hello

디스크 성능 측정 - fio

Share
  1. 패키지 설치
sudo apt install fio
  1. fio 수행
fio --name=read_test --ioengine=sync --size=1G --numjobs=1 --runtime=1m --time_based --group_reporting  --output=read_test_result.txt
  • --name: 작업의 이름을 지정
  • --ioengine=sync: 랜덤 쓰기 작업을 수행
  • --size=1G: 테스트할 파일 크기 (1GB)
  • --numjobs=1: 동시에 실행할 작업의 수
  • --runtime=1m: 1분 동안 테스트 실행
  • --time_based: 시간 기반으로 테스트를 실행
  • --group_reporting: 작업별 결과를 그룹화하여 보고
  1. 수행 결과
read_test: (g=0): rw=read, bs=(R) 4096B-4096B, (W) 4096B-4096B, (T) 4096B-4096B, ioengine=sync, iodepth=1
fio-3.28
Starting 1 process
read_test: Laying out IO file (1 file / 1024MiB)

read_test: (groupid=0, jobs=1): err= 0: pid=98469: Fri Mar 28 13:08:48 2025
  read: IOPS=75.2k, BW=294MiB/s (308MB/s)(17.2GiB/60001msec)
    clat (nsec): min=851, max=98788k, avg=12547.93, stdev=576371.07
     lat (nsec): min=881, max=98788k, avg=12590.21, stdev=576371.02
    clat percentiles (nsec):
     |  1.00th=[    1012],  5.00th=[    1256], 10.00th=[    1288],
     | 20.00th=[    1288], 30.00th=[    1304], 40.00th=[    1304],
     | 50.00th=[    1320], 60.00th=[    1320], 70.00th=[    1336],
     | 80.00th=[    1480], 90.00th=[    2544], 95.00th=[    2608],
     | 99.00th=[    3056], 99.50th=[    3920], 99.90th=[   21376],
     | 99.95th=[ 2998272], 99.99th=[32374784]
   bw (  KiB/s): min=201088, max=540672, per=100.00%, avg=301007.64, stdev=52783.17, samples=119
   iops        : min=50274, max=135168, avg=75251.82, stdev=13195.79, samples=119
  lat (nsec)   : 1000=0.82%
  lat (usec)   : 2=86.79%, 4=11.91%, 10=0.34%, 20=0.04%, 50=0.03%
  lat (usec)   : 100=0.01%, 250=0.01%, 500=0.01%, 750=0.01%, 1000=0.01%
  lat (msec)   : 2=0.01%, 4=0.02%, 10=0.01%, 20=0.01%, 50=0.02%
  lat (msec)   : 100=0.01%
  cpu          : usr=3.98%, sys=23.42%, ctx=3404, majf=0, minf=17
  IO depths    : 1=100.0%, 2=0.0%, 4=0.0%, 8=0.0%, 16=0.0%, 32=0.0%, >=64=0.0%
     submit    : 0=0.0%, 4=100.0%, 8=0.0%, 16=0.0%, 32=0.0%, 64=0.0%, >=64=0.0%
     complete  : 0=0.0%, 4=100.0%, 8=0.0%, 16=0.0%, 32=0.0%, 64=0.0%, >=64=0.0%
     issued rwts: total=4509499,0,0,0 short=0,0,0,0 dropped=0,0,0,0
     latency   : target=0, window=0, percentile=100.00%, depth=1

Run status group 0 (all jobs):
   READ: bw=294MiB/s (308MB/s), 294MiB/s-294MiB/s (308MB/s-308MB/s), io=17.2GiB (18.5GB), run=60001-60001msec

Disk stats (read/write):
    md0: ios=52871/100, merge=0/0, ticks=735759/7730, in_queue=743489, util=92.37%, aggrios=12386/346, aggrmerge=2746/5695, aggrticks=161839/9461, aggrin_queue=179685, aggrutil=82.99%
  sdd: ios=8524/335, merge=2001/5736, ticks=119851/8064, in_queue=134850, util=66.42%
  sdb: ios=8712/355, merge=1654/5688, ticks=98005/6872, in_queue=111045, util=60.12%
  sdc: ios=16251/340, merge=3515/5796, ticks=199724/11119, in_queue=220817, util=75.06%
  sda: ios=16057/357, merge=3817/5563, ticks=229779/11792, in_queue=252028, util=82.99%
  • IOPS=75.2K
  • Bandwidth=294 MB/s
  • RAID 5로 구성된 무난한 속도가 나왔다

Read more

AI 에이전트 시대의 코드 호스팅: Cursor ‘Origin’은 왜 등장했나

AI 코딩 도구로 빠르게 성장한 Cursor가 이제 코드 에디터를 넘어 코드 호스팅 영역까지 확장하고 있습니다. 2026년 8월 17일 Cursor는 Origin이라는 새로운 코드 호스팅 서비스를 early beta로 공개했습니다. 쉽게 말하면 GitHub처럼 Git 저장소를 만들고, 코드를 올리고, Pull Request(PR)를 만들고 리뷰할 수 있는 서비스입니다. 그런데 단순히 "Cursor가 GitHub 비슷한

By JHL

코딩 에이전트에 1,000억 토큰을 써보니, 병목은 모델 밖에 있었다

Codex 화면에 집계된 누적 사용량은 약 866억 토큰이었다. Claude는 내가 확인할 수 있었던 로컬 머신의 집계값만 합쳐도 약 127억 토큰이었다. 다만 Claude는 여러 워크스테이션과 서버에서 사용했고, 중간에 사용량 데이터를 한 번 날려버리기도 했다. 누락된 머신과 기간을 감안하면 실제 사용량은 300억 토큰을 넘었을 가능성이 높다. 여기에 Ollama Cloud로 사용한 GLM, Qwen

By JHL

AI가 짜준 코드가 배포 속도를 높였다면, 이제는 '신뢰성 가드레일'을 세울 때입니다

최근 많은 팀이 AI 코딩 어시스턴트나 에이전트를 도입하면서 코드 생산 속도가 비약적으로 상승했습니다. 하지만 속도가 빨라졌다는 것은 그만큼 잠재적인 결함이 프로덕션 환경으로 유입되는 속도 또한 빨라졌음을 의미합니다. DevOps.com의 이번 글은 AI가 생성한 코드의 특성과 그로 인해 발생하는 새로운 유형의 리스크, 그리고 이를 제어하기 위한 '신뢰성 가드레일(Reliability Guardrails)

By JHL

LLM 시대, 프롬프트 엔지니어링보다 '도메인 전문성'이 더 강력한 무기인 이유

최근 AI 도구들이 비약적으로 발전하면서 '프롬프트 엔지니어링'이라는 기술적 기법에 많은 관심이 쏠렸습니다. 하지만 실제 현업에서 LLM을 극한으로 활용해 고도의 결과물을 만들어내는 사람들의 공통점은 정교한 프롬프트 템플릿을 쓰는 능력이 아니라, 해당 분야에 대한 깊은 '도메인 전문성'을 갖추고 있다는 점입니다. 많은 이들이 LLM이 지식의 격차를 줄여준다고

By JHL