컴퓨팅 아키텍처 컴퓨팅 아키텍처란?
컴퓨팅 아키텍처는 데이터를 처리하고 워크로드를 실행하는 시스템, 구성요소, 리소스의 설계로, 프로세서, 메모리, 스토리지, 네트워킹, 소프트웨어, 가속기, 관리 도구가 함께 작동하여 애플리케이션, 분석, AI, 클라우드 서비스, 엣지 컴퓨팅 및 엔터프라이즈 IT 운영을 지원하는 방법을 정의합니다.
읽는 시간: 10분 50초 | 게시일: 2026년 7월 24일
목차
컴퓨팅 아키텍처의 주요 요점
- 컴퓨팅 아키텍처는 워크로드를 지원하기 위해 컴퓨팅 리소스가 어떻게 설계, 연결, 관리 및 확장되는지 정의합니다.
- 컴퓨팅 아키텍처에는 CPU, GPU, 메모리, 스토리지, 네트워킹, 운영 체제, 가상화, 컨테이너, 클라우드 서비스 및 관리 도구가 포함될 수 있습니다.
- 적절한 컴퓨팅 아키텍처는 워크로드 성능, 데이터 위치, 확장성, 보안, 비용, 가용성, 간소화된 관리 및 운영 요구 사항에 따라 달라집니다.
- 엔터프라이즈 컴퓨팅 아키텍처는 데이터 센터, 프라이빗 클라우드, 퍼블릭 클라우드, 엣지 환경, 고성능 컴퓨팅 시스템을 아우르는 경우가 많습니다.
컴퓨팅 아키텍처 구성 요소
간단히 말해서 컴퓨팅 아키텍처에는 시스템에서 정보를 처리하고 애플리케이션을 실행할 수 있도록 지원하는 빌딩 블록이 포함됩니다. 이러한 빌딩 블록으로는 프로세서, 메모리, 스토리지, 네트워킹, 소프트웨어, 그리고 함께 작동하는 방식을 결정하는 설계 선택 사항 등이 있습니다.
예를 들어 엔터프라이즈 애플리케이션에는 범용 CPU 성능, 활성 데이터용 메모리, 기록용 스토리지, 사용자와 시스템을 연결하는 네트워킹, 성능 모니터링을 위한 관리 도구가 필요할 수 있습니다. AI 워크로드가 대규모 데이터 세트를 효율적으로 처리하려면 GPU 또는 가속기, 고속 스토리지, 저지연 네트워킹이 필요할 수 있습니다.
컴퓨팅 아키텍처는 하드웨어에만 국한되지 않고 워크로드 배포 방법, 리소스 공유 방법, 시스템 확장 방법, 그리고 IT 팀에서 성능, 보안, 비용을 관리하는 방법도 포함됩니다.
컴퓨팅 아키텍처가 중요한 이유
컴퓨팅 아키텍처는 성능, 확장성, 안정성, 비용, 최신 워크로드 지원 역량에 직접적인 영향을 미치기 때문에 중요합니다. 잘 설계된 아키텍처는 애플리케이션이 효율적으로 실행되고 데이터가 빠르게 이동하며 팀의 비즈니스 요구 사항이 변함에 따라 리소스를 확장하는 데 도움이 됩니다.
엔터프라이즈 IT 팀의 경우 컴퓨팅 아키텍처가 워크로드를 실행해야 하는 위치에도 영향을 미칩니다. 일부 워크로드는 데이터 센터에서 가장 잘 작동할 수 있습니다. 반면 다른 워크로드는 클라우드의 유연성, 프라이빗 클라우드의 제어력, 엣지 컴퓨팅의 짧은 대기 시간 또는 고성능 컴퓨팅의 확장성을 필요로 할 수 있습니다.
적절한 컴퓨팅 아키텍처가 없는 조직은 애플리케이션 지연, 인프라 스프롤, 높은 클라우드 비용, 제한된 가시성, 리소스 활용 부족 또는 AI, 분석, 분산 워크로드 지원의 어려움 등을 겪을 수 있습니다.
