Azure Machine Learning 사용 하 여 리소스에 대 한 할당량 관리 및 늘리기Manage and increase quotas for resources with Azure Machine Learning

Azure는 제한 및 할당량을 사용 하 여 사기 문제로 인 한 예산 오버런을 방지 하 고 Azure 용량 제약 조건을 준수 합니다.Azure uses limits and quotas to prevent budget overruns due to fraud, and to honor Azure capacity constraints. 프로덕션 워크 로드를 확장할 때 이러한 제한을 고려 합니다.Consider these limits as you scale for production workloads. 이 문서에서는 다음에 대해 알아봅니다.In this article, you learn about:

  • Azure Machine Learning와 관련 된 Azure 리소스에 대 한 기본 제한입니다.Default limits on Azure resources related to Azure Machine Learning.
  • 작업 영역 수준 할당량을 만드는 중입니다.Creating workspace-level quotas.
  • 할당량 및 한도 보기Viewing your quotas and limits.
  • 할당량을 늘리는 중입니다.Requesting quota increases.
  • 개인 끝점 및 DNS 할당량.Private endpoint and DNS quotas.

할당량 관리와 함께 Azure Machine Learning에 대 한 비용을 계획 하 고 관리 하는 방법과 Azure Machine Learning의 서비스 제한에 대해 알아볼 수 있습니다.Along with managing quotas, you can learn how to plan and manage costs for Azure Machine Learning or learn about the service limits in Azure Machine Learning.

특별 고려 사항Special considerations

  • 할당량은 신용 한도액일 뿐이며 용량을 보장하는 것은 아닙니다.A quota is a credit limit, not a capacity guarantee. 대규모 용량이 필요한 경우 Azure 지원에 문의 하 여 할당량을 늘립니다.If you have large-scale capacity needs, contact Azure support to increase your quota.

  • 할당량은 Azure Machine Learning를 포함 하 여 구독에 있는 모든 서비스에서 공유 됩니다.A quota is shared across all the services in your subscriptions, including Azure Machine Learning. 용량을 평가할 때 모든 서비스에서 사용량을 계산 합니다.Calculate usage across all services when you're evaluating capacity.

    Azure Machine Learning compute는 예외입니다.Azure Machine Learning compute is an exception. 코어 계산 할당량과 별도의 할당량이 있습니다.It has a separate quota from the core compute quota.

  • 기본 제한은 무료 평가판, 종 량 제 및 VM (가상 머신) 시리즈 (Dv2, F, G 등)와 같은 제품 범주 유형에 따라 달라 집니다.Default limits vary by offer category type, such as free trial, pay-as-you-go, and virtual machine (VM) series (such as Dv2, F, and G).

기본 리소스 할당량Default resource quotas

이 섹션에서는 다음 리소스에 대 한 기본 및 최대 할당량 한도에 대해 알아봅니다.In this section, you learn about the default and maximum quota limits for the following resources:

  • Azure Machine Learning 자산Azure Machine Learning assets
    • Azure Machine Learning 컴퓨팅Azure Machine Learning compute
    • 파이프라인 Azure Machine LearningAzure Machine Learning pipelines
  • 가상 머신Virtual machines
  • Azure Container InstancesAzure Container Instances
  • Azure StorageAzure Storage

중요

한도는 변경될 수 있습니다.Limits are subject to change. 최신 정보는 Azure Machine Learning의 서비스 제한을 참조 하세요.For the latest information, see Service limits in Azure Machine Learning.

Azure Machine Learning 자산Azure Machine Learning assets

자산에 대 한 다음 제한은 작업 영역 별로 적용 됩니다.The following limits on assets apply on a per-workspace basis.

리소스Resource 최대 한도Maximum limit
데이터 세트Datasets 1천만10 million
실행Runs 1천만10 million
모델Models 1천만10 million
ArtifactsArtifacts 1천만10 million

또한 최대 실행 시간은 30 일이 고 실행 당 로깅되 는 최대 메트릭 수는 100만입니다.In addition, the maximum run time is 30 days and the maximum number of metrics logged per run is 1 million.

Azure Machine Learning 컴퓨팅Azure Machine Learning Compute

Azure Machine Learning 계산 에는 코어 수 (각 VM 제품군 및 누적 총 코어로 분할)와 구독에서 지역별 허용 되는 고유 계산 리소스 수에 대 한 기본 할당량 한도가 있습니다.Azure Machine Learning Compute has a default quota limit on both the number of cores (split by each VM Family and cumulative total cores) as well as the number of unique compute resources allowed per region in a subscription. 이 할당량은 Azure Machine Learning의 관리 되는 계산 리소스에만 적용 되므로 이전 섹션에 나열 된 VM 코어 할당량과는 다릅니다.This quota is separate from the VM core quota listed in the previous section as it applies only to the managed compute resources of Azure Machine Learning.

