SCBL007

개요

이 실습에서는 Spanner 데이터베이스를 활용하는 애플리케이션을 작성하고 Cloud Run Functions와 Cloud Run 모두에 배포합니다. 또한 개발 환경에서 사용할 Spanner 에뮬레이터를 설치하고 구성한 후 사용 설정합니다.

목표

이 실습에서는 다음을 수행하는 방법에 대해 알아봅니다.

• Spanner 데이터베이스에 읽기와 쓰기를 수행하는 Cloud Run Functions를 배포합니다.
• 개발을 위한 Spanner 에뮬레이터를 설정하고 사용합니다.
• Spanner 데이터를 읽고 쓰는 데 사용할 REST API를 빌드합니다.
• REST API를 Google Cloud Run에 배포합니다.

설정 및 요구사항

실습 시작 버튼을 클릭하기 전에

다음 안내를 확인하세요. 실습에는 시간 제한이 있으며 일시중지할 수 없습니다. 실습 시작을 클릭하면 타이머가 시작됩니다. 이 타이머는 Google Cloud 리소스를 사용할 수 있는 시간이 얼마나 남았는지를 표시합니다.

실무형 실습을 통해 시뮬레이션이나 데모 환경이 아닌 실제 클라우드 환경에서 직접 실습 활동을 진행할 수 있습니다. 실습 시간 동안 Google Cloud에 로그인하고 액세스하는 데 사용할 수 있는 새로운 임시 사용자 인증 정보가 제공됩니다.

이 실습을 완료하려면 다음을 준비해야 합니다.

• 표준 인터넷 브라우저 액세스 권한(Chrome 브라우저 권장)

참고: 이 실습을 실행하려면 시크릿 모드 또는 시크릿 브라우저 창을 사용하세요. 개인 계정과 학습자 계정 간의 충돌로 개인 계정에 추가 요금이 발생하는 일을 방지해 줍니다.

• 실습을 완료하기에 충분한 시간. 실습을 시작하고 나면 일시중지할 수 없습니다.

참고: 계정에 추가 요금이 발생하지 않도록 하려면 개인용 Google Cloud 계정이나 프로젝트가 이미 있어도 이 실습에서는 사용하지 마세요.

Google Cloud Shell 활성화하기

Google Cloud Shell은 다양한 개발 도구가 탑재된 가상 머신으로, 5GB의 영구 홈 디렉토리를 제공하며 Google Cloud에서 실행됩니다. Google Cloud Shell을 사용하면 명령줄을 통해 GCP 리소스에 액세스할 수 있습니다.

1. GCP Console의 오른쪽 상단 툴바에서 Cloud Shell 열기 버튼을 클릭합니다.

   

2. ( 계속) Continue을 클릭하십시오.

   

환경을 프로비저닝하고 연결하는 데 약간의 시간이 걸립니다. 연결되면 이미 인증되었으며 프로젝트는 PROJECT_ID 로 설정됩니다. 예를 들면 다음과 같습니다.

gcloud는 Google Cloud Platform의 명령줄 도구입니다. Cloud Shell에 사전 설치되어 있으며 탭 자동 완성을 지원합니다.

다음 명령어로 사용 중인 계정 이름 목록을 표시할 수 있습니다.

gcloud auth list

출력:

Credentialed accounts:
- <myaccount>@<mydomain>.com (active)

출력 예:

Credentialed accounts:
- google1623327_student@qwiklabs.net

다음 명령어로 프로젝트 ID 목록을 표시할 수 있습니다.

gcloud config list project

출력:

[core]
project = <project_ID>

출력 예:

[core]
project = qwiklabs-gcp-44776a13dea667a6

작업 1. 테스트 데이터가 포함된 데이터베이스 만들기

1. Google Cloud 콘솔 제목 표시줄에서 Cloud Shell 활성화()를 클릭합니다. 메시지가 표시되면 계속을 클릭합니다. 또는 Cloud 콘솔 창을 선택한 다음 키보드로 G 키와 S 키를 차례로 입력하여 동일한 작업을 수행할 수 있습니다.

