI 워크플로우 빌더**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **API Server** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Database** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Database Data** | 5Gi | 20Gi | 100Gi |
| **Flow Storage** | 2Gi | 10Gi | 50Gi |

**권장 사용 시나리오:**
- Small: 개발/프로토타이핑
- Medium: 소규모 프로덕션
- Large: 대규모 AI 워크플로우

**custom-values.yaml 설정**
``` yaml
resources: {}
  # requests:
  #   cpu: 500m
  #   memory: 1Gi
  # limits:
  #   cpu: 1000m
  #   memory: 2Gi
persistence:
  enabled: true
  size: 2Gi
  storageClass: longhorn
worker:
  resources: {}
    # requests:
    #   cpu: 100m
    #   memory: 128Mi
    # limits:
    #   cpu: 100m
    #   memory: 128Mi
postgresql:
  enabled: true
  primary:
    persistence:
      enabled: true
      storageClass: "longhorn"
      size: 5Gi
    resources: {}
      # limits: 
      #   memory: 512Mi
      #   cpu: 500m
      # requests:
      #   memory: 256Mi
      #   cpu: 250m
```

---

## 6. gitea
**Git 서버**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Gitea** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **PostgreSQL** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Git Repositories** | 10Gi | 100Gi | 500Gi |
| **PostgreSQL Data** | 5Gi | 20Gi | 100Gi |

**권장 사용 시나리오:**
- Small: 개인/소규모 팀 (< 10 사용자)
- Medium: 중간 규모 팀 (10-50 사용자)
- Large: 대규모 조직 (50+ 사용자)

**custom-values.yaml 설정**
``` yaml
resources: {}
  # limits:
  #   cpu: 100m
  #   memory: 128Mi
  # requests:
  #   cpu: 100m
  #   memory: 128Mi
persistence:
  size: 10Gi
  storageClass: "longhorn"

postgresql:
  persistence:
    size: 5Gi
  resources:
    requests:
      memory: 256Mi
      cpu: 250m
```

---

## 7. harbor
**컨테이너 레지스트리**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Core** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Registry** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Portal** | 200m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi | 1000m/1Gi → 2000m/2Gi |
| **JobService** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Database** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Redis** | 200m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi | 1000m/1Gi → 2000m/2Gi |
| **Trivy** | 200m/512Mi → 1000m/1Gi | 1000m/1Gi → 2000m/2Gi | 2000m/2Gi → 4000m/4Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Registry Storage** | 50Gi | 500Gi | 2Ti |
| **Database Data** | 10Gi | 50Gi | 200Gi |
| **Redis Data** | 1Gi | 5Gi | 20Gi |
| **Trivy Cache** | 5Gi | 20Gi | 100Gi |

**권장 사용 시나리오:**
- Small: 개발팀 (< 100 이미지)
- Medium: 중간 규모 조직 (100-1000 이미지)
- Large: 엔터프라이즈 (1000+ 이미지)

**custom-values.yaml 설정**
``` yaml
portal:
  resources: {}
    # requests:
    #   memory: 256Mi
    #   cpu: 100m
core:
  resources: {}
  #  requests:
  #    memory: 256Mi
  #    cpu: 100m
jobservice:
  # resources:
  #   requests:
  #     memory: 256Mi
  #     cpu: 100m
registry:
  registry:
    resources:
      requests:
        memory: 256Mi
        cpu: 100m
  controller:
    resources:
      requests:
        memory: 256Mi
        cpu: 100m
trivy:
  resources:
    requests:
      cpu: 200m
      memory: 512Mi
    limits:
      cpu: 1
      memory: 1Gi
database:
  shmSizeLimit: 512Mi
  # resources:
    #  requests:
    #    memory: 256Mi
    #    cpu: 100m
```

---

## 8. kafka (사용 안함)
**분산 스트리밍 플랫폼**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Kafka Brokers** | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi | 4000m/8Gi → 8000m/16Gi |
| **Zookeeper** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Kafka Data** | 20Gi | 200Gi | 1Ti |
| **Kafka Logs** | 10Gi | 50Gi | 200Gi |
| **Zookeeper Data** | 5Gi | 20Gi | 100Gi |

**권장 사용 시나리오:**
- Small: 개발/테스트 (< 10 토픽)
- Medium: 중간 처리량 (10-100 토픽)
- Large: 고처리량 (100+ 토픽)

---

## 9. kafka-ui
**Kafka 관리 UI**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **UI Server** | 200m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |

**권장 사용 시나리오:**
- Small: 소규모 Kafka 클러스터 모니터링
- Medium: 중간 규모 클러스터 관리
- Large: 대규모 클러스터 관리

**custom-values.yaml 설정**
``` yaml
resources: {}
  # limits:
  #   cpu: 200m
  #   memory: 512Mi
  # requests:
  #   cpu: 200m
  #   memory: 256Mi
```

---

## 10. keycloak
**인증 및 권한 관리**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Keycloak** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **PostgreSQL** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **PostgreSQL Data** | 5Gi | 20Gi | 100Gi |

**권장 사용 시나리오:**
- Small: 소규모 조직 (< 100 사용자)
- Medium: 중간 규모 조직 (100-1000 사용자)
- Large: 대규모 엔터프라이즈 (1000+ 사용자)

**custom-values.yaml 설정**
``` yaml
resources: {}
  # requests:
  #   cpu: "500m"
  #   memory: "1024Mi"
  # limits:
  #   cpu: "500m"
  #   memory: "1024Mi"

# 내부 postgresql 사용시 설정
postgresql:
  persistence:
    enabled: true
      size: 5Gi                 # airflow에서 사용하는 DB의 볼륨 사이즈 설정
      storageClass: "longhorn"
  resources: {}
    # limits: 
    #   memory: 512Mi
    #   cpu: 500m
    # requests:
    #   memory: 256Mi
    #   cpu: 250m
```

---

## 11. kong
**API 게이트웨이**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Kong Proxy** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Kong Ingress Controller** | 200m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi | 1000m/1Gi → 2000m/2Gi |
| **PostgreSQL** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **PostgreSQL Data** | 5Gi | 20Gi | 100Gi |

**권장 사용 시나리오:**
- Small: 소규모 API (< 10 서비스)
- Medium: 중간 규모 API (10-50 서비스)
- Large: 대규모 마이크로서비스 (50+ 서비스)

**custom-values.yaml 설정**
``` yaml

# proxy 서버 자원 설정(initContainer도 설정을 공유)
resources: {}
  # limits:
  #  cpu: 1
  #  memory: 2G
  # requests:
  #  cpu: 1
  #  memory: 2G

ingressController:
  resources: {}
  # Example reasonable setting for "resources":
  # resources:
  #   limits:
  #     cpu: 100m
  #     memory: 256Mi
  #   requests:
  #     cpu: 50m
  #     memory: 128Mi

postgresql:
  resources: {}
    # limits: 
    #   memory: 512Mi
    #   cpu: 500m
    # requests:
    #   memory: 256Mi
    #   cpu: 250m
```

---

## 12. kserve
**ML 모델 서빙**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Inference Service** | 2000m/4Gi + 1GPU → 4000m/8Gi + 1GPU | 4000m/8Gi + 1GPU → 8000m/16Gi + 2GPU | 8000m/16Gi + 2GPU → 16000m/32Gi + 4GPU |


