kaffa/obsidian
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

infra/platform/ollama: add GPU and VRAM details

Browse Source 
GTX 1080 Ti(11GB VRAM, CUDA 12.4) GPU 가속 확인. gemma4:e4b 로드 시
10GB 점유(89%), 동시 로드 한계·GPU 공유 제약·36 tok/s 실측치 추가.
infra-hosts.md §GPU 링크.
This commit is contained in:
kaffa
2026-04-21 12:29:11 +09:00
parent 6a54e8bbc3
commit 08313cd4d4
1 changed files with 15 additions and 5 deletions
Download Patch File Download Diff File Expand all files Collapse all files

20
infra/platform/ollama.md
View File

@@ -1,12 +1,12 @@
--- ---
title: Ollama — LLM 로컬 추론 엔드포인트 title: Ollama — LLM 로컬 추론 엔드포인트
updated: 2026-04-21 updated: 2026-04-21
tags: [infra, llm, ollama, inference] tags: [infra, llm, ollama, inference, gpu]
--- ---
## 개요 ## 개요
kr1 호스트에 직접 설치된 Ollama 런타임. 컨테이너 아닌 **호스트 systemd service**. tailnet 전체에서 단일 엔드포인트로 공유. kr1 호스트에 직접 설치된 Ollama 런타임. 컨테이너 아닌 **호스트 systemd service**. **GTX 1080 Ti GPU 가속** (CPU 추론 아님). tailnet 전체에서 단일 엔드포인트로 공유.
| 항목 | 값 | | 항목 | 값 |
|------|-----| |------|-----|
@@ -14,6 +14,7 @@ kr1 호스트에 직접 설치된 Ollama 런타임. 컨테이너 아닌 **호스
| 서비스 | `ollama.service` (systemd, User=ollama, Restart=always) | | 서비스 | `ollama.service` (systemd, User=ollama, Restart=always) |
| 버전 | 0.20.2 | | 버전 | 0.20.2 |
| 바이너리 | `/usr/local/bin/ollama` | | 바이너리 | `/usr/local/bin/ollama` |
| GPU | NVIDIA GeForce GTX 1080 Ti (VRAM 11GB, CUDA 12.4, 드라이버 550.163.01) — [[infra-hosts#GPU]] 참조 |
| 엔드포인트 | `http://100.84.111.28:11434` (Tailscale IP, tailnet 공유) | | 엔드포인트 | `http://100.84.111.28:11434` (Tailscale IP, tailnet 공유) |
| 바인딩 | `0.0.0.0:11434` (`OLLAMA_HOST=0.0.0.0`) | | 바인딩 | `0.0.0.0:11434` (`OLLAMA_HOST=0.0.0.0`) |
| 인증 | 없음 (tailnet 내부 전용, WAN 노출 아님) | | 인증 | 없음 (tailnet 내부 전용, WAN 노출 아님) |
@@ -29,6 +30,14 @@ kr1 호스트에 직접 설치된 Ollama 런타임. 컨테이너 아닌 **호스
Capability는 `/api/show` 응답의 `capabilities` 필드로 확인. Capability는 `/api/show` 응답의 `capabilities` 필드로 확인.
## GPU 자원
- gemma4:e4b (9.6 GB 모델) 로드 시 VRAM **10,062 MiB / 11,264 MiB (89%)** 점유.
- `OLLAMA_KEEP_ALIVE=-1` 때문에 한 번 로드되면 메모리 상주 — 자동 언로드 없음.
- **모델 동시 로드 한계**: gemma4:e4b 로드 상태에서 qwen3:4b를 추가 로드하려면 VRAM 부족 → 하나를 수동 언로드해야 함 (`/api/generate` 호출 시 `keep_alive: 0`).
- 현재 GPU 공유 사용 프로세스는 Ollama 단독. K3s나 Incus 컨테이너가 GPU를 쓰지 않음.
- 관측 처리 속도: gemma4:e4b tool-calling 루프에서 약 **36 tok/s** (2026-04-21 실측).
## 접근 방법 ## 접근 방법
### 모델 목록 ### 모델 목록
@@ -67,11 +76,12 @@ sudo -u ollama ollama pull <model>
## 운영 주의점 ## 운영 주의점
- kr1 호스트 자원을 LLM inference가 점유 (모델 로드 시 메모리 압박 가능). heimdall·brokkr·postgres-2·mariadb-2도 같은 호스트라는 점 유의. - **GPU를 다른 워크로드와 공유할 수 없음**: 현재 VRAM이 거의 풀 점유 상태라 GPU를 쓰는 다른 컨테이너(예: docker-gpu Incus 이미지) 스케줄링 시 충돌 가능. 추가 GPU 워크로드는 `OLLAMA_KEEP_ALIVE=0`으로 Ollama 모델을 먼저 언로드해야 함.
- `OLLAMA_KEEP_ALIVE=-1`이라 한 번 로드된 모델은 OOM 전까지 메모리 상주. 모델 전환 시 이전 모델 수동 언로드 필요 (`/api/generate` 호출 시 `keep_alive: 0`). - kr1 호스트 자원(CPU/RAM)도 Ollama가 일부 점유. heimdall·brokkr·postgres-2·mariadb-2가 같은 호스트라는 점 유의.
- `OLLAMA_KEEP_ALIVE=-1`이라 한 번 로드된 모델은 OOM 전까지 상주. 모델 전환 시 이전 모델 수동 언로드 필요.
- 모델 저장소 `/usr/share/ollama/.ollama` 는 호스트 로컬 디스크. 백업 대상 아님 (모델은 재다운로드 가능). - 모델 저장소 `/usr/share/ollama/.ollama` 는 호스트 로컬 디스크. 백업 대상 아님 (모델은 재다운로드 가능).
## 참조 ## 참조
- [[infra-hosts]] — kr1 Tailscale IP 100.84.111.28 - [[infra-hosts]] — kr1 Tailscale IP 100.84.111.28, GTX 1080 Ti GPU 상세 (§GPU)
- [[../../openclaw/openclaw-ollama|openclaw-ollama]] — OpenClaw의 Ollama 통합 (remote baseUrl 설정 패턴 재사용 가능) - [[../../openclaw/openclaw-ollama|openclaw-ollama]] — OpenClaw의 Ollama 통합 (remote baseUrl 설정 패턴 재사용 가능)