Google Cloud는 공정성을 보장하고 리소스 사용 및 가용성의 급증을 줄이기 위해 할당량을 사용합니다. 할당량은 Google Cloud 프로젝트에서 사용할 수 있는 Google Cloud 리소스의 양을 제한합니다. 할당량은 하드웨어, 소프트웨어, 네트워크 구성요소를 포함하여 다양한 리소스 유형에 적용됩니다. 예를 들어 할당량에 따라 서비스에 대한 API 호출 수, 프로젝트에서 동시에 사용하는 부하 분산기 수, 만들 수 있는 프로젝트 수가 제한될 수 있습니다. 할당량은 서비스 과부하를 방지하여 Google Cloud 사용자 커뮤니티를 보호합니다. 할당량은 자체 Google Cloud 리소스를 관리하는 데도 도움이 됩니다.
Cloud Quotas 시스템은 다음을 수행합니다.
- Google Cloud 제품 및 서비스 소비량 모니터링
- 리소스 소비 제한
- 할당량 값 변경을 요청할 수 있는 수단 제공
대부분의 경우 할당량이 허용하는 것보다 더 많은 리소스를 소비하려고 하면 시스템에서 리소스에 대한 액세스를 차단하고 수행하려는 작업이 실패합니다.
할당량은 일반적으로 Google Cloud 프로젝트 수준에서 적용됩니다. 한 프로젝트의 리소스를 사용해도 다른 프로젝트에서 사용 가능한 할당량에는 영향을 미치지 않습니다. Google Cloud 프로젝트 내에서 할당량은 모든 애플리케이션과 IP 주소에 공유됩니다.
리전 및 모델별 할당량
분당 요청 수(RPM) 할당량은 기본 모델과 해당 모델의 모든 버전, 식별자, 조정된 버전에 적용됩니다. 다음 예는 RPM 할당량이 적용되는 방식을 보여줍니다.
기본 모델
gemini-1.0-pro에 대한 요청과 안정화 버전gemini-1.0-pro-001에 대한 요청은 기본 모델gemini-1.0-pro의 RPM 할당량에 대한 요청 2개로 계산됩니다.기본 모델의 두 버전인
gemini-1.0-pro-001및gemini-1.0-pro-002에 대한 요청은 기본 모델gemini-1.0-pro의 RPM 할당량에 대한 요청 2개로 계산됩니다.기본 모델의 두 버전인
gemini-1.0-pro-001및my-tuned-chat-model이라는 조정된 버전에 대한 요청은 기본 모델gemini-1.0-pro에 대한 요청 2개로 계산됩니다.
할당량은 특정 Google Cloud 프로젝트 및 지원되는 리전에 대한 Vertex AI 요청의 생성형 AI에 적용됩니다.
Google Cloud 콘솔에서 할당량 보기
Google Cloud 콘솔에서 할당량을 보려면 다음을 수행합니다.
- Google Cloud 콘솔에서 IAM 및 관리자 할당량 페이지로 이동합니다.
- 필터 필드에서 측정기준 또는 측정항목을 지정합니다.
| 측정기준(모델 식별자) | 측정항목(Gemini 모델의 할당량 식별자) |
|---|---|
base_model: gemini-1.5-flashbase_model: gemini-1.5-pro |
다음에서 조정을 요청할 수 있습니다.
|
| 다른 모든 모델 | 할당량은 하나만 조정할 수 있습니다.
|
리전을 선택하여 사용 가능한 각 모델의 할당량 한도를 확인하세요.
비율 제한
generate_content_input_tokens_per_minute_per_base_model 측정항목의 모든 리전에서 나열된 모델에 다음 비율 제한이 적용됩니다.
| 기본 모델 | 분당 토큰 |
|---|---|
base_model: gemini-1.5-flash |
4M(4,000,000) |
base_model: gemini-1.5-pro |
4M(4,000,000) |
일괄 요청
일괄 요청의 할당량과 한도는 모든 리전에서 동일합니다.
동시 일괄 요청
다음 표에는 동시 일괄 요청 수에 대한 할당량이 나와 있습니다.
| 할당량 | 값 |
|---|---|
aiplatform.googleapis.com/textembedding_gecko_concurrent_batch_prediction_jobs |
4 |
aiplatform.googleapis.com/model_garden_oss_concurrent_batch_prediction_jobs |
1 |
aiplatform.googleapis.com/gemini_pro_concurrent_batch_prediction_jobs |
1 |
제출된 작업 수가 배정된 할당량을 초과하면 작업이 큐에 추가되고 할당량 용량을 사용할 수 있게 되면 처리됩니다.
