26S06a

QK·약 8시간 전

인터넷이 차단된 에어갭 환경에서 GPU(B300) 노드 검증, vLLM 서빙, 스토리지 연동, 성능 벤치마크를 차질 없이 완결할 수 있도록 외부망(MacBook)에서 사전 다운로드해야 하는 전체 에셋 리스트를 정리했습니다.

사내 Nexus 프록시가 있더라도 방화벽 타임아웃, 토큰 인증 제한, 레지스트리 캐시 미스(Cache Miss)에 대비한 백업용 컨테이너 이미지 아카이브와 옵셔널(비상용/선택) 항목까지 모두 포함했습니다.

1. 필수(Mandatory) 다운로드 목록

이 항목들이 없으면 노드 부팅 후 드라이버 인식, NVLink 활성화, 모델 서빙 자체가 불가능합니다.

① NVIDIA 호스트 드라이버 & NVSwitch 스택 (RHEL 10.2 x86_64)

NVIDIA Data Center Driver .run 파일:
파일: NVIDIA-Linux-x86_64-<VERSION>.run (예: R570/R580 Production Branch)
용도: B300 GPU 오픈 커널 모듈(--kernel-module-type=open) 및 기본 CUDA 드라이버 설치.

nvidia-fabricmanager RPM:
파일: nvidia-fabricmanager-<VERSION>-1.x86_64.rpm
중요: 위 .run 파일과 빌드 마이너 버전 번호가 100% 일치해야 함 (B300 NVLink/NVSwitch 구동 필수).

NVIDIA Container Toolkit RPM 세트:
nvidia-container-toolkit-*.x86_64.rpm
nvidia-container-toolkit-base-*.x86_64.rpm
libnvidia-container1-*.x86_64.rpm
libnvidia-container-tools-*.x86_64.rpm
용도: Podman/K8s에서 CDI(Container Device Interface)로 GPU 패스스루.

② LLM 모델 가중치 및 설정 파일 (Llama-3.1-70B-Instruct 기준)

Hugging Face CLI의 snapshot_download를 이용해 온전히 수집해야 합니다 (약 140GB).

설정 및 아키텍처 파일: config.json, generation_config.json
토크나이저 에셋 (누락 시 vLLM 기동 불가):
tokenizer.json, tokenizer_config.json, special_tokens_map.json

샤딩된 가중치 파일:
model.safetensors.index.json (샤드 매핑 인덱스)
model-00001-of-00030.safetensors ~ model-00030-of-00030.safetensors (총 30개 파티션)

③ Standalone 인프라/스토리지 바이너리 (Linux x86_64)

MinIO Client (mc): Linux amd64 정적 바이너리 (AIStor 버킷 생성, 모델 업로드/다운로드용).
k6 또는 locust 바이너리: Linux amd64 실행 바이너리 (Compute 클러스터 $\rightarrow$ GPU 부하 생성용).

2. 컨테이너 이미지 아카이브 (`.tar.gz`) (Nexus 프록시 장애 대비 백업)

Nexus Proxy를 통해 pull이 가능하더라도, 대용량 이미지 풀 도중 네트워크 단절이나 에어갭 인증 실패에 대비해 MacBook에서 docker pull --platform linux/amd64 후 docker save | gzip으로 백업해 둘 이미지들입니다.

컨테이너 이미지 (Tag)	용도 및 단계	비고
`vllm/vllm-openai:latest`	Phase 3 추론 서빙 및 Phase 5 벤치마크	필수
`wilic/gpu-burn:latest`	Phase 2 전체 GPU 100% 풀로드 번인 테스트	필수
`nvcr.io/nvidia/k8s/cuda-sample:vectorAdd-cuda12.5.0`	Phase 2 NVLink P2P 대역폭 실측 (`p2pBandwidthLatencyTest`)	필수
`grafana/k6:latest`	Phase 5 K8s Pod 기반 분산 부하 인가기	필수
`prom/prometheus:latest`	K8s 조인 전 단독 모니터링 (9090 포트)	권장
`grafana/grafana:latest`	K8s 조인 전 실시간 시각화 대시보드 (3000 포트)	권장
`nvidia/k8s-device-plugin/dcgm-exporter:latest`	GPU 전력, 온도, SM 사용률 메트릭 노출	권장
`networkstatic/iperf3:latest`	Phase 4 스토리지 대역폭 실측용 컨테이너	옵션

3. 옵셔널(선택/비상용) 다운로드 목록

현장에서 네트워크 파라미터 튜닝이나 예기치 못한 컴파일, 디스크 성능 병목 진단 시 유용한 항목들입니다.

