점프 스타트 솔루션: Cloud Functions에서 AI/ML 이미지 처리

이 가이드는 Cloud Functions에서 AI/ML 이미지 처리 점프 스타트 솔루션을 이해하고, 배포하고, 사용하는 데 도움이 됩니다. 이 솔루션은 선행 학습된 머신러닝 모델을 사용하여 사용자가 제공한 이미지를 분석하고 이미지 주석을 생성합니다.

이 솔루션을 배포하면 다음과 같은 작업을 하는 데 도움이 되는 이미지 처리 서비스가 생성됩니다.

• 안전하지 않거나 유해한 사용자 제작 콘텐츠를 처리합니다.
• 실제 문서의 텍스트를 디지털화합니다.
• 이미지에서 객체를 감지하고 분류합니다.

이 문서는 백엔드 서비스 개발, AI/ML 기능, 기본 클라우드 컴퓨팅 개념에 익숙한 개발자를 대상으로 합니다. Terraform 경험이 있으면 도움이 되지만 필수는 아닙니다.

목표

• 서버리스 아키텍처를 사용하여 확장 가능한 이미지 처리 서비스를 만드는 방법을 알아봅니다.
• 이미지 처리 서비스가 이미지 분석을 위해 선행 학습된 머신러닝 모델을 사용하는 방법을 이해합니다.
• 이미지 처리 서비스를 배포하고 REST API 호출을 통해 호출하거나 이미지 업로드 이벤트에 대한 응답으로 호출합니다.
• 구성 및 보안 설정을 검토하여 이미지 처리 서비스를 다양한 요구사항에 맞게 조정하는 방법을 알아보세요.

사용 제품

이 솔루션에는 다음과 같은 Google Cloud 제품이 사용됩니다.

• Cloud Vision API: 이미지 주석을 위한 강력한 사전 학습된 머신러닝 모델을 제공하는 API입니다. 이 솔루션은 Cloud Vision API를 사용하여 이미지를 분석하고 이미지 주석 데이터를 가져옵니다.
• Cloud Storage: 다양한 데이터 유형에 맞게 저비용, 무제한 객체 스토리지를 제공하는 엔터프라이즈급 서비스입니다. Google Cloud 내부 및 외부에서 데이터에 액세스할 수 있고 지리적으로 중복되도록 데이터를 복제할 수 있습니다. 이 솔루션은 Cloud Storage를 사용하여 입력 이미지를 저장하고 이미지 주석 데이터를 얻습니다.
• Cloud Run 함수: 서버 또는 런타임 환경을 관리할 필요 없이 Google Cloud 이벤트에 대응하는 단일 목적의 독립형 함수를 만들 수 있게 해주는 경량 서버리스 컴퓨팅 서비스입니다. 이 솔루션은 Cloud Run 함수를 사용하여 이미지 처리 서비스의 엔드포인트를 호스팅합니다.

이러한 제품의 구성 방법과 어떻게 상호작용하는지에 대한 자세한 내용은 다음 섹션을 참조하세요.

아키텍처

이 솔루션은 입력 이미지를 분석하고 선행 학습된 머신러닝 모델을 사용하여 이미지에 대한 주석을 생성하는 이미지 처리 서비스 예시로 구성됩니다. 다음 다이어그램은 솔루션에 사용되는 Google Cloud 리소스의 아키텍처를 보여줍니다.

이 서비스는 REST API 호출을 통해 직접 호출하거나 이미지 업로드에 대한 응답으로 간접적으로 호출하는 두 가지 방법으로 호출할 수 있습니다.

요청 흐름

이미지 처리 서비스의 요청 처리 흐름은 사용자가 서비스를 호출하는 방식에 따라 다릅니다. 다음 단계는 앞의 아키텍처 다이어그램에 표시된 대로 번호가 지정됩니다.

사용자가 REST API 호출을 통해 이미지 처리 서비스를 직접 호출하는 경우:

1. 사용자는 Cloud Run 함수로 배포된 이미지 처리 서비스의 REST API 엔드포인트를 요청합니다. 요청은 이미지를 URI 또는 base64로 인코딩된 스트림으로 지정합니다.
2. Cloud Run 함수는 Cloud Vision API를 호출하여 지정된 이미지에 대한 주석을 생성합니다. 이미지 주석 데이터는 사용자에 대한 함수의 응답에서 JSON 형식으로 반환됩니다.

사용자가 이미지 업로드에 대한 응답으로 이미지 처리 서비스를 간접적으로 호출하는 경우:

3. 사용자가 입력할 이미지를 Cloud Storage 버킷에 업로드합니다.
4. 이미지를 업로드할 때마다 Cloud Storage 이벤트가 생성되어 Cloud Run 함수를 트리거하여 업로드된 이미지를 처리합니다.
5. Cloud Run 함수는 Cloud Vision API를 호출하여 지정된 이미지에 대한 주석을 생성합니다.
6. Cloud Run 함수는 이미지 주석 데이터를 다른 Cloud Storage 버킷에 출력용으로 JSON 파일로 작성합니다.

비용

Cloud Functions 솔루션의 AI/ML 이미지 처리에서 사용하는 Google Cloud 리소스의 예상 비용은 Google Cloud 가격 계산기에서 미리 계산된 예상 비용을 참조하세요.

예상 비용을 시작점으로 배포 비용을 계산합니다. 솔루션에 사용된 리소스에 적용할 모든 구성 변경사항을 반영하도록 예상 비용을 수정할 수 있습니다.

