Workflows를 사용하여 서비스 연결

첫 번째 Cloud Run 함수 배포

HTTP 요청을 수신하면 이 HTTP 함수가 1에서 100 사이의 난수를 생성한 후 숫자를 JSON 형식으로 반환합니다.

1. randomgen이라는 디렉터리를 만들어 변경합니다.

   mkdir ~/randomgen
   cd ~/randomgen

2. 다음 Python 코드가 포함된 main.py라는 파일 이름의 텍스트 파일을 만듭니다.

   import functions_framework
   import random
   from flask import jsonify
   
   
   @functions_framework.http
   def randomgen(request):
       randomNum = random.randint(1, 100)
       output = {"random": randomNum}
       return jsonify(output)

3. HTTP 처리를 위해 Flask에 대한 종속 항목을 지원하려면 pip 패키지 관리자용 텍스트 파일을 만듭니다. 파일 이름을 requirements.txt로 지정하고 다음을 추가합니다.

   flask>=1.0.2
   functions-framework==3.0.0

4. HTTP 트리거를 사용하여 함수를 배포하고 인증되지 않은 액세스를 허용합니다.

   gcloud functions deploy randomgen-function \
       --gen2 \
       --runtime python310 \
       --entry-point=randomgen \
       --trigger-http \
       --allow-unauthenticated

   함수를 배포하는 데 몇 분 정도 걸릴 수 있습니다. 또는 Google Cloud 콘솔에서 Cloud Run Functions 인터페이스를 사용하여 함수를 배포할 수 있습니다.

5. randomgen 함수가 배포되면 httpsTrigger.url 속성을 확인할 수 있습니다.

   gcloud functions describe randomgen-function \
       --gen2 \
       --format="value(serviceConfig.uri)"

6. URL을 저장합니다. 이후 실습에서 워크플로 소스 파일에 추가해야 합니다.

7. 다음 curl 명령어를 통해 함수를 사용해 볼 수 있습니다.

   curl $(gcloud functions describe randomgen-function \
       --gen2 \
       --format="value(serviceConfig.uri)")

   숫자가 무작위로 생성되어 반환됩니다.

두 번째 Cloud Run 함수 배포

HTTP 요청을 수신하면 이 HTTP 함수가 JSON 본문에서 input을 추출하여 2를 곱한 후 결과를 JSON 형식으로 반환합니다.

1. 홈 디렉터리로 다시 이동합니다.

   cd ~

2. multiply라는 디렉터리를 만들어 변경합니다.

   mkdir ~/multiply
   cd ~/multiply

3. 다음 Python 코드가 포함된 main.py라는 파일 이름의 텍스트 파일을 만듭니다.

   import functions_framework
   from flask import jsonify
   
   
   @functions_framework.http
   def multiply(request):
       request_json = request.get_json()
       output = {"multiplied": 2 * request_json['input']}
       return jsonify(output)

4. HTTP 처리를 위해 Flask에 대한 종속 항목을 지원하려면 pip 패키지 관리자용 텍스트 파일을 만듭니다. 파일 이름을 requirements.txt로 지정하고 다음을 추가합니다.

   flask>=1.0.2
   functions-framework==3.0.0

5. HTTP 트리거를 사용하여 함수를 배포하고 인증되지 않은 액세스를 허용합니다.

   gcloud functions deploy multiply-function \
       --gen2 \
       --runtime python310 \
       --entry-point=multiply \
       --trigger-http \
       --allow-unauthenticated

   함수를 배포하는 데 몇 분 정도 걸릴 수 있습니다. 또는 Google Cloud 콘솔에서 Cloud Run Functions 인터페이스를 사용하여 함수를 배포할 수 있습니다.

6. multiply 함수가 배포되면 httpsTrigger.url 속성을 확인할 수 있습니다.

   gcloud functions describe multiply-function \
       --gen2\
       --format="value(serviceConfig.uri)"

7. URL을 저장합니다. 이후 실습에서 워크플로 소스 파일에 추가해야 합니다.

8. 다음 curl 명령어를 통해 함수를 사용해 볼 수 있습니다.

   curl -X POST MULTIPLY_FUNCTION_URL \
       -H "Authorization: Bearer $(gcloud auth print-identity-token)" \
       -H "Content-Type: application/json" \
       -d '{"input": 5}'

   숫자 10이 반환되어야 합니다.

워크플로에서 두 Cloud Run 함수 서비스 연결

워크플로 정의는 YAML 또는 JSON 형식으로 작성할 수 있는 Workflows 구문을 사용하여 기술되는 일련의 단계들로 구성됩니다. 이것이 워크플로의 정의입니다. 자세한 내용은 구문 참조 페이지를 참조하세요.

