Workflows 튜토리얼(1세대)

참고: 이 콘텐츠는 Cloud Run Functions(1세대), 즉 이전의 Cloud Functions(1세대)에만 적용됩니다.

이 문서의 Cloud Run Functions 버전은 Workflows 튜토리얼을 참조하세요.

이 튜토리얼에서는 Workflows를 사용하여 일련의 서비스를 함께 연결하는 방법을 보여줍니다. (Cloud Run Functions를 사용하는) 두 공개 HTTP 서비스, 외부 REST API, 비공개 Cloud Run 서비스를 연결하면 유연한 서버리스 애플리케이션을 만들 수 있습니다.

첫 번째 Cloud Run Functions 서비스 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 \
       --runtime python37 \
       --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.

1. 함수가 배포되면 httpsTrigger.url 속성을 확인할 수 있습니다.

   gcloud functions describe randomgen

2. 다음 curl 명령어를 통해 함수를 사용해 볼 수 있습니다.

   curl $(gcloud functions describe randomgen --format='value(httpsTrigger.url)')

   숫자가 무작위로 생성되어 반환됩니다.

두 번째 Cloud Run Functions 서비스 배포

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

1. multiply라는 디렉터리를 만들어 변경합니다.

   mkdir ~/multiply
   cd ~/multiply

2. 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)

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 multiply \
       --runtime python37 \
       --trigger-http \
       --allow-unauthenticated

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

1. 함수가 배포되면 httpsTrigger.url 속성을 확인할 수 있습니다.

   gcloud functions describe multiply

2. 다음 curl 명령어를 통해 함수를 사용해 볼 수 있습니다.

   curl $(gcloud functions describe multiply --format='value(httpsTrigger.url)') \
       -X POST \
       -H "content-type: application/json" \
       -d '{"input": 5}'

   숫자 10이 반환되어야 합니다.

워크플로에서 두 Cloud Run Functions 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: https://REGION-PROJECT_ID.cloudfunctions.net/randomgen
       result: randomgen_result
   - multiply_function:
       call: http.post
       args:
           url: https://REGION-PROJECT_ID.cloudfunctions.net/multiply
           body:
               input: ${randomgen_result.body.random}
       result: multiply_result
   - return_result:
       return: ${multiply_result}
   

   이렇게 하면 두 HTTP 함수가 함께 연결되어 최종 결과가 반환됩니다.

   참고: 인증된 호출만 허용하는 Cloud Run Functions에 요청을 수행하려면 OIDC를 사용하여 인증합니다. 자세한 내용은 워크플로에서 인증된 요청 수행을 참조하세요.

3. 워크플로를 만들면 배포할 수 있으므로 실행이 가능합니다.

   gcloud workflows deploy WORKFLOW_NAME --source=workflow.yaml

   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: https://REGION-PROJECT_ID.cloudfunctions.net/randomgen
       result: randomgen_result
   - multiply_function:
       call: http.post
       args:
           url: https://REGION-PROJECT_ID.cloudfunctions.net/multiply
           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}
   

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

2. 수정된 워크플로를 배포합니다.

   gcloud workflows deploy WORKFLOW_NAME --source=workflow.yaml

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 \
       --platform managed \
       --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. 워크플로의 소스 파일을 수정하여 다음 콘텐츠로 바꿉니다.

   - randomgen_function:
       call: http.get
       args:
           url: https://REGION-PROJECT_ID.cloudfunctions.net/randomgen
       result: randomgen_result
   - multiply_function:
       call: http.post
       args:
           url: https://REGION-PROJECT_ID.cloudfunctions.net/multiply
           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}
   

   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.

2. 수정된 워크플로를 배포합니다.

   gcloud workflows deploy WORKFLOW_NAME \
       --source=workflow.yaml

3. 최종 워크플로를 실행합니다.

   gcloud workflows run WORKFLOW_NAME

   출력은 다음과 비슷하게 표시됩니다.

   result: '{"Floor":{"body":"4","code":200
     ...
     "Log":{"body":"4.02535169073515","code":200
     ...
     "Multiply":{"body":{"multiplied":56},"code":200
     ...
     "Random":{"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.