컴퓨팅 아키텍처의 작동 방식
컴퓨팅 아키텍처는 컴퓨팅 시스템의 핵심 부분을 연결하여 명령어를 처리하고 데이터를 이동하며 워크로드를 실행할 수 있도록 합니다. 대부분의 아키텍처의 중심에는 명령어를 실행하는 프로세서가 있습니다. 메모리를 통해 프로세서는 활성 데이터에 빠르게 액세스할 수 있습니다. 스토리지는 시간이 지남에 따라 데이터와 애플리케이션을 사용할 수 있도록 유지합니다. 네트워킹은 시스템, 사용자, 애플리케이션, 환경을 연결합니다.
소프트웨어 레이어를 통해 이러한 리소스를 사용할 수 있게 됩니다. 운영 체제는 하드웨어 리소스를 관리합니다. 가상화를 통해 여러 가상 시스템이 물리적 인프라를 공유할 수 있습니다. 컨테이너는 여러 환경에서 일관되게 실행할 수 있도록 애플리케이션을 패키징합니다. 관리 도구는 IT 팀이 컴퓨팅 리소스를 모니터링, 보호, 자동화, 관리, 최적화하는 데 도움이 됩니다.
최신 엔터프라이즈 환경에서 컴퓨팅 아키텍처는 종종 분산됩니다. 워크로드는 물리적 서버, 가상 시스템, 컨테이너, 퍼블릭 클라우드, 프라이빗 클라우드, 엣지 사이트, AI 또는 HPC 시스템에서 실행될 수 있습니다.
컴퓨팅 아키텍처의 핵심 구성요소
컴퓨팅 아키텍처는 연결된 여러 구성요소에 따라 달라집니다. 각 구성요소는 워크로드의 성능, 확장, 운영 방식에 영향을 미칩니다.
구성요소 | 컴퓨팅 아키텍처에서의 역할 |
|---|---|
| CPU | 범용 지침을 실행하고 많은 엔터프라이즈 애플리케이션을 실행합니다. |
| GPU 및 가속기 | AI, 분석, 그래픽, 고성능 워크로드에 대해 여러 계산을 병렬로 처리합니다. |
| 메모리 | 워크로드가 실행되는 동안 활성 데이터와 지침에 빠르게 액세스할 수 있습니다. |
| 스토리지 | 애플리케이션, 파일, 데이터베이스, 백업, 워크로드 데이터를 저장합니다. |
| 네트워킹 | 사용자, 시스템, 애플리케이션, 클라우드, 데이터 센터, 엣지 위치를 연결합니다. |
| 운영 체제 | 하드웨어 리소스를 관리하고 애플리케이션을 위한 기반을 제공합니다. |
| 가상화 | 공유된 물리적 인프라에서 여러 가상 시스템을 실행할 수 있습니다. |
| 컨테이너 | 애플리케이션과 종속성을 패키징하여 더 휴대성이 뛰어난 배포를 지원합니다. |
| 관리 도구 | 환경 전반에서 컴퓨팅 리소스를 모니터링, 자동화, 보호, 관리 및 최적화합니다. |
| 보안 통제 | 시스템, 워크로드, ID, 데이터, 펌웨어, 구성을 보호합니다. |
컴퓨팅 아키텍처의 주요 유형
컴퓨팅 아키텍처에는 몇 가지 유형이 있으며 각 아키텍처는 서로 다른 워크로드, 성능, 운영 요건을 충족하도록 설계되었습니다.