1. 홈 디렉터리로 다시 이동합니다.

   cd ~

2. 다음 콘텐츠를 포함하며 파일 이름이 workflow.yaml인 텍스트 파일을 만듭니다.

   - randomgen_function:
       call: http.get
       args:
           url: RANDOMGEN_FUNCTION_URL
       result: randomgen_result
   - multiply_function:
       call: http.post
       args:
           url: MULTIPLY_FUNCTION_URL
           body:
               input: ${randomgen_result.body.random}
       result: multiply_result
   - return_result:
       return: ${multiply_result}
   

   • RANDOMGEN_FUNCTION_URL을 randomgen 함수의 URL로 바꿉니다.
   • MULTIPLY_FUNCTION_URL을 multiply 함수의 URL로 바꿉니다.

   이 소스 파일에서는 두 HTTP 함수가 함께 연결되어 최종 결과가 반환됩니다.

3. 워크플로를 만들면 배포할 수 있으므로 실행이 가능합니다.

   gcloud workflows deploy WORKFLOW_NAME \
       --source=workflow.yaml \
       --service-account=${SERVICE_ACCOUNT}@PROJECT_ID.

   WORKFLOW_NAME을 워크플로의 이름으로 바꿉니다.

4. 워크플로를 실행합니다.

   gcloud workflows run WORKFLOW_NAME

   실행은 워크플로 정의에 포함된 논리의 단일 실행을 의미합니다. 모든 워크플로 실행은 독립적이며 Workflows의 빠른 확장 덕분에 다수의 동시 실행이 가능합니다.

   워크플로가 실행되면 다음과 유사한 결과가 출력됩니다.

   result: '{"body":{"multiplied":120},"code":200,"headers":{"Alt-Svc":"h3-29=\":443\";
   ...
   startTime: '2021-05-05T14:17:39.135251700Z'
   state: SUCCEEDED
   ...
   

워크플로에서 공개 REST 서비스 연결

기존 워크플로를 업데이트하고 수학 표현식을 평가할 수 있는 공개 REST API(math.js)를 연결합니다. 예를 들면 curl https://api.mathjs.org/v4/?'expr=log(56)'입니다.

워크플로를 배포했으므로 Google Cloud 콘솔의 Workflows 페이지를 통해 워크플로를 수정할 수도 있습니다.

1. 워크플로의 소스 파일을 수정하여 다음 콘텐츠로 바꿉니다.

   - randomgen_function:
       call: http.get
       args:
           url: RANDOMGEN_FUNCTION_URL
       result: randomgen_result
   - multiply_function:
       call: http.post
       args:
           url: MULTIPLY_FUNCTION_URL
           body:
               input: ${randomgen_result.body.random}
       result: multiply_result
   - log_function:
       call: http.get
       args:
           url: https://api.mathjs.org/v4/
           query:
               expr: ${"log(" + string(multiply_result.body.multiplied) + ")"}
       result: log_result
   - return_result:
       return: ${log_result}
   

   • RANDOMGEN_FUNCTION_URL을 randomgen 함수의 URL로 바꿉니다.
   • MULTIPLY_FUNCTION_URL을 multiply 함수의 URL로 바꿉니다.

   이렇게 하면 외부 REST 서비스가 Cloud Run 함수에 연결되어 최종 결과가 반환됩니다.

2. 수정된 워크플로를 배포합니다.

   gcloud workflows deploy WORKFLOW_NAME \
       --source=workflow.yaml \
       --service-account=${SERVICE_ACCOUNT}@PROJECT_ID.

Cloud Run 서비스 배포

HTTP 요청을 수신하면 JSON 본문에서 input을 추출하고 math.floor를 계산하여 결과를 반환하는 Cloud Run 서비스를 배포합니다.

1. floor라는 디렉터리를 만들어 변경합니다.

   mkdir ~/floor
   cd ~/floor

2. 다음 Python 코드가 포함된 app.py라는 파일 이름의 텍스트 파일을 만듭니다.

   import json
   import logging
   import os
   import math
   
   from flask import Flask, request
   
   app = Flask(__name__)
   
   
   @app.route('/', methods=['POST'])
   def handle_post():
       content = json.loads(request.data)
       input = float(content['input'])
       return f"{math.floor(input)}", 200
   
   
   if __name__ != '__main__':
       # Redirect Flask logs to Gunicorn logs
       gunicorn_logger = logging.getLogger('gunicorn.error')
       app.logger.handlers = gunicorn_logger.handlers
       app.logger.setLevel(gunicorn_logger.level)
       app.logger.info('Service started...')
   else:
       app.run(debug=True, host='0.0.0.0', port=int(os.environ.get('PORT', 8080)))

3. 같은 디렉터리에서 다음 콘텐츠로 Dockerfile을 만듭니다.