사전 계산된 예상 비용은 다음과 같은 특정 요소에 대한 가정을 기반으로 합니다.

• 리소스가 배포된 Google Cloud 위치

• 리소스가 사용된 시간의 양

• Cloud Storage에 저장된 데이터 양

• 이미지 처리 서비스가 호출된 횟수입니다.

시작하기 전에

이 솔루션을 배포하려면 먼저 Google Cloud 프로젝트와 일부 IAM 권한이 필요합니다.

Google Cloud 프로젝트 만들기 또는 선택

솔루션을 배포할 때 리소스가 배포되는 Google Cloud 프로젝트를 선택합니다. 새 프로젝트를 만들거나 기존 프로젝트를 배포에 사용할 수 있습니다.

새 프로젝트를 만들려면 배포를 시작하기 전에 만듭니다. 새 프로젝트를 사용하면 프로덕션 워크로드에 사용되는 리소스와 같이 이전에 프로비저닝된 리소스와의 충돌을 방지할 수 있습니다.

프로젝트를 만들려면 다음 단계를 수행합니다.

1. In the Google Cloud console, go to the project selector page.

   Go to project selector

2. Click Create project.

3. Name your project. Make a note of your generated project ID.

4. Edit the other fields as needed.

5. Click Create.

필수 IAM 권한 가져오기

배포 프로세스를 시작하려면 다음 표에 나온 Identity and Access Management(IAM) 권한이 필요합니다.

이 솔루션에 대해 새 프로젝트를 만든 경우 해당 프로젝트에 대한 roles/owner 기본 역할과 필요한 모든 권한을 가지게 됩니다. roles/owner 역할이 없으면 관리자에게 연락하여 해당 권한(또는 이러한 권한이 포함된 역할)을 부여해 달라고 요청하세요.

임시 서비스 계정 권한 정보

콘솔을 통해 배포 프로세스를 시작하면 Google이 솔루션 배포를 위해 서비스 계정을 자동으로 생성합니다(이후 필요할 때 배포 삭제 가능). 이 서비스 계정에는 특정 일시적으로 IAM 권한이 할당됩니다. 즉, 솔루션 배포 및 삭제 작업이 완료되면 권한이 자동으로 취소됩니다. 이 가이드 뒷부분에서 설명한 대로 배포를 삭제한 후에는 서비스 계정을 삭제하는 것이 좋습니다.

솔루션 배포

이 섹션에서는 솔루션 배포 과정을 안내합니다.

최소한의 노력으로 이 솔루션을 배포할 수 있도록 GitHub에서 Terraform 구성을 제공합니다. Terraform 구성은 솔루션에 필요한 모든 Google Cloud 리소스를 정의합니다.

다음 방법 중 하나를 사용하여 솔루션을 배포할 수 있습니다.

• 콘솔을 통해: 기본 구성으로 솔루션을 사용해 보고 작동 방식을 확인하려면 이 방법을 사용합니다. Cloud Build에서 솔루션에 필요한 모든 리소스를 배포합니다. 배포된 솔루션이 더 이상 필요하지 않으면 콘솔을 통해 이 솔루션을 삭제할 수 있습니다. 솔루션을 배포한 후 만든 모든 리소스를 개별적으로 삭제해야 할 수도 있습니다.

  이 배포 방법을 사용하려면 콘솔을 통해 배포의 안내를 따르세요.

• Terraform CLI 사용: 솔루션을 맞춤설정하거나 코드형 인프라(IaC) 방식을 사용하여 리소스 프로비저닝과 관리를 자동화하려면 이 방법을 사용합니다. GitHub에서 Terraform 구성을 다운로드하고 원하는 경우 필요에 따라 코드를 맞춤설정한 후 Terraform CLI를 사용하여 솔루션을 배포합니다. 솔루션을 배포한 후에도 계속 Terraform을 사용하여 솔루션을 관리할 수 있습니다.

  이 배포 방법을 사용하려면 Terraform CLI를 사용하여 배포의 안내를 따르세요.

콘솔을 통해 배포

사전 구성된 솔루션을 배포하려면 다음 단계를 완료하세요.

1. Google Cloud 점프 스타트 솔루션 카탈로그에서 Cloud Functions의 AI/ML 이미지 처리 솔루션으로 이동합니다.

   Cloud Functions의 AI/ML 이미지 처리 솔루션으로 이동

2. 솔루션의 예상 비용 및 예상 배포 시간 등 페이지에 제공된 정보를 검토합니다.

3. 솔루션 배포를 시작할 준비가 되면 배포를 클릭합니다.

   단계별 구성 창이 표시됩니다.

4. 구성 창의 단계를 완료합니다.

   배포에 입력하는 이름을 기록해 둡니다. 이 이름은 나중에 배포를 삭제할 때 필요합니다.

   배포를 클릭하면 솔루션 배포 페이지가 표시됩니다. 이 페이지의 상태 필드에 배포 중이 표시됩니다.

5. 솔루션이 배포될 때까지 기다립니다.

   배포가 실패하면 상태 필드에 실패가 표시됩니다. Cloud Build 로그를 사용하여 오류를 진단할 수 있습니다. 자세한 내용은 콘솔을 통해 배포 시 오류를 참조하세요.

   배포가 완료되면 상태 필드가 배포됨으로 변경됩니다.

