예, Home Assistant 관련 워크로드가 다른 컨테이너와 GPU를 공유할 수 있는 경우도 있지만, 가능 여부는 가속기 경로와 가상화 경계에 따라 달라집니다.
Home Assistant Core 자체에는 일반적으로 GPU가 필요하지 않습니다. 가속기는 보통 Frigate, 로컬 비전 또는 AI, 미디어 처리, 기타 연동 서비스에 사용됩니다. Linux에서는 여러 컨테이너에 동일한 렌더 장치 접근 권한을 부여하고 드라이버가 작업을 스케줄링하도록 할 수 있는 경우가 많습니다. PCIe 장치 전체를 패스스루로 받는 VM은 이와 다른 모델이며, 해당 장치를 호스트와 다른 게스트에서 사용할 수 없게 만들 수 있습니다. 권한을 변경하기 전에 실제 사용 주체를 확인하세요.
먼저 가속기가 실제로 필요한 Home Assistant 워크로드를 확인하세요
호스트에 GPU가 있다는 이유만으로 GPU를 Home Assistant Core 컨테이너에 패스스루하지 마세요. GPU를 사용할 프로세스가 무엇인지 먼저 확인하세요. Frigate 동영상 디코딩, OpenVINO 객체 감지, 로컬 언어 또는 비전 서비스, 음성 처리, 혹은 Home Assistant가 호출하는 다른 컨테이너일 수 있습니다. 장치 매핑은 해당 워크로드의 컨테이너와 보안 경계에 적용해야 합니다.
Frigate 배포는 장치 경로 모델을 명확히 보여 줍니다. 하드웨어 가속을 사용하려면 컨테이너 스택 전반에서 특정 렌더 장치가 보여야 합니다. 최신 Frigate iGPU 패스스루 가이드는 호스트에 GPU가 있다는 이유만으로 판단하지 말고 장치 표시 여부, 그룹 권한, 가상화 계층을 확인해야 하는 이유를 설명합니다.
Home Assistant가 API나 MQTT를 통해 가속 서비스를 오케스트레이션하기만 한다면 Core에 직접 장치 접근 권한을 부여할 필요가 없습니다. GPU 매핑을 실제로 사용하는 컨테이너에만 두면 권한을 줄이고 장애를 더 쉽게 격리할 수 있습니다.
Linux 렌더 장치 공유와 GPU 전체를 VM에 패스스루하는 방식은 서로 다릅니다
Linux 컨테이너에서 /dev/dri/renderD128와 같은 렌더 노드를 둘 이상의 컨테이너에 매핑하면 두 애플리케이션 모두 호스트 드라이버를 통해 작업을 제출할 수 있습니다. 이들은 스케줄러와 메모리 리소스를 공유하는 것이지, 각각 독립된 물리 GPU를 받는 것은 아닙니다. 특정 워크로드에서 이 방식이 안전하게 작동하는지는 여전히 드라이버와 애플리케이션의 동작에 달려 있습니다.
LXC GPU 패스스루 가이드는 컨테이너 경계를 명확히 보여 줍니다. 호스트는 실제 GPU 드라이버를 유지하고, 컨테이너는 /dev/dri/renderD128와 같은 선택된 장치 노드를 전달받습니다. 이 렌더 장치 공유 모델에서는 여러 컨테이너가 동일한 가속기 경로에 접근할 수 있지만, GPU 엔진, 메모리 대역폭, 공급업체별 제한은 여전히 서로 공유합니다.
PCIe 장치 전체를 가상 머신에 패스스루하는 것은 다른 방식입니다. 최신 Proxmox VFIO 안내서에서는 이를 VM 한 대가 GPU를 독점 소유하는 방식으로 설명하며, 이 경우 해당 카드에 대한 일반적인 호스트 드라이버 공유 경로가 사라집니다. SR-IOV, 매개 장치, vGPU 등의 기능은 지원되는 하드웨어에서 다른 공유 방식을 제공할 수 있지만, 이는 별개의 기능이므로 일반 패스스루에서도 지원된다고 가정해서는 안 됩니다.
