Ver3.5 EC2 인스턴스 타입별 성능 비교

EC2 인스턴스 타입별 성능 비교
t, m, c 시리즈 완전 정복 — 어떤 걸 골라야 할지 이제 헷갈리지 말자! 🚀
AWS EC2 인스턴스 타입 선택은 클라우드 아키텍처의 핵심 중 핵심이야. 잘못 고르면 돈 낭비에 성능 저하까지 이중고를 겪게 되거든. 오늘은 가장 많이 쓰이는 t 시리즈(범용 버스터블), m 시리즈(범용 밸런스), c 시리즈(컴퓨팅 최적화) 세 가지를 제대로 파헤쳐볼게. 팩트만, 진짜 팩트만 간다 🔥
처음 보면 c6g.2xlarge 이런 거 보고 "이게 뭔 암호야?" 싶잖아 ㅋㅋㅋ 근데 규칙 알면 완전 쉬워.
[패밀리][세대][프로세서 옵션][추가 기능].[크기]예시: c6gn.xlarge
→ c = 컴퓨팅 최적화 패밀리
→ 6 = 6세대
→ g = Graviton(ARM 기반 AWS 자체 칩)
→ n = 네트워크 최적화
→ xlarge = 인스턴스 크기
| 알파벳 | 의미 | 특징 |
|---|---|---|
| a | AMD EPYC | Intel 대비 약 10% 저렴, 비슷한 성능 |
| g | AWS Graviton (ARM) | 가성비 최강, 에너지 효율 우수 |
| i | Intel Ice Lake | x86 호환성 최고, 안정적 |
| (없음) | Intel Xeon (기본) | 구세대 기본 Intel 프로세서 |
크기는 nano → micro → small → medium → large → xlarge → 2xlarge → ... → 48xlarge 순으로 커져. 보통 크기가 2배 되면 vCPU, 메모리도 2배가 돼.
| 크기 | vCPU (m5 기준) | 메모리 (m5 기준) |
|---|---|---|
| large | 2 | 8 GiB |
| xlarge | 4 | 16 GiB |
| 2xlarge | 8 | 32 GiB |
| 4xlarge | 16 | 64 GiB |
| 8xlarge | 32 | 128 GiB |
| 16xlarge | 64 | 256 GiB |
T 시리즈의 핵심은 CPU 크레딧(Credit) 시스템이야. 일반 인스턴스와 달리 "기준 성능(Baseline)"이 있고, 평소에 기준 이하로 CPU를 쓰면 크레딧이 쌓이고, 필요할 때 크레딧을 써서 더 높은 성능을 낼 수 있어. 이걸 버스트(Burst)라고 해.
크레딧 적립: CPU 사용률이 기준 이하일 때 분당 크레딧 적립
크레딧 소모: CPU 사용률이 기준 초과할 때 크레딧 소모
버스트: 크레딧을 써서 최대 100% CPU 성능 발휘
크레딧 고갈: 크레딧이 0이 되면 기준 성능으로 제한됨 ⚠️
| 인스턴스 | vCPU | 메모리 | 기준 CPU | 크레딧/시간 | 최대 크레딧 |
|---|---|---|---|---|---|
| t3.nano | 2 | 0.5 GiB | 5% | 6 | 144 |
| t3.micro | 2 | 1 GiB | 10% | 12 | 288 |
| t3.small | 2 | 2 GiB | 20% | 24 | 576 |
| t3.medium | 2 | 4 GiB | 20% | 24 | 576 |
| t3.large | 2 | 8 GiB | 30% | 36 | 864 |
| t3.xlarge | 4 | 16 GiB | 40% | 96 | 2304 |
| t3.2xlarge | 8 | 32 GiB | 40% | 192 | 4608 |
| 시리즈 | 프로세서 | 특징 | 가격 비교 |
|---|---|---|---|
| t3 | Intel Skylake | x86, 안정적, 호환성 최고 | 기준 |
| t3a | AMD EPYC | t3 대비 약 10% 저렴 | 약 -10% |
| t4g | AWS Graviton2 (ARM) | t3 대비 약 20% 저렴, 40% 성능↑ | 약 -20% |
T3부터는 Unlimited 모드가 기본값이야. Unlimited 모드에서는 크레딧이 고갈돼도 성능 제한 없이 계속 버스트할 수 있어. 대신 추가 비용이 발생해.