6. 배포된 Google Cloud 리소스와 구성을 보려면 대화형 둘러보기를 사용합니다.

   둘러보기 시작

그런 후 직접 솔루션을 시도해보려면 솔루션 살펴보기를 참조하세요.

솔루션이 더 이상 필요하지 않으면 Google Cloud 리소스 비용이 계속 청구되지 않도록 배포를 삭제할 수 있습니다. 자세한 내용은 배포 삭제를 참조하세요.

Terraform CLI를 사용하여 배포

이 섹션에서는 솔루션을 맞춤설정하거나 Terraform CLI를 사용하여 솔루션 프로비저닝과 관리를 자동화하는 방법을 설명합니다. Terraform CLI를 사용하여 배포하는 솔루션은 Google Cloud 콘솔의 솔루션 배포 페이지에 표시되지 않습니다.

Terraform 클라이언트 설정

Cloud Shell 또는 로컬 호스트에서 Terraform을 실행할 수 있습니다. 이 가이드에서는 Google Cloud에서 인증을 수행하기 위해 Terraform이 사전 설치되어 구성된 Cloud Shell에서 Terraform을 실행하는 방법을 설명합니다.

이 솔루션의 Terraform 코드는 GitHub 저장소에서 사용할 수 있습니다.

1. GitHub 저장소를 Cloud Shell에 클론합니다.

   

   GitHub 저장소를 Cloud Shell로 다운로드하는 것을 확인하는 메시지가 표시됩니다.

2. 확인을 클릭합니다.

   Cloud Shell이 별도의 브라우저 탭에서 시작되고 Terraform 코드가 Cloud Shell 환경의 $HOME/cloudshell_open 디렉터리에 다운로드됩니다.

3. Cloud Shell에서 현재 작업 디렉터리가 $HOME/cloudshell_open/terraform-ml-image-annotation-gcf/infra인지 확인합니다. 이 디렉터리에 솔루션에 대한 Terraform 구성 파일이 포함되어 있습니다. 해당 디렉터리로 변경해야 하는 경우 다음 명령어를 실행합니다.

   cd $HOME/cloudshell_open/terraform-ml-image-annotation-gcf/infra
   

4. 다음 명령어를 실행하여 Terraform을 초기화합니다.

   terraform init
   

   다음 메시지가 표시될 때까지 기다립니다.

   Terraform has been successfully initialized!
   

Terraform 변수 구성

다운로드한 Terraform 코드에는 요구사항에 따라 배포를 맞춤설정하는 데 사용할 수 있는 변수가 포함되어 있습니다. 예를 들어 Google Cloud 프로젝트와 솔루션을 배포할 리전을 지정할 수 있습니다.

1. 현재 작업 디렉터리가 $HOME/cloudshell_open/terraform-ml-image-annotation-gcf/infra인지 확인합니다. 그렇지 않으면 해당 디렉터리로 이동합니다.

2. 동일한 디렉터리에서 terraform.tfvars라는 텍스트 파일을 만듭니다.

3. terraform.tfvars 파일에서 다음 코드 스니펫을 복사하고 필수 변수의 값을 설정합니다.

   • 코드 스니펫에서 주석으로 제공된 안내를 따릅니다.
   • 이 코드 스니펫에는 값을 설정해야 하는 변수만 포함됩니다. Terraform 구성에는 기본값이 있는 다른 변수가 포함됩니다. 모든 변수 및 기본값을 검토하려면 $HOME/cloudshell_open/terraform-ml-image-annotation-gcf/infra 디렉터리에서 사용할 수 있는 variables.tf 파일을 참조하세요.
   • terraform.tfvars 파일에 설정한 각 값이 variables.tf 파일에 선언된 변수 유형과 일치하는지 확인합니다. 예를 들어 variables.tf 파일의 변수에 정의된 유형이 bool인 경우 terraform.tfvars 파일에서 해당 변수 값으로 true 또는 false를 지정해야 합니다.

   # This is an example of the terraform.tfvars file.
   # The values in this file must match the variable types declared in variables.tf.
   # The values in this file override any defaults in variables.tf.
   
   # ID of the project in which you want to deploy the solution
   project_id = "PROJECT_ID"
   

Terraform 구성 검증 및 검토

1. 현재 작업 디렉터리가 $HOME/cloudshell_open/terraform-ml-image-annotation-gcf/infra인지 확인합니다. 그렇지 않으면 해당 디렉터리로 이동합니다.

2. Terraform 구성에 오류가 없는지 확인합니다.

   terraform validate
   

   명령어가 오류를 반환하면 구성에서 수정이 필요한 항목을 변경한 후 terraform validate 명령어를 다시 실행합니다. 명령어가 다음 메시지를 반환할 때까지 이 단계를 반복합니다.

   Success! The configuration is valid.
   

3. 구성에서 정의된 리소스를 검토합니다.

   terraform plan
   

4. 앞에서 설명한 대로 terraform.tfvars 파일을 만들지 않은 경우 Terraform에서 기본값이 없는 변수의 값을 입력하라는 메시지를 표시합니다. 필수 값을 입력합니다.

   terraform plan 명령어 출력은 구성을 적용할 때 Terraform이 프로비저닝하는 리소스 목록입니다.

   변경하려면 구성을 수정한 후 terraform validate 및 terraform plan 명령어를 다시 실행합니다.