컴퓨팅 아키텍처 유형 | 의미 | 공통 사용 사례 |
|---|---|---|
| 범용 컴퓨팅 아키텍처 | 일반적인 비즈니스 워크로드에 CPU, 메모리, 스토리지, 네트워킹을 사용합니다. | 엔터프라이즈 애플리케이션, 데이터베이스, 파일 서비스, 가상화. |
| 클라우드 컴퓨팅 아키텍처 | 클라우드 기반 인프라와 서비스를 사용하여 워크로드를 실행합니다. | 탄력적인 애플리케이션, 개발, 분석, 가변적인 수요. |
| 온프레미스 컴퓨팅 아키텍처 | 조직이 소유하거나 운영하는 인프라에서 워크로드를 실행합니다. | 민감 데이터, 예측 가능한 워크로드, 컴플라이언스, 직접 제어. |
| 하이브리드 컴퓨팅 아키텍처 | 데이터 센터, 클라우드, 프라이빗 클라우드, 엣지 리소스를 결합합니다. | 워크로드 유연성과 데이터 제어가 필요한 조직. |
| 엣지 컴퓨팅 아키텍처 | 컴퓨팅을 사용자, 장치, 센서 또는 시스템에 더 가깝게 배치합니다. | 저지연 워크로드, IoT, 제조, 소매 및 원격 사이트. |
| 병렬 컴퓨팅 아키텍처 | 한 번에 많은 처리 장치를 사용하여 복잡한 작업을 더 빠르게 완료합니다. | AI, 시뮬레이션, 모델링, 분석, HPC. |
| 가속화된 컴퓨팅 아키텍처 | 특수 워크로드에 GPU, FPGA 또는 기타 가속기를 사용합니다. | AI 교육, 추론, 딥 러닝, 렌더링, 과학 컴퓨팅. |
| 고성능 컴퓨팅 아키텍처 | 대규모 컴퓨팅을 위해 클러스터와 특수 시스템을 사용합니다. | 연구, 엔지니어링, 모델링, 시뮬레이션, 고급 AI. |
컴퓨팅 아키텍처가 성능에 미치는 영향
컴퓨팅 아키텍처는 시스템이 명령을 처리하고 데이터에 액세스하며 정보를 이동하고 리소스를 확장하는 속도를 결정하여 성능에 영향을 미칩니다. 프로세서 설계, 메모리 용량, 스토리지 속도, 네트워크 대기 시간, 워크로드 배치는 모두 성능에 영향을 미칩니다.
예를 들어 데이터베이스 워크로드에는 빠른 스토리지와 높은 메모리 용량이 필요할 수 있습니다. AI 교육 워크로드에는 GPU 가속화와 고속 네트워킹이 필요할 수 있습니다. 대기 시간에 민감한 엣지 워크로드에는 데이터가 생성되는 위치와 가까운 컴퓨팅 리소스가 필요할 수 있습니다. 클라우드 네이티브 애플리케이션에는 컨테이너 오케스트레이션과 자동화된 확장이 필요할 수 있습니다.
균형도 성능에 영향을 줍니다. 스토리지 속도가 너무 느리거나 메모리가 부족하거나 네트워크로 인해 지연이 발생한다면 강력한 프로세서라도 별 도움이 되지 않을 수 있습니다. 강력한 컴퓨팅 아키텍처는 모든 주요 리소스를 워크로드의 요구 사항에 맞게 조정합니다.
CPU 아키텍처와 GPU 아키텍처 비교
CPU 및 GPU 아키텍처는 다양한 유형의 처리를 위해 설계되었습니다. CPU는 범용 컴퓨팅과 유연한 명령어 처리를 위해 설계되었습니다. GPU는 병렬 처리를 위해 구축되어 많은 계산을 동시에 처리할 수 있습니다.
영역 | GPU 아키텍처 | GPU 아키텍처 |
|---|---|---|
| 주요 목적 | 범용 처리 및 애플리케이션 로직. | 많은 수의 계산을 위한 병렬 처리. |
| 용도 | 비즈니스 애플리케이션, 운영 체제, 데이터베이스, 오케스트레이션. | AI, 기계 학습, 그래픽, 시뮬레이션, 데이터 분석. |
| 처리 스타일 | 복잡한 작업은 적게 처리하지만 유연성이 높습니다. | 여러 계산을 동시에 더 간단하게 처리합니다. |
| 워크로드 예 | ERP, CRM, 웹 서버, 데이터베이스, 가상화. | AI 교육, 추론, 딥 러닝, 렌더링, 과학 컴퓨팅. |
| 엔터프라이즈 역할 | 핵심 시스템을 실행하고 워크로드를 조정합니다. | 높은 처리량이 필요한 특수 워크로드를 가속화합니다. |
엔터프라이즈 아키텍처에서 CPU와 GPU가 함께 작동하는 방식
대부분의 엔터프라이즈 아키텍처는 CPU와 GPU를 함께 사용합니다. CPU는 다양한 워크로드에서 유연성, 제어, 순차적 처리에 최적화되어 있으며, GPU는 병렬 처리 및 고성능 가속화에 최적화되어 있습니다. CPU와 GPU를 함께 사용하면 AI, 분석 및 기타 컴퓨팅 집약적 워크로드를 가속하는 동시에 기존 엔터프라이즈 애플리케이션을 효율적으로 실행할 수 있습니다.
