Vertex AI 영구 리소스는 커스텀 학습 작업을 실행하기 위해 만들 수 있는 장기 실행 클러스터입니다. 학습 작업이 완료된 후에는 남은 영구 리소스를 삭제할 때까지 다른 학습 작업을 실행하는 데 계속 사용할 수 있습니다. 영구 리소스를 사용하면 컴퓨팅 리소스 가용성을 보장하고 컴퓨팅 리소스를 만들 때 필요한 작업 시작 시간을 줄일 수 있습니다. 영구 리소스는 커스텀 학습 작업에서 지원하는 모든 VM 및 GPU를 지원합니다. 이 페이지에서는 영구 리소스를 사용하는 경우를 설명하고 청구 및 할당량에 대한 정보를 제공합니다.
영구 리소스를 사용해야 하는 경우
다음 시나리오에서는 영구 리소스를 사용하는 것이 좋습니다.
성수기나 중요한 ML 워크로드에 대해 용량 가용성을 보장해야 합니다. 학습 서비스가 작업 완료 후에 리소스를 해제하는 커스텀 작업과 달리 영구 리소스는 삭제될 때까지 계속 사용 가능합니다.
동일한 작업을 여러 번 제출할 때 동일한 영구 리소스에서 작업을 실행하여 데이터 및 이미지 캐싱을 활용할 수 있습니다.
영구 리소스에서 실행 중인 작업이 있는지 여부에 관계없이 영구 리소스가 실행 중인 상태인 전체 기간 동안 요금이 청구됩니다. 영구 리소스 풀의 인스턴스마다 코어 시간을 기준으로 요금이 청구됩니다. 영구 리소스에서 실행되는 모든 작업에는 요금이 별도로 청구되지 않습니다.
영구 리소스에 대한 요금만 청구됩니다.
영구 리소스에 자동 확장을 설정하면 프로비저닝된 인스턴스에 대한 비용만 지불하면 됩니다. 예를 들어 min-replica-count가 4로 설정된 경우 4 인스턴스는 항상 프로비저닝되며 이는 요금이 청구되는 최소 금액입니다. 워크로드가 증가하면 증가한 수요를 수용할 수 있도록 리소스 풀이 6까지 확장될 수 있습니다. 그러면 리소스 풀이 다시 축소될 때까지 6 프로비저닝된 인스턴스에 대한 요금이 청구됩니다. 유휴 노드에 대한 비용을 지불하지 않으려면 영구 리소스에 자동 확장을 사용하거나 더 이상 필요하지 않을 때 삭제합니다. 가격 책정에 대한 자세한 내용은 Vertex AI 가격 책정 페이지의 커스텀 학습 모델 섹션을 참조하세요.
할당량
영구 리소스는 학습 할당량을 사용하므로 영구 리소스를 만들 수 있는 할당량이 충분한지 확인합니다. 할당량에 대한 자세한 내용은 학습 할당량 및 한도를 참조하세요.
[[["이해하기 쉬움","easyToUnderstand","thumb-up"],["문제가 해결됨","solvedMyProblem","thumb-up"],["기타","otherUp","thumb-up"]],[["이해하기 어려움","hardToUnderstand","thumb-down"],["잘못된 정보 또는 샘플 코드","incorrectInformationOrSampleCode","thumb-down"],["필요한 정보/샘플이 없음","missingTheInformationSamplesINeed","thumb-down"],["번역 문제","translationIssue","thumb-down"],["기타","otherDown","thumb-down"]],["최종 업데이트: 2025-09-04(UTC)"],[],[],null,["# Overview of persistent resources\n\nA Vertex AI persistent resource is a long-running cluster that you can\ncreate to run custom training jobs. After a training job completes, the\npersistent resource remains available to run other training jobs until you\ndelete it. You can use a persistent resource to ensure compute resource\navailability and to reduce the job startup time that's otherwise needed for\ncompute resource creation. Persistent resources support all VMs and GPUs that\nare supported by custom training jobs. This page explains when to use a\npersistent resource and gives you information about billing and quota.\n\nWhen to use a persistent resource\n---------------------------------\n\nWe recommend using persistent resources in the following scenarios:\n\n- You want to ensure capacity availability for critical ML workloads or during peak seasons. Unlike custom jobs, where the training service releases the resource after job completion, persistent resource remains available until it's deleted.\n- You're submitting the same job multiple times and can benefit from data and image caching by running the jobs on the same persistent resource.\n- You run many short-lived training jobs where the actual training time is shorter than the job startup time.\n\nFor more context on when to and why use a persistent resource, see the blog post\n[Bringing capacity assurance and faster startup times to Vertex AI Training](/blog/products/ai-machine-learning/vertex-ai-persistent-resources-and-capacity-assurance).\n\nBilling details\n---------------\n\nYou are billed for the entire duration that a persistent resource is in a\nrunning state, regardless of whether there is a job running on the persistent\nresource. For each instance in the persistent resource pool, you are billed by\ncore hour. All jobs running on a persistent resource are not separately charged.\nYou are billed only for the persistent resource.\n\nIf you set up auto scaling for your persistent resource, you only pay\nfor the provisioned instances. For example, if `min-replica-count` is set to `4`,\n`4` instances are always provisioned and this is the minimum amount you're billed\nfor. When your workload increases, the resource pool might scale up to `6` to\naccommodate the increased demand. Then, you're billed for the `6` provisioned instances\nuntil your resource pool scales down again. To avoid paying for idle nodes,\nuse auto scaling for your persistent resource, or delete it when you no longer\nneed it. To learn more about pricing, see the [Custom-trained models](/vertex-ai/pricing#custom-trained_models)\nsection in the Vertex AI pricing page.\n\nQuotas\n------\n\nPersistent resources use your training quota, so verify you have sufficient\nquota for persistent resource creation. To learn more about quotas, see [Training quotas and limits](/vertex-ai/docs/quotas#training).\n\nWhat's next\n-----------\n\n- [Create and use a persistent resource](/vertex-ai/docs/training/persistent-resource-create).\n- [Run training jobs on a persistent resource](/vertex-ai/docs/training/persistent-resource-train).\n- [Get information about a persistent resource](/vertex-ai/docs/training/persistent-resource-get).\n- [Reboot a persistent resource](/vertex-ai/docs/training/persistent-resource-reboot).\n- [Delete a persistent resource](/vertex-ai/docs/training/persistent-resource-delete)."]]