일괄 요청 한도
다음 표에는 각 일괄 텍스트 생성 요청의 크기 한도가 나와 있습니다.
| 모델 | 한도 |
|---|---|
gemini-1.5-pro |
레코드 50,000개 |
gemini-1.5-flash |
레코드 15만 개 |
gemini-1.0-pro |
레코드 15만 개 |
gemini-1.0-pro-vision |
레코드 50,000개 |
커스텀 학습 모델 할당량
특정 프로젝트 및 리전의 Vertex AI의 생성형 AI 조정 모델에 적용되는 할당량은 다음과 같습니다.
| 할당량 | 값 |
|---|---|
| 리전에 따라 제한된 이미지 학습 TPU V3 포드 코어 * 지원되는 리전 - europe-west4 |
64 |
| 리전에 따라 제한된 이미지 학습 Nvidia A100 80GB GPU * 지원되는 리전 - us-central1 * 지원되는 리전 - us-east4 |
8 2 |
* 조정 시나리오에는 특정 리전에 가속기 예약이 있습니다. 튜닝에 대한 할당량이 지원되며 특정 리전에서 요청해야 합니다.
텍스트 임베딩 한도
us-central1 리전에서 text-embedding-004 모델을 사용하는 경우 최대 입력 텍스트는 250자입니다. 다른 지역에서는 최대 입력 텍스트가 5개입니다.
각 입력 텍스트의 토큰 한도는 2,048입니다.
Gen AI Evaluation Service 할당량
Gen AI Evaluation Service는 gemini-1.5-pro를 심사 모델로 사용하고 모델 기반 측정항목에 대한 일관되고 객관적인 평가를 보장하기 위한 메커니즘을 사용합니다.
모델 기반 측정항목에 대한 단일 평가 요청으로 인해 Gen AI Evaluation Service에 대한 여러 개의 기본 요청이 발생할 수 있습니다. 각 모델의 할당량은 프로젝트별로 계산됩니다. 즉, 모델 추론 및 모델 기반 평가를 위해 gemini-1.5-pro으로 전달되는 모든 요청이 할당량에 반영됩니다. 모델마다 할당량이 다르게 설정됩니다. 평가 서비스의 할당량과 기본 자동 평가 도구 모델의 할당량이 표에 나와 있습니다.
| 요청 할당량 | 기본 할당량 |
|---|---|
| 분당 Gen AI Evaluation Service 요청 수 | 리전별 프로젝트당 1,000개 요청 |
base_model: gemini-1.5-pro의 분당 온라인 예측 요청 수 |
리전 및 모델별 할당량을 참조하세요. |
Gen AI Evaluation Service를 사용하는 동안 할당량과 관련된 오류가 발생하면 할당량 증가 요청을 제출해야 할 수 있습니다. 자세한 사항은 할당량 보기 및 관리를 참조하세요.
| 한도 | 값 |
|---|---|
| Gen AI Evaluation Service 요청 제한 시간 | 60초 |
새 프로젝트에서 Gen AI Evaluation Service를 처음 사용하는 경우 일반적으로 최대 2분까지 초기 설정이 지연될 수 있습니다. 이는 일회성 프로세스입니다. 첫 번째 요청이 실패하면 몇 분 정도 기다린 후 다시 시도하세요. 후속 평가 요청은 일반적으로 60초 이내에 완료됩니다.
모델 기반 측정항목의 최대 입력 및 출력 토큰은 자동 평가 도구로 사용되는 모델에 따라 제한됩니다. 관련 모델의 한계는 모델 정보 | Vertex AI의 생성형 AI | Google Cloud를 참조하세요.
RAG용 Vertex AI 기반 LlamaIndex 할당량
다음 할당량은 Vertex AI 기반 LlamaIndex를 사용하여 검색 증강 생성(RAG)을 수행하는 데 적용됩니다.
| 서비스 | 할당량 |
|---|---|
| Vertex AI 기반 LlamaIndex 데이터 관리 API | 분당 요청(RPM) 60개 |
RetrievalContexts API |
1,500 RPM |
base_model: textembedding-gecko |
1,500 RPM |
| 온라인 예측 요청1 | 30,000 RPM |
| 데이터 수집 | 파일 1,000개 |
1이 할당량은 공개 엔드포인트에만 적용됩니다. 비공개 엔드포인트의 분당 요청 수는 무제한입니다.
파이프라인 평가 할당량
평가 파이프라인 서비스를 사용하는 동안 할당량과 관련된 오류가 발생하면 할당량 증가 요청을 제출해야 할 수 있습니다. 자세한 사항은 할당량 보기 및 관리를 참조하세요.