할당량 증가를 요청 하 여이 섹션에서 다양 한 VM 제품군 코어 할당량, 총 구독 코어 할당량 및 리소스에 대 한 제한을 증가 시킵니다.Request a quota increase to raise the limits for various VM family core quotas, total subscription core quotas and resources in this section.

사용 가능한 리소스:Available resources:

  • 지역별 전용 코어 의 기본 제한은 구독 제안 유형에 따라 24 ~ 300입니다.Dedicated cores per region have a default limit of 24 to 300, depending on your subscription offer type. 각 VM 제품군에 대해 구독 당 전용 코어 수를 늘릴 수 있습니다.You can increase the number of dedicated cores per subscription for each VM family. NCv2, NCv3 또는 ND 시리즈와 같은 특수 한 VM 제품군은 기본 제로 코어를 사용 하 여 시작 합니다.Specialized VM families like NCv2, NCv3, or ND series start with a default of zero cores.

  • 지역별 낮은 우선 순위의 코어 는 구독 제안 유형에 따라 100 ~ 3000의 기본 제한이 있습니다.Low-priority cores per region have a default limit of 100 to 3,000, depending on your subscription offer type. 구독당 우선 순위가 낮은 코어 수는 확장 가능하며 VM 제품군별로 값이 다릅니다.The number of low-priority cores per subscription can be increased and is a single value across VM families.

  • 지역별 클러스터 의 기본 제한은 200입니다.Clusters per region have a default limit of 200. 이러한 설정은 교육 클러스터와 계산 인스턴스 간에 공유 됩니다.These are shared between a training cluster and a compute instance. (계산 인스턴스는 할당량을 위해 단일 노드 클러스터로 간주 됩니다.)(A compute instance is considered a single-node cluster for quota purposes.)

할당량 증가를 요청 하는 VM 제품군에 대해 자세히 알아보려면 Azure에서 가상 머신 크기를 참조 하세요.To learn more about which VM family to request a quota increase for, check out virtual machine sizes in Azure. 예를 들어 GPU VM 제품군은 제품군 이름에 "N"으로 시작 합니다 (예:For instance GPU VM families start with an "N" in their family name (eg. NCv3 시리즈)NCv3 series)

다음 표에서는 플랫폼의 추가 제한을 보여 줍니다.The following table shows additional limits in the platform. 예외를 요청 하는 기술 지원 티켓을 통해 AzureML 제품 팀에 연락 하세요.Please reach out to the AzureML product team through a technical support ticket to request an exception.

리소스 또는 작업Resource or Action 최대 한도Maximum limit
리소스 그룹당 작업 영역Workspaces per resource group 800800
단일 Azure Machine Learning 계산 (AmlCompute) 클러스터 설정의 노드 (예: MPI 작업을 실행할 수 없음)Nodes in a single Azure Machine Learning Compute (AmlCompute) cluster setup as a non communication-enabled pool (i.e. cannot run MPI jobs) 100 노드 하지만 최대 65000 노드로 구성 가능100 nodes but configurable up to 65000 nodes
단일 병렬 실행 단계의 노드가 AmlCompute (Azure Machine Learning 계산) 클러스터에서 실행 됩니다.Nodes in a single Parallel Run Step run on an Azure Machine Learning Compute (AmlCompute) cluster 100 노드는 클러스터를 설치 하는 경우 위에 나와 있는 경우 최대 65000 노드로 구성할 수 있습니다.100 nodes but configurable up to 65000 nodes if your cluster is setup to scale per above
통신 사용 풀로 서의 단일 Azure Machine Learning 계산 (AmlCompute) 클러스터 설정의 노드Nodes in a single Azure Machine Learning Compute (AmlCompute) cluster setup as a communication-enabled pool 300 노드 하지만 최대 4000 노드로 구성 가능300 nodes but configurable up to 4000 nodes
RDMA 지원 VM 제품군에서 통신 사용 풀로 서의 단일 Azure Machine Learning 계산 (AmlCompute) 클러스터 설정의 노드Nodes in a single Azure Machine Learning Compute (AmlCompute) cluster setup as a communication-enabled pool on an RDMA enabled VM Family 100개 노드100 nodes
단일 MPI의 노드는 AmlCompute (Azure Machine Learning 계산) 클러스터에서 실행 됩니다.Nodes in a single MPI run on an Azure Machine Learning Compute (AmlCompute) cluster 100 노드 하지만 300 노드로 늘릴 수 있습니다.100 nodes but can be increased to 300 nodes
노드당 GPU MPI 프로세스GPU MPI processes per node 1-41-4
노드당 GPU 작업자GPU workers per node 1-41-4
작업 수명Job lifetime 21 일121 days1
낮은 우선 순위의 노드의 작업 수명Job lifetime on a low-priority node 7일27 days2
노드당 매개 변수 서버Parameter servers per node 11

