패브릭 컴퓨팅: 컴퓨트·메모리·스토리지를 필요할 때 조합하는 인프라
패브릭 컴퓨팅의 자원 분리·조합 구조, RDMA·NVMe-oF·CXL 인터커넥트, 정책 기반 오케스트레이션과 AI/HPC 도입 절차·비용 효과를 정리한다.
2026-08-13 · 최초 발행 2025-12-03
같은 랙 안에 GPU는 남는데 메모리가 모자란 서버와, 메모리는 남는데 GPU가 없는 서버가 나란히 있는 경우가 드물지 않다. 서버 로컬 자원을 물리적으로 묶어두는 전통적 구조에서는 이런 불균형이 그대로 낭비로 남는다. 패브릭 컴퓨팅(Fabric Computing)은 컴퓨트·네트워크·스토리지를 분리한 뒤 고속 패브릭으로 다시 조합하는 방식으로 이 문제를 푼다.
분리와 조합의 동작
패브릭 컴퓨팅은 컴퓨트·네트워크·스토리지 자원을 분리(Disaggregation)한 뒤 고속 패브릭으로 연결해 필요할 때 조합(Composability)하는 인프라 아키텍처다. 소프트웨어 정의 제어(컨트롤 플레인)와 패브릭 전용 데이터 플레인이 결합된 폐루프 자동화 체계로 동작한다.
비슷해 보이는 개념과는 초점이 다르다. 소프트웨어 정의 데이터센터(SDDC)는 가상화에 무게를 두는 반면, 패브릭 컴퓨팅은 하드웨어 자원의 분해·재조합과 저지연 패브릭에 더 집중한다. 데이터 패브릭(Data Fabric)이 데이터 관리·통합 계층을 가리킨다면, 패브릭 컴퓨팅은 그 아래 인프라 자원 계층을 다룬다. 두 전제는 고속·저지연 인터커넥트(RDMA/RoCE, NVMe-oF, CXL 등)와 정책·의도 기반(Intent-based) 오케스트레이션, 실시간 텔레메트리 연동이다.
핵심 요소가 맞물려 동작한다
서버 로컬 리소스는 논리적으로 분리돼 컴퓨트·메모리·스토리지 개별 풀로 관리되고, 필요할 때 조합해 워크로드 맞춤형 프로파일을 만든다. 수명 주기가 분리돼 있어 독립적으로 확장·교체할 수 있고 CapEx·재고 부담도 줄어든다.
네트워킹은 25/100/400G 이더넷에 RDMA(RoCE v2)를 얹고 ECN/PFC로 저지연을 보장하며, 스토리지는 NVMe over Fabrics(RDMA/TCP)로 원격 플래시에 접근한다. CXL 기반 메모리/가속기 공유 구조도 도입이 진행 중이다(최신 정보 확인 필요).
오케스트레이션·정책 엔진은 선언적 정책에 따라 자원 할당·QoS·보안 세그멘테이션을 자동화하고, 스케줄러가 용량·대역폭·지연 목표를 만족하는 최적 배치를 찾는다. 구성 변경은 원자적·아이들포턴트로 실행되며 실패하면 보상 트랜잭션으로 롤백한다.
관측성·폐루프 제어는 흐름·지연·큐·드롭 같은 실시간 텔레메트리와 이벤트를 수집해 SLO 위반 시 자동으로 스케일아웃·재배치·우선순위 조정을 트리거한다. 변경 전에는 디지털 트윈·시뮬레이션으로 영향을 미리 검증한다.
신뢰성·일관성은 리프-스파인 언더레이, ECMP, 멀티패스, 패브릭 레벨 펜싱으로 장애를 격리하고, 컨트롤 플레인은 쿼럼·리더 선출로 고가용성을 유지한다. 구성 일관성 검증과 트랜잭션 로그, 감사 추적도 함께 보장된다.
요청이 자원 할당으로 이어지는 과정
서비스 프로파일(컴퓨트 vCPU/메모리, 스토리지 성능 클래스, 네트워크 정책)과 SLO가 입력되면, 스키마 검증을 거쳐 리소스 스케줄러가 분산 락과 리스(lease)를 확보하고 용량·지연·대역폭을 최적화해 배치한다. 패브릭 에이전트가 리프·노드·어레이에 원자적·아이들포턴트로 구성을 적용하면 상태 저장소가 트랜잭션을 커밋하고, 엔드포인트·볼륨·정책 바인딩이 결과로 나온다.
도입은 진단에서 거버넌스까지 이어진다
먼저 워크로드 특성을 지연 민감·대역폭 집약·스토리지 IOPS 집중으로 분류하고, 네트워크 언더레이/오버레이와 스토리지 경로의 병목을 진단한다. 이어서 리프-스파인 + EVPN/VXLAN, RDMA 도입 범위, NVMe-oF 타겟 구성을 정하고 리소스 클래스·SLO·정책 스키마와 멀티테넌시 경계를 설계한다.