① 진단 및 벤치마크 툴

MinIO Warp (warp): Linux x86_64 바이너리 (AIStor의 순수 S3 GET/PUT 처리량 멀티파트 한계 측정 시 필요).
ShareGPT 실데이터셋: ShareGPT_V3_unfiltered_cleaned_split.json (vLLM 내장 벤치마크 benchmark_serving.py 구동 시 실제 유저 트래픽 모사용).
NVIDIA DCGM RPM: datacenter-gpu-manager-*.x86_64.rpm (호스트 OS 레벨에서 dcgmi diag -r 3 진단 시 필요).

② RHEL 10.2 보조 OS RPM (사내 OS 미러에 없을 경우 대비)

stress-ng 및 하위 라이브러리 RPM: Phase 1 CPU/메모리 부하 검증용 (EPEL 저장소 패키지).
kernel-devel, kernel-headers (현재 커널 버전용): 드라이버 오픈 커널 모듈 빌드 시 필요.
fio, iperf3, numactl, pciutils RPM: 베어메탈 OS 점검 도구.

③ 경량 기능 테스트용 소형 LLM (단일 GPU 연동 검증용)

meta-llama/Llama-3.1-8B-Instruct (약 16GB): 70B를 올리기 전 파이프라인(외부망 L3 통신, K8s Egress 등) 빠른 검증용.

4. 맥북에서 바로 실행하는 다운로드 커맨드 시트

맥북 터미널에서 실행하여 한 폴더로 정리하는 명령입니다.

# 1. 수집 디렉터리 준비
mkdir -p ~/airgap_bundle/{binaries,datasets,images}

# 2. Standalone 바이너리 다운로드 (Linux x86_64 전용)
curl -sSL https://dl.min.io/client/mc/release/linux-amd64/mc -o ~/airgap_bundle/binaries/mc
chmod +x ~/airgap_bundle/binaries/mc

# k6 바이너리
curl -sSL https://github.com/grafana/k6/releases/download/v0.53.0/k6-v0.53.0-linux-amd64.tar.gz -o /tmp/k6.tar.gz
tar -xzf /tmp/k6.tar.gz -C /tmp && mv /tmp/k6-*-linux-amd64/k6 ~/airgap_bundle/binaries/ && rm -rf /tmp/k6*
chmod +x ~/airgap_bundle/binaries/k6

# 3. ShareGPT 벤치마크 데이터셋
curl -sSL https://huggingface.co/datasets/anon8231489123/ShareGPT_Vicuna_unfiltered/resolve/main/ShareGPT_V3_unfiltered_cleaned_split.json \
    -o ~/airgap_bundle/datasets/ShareGPT_V3_unfiltered_cleaned_split.json

# 4. 백업용 핵심 컨테이너 이미지 아카이브 (명시적 linux/amd64)
docker pull --platform linux/amd64 vllm/vllm-openai:latest
docker pull --platform linux/amd64 wilic/gpu-burn:latest
docker pull --platform linux/amd64 nvcr.io/nvidia/k8s/cuda-sample:vectorAdd-cuda12.5.0

docker save vllm/vllm-openai:latest | gzip > ~/airgap_bundle/images/vllm_openai_amd64.tar.gz
docker save wilic/gpu-burn:latest | gzip > ~/airgap_bundle/images/gpu_burn_amd64.tar.gz
docker save nvcr.io/nvidia/k8s/cuda-sample:vectorAdd-cuda12.5.0 | gzip > ~/airgap_bundle/images/cuda_samples_amd64.tar.gz

===

K8s 클러스터(또는 단일 노드)에서 GPU 노드의 vLLM 서빙 성능(처리량, 응답 지연 시간 등)을 측정하기 위해 k6와 Locust를 사용하는 실전 가이드입니다.

vLLM은 OpenAI 호환 API(POST /v1/chat/completions)를 제공하므로, 스트리밍(stream: true) 또는 비스트리밍(stream: false) 방식으로 LLM 특화 지표(TTFT, 토큰 생성 속도, P99 레이턴시)를 부하 테스트할 수 있습니다.