1 최대 수명은 실행 시작 시간과 완료 시간 사이의 기간입니다.1 Maximum lifetime is the duration between when a run starts and when it finishes. 완료 된 실행은 무기한 지속 됩니다.Completed runs persist indefinitely. 최대 수명 내에 완료 되지 않은 실행에 대 한 데이터는 액세스할 수 없습니다.Data for runs not completed within the maximum lifetime is not accessible. 용량 제약 조건이 있을 때마다 우선 순위가 낮은 노드의 작업 2 개를 선점할 수 있습니다.2 Jobs on a low-priority node can be preempted whenever there's a capacity constraint. 작업에서 검사점을 구현 하는 것이 좋습니다.We recommend that you implement checkpoints in your job.

파이프라인 Azure Machine LearningAzure Machine Learning pipelines

Azure Machine Learning 파이프라인 의 제한은 다음과 같습니다.Azure Machine Learning pipelines have the following limits.

리소스Resource 제한Limit
파이프라인의 단계Steps in a pipeline 30,00030,000
리소스 그룹당 작업 영역Workspaces per resource group 800800

가상 머신Virtual machines

각 Azure 구독에는 모든 서비스의 가상 머신 수에 대 한 제한이 있습니다.Each Azure subscription has a limit on the number of virtual machines across all services. 가상 컴퓨터 코어에는 지역별 총 한도와 크기 별 지역별 제한이 있습니다.Virtual machine cores have a regional total limit and a regional limit per size series. 두 제한 모두 개별적으로 적용 됩니다.Both limits are separately enforced.

미국 동부 총 VM 코어 한도가 30이고, A 시리즈 코어 한도 30이며, D 시리즈 코어 한도는 30인 구독을 예로 들 수 있습니다.For example, consider a subscription with a US East total VM core limit of 30, an A series core limit of 30, and a D series core limit of 30. 이 구독은 30 개의 A1 Vm 또는 30 D1 개의 Vm을 배포할 수 있도록 허용 하거나 총 30 개 코어를 초과 하지 않는 둘의 조합을 허용 합니다.This subscription would be allowed to deploy 30 A1 VMs, or 30 D1 VMs, or a combination of the two that does not exceed a total of 30 cores.

다음 표에 표시 된 값을 초과 하 여 가상 컴퓨터에 대 한 제한을 발생 시킬 수 없습니다.You can't raise limits for virtual machines above the values shown in the following table.

리소스Resource 제한Limit
Azure Active Directory 테넌트당 구독Subscriptions per Azure Active Directory tenant 제한 없음Unlimited
구독당 공동 관리자Coadministrators per subscription 제한 없음Unlimited
구독당 리소스 그룹Resource groups per subscription 980980
Azure Resource Manager API 요청 크기Azure Resource Manager API request size 4,194,304바이트4,194,304 bytes
구독당 태그 수1Tags per subscription1 5050
구독당 고유한 태그 계산1Unique tag calculations per subscription1 1000010,000
위치당 구독 수준 배포Subscription-level deployments per location 80028002

1최대 50개의 태그를 구독에 직접 적용할 수 있습니다.1You can apply up to 50 tags directly to a subscription. 그러나 구독에는 구독 내의 리소스 그룹 및 리소스에 적용되는 태그를 무제한으로 포함할 수 있습니다.However, the subscription can contain an unlimited number of tags that are applied to resource groups and resources within the subscription. 리소스당 또는 리소스 그룹당 태그 수는 50개로 제한됩니다.The number of tags per resource or resource group is limited to 50. Resource Manager는 태그 수가 10,000개 이하일 경우에만 구독에 고유한 태그 이름 및 값의 목록을 반환합니다.Resource Manager returns a list of unique tag name and values in the subscription only when the number of tags is 10,000 or less. 개수가 10,000개를 초과하더라도 태그로 리소스를 찾을 수 있습니다.You still can find a resource by tag when the number exceeds 10,000.

2800개 배포 제한에 도달하면 기록에서 더 이상 필요하지 않은 배포를 삭제합니다.2If you reach the limit of 800 deployments, delete deployments that are no longer needed from the history. 구독 수준 배포를 삭제하려면 Remove-AzDeployment 또는 az deployment sub delete를 사용합니다.To delete subscription-level deployments, use Remove-AzDeployment or az deployment sub delete.