목표는 모든 워크로드에 대해 하나의 프로세서 유형을 선택하는 것이 아닙니다. 목표는 애플리케이션, AI 모델, 분석 플랫폼, 데이터 집약적 워크로드를 효율적으로 실행할 수 있도록 적절한 처리 아키텍처를 적절한 작업에 맞추는 것입니다.
x86과 Arm 컴퓨팅 아키텍처 비교
x86과 Arm은 두 가지 주요 프로세서 아키텍처로, 프로세서가 명령을 실행하는 방법과 해당 프로세서에서 소프트웨어를 실행하도록 설계된 방법을 정의합니다.
영역 | x86 아키텍처 | AI 아키텍처 |
|---|---|---|
| 일반적인 용도 | 서버, PC, 엔터프라이즈 시스템에서 널리 사용됩니다. | 일반적으로 모바일 장치, 엣지 장치, 일부 클라우드 및 서버 환경에 사용됩니다. |
| 설계 접근 방법 | 전통적으로 복잡한 명령어 세트 컴퓨팅과 연관이 있습니다. | 전통적으로 축소된 명령어 세트 컴퓨팅과 연관이 있습니다. |
| 강점 | 광범위한 소프트웨어 호환성과 성숙한 엔터프라이즈 에코시스템. | 클라우드, 엣지, 특수 시스템에서 전력 효율성과 사용 증가. |
| 엔터프라이즈 고려 사항 | 호환성, 성능, 기존 워크로드에 자주 사용됩니다. | 전력 효율성, 집적도, 워크로드별 요구 사항을 평가하는 경우가 많습니다. |
조직의 x86 및 Arm 평가 방법
조직은 애플리케이션 호환성, 성능, 전력 소비, 소프트웨어 에코시스템, 벤더 지원, 워크로드 요건을 기반으로 x86 및 Arm을 평가해야 합니다.
많은 엔터프라이즈 환경에서 아키텍처 결정은 최신 프로세서 유형을 선택하는 것이 아니라 성능, 안정성, 소프트웨어 호환성, 장기 운영을 지원할 수 있는 인프라에 워크로드를 매칭하는 것입니다.
클라우드 컴퓨팅 아키텍처와 온프레미스 컴퓨팅 아키텍처 비교
클라우드 및 온프레미스 컴퓨팅 아키텍처는 모두 처리 성능을 제공하지만 소유권, 제어, 비용 모델, 확장성은 다릅니다.
영역 | 클라우드 컴퓨팅 아키텍처 | 온프레미스 컴퓨팅 아키텍처 |
|---|---|---|
| 소유권 | 클라우드 공급자가 제공합니다. | 조직에서 소유하거나 운영합니다. |
| 비용 모델 | 구독 또는 사용량을 기반으로 하는 경우가 많습니다. | 하드웨어, 운영, 지원, 전력, 라이프 사이클 비용이 발생하는 경우가 많습니다. |
| 확장성 | 리소스를 빠르게 확장할 수 있습니다. | 용량 계획 및 인프라 확장이 필요합니다. |
| 제어 | 물리적 인프라에 대한 직접적인 제어가 감소합니다. | 시스템, 데이터 위치, 정책에 대한 제어력이 향상됩니다. |
| 용도 | 다양한 수요, 개발, 분석, 탄력적인 워크로드. | 민감 데이터, 예측 가능한 워크로드, 컴플라이언스, 짧은 대기 시간 요구 사항. |
많은 기업이 하이브리드 컴퓨팅 아키텍처를 사용하는 이유
많은 기업들이 하이브리드 컴퓨팅 아키텍처를 사용하는 이유는 워크로드를 가장 적합한 곳에서 실행할 수 있기 때문입니다. 하이브리드 아키텍처는 유연성, 제어, 성능, 보안, 비용의 균형을 맞추는 데 도움이 될 수 있습니다.
이러한 접근 방식을 통해 조직은 탄력성, 개발, 분석 또는 가변 수요에 클라우드 서비스를 사용하는 동시에 제어된 환경에서 민감하거나 예측 가능한 워크로드를 유지할 수 있습니다.