2. 다음 명령어를 실행하여 Cloud Build, Cloud Run, Eventarc API를 사용 설정합니다. 명령어를 승인하라는 메시지가 표시되면 이를 수행합니다.

gcloud services enable cloudbuild.googleapis.com gcloud services enable run.googleapis.com gcloud services enable eventarc.googleapis.com

3. 다음 Bash 명령어를 실행하여 Pets 데이터베이스의 스키마 파일을 만듭니다.

mkdir ~/lab-files cd ~/lab-files cat > ./pets-db-schema.sql << ENDOFFILE CREATE TABLE Owners ( OwnerID STRING(36) NOT NULL, OwnerName STRING(MAX) NOT NULL ) PRIMARY KEY (OwnerID); CREATE TABLE Pets ( OwnerID STRING(36) NOT NULL, PetID STRING(MAX) NOT NULL, PetType STRING(MAX) NOT NULL, PetName STRING(MAX) NOT NULL, Breed STRING(MAX) NOT NULL, ) PRIMARY KEY (OwnerID,PetID), INTERLEAVE IN PARENT Owners ON DELETE CASCADE ENDOFFILE

4. 다음 명령어를 실행하여 Spanner 인스턴스와 데이터베이스를 만듭니다.

gcloud spanner instances create test-spanner-instance --config=regional-{{{project_0.default_region|place_holder_text}}} --description="test-spanner-instance" --processing-units=100 gcloud spanner databases create pets-db --instance=test-spanner-instance --database-dialect=GOOGLE_STANDARD_SQL --ddl-file=./pets-db-schema.sql

5. 다음 명령어를 사용하여 데이터베이스에 몇 개의 테스트 레코드를 추가합니다.

owner_uuid=$(cat /proc/sys/kernel/random/uuid) gcloud spanner rows insert --table=Owners --database=pets-db --instance=test-spanner-instance --data=OwnerID=$owner_uuid,OwnerName=Doug gcloud spanner rows insert --table=Pets --database=pets-db --instance=test-spanner-instance --data=PetID=$(cat /proc/sys/kernel/random/uuid),OwnerID=$owner_uuid,PetName='Noir',PetType='Dog',Breed='Schnoodle' gcloud spanner rows insert --table=Pets --database=pets-db --instance=test-spanner-instance --data=PetID=$(cat /proc/sys/kernel/random/uuid),OwnerID=$owner_uuid,PetName='Bree',PetType='Dog',Breed='Mutt' gcloud spanner rows insert --table=Pets --database=pets-db --instance=test-spanner-instance --data=PetID=$(cat /proc/sys/kernel/random/uuid),OwnerID=$owner_uuid,PetName='Gigi',PetType='Dog',Breed='Retriever'

작업 2. Spanner에서 읽을 Cloud Run 함수 만들기

1. 다음 명령어를 사용하여 첫 번째 Cloud Run 함수의 폴더를 만듭니다.

mkdir ~/lab-files/spanner_get_pets cd ~/lab-files/spanner_get_pets

2. 애플리케이션에 사용할 2가지 파일(main.py와 requirements.txt)을 만듭니다.

touch main.py requirements.txt

3. 편집기 열기 버튼을 클릭합니다. 방금 만든 lab-files/spanner_get_pets/requirements.txt 파일에 다음 코드를 추가합니다.

google-cloud-spanner==3.27.0

4. lab-files/spanner_get_pets/main.py 파일에 데이터베이스에서 반려동물 데이터를 읽고 반환하는 코드를 다음과 같이 추가합니다.