Container InstancesContainer Instances

자세한 내용은 Container Instances 제한을 참조 하세요.For more information, see Container Instances limits.

스토리지Storage

Azure Storage은 구독 당 지역 당 저장소 계정 250 개로 제한 됩니다.Azure Storage has a limit of 250 storage accounts per region, per subscription. 이 제한에는 표준 및 프리미엄 저장소 계정이 모두 포함 됩니다.This limit includes both Standard and Premium storage accounts.

제한을 늘리려면 Azure 지원을 통해 요청을 수행 합니다.To increase the limit, make a request through Azure Support. Azure Storage 팀은 해당 사례를 검토 하 고 지역에 대해 최대 250 개의 저장소 계정을 승인할 수 있습니다.The Azure Storage team will review your case and can approve up to 250 storage accounts for a region.

작업 영역 수준 할당량Workspace-level quotas

작업 영역 수준 할당량을 사용 하 여 동일한 구독의 여러 작업 영역 간에 Azure Machine Learning 계산 대상 할당을 관리 합니다.Use workspace-level quotas to manage Azure Machine Learning compute target allocation between multiple workspaces in the same subscription.

기본적으로 모든 작업 영역은 VM 제품군에 대 한 구독 수준 할당량과 동일한 할당량을 공유 합니다.By default, all workspaces share the same quota as the subscription-level quota for VM families. 그러나 구독의 작업 영역에서 개별 VM 패밀리의 최대 할당량을 설정할 수 있습니다.However, you can set a maximum quota for individual VM families on workspaces in a subscription. 이렇게 하면 용량을 공유 하 고 리소스 경합 문제를 방지할 수 있습니다.This lets you share capacity and avoid resource contention issues.

  1. 구독의 작업 영역으로 이동 합니다.Go to any workspace in your subscription.
  2. 왼쪽 창에서 사용량 + 할당량 을 선택 합니다.In the left pane, select Usages + quotas.
  3. 할당량을 보려면 할당량 구성 탭을 선택 합니다.Select the Configure quotas tab to view the quotas.
  4. VM 제품군을 확장 합니다.Expand a VM family.
  5. 해당 VM 제품군 아래에 나열 된 작업 영역에서 할당량 한도를 설정 합니다.Set a quota limit on any workspace listed under that VM family.

음수 값 또는 구독 수준 할당량 보다 높은 값을 설정할 수 없습니다.You can't set a negative value or a value higher than the subscription-level quota.

Azure Machine Learning 작업 영역 수준 할당량을 보여 주는 스크린샷Screenshot that shows an Azure Machine Learning workspace-level quota.

참고

작업 영역 수준에서 할당량을 설정 하려면 구독 수준 권한이 있어야 합니다.You need subscription-level permissions to set a quota at the workspace level.

사용량 및 할당량 보기View your usage and quotas

가상 머신, 저장소 또는 네트워크와 같은 다양 한 Azure 리소스에 대 한 할당량을 보려면 Azure Portal를 사용 합니다.To view your quota for various Azure resources like virtual machines, storage, or network, use the Azure portal:

  1. 왼쪽 창에서 모든 서비스 를 선택한 다음, 일반 범주 아래에서 구독 을 선택 합니다.On the left pane, select All services and then select Subscriptions under the General category.

  2. 구독 목록에서 할당량을 찾고 있는 구독을 선택 합니다.From the list of subscriptions, select the subscription whose quota you're looking for.

  3. 사용량 + 할당량 을 선택 하 여 현재 할당량 한도 및 사용량을 확인 합니다.Select Usage + quotas to view your current quota limits and usage. 필터를 사용 하 여 공급자 및 위치를 선택 합니다.Use the filters to select the provider and locations.

다른 Azure 할당량과는 별도로 구독에 대 한 Azure Machine Learning 계산 할당량을 관리 합니다.You manage the Azure Machine Learning compute quota on your subscription separately from other Azure quotas:

  1. Azure Portal에서 Azure Machine Learning 작업 영역으로 이동 합니다.Go to your Azure Machine Learning workspace in the Azure portal.

  2. 왼쪽 창의 지원 + 문제 해결 섹션에서 사용량 + 할당량 을 선택 하 여 현재 할당량 한도 및 사용량을 확인 합니다.On the left pane, in the Support + troubleshooting section, select Usage + quotas to view your current quota limits and usage.

  3. 구독을 선택하여 할당량 한도를 확인합니다.Select a subscription to view the quota limits. 관심이 있는 영역으로 필터링 합니다.Filter to the region you're interested in.