**권장 사용 시나리오:**
- Small: 소형 모델 서빙
- Medium: 중간 규모 모델 서빙
- Large: 대형 모델 또는 고처리량 서빙

**custom-values.yaml 설정**
``` yaml
inferenceService:
  resources:
    limits:
      cpu: "8"
      memory: 16Gi
      nvidia.com/gpu: "1"
    requests:
      cpu: "4"
      memory: 8Gi
      nvidia.com/gpu: "1"
```
---

## 13. kubeflow : kustomize 배포, 추가 검토 필요
**ML 플랫폼**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Central Dashboard** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Jupyter Controller** | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi | 4000m/8Gi → 8000m/16Gi |
| **Katib Controller** | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi | 4000m/8Gi → 8000m/16Gi |
| **Pipeline** | 2000m/4Gi → 4000m/8Gi | 4000m/8Gi → 8000m/16Gi | 8000m/16Gi → 16000m/32Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Pipeline Storage** | 20Gi | 100Gi | 500Gi |
| **Notebook Storage** | 10Gi | 50Gi | 200Gi |
| **Artifacts** | 10Gi | 100Gi | 500Gi |

**권장 사용 시나리오:**
- Small: 개발/실험 환경
- Medium: 소규모 ML 팀
- Large: 대규모 ML 조직



---

## 14. kyverno
**정책 엔진**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Admission Controller** | 200m/512Mi → 500m/1Gi | 500m/1Gi → 800m/1.5Gi | 1000m/2Gi → 2000m/4Gi |
| **Background Controller** | 200m/512Mi → 400m/1Gi | 400m/1Gi → 700m/1.5Gi | 1000m/2Gi → 1500m/3Gi |
| **Cleanup Controller** | 100m/256Mi → 200m/512Mi | 200m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi |
| **Reports Controller** | 100m/256Mi → 200m/512Mi | 200m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi |


**권장 사용 시나리오:**
- Small: 소규모 클러스터 (< 50 정책)
- Medium: 중간 규모 클러스터 (50-200 정책)
- Large: 대규모 클러스터 (200+ 정책)

**custom-values.yaml 설정**
``` yaml
admissionController:
  container:
    resources:
      # -- Pod resource limits
      limits:
        memory: 384Mi
      # -- Pod resource requests
      requests:
        cpu: 100m
        memory: 128Mi
backgroundController:
  resources:
    # -- Pod resource limits
    limits:
      memory: 128Mi
    # -- Pod resource requests
    requests:
      cpu: 100m
      memory: 64Mi
cleanupController:
  resources:
    # -- Pod resource limits
    limits:
      memory: 128Mi
    # -- Pod resource requests
    requests:
      cpu: 100m
      memory: 64Mi

reportsController:
  resources:
    # -- Pod resource limits
    limits:
      memory: 128Mi
    # -- Pod resource requests
    requests:
      cpu: 100m
      memory: 64Mi
```

---

## 15. langflow-ide
**AI 워크플로우 IDE**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Frontend** | 300m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |
| **Backend** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **PostgreSQL** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **PostgreSQL Data** | 5Gi | 20Gi | 100Gi |
| **Backend Storage** | 10Gi | 50Gi | 200Gi |
| **Flow Files** | 2Gi | 10Gi | 50Gi |

**권장 사용 시나리오:**
- Small: 개인 개발자
- Medium: 소규모 팀
- Large: 대규모 AI 개발팀

**custom-values.yaml 설정**
``` yaml
langflow:
  backend:
    resources:
      requests:
        cpu: 0.5
        memory: 1Gi
      # limits:
      #   cpu: 0.5
      #   memory: 1Gi
  frontend:
    resources:
      requests:
        cpu: 0.3
        memory: 512Mi
      # limits:
      #   cpu: 0.3
      #   memory: 512Mi
postgresql:
  primary:
    persistence:
      size: 5Gi
      storageClass: "longhorn"
    resources: {}
      # limits: 
      #   memory: 512Mi
      #   cpu: 500m
      # requests:
      #   memory: 256Mi
      #   cpu: 250m
```

---

## 16. langfuse
**LLM 추적 및 분석**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Web Server** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Worker** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **PostgreSQL** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |
| **Valkey (Redis)** | 100m/128Mi → 200m/256Mi | 200m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi |
| **ClickHouse** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **ZooKeeper** | 250m/512Gi → 375m/384Mi | 500m/512Mi → 750m/768Mi | 2000m/4Gi → 4000m/8Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **PostgreSQL Data** | 10Gi | 50Gi | 200Gi |
| **Valkey Data** | 8Gi | 20Gi | 100Gi |
| **ClickHouse Data** | 8Gi | 50Gi | 500Gi |

**권장 사용 시나리오:**
- Small: 소규모 LLM 애플리케이션
- Medium: 중간 규모 추적
- Large: 대규모 LLM 서비스

**custom-values.yaml 설정**
``` yaml
langfuse:
  web:
    resources: {}
  worker:
    resources: {}

# Valkey (Redis) 설정 - 기본값 참조
redis:
  primary:
    resources: {}
    persistence:
      enabled: true
      size: 8Gi  # 기본값
      storageClass: ""

postgresql:
  primary:
    persistence:
      enabled: true
      storageClass: "longhorn"
      size: 10Gi
    resources: {}
    


# ClickHouse 설정 - 기본값 참조
clickhouse:
  resources: {}
  persistence:
    enabled: true
    size: 8Gi  # 기본값
    storageClass: ""
  # Zookeeper 설정 (ClickHouse 클러스터링용)
  zookeeper:
    enabled: true
    resources: {}
```

#### 참고) langfuse 자원 설정
- langfuse 차트에서는 resoucePreset을 사용하여 자원을 설정. 
- resource를 설정 시 Preset은 무시됨.
``` go
{{- $presets := dict 
  "nano" (dict 
      "requests" (dict "cpu" "100m" "memory" "128Mi" "ephemeral-storage" "50Mi")
      "limits" (dict "cpu" "150m" "memory" "192Mi" "ephemeral-storage" "2Gi")
   )
  "micro" (dict 
      "requests" (dict "cpu" "250m" "memory" "256Mi" "ephemeral-storage" "50Mi")
      "limits" (dict "cpu" "375m" "memory" "384Mi" "ephemeral-storage" "2Gi")
   )
  "small" (dict 
      "requests" (dict "cpu" "500m" "memory" "512Mi" "ephemeral-storage" "50Mi")
      "limits" (dict "cpu" "750m" "memory" "768Mi" "ephemeral-storage" "2Gi")
   )
  "medium" (dict 
      "requests" (dict "cpu" "500m" "memory" "1024Mi" "ephemeral-storage" "50Mi")
      "limits" (dict "cpu" "750m" "memory" "1536Mi" "ephemeral-storage" "2Gi")
   )
  "large" (dict 
      "requests" (dict "cpu" "1.0" "memory" "2048Mi" "ephemeral-storage" "50Mi")
      "limits" (dict "cpu" "1.5" "memory" "3072Mi" "ephemeral-storage" "2Gi")
   )
  "xlarge" (dict 
      "requests" (dict "cpu" "1.0" "memory" "3072Mi" "ephemeral-storage" "50Mi")
      "limits" (dict "cpu" "3.0" "memory" "6144Mi" "ephemeral-storage" "2Gi")
   )
  "2xlarge" (dict 
      "requests" (dict "cpu" "1.0" "memory" "3072Mi" "ephemeral-storage" "50Mi")
      "limits" (dict "cpu" "6.0" "memory" "12288Mi" "ephemeral-storage" "2Gi")
   )
 }}
```
---