from google.cloud import spanner instance_id = 'test-spanner-instance' database_id = 'pets-db' client = spanner.Client() instance = client.instance(instance_id) database = instance.database(database_id) def spanner_get_pets(request): query = """SELECT OwnerName, PetName, PetType, Breed FROM Owners JOIN Pets ON Owners.OwnerID = Pets.OwnerID;""" outputs = [] with database.snapshot() as snapshot: results = snapshot.execute_sql(query) output = '<div>OwnerName,PetName,PetType,Breed</div>' outputs.append(output) for row in results: output = '<div>{},{},{},{}</div>'.format(*row) outputs.append(output) return '\n'.join(outputs)

5. 터미널 열기 버튼을 클릭합니다. 그리고 다음 명령어를 사용하여 Cloud Run 함수를 배포합니다. 트리거는 함수 호출을 위한 URL이 생성되는 HTTP 트리거입니다. (이 명령어는 실행이 완료되는 데 몇 분 정도 걸릴 수 있습니다.)

gcloud functions deploy spanner_get_pets --runtime python310 --trigger-http --region={{{project_0.default_region|place_holder_text}}} --quiet

6. Cloud Run 함수를 배포하는 명령어가 완료되면 다음 명령어를 사용하여 Cloud Run 함수를 테스트하세요. 이제 테스트 데이터가 반환됩니다.

curl -m 70 -X GET https://{{{project_0.default_region|place_holder_text}}}-${GOOGLE_CLOUD_PROJECT}.cloudfunctions.net/spanner_get_pets -H "Authorization: bearer $(gcloud auth print-identity-token)" -H "Content-Type: application/json"

작업 3. Spanner에 쓰는 Cloud Run 함수 만들기

1. 다음 명령어를 사용하여 두 번째 Cloud Run 함수의 폴더를 만듭니다.

mkdir ~/lab-files/spanner_save_pets cd ~/lab-files/spanner_save_pets

2. 애플리케이션에 사용할 2가지 파일(main.py와 requirements.txt)을 만듭니다.

touch main.py requirements.txt

3. 편집기 열기 버튼을 클릭합니다. 방금 만든 lab-files/spanner_save_pets/requirements.txt 파일에 다음 코드를 추가합니다.

google-cloud-spanner==3.27.0

4. lab-files/spanner_save_pets/main.py 파일에 데이터베이스에서 반려동물 데이터를 읽고 반환하는 코드를 다음과 같이 추가합니다.

from google.cloud import spanner import base64 import uuid import json instance_id = 'test-spanner-instance' database_id = 'pets-db' client = spanner.Client() instance = client.instance(instance_id) database = instance.database(database_id) def spanner_save_pets(event, context): pubsub_message = base64.b64decode(event['data']).decode('utf-8') data = json.loads(pubsub_message) # Check to see if the Owner already exists with database.snapshot() as snapshot: results = snapshot.execute_sql(""" SELECT OwnerID FROM OWNERS WHERE OwnerName = @owner_name""", params={"owner_name": data["OwnerName"]}, param_types={"owner_name": spanner.param_types.STRING}) row = results.one_or_none() if row != None: owner_exists = True owner_id = row[0] else: owner_exists = False owner_id = str(uuid.uuid4()) # Need a UUID for the new pet pet_id = str(uuid.uuid4()) def insert_owner_pet(transaction, data, owner_exists): try: row_ct = 0 params = { "owner_id": owner_id, "owner_name": data["OwnerName"], "pet_id": pet_id, "pet_name": data["PetName"], "pet_type": data["PetType"], "breed": data["Breed"], } param_types = { "owner_id": spanner.param_types.STRING, "owner_name": spanner.param_types.STRING, "pet_id": spanner.param_types.STRING, "pet_name": spanner.param_types.STRING, "pet_type": spanner.param_types.STRING, "breed": spanner.param_types.STRING, } # Only add the Owner if they don't exist already if not owner_exists: row_ct = transaction.execute_update( """INSERT Owners (OwnerID, OwnerName) VALUES (@owner_id, @owner_name)""", params=params, param_types=param_types,) # Add the pet row_ct += transaction.execute_update( """INSERT Pets (PetID, OwnerID, PetName, PetType, Breed) VALUES (@pet_id, @owner_id, @pet_name, @pet_type, @breed) """, params=params, param_types=param_types,) except: row_ct = 0 return row_ct row_ct = database.run_in_transaction(insert_owner_pet, data, owner_exists) print("{} record(s) inserted.".format(row_ct))

