서버리스 아키텍처란?

서버리스 아키텍처는 개발자가 서버를 직접 관리하지 않고도 애플리케이션을 개발하고 실행할 수 있게 하는 클라우드 컴퓨팅 모델입니다. '서버리스'라는 이름은 서버가 없다는 뜻이 아니라, 클라우드 제공업체가 인프라 프로비저닝, 관리 및 확장을 자동으로 처리하여 개발자가 서버를 추상화된 서비스로만 활용할 수 있다는 의미입니다. 이 방식을 통해 개발자는 서버 관리에 대한 부담을 줄이고 비즈니스 로직 개발에 집중할 수 있습니다.    주요 특징

• 자동 확장: 트래픽 변화에 따라 리소스가 자동으로 확장되므로, 갑작스러운 트래픽 급증에도 유연하게 대처할 수 있습니다.
• 비용 효율성: 코드가 실행될 때만 비용이 발생하는 '사용한 만큼만 지불(Pay-per-use)' 모델을 따르기 때문에, 불필요한 인프라 비용을 절감할 수 있습니다.
• 인프라 관리 부담 감소: 클라우드 제공업체가 서버 관리, 운영체제, 보안 패치 등을 담당하므로 개발팀은 인프라 운영에 대한 부담을 덜 수 있습니다.
• 핵심 서비스 활용: FaaS(Functions as a Service)와 같이 이벤트 기반으로 코드를 실행하는 함수를 비롯해, 인증, 데이터베이스, 스토리지 등 다양한 완전 관리형 서비스를 활용할 수 있습니다. 

장점

• 확장성 및 유연성: 부하에 따라 자동으로 확장되므로 높은 확장성을 확보할 수 있습니다.
• 빠른 출시: 서버 관리에 드는 시간과 노력을 줄여 서비스 출시 시간을 단축할 수 있습니다.
• 비용 절감: 사용한 만큼만 비용을 지불하므로, 초기 투자 비용과 운영 비용을 줄일 수 있습니다. 

서버리스 아키텍처 예시

- 트리거 기반 작업 또는 예약된 태스크 실행(예: 일일 보고서, 백업, 비즈니스 로직 등)
- 웹 및 모바일 애플리케이션의 RESTful API 빌드

- 비동기 처리(예: 동영상 트랜스코딩)

- 액세스 권한 자동 삭제, 규정 준수 보안 검사 시작, 승인 전송과 같은 IT 프로세스 자동화

- 지속적 통합 및 지속적 배포(CI/CD) 파이프라인 자동화(예: 빌드를 트리거하는 코드 커밋, 자동 테스트를 트리거하는 pull 요청)

- 타사 서비스 및 API와 통합

- 예약된 태스크 실행(예: 일일 보고서, 백업, 비즈니스 로직 등)

- 정형 데이터와 비정형 데이터의 실시간 데이터 처리

Compute Engine 이란

Compute Engine은 구글 클라우드 플랫폼(GCP)의 핵심 서비스 중 하나로, 사용자가 필요에 따라 가상 머신(VM)을 만들고 실행할 수 있는 인프라 서비스(IaaS)입니다. 이는 GCP의 글로벌 인프라에 기반하며, CPU, 메모리, 스토리지, 네트워킹 등 다양한 옵션을 커스터마이징하여 VM을 생성하고 관리할 수 있습니다.  이 비디오는 구글 컴퓨트 엔진의 기본 구성 요소와 기능에 대해 설명합니다

주요 특징

IaaS(Infrastructure as a Service): 가상 머신, 스토리지, 네트워킹과 같은 인프라를 제공하는 서비스입니다. 가상 머신(VM) 인스턴스: 개별 가상 머신을 '인스턴스'라고 부르며, 사용자는 이 인스턴스를 통해 서버를 운영합니다. 맞춤 설정 가능: CPU, 메모리, 운영체제(Linux, Windows) 등을 사용자가 원하는 대로 설정할 수 있습니다. 확장성: 필요에 따라 단일 인스턴스에서 대규모 컴퓨팅 클러스터로 쉽게 확장할 수 있습니다. 종량제 요금: 사용한 만큼만 비용을 지불하는 방식으로, 물리적 서버를 구매하고 유지보수할 필요가 없습니다. Google의 글로벌 인프라: Google의 전 세계 데이터센터 인프라를 기반으로 운영되어 빠르고 안정적인 서비스를 제공합니다. 