리소스 프로비저닝

Terraform 구성을 더 이상 변경할 필요가 없으면 리소스를 배포합니다.

1. 현재 작업 디렉터리가 $HOME/cloudshell_open/terraform-ml-image-annotation-gcf/infra인지 확인합니다. 그렇지 않으면 해당 디렉터리로 이동합니다.

2. Terraform 구성을 적용합니다.

   terraform apply
   

3. 앞에서 설명한 대로 terraform.tfvars 파일을 만들지 않은 경우 Terraform에서 기본값이 없는 변수의 값을 입력하라는 메시지를 표시합니다. 필수 값을 입력합니다.

   Terraform에서 생성될 리소스 목록을 표시합니다.

4. 작업을 수행하라는 메시지가 표시되면 yes를 입력합니다.

   Terraform에서 배포 진행 상황을 보여주는 메시지가 표시됩니다.

   배포를 완료할 수 없으면 Terraform에서 실패를 일으킨 오류가 표시됩니다. 오류 메시지를 검토하고 구성을 업데이트하여 오류를 해결합니다. 그런 후 terraform apply 명령어를 다시 실행합니다. Terraform 오류 해결에 도움이 필요하면 Terraform CLI를 사용하여 솔루션 배포 시 오류를 참조하세요.

   모든 리소스가 만들어지면 Terraform에 다음 메시지가 표시됩니다.

   Apply complete!
   

   Terraform 출력에는 다음 출력 예시와 같이 이미지 처리 서비스의 진입점 URL, 이미지 업로드를 위한 입력 Cloud Storage 버킷의 이름, 이미지 주석 데이터가 포함된 출력 Cloud Storage 버킷의 이름도 포함됩니다.

   vision_annotations_gcs = "gs://vision-annotations-1234567890"
   vision_input_gcs = "gs://vision-input-1234567890"
   vision_prediction_url = [
     "https://annotate-http-abcde1wxyz-wn.a.run.app",
     "ingressIndex:0",
     "ingressValue:ALLOW_ALL",
     "isAuthenticated:false",
   ]
   

5. 배포된 Google Cloud 리소스와 구성을 보려면 대화형 둘러보기를 사용합니다.

   둘러보기 시작

그런 다음 솔루션을 살펴보고 작동 방식을 확인할 수 있습니다.

솔루션이 더 이상 필요하지 않으면 Google Cloud 리소스 비용이 계속 청구되지 않도록 배포를 삭제할 수 있습니다. 자세한 내용은 배포 삭제를 참조하세요.

솔루션 살펴보기

이 섹션에서는 솔루션을 사용하여 실제로 작동하는지 확인해 볼 수 있습니다. 이미지 처리 서비스는 REST API를 직접 호출하거나 이미지를 입력 Cloud Storage 버킷에 업로드하는 두 가지 방법으로 호출할 수 있습니다.

REST API를 통해 서비스 호출

요청-응답 흐름에서 이미지를 동기식으로 처리하려는 시나리오에서는 이미지 처리 서비스의 REST API를 사용하세요.

솔루션에서 배포한 annotate-http 함수는 이미지 처리 서비스의 REST API에 대한 진입점입니다. 이 함수의 URL은 콘솔에서 찾을 수 있으며 Terraform CLI를 사용하여 배포한 경우 출력 변수 vision_prediction_url에서 찾을 수 있습니다. 이 진입점 URL은 이미지 처리 요청을 실행하기 위한 /annotate라는 엔드포인트를 노출합니다. /annotate 엔드포인트는 다음 매개변수를 사용하여 GET 및 POST 요청을 지원합니다.

분석할 이미지를 지정하려면 image 또는 image_uri 매개변수 중 하나만 포함합니다. 둘 다 지정하면 image_uri가 사용됩니다.

예를 들어 인터넷 URI가 있는 이미지에서 객체 감지를 수행하려면 curl을 사용하여 다음과 같은 GET 요청을 보내면 됩니다.

curl "YOUR_ENTRYPOINT_URL/annotate?features=OBJECT_LOCALIZATION&image_uri=YOUR_IMAGE_URI"

또는 로컬 이미지 파일을 사용하여 이미지 콘텐츠를 직접 지정하려면 다음과 같은 POST 요청을 사용할 수 있습니다.

curl -X POST -F image=@YOUR_IMAGE_FILENAME -F features=OBJECT_LOCALIZATION "YOUR_ENTRYPOINT_URL/annotate"

응답에는 Vision API 이미지 주석이 JSON 형식으로 포함됩니다.

Cloud Storage에 이미지를 업로드하여 서비스를 호출

이미지를 비동기적으로 또는 일괄 업로드로 처리하려는 시나리오에서는 이미지 업로드에 대한 응답으로 서비스를 자동으로 호출하는 이미지 처리 서비스의 Cloud Storage 트리거를 사용합니다.

Cloud Storage 트리거를 사용하여 이미지를 분석하려면 다음 단계를 따르세요.

1. 콘솔에서 Cloud Storage 버킷 페이지로 이동합니다.

   Cloud Storage로 이동

2. 입력 버킷 이름(vision-input-ID)을 클릭하여 버킷 세부정보 페이지로 이동합니다.

3. 객체 탭에서 파일 업로드를 클릭합니다.

4. 분석하려는 이미지 파일이나 파일을 선택합니다.

5. 업로드가 완료되면 Cloud Storage 버킷 페이지로 돌아갑니다.