5. 터미널 열기 버튼을 클릭합니다. 이 Cloud Run 함수는 Pub/Sub 메시지에서 트리거됩니다. 이 함수가 작동하려면 먼저 다음 명령어로 Pub/Sub 주제를 만들어야 합니다.

gcloud pubsub topics create new-pet-topic

6. 다음 명령어를 사용해 Cloud Run 함수를 배포합니다. (이 명령어는 실행이 완료되는 데 몇 분 정도 걸릴 수 있습니다.)

gcloud functions deploy spanner_save_pets --runtime python310 --trigger-topic=new-pet-topic --region={{{project_0.default_region|place_holder_text}}} --quiet

7. 명령어 실행이 완료되면 콘솔에서 Pub/Sub 서비스로 이동하여 new-pet-topic 주제를 클릭하고 세부정보를 봅니다.
   세부정보 페이지에서 메시지 탭을 클릭한 다음 메시지 게시 버튼을 클릭합니다.
   아래 메시지를 입력한 다음 게시 버튼을 클릭합니다. 참고: 메시지는 JSON 형식이어야 하며 여기에 나온 대로 올바른 스키마를 사용해야 함수가 제대로 작동합니다.

{"OwnerName": "Jean", "PetName": "Sally", "PetType": "Frog", "Breed": "Green"}

8. 이전에 실행한 curl 명령어를 사용하여 spanner_gets_pets Cloud Run 함수를 트리거합니다. 새로운 소유자인 Jean과 반려 개구리 Sally가 추가되었는지 확인합니다.

curl -m 70 -X GET https://{{{project_0.default_region|place_holder_text}}}-${GOOGLE_CLOUD_PROJECT}.cloudfunctions.net/spanner_get_pets -H "Authorization: bearer $(gcloud auth print-identity-token)" -H "Content-Type: application/json"

작업 4. Spanner 에뮬레이터 시작하기

1. Cloud Shell 터미널에서 다음 명령어를 실행하여 Spanner 에뮬레이터를 설치하고 시작합니다.

sudo apt-get install google-cloud-sdk-spanner-emulator gcloud emulators spanner start

2. 에뮬레이터가 터미널을 제어하므로 Cloud Shell 툴바에서 + 아이콘을 클릭하여 새 터미널 탭을 엽니다. 다음 명령어를 실행하여 Cloud SDK가 에뮬레이터를 사용하도록 구성합니다.

gcloud config configurations create emulator gcloud config set auth/disable_credentials true gcloud config set project $GOOGLE_CLOUD_PROJECT gcloud config set api_endpoint_overrides/spanner http://localhost:9020/

3. gcloud를 사용해 인스턴스와 데이터베이스를 만듭니다. 단, 이 명령어는 현재 클라우드의 Spanner가 아니라 에뮬레이터를 사용합니다. 명령어를 전체가 아니라 개별적으로 실행합니다.

cd ~/lab-files gcloud spanner instances create emulator-instance --config=emulator-config --description="EmulatorInstance" --nodes=1 gcloud spanner databases create pets-db --instance=emulator-instance --database-dialect=GOOGLE_STANDARD_SQL --ddl-file=./pets-db-schema.sql

4. Python 클라이언트 라이브러리의 코드가 에뮬레이터를 사용하려면 SPANNER_EMULATOR_HOST 환경 변수를 설정해야 합니다. 이를 위해 다음 코드를 실행합니다.

export SPANNER_EMULATOR_HOST=localhost:9010

작업 5. Spanner Pets 데이터베이스용 REST API 작성하기

1. Cloud Run 프로그램 파일을 저장할 폴더를 만들고 필요한 파일을 추가합니다.

mkdir ~/lab-files/cloud-run cd ~/lab-files/cloud-run touch Dockerfile main.py requirements.txt

2. 편집기 열기 버튼을 클릭합니다. 방금 만든 lab-files/cloud-run/requirements.txt 파일에 다음 코드를 추가합니다.