파운데이션 모델

파운데이션 모델은 대규모 데이터를 기반으로 훈련된 인공지능(AI) 모델로, 다양한 작업을 수행할 수 있도록 조정 가능하며, 대표적인 예로 챗GPT와 같은 대형 언어 모델이 있습니다. 2021년 스탠퍼드 대학에서 처음 사용한 용어이며, 텍스트 번역, 이미지 분할 등 여러 분야에 적용됩니다.

• 사전 학습: 방대한 양의 데이터를 미리 학습하여 다양한 작업에 대한 기본적인 이해를 갖춥니다.
• 다용성: 하나의 모델이 텍스트, 이미지, 코드 등 다양한 유형의 작업을 처리할 수 있습니다.
• 응용 분야: 챗봇, 자율주행, 의료, 제조 등 다양한 산업 분야에서 활용됩니다.

예시

• 대형 언어 모델: ChatGPT와 같이 텍스트 생성, 요약, 번역 등 언어 관련 작업을 수행합니다.
• 이미지 분할 모델: 텍스트나 점, 박스 같은 프롬프트를 받아 이미지의 특정 객체를 분할해냅니다. 특화 모델: 의과학, 바이오 분야와 같이 특정 분야의 데이터로 특화된 모델도 개발되고 있습니다.   

의의

• AI 혁신: 다양한 AI 응용 프로그램의 기반이 되어 AI 기술 발전을 가속화합니다.
• 경쟁력 강화: 각 국가 및 기업은 자체적인 파운데이션 모델 개발을 통해 AI 경쟁력을 강화하고 있습니다. 

프로비저닝

프로비저닝은 사용자가 필요한 IT 자원을 사용할 수 있도록 서버, 애플리케이션, 네트워크 등 인프라를 준비하고 설정하는 프로세스를 말합니다. 이는 사용자 계정 생성 및 권한 부여, 스토리지 할당, 운영체제 설치 등을 포함하며, 자원 배포와 관리를 효율화하기 위해 자동화하는 경우가 많습니다.

주요 프로비저닝의 예시

• 서버 프로비저닝: 필요한 리소스를 기반으로 서버를 설정하고 가동 상태로 만드는 과정입니다.
• 소프트웨어 프로비저닝: 애플리케이션 및 관련 소프트웨어를 설치하고 구성하는 과정입니다.
• 스토리지 프로비저닝: 사용자에게 필요한 만큼의 스토리지 공간을 할당하고 준비하는 과정입니다.
• 계정 프로비저닝: 신규 사용자 계정을 생성하고, 필요한 접근 권한을 자동으로 부여하는 과정입니다.

프로비저닝의 목적

• 효율성 증대: 시스템 자원을 신속하게 준비하여 즉시 사용 가능한 상태로 만듭니다.
• 표준화 및 일관성 유지: 프로비저닝 과정을 표준화하여 일관된 환경을 유지합니다.
• 비용 절감: 불필요한 자원 낭비를 줄이고, 자동화를 통해 관리 비용을 낮춥니다. 

Terraform이란 무엇인가요?

Terraform은 클라우드 및 온프레미스 리소스를 안전하고 효율적으로 빌드, 변경, 버전 관리할 수 있는 코드 기반 인프라 도구입니다.
HashiCorp Terraform은 클라우드 및 온프레미스 리소스를 사람이 읽을 수 있는 구성 파일로 정의하여 버전 관리, 재사용 및 공유할 수 있는 코드형 인프라 도구입니다. 일관된 워크플로를 사용하여 인프라 수명 주기 전반에 걸쳐 모든 인프라를 프로비저닝하고 관리할 수 있습니다. Terraform은 컴퓨팅, 스토리지, 네트워킹 리소스와 같은 하위 수준 구성 요소뿐만 아니라 DNS 항목 및 SaaS 기능과 같은 상위 수준 구성 요소도 관리할 수 있습니다.

