메인 콘텐츠로 건너뛰기

​
개요

Job은 vesslctl job create 한 줄로 제출하면 컨테이너에서 명령어를 실행한 뒤 자동으로 종료돼요. 학습·추론·배치 처리 워크로드에 적합해요. 제출은 CLI 전용이고, 콘솔에서는 상태·로그·메트릭만 확인해요. CLI 셋업이 처음이라면 CLI 빠르게 시작하기를 먼저 봐주세요.

​
Prerequisites

  • 로그인된 vesslctl: vesslctl auth login으로 브라우저 OAuth 흐름을 마쳐 주세요. 자세한 셋업은 CLI 빠르게 시작하기에 있어요.
  • 충분한 크레딧 잔액: 잔액이 0 이하이면 Job 생성이 차단돼요. Billing에서 카드 등록 후 크레딧을 충전해 주세요.
  • (선택) 결과 저장용 볼륨: 모델·체크포인트를 영구 보관하려면 Object 또는 Cluster storage 볼륨을 미리 만들어 두세요.

​
제출하기

클러스터, 리소스 스펙, 컨테이너 이미지, 실행할 명령어, 그리고 필요한 볼륨이나 환경 변수를 지정해 주세요. 
vesslctl job create \
  --name my-training-job \
  --resource-spec <spec-slug> \
  --image quay.io/vessl-ai/torch:2.9.1-cuda13.0.1-py3.13-slim \
  --cmd "python train.py --epochs 10" \
  --env WANDB_API_KEY=<your-key> \
  --object-volume <volume-slug>:/output \
  --tag training-run-2026-04
사용 가능한 클러스터와 GPU 스펙은 vesslctl cluster list와 vesslctl resource-spec list로 확인할 수 있어요. 전체 플래그 목록은 vesslctl job create에서 볼 수 있어요.

​
결과 파일 저장하기

Job은 임시 컨테이너에서 실행되기 때문에 마운트된 볼륨 밖에 저장한 파일은 Job이 끝나면 사라져요. 결과를 남기려면 영구 볼륨(persistent volume)을 하나 이상 연결해 주세요.
  • Object storage (--object-volume): 클러스터 간에 공유돼요. 학습된 모델이나 평가 지표처럼 최종 결과물을 저장할 때 좋아요. /output 같은 별도 경로에 마운트하세요.
  • Cluster storage (--cluster-volume): 클러스터 안에서 빠르게 동작해요. 장기 학습 중간 체크포인트를 남길 때 좋아요. /workspace 같은 경로에 마운트하세요.
vesslctl job create \
  --name my-training-job \
  --resource-spec <spec-slug> \
  --image quay.io/vessl-ai/torch:2.9.1-cuda13.0.1-py3.13-slim \
  --object-volume <output-volume-slug>:/output \
  --cmd "python train.py --output /output"
Temporary storage는 Job이 succeeded 상태로 끝나도 함께 삭제돼요. 학습 스크립트가 /tmp나 현재 디렉터리에 결과를 쓰는데 볼륨을 연결하지 않으면 결과가 전부 사라져요.

​
Job 설정 재사용하기

기존 Job의 설정을 JSON으로 내보내 두면 나중에 그대로 재제출할 수 있어요: 
vesslctl job export my-job-abc123 > job-config.json
vesslctl job create --file job-config.json

​
Workspace 안에서 Job 제출하기

실행 중인 Workspace에는 워크로드 토큰으로 인증된 vesslctl이 미리 세팅돼 있어요. JupyterLab 터미널에서 스크립트를 다듬다가 같은 셸에서 그대로 배치 잡으로 제출할 수 있어요. 자세한 내용은 vesslctl workspace를 참고하세요.

​
함께 보기