Flask==3.0.3 Flask-RESTful==0.3.10 google-cloud-spanner==3.27.0 gunicorn==22.0.0

3. main.py에 다음을 추가합니다. 이 코드는 Python Flask와 Flask-RESTful 라이브러리를 사용하여 Pets 데이터베이스용 REST API를 빌드합니다.
   참고: 파일 상단부에서 환경 변수를 사용하는 부분(11~20행)을 확인합니다. Cloud Run에 배포할 때 이러한 변수가 실제 Spanner 데이터베이스를 가리키도록 설정합니다. 변수를 설정하지 않으면 기본적으로 에뮬레이터가 사용됩니다.

import os import uuid from flask import Flask, jsonify, request from flask_restful import Api, Resource from google.api_core import exceptions from google.cloud import spanner from werkzeug.exceptions import BadRequest, NotFound # --- Configuration --- # Use emulator settings by default, but override with environment variables if they exist. INSTANCE_ID = os.environ.get("INSTANCE_ID", "emulator-instance") DATABASE_ID = os.environ.get("DATABASE_ID", "pets-db") # --- Database Repository --- class SpannerRepository: """ A repository class to handle all database interactions with Google Cloud Spanner. This separates database logic from the API/view layer. """ def __init__(self, instance_id, database_id): spanner_client = spanner.Client() self.instance = spanner_client.instance(instance_id) self.database = self.instance.database(database_id) def list_all_pets(self): """Retrieves all pets with their owner information.""" query = """ SELECT o.OwnerID, o.OwnerName, p.PetID, p.PetName, p.PetType, p.Breed FROM Owners o JOIN Pets p ON o.OwnerID = p.OwnerID """ with self.database.snapshot() as snapshot: results = snapshot.execute_sql(query) # 1. Materialize the iterator into a list of rows. # Each 'row' in this list is a regular Python list of values. rows = list(results) # 2. If there are no rows, the metadata might be incomplete. # This check prevents the original 'NoneType' error. if not rows: return [] # 3. If we have rows, the metadata is guaranteed to be available. # Get the column names from the result set's metadata. # Note: results.metadata is the correct attribute. keys = [field.name for field in results.metadata.row_type.fields] # 4. Zip the keys with each row's list of values to create dicts. return [dict(zip(keys, row)) for row in rows] def get_pet_by_id(self, pet_id): """Retrieves a single pet by its ID.""" query = """ SELECT o.OwnerID, o.OwnerName, p.PetID, p.PetName, p.PetType, p.Breed FROM Owners o JOIN Pets p ON o.OwnerID = p.OwnerID WHERE p.PetID = @pet_id """ params = {"pet_id": pet_id} param_types = {"pet_id": spanner.param_types.STRING} with self.database.snapshot() as snapshot: results = snapshot.execute_sql( query, params=params, param_types=param_types ) # results.one_or_none() returns a special Row object (not a list) # that has a .keys() method, so this is correct and simpler. row = results.one_or_none() if not row: return None return dict(zip(row.keys(), row)) def create_pet_and_owner(self, data): """ Creates a new pet. If the owner doesn't exist, creates the owner as well. This entire operation is performed in a single transaction. """ def _tx_create_pet(transaction): pet_id = str(uuid.uuid4()) owner_name = data["OwnerName"] owner_result = transaction.execute_sql( "SELECT OwnerID FROM Owners WHERE OwnerName = @name", params={"name": owner_name}, param_types={"name": spanner.param_types.STRING}, ).one_or_none() if owner_result: owner_id = owner_result[0] else: owner_id = str(uuid.uuid4()) transaction.insert( "Owners", columns=("OwnerID", "OwnerName"), values=[(owner_id, owner_name)], ) pet_columns = ["PetID", "OwnerID", "PetName", "PetType", "Breed"] pet_values = [ pet_id, owner_id, data["PetName"], data["PetType"], data["Breed"], ] transaction.insert("Pets", columns=pet_columns, values=[pet_values]) new_pet_data = { "PetID": pet_id, "OwnerID": owner_id, "OwnerName": owner_name, "PetName": data["PetName"], "PetType": data["PetType"], "Breed": data["Breed"], } return new_pet_data return self.database.run_in_transaction(_tx_create_pet) def delete_pet_by_id(self, pet_id): """Deletes a single pet by its ID in a transaction.""" def _tx_delete_pet(transaction): return transaction.execute_update( "DELETE FROM Pets WHERE PetID = @pet_id", params={"pet_id": pet_id}, param_types={"pet_id": spanner.param_types.STRING}, ) return self.database.run_in_transaction(_tx_delete_pet) def delete_all_pets_and_owners(self): """Deletes all owners, which cascades to delete all pets.""" def _tx_delete_all(transaction): return transaction.execute_update("DELETE FROM Owners WHERE true") return self.database.run_in_transaction(_tx_delete_all) # --- API Resources --- db_repo = SpannerRepository(INSTANCE_ID, DATABASE_ID) class PetsList(Resource): def get(self): """Returns a list of all pets.""" pets = db_repo.list_all_pets() return jsonify(pets) def post(self): """Creates a new pet and possibly a new owner.""" try: data = request.get_json(force=True) required_fields = ["OwnerName", "PetName", "PetType", "Breed"] if not all(field in data for field in required_fields): raise BadRequest("Missing required fields in JSON payload.") except BadRequest as e: return {"message": str(e)}, 400 try: new_pet = db_repo.create_pet_and_owner(data) return new_pet, 201 except exceptions.GoogleAPICallError as e: return {"message": "Database transaction failed", "error": str(e)}, 500 def delete(self): """Deletes all owners and pets.""" deleted_count = db_repo.delete_all_pets_and_owners() return {"message": f"{deleted_count} owner record(s) deleted (pets cascaded)."}, 200 class Pet(Resource): def get(self, pet_id): """Returns a single pet by ID.""" pet = db_repo.get_pet_by_id(pet_id) if pet: return jsonify(pet) raise NotFound("Pet with the specified ID was not found.") def delete(self, pet_id): """Deletes a single pet by ID.""" try: deleted_count = db_repo.delete_pet_by_id(pet_id) if deleted_count > 0: return {"message": f"Pet with ID {pet_id} was deleted."}, 200 raise NotFound("Pet with the specified ID was not found.") except exceptions.NotFound: raise NotFound("Pet with the specified ID was not found.") def patch(self, pet_id): """This endpoint is not implemented.""" return {"message": "Update operation is not implemented."}, 501 # --- Flask App Initialization --- def create_app(): """Application factory to create and configure the Flask app.""" app = Flask(__name__) api = Api(app) # API Resource routing api.add_resource(PetsList, "/pets") api.add_resource(Pet, "/pets/<string:pet_id>") # Centralized error handling @app.errorhandler(NotFound) def handle_not_found(e): return jsonify({"message": str(e)}), 404 @app.errorhandler(BadRequest) def handle_bad_request(e): return jsonify({"message": str(e)}), 400 @app.errorhandler(Exception) def handle_generic_error(e): app.logger.error(f"An unhandled exception occurred: {e}", exc_info=True) return jsonify({"message": "An internal server error occurred."}), 500 return app app = create_app() if __name__ == "__main__": # Use debug=False in a production environment app.run(host="0.0.0.0", port=8080, debug=True)

4. 터미널 열기 버튼을 클릭한 후 다음 코드를 실행하여 필요한 패키지를 설치합니다.