   Cloud Storage로 이동

6. 주석 출력 버킷 이름(vision-annotations-ID)을 클릭하여 버킷 세부정보 페이지로 이동합니다.

7. 객체 탭에는 업로드한 각 이미지에 대한 별도의 JSON 파일이 포함되어 있습니다. JSON 파일에는 각 이미지의 주석 데이터가 포함됩니다.

솔루션 맞춤설정

이 섹션에서는 Terraform 개발자가 자체 기술 및 비즈니스 요구사항을 충족하기 위해 Cloud Functions에서 AI/ML 이미지 처리 솔루션을 수정하는 데 사용할 수 있는 정보를 제공합니다. 이 섹션의 안내는 Terraform CLI를 사용하여 솔루션을 배포하는 경우에만 관련성이 있습니다.

이 솔루션의 Terraform 구성은 이미지 처리 서비스를 맞춤설정하는 데 사용할 수 있는 다음 변수를 제공합니다.

솔루션을 맞춤설정하려면 Cloud Shell에서 다음 단계를 완료합니다.

1. 현재 작업 디렉터리가 $HOME/cloudshell_open/terraform-ml-image-annotation-gcf/infra인지 확인합니다. 그렇지 않으면 해당 디렉터리로 이동합니다.

2. terraform.tfvars 파일을 열고 이전 표에 나열된 변수에 적절한 값을 지정하여 필요한 사항을 변경합니다.

3. Terraform 구성을 검증 및 검토합니다.

4. 리소스를 프로비저닝합니다.

설계 권장사항

제공된 Terraform 변수 값을 변경하거나 Terraform 구성 자체를 수정하여 솔루션을 변경할 때 이 섹션의 리소스를 참조하여 보안, 안정성, 비용 및 성능에 대한 요구 사항을 충족하는 아키텍처를 개발하도록 도와줍니다.

다음에 유의하세요.

• 설계를 변경하기 전에 비용 영향을 평가하고 다른 기능과의 잠재적 장단점을 고려하세요. Google Cloud 가격 계산기를 사용하여 설계 변경으로 인한 비용 영향을 평가할 수 있습니다.
• 솔루션의 설계 변경사항을 구현하려면 Terraform 코딩에 대한 전문 지식과 솔루션에 사용되는 Google Cloud 서비스에 대한 고급 지식이 필요합니다.
• Google 제공 Terraform 구성을 수정한 후 오류가 발생하면 GitHub에서 문제를 만듭니다. GitHub 문제는 최선을 다해 검토되며 일반적인 사용 질문을 위한 것이 아닙니다.
• Google Cloud에서 프로덕션 등급 환경을 설계하고 설정하는 방법에 대한 자세한 내용은 Google Cloud에서 시작 영역 설계 및 Google Cloud 설정 체크리스트를 참조하세요.

보안

기본적으로 이미지 처리 서비스는 인터넷의 요청을 허용하며 요청에 인증이 필요하지 않습니다. 프로덕션 환경에서는 서비스에 대한 액세스를 제한해야 할 수 있습니다.

gcf_http_ingress_type_index Terraform 변수를 수정하여 서비스에 대한 요청이 어디에서 시작될 수 있는지 제어할 수 있습니다. 의도치 않게 솔루션의 서비스 엔드포인트를 인터넷에서 공개적으로 액세스할 수 없도록 주의하십시오. 자세한 내용은 Cloud Run 함수 문서의 네트워크 설정 구성을 참고하세요.

gcf_require_http_authentication Terraform 변수를 수정하여 이미지 처리 서비스의 REST API에 요청에 대한 인증을 요구할 수 있습니다. 이는 서비스에 대한 개별 액세스를 제어하는 데 도움이 됩니다. 인증이 필요한 경우 서비스 호출자가 요청을 하려면 사용자 인증 정보를 제공해야 합니다. 자세한 내용은 Cloud Run 함수 문서의 호출 인증을 참고하세요.

보안 권장사항은 보안, 개인정보 보호, 규정 준수에 대한 Google Cloud 아키텍처 프레임워크 가이드라인을 참조하세요.

신뢰성

사용자가 입력 Cloud Storage 버킷에 이미지를 업로드할 때 결과적으로 얻을 수 있는 주석 출력의 다양한 수준의 지연 시간을 경험할 수 있습니다. 기본적으로 사용자는 출력 버킷을 폴링하여 주석을 사용할 수 있는 시점을 확인해야 합니다. 이미지 처리가 완료되는 즉시 애플리케이션이 안정적으로 작업을 실행하도록 하려면 출력 버킷에서 Cloud Storage 이벤트를 구독하면 됩니다. 예를 들어 주석 데이터를 처리하는 다른 Cloud Run 함수를 배포할 수 있습니다. 자세한 내용은 Cloud Run 함수 문서의 Cloud Storage 트리거를 참고하세요.

추가 권장사항은 이 솔루션에 사용되는 제품의 안정성을 최적화하는 데 도움이 되는 다음 가이드를 참조하세요.