Storage Intelligence

Storage Intelligence는 데이터 탐색, 비용 최적화, 보안 시행, 거버넌스 구현을 위한 통합 플랫폼을 제공합니다. Storage Intelligence는 Gemini Cloud Assist를 사용한 데이터 Storage Insights를 통해 데이터에 대한 유용한 정보를 제공합니다. Storage Insights 데이터 세트 및 Storage Insights 인벤토리 보고서를 사용하면 분석 기능을 더욱 강화할 수 있습니다. 분석을 바탕으로 버킷을 재배치하고 대규모 일괄 작업을 실행하는 등의 조치를 취할 수 있습니다.

Storage Intelligence의 이점

1. Cloud Storage 리소스를 관리, 분석, 최적화할 수 있는 단일 플랫폼을 제공하여 스토리지 관리 작업을 간소화합니다.
2. Cloud Storage 위치 전반에서 데이터를 검색, 탐색, 분석할 수 있는 중앙 집중식 플랫폼을 제공하여 데이터 탐색을 개선합니다.
3. Cloud Storage 사용량을 분석하여 사용하지 않는 리소스, 저렴한 스토리지 클래스 옵션과 같은 비용 절감 영역을 파악하고 Cloud Storage 비용을 절감하기 위한 작업 추천을 제공합니다.
4. Cloud Storage 환경 전반에서 조직 보안 정책을 관리하는 중앙 집중식 플랫폼을 제공합니다.
   개발 시간과 오류 가능성을 최소화하는 사전 빌드된 도구와 기능을 제공합니다. 따라서 맞춤 관리 솔루션이 필요하지 않습니다.

주요 특징

• 데이터를 이해하기 위한 분석 기능
• 데이터 관리 작업 기능

분석 기능

• Gemini 지원을 활용한 데이터 스토리지 통계: Gemini를 통해 AI 기반 지원을 사용하여 데이터 스토리지 환경을 더 잘 이해합니다. Storage Insights 데이터 세트를 사용하면 'Autoclass가 사용 설정되지 않은 가장 큰 버킷 5개', 'Standard Storage 클래스에서 50MB보다 작은 객체'와 같이 버킷 및 객체 메타데이터와 사용량에 관한 프롬프트를 Gemini에 요청할 수 있습니다. 
• Storage Insights 데이터 세트: Cloud Storage 환경에 관한 유용한 정보를 제공하는 데이터 세트를 만듭니다. 스토리지 통계 데이터 세트는 데이터 탐색, 비용 최적화, 보안 시행, 거버넌스 구현에 도움이 됩니다. 이를 사용하려면 관리하려는 버킷과 객체가 포함된 프로젝트, 폴더 또는 조직을 선택하여 데이터의 범위를 선택합니다. 그러면 Storage Insights에서 포함된 모든 버킷과 객체의 쿼리 가능한 메타데이터 색인을 만듭니다. 이 색인은 BigQuery 연결된 데이터 세트로 제공됩니다. Storage Insights 데이터 세트는 Storage Intelligence 구독을 통해서만 사용할 수 있는 전용 기능입니다. 
• 인벤토리 보고서: 버킷별 인벤토리 보고서를 생성하여 객체에 대해 유용한 상세 정보를 얻습니다. 인벤토리 보고서 기능은 객체 스캔 수수료가 포함된 Storage Intelligence 구독의 일부로 제공됩니다. Storage Intelligence 구독 없이 인벤토리 보고서를 사용할 수도 있습니다. 인벤토리 보고서에 대한 자세한 내용은 인벤토리 보고서를 참조하세요.