PoC 단계에서는 RDMA 지연·NVMe-oF IOPS 같은 마이크로벤치와 학습 잡·OLTP 트랜잭션 같은 엔드투엔드 시나리오를 검증하고 PFC/ECN 혼잡 제어 파라미터를 튜닝한다. 저위험 워크로드부터 단계적으로 도입하면서 마이그레이션 런북과 롤백 계획을 세우고, 쿼럼/DR, 구성 드리프트 탐지 자동화를 켠다. 운영 단계에서는 텔레메트리 기반 자동 스케일·재배치 규칙과 용량 예측 기반 조달을 연동하고, 변경 관리에는 사전 검증(가드레일·정책 시뮬레이션)을 적용한다. 마지막으로 태그·라벨 기반 비용 귀속, SLO 위반 RCA 자동화, 보안·감사·규제 준수 통합 리포팅으로 거버넌스를 갖춘다.
AI 학습부터 프라이빗 엣지까지
AI/ML 트레이닝·서빙에서는 GPU 풀을 네트워크로 조합해 잡 요구량에 맞게 동적으로 할당하고, NVLink 도메인 내/외 최적 배치와 RDMA 기반 파라미터 동기화로 학습 단계당 지연을 최소화한다.
고성능 분석·HPC는 MPI/SHMEM 워크로드에 RoCE 패브릭을 제공하고 노이즈 격리와 패브릭 QoS로 공정성을 확보하며, Burst 버퍼를 NVMe-oF로 구성해 체크포인트 성능을 끌어올린다.
데이터베이스·OLTP/OLAP 혼합 워크로드는 로그는 저지연, 데이터는 고용량 스토리지 클래스로 분리하고 네트워크 마이크로세그멘테이션으로 Blast Radius를 줄이며, 리드 레플리카를 자동으로 증감·재배치한다.
프라이빗 클라우드/엣지에서는 멀티테넌시 패브릭 정책으로 라우팅·보안을 표준화하고 단일 컨트롤 플레인에서 원격 엣지를 운영하며, 저전력 서버와 원격 플래시 조합으로 TCO를 절감한다.
전통식 인프라와 비교하면
| 지표 | 전통식(사일로) | 패브릭 컴퓨팅 |
|---|---|---|
| 성능 | NIC/스토리지 경로 고정, 혼잡 시 급격한 저하 | ECMP·멀티패스·RDMA로 예측 가능한 지연 |
| 확장성 | 수직 확장 중심, 랙/도메인 경계 제약 | 수평 확장, 리소스 풀 기반 조합 |
| 일관성 | 수동 구성, 드리프트 빈발 | 선언적 정책, 아이들포턴트 적용 |
| 안정성 | 장애 전파 큼, 롤백 수동 | 펜싱·보상 트랜잭션·자가치유 |
| 운영 편의 | 수작업 티켓팅, 장비별 관리 | 단일 API/컨트롤 플레인, 폐루프 자동화 |
활용률과 비용이 함께 움직인다
패브릭 컴퓨팅을 도입하면 컴퓨트/스토리지 평균 활용률이 2040%p 오르고 과잉 프로비저닝이 완화된다. RDMA 지연은 수십 μs 수준이고 NVMe-oF IOPS는 환경에 따라 100만 이상까지 달성할 수 있다. 서비스 프로비저닝 시간은 일/시간 단위에서 분/초 단위로 줄고 변경 실패율도 낮아진다. TCO는 1530% 절감되고 랙 밀도가 높아지며, 통합·냉각 최적화로 전력 사용이 10~20% 줄어든다. 장애 격리와 자동 복구로 MTTR이 짧아지고, 구성 일관성 덕에 변경 리스크도 낮아진다.
언더레이 품질이 전제 조건이다
모범사례는 명확하다. ECN을 활성화하고 PFC는 필요한 링크에만 최소로 걸며 대기열을 모니터링한다. VRF/네임스페이스와 마이크로세그멘테이션, 제로트러스트 정책으로 멀티테넌시 경계를 나누고, 변경에는 사전 검증·단계적 롤아웃·자동 롤백·감사 로그 불변화라는 가드레일을 둔다. 컨트롤 플레인 쿼럼과 분산 키-밸류 저장소 일관성, 리더 선출 테스트로 가용성을 지킨다.
대가도 함께 온다. 컨트롤·데이터 플레인과 텔레메트리 인프라가 늘어나는 만큼 관리 비용이 커진다. RDMA/RoCE는 손실에 민감해서 PFC 설정을 잘못하면 HOL 블로킹 위험이 생긴다. CXL·NVMe-oF는 구현체 간 차이가 있어 멀티벤더 상호운용성을 별도로 검증해야 한다(최신 정보 확인 필요).
패브릭 컴퓨팅은 분리·조합 가능한 자원 모델과 고속 패브릭, 정책 기반 자동화를 결합해 성능·확장성·운영 일관성을 동시에 잡으려는 인프라 패러다임이다. AI·HPC·대규모 데이터 플랫폼에서 효과가 즉시 드러나지만, 언더레이 품질과 정책 거버넌스가 갖춰진 상태에서 단계적으로 도입하는 편이 안전하다.