• Cloud Run 함수 안정성 가이드
• Cloud Storage 신뢰성 가이드

성능

이미지 처리 서비스의 처리량은 Cloud Run 함수 확장 기능의 영향을 직접적으로 받습니다. Cloud Run 함수는 수신 트래픽 부하를 처리하는 함수 인스턴스를 구성 가능한 인스턴스 한도까지 생성하여 자동으로 확장됩니다. 최대 인스턴스 한도를 변경하거나 한도를 모두 삭제하여 함수의 확장을 제어하고 이미지 처리 서비스의 처리량을 제어할 수 있습니다. gcf_max_instance_count Terraform 변수를 사용하여 한도를 변경합니다. 자세한 내용은 Cloud Run 함수 문서의 최대 인스턴스 사용 및 자동 확장 동작을 참고하세요.

또한 다음 권장사항을 준수하여 성능을 최적화할 수 있습니다.

• 컴퓨팅 성능 최적화
• 스토리지 성능 최적화

비용

다음 가이드의 권장사항을 사용하여 솔루션 비용을 최적화하세요. Google Cloud 아키텍처 프레임워크: 비용 최적화

배포 삭제

솔루션 배포가 더 이상 필요하지 않으면 만든 리소스에 대해 요금이 계속 청구되지 않도록 배포를 삭제합니다.

콘솔을 통해 삭제

콘솔을 통해 솔루션을 배포한 경우 다음 절차를 따릅니다.

1. Google Cloud 콘솔에서 솔루션 배포 페이지로 이동합니다.

   솔루션 배포로 이동

2. 삭제할 배포가 포함된 프로젝트를 선택합니다.

3. 삭제할 배포를 찾습니다.

4. 배포 행에서 more_vert 작업을 클릭한 후 삭제를 선택합니다.

   행에서 작업을 보려면 스크롤해야 할 수도 있습니다.

5. 배포 이름을 입력한 후 확인을 클릭합니다.

   상태 필드에 삭제 중이 표시됩니다.

   삭제가 실패하면 배포 삭제 시 오류의 문제 해결 안내를 참조하세요.

솔루션에 사용한 Google Cloud 프로젝트가 더 이상 필요하지 않으면 프로젝트를 삭제할 수 있습니다. 자세한 내용은 선택사항: 프로젝트 삭제를 참조하세요.

Terraform CLI를 사용하여 삭제

Terraform CLI를 사용하여 솔루션을 배포한 경우 다음 절차를 수행합니다.

1. Cloud Shell에서 현재 작업 디렉터리가 $HOME/cloudshell_open/terraform-ml-image-annotation-gcf/infra인지 확인합니다. 그렇지 않으면 해당 디렉터리로 이동합니다.

2. Terraform에서 프로비저닝한 리소스를 삭제합니다.

   terraform destroy
   

   Terraform에서 소멸될 리소스 목록을 표시합니다.

3. 작업을 수행하라는 메시지가 표시되면 yes를 입력합니다.

   Terraform에서 진행 상황을 보여주는 메시지가 표시됩니다. 모든 리소스가 삭제되면 Terraform에 다음 메시지가 표시됩니다.

   Destroy complete!
   

   삭제가 실패하면 배포 삭제 시 오류의 문제 해결 안내를 참조하세요.

솔루션에 사용한 Google Cloud 프로젝트가 더 이상 필요하지 않으면 프로젝트를 삭제할 수 있습니다. 자세한 내용은 선택사항: 프로젝트 삭제를 참조하세요.

선택사항: 프로젝트 삭제

새 Google Cloud 프로젝트에 솔루션을 배포했고 프로젝트가 더 이상 필요 없으면 다음 단계에 따라 이를 삭제합니다.

1. Google Cloud 콘솔에서 리소스 관리 페이지로 이동합니다.

   리소스 관리로 이동

2. 프로젝트 목록에서 삭제할 프로젝트를 선택하고 삭제를 클릭합니다.
3. 프롬프트에서 프로젝트 ID를 입력한 후 종료를 클릭합니다.

프로젝트를 보존하기로 결정한 경우에는 다음 섹션에 설명된 대로 이 솔루션을 위해 만든 서비스 계정을 삭제합니다.

선택사항: 서비스 계정 삭제

솔루션에 사용한 프로젝트를 삭제한 경우에는 이 섹션을 건너뜁니다.

이 가이드의 앞에서 설명한 것처럼 솔루션을 배포할 때 서비스 계정이 자동으로 생성되었습니다. 서비스 계정에 일시적으로 특정 IAM 권한이 할당되었습니다. 즉, 솔루션 배포 및 삭제 작업이 완료된 후 권한이 자동으로 취소되었지만 서비스 계정은 삭제되지 않았습니다. 이 서비스 계정을 삭제하는 것이 좋습니다.

• Google Cloud 콘솔을 통해 솔루션을 배포했으면 솔루션 배포 페이지로 이동합니다. 이미 해당 페이지에 있으면 브라우저를 새로고침합니다. 백그라운드에서 프로세스가 트리거되어 서비스 계정이 삭제됩니다. 추가 작업은 필요 없습니다.

• Terraform CLI를 사용하여 솔루션을 배포한 경우 다음 단계를 완료합니다.

  1. Google Cloud 콘솔에서 서비스 계정 페이지로 이동합니다.

     서비스 계정으로 이동

  2. 솔루션에 사용한 프로젝트를 선택합니다.

  3. 삭제하려는 서비스 계정을 선택합니다.

     솔루션에서 만든 서비스 계정의 이메일 ID 형식은 다음과 같습니다.

     goog-sc-DEPLOYMENT_NAME-NNN@PROJECT_ID.iam.gserviceaccount.com
     

     이메일 ID에는 다음 값이 포함됩니다.