pip install -r requirements.txt

5. 이제 터미널에서 다음 코드를 실행하여 프로그램을 시작합니다.

python main.py

6. Cloud Shell 툴바에서 + 아이콘을 다시 클릭하여 세 번째 터미널 탭을 엽니다.

7. curl을 사용하여 API를 테스트할 수 있습니다. 먼저 HTTP POST 명령어를 사용하여 레코드를 추가합니다.

curl -X POST --data '{"OwnerName": "Sue", "PetName": "Sparky", "PetType": "Cat", "Breed": "Alley"}' http://localhost:8080/pets curl -X POST --data '{"OwnerName": "Sue", "PetName": "Pickles", "PetType": "Dog", "Breed": "Shepherd"}' http://localhost:8080/pets curl -X POST --data '{"OwnerName": "Doug", "PetName": "Noir", "PetType": "Dog", "Breed": "Schnoodle"}' http://localhost:8080/pets curl -X POST --data '{"OwnerName": "Doug", "PetName": "Bree", "PetType": "Dog", "Breed": "Mutt"}' http://localhost:8080/pets curl -X POST --data '{"OwnerName": "Joey", "PetName": "Felix", "PetType": "Cat", "Breed": "Tabby"}' http://localhost:8080/pets

7. HTTP GET 명령어를 사용하여 레코드가 추가되었는지 확인합니다. 레코드는 JSON 형식으로 반환되어야 합니다.

curl http://localhost:8080/pets 참고: 단계를 누락했거나 원하는 출력이 표시되지 않는 경우 Cloud Shell을 사용하여 작업 4부터 단계를 다시 수행해 보세요.

8. exit를 입력하여 세 번째 터미널 탭을 닫은 다음 Ctrl + C를 입력하여 두 번째 터미널 탭에서 Python 프로그램을 중지합니다. exit를 입력하여 두 번째 탭을 닫습니다.
   첫 번째 터미널 탭으로 돌아가서 Ctrl + C를 입력해 에뮬레이터를 중지합니다.

참고: 이러한 레코드가 에뮬레이터에 추가되었습니다. 다음으로 Cloud Run에 배포하고 실제 Spanner 인스턴스를 사용합니다.

작업 6. Cloud Run에 앱 배포하기

1. Cloud Run에 배포하려면 Docker 이미지가 필요합니다. 먼저 디렉터리를 cloud-run 폴더로 변경합니다.

cd ~/lab-files/cloud-run

2. Docker 이미지를 만들려면 Dockerfile 파일에 안내를 추가해야 합니다. 편집기 열기 버튼을 클릭하고 Dockerfile 파일을 연 후 다음 코드를 붙여넣습니다.

FROM python:3.9 WORKDIR /app COPY . . RUN pip install gunicorn RUN pip install -r requirements.txt ENV PORT=8080 CMD exec gunicorn --bind :$PORT --workers 1 --threads 8 main:app

2. 터미널로 돌아가 다음 코드를 실행하여 Docker 이미지를 만듭니다. (현재 ~/lab-files/cloud-run 폴더에 있는지 확인합니다.)

gcloud builds submit --tag=gcr.io/$GOOGLE_CLOUD_PROJECT/spanner-pets-api:v1.0 .

3. API 탐색 및 사용 설정을 통해 프로젝트에 Cloud Run이 사용 설정되어 있는지 확인합니다.

4. 이제 다음 명령어를 사용하여 Cloud Run 애플리케이션을 배포합니다. 코드가 not the emulator(에뮬레이터가 아니라) Cloud Spanner 인스턴스를 사용하도록 명령어에 환경 변수가 설정된 방식을 확인하세요. 명령어가 완료되는 데 몇 분 정도 걸릴 수 있습니다.