AI 및 기계 학습에 가장 적합한 컴퓨팅 아키텍처
AI 및 기계 학습에 가장 적합한 컴퓨팅 아키텍처는 AI 워크로드의 유형에 따라 달라집니다. 대규모 모델을 교육하려면 GPU 또는 가속기, 높은 메모리 용량, 고속 스토리지, 저지연 네트워킹이 필요한 경우가 많습니다. 추론에는 더 짧은 대기 시간, 효율적인 확장, 그리고 애플리케이션, 사용자 또는 데이터 소스와 가까운 곳에서 모델을 실행할 수 있는 기능 등이 필요할 수 있습니다.
생성형 AI, 딥 러닝, 컴퓨터 비전, 대규모 데이터 처리의 경우 GPU가 많은 계산을 병렬로 처리할 수 있으므로 가속화된 컴퓨팅 아키텍처가 중요한 경우가 많습니다.
조직은 GPU, 스토리지, 메모리, 네트워킹을 적절하게 조합하여 전체 AI 라이프 사이클을 지원하면서 성능, 데이터, 보안, 전력, 비용 요건을 기반으로 AI 인프라를 평가해야 합니다.
조직에서 컴퓨팅 아키텍처를 선정하는 방법
조직은 실행해야 하는 워크로드, 보호해야 하는 데이터, 지원해야 하는 결과를 기반으로 컴퓨팅 아키텍처를 선택해야 합니다.
- 애플리케이션, 데이터베이스, 분석, AI, 컨테이너, 엣지 또는 HPC와 같은 워크로드 유형.
- CPU, GPU, 메모리, 스토리지, 네트워크 요건을 포함한 성능 요구 사항.
- 데이터 민감도, 컴플라이언스 요구 사항, 위치 요건.
- 확장성, 가용성, 관리 및 자동화 요구 사항.
- 인프라, 클라우드 사용, 전력, 운영, 지원, 라이프 사이클 관리를 포함한 총 비용.
강력한 컴퓨팅 아키텍처의 이점
강력한 컴퓨팅 아키텍처는 조직이 워크로드를 더 효율적이고 안전하며 안정적으로 실행하는 데 도움이 됩니다.
- 애플리케이션 및 워크로드 성능이 향상됩니다.
- 변화하는 비즈니스 요구 사항 전반에서 확장성이 향상됩니다.
- 인프라 리소스를 보다 효율적으로 사용할 수 있습니다.
- AI, 분석, 클라우드, 엣지, HPC 워크로드에 대한 지원이 개선됩니다.
- 더욱 강력한 운영 제어, 가시성, 라이프 사이클 관리가 가능합니다.
유연성이 가장 큰 이점인 이유
가장 큰 이점은 유연성입니다. 잘 설계된 컴퓨팅 아키텍처는 조직이 비용, 보안, 비즈니스 목표를 지원하는 동시에 최적의 성능을 발휘하는 곳에 워크로드를 배치하는 데 도움이 됩니다.
컴퓨팅 아키텍처의 과제
엔터프라이즈 워크로드가 더욱 분산되고 데이터 집약적이며 전문화되고 있기 때문에 컴퓨팅 아키텍처가 까다로워질 수 있습니다.
- 각 워크로드에 적합한 아키텍처 선택.
- 성능, 비용, 보안, 확장성의 균형 유지.
- 데이터 센터, 클라우드, 프라이빗 클라우드, 엣지 위치 전반에 걸친 인프라 관리.
- 불필요한 복잡성을 추가하지 않고도 AI, GPU, 컨테이너, HPC 워크로드 지원.
- 변화하는 비즈니스, 데이터, 애플리케이션 요구 사항에 맞춰 아키텍처 유지.
컴퓨팅 아키텍처가 시간이 지남에 따라 진화해야 하는 이유
컴퓨팅 아키텍처는 워크로드 요건을 중심으로 계획하고 비즈니스 및 기술 요구 사항이 발전함에 따라 업데이트해야 합니다. 조직이 AI, 엣지 컴퓨팅, 하이브리드 클라우드 또는 데이터 집약적 애플리케이션을 도입함에 따라 새로운 성능, 보안 및 운영 요건을 지원하기 위해 아키텍처 결정을 변경해야 할 수도 있습니다.
HPE가 컴퓨팅 아키텍처를 지원하는 방법
HPE는 서버, 소프트웨어, 서비스 및 하이브리드 클라우드 솔루션을 통해 데이터 센터부터 클라우드, 엣지, AI 및 고성능 컴퓨팅 환경까지 다양한 환경에서 워크로드를 실행할 수 있는 컴퓨팅 아키텍처를 지원합니다.