| 모드 | 크레딧 고갈 시 | 추가 비용 | 기본값 |
|---|---|---|---|
| Standard | 기준 성능으로 제한 | 없음 | T2 기본값 |
| Unlimited | 계속 버스트 가능 | vCPU-시간당 $0.05 | T3/T4g 기본값 |
M 시리즈는 AWS에서 가장 범용적으로 쓰이는 인스턴스야. CPU와 메모리 비율이 vCPU 1개당 4 GiB 메모리로 균형 잡혀 있어서, 특별히 CPU나 메모리 중 하나가 압도적으로 필요한 게 아니라면 m 시리즈가 정답인 경우가 많아.
| 시리즈 | 프로세서 | 세대 | 특징 | 이전 대비 성능 |
|---|---|---|---|---|
| m4 | Intel Broadwell | 4세대 | 구형, 레거시 | 기준 |
| m5 | Intel Skylake | 5세대 | 안정적, 널리 사용 | +37% |
| m5a | AMD EPYC 7000 | 5세대 | m5 대비 10% 저렴 | m5와 유사 |
| m5n | Intel Cascade Lake | 5세대 | 네트워크 최적화 | m5 + 네트워크↑ |
| m6i | Intel Ice Lake | 6세대 | m5 대비 15% 성능↑ | +15% |
| m6a | AMD EPYC 7003 | 6세대 | m6i 대비 10% 저렴 | m6i와 유사 |
| m6g | AWS Graviton2 | 6세대 | m5 대비 40% 성능↑, 20% 저렴 | +40% |
| m7g | AWS Graviton3 | 7세대 | m6g 대비 25% 성능↑ | +25% |
| m7i | Intel Sapphire Rapids | 7세대 | 최신 Intel, AI 가속 | +15% |
| 항목 | m5.xlarge | m6g.xlarge | 차이 |
|---|---|---|---|
| vCPU | 4 | 4 | 동일 |
| 메모리 | 16 GiB | 16 GiB | 동일 |
| 온디맨드 가격 (us-east-1) | $0.192/hr | $0.154/hr | 약 20% 저렴 |
| 네트워크 대역폭 | 최대 10 Gbps | 최대 10 Gbps | 동일 |
| 아키텍처 | x86_64 | ARM64 | 다름 ⚠️ |
M 시리즈는 정말 다양한 곳에 쓰여. 대표적인 케이스들을 살펴보자:
C 시리즈는 컴퓨팅 최적화(Compute Optimized) 인스턴스야. CPU 대 메모리 비율이 vCPU 1개당 2 GiB 메모리로, m 시리즈(1:4)보다 CPU 비중이 높아. 즉, 같은 vCPU 수에서 메모리가 절반이지만 그만큼 CPU 성능이 더 강력하고 가격도 더 저렴해.
