이 페이지에서는 Cloud Storage FUSE와 통합된 Google Cloud 제품을 설명합니다.
일반적으로 Cloud Storage와 통합되는 Google Cloud 제품 목록은 Google Cloud 서비스 및 도구와 통합을 참조하세요.
| 제품 | Cloud Storage FUSE 통합 방법 |
|---|---|
| Google Kubernetes Engine(GKE) | Cloud Storage FUSE CSI 드라이버는 Cloud Storage FUSE 및 Kubernetes API의 통합을 관리하여 Cloud Storage 버킷을 볼륨으로 사용합니다. Cloud Storage FUSE CSI 드라이버를 사용하여 버킷을 Google Kubernetes Engine 노드에 파일 시스템으로 마운트할 수 있습니다. |
| Vertex AI 학습 | Vertex AI에서 커스텀 학습을 수행할 때 Cloud Storage 버킷의 데이터를 마운트된 파일 시스템으로 액세스할 수 있습니다. 자세한 내용은 학습 코드 준비를 참조하세요. |
| Vertex AI Workbench | Vertex AI Workbench 인스턴스에는 JupyterLab 인터페이스 내에서 버킷을 탐색하고 Cloud Storage에 있는 호환 파일로 작업할 수 있는 Cloud Storage 통합이 포함되어 있습니다. Cloud Storage 통합을 사용하면 Vertex AI Workbench 인스턴스와 동일한 프로젝트 내에서 액세스할 수 있는 모든 Cloud Storage 버킷 및 파일에 액세스할 수 있습니다. 통합을 설정하려면 JupyterLab에서 Cloud Storage 버킷 및 파일에 액세스하는 방법에 관한 Vertex AI Workbench 안내를 참고하세요. |
| Deep Learning VM Image | Cloud Storage FUSE에는 Deep Learning VM Image가 사전 설치되어 있습니다. |
| Deep Learning Containers | Deep Learning Containers용 Cloud Storage 버킷을 마운트하려면 Cloud Storage FUSE CSI 드라이버(권장)를 사용하거나 Cloud Storage FUSE를 설치하면 됩니다. |
| Batch | Cloud Storage FUSE를 사용하면 일괄 작업을 만들고 실행할 때 Cloud Storage 버킷을 스토리지 볼륨으로 마운트할 수 있습니다. 작업 정의에서 버킷을 지정하면 작업이 실행될 때 버킷이 작업의 VM에 자동으로 마운트됩니다. |
| Cloud Run | Cloud Run을 사용하면 Cloud Storage 버킷을 볼륨으로 마운트하고 버킷 콘텐츠를 컨테이너 파일 시스템에 파일로 제공할 수 있습니다. 볼륨 마운트를 설정하려면 Cloud Storage 볼륨 마운트를 참조하세요. |
| Cloud Composer | 환경을 만들면 Cloud Composer가 워크플로 및 Cloud Storage 버킷의 특정 폴더에 있는 해당 종속 항목의 소스 코드를 저장합니다. Cloud Composer는 Cloud Storage FUSE를 사용하여 버킷의 폴더를 Cloud Composer 환경의 Airflow 구성요소에 매핑합니다. |
머신러닝용 Cloud Storage FUSE
Cloud Storage FUSE는 머신러닝(ML) 학습 및 모델 데이터를 Cloud Storage의 객체로 저장하고 액세스하려는 개발자가 일반적으로 사용합니다. Cloud Storage FUSE는 ML 프로젝트를 개발할 때 다음과 같은 몇 가지 이점을 제공합니다.
Cloud Storage FUSE를 사용하면 Cloud Storage 버킷을 로컬 파일 시스템으로 마운트할 수 있으므로 애플리케이션이 표준 파일 시스템 시맨틱스를 사용하여 학습 및 모델 데이터에 액세스할 수 있습니다. 즉, Cloud Storage를 사용하여 ML 데이터를 저장할 때 애플리케이션 코드를 다시 작성하거나 리팩터링하는 비용을 방지할 수 있습니다.
학습부터 추론에 이르기까지 Cloud Storage FUSE를 사용하면 Cloud Storage의 기본 제공되는 높은 확장성, 성능, 비용 효율성을 사용하여 ML 워크로드를 대규모로 실행할 수 있습니다.
Cloud Storage FUSE를 사용하면 Cloud Storage의 데이터에 직접 액세스할 수 있는 컴퓨팅 리소스를 제공하여 학습 작업을 빠르게 시작할 수 있으므로 컴퓨팅 리소스에 학습 데이터를 다운로드할 필요가 없습니다.
자세한 내용은 Cloud Storage FUSE에서 지원하는 ML 프레임워크를 참조하세요.