Next.js 14 기반의 지능형 하드웨어 요구사항 계산 애플리케이션입니다. 자연어 쿼리를 통해 OCR, DP, LLM 워크로드를 위한 최적의 GPU, CPU, 메모리 구성을 추천합니다.

• 🤖 자연어 기반 쿼리: 대화형 인터페이스로 워크로드 설명
• 💰 비용 최적화: 예산 제약 하 최적 구성 추천
• 📊 동적 성능 예측: UIE를 통한 실제 벤치마크 데이터 기반 예측
• 🔧 자동 튜닝: 성능 최적화 권장사항 제공
• 📸 UIE 통합: 부하테스트 결과 이미지에서 성능 데이터 자동 추출

• Framework: Next.js 14 (App Router)
• Language: TypeScript
• Styling: TailwindCSS
• UI Components: shadcn/ui
• Form Management: react-hook-form + zod
• Charts: Recharts
• Linting: ESLint + Prettier

/app
 /input # 입력 폼 페이지
 /result # 결과 대시보드 페이지
 /api
 /calculate # 계산 API 라우트
/lib
 /calculators
 hardwareCalculator.ts # 하드웨어 계산 로직
 /constants
 gpuDB.ts # GPU 성능 데이터베이스
 ocrProfiles.ts # OCR 프로필 상수
 dpProfiles.ts # DP 프로필 상수
 /types
 index.ts # TypeScript 타입 정의

npm install

.env.local 파일을 생성하고 다음 환경 변수를 설정하세요:

# Upstage API (Document Parse + Solar Pro 2 LLM)
UPSTAGE_API_KEY=up_fWQ1Pg9MedkWvqorFuh3QJCOR4OXk
UPSTAGE_API_URL=https://api.upstage.ai/v1/document-digitization
UPSTAGE_LLM_API_URL=https://api.upstage.ai/v1/chat/completions

Upstage API 키:

• 현재 설정된 API 키: up_fWQ1Pg9MedkWvqorFuh3QJCOR4OXk
• API 키는 .env.local 파일에 저장되어 있으며, Git에 커밋되지 않습니다.

npm run dev

브라우저에서 http://localhost:3000을 열어 확인하세요.

npm run build
npm start

• 대화형 입력: 자연어로 워크로드 설명
• 자동 정보 수집: 필요한 정보가 없으면 질문으로 수집
• 실시간 응답: 대화형으로 정보를 채워나감

예시:

• "분당 1000건 처리, 진료비 영수증 300건, 세부내역서 300건"
• "H100 GPU로 LLM 50명 동시 사용자 지원"
• "예산 10만 달러 이내 최적 구성 추천"

• 자연어에서 정보 추출
• 대화 상태 관리
• 비용 최적화 및 성능 튜닝 권장사항 생성

• OCR 워크로드 설정: 여러 종류의 OCR 문서 워크로드 추가
• DP 워크로드: 문서 처리 워크로드 설정
• LLM 동시성: 동시 사용자 수, 프롬프트 크기, 스트리밍 옵션
• 클러스터 설정: 배포 모드 및 MIG 프로필 선택
• 시스템 설정: 운영 시간, HA 레벨, GPU 선호도, CPU 성능 등급

• 요약 카드: 권장 GPU, VRAM, CPU, 메모리 요구사항
• 비용 최적화 제안: 대안 구성 및 비용 절감 전략
• 성능 튜닝 권장사항: 동적 성능 예측 기반 최적화 제안
• GPU 사용량 분석: OCR, 정보추출, 문서분류기, DP, LLM별 분석
• GPU 모델 비교: L40S, H100, H200 비교 차트

• MIG 모드: MIG 프로필 기반 인스턴스 계산
• 전체 GPU 모드: GPU당 메모리 기반 계산
• pLLM 활성화 시: 컨테이너당 40GB VRAM, 인스턴스당 40문서/분

• 1g MIG 인스턴스당 약 15문서/분 처리량 가정

• 동시 사용자 수와 프롬프트 크기에 따른 VRAM 계산
• 스트리밍 옵션에 따른 메모리 압력 감소 고려

• 부하테스트 결과 이미지를 public/benchmark-results/ 폴더에 저장
• 파일 명명 규칙: {gpu-model}-{workload-type}.png
  • 예: h100-ocr.png, l40s-dp.png
• UIE API를 통해 이미지에서 성능 데이터 자동 추출
• 동적 성능 예측에 활용

• GPU 모델 비교 및 대안 제안
• MIG 활용 권장
• 운영 시간 및 HA 레벨 최적화 제안
• 예산 제약 하 최적 구성 찾기

• 실제 벤치마크 데이터 기반 예측
• 최적 컨테이너 수 자동 계산
• 처리량 및 지연시간 예측
• GPU별 성능 튜닝 권장사항

현재 지원하는 GPU 모델:

• L40S: 48GB VRAM, FP32 91.6 TFLOPS, 6,500ドル
• A100: 80GB VRAM, FP32 19.5 TFLOPS, 15,000ドル
• H100: 80GB VRAM, FP32 67 TFLOPS, 30,000ドル
• H200: 141GB VRAM, FP32 67 TFLOPS, 40,000ドル
• B100: FP32 60 TFLOPS
• B200: FP32 75 TFLOPS

/app
 / # 자연어 쿼리 인터페이스 (메인)
 /input # 상세 입력 폼 페이지
 /result # 결과 대시보드 페이지
 /api
 /ai/query # AI 쿼리 처리 API
 /calculate # 계산 API 라우트
/lib
 /ai
 naturalLanguageProcessor.ts # 자연어 처리
 costOptimizer.ts # 비용 최적화 엔진
 performancePredictor.ts # 성능 예측 및 튜닝
 /calculators
 hardwareCalculator.ts # 하드웨어 계산 로직
 /services
 uieService.ts # UIE API 통합
 /constants
 gpuDB.ts # GPU 성능 데이터베이스
 documentTypes.ts # 문서 타입 및 성능 데이터
 dpBenchmarkData.ts # DP 벤치마크 데이터
/public
 /benchmark-results # 부하테스트 결과 이미지 저장소

MIT