     • DEPLOYMENT_NAME: 배포 이름입니다.
     • NNN: 임의의 3자리 숫자입니다.
     • PROJECT_ID: 솔루션을 배포한 프로젝트의 ID입니다.

  4. 삭제를 클릭합니다.

오류 문제 해결하기

오류 진단 및 해결을 위해 수행할 수 있는 작업은 배포 방법 및 오류 복잡성에 따라 달라집니다.

콘솔을 통해 배포 시 오류

콘솔을 사용할 때 배포가 실패하면 다음을 수행합니다.

1. 솔루션 배포 페이지로 이동합니다.

   배포가 실패하면 상태 필드에 실패가 표시됩니다.

2. 실패를 일으킨 오류에 대한 세부정보를 보려면 다음 안내를 따르세요.

   1. 배포 행에서 more_vert 작업을 클릭합니다.

      행에서 작업을 보려면 스크롤해야 할 수도 있습니다.

   2. Cloud Build 로그 보기를 선택합니다.

3. Cloud Build 로그를 검토하고 적절한 조치에 따라 실패를 일으킨 문제를 해결합니다.

Terraform CLI를 사용하여 배포 시 오류

Terraform 사용 시 배포가 실패하면 terraform apply 명령어 출력에 문제 진단을 위해 검토할 수 있는 오류 메시지가 포함됩니다.

다음 섹션의 예시에서는 Terraform을 사용할 때 발생할 수 있는 배포 오류를 보여줍니다.

API가 사용 설정되지 않음

프로젝트를 만든 후 솔루션을 새 프로젝트에 즉시 배포하려고 하면 다음과 같은 오류가 표시되면서 배포가 실패할 수 있습니다.

Error: Error creating Network: googleapi: Error 403: Compute Engine API has not
been used in project PROJECT_ID before or it is disabled. Enable it by visiting
https://console.developers.google.com/apis/api/compute.googleapis.com/overview?project=PROJECT_ID
then retry. If you enabled this API recently, wait a few minutes for the action
to propagate to our systems and retry.

이 오류가 발생하면 몇 분 정도 기다린 후 terraform apply 명령어를 다시 실행합니다.

API가 사용 설정되지 않은 오류가 계속되면 오류 메시지의 링크를 따라 API를 사용 설정하세요. API가 사용 설정될 때까지 잠시 기다린 후 terraform apply 명령어를 다시 실행합니다.

요청한 주소를 할당할 수 없음

terraform apply 명령어를 실행하면 다음과 같은 메시지와 함께 cannot assign requested address 오류가 발생할 수 있습니다.

Error: Error creating service account:
 Post "https://iam.googleapis.com/v1/projects/PROJECT_ID/serviceAccounts:
 dial tcp [2001:db8:ffff:ffff::5f]:443:
 connect: cannot assign requested address

이 오류가 발생하면 terraform apply 명령어를 다시 실행합니다.

배포 삭제 시 오류

경우에 따라 배포를 삭제하려는 시도가 실패할 수 있습니다.

• 콘솔을 통해 솔루션을 배포한 후 솔루션에서 프로비저닝한 리소스를 변경한 후 배포를 삭제하려고 하면 삭제가 실패할 수 있습니다. 솔루션 배포 페이지의 상태 필드에 실패가 표시되고 Cloud Build 로그에 오류의 원인이 표시됩니다.
• Terraform CLI를 사용하여 솔루션을 배포한 후 Terraform이 아닌 인터페이스(예: 콘솔)를 사용하여 리소스를 변경한 후 배포를 삭제하려고 하면 삭제가 실패할 수 있습니다. terraform destroy 명령어 출력의 메시지에 오류 원인이 표시됩니다.

오류 로그와 메시지를 검토하고 오류를 일으킨 리소스를 식별 및 삭제한 후 배포를 다시 삭제합니다.

콘솔 기반 배포가 삭제되지 않고 Cloud Build 로그를 사용하여 오류를 진단할 수 없으면 다음 섹션의 설명대로 Terraform CLI를 사용하여 배포를 삭제할 수 있습니다.

Terraform CLI를 사용하여 콘솔 기반 배포 삭제

이 섹션에서는 콘솔을 통해 삭제를 시도할 때 오류가 발생하는 경우 콘솔 기반 배포를 삭제하는 방법을 설명합니다. 이 방법에서는 삭제하려는 배포의 Terraform 구성을 다운로드한 후 Terraform CLI를 사용하여 배포를 삭제합니다.

1. 배포의 Terraform 코드, 로그 및 기타 데이터가 저장된 리전을 식별합니다. 이 리전은 솔루션 배포 중 선택한 리전과 다를 수 있습니다.

   1. Google Cloud 콘솔에서 솔루션 배포 페이지로 이동합니다.

      솔루션 배포로 이동

   2. 삭제할 배포가 포함된 프로젝트를 선택합니다.

   3. 배포 목록에서 삭제하려는 배포에 대한 행을 식별합니다.

   4. expand_more 모든 행 콘텐츠 보기를 클릭합니다.

   5. 위치 열에서 다음 예시에 강조 표시된 두 번째 위치를 기록해 둡니다.

      

2. In the Google Cloud console, activate Cloud Shell.

   Activate Cloud Shell

   At the bottom of the Google Cloud console, a Cloud Shell session starts and displays a command-line prompt. Cloud Shell is a shell environment with the Google Cloud CLI already installed and with values already set for your current project. It can take a few seconds for the session to initialize.