  4. 구독 수준 보기와 작업 영역 수준 보기 사이를 전환할 수 있습니다.You can switch between a subscription-level view and a workspace-level view.

할당량 증가 요청Request quota increases

제한 또는 할당량을 기본 한도 이상으로 올리려면 무료로 온라인 고객 지원 요청을 여세요 .To raise the limit or quota above the default limit, open an online customer support request at no charge.

위의 표에 표시 된 최대값을 초과 하 여 한도를 발생 시킬 수 없습니다.You can't raise limits above the maximum values shown in the preceding tables. 최대 제한이 없는 경우에는 리소스에 대 한 제한을 조정할 수 없습니다.If there's no maximum limit, you can't adjust the limit for the resource.

할당량 증가를 요청 하는 경우 염두에 두어야 하는 서비스를 선택 합니다.When you're requesting a quota increase, select the service that you have in mind. 예를 들어 Azure Machine Learning, Container Instances 또는 저장소를 선택 합니다.For example, select Azure Machine Learning, Container Instances, or Storage. Azure Machine Learning 계산의 경우 이전 단계에서 할당량을 볼 때 할당량 요청 단추를 선택할 수 있습니다.For Azure Machine Learning compute, you can select the Request Quota button while viewing the quota in the preceding steps.

참고

무료 평가판 구독 에는 제한 또는 할당량 증가가 적합 하지 않습니다.Free trial subscriptions are not eligible for limit or quota increases. 무료 평가판 구독을 사용 하는 경우 종 량 제 구독으로 업그레이드할 수 있습니다.If you have a free trial subscription, you can upgrade to a pay-as-you-go subscription. 자세한 내용은 azure 무료 평가판을 종 량 제 및 AZURE 체험 계정 FAQ로 업그레이드를 참조 하세요.For more information, see Upgrade Azure free trial to pay-as-you-go and Azure free account FAQ.

프라이빗 엔드포인트 및 프라이빗 DNS 할당량 증가Private endpoint and private DNS quota increases

구독에서 만들 수 있는 개인 끝점 및 개인 DNS 영역 수에는 제한이 있습니다.There are limits on the number of private endpoints and private DNS zones that you can create in a subscription.

Azure Machine Learning는 (고객) 구독에 리소스를 만들지만 일부 시나리오에서는 Microsoft 소유의 구독에서 리소스를 만듭니다.Azure Machine Learning creates resources in your (customer) subscription, but some scenarios create resources in a Microsoft-owned subscription.

다음 시나리오에서는 Microsoft 소유의 구독에서 할당량 한도를 요청 해야 할 수 있습니다.In the following scenarios, you might need to request a quota allowance in the Microsoft-owned subscription:

  • CMK (고객이 관리 하는 키)가 있는 Azure 개인 링크 사용 작업 영역Azure Private Link enabled workspace with a customer-managed key (CMK)
  • 가상 네트워크 뒤의 작업 영역에 대한 Azure Container RegistryAzure Container Registry for the workspace behind your virtual network
  • Private Link를 사용하는 Azure Kubernetes Service 클러스터를 작업 영역에 연결Attaching a Private Link enabled Azure Kubernetes Service cluster to your workspace

이러한 시나리오에 대 한 허용을 요청 하려면 다음 단계를 사용 합니다.To request an allowance for these scenarios, use the following steps:

  1. Azure 지원 요청을 만들고 기본 사항 섹션에서 다음 옵션을 선택 합니다.Create an Azure support request and select the following options in the Basics section:

    필드Field 선택Selection
    문제 유형Issue type 기술Technical
    서비스Service 내 서비스.My services. 그런 다음 드롭다운 목록에서 Machine Learning 을 선택 합니다.Then select Machine Learning in the drop-down list.
    문제 유형Problem type 작업 영역 구성 및 보안Workspace Configuration and Security
    문제 하위 유형Problem subtype 개인 끝점 및 사설 DNS 영역 허용 요청Private Endpoint and Private DNS Zone allowance request
  2. 세부 정보 섹션에서 설명 필드를 사용 하 여 Azure 지역 및 사용할 시나리오를 제공 합니다.In the Details section, use the Description field to provide the Azure region and the scenario that you plan to use. 여러 구독에 대 한 할당량 증가가 요청 해야 하는 경우이 필드에 구독 Id를 나열 합니다.If you need to request quota increases for multiple subscriptions, list the subscription IDs in this field.

  3. 만들기 를 선택 하 여 요청을 만듭니다.Select Create to create the request.

개인 끝점 및 개인 DNS 할당량 증가 요청의 스크린샷

다음 단계Next steps