주요 핵심 사항
- 라즈베리 파이 5는 성능 향상을 위해 오버클럭할 수 있으며, 이는 기계 학습과 같은 고성능을 요구하는 작업에 매우 유용합니다.
- Pi 5를 오버클럭하려면 온도를 80°C 이하로 유지해야 하며, 이를 위해 냉각 팬이 내장된 공식 케이스나 방열판 및 팬이 포함된 액티브 쿨러 액세서리를 사용하는 것이 좋습니다.
- Pi 5의 오버클럭은 config.txt 파일의 부팅 설정을 수정하여 CPU 속도를 변경하는 방식으로 이루어지지만, 이로 인해 Pi 5의 수명이 단축될 수 있고 보증이 무효화될 수 있으므로 주의가 필요합니다.
라즈베리 파이 5는 이전 모델인 Pi 4보다 2~3배 빠른 속도를 제공하지만, 추가 성능 향상을 위해 오버클럭을 통해 더욱 강력하게 만들 수 있습니다. Pi 5의 시스템 온 칩을 오버클럭하여 속도를 높이는 방법을 자세히 알아보겠습니다.
라즈베리 파이 5를 오버클럭하는 이유는 무엇일까요?
라즈베리 파이 5의 기본 CPU 클럭 속도는 2.4GHz로, Pi 4의 1.8GHz보다 훨씬 빠르며, 다양한 작업에서 눈에 띄는 성능 향상을 제공합니다. 또한, VideoCore VII GPU는 800MHz로 작동하며, 이는 Pi 4의 VideoCore VI 500MHz보다 더 높은 성능을 제공합니다.
라즈베리 파이 4를 오버클럭하는 것처럼 Pi 5의 4개 CPU 코어와 GPU 역시 오버클럭을 통해 성능을 더욱 향상시킬 수 있습니다. 이를 통해 Plex 미디어 서버로 사용하거나 AI 챗봇을 위한 대규모 언어 모델을 실행하는 등 CPU 리소스를 많이 사용하는 작업에서 성능을 극대화할 수 있습니다.
그러나 오버클럭은 Pi 5의 수명을 단축시킬 수 있으며, 과도한 전압은 보증을 무효화할 수도 있습니다. 따라서 오버클럭은 위험을 감수하고 진행해야 합니다. 특히 시스템을 더 빠른 속도로 작동시키려는 경우에는 더욱 그렇습니다.
라즈베리 파이 5를 시원하게 유지하는 방법
라즈베리 파이 5의 시스템 온 칩(SoC)을 오버클럭하려면 온도를 80°C 이하로 유지해야 합니다. 온도가 이 수준에 도달하면 SoC는 CPU 코어의 속도를 줄이는 안전 메커니즘을 작동시켜 온도가 낮아질 때까지 속도를 제한합니다. 온도가 85°C에 도달하면 GPU를 포함하여 더 강력한 속도 제한이 적용됩니다.
라즈베리 파이 5는 일반적인 데스크톱 작업을 수행할 때 Pi 4보다 더 낮은 온도로 작동하지만, 작업 부하가 높아지면 열 관리가 필요합니다. 이러한 이유로 라즈베리 파이 재단은 Pi 5 출시와 함께 여러 가지 냉각 옵션을 제공하고 있습니다.
공식 라즈베리 파이 5 케이스에는 Pi 5 보드의 ‘FAN’으로 표시된 JST 포트에 연결할 수 있는 냉각 팬이 내장되어 있습니다. 더 강력한 냉각을 위해 Pi 5 보드 상단에 장착하는 액티브 쿨러 액세서리에는 방열판과 팬이 함께 제공됩니다. 저희는 오버클럭 테스트에서 액티브 쿨러를 사용했습니다.
이미지 출처: 라즈베리 파이
라즈베리 파이 5 오버클럭 방법
라즈베리 파이 OS와 같은 공식 운영 체제를 실행하는 다른 라즈베리 파이 모델과 마찬가지로 Pi 5 SoC의 클럭 속도는 config.txt 부팅 설정 파일을 수정하여 변경할 수 있습니다.
시작하기 전에 시스템을 최신 상태로 유지하는 것이 좋습니다. 터미널 창을 열고 다음 명령을 입력하여 시스템을 업데이트하고 업그레이드할 수 있습니다.
sudo apt update && sudo apt upgrade -y
최신 소프트웨어 패키지를 확인한 후 시스템 업데이트를 완료하는 데 시간이 걸릴 수 있습니다.