HPE ProLiant Compute는 데이터 센터부터 엣지까지 엔터프라이즈 워크로드를 위한 안전하고 확장 가능한 기반을 제공합니다. HPE Compute Ops Management는 IT 팀이 최신 단일 관리 경험을 통해 가시성, 보안, 제어 기능을 통해 분산 컴퓨팅 환경을 모니터링하고 관리하는 데 도움이 됩니다. GreenLake는 하이브리드 환경 전반에서 클라우드 운영 및 소비 모델을 지원합니다.
HPE Private Cloud AI는 특수 아키텍처 요구 사항을 충족하기 위해 조직이 프라이빗 클라우드 환경에 AI 워크로드를 배포하는 데 도움이 됩니다. HPE AI 서버는 AI 교육, 튜닝, 추론을 지원합니다. HPE Cray Supercomputing은 대규모 모델링, 시뮬레이션, 연구, HPC, AI 워크로드를 지원합니다.
HPE를 통해 조직은 엣지부터 클라우드까지 성능, 확장성, 보안, 효율성, 워크로드 유연성을 지원하는 컴퓨팅 아키텍처를 설계할 수 있습니다.
컴퓨팅 아키텍처 FAQ
컴퓨터 아키텍처와 컴퓨팅 아키텍처의 차이점은 무엇입니까?
컴퓨터 아키텍처는 일반적으로 프로세서, 메모리, 명령어 세트, 하드웨어 구성을 포함한 컴퓨터 시스템의 설계를 의미합니다. 기업 IT 분야에서는 컴퓨팅 아키텍처라는 용어를 더 폭넓게 사용하는데 데이터 센터, 클라우드, 엣지, AI 및 HPC 시스템 전반에 걸쳐 워크로드를 실행하기 위해 컴퓨팅 리소스, 소프트웨어, 인프라 및 환경이 어떻게 설계되었는지를 설명합니다.
RISC와 CISC 아키텍처의 차이점은 무엇입니까?
RISC는 감소된 명령어 세트 컴퓨팅을 의미하며, CISC는 복잡한 명령어 세트 컴퓨팅을 의미합니다. RISC 아키텍처는 종종 효율적으로 실행할 수 있는 더 간단한 명령어를 사용하는 반면, CISC 아키텍처는 더 복잡한 명령어를 지원합니다. 기업 차원의 의사 결정에서는 일반적으로 워크로드 호환성, 성능, 소프트웨어 지원, 전력 효율성, 벤더 에코시스템 등이 더 실질적인 고려 사항이 됩니다.
서버리스 컴퓨팅 아키텍처란 무엇입니까?
서버리스 컴퓨팅 아키텍처를 통해 개발자는 서버를 직접 관리하지 않고도 코드를 실행할 수 있습니다. 클라우드 공급자는 인프라 프로비저닝, 확장, 가용성을 처리합니다. 서버리스는 이벤트 기반 애플리케이션과 가변 워크로드에 유용할 수 있지만 조직은 여전히 성능, 비용, 보안, 통합 가시성, 애플리케이션 아키텍처를 평가해야 합니다.
베어 메탈 컴퓨팅 아키텍처란 무엇입니까?
베어 메탈 컴퓨팅 아키텍처는 가상화 레이어 없이 물리적 서버에서 직접 워크로드를 실행하며 전용 성능, 짧은 대기 시간, 하드웨어 제어 또는 예측 가능한 리소스 액세스가 필요한 워크로드에 유용할 수 있습니다. 또한 데이터베이스, 가상화 호스트, AI, 분석, 고성능 워크로드에 고려되는 경우가 많습니다.
조직은 언제 맞춤형 컴퓨팅 아키텍처 설계 서비스를 사용해야 합니까?
조직은 표준 인프라가 특수한 성능, 전력, 대기 시간, 보안 또는 하드웨어 가속 요구 사항을 충족하지 못하는 경우 맞춤형 컴퓨팅 아키텍처 설계 서비스를 사용할 수 있습니다. 이는 ASIC, FPGA, 전문 AI 가속화, 내장 시스템, 연구 또는 고도로 최적화된 산업 워크로드와 같은 분야에 적용될 수 있습니다.