1. k6로 테스트하기 (고성능, 단일 바이너리, 낮은 리소스 소모)

k6는 Go 언어 기반 단일 바이너리로 구동되어 리소스를 매우 적게 먹으면서도 높은 RPS(초당 요청 수)를 뽑아낼 수 있어 베어메탈/에어갭 환경에서 가장 추천됩니다.

(1) 테스트 스크립트 작성 (`vllm_test.js`)

가상 사용자(VU)를 점진적으로 늘려가며 vLLM에 채팅 완결 요청을 날리는 스크립트입니다.

import http from 'k6/http';
import { check, sleep } from 'k6';

// 1. 테스트 실행 옵션 (단계별 부하 증가)
export const options = {
  stages: [
    { duration: '30s', target: 5 },   // 30초 동안 5명의 VU(동시 사용자)로 증가 (웜업)
    { duration: '1m', target: 20 },   // 1분 동안 20명으로 점진 증가
    { duration: '2m', target: 20 },   // 20명 동시 요청 유지 (지속 부하)
    { duration: '30s', target: 0 },   // 30초 동안 0명으로 쿨다운
  ],
  thresholds: {
    // 95%의 요청 지연 시간이 5초 이하이고, 에러율이 1% 미만이어야 테스트 통과
    http_req_duration: ['p(95)<5000'],
    http_req_failed: ['rate<0.01'],
  },
};

const TARGET_URL = __ENV.VLLM_URL || 'http://127.0.0.1:8000/v1/chat/completions';
const MODEL_NAME = __ENV.MODEL_NAME || 'meta-llama/Llama-3.1-70B-Instruct';

export default function () {
  const payload = JSON.stringify({
    model: MODEL_NAME,
    messages: [
      { role: 'system', content: 'You are a helpful assistant.' },
      { role: 'user', content: 'Explain the difference between TCP and UDP in 3 paragraphs.' }
    ],
    max_tokens: 256,
    temperature: 0.7,
    stream: false, // 기본 HTTP 요청 시간 측정을 위해 false (TTFT 정밀 측정 시 true 설정 후 SSE 파싱)
  });

  const params = {
    headers: {
      'Content-Type': 'application/json',
    },
    timeout: '30s',
  };

  const res = http.post(TARGET_URL, payload, params);

  // 응답 상태 코드 및 토큰 생성 여부 검증
  check(res, {
    'status is 200': (r) => r.status === 200,
    'has generated content': (r) => {
      try {
        const json = JSON.parse(r.body);
        return json.choices && json.choices.length > 0;
      } catch (e) {
        return false;
      }
    },
  });

  sleep(1); // 사용자 대기 시간(Think time) 1초
}

(2) 실행 방법

바이너리 직접 실행 (에어갭 노드):

# 기본 실행
./k6 run vllm_test.js

# 대상 URL 및 모델명을 환경변수로 전달
./k6 run -e VLLM_URL="http://192.168.10.50:8000/v1/chat/completions" \
         -e MODEL_NAME="meta-llama/Llama-3.1-70B-Instruct" \
         vllm_test.js

Podman / Docker 컨테이너로 실행:

podman run --rm -i --net=host \
  -v $(pwd)/vllm_test.js:/vllm_test.js:ro \
  grafana/k6:latest run /vllm_test.js

2. Locust로 테스트하기 (파이썬 기반, 웹 UI 및 상세 시각화 제공)

Locust는 Python 코드로 사용자 시나리오를 작성하며, 내장 웹 UI(기본 포트 8089)를 제공하여 실시간 차트 확인이 매우 편합니다.

(1) 테스트 스크립트 작성 (`locustfile.py`)

import json
import os
from locust import HttpUser, task, between

MODEL_NAME = os.getenv("MODEL_NAME", "meta-llama/Llama-3.1-70B-Instruct")

class VLLMUser(HttpUser):
    # 각 요청 사이 대기 시간 (1초~3초 무작위)
    wait_time = between(1, 3)