3. 프로젝트 ID, 리전, 삭제하려는 배포 이름에 대해 환경 변수를 만듭니다.

   export REGION="REGION"
   export PROJECT_ID="PROJECT_ID"
   export DEPLOYMENT_NAME="DEPLOYMENT_NAME"
   

   이 명령어에서 다음 항목을 바꿉니다.

   • REGION: 이 절차의 앞 부분에서 기록해 둔 위치
   • PROJECT_ID: 솔루션을 배포한 프로젝트의 ID
   • DEPLOYMENT_NAME: 삭제하려는 배포의 이름

4. 삭제하려는 배포의 최신 버전에 대한 ID를 가져옵니다.

   export REVISION_ID=$(curl \
       -H "Authorization: Bearer $(gcloud auth print-access-token)" \
       -H "Content-Type: application/json" \
       "https://config.googleapis.com/v1alpha2/projects/${PROJECT_ID}/locations/${REGION}/deployments/${DEPLOYMENT_NAME}" \
       | jq .latestRevision -r)
       echo $REVISION_ID
   

   출력은 다음과 비슷합니다.

   projects/PROJECT_ID/locations/REGION/deployments/DEPLOYMENT_NAME/revisions/r-0
   

5. 배포에 대한 Terraform 구성의 Cloud Storage 위치를 가져옵니다.

   export CONTENT_PATH=$(curl \
       -H "Authorization: Bearer $(gcloud auth print-access-token)" \
       -H "Content-Type: application/json" \
       "https://config.googleapis.com/v1alpha2/${REVISION_ID}" \
       | jq .applyResults.content -r)
       echo $CONTENT_PATH
   

   다음은 이 명령어의 출력 예시입니다.

   gs://PROJECT_ID-REGION-blueprint-config/DEPLOYMENT_NAME/r-0/apply_results/content
   

6. Cloud Storage에서 Cloud Shell로 Terraform 구성을 다운로드합니다.

   gcloud storage cp $CONTENT_PATH $HOME --recursive
   cd $HOME/content/infra
   

   다음 예시에 표시된 것처럼 Operation completed 메시지가 표시될 때까지 기다립니다.

   Operation completed over 45 objects/268.5 KiB
   

7. Terraform을 초기화합니다.

   terraform init
   

   다음 메시지가 표시될 때까지 기다립니다.

   Terraform has been successfully initialized!
   

8. 배포된 리소스를 삭제합니다.

   terraform destroy
   

   Terraform에서 소멸될 리소스 목록을 표시합니다.

   선언되지 않은 변수에 대한 경고가 표시되면 경고를 무시합니다.

9. 작업을 수행하라는 메시지가 표시되면 yes를 입력합니다.

   Terraform에서 진행 상황을 보여주는 메시지가 표시됩니다. 모든 리소스가 삭제되면 Terraform에 다음 메시지가 표시됩니다.

   Destroy complete!
   

10. 배포 아티팩트를 삭제합니다.

    curl -X DELETE \
        -H "Authorization: Bearer $(gcloud auth print-access-token)" \
        -H "Content-Type: application/json" \
        "https://config.googleapis.com/v1alpha2/projects/${PROJECT_ID}/locations/${REGION}/deployments/${DEPLOYMENT_NAME}?force=true&delete_policy=abandon"
    

11. 몇 초 정도 기다린 후 배포 아티팩트가 삭제되었는지 확인합니다.

    curl -H "Authorization: Bearer $(gcloud auth print-access-token)" \
        -H "Content-Type: application/json" \
        "https://config.googleapis.com/v1alpha2/projects/${PROJECT_ID}/locations/${REGION}/deployments/${DEPLOYMENT_NAME}" \
        | jq .error.message
    

    출력에 null이 표시되면 몇 초 정도 기다린 후 명령어를 다시 실행합니다.

    배포 아티펙트가 삭제된 후 다음 예시와 같은 메시지가 표시됩니다.

    Resource 'projects/PROJECT_ID/locations/REGION/deployments/DEPLOYMENT_NAME' was not found
    

의견 보내기

점프 스타트 솔루션은 정보 제공만을 목적으로 하며 공식적으로 지원되는 제품은 아닙니다. Google은 사전 통지 없이 솔루션을 변경하거나 삭제할 수 있습니다.

오류를 해결하려면 Cloud Build 로그 및 Terraform 출력을 검토합니다.

의견을 제출하려면 다음을 수행합니다.

• 문서, 콘솔 내 튜토리얼, 솔루션의 경우 페이지에서 의견 보내기 버튼을 사용합니다.

• 수정되지 않은 Terraform 코드에 대해서는 GitHub 저장소에서 문제를 만드세요. GitHub 문제는 최선을 다해 검토되며 일반적인 사용 질문을 위한 것이 아닙니다.

• 솔루션에서 사용되는 제품 관련 문제는 Cloud Customer Care에 문의하세요.

다음 단계

• Google Cloud의 서버리스 컴퓨팅에 대해 자세히 알아보기
• Google Cloud에서 이미지 분석을 위한 머신러닝에 대해 자세히 알아보기
• 이벤트 기반 아키텍처에 대해 자세히 알아보기
• 이 솔루션에 사용된 제품의 기능과 제한사항을 이해합니다.
  • Cloud Vision API 문서
  • Cloud Storage 문서
  • Cloud Run 함수 문서