6.2 분석 환경 선택하기
연구환경은 연구 목적, 분석 방식, 분석 규모에 따라 선택할 수 있는 다양한 애플리케이션을 제공합니다. 연구자는 연구포털 메인화면의 [RESEARCH INFRA] 탭에서 제공되는 분석 환경 목록을 확인하고, 필요한 애플리케이션을 실행하여 분석과 연구를 수행할 수 있습니다.
그림 6-3. RESEARCH INFRA 화면
분석 환경은 크게 가상 컴퓨팅 환경(VCE) 과 고성능 컴퓨팅 환경(HPC) 으로 구분됩니다.
| 구분 | VCE (Virtual Computing Environment) | HPC (High Performance Computing) |
|---|---|---|
| 분석 성격 | 대화형 분석, 데이터 탐색, 시각화 | 대용량 처리, 배치 작업, 고성능 연산 |
| 적합한 작업 | 코드 작성, 통계 분석, 결과 확인 | 파이프라인 실행, 대규모 유전체 분석, 모델 학습 |
| 대표 도구 | Jupyter Notebook, JupyterLab, RStudio | Terminal, Nextflow, AI/ML 환경 |
6.2.1 Virtual Computing Environment, VCE
VCE는 Jupyter Notebook, JupyterLab, RStudio와 같은 대화형 분석 환경을 제공합니다. 코드 작성, 데이터 탐색, 통계 분석, 시각화, 결과 확인처럼 반복적으로 분석 과정을 검토해야 하는 작업에 적합합니다.
| 환경 | 설명 |
|---|---|
| Jupyter Notebook | 코드 작성, 실행, 결과 시각화를 하나의 문서에서 수행하는 대화형 분석 환경입니다. Python 기반으로 데이터를 반복 탐색하고 연구 과정을 기록할 수 있습니다. |
| JupyterLab | Jupyter Notebook의 확장형 인터페이스로, 여러 파일과 분석 세션을 동시에 관리할 수 있는 통합 개발 환경을 제공합니다. |
6.2.2 HPC Computing Environment, HPC
HPC는 Terminal, AI/ML Computing Environment 등을 통해 대규모 데이터 처리와 고성능 연산을 지원합니다. 대규모 변이 분석, 파이프라인 실행, 머신러닝 모델 학습처럼 처리량이 많고 연산 부하가 큰 작업에 적합합니다.
| 환경 | 설명 |
|---|---|
| Terminal | 명령어 기반 분석 환경으로, HPC 자원에 직접 접근하여 분석 프로그램 실행, 데이터 관리, 배치 작업을 수행합니다. |
| AI/ML Computing Environment | 머신러닝 및 딥러닝 모델 개발을 지원하는 환경입니다. GPU 및 고성능 연산 자원을 활용하여 모델 학습과 추론을 수행할 수 있습니다. |
6.2.3 분석 목적에 맞는 환경 선택 기준
데이터를 눈으로 확인하고 코드를 조금씩 실행하면서 결과를 살펴보는 작업은 VCE가 적합합니다. 반대로 대용량 파일을 처리하거나 긴 시간이 걸리는 파이프라인을 실행하는 작업은 HPC가 적합합니다.
하나의 연구에서도 처음에는 VCE에서 데이터를 탐색하고, 분석 조건이 정리된 뒤 HPC에서 대규모 처리를 수행하는 방식으로 두 환경을 함께 사용할 수 있습니다.
그림 6-4. 분석 환경 선택 가이드
미리 알고가기
- 각 환경은 사용자 편의성과 보안을 동시에 고려하여 제공되며, 연구 유형 및 기관 정책에 따라 제공 방식이 달라질 수 있습니다.
- 연구자는 승인된 연구에 대해 자동으로 생성된 작업 공간(workspace)을 통해 해당 환경에 접근합니다.