평가 파이프라인 서비스는 Vertex AI Pipelines을 사용하여 PipelineJobs를 실행합니다. Vertex AI Pipelines의 관련 할당량을 알아보세요. 다음은 일반적인 할당량 권장사항입니다.
| 서비스 | 할당량 | 권장사항 |
|---|---|---|
| Vertex AI API | 리전별 동시 LLM 일괄 예측 작업 | 점별: 1 * num_concurrent_pipelines 쌍별: 2 * num_concurrent_pipelines |
| Vertex AI API | 리전별 분당 평가 요청 수 | 1000 * num_concurrent_pipelines |
또한 모델 기반 평가 측정항목을 계산할 때 자동 평가 도구가 할당량 문제에 부딪힐 수 있습니다. 관련 할당량은 사용된 자동 평가 도구에 따라 다릅니다.
| 할 일 목록 | 할당량 | 기본 모델 | 권장사항 |
|---|---|---|---|
summarizationquestion_answering |
base_model별 리전별 기본 모델별 분당 온라인 예측 요청 | text-bison |
60 * num_concurrent_pipelines |
Vertex AI Pipelines
각 조정 작업에는 Vertex AI Pipelines가 사용됩니다. 자세한 내용을 알아보려면 Vertex AI Pipelines 할당량 및 한도를 참조하세요.
Vertex AI Reasoning Engine
다음 할당량 및 한도는 각 리전의 특정 프로젝트에 대한 Vertex AI Reasoning Engine에 적용됩니다.
| 할당량 | 값 |
|---|---|
| 분당 Reasoning Engine 생성/삭제/업데이트 수 | 10 |
| 분당 Reasoning Engine 쿼리 수 | 60 |
| Reasoning Engine 리소스의 최대 개수 | 100 |
오류 코드 429
요청 수가 요청을 처리하도록 할당된 용량을 초과할 경우 오류 코드 429가 반환됩니다. 다음 표에는 각 유형의 할당량 프레임워크에서 생성된 오류 메시지가 표시됩니다.
| 할당량 프레임워크 | 메시지 |
|---|---|
| Pay-as-you-go | Resource exhausted, please try again later. |
| 프로비저닝된 처리량 | Too many requests. Exceeded the provisioned throughput. |
프로비저닝된 처리량 구독을 사용하면 특정 생성형 AI 모델의 처리량을 예약할 수 있습니다. 프로비저닝된 처리량 구독이 없고 애플리케이션에서 리소스를 사용할 수 없는 경우 오류 코드 429가 반환됩니다. 예약된 용량이 없어도 요청을 다시 시도할 수 있습니다. 하지만 서비스수준계약 (SLA)에 설명된 대로 요청은 오류율에 집계되지 않습니다.
프로비저닝된 처리량을 구매한 프로젝트의 경우 Vertex AI는 프로젝트의 처리량을 측정하고 이를 사용할 수 있도록 해당 처리량을 예약합니다. 구매한 처리량보다 적게 사용하는 경우 429로 반환되었을 오류가 5XX로 반환되고 SLA에 설명된 오류율의 일부로 집계됩니다.
Pay-as-you-go
사용한 만큼만 지불 할당량 프레임워크에서는 429 오류를 해결하기 위해 다음과 같은 옵션이 있습니다.
- 잘린 지수 백오프를 사용하여 재시도 전략을 구현합니다.
- 소비자 재정의를 설정하고 비용을 제어하도록 구성한 경우 한도를 늘립니다. 자세한 내용은 동적 공유 할당량을 참조하세요.
- 보다 일관적인 서비스 수준을 얻기 위해서는 프로비저닝된 처리량을 구독하세요. 자세한 내용은 프로비저닝된 처리량을 참조하세요.
프로비저닝된 처리량
프로비저닝된 처리량으로 생성된 오류를 수정하려면 다음 단계를 따르세요.
- 예측 요청에 헤더를 설정하지 않는 기본 예시를 사용합니다. 초과분은 주문형으로 처리되고 사용한 만큼만 지불로 청구됩니다.
- 프로비저닝된 처리량 구독에서 GSU 수를 늘립니다.
할당량 상향 조정
Vertex AI의 생성형 AI 할당량을 상향 조정하려면 Google Cloud 콘솔을 사용해 할당량 상향을 요청하면 됩니다. 할당량에 대한 자세한 내용은 할당량 작업을 참조하세요.
다음 단계
- 동적 공유 할당량에 대한 자세한 내용은 동적 공유 할당량을 참조하세요.
- Vertex AI의 할당량 및 한도에 대한 자세한 내용은 Vertex AI 할당량 및 한도를 참조하세요.
- Google Cloud 할당량 및 한도에 대한 자세한 내용은 할당량 값 및 시스템 한도 이해를 참조하세요.