    @task
    def generate_chat_completion(self):
        payload = {
            "model": MODEL_NAME,
            "messages": [
                {"role": "system", "content": "You are a concise AI assistant."},
                {"role": "user", "content": "Summarize the core benefits of Kubernetes in 3 bullet points."}
            ],
            "max_tokens": 200,
            "temperature": 0.5,
            "stream": False
        }

        headers = {"Content-Type": "application/json"}

        with self.client.post("/v1/chat/completions", json=payload, headers=headers, catch_response=True) as response:
            if response.status_code == 200:
                try:
                    data = response.json()
                    # vLLM usage 통계 확인
                    total_tokens = data.get("usage", {}).get("total_tokens", 0)
                    response.success()
                except json.JSONDecodeError:
                    response.failure("Response body is not valid JSON")
            else:
                response.failure(f"Failed with status code: {response.status_code}")

(2) 실행 방법

방법 A: 웹 UI 대시보드로 실시간 부하 조절하며 실행

# 웹 UI 모드로 기동 (호스트의 8089 포트 오픈)
locust -f locustfile.py --host http://<GPU_NODE_IP>:8000

웹 브라우저에서 http://<실행노드_IP>:8089 접속
Number of users(총 가상 유저 수, 예: 20), Spawn rate(초당 투입 유저 수, 예: 2)를 입력하고 Start swarming 클릭
실시간 RPS, Failures, Response Times(Median, 95%, 99%) 그래프 확인

방법 B: 헤드리스(CLI) 모드로 자동 배치 실행 (웹 UI 없이 결과 파일 저장)
터미널 환경에서 일정 시간 동안 부하를 주고 요약 결과를 CSV로 떨어뜨릴 때 유용합니다.

locust -f locustfile.py \
  --headless \
  --host http://127.0.0.1:8000 \
  -u 30 -r 5 \
  --run-time 3m \
  --csv=locust_result

-u 30: 최대 30명의 사용자
-r 5: 초당 5명씩 증가
--run-time 3m: 3분간 실행

3. k6 vs Locust 선택 가이드

비교 항목	k6 (권장)	Locust
언어/런타임	Go 기반 (단일 바이너리)	Python (파이썬 런타임 및 pip 필요)
에어갭 배포 난이도	매우 쉬움 (`k6` 파일 하나만 복사)	다소 복잡 (Python wheel 패키지 오프라인 설치 필요)
리소스 효율성	CPU/RAM 소비 극도로 낮음 (단일 머신에서 수만 VU 가능)	GIL 제약으로 CPU 사용량 높음 (멀티코어 분산 필요)
사용자 인터페이스	CLI 터미널 출력 요약 중심	직관적인 내장 Web 대시보드 그래프 제공
추천 시나리오	CI/CD 파이프라인, 에어갭 베어메탈 노드 간이 검증	실시간 그래프를 보며 임계치를 수동 조절하고 싶을 때

4. 테스트 시 주의점 및 실측 팁

vLLM 메트릭(Prometheus)과 교차 검증:

부하 인가 중에 앞서 띄워둔 Prometheus/Grafana(http://<NODE>:3000) 또는 curl http://127.0.0.1:8000/metrics를 확인합니다.
vllm:num_requests_waiting(큐 대기 건수)이 급증하는 시점이 GPU 서빙 파이프라인의 임계 한계(Saturation Point)입니다.

동시 사용자(Concurrency) 설정:

B300 (8-GPU, TP=8) 환경에서는 Llama-3.1-70B 기준으로 동시 사용자 16~64명 구간에서 최대 Throughput(초당 토큰 생성 수)이 유지되는지 단계별로 올려보며 테스트하는 것이 일반적입니다.

===

사내 Nexus 프록시 레지스트리에 등록해야 하는 컨테이너 이미지별 원본 도메인(Registry FQDN)과, RHEL 10.2 환경에서 라이선스(서브스크립션) 없이 RPM을 다운로드할 수 있는지 여부 및 현실적인 대안을 명확히 정리해 드립니다.

1. 컨테이너 이미지별 원본 서비스 도메인 (Nexus Proxy 설정용)

Nexus에서 Docker Proxy Repository를 구성할 때 Remote Storage로 등록해야 하는 원본 레지스트리 도메인 목록입니다.