## 17. litellm
**LLM 프록시**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Proxy Server** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Database** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Database Data** | 5Gi | 20Gi | 100Gi |

**권장 사용 시나리오:**
- Small: 개발/테스트
- Medium: 소규모 프로덕션
- Large: 고처리량 프록시

**custom-values.yaml 설정**
``` yaml
resources: {}

postgresql:
  primary:
    resources: {}
    persistence:
      storageClass: ""
      size: 5Gi
```

---

## 18. mlflow
**ML 실험 추적**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Tracking Server** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Run Container** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |
| **PostgreSQL** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |
| **MinIO** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **PostgreSQL Data** | 5Gi | 20Gi | 100Gi |
| **MinIO Storage** | 20Gi | 200Gi | 1Ti |
| **Artifacts** | 10Gi | 100Gi | 500Gi |

**권장 사용 시나리오:**
- Small: 개인 연구자
- Medium: 소규모 ML 팀
- Large: 대규모 ML 조직

**custom-values.yaml 설정**
``` yaml
tracking:
  resources: {}
run:
  resources: {}

postgresql:
  primary:
    resources: {}
    persistence:
      storageClass: ""
      size: 5Gi
```


---

## 19. model-registry : kustomize 배포, kubeflow 최신 버전에 이미 통합


**ML 모델 레지스트리**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Registry Server** | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi | 4000m/8Gi → 8000m/16Gi |
| **Database** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Model Storage** | 50Gi | 500Gi | 2Ti |
| **Database Data** | 10Gi | 50Gi | 200Gi |

**권장 사용 시나리오:**
- Small: 소규모 모델 관리
- Medium: 중간 규모 모델 레지스트리
- Large: 엔터프라이즈 모델 관리

---

## 20. nemo
**NVIDIA NeMo 마이크로서비스 플랫폼**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Data Store** | 200m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |
| **Data Store PostgreSQL** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |
| **Customizer** | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi | 4000m/8Gi → 8000m/16Gi |
| **Customizer PostgreSQL** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |
| **Evaluator** | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi | 4000m/8Gi → 8000m/16Gi |
| **Evaluator PostgreSQL** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |
| **Evaluator Milvus** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Argo Workflows Server** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |
| **Argo Workflows Controller** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Guardrails** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Entity Store** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Entity Store PostgreSQL** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |
| **NeMo Operator - Manager** | 512m/1Gi → 1024m/2Gi | 1024m/2Gi → 2048m/4Gi | 2048m/4Gi → 4096m/8Gi |
| **NeMo Operator - Kube RBAC Proxy** | 5m/64Mi → 500m/128Mi | 100m/128Mi → 250m/256Mi | 250m/256Mi → 500m/512Mi |
| **NIM Operator** | 200m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi | 1000m/1Gi → 2000m/2Gi |
| **Deployment Management** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **NIM Proxy** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Volcano Scheduler** | 200m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi | 1000m/1Gi → 2000m/2Gi |
| **Volcano Controller** | 200m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi | 1000m/1Gi → 2000m/2Gi |
| **Volcano Admission** | 100m/128Mi → 300m/300Mi | 300m/300Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Data Store Storage** | 1Gi | 10Gi | 100Gi |
| **Data Store PostgreSQL** | 1Gi | 10Gi | 100Gi |
| **Customizer Models Storage** | 20Gi | 100Gi | 500Gi |
| **Customizer Training PVC** | 10Gi | 50Gi | 200Gi |
| **Customizer PostgreSQL** | 5Gi | 20Gi | 100Gi |
| **Evaluator PostgreSQL** | 5Gi | 20Gi | 100Gi |
| **Evaluator Milvus** | 10Gi | 50Gi | 200Gi |
| **Entity Store PostgreSQL** | 5Gi | 20Gi | 100Gi |
| **NIM Model Storage (선택적)** | 50Gi | 200Gi | 1Ti |

**권장 사용 시나리오:**
- Small: 개발/테스트 환경, 소규모 AI 워크플로우
- Medium: 스테이징 환경, 중간 규모 모델 개발
- Large: 프로덕션 환경, 대규모 AI/ML 파이프라인

**custom-values.yaml 설정**
``` yaml
# 기본 설정 (현재 custom-values.yaml 기반)
data-store:
  enabled: true
  persistence:
    enabled: true
    size: 1Gi  # 기본값
    storageClass: ""
  resources: {} # 기본값 사용
  postgresql:
    primary:
      persistence:
        storageClass: "longhorn"
        size: 1Gi
      resources: {}

customizer:
  enabled: true
  modelsStorage:
    enabled: true
    size: 20Gi  # 기본값
    storageClassName: ""
  postgresql:
    primary:
      persistence:
        storageClass: "longhorn"
        size: 5Gi
      resources: {}

evaluator:
  enabled: true
  argoWorkflows:
    enabled: true
    crds:
      install: false  # DIP 환경에서는 ArgoCD가 선행 설치됨
  resources: {}
  argoWorkflows:
    controller:
      resources: {}
    server:
      resources: {}
  milvus:
    standalone:
      resources: {}
      persistence:
        persistentVolumeClaim:
          storageClass: ""
          size: 10Gi
  postgresql:
    primary:
      persistence:
        storageClass: "longhorn"
        size: 5Gi
      resources: {}

guardrails:
  enabled: true
  resources: {} 

entity-store:
  enabled: true
  postgresql:
    primary:
      persistence:
        storageClass: "longhorn"
        size: 5Gi
      resources: {}

nemo-operator:
  enabled: true
  controllerManager:
    kubeRbacProxy:
      resources:
        requests:
          cpu: 5m
          memory: 64Mi
        limits:
          cpu: 500m
          memory: 128Mi
    manager:
      resources:
        requests:
          cpu: 512m
          memory: 1Gi
        limits:
          cpu: 1024m
          memory: 2Gi

nim-operator:
  enabled: true
  operator:
    resources:
      limits:
        cpu: "1"
        memory: 256Mi
      requests:
        cpu: 500m
        memory: 128Mi

deployment-management:
  enabled: true
  resources: {} 

nim-proxy:
  enabled: true
  resources: {} 

volcano:
  enabled: true
  custom:
    admission_enable: true
    admission_replicas: 1
    controller_enable: true
    controller_replicas: 1
    scheduler_enable: true
    scheduler_replicas: 1
    admission_resources:
      requests:
        cpu: 100m
        memory: 128Mi
      limits:
        cpu: 300m
        memory: 300Mi
    scheduler_resources:
      requests:
        cpu: 200m
        memory: 256Mi
      limits:
        cpu: 500m
        memory: 512Mi
    controller_resources:
      requests:
        cpu: 200m
        memory: 256Mi
      limits:
        cpu: 500m
        memory: 512Mi
```

---

## 21. nim
**NVIDIA Inference Microservice**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Inference Server** | 4000m/8Gi + 1GPU → 8000m/16Gi + 1GPU | 8000m/16Gi + 2GPU → 16000m/32Gi + 2GPU | 16000m/32Gi + 4GPU → 32000m/64Gi + 4GPU |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Model Storage** | 20Gi | 100Gi | 500Gi |

