Your company is planning to expand its AI capabilities significantly over the next five years. To future-proof your storage infrastructure, you need a solution that can scale in both capacity and performance.
Which of the following strategies best ensures that your storage infrastructure remains adaptable to future AI demands?
- A. Implement on-premises block storage system with periodic hardware upgrades.
- B. Implement single-tier cloud storage solution to leverage cloud scalability.
- C. Use a hybrid cloud model combining scalable cloud resources with on-premises infrastructure.
- D. Deploy an all-flash array and remove data tiering to reduce latency.
귀사는 향후 5년 동안 AI 기능을 대폭 확장할 계획입니다. 미래에 대비하기 위해 스토리지 인프라는 용량과 성능 모두에서 확장 가능한 솔루션이 필요합니다.
다음 전략 중 어떤 전략이 미래의 AI 요구 사항에 맞춰 스토리지 인프라를 유연하게 유지할 수 있도록 가장 효과적으로 보장합니까?
- A. 주기적인 하드웨어 업그레이드가 가능한 온프레미스 블록 스토리지 시스템을 구축합니다.
- B. 클라우드 확장성을 활용하기 위해 단일 계층 클라우드 스토리지 솔루션을 구현합니다.
- C. 확장 가능한 클라우드 리소스와 온프레미스 인프라를 결합한 하이브리드 클라우드 모델을 사용합니다.
- D. 지연 시간을 줄이기 위해 올플래시 어레이를 배포하고 데이터 계층화를 제거합니다.
정답은 C. Use a hybrid cloud model combining scalable cloud resources with on-premises infrastructure 입니다. ✅
이 문제의 핵심은 **“향후 5년간 AI 수요가 크게 증가할 때, 용량과 성능을 모두 유연하게 확장할 수 있어야 한다”**는 점입니다.
왜 C가 정답인가?
Hybrid Cloud는:
On-Prem Storage
+
Cloud Storage / Compute를 함께 사용합니다.
즉 평소에는 온프레미스의 고성능 스토리지를 사용하고, 필요할 때 클라우드 자원을 추가로 확장할 수 있습니다.
예를 들어:
현재
On-Prem 5 PB
3년 후
On-Prem 10 PB
+
Cloud 20 PB
5년 후
On-Prem 15 PB
+
Cloud 50 PB처럼 확장할 수 있습니다.
그래서 Capacity와 Performance 모두 장기적으로 유연하게 대응하기 좋습니다.
AI에서는 왜 특히 유리할까?
AI 환경에서는 데이터가 계속 증가합니다.
Dataset 증가
↓
Model 크기 증가
↓
Checkpoint 증가
↓
Training Job 증가
↓
Storage 용량 + 처리량 모두 필요Hybrid Cloud라면:
- 자주 쓰는 데이터 → On-Prem 고성능 스토리지
- 오래된 데이터 → Cloud/Object Storage
- Burst workload → Cloud 활용
- 장기 보관 → 저비용 Cloud Tier
처럼 역할을 나눌 수 있습니다.
즉 Tiering과 확장성을 유지할 수 있다는 점이 중요합니다.
❌ A. On-Prem Block Storage만 사용
On-Prem Storage
↓
용량 부족
↓
Hardware 추가
↓
또 부족
↓
Hardware 추가확장은 가능하지만:
- 장비 구매 필요
- 설치 공간 필요
- 전력/냉각 필요
- 증설 리드타임 발생
- 최대 확장성 제한
이 있습니다.
따라서 5년 장기 확장성이라는 문제에는 덜 적합합니다.
❌ B. Single-tier Cloud Storage
Cloud 자체는 확장성이 좋습니다.
하지만 문제의 함정은:
single-tier
입니다.
AI 데이터는 특성이 다릅니다.
Hot Data
→ 빠른 Storage 필요
Warm Data
→ 중간 성능
Cold Data
→ 저렴한 Storage이를 모두 한 Tier에서 관리하면 비용이나 성능 효율이 떨어질 수 있습니다.
또 대규모 AI training에서는 네트워크 latency와 bandwidth도 중요합니다.
❌ D. All-Flash + Data Tiering 제거
All-Flash는 빠릅니다.
하지만:
모든 데이터
↓
Flash로 구성하면 비용이 매우 커질 수 있습니다.
AI 데이터에는:
- 현재 학습 데이터
- 과거 Dataset
- Checkpoint
- Archive
- Raw Data
등이 섞여 있습니다.
모든 데이터를 최고성능 Flash에 넣는 것은 장기적인 Capacity 확장성 측면에서 비효율적입니다.
그리고 문제에서:
future-proof
라고 했으므로 단순 성능보다는 확장성과 유연성이 더 중요합니다.
🎯 시험용으로는 이렇게 풀면 됩니다
문제에서:
future-proof
scale in capacity and performance
next five years
가 나오면:
Scalability
+
Flexibility
+
Hybrid를 떠올리세요.
한 줄 암기
장기 AI Storage 확장성 → Hybrid Cloud
Question #21 정답
C ✅
그리고 이 문제는 스토리지 자체보다 **“확장 전략”**을 묻는 문제입니다.
A = On-Prem only
B = Cloud only
C = Hybrid ✅
D = Flash only즉 한쪽에만 종속되지 않고 필요에 따라 확장 가능한 구조가 가장 미래 대응력이 높다고 보면 됩니다.
댓글