서비스 제공업체는 항상 네트워크 성능을 면밀히 측정해 왔습니다. 처리량과 지연 시간은 여전히 중요하지만, 이러한 지표만으로는 해당 성능을 제공하는 데 얼마나 많은 인프라가 필요한지 운영자가 파악할 수 없습니다.
CPU 및 메모리 사용량은 서버 요구 사항, 워크로드 밀도, 전력, 냉각, 그리고 다른 서비스에 할당할 수 있는 잔여 용량에 영향을 미칩니다. 더 많은 네트워크 기능이 Kubernetes 환경으로 이전됨에 따라 이러한 요소의 중요성은 더욱 커지고 있습니다.
F5는 The Tolly Group에 의뢰하여 F5 BIG-IP Cloud-Native Edition의 인프라 효율성과 성능을 테스트 대상 가상 네트워크 기능(VNF) 배포와 독립적으로 비교 평가했습니다. 두 솔루션 모두 Red Hat OpenShift 환경에서 서비스 제공업체의 대표적인 워크로드 두 가지, 즉 DNS 쿼리 처리와 계층 4 및 통신사업자급 NAT(L4+CGNAT)를 사용해 평가되었습니다.
Tolly는 CPU 및 메모리 사용량과 함께 처리량과 지연 시간을 측정했습니다. 목표는 각 배포가 얼마나 많은 유효 작업을 처리할 수 있는지, 그리고 이를 처리하는 데 어떤 인프라 리소스가 필요한지 파악하는 것이었습니다.
성능을 뒷받침하는 인프라 측정
테스트 결과는 기존 성능 지표와 함께 리소스 사용량도 살펴볼 가치가 있는 이유를 보여줍니다.
Kubernetes 환경에서는 클러스터 리소스 정책에 따라 사용되지 않는 CPU와 메모리를 플랫폼이 다른 워크로드를 스케줄링하는 데 활용할 수 있습니다. 따라서 리소스 소비를 줄이면 운영자가 이미 배포된 인프라를 활용하는 방식에 더 큰 유연성을 확보할 수 있습니다.
두 Tolly 워크로드는 서로 다른 성능 특성을 보였지만, 테스트한 구성에서 둘 다 BIG-IP Cloud-Native Edition의 CPU 요구량이 크게 감소했습니다.
DNS: 더 적은 CPU로 더 높은 처리량
DNS는 비교적 작은 트랜잭션을 대량으로 신속하게 처리해야 하는 대용량 서비스입니다. Tolly의 DNS 테스트에서는 BIG-IP의 DNS Express 기능을 사용하여 지속적인 쿼리 처리량, CPU 사용량, 메모리 효율성 및 평균 지연 시간을 측정했습니다.
BIG-IP Cloud-Native Edition은 초당 64,985건의 DNS 쿼리를 지속적으로 처리한 반면, 테스트한 VNF는 초당 34,463건을 처리했습니다. 이는 DNS 쿼리 처리량이 약 1.9배에 달한다는 의미입니다.
CPU 요구 사항도 상당한 차이를 보였습니다. BIG-IP Cloud-Native Edition은 341mCore를 사용한 반면, VNF는 테스트에 할당된 4개 코어의 CPU 리소스를 사실상 모두 사용한 4,003mCore를 소비했습니다. 따라서 테스트한 구성에서 CNE는 CPU를 91.5% 적게 사용했습니다.
평균 DNS 지연 시간은 CNE가 1.47밀리초, VNF가 2.82밀리초로, CNE가 48% 더 짧았습니다.
Tolly는 메모리 사용량을 기준으로 DNS 성능도 정규화했습니다. BIG-IP Cloud-Native Edition은 메모리 1기가바이트당 초당 515,759개의 쿼리를 처리한 반면, VNF는 4,194개를 처리하여 테스트에서 메모리 1기가바이트당 DNS 쿼리 처리량이 123배 더 많았습니다.
대규모 DNS 서비스를 운영하는 사업자에게 실질적으로 중요한 것은 주어진 워크로드를 지원하는 데 필요한 인프라 규모입니다. CPU 및 메모리 요구 사항이 낮으면 Kubernetes 환경에서 추가 서비스나 향후 성장을 위한 가용 용량을 더 많이 확보할 수 있습니다.
L4+CGNAT: 유사한 처리량, 더 적은 리소스
L4+CGNAT 테스트에서는 다른 결과가 나왔습니다.
두 배포 환경 모두 약 3Gbps의 처리량을 제공했습니다. BIG-IP Cloud-Native Edition은 3,064Mbps를 유지한 반면, 테스트한 VNF는 3,177Mbps를 유지하여 VNF의 결과가 약 3.7% 더 높았습니다.
인프라 리소스 사용량의 차이는 훨씬 더 컸습니다.
BIG-IP Cloud-Native Edition은 VNF의 4,000mCore와 비교해 812mCore를 사용했습니다. 이는 CPU 사용량이 79.7% 더 낮다는 의미입니다.
메모리 사용량은 BIG-IP Cloud-Native Edition이 129MiB, VNF가 8,396MiB였으며, 테스트한 구성에서 98.5% 감소한 것으로 나타났습니다.
Tolly는 또한 BIG-IP Cloud-Native Edition의 p95 지연 시간이 4.73밀리초로, VNF의 26밀리초보다 82% 감소한 것으로 측정했습니다.