| 시리즈 | 프로세서 | 특징 | 주요 개선점 |
|---|---|---|---|
| c5 | Intel Xeon Platinum 8000 | 안정적, 널리 사용 | c4 대비 25% 성능↑ |
| c5a | AMD EPYC 7002 | c5 대비 10% 저렴 | AMD 기반 절감 |
| c5n | Intel Xeon Platinum | 100 Gbps 네트워크 | 네트워크 집약 워크로드 |
| c6i | Intel Ice Lake | c5 대비 15% 성능↑ | 최신 Intel 아키텍처 |
| c6a | AMD EPYC 7003 | c6i 대비 10% 저렴 | AMD 3세대 Zen |
| c6g | AWS Graviton2 | c5 대비 40% 성능↑, 20% 저렴 | ARM 기반 혁신 |
| c7g | AWS Graviton3 | c6g 대비 25% 성능↑ | 최신 Graviton |
| c7i | Intel Sapphire Rapids | 최신 Intel, AVX-512 | AI/ML 추론 가속 |
| 항목 | m5.2xlarge | c5.2xlarge |
|---|---|---|
| vCPU | 8 | 8 |
| 메모리 | 32 GiB | 16 GiB |
| 온디맨드 가격 | $0.384/hr | $0.340/hr |
| CPU 클럭 | 3.1 GHz | 3.4 GHz (터보 3.9 GHz) |
| 네트워크 | 최대 10 Gbps | 최대 10 Gbps |
| 적합한 워크로드 | 균형 잡힌 범용 | CPU 집약적 작업 |
보이지? c5.2xlarge가 m5.2xlarge보다 메모리는 절반이지만 가격은 더 저렴하고 CPU 클럭은 더 높아. CPU를 많이 쓰는 워크로드라면 c 시리즈가 훨씬 효율적이야.
게임 서버는 C 시리즈의 대표적인 사용 사례야. 특히 c6g나 c7g는 Graviton 기반이라 가성비가 미쳤어. Unreal Engine 서버, Unity 게임 서버, Minecraft 서버 등에서 실제로 많이 써.
부동소수점 연산: c7g가 c6i 대비 약 20~30% 우수
암호화 연산: c7g가 c6i 대비 약 2배 우수 (Graviton3 전용 가속기)
메모리 대역폭: c7g가 c6i 대비 약 50% 우수
가격: c7g가 c6i 대비 약 20% 저렴
이제 세 시리즈를 한 번에 비교해보자. 어떤 상황에서 뭘 써야 하는지 명확하게 정리할게.
| 특성 | 🌱 T 시리즈 | ⚖️ M 시리즈 | ⚡ C 시리즈 |
|---|---|---|---|
| CPU 성능 | 버스터블 (가변) | 일정 (중간) | 일정 (최고) |
| CPU:메모리 비율 | 1:2 (small 기준) | 1:4 | 1:2 |
| 가격 | 가장 저렴 | 중간 | 중간~높음 |
| 성능 예측 가능성 | 낮음 (크레딧 의존) | 높음 | 높음 |
| CPU 지속 성능 | 제한적 | 안정적 | 최고 |
| 메모리 효율 | 낮음 | 최고 | 낮음 |
| 네트워크 성능 | 최대 5 Gbps | 최대 25 Gbps | 최대 100 Gbps |
| EBS 최적화 | 기본 포함 | 기본 포함 | 기본 포함 |
| 워크로드 | 추천 | 이유 |
|---|---|---|
| 개발/테스트 서버 | t3.medium / t4g.medium | 비용 최소화, 간헐적 사용 |
| 소규모 웹사이트 | t3.small / t4g.small | 트래픽 낮음, 버스트로 충분 |
| 중규모 웹 앱 | m6g.large / m6i.large | 안정적 성능, 균형 잡힌 리소스 |
| 엔터프라이즈 앱 | m5.2xlarge / m6i.2xlarge | 안정성, 호환성, 충분한 리소스 |
| 게임 서버 | c6g.xlarge / c7g.xlarge | CPU 집약, 낮은 지연시간 |
| 동영상 트랜스코딩 | c5.4xlarge / c6i.4xlarge | CPU 집약적 작업 |
| ML 추론 | c7g.2xlarge / c7i.2xlarge | 고성능 CPU, 벡터 연산 |
| CI/CD 빌드 | c6g.2xlarge | 빠른 컴파일, 가성비 |
| Kubernetes 워커 | m6g.xlarge / m7g.xlarge | 다양한 워크로드 수용 |
| API 게이트웨이 | c6g.large / c6i.large | 높은 요청 처리량 |
| 구매 옵션 | 할인율 | 특징 | 적합한 상황 |
|---|---|---|---|
| 온디맨드 | 기준 (0%) | 언제든 시작/중지 | 예측 불가 워크로드 |
| Savings Plans | 최대 66% | 1~3년 약정, 유연한 인스턴스 | 지속적 워크로드 |
| 예약 인스턴스 | 최대 72% | 1~3년 약정, 특정 인스턴스 | 안정적 워크로드 |
| 스팟 인스턴스 | 최대 90% | 중단 가능, 가격 변동 | 내결함성 워크로드 |
x86 기반 인스턴스에서 Graviton(ARM) 기반으로 전환하면 동일 성능에서 약 20% 비용 절감이 가능해. 특히 Java, Python, Go, Node.js 같은 언어는 ARM 전환이 비교적 쉬워.