gcloud run deploy spanner-pets-api --image gcr.io/$GOOGLE_CLOUD_PROJECT/spanner-pets-api:v1.0 --update-env-vars INSTANCE_ID=test-spanner-instance,DATABASE_ID=pets-db --region={{{project_0.default_region|place_holder_text}}}

5. 명령어 실행이 완료되면 서비스 URL을 기록하고 클립보드에 복사합니다. 에뮬레이터와 마찬가지로 curl 명령어를 사용하여 API를 테스트할 수 있습니다. 우선 아래와 같이 URL을 저장할 변수를 만듭니다. 이때 전체 자리표시자(<YOUR_SERVICE_URL_HERE>) 대신 https://...를 포함한 전체 URL을 붙여넣습니다.

pets_url=<YOUR_SERVICE_URL_HERE>

6. curl을 사용하여 몇몇 레코드를 추가합니다.

curl -H "Authorization: Bearer $(gcloud auth print-identity-token)" -X POST --data '{"OwnerName": "Sue", "PetName": "Sparky", "PetType": "Cat", "Breed": "Alley"}' $pets_url/pets curl -H "Authorization: Bearer $(gcloud auth print-identity-token)" -X POST --data '{"OwnerName": "Sue", "PetName": "Pickles", "PetType": "Dog", "Breed": "Shepherd"}' $pets_url/pets curl -H "Authorization: Bearer $(gcloud auth print-identity-token)" -X POST --data '{"OwnerName": "Doug", "PetName": "Noir", "PetType": "Dog", "Breed": "Schnoodle"}' $pets_url/pets curl -H "Authorization: Bearer $(gcloud auth print-identity-token)" -X POST --data '{"OwnerName": "Doug", "PetName": "Bree", "PetType": "Dog", "Breed": "Mutt"}' $pets_url/pets curl -H "Authorization: Bearer $(gcloud auth print-identity-token)" -X POST --data '{"OwnerName": "Joey", "PetName": "Felix", "PetType": "Cat", "Breed": "Tabby"}' $pets_url/pets

7. 레코드가 추가되었습니다. 콘솔에서 Cloud Run 서비스로 이동해 내 서비스를 클릭하여 세부정보를 확인하고 로그를 살펴봅니다. 여기에서 전송한 각 요청이 기록된 것을 확인할 수 있습니다.

8. 레코드가 추가되었는지 확인할 수도 있습니다.

curl -H "Authorization: Bearer $(gcloud auth print-identity-token)" $pets_url/pets

9. Spanner로 이동하여 인스턴스와 데이터베이스를 살펴봅니다.

10. API는 DELETE도 구현합니다. 모든 데이터를 삭제하려면 터미널로 돌아가 다음 명령어를 입력합니다.

curl -H "Authorization: Bearer $(gcloud auth print-identity-token)" -X DELETE $pets_url/pets

11. 더 이상 요금이 청구되지 않도록 콘솔에서 Spanner 인스턴스를 삭제합니다.

수고하셨습니다. 이 실습에서는 Spanner 데이터베이스를 활용하는 애플리케이션을 작성하여 Cloud Run Functions와 Cloud Run 모두에 배포했습니다. 또한 개발 환경에서 사용할 Spanner 에뮬레이터를 설치하고 구성한 후 사용 설정했습니다.

실습 종료

실습을 완료하면 실습 종료를 클릭합니다. Qwiklabs에서 사용된 리소스를 자동으로 삭제하고 계정을 지웁니다.

실습 경험을 평가할 수 있습니다. 해당하는 별표 수를 선택하고 의견을 입력한 후 제출을 클릭합니다.

별점의 의미는 다음과 같습니다.

• 별표 1개 = 매우 불만족
• 별표 2개 = 불만족
• 별표 3개 = 중간
• 별표 4개 = 만족
• 별표 5개 = 매우 만족

의견을 제공하고 싶지 않다면 대화상자를 닫으면 됩니다.

의견이나 제안 또는 수정할 사항이 있다면 지원 탭을 사용하세요.

Copyright 2024 Google LLC All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.