작업 기능

• 버킷 재배치: 버킷 재배치를 사용하면 다운타임을 최소화하면서 지리적 위치 간에 Cloud Storage 버킷을 서버리스로 마이그레이션할 수 있습니다. 버킷 재배치를 사용하면 버킷 이름과 스토리지 클래스를 비롯한 버킷 및 객체 메타데이터를 유지하면서 버킷을 재배치할 수 있습니다. 버킷 재배치를 통해 애플리케이션 다운타임을 최소화하고 운영 노력을 줄일 수 있습니다. 버킷 재배치를 사용하면 성능 및 비용 요구사항을 충족하도록 Cloud Storage 워크로드를 설계할 수 있습니다. 버킷 재배치는 Storage Intelligence 구독을 통해서만 사용할 수 있는 전용 기능입니다. 버킷 재배치에 관한 자세한 내용은 버킷 재배치를 참조하세요.
• 스토리지 일괄 작업: 수십억 개의 Cloud Storage 객체에서 대규모로 작업을 실행합니다. 대규모 객체 작업을 자동화하므로 커스텀 스크립트 개발 및 유지보수가 필요하지 않게 됩니다. 스토리지 일괄 작업은 Storage Intelligence 구독을 통해서만 사용할 수 있는 전용 기능입니다. 

gRPC란 무엇인가요?

gRPC는 구글에서 개발한 고성능 오픈 소스 RPC(Remote Procedure Call) 프레임워크로, HTTP/2를 기반으로 하여 클라이언트와 서버 간의 효율적인 통신을 가능하게 합니다. **프로토콜 버퍼(Protocol Buffers)**를 사용하여 데이터 구조를 정의하고, 다양한 언어를 지원하며, 마이크로서비스 아키텍처 등에서 널리 활용됩니다.
주요 특징

• 고성능: HTTP/2의 성능 이점을 활용하며, 프로토콜 버퍼를 사용해 데이터 직렬화 및 역직렬화가 빠르고 효율적입니다.
• 다양한 언어 지원: C++, Java, Python, Node.js 등 다양한 프로그래밍 언어를 지원하여 여러 플랫폼에서 사용이 가능합니다.
• 크로스 플랫폼 및 크로스 랭귀지: 다양한 언어와 플랫폼을 지원하여 마이크로서비스 환경에서 유용하게 사용됩니다.
• 양방향 스트리밍: HTTP/2의 기능인 양방향 스트리밍을 지원하여 효율적인 데이터 송수신이 가능합니다.
  보안: TLS를 통해 통신을 암호화하여 보안을 강화할 수 있습니다.

gRPC의 작동 방식

• 서비스 및 메시지 정의: protocol buffers와 같은 IDL(Interface Definition Language)을 사용하여 서비스를 정의하고 통신할 데이터 구조를 정의합니다.
• 코드 생성: 프로토콜 버퍼 컴파일러를 사용하여 정의된 서비스에 대한 클라이언트와 서버의 stub 코드를 다양한 언어로 자동 생성합니다.
• 클라이언트-서버 통신: 생성된 stub 코드를 이용해 클라이언트가 서버의 함수를 호출하는 것처럼 원격 함수를 실행하며, HTTP/2를 통해 데이터가 교환됩니다.

사용 사례

• 마이크로서비스 아키텍처 간 통신
• 전자상거래 플랫폼 및 금융 서비스
• IoT 및 디바이스 관리
• 모바일 애플리케이션

REST API

RESTful API는 웹 서비스 간의 데이터 교환을 위한 API 설계 스타일로, 클라이언트와 서버가 HTTP 프로토콜을 통해 자원(resource)을 주고받는 방식을 말합니다. 여기서 REST는 Representational State Transfer의 약자로, HTTP URI로 자원을 명시하고, HTTP 메소드(GET, POST 등)로 해당 자원에 대한 작업을 수행하는 것이 특징입니다.
주요 특징

• 자원 중심: 모든 자원(데이터)을 고유한 URI(Uniform Resource Identifier)로 식별합니다.
• 표준 HTTP 메소드 사용: GET(조회), POST(생성), PUT(수정), DELETE(삭제)와 같은 HTTP 메소드를 사용하여 자원에 대한 CRUD(Create, Read, Update, Delete) 작업을 수행합니다.
• 서버 상태 비유지: 각 요청은 서버에 대한 모든 정보를 포함하며, 서버는 이전 요청의 상태를 저장하지 않습니다 ( Stateless).
• 자체 설명적: 요청 메시지만 보고도 어떤 종류의 작업인지 파악할 수 있습니다.
• 플랫폼 독립성: 클라이언트와 서버가 서로 다른 기술을 사용하더라도 통신할 수 있습니다.