✅ 사용 중인 라이브러리/패키지 ARM 호환성 확인
✅ 네이티브 바이너리(C/C++ 컴파일 코드) 재컴파일 필요
✅ 스테이징 환경에서 먼저 테스트
✅ 성능 벤치마크 비교 후 전환 결정
많은 팀이 "혹시 모르니까"라는 이유로 필요 이상으로 큰 인스턴스를 써. 이게 비용 낭비의 주범이야. AWS Compute Optimizer를 사용하면 실제 사용 패턴을 분석해서 최적 인스턴스를 추천해줘.
→ 최소 14일 이상의 CloudWatch 메트릭 수집 필요
→ CPU, 메모리, 네트워크, EBS 사용률 종합 분석
→ 과다 프로비저닝/과소 프로비저닝 인스턴스 식별
→ 최적 인스턴스 타입 및 예상 절감액 제시
T3/T4g의 Unlimited 모드는 기본 활성화야. CPU 집약적 작업이 지속되면 예상치 못한 추가 비용이 발생할 수 있어. CloudWatch에서 CPUCreditBalance와 CPUSurplusCreditsCharged 메트릭을 모니터링해야 해.
# CloudWatch 알람 설정 예시 (AWS CLI)
aws cloudwatch put-metric-alarm \
--alarm-name "T3-Credit-Low" \
--metric-name CPUCreditBalance \
--namespace AWS/EC2 \
--statistic Average \
--period 300 \
--threshold 50 \
--comparison-operator LessThanThreshold \
--dimensions Name=InstanceId,Value=i-xxxxxxxxx \
--evaluation-periods 2 \
--alarm-actions arn:aws:sns:region:account:topic
자, 이제 이론은 충분히 알았으니까 실제로 어떻게 선택하면 되는지 플로우차트 형식으로 정리해줄게. 재능넷 같은 플랫폼에서 서버를 구성할 때도 이 흐름대로 생각하면 돼!
상황: 트래픽이 적고 예산이 빠듯한 초기 단계
추천: t4g.small ~ t4g.medium
이유: Graviton 기반으로 가장 저렴하면서도 간헐적 트래픽 스파이크 처리 가능
월 예상 비용: t4g.small 기준 약 $12~15/월 (us-east-1 온디맨드)
상황: 안정적인 트래픽, 다양한 마이크로서비스 운영
추천: m6g.large ~ m6g.xlarge (Kubernetes 워커 노드)
이유: 균형 잡힌 리소스, Graviton으로 비용 절감, 안정적 성능
추가 팁: Savings Plans 1년 약정으로 추가 40% 절감 가능
상황: 낮은 지연시간, 높은 CPU 처리량 필요
추천: c7g.xlarge ~ c7g.2xlarge
이유: Graviton3의 최고 CPU 성능, 낮은 지연시간, 비용 효율
추가 팁: 스팟 인스턴스 + Auto Scaling으로 비용 최대 70% 절감
인스턴스 선택만큼 중요한 게 운영 중 모니터링이야. 잘못 운영하면 선택을 잘 해도 소용없거든 ㅋㅋㅋ
| 메트릭 | 설명 | 주의 임계값 | 해당 시리즈 |
|---|---|---|---|
| CPUUtilization | CPU 사용률 | 80% 이상 지속 | 전체 |
| CPUCreditBalance | 남은 CPU 크레딧 | 50 이하 | T 시리즈만 |
| CPUSurplusCreditsCharged | 추가 과금된 크레딧 | 0 초과 시 주의 | T 시리즈만 |
| NetworkIn/Out | 네트워크 트래픽 | 최대 대역폭의 80% | 전체 |
| EBSReadOps/WriteOps | EBS I/O 작업 | IOPS 한도 80% | 전체 |
인스턴스 타입 선택과 함께 Auto Scaling을 잘 설정하면 비용과 성능 두 마리 토끼를 잡을 수 있어.