대상 이미지	원본 호스트 도메인 (Registry URL)	Nexus Proxy 대상 FQDN	비고
`vllm/vllm-openai`	Docker Hub	`registry-1.docker.io`	기본 공식 Docker Registry
`wilic/gpu-burn`	Docker Hub	`registry-1.docker.io`	커뮤니티 GPU 번인 툴
`grafana/k6`	Docker Hub	`registry-1.docker.io`	부하 생성 툴
`prom/prometheus`	Docker Hub	`registry-1.docker.io`	모니터링 엔진
`grafana/grafana`	Docker Hub	`registry-1.docker.io`	대시보드 시각화

| nvcr.io/nvidia/...

(UBI 기반 이미지) | Red Hat 공식 레지스트리 | registry.access.redhat.com | Red Hat UBI 무료 기본 이미지 |

Nexus 프록시 개설 팁:
대부분의 툴(vllm, k6, prometheus, grafana, gpu-burn)은 Docker Hub(registry-1.docker.io) 하나만 프록시로 열려 있어도 해결됩니다. 다만 NVIDIA 공식 도구(cuda-sample, dcgm-exporter)를 끌어오려면 nvcr.io 프록시 레포지토리가 사내 Nexus에 추가로 등록되어 있어야 합니다.

2. RHEL RPM은 라이선스(서브스크립션) 없이 그냥 받을 수 있는가?

결론부터 말씀드리면, 순수 RHEL 정규 패키지(BaseOS, AppStream 등)는 원칙적으로 유효한 Red Hat Subscription(계정 인증) 없이는 일반 미러 사이트처럼 익명으로 다운로드할 수 없습니다.

하지만 인프라 테스트 및 구축 단계에서 라이선스 없이 해결할 수 있는 3가지 현실적인 방법이 있습니다.

방법 1. Red Hat 무료 "개인 개발자 서브스크립션" 활용 (공식 무료)

Red Hat은 개발자 및 엔지니어에게 최대 16대 노드까지 무료로 정식 RHEL을 사용할 수 있는 'Red Hat Developer Subscription for Individuals'를 제공합니다.

비용: 완전 무료 (신용카드 등록 불필요)
방법:

developers.redhat.com에서 무료 개인 계정 생성.
서버(또는 맥북의 RHEL 컨테이너)에서 로그인 인증:

subscription-manager register --username <계정ID> --password <비밀번호>
subscription-manager attach --auto

인증 즉시 Red Hat 공식 CDN에서 최신 RHEL 10.2 정규 RPM을 dnf install 및 dnf download할 수 있습니다.

방법 2. CentOS Stream 10 바이너리 활용 (100% 무료, 인증 불필요)

RHEL 10과 바이너리 레벨에서 호환되는 CentOS Stream 10 저장소를 이용하는 방법입니다.

RHEL 10.2에 들어가는 stress-ng, fio, pciutils, iproute, kernel-devel 등의 기반 오픈소스 패키지는 CentOS Stream 10의 RPM과 빌드 ABI가 완전히 동일합니다.
라이선스나 계정 등록 없이 공개 미러 URL([http://mirror.stream.centos.org/](http://mirror.stream.centos.org/)...)에서 누구나 curl 또는 dnf로 익명 다운로드가 가능합니다.

방법 3. NVIDIA 및 UBI 전용 패키지 (Red Hat 서브스크립션 불필요)

본 작업에서 가장 중요한 패키지들은 애초에 Red Hat 라이선스 검증 대상이 아닙니다.

NVIDIA 관련 패키지 (nvidia-fabricmanager, datacenter-gpu-manager, nvidia-container-toolkit):
Red Hat이 아닌 NVIDIA 공개 웹 서버(developer.download.nvidia.com)에 호스팅되어 있으므로, Red Hat 라이선스나 계정 로그인 없이 누구나 무료로 직접 다운로드할 수 있습니다.

Red Hat UBI (Universal Base Image) 패키지:
컨테이너 환경에서 기본 제공되는 UBI BaseOS/AppStream 저장소는 서브스크립션 없이도 무료 사용 및 업데이트가 가능하도록 공개되어 있습니다.