**권장 사용 시나리오:**
- Small: 소형 모델 추론
- Medium: 중간 처리량 추론
- Large: 고처리량 추론

**custom-values.yaml 설정**
``` yaml
nimService:
  resources:
    requests:
      cpu: 4
      memory: 8Gi
      nvidia.com/gpu: 1
    limits:
      cpu: 8
      memory: 16Gi
      nvidia.com/gpu: 1
  storage:
    pvc:
      storageClass: longhorn
      size: 20Gi
      volumeAccessMode: ReadWriteMany
```

---

## 22. ollama
**로컬 LLM 서빙**

| 컴포넌트 | Small (CPU) | Medium (GPU) | Large (Multi-GPU) |
|----------|-------------|--------------|-------------------|
| **Model Server** | 2000m/4Gi → 4000m/8Gi | 4000m/8Gi + 1GPU → 8000m/16Gi + 1GPU | 8000m/16Gi + 2GPU → 16000m/32Gi + 2GPU |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Model Storage** | 30Gi | 100Gi | 500Gi |

**권장 사용 시나리오:**
- Small: CPU 기반 소형 모델
- Medium: GPU 기반 중간 모델
- Large: 다중 GPU 대형 모델

**custom-values.yaml 설정**
``` yaml
persistentVolume:
  enabled: true
  size: "30Gi"
  storageClass: longhorn

resources:
  requests:
    memory: 4096Mi
    cpu: 2000m
  limits:
    memory: 8192Mi
    cpu: 4000m
```

---

## 23. open-webui
**LLM 웹 인터페이스**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Web Server** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Data Storage** | 2Gi | 10Gi | 50Gi |
| **Upload Storage** | 1Gi | 5Gi | 20Gi |

**권장 사용 시나리오:**
- Small: 개인 사용
- Medium: 소규모 팀
- Large: 대규모 사용자

**custom-values.yaml 설정**
``` yaml
resources: {}
persistence:
  enabled: true
  size: 2Gi
  accessModes:
    - ReadWriteOnce
  storageClass: ""
```

---

## 24. postgresql-ha
**고가용성 PostgreSQL**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **PostgreSQL (Repmgr)** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Pgpool** | 100m/128Mi → 200m/256Mi | 200m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Primary Data** | 20Gi | 100Gi | 500Gi |
| **Replica Data** | 20Gi | 100Gi | 500Gi |
| **WAL Archive** | 10Gi | 50Gi | 200Gi |

**권장 사용 시나리오:**
- Small: 소규모 애플리케이션
- Medium: 중간 규모 데이터베이스
- Large: 고가용성 엔터프라이즈 DB

**custom-values.yaml 설정**
``` yaml
postgresql:
  replicaCount: 3
  resources:
    requests:
      cpu: 100m
      memory: 512Mi
    limits:
      cpu: 500m
      memory: 1024Mi

pgpool:
  resources: {}
  #  requests:
  #    cpu: 100m
  #    memory: 128Mi
  #  limits:
  #    cpu: 200m
  #    memory: 256Mi


persistence:
  enabled: true
  size: 8Gi
  storageClass: ""

volumePermissions:
  enabled: true
  podSecurityContext:
    runAsUser: 0
```

---

## 25. qdrant
**벡터 데이터베이스**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Qdrant Server** | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi | 4000m/8Gi → 8000m/16Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Qdrant Storage** | 10Gi | 100Gi | 1Ti |

**권장 사용 시나리오:**
- Small: 소규모 벡터 검색
- Medium: 중간 규모 임베딩
- Large: 대규모 벡터 데이터베이스

**custom-values.yaml 설정**
``` yaml
resources: {}
  # limits:
  #   cpu: 100m
  #   memory: 128Mi
  # requests:
  #   cpu: 100m
  #   memory: 128Mi

persistence:
  accessModes: ["ReadWriteOnce"]
  size: 10Gi
  storageClassName: ""
```

---

## 26. ragflow
**RAGFlow - AI 기반 문서 검색 및 RAG 시스템**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **RAGFlow** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Infinity** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **MinIO** | 200m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |
| **MySQL** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |
| **Redis** | 100m/256Mi → 200m/512Mi | 200m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Infinity Storage** | 5Gi | 20Gi | 100Gi |
| **MinIO Storage** | 5Gi | 50Gi | 200Gi |
| **MySQL Storage** | 5Gi | 20Gi | 100Gi |
| **Redis Storage** | 5Gi | 10Gi | 50Gi |

**권장 사용 시나리오:**
- Small: 개발/테스트, 소규모 문서 처리 (< 1000개 문서)
- Medium: 중간 규모 RAG 시스템 (1000-10000개 문서)
- Large: 대규모 지식 베이스 (10000+ 개 문서)

**custom-values.yaml 설정**
```yaml
ragflow:
  deployment:
    resources: {}
      # limits:
      #   cpu: 1000m
      #   memory: 2Gi
      # requests:
      #   cpu: 500m
      #   memory: 1Gi

infinity:
  storage:
    className: "longhorn"
    capacity: 5Gi
  deployment:
    resources: {}
      # limits:
      #   cpu: 1000m
      #   memory: 2Gi
      # requests:
      #   cpu: 500m
      #   memory: 1Gi

minio:
  storage:
    className: "longhorn"
    capacity: 5Gi
  deployment:
    resources: {}
      # limits:
      #   cpu: 500m
      #   memory: 1Gi
      # requests:
      #   cpu: 200m
      #   memory: 512Mi

mysql:
  storage:
    className: "longhorn"
    capacity: 5Gi
  deployment:
    resources: {}
      # limits:
      #   cpu: 500m
      #   memory: 1Gi
      # requests:
      #   cpu: 250m
      #   memory: 512Mi

redis:
  storage:
    className: "longhorn"
    capacity: 5Gi
  deployment:
    resources: {}
      # limits:
      #   cpu: 200m
      #   memory: 512Mi
      # requests:
      #   cpu: 100m
      #   memory: 256Mi
```

---

## 27. rancher
**Kubernetes 관리 플랫폼**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Rancher Server** | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi | 4000m/8Gi → 8000m/16Gi |


**권장 사용 시나리오:**
- Small: 소규모 클러스터 관리 (< 5 클러스터)
- Medium: 중간 규모 관리 (5-20 클러스터)
- Large: 대규모 멀티 클러스터 (20+ 클러스터)

**custom-values.yaml 설정**
``` yaml
resources: 
  requests:
    cpu: 100m
    memory: 500Mi
  limits:
    cpu: 1000m
    memory: 1000Mi
```

---

## 28. rancher-monitoring
**Rancher 모니터링 스택 - Prometheus Operator 기반 모니터링**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Prometheus** | 250m/100Mi → 1000m/2Gi | 500m/1Gi → 2000m/4Gi | 1000m/2Gi → 4000m/8Gi |
| **Grafana** | 100m/100Mi → 200m/200Mi | 200m/200Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi |
| **AlertManager** | 100m/100Mi → 1000m/500Mi | 200m/200Mi → 1500m/1Gi | 500m/500Mi → 2000m/2Gi |
| **Prometheus Operator** | 100m/128Mi → 200m/256Mi | 200m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi |
| **Node Exporter** | 50m/64Mi → 100m/128Mi | 100m/128Mi → 200m/256Mi | 200m/256Mi → 500m/512Mi |
| **Kube State Metrics** | 100m/128Mi → 200m/256Mi | 200m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Prometheus Storage** | 10Gi | 50Gi | 200Gi |
| **Grafana Storage** | 1Gi | 5Gi | 20Gi |
| **AlertManager Storage** | 1Gi | 5Gi | 20Gi |