성능 테스트 전에 두 컨테이너의 가시성과 권한을 확인하세요
각 가속기 사용 작업을 따로 시작한 다음 컨테이너 내부에서 장치 노드, 사용자/그룹 권한, 드라이버 라이브러리, 애플리케이션의 하드웨어 보고를 확인하세요. 어떤 렌더 장치와 그룹이 필요한지 파악하지 않은 채 권한이 높은 컨테이너를 사용하는 것은 바람직한 대안이 아닙니다. 의도한 작업이 작동하는 데 필요한 최소한의 장치 액세스만 허용하세요.
동일한 LXC 장치 매핑 절차를 사용하면 컨테이너 내부에서 렌더 노드를 확인할 수 있으며, 호스트에서 보이는지만 믿지 말고 실제 서비스 계정으로 테스트할 것을 권장합니다. 성능을 비교하기 전에 이 방법으로 컨테이너 수준의 가속기 액세스를 확인하세요. 호스트에 장치가 표시된다고 해서 애플리케이션이 장치를 열 수 있다는 뜻은 아닙니다.
두 컨테이너가 각각 하드웨어를 사용한다는 사실이 확인된 경우에만 가시성 단계를 통과한 것으로 보세요. 하나라도 CPU로 조용히 대체 실행된다면 동시성 테스트를 하기 전에 매핑이나 드라이버 구성을 수정하세요. 그렇지 않으면 CPU 대체 실행 때문에 GPU 공유가 제대로 되는 것처럼 보일 수 있지만, 실제로는 호스트가 소프트웨어로 한쪽 작업을 처리하고 있을 수 있습니다.
공유 한계를 찾기 위해 각각 단독으로, 그리고 함께 테스트하세요
먼저 각 작업 부하를 단독으로 측정하세요. 프레임 처리 시간, 인코딩/디코딩 속도, 가속기 사용률, 메모리 사용량, 온도, 전력, 애플리케이션 지연 시간을 확인합니다. 그런 다음 두 작업을 평소 최고 부하로 동시에 실행하세요. 중요한 Home Assistant 관련 작업이 기한을 지키고 어느 애플리케이션에서도 오류나 대체 동작이 발생하지 않을 때만 공유 구성을 허용할 수 있습니다.
ZimaSpace에서 제공하는 컨테이너 간 GPU 하나 공유에 대한 기존 테스트도 동일한 운영 원칙을 제시합니다. 장치가 보이는 것은 첫 번째 관문일 뿐이며, 실제로 공유할 가치가 있는지는 동시 실행 안정성과 리소스 경합에 달려 있습니다.
두 사용 작업 모두 실제 동시 실행 상황에서 지연 시간과 메모리 한도 안에 머문다면 가속기 하나를 공유하세요. 한 작업 때문에 프레임이 누락되거나 추론이 지연되고, 드라이버가 재설정되거나 메모리 부족 오류가 발생하거나, 열 스로틀링 또는 예측할 수 없는 대체 동작이 생기면 분리하세요. GPU 전체를 VM에 패스스루했다면 가상화 계층을 재설계하거나 가속기를 추가하세요. 이미 소유권이 넘어간 물리 장치를 두 번째 컨테이너에 매핑하려고 해서는 안 됩니다.
지원 및 팁
더 읽어보기

가족에게 NAS의 성인 동영상을 숨기는 방법
가족용 NAS에서 성인 동영상을 비공개로 보관하세요. 폴더 권한, Plex 및 Jellyfin 라이브러리 액세스 권한, 썸네일, 시청 기록, TV 공유 로그인 및 DLNA를 확인하세요.

Transformers에서 커뮤니티 모델을 불러오기 전에 확인할 사항
Transformers Jinja 샌드박스 업데이트를 활용해 모델의 출처, 채팅 템플릿, 원격 코드, 직렬화된 가중치, 격리된 첫 실행을 검토하세요.

Mirage를 로컬에서 실행: 한 장의 이미지로 OCR 및 객체 감지
Cactus Compute의 소형 로컬 비전 모델을 사용해 보고, 실제 입력으로 OCR 및 객체 추출을 검증하며, 메모리, 언어 및 개인정보 보호의 한계를 파악해 보세요.



