이 문서에는 Google Cloud에서 생성형 AI 워크로드를 실행할 때 Cloud Run Functions에 관한 권장사항과 가이드라인이 포함되어 있습니다. Vertex AI와 함께 Cloud Run 함수를 사용하여 작업을 자동화하고, 예측을 제공하고, 학습 작업을 트리거하고, 다른 서비스와 통합하고, 이벤트 기반 ML 파이프라인을 빌드하세요.
Vertex AI와 함께 Cloud Run Functions를 사용하는 다음 사용 사례를 고려해 보세요.
- 데이터 사전 처리 및 사후 처리 기능: Cloud Run 함수는 학습 또는 예측을 위해 Vertex AI 모델에 데이터를 전송하기 전에 데이터를 사전 처리할 수 있습니다. 예를 들어 함수는 데이터를 정리하고 정규화하거나 데이터에서 특징을 추출할 수 있습니다. 마찬가지로 Cloud Run 함수는 Vertex AI 모델의 출력을 후처리할 수 있습니다. 예를 들어 함수는 출력 데이터를 포맷하거나 추가 분석을 위해 다른 서비스로 전송할 수 있습니다.
- Vertex AI 학습 작업의 자동 트리거: Vertex AI 모델의 학습을 자동화하려면 Cloud Storage, Pub/Sub, Cloud Scheduler와 같은 다양한 Google Cloud 서비스의 이벤트를 사용하여 Cloud Run 함수를 트리거하면 됩니다. 예를 들어 Cloud Storage에 새 파일이 업로드될 때 트리거되는 함수를 만들 수 있습니다. 이 함수는 Vertex AI 학습 작업을 시작하여 새 데이터로 모델을 학습시킬 수 있습니다.
- 예측 제공 기능: Cloud Run Functions는 Vertex AI 모델의 예측을 제공할 수 있으므로 인프라를 관리하지 않고도 모델의 API 엔드포인트를 만들 수 있습니다. 예를 들어 이미지를 입력으로 받아 Vertex AI 이미지 분류 모델의 예측을 출력하는 함수를 작성할 수 있습니다. 그런 다음 이 함수를 HTTP API 엔드포인트로 배포할 수 있습니다.
- 이벤트 기반 ML 워크플로: Cloud Run Functions를 사용하여 이벤트 기반 ML 워크플로를 빌드할 수 있습니다. 예를 들어 새 레코드가 Pub/Sub 주제에 추가되면 함수가 Vertex AI 예측 작업을 트리거할 수 있습니다. 이 함수를 사용하면 데이터를 실시간으로 처리하고 모델 예측에 따라 조치를 취할 수 있습니다.
- 다른 서비스와의 통합: Cloud Run 함수를 Cloud Storage, BigQuery, Cloud Firestore와 같은 다른 Google Cloud 서비스와 통합할 수 있습니다. 통합을 사용하면 서로 다른 서비스를 연결하는 복잡한 ML 파이프라인을 빌드할 수 있습니다.
- 비용 확장: Cloud Run Functions를 사용하면 함수가 실행되는 동안 사용하는 리소스에 대해서만 비용을 지불할 수 있습니다. 또한 Cloud Run Functions는 수요를 충족하도록 자동으로 확장되므로 트래픽이 급증하는 동안 적절한 리소스를 유지할 수 있습니다.
필수 Cloud Run Functions 컨트롤
Cloud Run Functions를 사용할 때는 다음 컨트롤을 적극 권장합니다.
Cloud Run 함수의 VPC 커넥터 필요
| Google 제어 ID | CF-CO-4.4 |
|---|---|
| 카테고리 | 필수 |
| 설명 |
|
| 적용 가능한 제품 |
|
| 경로 | constraints/cloudfunctions.requireVPCConnector |
| 연산자 | = |
| 값 |
|
| 유형 | 불리언 |
| 관련 NIST-800-53 컨트롤 |
|
| 관련 CRI 프로필 컨트롤 |
|
| 관련 정보 |
다음 단계
Cloud Storage 컨트롤을 검토합니다.
생성형 AI 워크로드의Google Cloud 보안 권장사항 및 가이드라인을 자세히 알아보세요.