왜 RESTful API를 사용할까요?

• 간결하고 직관적: 배우기 쉽고 사용하기 쉬운 구조를 가집니다.
• 확장성과 유연성: 새로운 기능을 추가하거나 변경하기 용이합니다.
• 캐싱 가능: 응답을 캐시하여 성능을 최적화할 수 있습니다.
• 널리 사용되는 웹 표준: 웹 표준 기술인 HTTP를 기반으로 하여 호환성이 높습니다.

Cloud Run 에서 Entrypoint

Cloud Run에서 Entrypoint는 컨테이너 인스턴스가 시작될 때 실행되는 시작 명령어를 의미합니다. Dockerfile의 ENTRYPOINT 또는 CMD 명령어로 정의할 수 있으며, Cloud Run 배포 시 이 기본 동작을 재정의할 수도 있습니다.
Cloud Run에서 Entrypoint의 역할

컨테이너 시작: Cloud Run은 배포된 컨테이너 이미지를 기반으로 인스턴스를 시작하며, 이때 이미지에 정의된 Entrypoint 명령어를 실행하여 애플리케이션을 구동합니다.

서비스 가용성 보장: 애플리케이션이 실행 상태에 들어간 후, Cloud Run은 컨테이너가 HTTP 요청을 수신할 준비가 되었는지 확인합니다.

Entrypoint 설정 방법 : Cloud Run에서 Entrypoint를 설정하는 방법은 주로 두 가지입니다.

1. Dockerfile 내에서 정의 (권장): 컨테이너 이미지 자체에 ENTRYPOINT 또는 CMD 명령어를 사용하여 시작 명령어를 정의하는 것이 일반적입니다.

A. ENTRYPOINT: 컨테이너가 실행될 때 항상 실행되는 명령어이며, docker run 명령어로 인수를 추가할 수 있습니다.
B. CMD: ENTRYPOINT에 대한 기본 인수로 사용되거나, ENTRYPOINT가 없는 경우 기본 실행 명령어로 사용됩니다. docker run 명령어로 쉽게 재정의할 수 있습니다.

예시 (Dockerfile):

이 경우 java -jar app.jar가 컨테이너 시작 시 실행됩니다.

2. Cloud Run 배포 시 재정의: Google Cloud 콘솔이나 gcloud CLI 명령어를 사용하여 이미지의 기본 Entrypoint나 CMD를 재정의할 수 있습니다. 이는 Dockerfile을 수정하지 않고 실행 명령을 변경해야 할 때 유용합니다.

A. 콘솔에서 설정: Cloud Run 서비스 배포 시, "컨테이너, 네트워킹, 보안" 설정 섹션에서 "명령어" (Command) 및 "인수" (Arguments) 필드를 지정하여 재정의할 수 있습니다.
B. gcloud CLI에서 설정: 배포 명령어에 --command 및 --args 플래그를 사용하여 재정의할 수 있습니다.

예시 (gcloud CLI):

중요 고려사항

• 포트 리스닝: Cloud Run은 PORT 환경 변수에 지정된 포트로 요청을 보냅니다. 따라서 컨테이너의 Entrypoint 명령어는 이 PORT 환경 변수에서 지정하는 포트(기본값: 8080)에서 리스닝하도록 애플리케이션을 실행해야 합니다.
• 상태 비저장(Stateless): Cloud Run은 스테이트리스 컨테이너를 실행하므로, Entrypoint 명령어는 인스턴스가 언제든지 시작되거나 중지될 수 있음을 고려하여 설계되어야 합니다.