예: m6g.large (온디맨드 기본) + c6g.large (스팟 보조)
→ 기본 용량은 온디맨드로 안정성 확보
→ 추가 용량은 스팟으로 비용 절감
→ 스팟 중단 시 자동으로 온디맨드로 전환
# 혼합 인스턴스 Auto Scaling 설정 예시
aws autoscaling create-auto-scaling-group \
--auto-scaling-group-name my-mixed-asg \
--mixed-instances-policy '{
"LaunchTemplate": {
"LaunchTemplateSpecification": {
"LaunchTemplateName": "my-template",
"Version": "$Latest"
},
"Overrides": [
{"InstanceType": "m6g.large"},
{"InstanceType": "m6g.xlarge"},
{"InstanceType": "c6g.large"}
]
},
"InstancesDistribution": {
"OnDemandPercentageAboveBaseCapacity": 20,
"SpotAllocationStrategy": "capacity-optimized"
}
}' \
--min-size 2 \
--max-size 20 \
--desired-capacity 4
운영 중에 인스턴스 타입을 바꿔야 할 때가 있어. 방법은 간단해:
2. 인스턴스 선택 → 작업 → 인스턴스 설정 → 인스턴스 유형 변경
3. 원하는 인스턴스 타입 선택
4. 인스턴스 시작
⚠️ 주의: 인스턴스 중지 시 퍼블릭 IP가 변경될 수 있음 (Elastic IP 사용 권장)
AWS 프리 티어에서는 t2.micro 또는 t3.micro를 월 750시간 무료로 사용할 수 있어. 1 vCPU, 1 GiB 메모리라 개인 프로젝트나 간단한 웹서버, 봇 정도는 충분히 돌릴 수 있어. 단, 트래픽이 많아지면 CPU 크레딧이 고갈되니까 주의!
신규 프로젝트라면 m6i를 추천해. m5 대비 약 15% 성능이 높고, 가격은 비슷하거나 약간 낮아. m5는 이미 운영 중인 시스템에서 안정성이 검증된 경우에 유지하는 정도야. 새로 시작한다면 무조건 최신 세대가 이득!
응! 이미 Netflix, Airbnb, Dropbox 같은 대형 서비스들이 Graviton으로 대규모 전환했어. Java(JVM), Python, Go, Node.js, Ruby 같은 언어는 ARM 지원이 완벽해. Docker도 멀티 아키텍처 이미지 지원이 잘 돼 있어서 전환 장벽이 많이 낮아졌어.
단순히 "빠르다"기보다는 CPU 집약적 작업에 최적화되어 있다고 보는 게 맞아. 같은 세대 기준으로 c 시리즈는 더 높은 클럭 속도와 더 많은 vCPU를 같은 가격에 제공해. 메모리는 적지만 CPU 성능이 중요한 워크로드에서 c 시리즈가 더 효율적이야.
재능넷처럼 다양한 기능이 있는 플랫폼이라면 m6g.large ~ m6g.xlarge를 기본으로 추천해. 웹 서버, API 서버, 데이터베이스가 혼재하는 환경에서 균형 잡힌 m 시리즈가 가장 유연하게 대응할 수 있거든. 트래픽이 늘어나면 Auto Scaling으로 수평 확장하면 돼!
