dip/service-catalog

Fork 0

Files

T

wbsong111 47213d260e Add flink kubernetes operator docs

2026-01-20 10:46:31 +09:00

59 KiB

Raw Blame History

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

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

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

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

# 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

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

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

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

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

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

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


# 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

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

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

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

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.

{{- $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

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

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

# 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

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

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

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

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

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

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

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

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

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

# 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

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

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

# 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

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

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

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

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

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

# 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"

59 KiB Raw Blame History

전체 차트 리소스 정의

개요

1. airflow

2. argo-cd

3. cert-manager

4. dnsup

5. flowise

6. gitea

7. harbor

8. kafka (사용 안함)

9. kafka-ui

10. keycloak

11. kong

12. kserve

13. kubeflow : kustomize 배포, 추가 검토 필요

14. kyverno

15. langflow-ide

16. langfuse

참고) langfuse 자원 설정

17. litellm

18. mlflow

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

20. nemo

21. nim

22. ollama

23. open-webui

24. postgresql-ha

25. qdrant

26. ragflow

27. rancher

28. rancher-monitoring

29. rancher-monitoring-crd : crd만 배포

30. spark-operator

31. starrocks

32. starrocks-operator

33. strimzi-kafka-operator

34. superset

35. unitycatalog : 사용 여부 검토 필요

36. vllm

Operator 기반 리소스 정의

Kafka Cluster (Strimzi Operator 사용)

Kafka Connect (Strimzi Operator 사용)

리소스 요약 테이블

카테고리별 리소스 분류

경량 서비스 (Small 기본)

중간 규모 서비스 (Medium 기본)

대규모 서비스 (Large 기본)

AI/ML 특화 서비스 (GPU 필요)

총 리소스 요구사항 추정

전체 카탈로그 배포 시 예상 리소스 (Medium 티어 기준)

클러스터 사이징 권장사항

소규모 환경 (개발/테스트)

중간 규모 환경 (스테이징/소규모 프로덕션)

대규모 환경 (엔터프라이즈 프로덕션)

스토리지 클래스 권장사항

성능별 스토리지 분류

볼륨 확장 정책

볼륨 백업 및 복구 전략

백업 주기별 분류

재해 복구 계획

37. lakekeeper

38. flink-kubernetes-operator

59 KiB

Raw Blame History