실무 요약

Nexus 프록시: Docker Hub(registry-1.docker.io)와 NVIDIA NGC(nvcr.io) 2개 도메인을 열어두시면 모든 이미지를 커버할 수 있습니다.
RPM 수집:

NVIDIA 드라이버/Fabric Manager/Container Toolkit은 NVIDIA 서버에서 라이선스 없이 자유롭게 다운로드 가능합니다.
stress-ng 등 순수 RHEL OS 패키지가 추가로 필요하다면, CentOS Stream 10 공개 저장소에서 받거나 Red Hat 무료 개발자 계정(subscription-manager)을 등록하여 받으시면 됩니다.

engineer

이전 포스트

26S05z3

다음 포스트

26S06a

1. 필수(Mandatory) 다운로드 목록

① NVIDIA 호스트 드라이버 & NVSwitch 스택 (RHEL 10.2 x86_64)

② LLM 모델 가중치 및 설정 파일 (Llama-3.1-70B-Instruct 기준)

③ Standalone 인프라/스토리지 바이너리 (Linux x86_64)

2. 컨테이너 이미지 아카이브 (`.tar.gz`) (Nexus 프록시 장애 대비 백업)

3. 옵셔널(선택/비상용) 다운로드 목록

① 진단 및 벤치마크 툴

② RHEL 10.2 보조 OS RPM (사내 OS 미러에 없을 경우 대비)

③ 경량 기능 테스트용 소형 LLM (단일 GPU 연동 검증용)

4. 맥북에서 바로 실행하는 다운로드 커맨드 시트

1. k6로 테스트하기 (고성능, 단일 바이너리, 낮은 리소스 소모)

(1) 테스트 스크립트 작성 (`vllm_test.js`)

(2) 실행 방법

2. Locust로 테스트하기 (파이썬 기반, 웹 UI 및 상세 시각화 제공)

(1) 테스트 스크립트 작성 (`locustfile.py`)

(2) 실행 방법

3. k6 vs Locust 선택 가이드

4. 테스트 시 주의점 및 실측 팁

1. 컨테이너 이미지별 원본 서비스 도메인 (Nexus Proxy 설정용)

2. RHEL RPM은 라이선스(서브스크립션) 없이 그냥 받을 수 있는가?

방법 1. Red Hat 무료 "개인 개발자 서브스크립션" 활용 (공식 무료)

방법 2. CentOS Stream 10 바이너리 활용 (100% 무료, 인증 불필요)

방법 3. NVIDIA 및 UBI 전용 패키지 (Red Hat 서브스크립션 불필요)

실무 요약

26S05z3

26S06b

0개의 댓글

26S06a

1. 필수(Mandatory) 다운로드 목록

① NVIDIA 호스트 드라이버 & NVSwitch 스택 (RHEL 10.2 x86_64)

② LLM 모델 가중치 및 설정 파일 (Llama-3.1-70B-Instruct 기준)

③ Standalone 인프라/스토리지 바이너리 (Linux x86_64)

2. 컨테이너 이미지 아카이브 (.tar.gz) (Nexus 프록시 장애 대비 백업)

3. 옵셔널(선택/비상용) 다운로드 목록

① 진단 및 벤치마크 툴

② RHEL 10.2 보조 OS RPM (사내 OS 미러에 없을 경우 대비)

③ 경량 기능 테스트용 소형 LLM (단일 GPU 연동 검증용)

4. 맥북에서 바로 실행하는 다운로드 커맨드 시트

1. k6로 테스트하기 (고성능, 단일 바이너리, 낮은 리소스 소모)

(1) 테스트 스크립트 작성 (vllm_test.js)

(2) 실행 방법

2. Locust로 테스트하기 (파이썬 기반, 웹 UI 및 상세 시각화 제공)

(1) 테스트 스크립트 작성 (locustfile.py)

(2) 실행 방법

3. k6 vs Locust 선택 가이드

4. 테스트 시 주의점 및 실측 팁

1. 컨테이너 이미지별 원본 서비스 도메인 (Nexus Proxy 설정용)

2. RHEL RPM은 라이선스(서브스크립션) 없이 그냥 받을 수 있는가?

방법 1. Red Hat 무료 "개인 개발자 서브스크립션" 활용 (공식 무료)

방법 2. CentOS Stream 10 바이너리 활용 (100% 무료, 인증 불필요)

방법 3. NVIDIA 및 UBI 전용 패키지 (Red Hat 서브스크립션 불필요)

실무 요약

26S05z3

26S06b

0개의 댓글

2. 컨테이너 이미지 아카이브 (`.tar.gz`) (Nexus 프록시 장애 대비 백업)

(1) 테스트 스크립트 작성 (`vllm_test.js`)

(1) 테스트 스크립트 작성 (`locustfile.py`)