로컬 LLM이 디스크를 잠식할 때: 캐시·퀀타이즈·임베딩 정리 가이드

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

로컬 LLM 환경에서는 기본 캐시 디렉토리와 런타임별 모델 저장소, 중복된 양자화 포맷, 그리고 프로젝트별 벡터 임베딩이 수십 기가바이트 단위의 디스크 점유를 유발하므로 먼저 du 같은 파일 시스템 명령으로 ~/.cache/huggingface/ 및 ~/.ollama/models 경로의 사용량을 확인해야 한다. 동일 모델의 여러 퀀타이즈 포맷(Q4_K_M, Q8_0 등)은 중복 저장을 낳으므로 실제 사용하는 포맷만 남기고 제거하면 즉각적인 공간 회복이 가능하며 오래된 Chroma·FAISS·Pinecone 인덱스도 점검 대상이다. 이러한 정리 작업은 간단한 쉘 스크립트와 주기적 자동화로 운영 부담을 줄일 수 있으며 게시물은 완전한 자동화 스크립트와 저장소 매핑 도구를 링크로 제공하여 재현 가능한 절차를 제공한다.

실용적 조언

Hugging Face 캐시 경로(~/.cache/huggingface/hub)와 Ollama 모델 경로(~/.ollama/models)를 우선 점검하고 du -sh 같은 파일 시스템 요약 명령으로 사용량을 확인한 뒤 실제 사용하지 않는 퀀타이즈 포맷과 오래된 벡터 인덱스를 삭제하라.
중복된 양자화 포맷은 단일 포맷만 보관하도록 정리하고 임베딩 DB는 프로젝트별로 백업·보존 정책을 마련한 후 자동화 스크립트로 주기적 정리를 실행하라.

섹션별 상세

로컬 LLM 설치 환경에서 디스크가 예기치 않게 크게 증가하는 문제가 발생한다는 맥락에서, 주요 원인으로는 기본 캐시 디렉토리에 저장된 모델 가중치와 런타임별로 보관되는 여러 양자화 포맷의 중복본, 그리고 프로젝트별로 쌓인 벡터 임베딩 데이터베이스가 지목되었다. 문제를 확인하는 방식은 파일 시스템 명령을 통해 특정 경로의 사용량을 측정하는 것으로 입력과 처리 단계는 캐시 경로를 조회해 용량을 합산하고 요약을 출력하는 것이며 그 예로 du -sh ~/.cache/huggingface/ 명령이 제시되었다. 원문은 Hugging Face의 기본 캐시 경로와 Ollama의 모델 저장 경로를 구체적으로 언급하면서 실사용 환경에서 기가바이트 단위의 손실이 발생한다고 명시했다. 이러한 점에서 주기적 점검과 불필요한 파일 제거가 디스크 관리의 핵심 절차임이 드러났다.

bash

du -sh ~/.cache/huggingface/

이 코드는 사용자의 홈 디렉토리에 있는 Hugging Face 캐시 디렉토리의 전체 사용량을 요약 형태로 확인하는 예시이다.

중복된 양자화 포맷과 사용하지 않는 임베딩 데이터베이스가 여분의 저장 공간을 유발하는 구체적 사례가 제기되었는데, 작동 방식은 동일 모델의 서로 다른 퀀타이즈된 바이너리(Q4_K_M, Q8_0 등)를 필요에 따라 여러 포맷으로 내려받으면 각 포맷이 별도 파일로 존재해 합산 용량이 커지는 점이다. 처리 관점에서는 모델 목록을 검토해 실제 사용하는 포맷만 보관하고 나머지를 삭제하면 디스크를 회수할 수 있으며 문장으로는 Q4_K_M과 Q8_0 중 하나만 사용하면 된다는 비교 예시가 언급되었다. 게시물은 이러한 중복 제거가 실질적 공간 회복으로 이어진다고 주장했고 이는 로컬 환경에서의 비용·용량 관리와 직접 연결된다. 결과적으로 양자화 포맷 정리는 로컬 배포 비용을 낮추는 실용적 조치로 판단된다.

벡터 데이터베이스(Chroma, FAISS, Pinecone 로컬 캐시 등)가 프로젝트 디렉토리에 축적되는 문제에 대해 원문은 로컬 인덱스와 임베딩 캐시를 검토해 오래된 또는 사용하지 않는 인덱스를 삭제할 것을 권고했다, 동작 과정은 프로젝트별 저장 디렉토리에서 인덱스 파일을 식별하고 최신화 여부를 판단한 뒤 불필요한 파일을 제거하는 방식이다. 게시물은 로컬에 저장된 임베딩과 인덱스가 복수의 실험·버전으로 중복될 수 있다는 점을 근거로 들었고, 이로 인해 실제 서비스에 쓰이지 않는 데이터가 디스크를 차지한다고 지적했다. 따라서 임베딩 인덱스의 보존 정책 수립과 주기적 정리가 로컬 LLM 운영의 운영비·유지보수 비용을 낮추는 실무적 효용을 제공한다.

정기 자동화 수단으로 경고·정리 스크립트를 도입하는 방안이 제안되었는데, 동작 방식은 캐시 성장률을 주기적으로 검사하고 임계값 도달 시 알림을 보내거나 오래된 파일을 정리하는 스크립트를 CRON 등으로 실행하는 것이다. 게시물은 완전한 프로덕션용 자동화 스크립트와 저장소 매핑을 돕는 대화형 계산기를 링크로 제공해 재현 가능한 절차를 함께 제시했다. 이 자동화 절차는 수동 점검의 빈도와 비용을 줄여 장기적으로 디스크 가용성을 확보하는 데 기여한다는 실무적 이점이 강조되었다. 따라서 로컬 LLM 운영 환경에서는 간단한 쉘 스크립트와 주기적 작업으로 위험을 사전 완화할 수 있다.

용어 해설

양자화 포맷(Quantization Format): — 모델 가중치를 정수 형태로 표현해 저장·추론 비용을 줄이는 파일 형식으로, 서로 다른 포맷(Q4_K_M, Q8_0 등)은 크기와 추론 호환성 측면에서 차이를 보이며 동일 모델의 중복 다운로드가 디스크 낭비로 이어지기 때문에 정리 대상이 된다.
벡터 임베딩(Vector Embedding): — 텍스트나 문서를 고정 길이 실수 벡터로 변환한 표현으로 로컬 프로젝트의 임베딩 데이터베이스(Chroma, FAISS 등)에 저장되며 사용하지 않는 임베딩 파일과 오래된 인덱스가 디스크 점유를 크게 증가시킬 수 있다.
캐시 디렉토리(Cache Directory): — 라이브러리나 런타임이 모델 가중치, 토큰화 파일, 퀀타이즈된 바이너리 등을 임시로 보관하는 폴더로, 예컨대 Hugging Face는 ~/.cache/huggingface/hub에 파일을 축적하여 디스크 사용량 급증의 주요 원인이 된다.

언급된 도구

Hugging Face중립

모델 허브와 캐시 디렉토리 관리

Ollama중립

로컬 모델 실행 및 저장

Chroma중립

로컬 벡터 데이터베이스

FAISS중립

로컬 벡터 인덱싱 라이브러리

언급된 리소스

문서Fix disk space full from LLMs - ultimate cleanup guide