**권장 사용 시나리오:**
- Small: 소규모 클러스터 (< 10 노드, 기본 모니터링)
- Medium: 중간 규모 클러스터 (10-50 노드, 상세 모니터링)
- Large: 대규모 클러스터 (50+ 노드, 멀티 클러스터 모니터링)

**custom-values.yaml 설정**
```yaml
grafana:
  resources:
    requests:
      cpu: 100m
      memory: 100Mi
    limits:
      cpu: 200m
      memory: 200Mi

prometheusOperator:
  resources: {}

prometheus:
  prometheusSpec:
    resources:
      requests:
        cpu: 250m
        memory: 100Mi
      limits:
        cpu: 1000m
        memory: 2000Mi
    # 메트릭 수집 주기
    scrapeInterval: 1m
    # 알림 평가 주기
    evaluationInterval: 1m
    # 메트릭 보관 기간
    retention: 30d
    # 메트릭 보관 용량 (볼륨 크기보다 작게 설정)
    retentionSize: 10GB
    # Prometheus 데이터 저장소 설정
    storageSpec:
      volumeClaimTemplate:
        spec:
          accessModes:
          - ReadWriteOnce
          resources:
            requests:
              storage: 10Gi
          storageClassName: longhorn
          volumeMode: Filesystem

alertmanager:
  alertmanagerSpec:
    resources:
      requests:
        cpu: 100m
        memory: 100Mi
      limits:
        cpu: 1000m
        memory: 500Mi

nodeExporter:
  resources: {}
 
kube-state-metrics:
  resources: {}
```

---

## 29. rancher-monitoring-crd : crd만 배포
**Rancher 모니터링 CRD**

---

## 30. spark-operator
**Apache Spark Operator - Kubernetes에서 Spark 애플리케이션 관리**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Controller** | 100m/300Mi → 200m/512Mi | 200m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi |
| **Webhook** | 50m/128Mi → 100m/256Mi | 100m/256Mi → 200m/512Mi | 200m/512Mi → 500m/1Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Spark Event Logs** | 5Gi | 20Gi | 100Gi |
| **Spark History Server** | 10Gi | 50Gi | 200Gi |

**권장 사용 시나리오:**
- Small: 개발/테스트 환경 (< 10개 동시 Spark 작업)
- Medium: 스테이징/중간 규모 (10-50개 동시 Spark 작업)
- Large: 프로덕션/대규모 환경 (50+ 개 동시 Spark 작업)

**custom-values.yaml 설정**
```yaml
controller:
  resources: {}
    # limits:
    #   cpu: 200m
    #   memory: 512Mi
    # requests:
    #   cpu: 100m
    #   memory: 300Mi

webhook:
  resources: {}
    # limits:
    #   cpu: 100m
    #   memory: 256Mi
    # requests:
    #   cpu: 50m
    #   memory: 128Mi
```
---

## 31. starrocks
**실시간 분석 데이터베이스**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Frontend (FE)** | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi | 4000m/8Gi → 8000m/16Gi |
| **Compute Node (CN)** | 2000m/4Gi → 4000m/8Gi | 4000m/8Gi → 8000m/16Gi | 8000m/16Gi → 16000m/32Gi |
| **FE Proxy** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **FE Metadata** | 10Gi | 50Gi | 200Gi |
| **FE Logs** | 5Gi | 20Gi | 100Gi |
| **CN Data** | 100Gi | 1Ti | 10Ti |
| **CN Logs** | 20Gi | 100Gi | 500Gi |
| **CN Spill** | 10Gi | 50Gi | 200Gi |

**권장 사용 시나리오:**
- Small: 소규모 분석 워크로드 (< 1TB 데이터)
- Medium: 중간 규모 실시간 분석 (1-10TB 데이터)
- Large: 대규모 데이터 웨어하우스 (10TB+ 데이터)

**아키텍처별 배포:**
- **Shared-Nothing**: FE + BE (전통적 아키텍처)
- **Shared-Data**: FE + CN + 외부 스토리지 (클라우드 네이티브)

**custom-values.yaml 설정**
```yaml
# Shared-Data 아키텍처 (권장)
starrocksCluster:
  enabledBe: false
  enabledCn: true

starrocksFESpec:
  replicas: 3
  resources:
    requests:
      cpu: 1000m
      memory: 2Gi
    limits:
      cpu: 2000m
      memory: 4Gi
  storageSpec:
    name: fe
    storageClassName: "longhorn"
    storageSize: 10Gi
    logStorageSize: 5Gi

starrocksCnSpec:
  replicas: 3
  resources:
    requests:
      cpu: 2000m
      memory: 4Gi
    limits:
      cpu: 4000m
      memory: 8Gi
  storageSpec:
    name: cn
    storageClassName: "longhorn"
    storageSize: 100Gi      # default: 1Ti
    logStorageSize: 20Gi    # default: 20Gi
    spillStorageSize: 10Gi  # default: 0Gi
  autoScalingPolicy:
    minReplicas: 1
    maxReplicas: 10

starrocksFeProxySpec:
  enabled: true
  resources:
    requests:
      cpu: 500m
      memory: 1Gi
    limits:
      cpu: 1000m
      memory: 2Gi
  resolver: "rke2-coredns-rke2-coredns.kube-system.svc.cluster.local"
```

---

## 32. starrocks-operator
**StarRocks Operator**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Operator** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |

**권장 사용 시나리오:**
- Small: 소규모 StarRocks 클러스터 관리
- Medium: 중간 규모 클러스터 운영
- Large: 대규모 StarRocks 환경

**custom-values.yaml 설정**
```yaml
starrocksOperator:
  resources:
    limits:
      cpu: 500m
      memory: 800Mi
    requests:
      cpu: 500m
      memory: 400Mi
```

---

## 33. strimzi-kafka-operator
**Kafka Operator**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Cluster Operator** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |

**권장 사용 시나리오:**
- Small: 소규모 Kafka 클러스터
- Medium: 중간 규모 스트리밍
- Large: 대규모 이벤트 스트리밍

**custom-values.yaml 설정**
```yaml
resources:
  limits:
    memory: 384Mi
    cpu: 1000m
  requests:
    memory: 384Mi
```

---

## 34. superset
**BI 대시보드 플랫폼**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Superset Node** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Superset Worker** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Celery Beat** | 100m/256Mi → 200m/512Mi | 200m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi |
| **Celery Flower** | 100m/256Mi → 200m/512Mi | 200m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi |
| **PostgreSQL** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |
| **Redis** | 200m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi | 1000m/1Gi → 2000m/2Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **PostgreSQL Data** | 8Gi | 50Gi | 200Gi |
| **Redis Data** | 8Gi | 20Gi | 100Gi |