모니터링 도구 설치
라즈베리 파이 5를 오버클럭하기 전에 몇 가지 유용한 도구를 설치하여 오버클럭 전후의 성능과 온도를 비교할 수 있도록 하겠습니다. 먼저 Neofetch 시스템 정보 도구를 설치합니다.
sudo apt install neofetch
현재 시스템 정보를 보려면 다음 명령을 실행하세요.
neofetch
Pi 5의 기본 CPU 클럭 속도인 2.4GHz가 표시되어야 합니다. 다음으로 시스템에 부하를 가하는 ‘스트레스’ 워크로드 생성 도구를 설치합니다.
sudo apt install stress
라즈베리 파이 OS “Bookworm”에 Stressberry 스트레스 테스트 도구를 설치하려면 먼저 가상 Python 환경(여기서는 “overclock”이라고 명명)을 만들고 해당 환경으로 디렉토리를 변경한 다음 활성화해야 합니다.
python -m venv overclock
cd overclock
source bin/activate
그런 다음 Stressberry를 설치할 수 있습니다.
pip3 install stressberry
이제 오버클럭된 결과와 비교하기 위해 기본 클럭 속도에서 초기 스트레스 테스트를 수행해 보겠습니다. 4개의 CPU 코어를 모두 사용하여 100초 동안 테스트를 진행하려면 다음 명령을 실행합니다.
stressberry-run -n "My Test" -d 100 -i 30 -c 4 mytest1.dat
안정적인 기준 온도가 될 때까지 기다린 후 스트레스 테스트가 실행되고 각 줄에 현재 CPU 온도와 주파수(MHz 단위)가 표시되며 최대 2400에 도달해야 합니다.
오버클럭을 위해 config.txt 파일 수정
이제 Pi 5의 오버클럭을 시작하기 위해 CPU 속도 설정을 변경할 차례입니다. nano 텍스트 편집기를 사용하여 config.txt 설정 파일을 엽니다.
sudo nano /boot/config.txt
다음 줄을 추가합니다.
arm_freq=2800
gpu_freq=900
over_voltage_delta=50000
여기서는 CPU 클럭 속도를 2.8GHz로 설정하고, GPU 속도를 높이고, SoC 코어 전압을 높여 도움을 줍니다. 이 과전압 설정은 작동하는 데 필수적일 수도 있고 필요하지 않을 수도 있습니다. nano 편집기를 종료하고 Ctrl + X를 누른 다음 Y와 Enter를 눌러 설정을 저장합니다. 오버클럭을 활성화하려면 Pi 5를 재부팅해야 합니다.
sudo reboot
재부팅 후 neofetch 터미널 명령을 다시 실행하면 새로운 CPU 속도인 2.8GHz를 확인할 수 있습니다.
오버클럭된 Pi 5 스트레스 테스트
Python 가상 환경 내에서 Stressberry를 실행해야 하므로 다음 명령을 실행하여 다시 활성화합니다.
cd overclock
source bin/activate
그런 다음 이전과 동일한 Stressberry 테스트를 실행합니다(출력 파일 이름은 변경).
stressberry-run -n "My Test" -d 100 -i 30 -c 4 mytest2.dat
이번에는 CPU가 오버클럭 속도인 2.8GHz 또는 사용자가 설정한 속도에 도달하는지 확인해야 합니다. 또한 온도가 상승할 것입니다. 테스트에서 Pi 5에 액티브 쿨러를 장착한 경우 최대 64.8°C까지 도달했는데, 이는 스로틀링이 적용되는 수준보다 훨씬 낮은 온도입니다.
일부 사용자는 CPU 속도를 3GHz 이상, GPU를 1GHz로 더 높일 수 있었지만, 오버클럭 성능은 Pi 5 보드와 사용된 냉각 방법에 따라 달라질 수 있습니다. 특정 수준의 오버클럭으로 시스템이 불안정해지면 더 낮은 수준의 오버클럭을 시도해야 합니다. 드물게는 전력 부족으로 인해 Pi 5가 데스크톱으로 부팅되지 않을 수도 있습니다.
Pi 5가 부팅되지 않으면 어떻게 해야 할까요?
config.txt에서 오버클럭 설정을 변경한 후 라즈베리 파이 5가 부팅되지 않는 경우 당황하지 마십시오. 가장 쉬운 해결 방법은 부팅 중에 Shift 키를 길게 눌러 오버클럭을 일시적으로 비활성화하는 것입니다. 이렇게 하면 Pi 5가 정상적으로 부팅됩니다.
여전히 작동하지 않으면 Pi 5를 끈 다음 microSD 카드를 제거하고 USB 카드 리더기를 사용하여 다른 컴퓨터에 연결하여 config.txt 파일을 수정할 수 있습니다. 오버클럭 설정을 변경하거나 각 줄의 시작 부분에 # 기호를 추가하여 주석 처리할 수 있습니다.
전력 소모를 줄이거나(휴대용 프로젝트의 경우) 온도를 낮게 유지하려는 경우 Pi 5를 언더클럭할 수도 있습니다.
라즈베리 파이 5 오버클럭은 쉽습니다
보시다시피 Pi 5를 오버클럭하는 것은 비교적 간단한 과정입니다. 오버클럭을 통해 얻을 수 있는 추가 처리 능력은 CPU 집약적인 작업을 보다 효율적으로 수행하는 데 도움이 되므로 기계 학습 및 대규모 언어 모델과 같은 작업에 특히 유용합니다. 이러한 성능 향상을 통해 라즈베리 파이 5를 활용한 더 많은 프로젝트 가능성이 열리게 될 것입니다.