AWS Graviton3(7세대)가 이미 출시됐고, Graviton4도 발표됐어. ARM 기반 인스턴스가 x86을 성능과 가성비 모두에서 앞서는 시대가 왔어. 특히 클라우드 네이티브 워크로드에서 Graviton 전환은 이제 선택이 아닌 필수에 가까워지고 있어.
c7i (Intel Sapphire Rapids)는 AMX(Advanced Matrix Extensions) 명령어를 지원해서 AI 추론 작업에서 이전 세대 대비 엄청난 성능 향상을 보여줘. GPU 없이도 CPU 기반 ML 추론이 가능한 영역이 넓어지고 있어.
AWS Compute Optimizer, Cost Explorer, Savings Plans 등의 도구가 점점 스마트해지고 있어. 이제는 수동으로 인스턴스 타입을 고르는 것보다 이런 도구들의 추천을 참고하는 게 더 효율적인 시대야.
2. ARM 호환성 문제 없으면 Graviton 우선 선택
3. 온디맨드로 시작 → 패턴 파악 후 Savings Plans 전환
4. Compute Optimizer 권고사항 주기적으로 확인
5. 스팟 인스턴스 활용 가능한 워크로드는 적극 활용
💰 돈 아끼고 싶어 → T 시리즈 (단, CPU 간헐적일 때만)
⚖️ 뭘 써야 할지 모르겠어 → M 시리즈 (국룰)
⚡ CPU 빡세게 써야 해 → C 시리즈
그리고 가능하면 Graviton(g) 버전으로! 😎
EC2 인스턴스 타입 선택은 처음엔 복잡해 보이지만, 핵심 원리를 이해하면 생각보다 명확해. T 시리즈는 버스터블 가성비왕, M 시리즈는 균형 잡힌 만능선수, C 시리즈는 CPU 특화 괴물이라는 것만 기억해도 80%는 맞는 선택을 할 수 있어.
클라우드 인프라 관련해서 더 깊이 공부하고 싶다면, 재능넷에서 DevOps나 AWS 전문가의 멘토링을 받아보는 것도 좋은 방법이야. 이론과 실전을 함께 배울 수 있거든!
- ✅ 최종 체크리스트
- ☑️ 워크로드의 CPU 사용 패턴 파악 (간헐적 vs 지속적)
- ☑️ CPU vs 메모리 중 어느 쪽이 더 중요한지 확인
- ☑️ ARM(Graviton) 호환성 검토
- ☑️ 예산과 운영 기간 고려해서 구매 옵션 선택
- ☑️ CloudWatch 모니터링 설정
- ☑️ Compute Optimizer로 주기적 최적화 검토
댓글 작성
이 글에 대한 여러분의 생각을 들려주세요
로그인이 필요합니다
댓글을 작성하려면 먼저 로그인해주세요.
댓글 0
지식인의 숲 - 지적 재산권 보호 고지
지적 재산권 보호 고지
- 저작권 및 소유권: 본 컨텐츠는 재능넷의 독점 AI 기술로 생성되었으며, 대한민국 저작권법 및 국제 저작권 협약에 의해 보호됩니다.
- AI 생성 컨텐츠의 법적 지위: 본 AI 생성 컨텐츠는 재능넷의 지적 창작물로 인정되며, 관련 법규에 따라 저작권 보호를 받습니다.
- 사용 제한: 재능넷의 명시적 서면 동의 없이 본 컨텐츠를 복제, 수정, 배포, 또는 상업적으로 활용하는 행위는 엄격히 금지됩니다.
- 데이터 수집 금지: 본 컨텐츠에 대한 무단 스크래핑, 크롤링, 및 자동화된 데이터 수집은 법적 제재의 대상이 됩니다.
- AI 학습 제한: 재능넷의 AI 생성 컨텐츠를 타 AI 모델 학습에 무단 사용하는 행위는 금지되며, 이는 지적 재산권 침해로 간주됩니다.
아직 댓글이 없습니다.