**권장 사용 시나리오:**
- Small: 소규모 대시보드 (< 50 사용자, < 100 차트)
- Medium: 중간 규모 BI (50-200 사용자, 100-500 차트)
- Large: 엔터프라이즈 BI (200+ 사용자, 500+ 차트)

**컴포넌트별 역할:**
- **Superset Node**: 웹 서버, 사용자 인터페이스 제공
- **Superset Worker**: 비동기 쿼리 처리, 대시보드 렌더링
- **Celery Beat**: 스케줄된 작업 관리 (리포트, 알림)
- **Celery Flower**: Celery 작업 모니터링 UI

**custom-values.yaml 설정**
```yaml
# 전역 리소스 설정 (모든 컴포넌트 기본값)
resources: {}
  # requests:
  #   cpu: 100m
  #   memory: 128Mi
  # limits:
  #   cpu: 200m
  #   memory: 256Mi

# Superset 웹 서버 설정
supersetNode:
  replicas:
    enabled: true
    replicaCount: 1
  resources: {}
    # requests:
    #   cpu: 500m
    #   memory: 1Gi
    # limits:
    #   cpu: 1000m
    #   memory: 2Gi

# Superset Celery Worker 설정
supersetWorker:
  resources: {}
    # requests:
    #   cpu: 500m
    #   memory: 1Gi
    # limits:
    #   cpu: 1000m
    #   memory: 2Gi

# Celery Beat 설정 (스케줄된 작업용)
supersetCeleryBeat:
  enabled: false  # 필요시 true로 변경
  resources: {}
    # requests:
    #   cpu: 100m
    #   memory: 256Mi
    # limits:
    #   cpu: 200m
    #   memory: 512Mi

# Celery Flower 설정 (작업 모니터링 UI)
supersetCeleryFlower:
  enabled: false  # 필요시 true로 변경
  replicaCount: 1
  resources: {}
    # requests:
    #   cpu: 100m
    #   memory: 256Mi
    # limits:
    #   cpu: 200m
    #   memory: 512Mi

# PostgreSQL 설정
postgresql:
  primary:
    persistence:
      enabled: true
      storageClass: "longhorn"
      size: 8Gi
    resources: {}
      # requests:
      #   cpu: 250m
      #   memory: 512Mi
      # limits:
      #   cpu: 500m
      #   memory: 1Gi

# Redis 설정
redis:
  master:
    persistence:
      enabled: true
      storageClass: "longhorn"
      size: 8Gi
    resources: {}
      # requests:
      #   cpu: 200m
      #   memory: 256Mi
      # limits:
      #   cpu: 500m
      #   memory: 512Mi
```

---

## 35. unitycatalog : 사용 여부 검토 필요
**데이터 카탈로그**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Catalog Server** | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi | 4000m/8Gi → 8000m/16Gi |
| **Postgresql** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Catalog Metadata** | 10Gi | 100Gi | 1Ti |
| **Database Data** | 20Gi | 200Gi | 2Ti |

**권장 사용 시나리오:**
- Small: 소규모 데이터 자산 관리
- Medium: 중간 규모 데이터 거버넌스
- Large: 엔터프라이즈 데이터 카탈로그

**custom-values.yaml 설정**
``` yaml
server:
  config:
    persistence:
      enabled: true
      accessModes: [ "ReadWriteOnce" ]
      size: 100Mi
      storageClassName: "longhorn"
  statefulset:
    resources: {}
postgresql:
  primary:
    persistence:
      storageClassName: "longhorn"
      size: 5Gi
    resources: {}
```
---

## 36. vllm
**고성능 LLM 추론**

| 컴포넌트 | Small (7B) | Medium (13B-30B) | Large (70B+) |
|----------|------------|-------------------|--------------|
| **Inference Server** | 4000m/16Gi + 1GPU → 8000m/32Gi + 1GPU | 8000m/32Gi + 2GPU → 16000m/64Gi + 2GPU | 16000m/64Gi + 4GPU → 32000m/128Gi + 4GPU |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Model Storage** | 50Gi | 200Gi | 1Ti |
| **Cache Volume** | 20Gi | 100Gi | 500Gi |

**권장 사용 시나리오:**
- Small: 7B 모델 (Llama2-7B, Mistral-7B)
- Medium: 13B-30B 모델 (Llama2-13B, CodeLlama-34B)
- Large: 70B+ 모델 (Llama2-70B, GPT-3.5 급)

**custom-values.yaml 설정**
``` yaml
servingEngineSpec:
  modelSpec:
    - name: "qwen"
      repository: "vllm/vllm-openai"
      tag: "latest"
      modelURL: "Qwen/Qwen2.5-Coder-14B-Instruct"
      replicaCount: 1

      requestCPU: 16
      requestMemory: "32Gi"
      requestGPU: 1
      pvcStorage: "10Gi"
      pvcAccessMode:
        - ReadWriteMany # 공유 볼륨 사용 시 필우
      storageClass: "nfs"

routerSpec:
  resources:
    requests:
      cpu: "2"
      memory: "8G"
    limits:
      cpu: "4"
      memory: "16G"
```

---
## Operator 기반 리소스 정의

### Kafka Cluster (Strimzi Operator 사용)
**Apache Kafka 클러스터 - 분산 스트리밍 플랫폼**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Controller** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **Broker** | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi | 4000m/8Gi → 8000m/16Gi |
| **Topic Operator** | 100m/128Mi → 200m/256Mi | 250m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi |
| **User Operator** | 100m/128Mi → 200m/256Mi | 250m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Controller Storage** | 5Gi | 10Gi | 20Gi |
| **Broker Storage** | 20Gi | 50Gi | 100Gi |

**권장 사용 시나리오:**
- Small: 개발/테스트 환경 (< 10 토픽)
- Medium: 중간 처리량 (10-100 토픽)
- Large: 고처리량 프로덕션 (100+ 토픽)

**Kafka CR 설정 예시**
```yaml
apiVersion: kafka.strimzi.io/v1beta2
kind: KafkaNodePool
metadata:
  name: controller
spec:
...
  resources:
    requests:
      cpu: 500m
      memory: 1Gi
    limits:
      cpu: 1
      memory: 2Gi
  storage:
    type: jbod
    volumes:
      - id: 0
        type: persistent-claim
        size: 5Gi
        kraftMetadata: shared
        class: longhorn
---
apiVersion: kafka.strimzi.io/v1beta2
kind: KafkaNodePool
metadata:
  name: broker
spec:
...
  resources:
    requests:
      cpu: 500m
      memory: 1Gi
    limits:
      cpu: 1
      memory: 2Gi
  storage:
    type: jbod
    volumes:
      - id: 0
        type: persistent-claim
        size: 5Gi
        kraftMetadata: shared
        class: longhorn
---
apiVersion: kafka.strimzi.io/v1beta2
kind: Kafka
metadata:
  name: my-cluster
spec:
...
  entityOperator:
    topicOperator:
      resources:
        requests:
          memory: 128Mi
          cpu: 100m
        limits:
          memory: 256Mi
          cpu: 200m
    userOperator:
      resources:
        requests:
          memory: 128Mi
          cpu: 100m
        limits:
          memory: 256Mi
          cpu: 200m
```

### Kafka Connect (Strimzi Operator 사용)
**Kafka 커넥터 - 데이터 파이프라인**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Kafka Connect** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |

**권장 사용 시나리오:**
- Small: 소규모 데이터 파이프라인 (< 5 커넥터)
- Medium: 중간 규모 데이터 통합 (5-20 커넥터)
- Large: 대규모 데이터 스트리밍 (20+ 커넥터)

**KafkaConnect CR 설정 예시**
```yaml
apiVersion: kafka.strimzi.io/v1beta2
kind: KafkaConnect
metadata:
  name: my-connect
...
  resources:
    requests:
      cpu: 500m
      memory: 1Gi
    limits:
      cpu: 1000m
      memory: 2Gi
```

---
## 리소스 요약 테이블

### 카테고리별 리소스 분류

#### 경량 서비스 (Small 기본)
| 차트 | 주요 용도 | 기본 권장 티어 | 볼륨 요구사항 |
|------|-----------|----------------|---------------|
| cert-manager | 인증서 관리 | Small | 1-5Gi |
| dnsup | DNS 업데이트 | Small | 100Mi-1Gi |
| kafka-ui | Kafka 모니터링 | Small | 100Mi-1Gi |
| open-webui | LLM 웹 UI | Small-Medium | 3-75Gi |
| kyverno | 정책 관리 | Small-Medium | 1-20Gi |

#### 중간 규모 서비스 (Medium 기본)
| 차트 | 주요 용도 | 기본 권장 티어 | 볼륨 요구사항 |
|------|-----------|----------------|---------------|
| airflow | 워크플로우 오케스트레이션 | Medium | 75-325Gi |
| argo-cd | GitOps CD | Medium | 15-70Gi |
| flowise | AI 워크플로우 | Medium | 30-150Gi |
| gitea | Git 서버 | Medium | 130-650Gi |
| keycloak | 인증 서버 | Medium | 22-105Gi |
| kong | API 게이트웨이 | Medium | 22-105Gi |
| langflow-ide | AI IDE | Medium | 80-350Gi |
| langfuse | LLM 추적 | Medium | 100-700Gi |
| litellm | LLM 프록시 | Medium | 30-150Gi |
| mlflow | ML 실험 추적 | Medium | 320-1.6Ti |
| rancher | K8s 관리 | Medium | 70-300Gi |
| superset | BI 대시보드 | Medium | 82-350Gi |

#### 대규모 서비스 (Large 기본)
| 차트 | 주요 용도 | 기본 권장 티어 | 볼륨 요구사항 |
|------|-----------|----------------|---------------|
| harbor | 컨테이너 레지스트리 | Large | 2.3-2.3Ti |
| kafka | 스트리밍 플랫폼 | Large | 1.3Ti |
| postgresql-ha | 고가용성 DB | Medium-Large | 1.2Ti |
| starrocks | 분석 데이터베이스 | Large | 11Ti |
| rancher-monitoring | 모니터링 스택 | Large | 1.15Ti |
| qdrant | 벡터 데이터베이스 | Medium-Large | 1.5Ti |
| ragflow | RAG 시스템 | Medium-Large | 1.72Ti |
| unitycatalog | 데이터 카탈로그 | Large | 3Ti |

#### AI/ML 특화 서비스 (GPU 필요)
| 차트 | 주요 용도 | GPU 요구사항 | 볼륨 요구사항 |
|------|-----------|--------------|---------------|
| kserve | ML 모델 서빙 | 1-4 GPU | 15-300Gi |
| kubeflow | ML 플랫폼 | 선택적 GPU | 1.2Ti |
| nemo | NVIDIA 모델 | 1-4 GPU | 1.5Ti |
| nim | NVIDIA 추론 | 1-4 GPU | 720Gi |
| ollama | 로컬 LLM | 선택적 GPU | 625Gi |
| vllm | 고성능 LLM | 1-4 GPU | 1.5Ti |

### 총 리소스 요구사항 추정

#### 전체 카탈로그 배포 시 예상 리소스 (Medium 티어 기준)

**CPU 요구사항:**
- 총 Requests: ~150,000m (150 vCPU)
- 총 Limits: ~300,000m (300 vCPU)

**메모리 요구사항:**
- 총 Requests: ~300Gi
- 총 Limits: ~600Gi

**GPU 요구사항 (AI/ML 차트 포함):**
- 최소: 10-15 GPU
- 권장: 20-30 GPU

**스토리지 요구사항:**
- **데이터베이스**: ~2Ti
- **애플리케이션 데이터**: ~5Ti
- **로그/메트릭**: ~1Ti
- **모델/아티팩트**: ~10Ti
- **총 스토리지**: ~18Ti

### 클러스터 사이징 권장사항

#### 소규모 환경 (개발/테스트)
- **노드 구성**: 3-5 노드
- **노드 스펙**: 8 vCPU, 32Gi RAM, 500Gi SSD
- **총 용량**: 40 vCPU, 160Gi RAM, 2.5Ti Storage
- **GPU**: 선택적 (1-2개)

#### 중간 규모 환경 (스테이징/소규모 프로덕션)
- **노드 구성**: 5-10 노드
- **노드 스펙**: 16 vCPU, 64Gi RAM, 1Ti SSD
- **총 용량**: 160 vCPU, 640Gi RAM, 10Ti Storage
- **GPU**: 5-10개

#### 대규모 환경 (엔터프라이즈 프로덕션)
- **노드 구성**: 10-20 노드
- **노드 스펙**: 32 vCPU, 128Gi RAM, 2Ti SSD
- **총 용량**: 640 vCPU, 2.5Ti RAM, 40Ti Storage
- **GPU**: 20-40개

### 스토리지 클래스 권장사항

#### 성능별 스토리지 분류
| 스토리지 타입 | 사용 용도 | IOPS | 처리량 | 권장 차트 |
|---------------|-----------|------|--------|-----------|
| **High Performance SSD** | 데이터베이스, 고성능 워크로드 | 10,000+ | 500MB/s+ | PostgreSQL, StarRocks, Kafka |
| **Standard SSD** | 일반 애플리케이션 데이터 | 3,000-10,000 | 100-500MB/s | Harbor, MLflow, Gitea |
| **Standard HDD** | 로그, 백업, 아카이브 | 500-3,000 | 50-100MB/s | 로그 볼륨, 백업 데이터 |

#### 볼륨 확장 정책
- **자동 확장**: 사용률 80% 도달 시 20% 확장
- **최대 확장**: 초기 크기의 10배까지
- **모니터링**: 볼륨 사용률 및 성능 지표 추적

### 볼륨 백업 및 복구 전략

#### 백업 주기별 분류
| 데이터 중요도 | 백업 주기 | 보존 기간 | 해당 차트 |
|---------------|-----------|-----------|-----------|
| **Critical** | 매시간 | 30일 | PostgreSQL-HA, Harbor, StarRocks |
| **Important** | 매일 | 14일 | Gitea, Keycloak, MLflow |
| **Standard** | 주간 | 7일 | Kafka, Superset, Rancher |

#### 재해 복구 계획
- **RTO (복구 시간 목표)**: Critical 1시간, Important 4시간, Standard 24시간
- **RPO (복구 지점 목표)**: Critical 15분, Important 1시간, Standard 24시간
- **지역 간 복제**: Critical 데이터는 다른 가용 영역에 실시간 복제

이 문서를 통해 DIP 카탈로그의 모든 차트에 대한 체계적인 리소스 및 볼륨 관리가 가능하며, 환경과 요구사항에 따른 적절한 할당을 통해 최적의 성능과 비용 효율성을 달성할 수 있습니다.

