컨테이너 이미지 크기 줄이기

이미지 압축 크기(컨테이너 이미지 레지스트리에서 차지하는 크기)는 풀 시간과 직접적으로 상관관계가 있으며, 이미지 비압축 크기(다운로드된 후 이미지의 크기)는 컨테이너를 부트스트랩하는 데 걸리는 시간에 영향을 미칩니다. 크기가 클수록 이미지 레이어를 압축 해제하고 추출하며 마운트하고 컨테이너 파일 시스템으로 결합하는 데 더 오래 걸립니다.

이미지 레이어 수, 구조, 중복 제거 및 컨테이너 런타임 캐시 효율성 또는 레지스트리 근접성과 같은 다른 기여 요인이 있지만, 크기 최적화에 특별히 주의를 기울이는 것은 시작 지연 시간을 줄이는 여정에서 중요한 단계입니다.

AWS Container Build lens에 설명된 대로, 멀티 스테이지 빌드 및 로딩과 캐싱에 도움이 되는 레이어 구조화와 같은 전통적인 최적화 기법은 애플리케이션 유형에 관계없이 컨테이너 이미지 크기와 전반적인 성능 및 비용 효율성에 기본적인 개선을 제공합니다. AI/ML 추론 애플리케이션 컨테이너 이미지의 경우, 이러한 구성 요소(특히 모델 아티팩트 및 서빙 프레임워크)가 종종 여러 기가바이트(GB) 크기를 초과하기 때문에 대규모 구성 요소를 분리하면 추가적으로 상당한 크기 감소를 얻을 수 있습니다.

이 섹션의 솔루션은 전통적인 최적화 기법과 이러한 대규모 구성 요소를 컨테이너 이미지에서 Amazon S3 또는 Amazon FSx와 같은 다른 전달 시스템으로 추출하는 아키텍처 패턴에 초점을 맞춥니다.

재배치된 구성 요소는 여전히 애플리케이션에서 사용 가능해야 하므로 새로운 전달 시스템이 이미지 풀 프로세스보다 빨라야 합니다. 후속 풀 프로세스 가속화 섹션에서는 컨테이너 이미지 검색을 최적화하는 방법을 다룹니다.