   # Use an official lightweight Python image.
   # https://hub.docker.com/_/python
   FROM python:3.7-slim
   
   # Install production dependencies.
   RUN pip install Flask gunicorn
   
   # Copy local code to the container image.
   WORKDIR /app
   COPY . .
   
   # Run the web service on container startup. Here we use the gunicorn
   # webserver, with one worker process and 8 threads.
   # For environments with multiple CPU cores, increase the number of workers
   # to be equal to the cores available.
   CMD exec gunicorn --bind 0.0.0.0:8080 --workers 1 --threads 8 app:app

4. Docker 컨테이너 이미지를 저장할 수 있는 Artifact Registry 표준 저장소를 만듭니다.

   gcloud artifacts repositories create REPOSITORY \
       --repository-format=docker \
       --location=${REGION}

   REPOSITORY를 저장소의 고유한 이름으로 바꿉니다.

5. 컨테이너 이미지를 빌드합니다.

   export SERVICE_NAME=floor
   gcloud builds submit --tag ${REGION}-docker.pkg.dev/PROJECT_ID/REPOSITORY/${SERVICE_NAME}

6. Cloud Run에 컨테이너 이미지를 배포하여 인증된 호출만 수락하도록 합니다.

   gcloud run deploy ${SERVICE_NAME} \
       --image ${REGION}-docker.pkg.dev/PROJECT_ID/REPOSITORY/${SERVICE_NAME}:latest \
       --no-allow-unauthenticated

서비스 URL이 표시되면 배포가 완료된 것입니다. 워크플로 정의를 업데이트하는 경우 해당 URL을 지정해야 합니다.

워크플로에서 Cloud Run 서비스 연결

기존 워크플로를 업데이트하고 Cloud Run 서비스의 URL을 지정합니다.

1. 홈 디렉터리로 다시 이동합니다.

   cd ~

2. 워크플로의 소스 파일을 수정하여 다음 콘텐츠로 바꿉니다.

   - randomgen_function:
       call: http.get
       args:
           url: RANDOMGEN_FUNCTION_URL
       result: randomgen_result
   - multiply_function:
       call: http.post
       args:
           url: MULTIPLY_FUNCTION_URL
           body:
               input: ${randomgen_result.body.random}
       result: multiply_result
   - log_function:
       call: http.get
       args:
           url: https://api.mathjs.org/v4/
           query:
               expr: ${"log(" + string(multiply_result.body.multiplied) + ")"}
       result: log_result
   - floor_function:
       call: http.post
       args:
           url: CLOUD_RUN_SERVICE_URL
           auth:
               type: OIDC
           body:
               input: ${log_result.body}
       result: floor_result
   - create_output_map:
       assign:
         - outputMap:
             randomResult: ${randomgen_result}
             multiplyResult: ${multiply_result}
             logResult: ${log_result}
             floorResult: ${floor_result}
   - return_output:
       return: ${outputMap}
   

   • RANDOMGEN_FUNCTION_URL을 randomgen 함수의 URL로 바꿉니다.
   • MULTIPLY_FUNCTION_URL을 multiply 함수의 URL로 바꿉니다.
   • CLOUD_RUN_SERVICE_URL을 Cloud Run 서비스 URL로 바꿉니다.

   그러면 워크플로의 Cloud Run 서비스가 연결됩니다. auth 키는 Cloud Run 서비스 호출 시 인증 토큰이 전달되도록 합니다. 자세한 내용은 워크플로에서 인증된 요청 수행을 참조하세요.

3. 수정된 워크플로를 배포합니다.

   gcloud workflows deploy WORKFLOW_NAME \
       --source=workflow.yaml \
       --service-account=${SERVICE_ACCOUNT}@PROJECT_ID.

4. 최종 워크플로를 실행합니다.

   gcloud workflows run WORKFLOW_NAME

   출력은 다음과 비슷하게 표시됩니다.

   result: '{"floorResult":{"body":"4","code":200
     ...
     "logResult":{"body":"4.02535169073515","code":200
     ...
     "multiplyResult":{"body":{"multiplied":56},"code":200
     ...
     "randomResult":{"body":{"random":28},"code":200
     ...
   startTime: '2023-11-13T21:22:56.782669001Z'
   state: SUCCEEDED
   

수고하셨습니다. 일련의 서비스를 연결하는 워크플로를 배포하고 실행했습니다.

표현식, 조건부 건너뛰기, Base64 인코딩 또는 디코딩, 하위 워크플로 등을 사용하는 더 복잡한 워크플로를 만들려면 워크플로 구문 참조 및 표준 라이브러리 개요를 참조하세요.