---

## 37. lakekeeper
**Rust 네이티브 Apache Iceberg REST Catalog**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Lakekeeper Catalog** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |
| **PostgreSQL** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |
| **OpenFGA** | 200m/256Mi → 500m/512Mi | 500m/512Mi → 1000m/1Gi | 1000m/1Gi → 2000m/2Gi |
| **OpenFGA PostgreSQL** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |

**볼륨 사이즈 권장사항:**
| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Lakekeeper PostgreSQL** | 5Gi | 20Gi | 100Gi |
| **OpenFGA PostgreSQL** | 8Gi | 30Gi | 150Gi |

**권장 사용 시나리오:**
- Small: 개발/테스트 환경 (< 10 테이블, < 5 사용자)
- Medium: 소규모 프로덕션 (10-100 테이블, 5-50 사용자)
- Large: 대규모 데이터 레이크하우스 (100+ 테이블, 50+ 사용자)

**custom-values.yaml 설정**
``` yaml
catalog:
  resources: {}
  #  limits:
  #    cpu: 1000m
  #    memory: 2Gi
  #  requests:
  #    cpu: 500m
  #    memory: 1Gi

# lakekeeper DB
postgresql:
  storage:
    className: ""
    requestedSize: 5Gi
  resources: {}
  #  limits:
  #    cpu: 500m
  #    memory: 1Gi
  #  requests:
  #    cpu: 250m
  #    memory: 512Mi


openfga:
  resources: {}
  #  limits:
  #    cpu: 500m
  #    memory: 512Mi
  #  requests:
  #    cpu: 200m
  #    memory: 256Mi

  postgresql:
    primary:
      resources: {}
      #  limits:
      #    cpu: 500m
      #    memory: 1Gi
      #  requests:
      #    cpu: 250m
      #    memory: 512Mi
      persistence:
        storageClass: ""
        size: 8Gi
```

---

## 38. flink-kubernetes-operator
**Apache Flink Kubernetes Operator - Kubernetes에서 Flink 애플리케이션 관리**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Operator Pod** | 100m/256Mi → 200m/512Mi | 200m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi |
| **Webhook Container** | 50m/128Mi → 100m/256Mi | 100m/256Mi → 200m/512Mi | 200m/512Mi → 500m/1Gi |

**권장 사용 시나리오:**
- Small: 개발/테스트 환경 (< 5개 FlinkDeployment)
- Medium: 스테이징/소규모 프로덕션 (5-20개 FlinkDeployment)
- Large: 대규모 프로덕션 환경 (20+ FlinkDeployment)

**custom-values.yaml 설정**
```yaml
# Operator Pod 리소스 설정
operatorPod:
  resources:
    limits:
      cpu: "200m"
      memory: "512Mi"
    requests:
      cpu: "100m"
      memory: "256Mi"

  # Webhook Container 리소스 설정
  webhook:
    resources:
      limits:
        cpu: "100m"
        memory: "256Mi"
      requests:
        cpu: "50m"
        memory: "128Mi"
```

---

## 39. openmetadata

**OpenMetadata - 메타데이터 관리 플랫폼**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **OpenMetadata Server** | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi | 2000m/4Gi → 4000m/8Gi |

**권장 사용 시나리오:**
- Small: 개발/테스트 환경 (소규모 메타데이터, 소수 사용자)
- Medium: 스테이징/소규모 프로덕션 (중간 규모 메타데이터, 수십 명 사용자)
- Large: 대규모 프로덕션 (대용량 메타데이터, 수백 명 사용자)

**custom-values.yaml 설정**
```yaml
resources:
  limits:
    cpu: "1000m"
    memory: "2Gi"
  requests:
    cpu: "500m"
    memory: "1Gi"
```

---

## 40. openmetadata-dependencies

**OpenMetadata Dependencies - Airflow, MySQL, OpenSearch 포함 의존성 패키지**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **Airflow Scheduler** | 250m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi | 1000m/2Gi → 2000m/4Gi |
| **Airflow Workers** | 250m/512Mi → 1000m/1Gi | 500m/1Gi → 2000m/2Gi | 1000m/2Gi → 4000m/4Gi |
| **Airflow Webserver** | 100m/256Mi → 500m/512Mi | 250m/512Mi → 1000m/1Gi | 500m/1Gi → 2000m/2Gi |
| **Airflow API Server** | 100m/256Mi → 500m/512Mi | 250m/512Mi → 1000m/1Gi | 500m/1Gi → 2000m/2Gi |
| **Airflow Triggerer** | 100m/256Mi → 300m/512Mi | 200m/512Mi → 500m/1Gi | 500m/1Gi → 1000m/2Gi |
| **MySQL** | 500m/512Mi → 750m/768Mi | 500m/1Gi → 750m/1.5Gi | 1000m/2Gi → 1500m/3Gi |
| **OpenSearch** | 100m/1Gi → 1000m/2Gi | 500m/2Gi → 2000m/4Gi | 1000m/4Gi → 4000m/8Gi |

**볼륨 사이즈 권장사항:**

| 컴포넌트 | Small | Medium | Large |
|----------|-------|--------|-------|
| **MySQL Data** | 20Gi | 50Gi | 200Gi |
| **OpenSearch Data** | 30Gi | 100Gi | 500Gi |
| **Airflow DAGs** | 1Gi | 5Gi | 20Gi |
| **Airflow Logs** | 1Gi | 10Gi | 50Gi |

**권장 사용 시나리오:**

- Small: 개발/테스트 환경 (소규모 데이터 파이프라인, 소수 커넥터)
- Medium: 스테이징/소규모 프로덕션 (중간 규모 파이프라인, 수십 개 커넥터)
- Large: 대규모 프로덕션 (대용량 파이프라인, 수백 개 커넥터)

**custom-values.yaml 설정**
```yaml
airflow:
  scheduler:
    resources:
      limits:
        cpu: "500m"
        memory: "1Gi"
      requests:
        cpu: "250m"
        memory: "512Mi"
  workers:
    resources:
      limits:
        cpu: "1000m"
        memory: "1Gi"
      requests:
        cpu: "250m"
        memory: "512Mi"
  webserver:
    resources:
      limits:
        cpu: "500m"
        memory: "512Mi"
      requests:
        cpu: "100m"
        memory: "256Mi"
  apiServer:
    resources:
      limits:
        cpu: "500m"
        memory: "512Mi"
      requests:
        cpu: "100m"
        memory: "256Mi"
  triggerer:
    resources:
      limits:
        cpu: "300m"
        memory: "512Mi"
      requests:
        cpu: "100m"
        memory: "256Mi"
  dags:
    persistence:
      size: 1Gi
  logs:
    persistence:
      size: 1Gi

mysql:
  primary:
    resources:
      limits:
        cpu: "750m"
        memory: "768Mi"
      requests:
        cpu: "500m"
        memory: "512Mi"
    persistence:
      size: 50Gi

opensearch:
  opensearchJavaOpts: "-Xmx1g -Xms1g"
  resources:
    limits:
      cpu: "1000m"
      memory: "2048M"
    requests:
      cpu: "100m"
      memory: "1024M"
  persistence:
    size: 30Gi
```

---