테스트 환경에서 처리량 차이는 3.7% 이내로 유지된 반면, BIG-IP Cloud-Native Edition은 CPU와 메모리를 훨씬 적게 사용하면서 더 낮은 p95 지연 시간을 제공했습니다.
리소스 효율성이 중요한 이유
서비스 제공업체 환경에서는 CPU, 메모리, 전력 및 물리적 용량이 제한된 인프라 전반에서 대량의 트래픽을 처리해야 하는 경우가 많습니다.
리소스 효율성은 클러스터에 수용할 수 있는 워크로드의 수, 신규 서비스에 사용할 수 있는 잔여 용량, 그리고 수요 증가에 따라 필요한 인프라 규모에 영향을 줄 수 있습니다.
바로 이 지점에서 Tolly의 결과가 가장 유용합니다. DNS와 L4+CGNAT는 독립적인 테스트를 위해 선정된 두 가지 대표 워크로드입니다. 이 워크로드가 BIG-IP Cloud-Native Edition에서 제공되는 모든 기능을 대표하는 것은 아니지만, Kubernetes 네이티브 배포 모델이 네트워크 서비스의 리소스 프로필을 어떻게 변화시킬 수 있는지를 보여주는 구체적인 사례를 제공합니다. 따라서 이 조사 결과는 다른 BIG-IP Cloud-Native Edition 서비스에 대한 성능 주장이 아니라, 테스트된 워크로드와 구성에 대한 결과로 이해해야 합니다.
이 결과는 운영자가 네트워크 기능 아키텍처를 평가할 때 고려할 또 다른 지표도 제공합니다. 처리량은 여전히 중요하지만, CPU, 메모리 및 지연 시간은 해당 처리량을 제공하는 데 필요한 인프라 비용을 파악하는 데 도움이 됩니다.
Kubernetes 기반 네트워크 서비스를 계획하는 서비스 제공업체는 해당 정보를 바탕으로 용량 계획, 워크로드 배치 및 인프라 활용에 관한 의사 결정을 내릴 수 있습니다.
자세히 알아보려면 Tolly Group 전체 보고서를 읽어보세요에서 F5 BIG-IP Cloud-Native Edition의 서비스 제공업체 인프라 효율성에 대한 독립적인 평가를 확인하세요. 또한 블로그 ‘AI 및 5G/6G 시대를 위한 클라우드 네이티브 현대화’도 확인해 보세요.
작성자 소개
관련 블로그 게시물
F5 NGINX Gateway Fabric로 AI 제공 표준화
F5 NGINX Gateway Fabric이 기업의 Kubernetes 트래픽 표준화, 애플리케이션 보안 강화, 대규모 AI 추론 준비를 어떻게 지원하는지 알아보세요.
F5의 CalypsoAI 인수 발표, TRiSM 프레임워크 구축을 향한 행보
F5의 CalypsoAI 전략적 인수를 통해 조직은 보안, 개인정보 보호 및 운영 통제력을 유지하면서도 안심하고 AI를 도입할 수 있습니다. 자세한 내용은 블로그에서 확인하세요.
사이버 복원력: LLM을 위한 OWASP Top 10 위험 완화
OWASP가 2025년 LLM 및 생성형 AI 앱을 위한 10대 위험 및 완화 방안을 발표하면서 업계에 절실히 필요했던 보안 기준이 마련되었습니다. 하지만 실행이 뒤따르지 않는 기준은 아무 의미가 없습니다. F5 AI 런타임 보안 솔루션은 OWASP 10대 위험의 80%에 대응하며, 현실에서 가장 시급한 위험을 우선적으로 해결합니다. 이 솔루션은 실시간 런타임 보호 기능을 결합하여 […]
석유 및 가스 산업을 위한 AI 보안
AI는 지질 모델링과 시추 최적화부터 파이프라인 모니터링, 예측 유지보수, 원자재 거래에 이르기까지 석유 및 가스 산업을 재편하고 있습니다. 하지만 이러한 미션 크리티컬 활용 사례에는 높은 위험도 따릅니다. 당사의 AI 런타임 보안 솔루션은 검증을 위한 레드팀, 보호를 위한 Guardrails, 그리고 내장된 관측 가능성을 통해 석유 및 가스 산업을 안전하게 보호합니다. […]
인사 부서를 위한 AI 보안
AI는 HR을 혁신하고 있습니다. 기업들은 비용을 절감하고 직원 경험을 개선하기 위해 AI 기반 채용 코파일럿, 온보딩 도우미, 직원 지원 챗봇, 인력 분석 도구를 도입하고 있습니다. 하지만 HR 애플리케이션에는 규정 준수 실패, 편향 논란, 평판 훼손으로 이어질 수 있는 고유한 위험도 존재합니다. 당사의 AI 런타임 보안 솔루션은 다음과 같은 방식으로 HR 분야를 보호합니다. […]
기업 법무 관리를 위한 AI 보안
AI는 계약 검토 및 증거개시 자동화부터 규제 준수 모니터링과 민감한 지식재산 관리에 이르기까지 기업 법무팀의 업무 방식을 혁신하고 있습니다. 그러나 법률 환경은 AI 도입 시 가장 큰 위험이 따르는 분야 중 하나입니다. 당사의 AI 런타임 보안 솔루션은 검증을 위한 레드팀, Guardrails 등 세 가지 접근 방식으로 기업 법무 관리를 보호합니다 […]