-
[Serving] CloudCS 공부/AI 2023. 7. 2. 19:04
Cloud 서비스를 사용하는 이유
- 자신의 컴퓨터로 서비스를 만들 수도 있음
- IP로 누구나 접근할 수 있게 수정하고, IP 공유하기 위함
- Apache Spark를 쉽게 운영할 수 있도록 AWS EMR, GCP Dataproc 등을 활용 -> 직접 하둡을 설치할 필요 없이 이미 설치되어 있음
- 주피터 노트북 환경도 미리 설치해두고 사용할 수 있음 (tensorflow, cuda 등)
Cloud 서비스의 다양한 제품
- Computing Service: 가상 컴퓨터, 서버 (인스턴스 생성 후, 인스턴스에 들어가서 사용 가능)
- Serverless Computing: 서버 관리를 클라우드쪽에서 진행. 코드를 클라우드에 제출하면 그 코드를 가지고 서버를 실행해주는 형태. (Auto Scaling 가능)
- Stateless Container: Docker를 사용한 container 기반으로 서버 실행. Docker image를 업로드 하면 해당 이미지 기반으로 서버를 실행해주는 형태
- Object Storage: 다양한 형태의 데이터 저장할 수 있는 저장소, API 를 사용해 데이터에 접근
- Database(RDB): Database가 필요한 경우 클라우드에서 제공하는 DB 활용. MySQL, PosgreSQL 등
- Data Warehouse: Database, Object Stoarge에 있는 모든 데이터를 Warehouse에 저장
- AI Platform: MLops 관련 서비스 제공
Google Cloud Platform
https://cloud.google.com/?hl=ko
클라우드 컴퓨팅 서비스 | Google Cloud
데이터 관리, 하이브리드 및 멀티 클라우드, AI와 머신러닝 등 Google의 클라우드 컴퓨팅 서비스로 비즈니스 당면 과제를 해결하세요.
cloud.google.com
- Compute Engine - VM 인스턴스 - 인스턴스 만들기
CLI로 사용 - Cloud Storage 버킷 생성
버킷 내에 파일이나 폴더를 업로드하고 삭제할 수 있음 - Cloud Storage API를 사용해 Cloud Storage에 업로드한 파일 다운로드
# pip install google-cloud-storage from google.cloud import storage bucket_name = 'awsome-gcp2' # 서비스 계정 생성한 bucket 이름 입력 source_blob_name = 'Untitled(7)' # GCP에 저장되어 있는 파일 명 destination_file_name = '' # 다운받을 파일을 저장할 경로("local/path/to/file") storage_client = storage.Client() bucket = storage_client.bucket(bucket_name) blob = bucket.blob(source_blob_name) blob.download_to_filename(destination_file_name)
'CS 공부 > AI' 카테고리의 다른 글
Github Action을 사용한 CI/CD (0) 2023.07.04 [Segmenation] Semantic Segmentation의 다양한 기법들 (0) 2023.07.02 [Segmentation] DeepLab v2~v3+, PSPNet (4) 2023.06.08 [Segmentation] DeconvNet, SegNet, FC DenseNet, Unet, DeepLab, DilatedNet (0) 2023.06.06 [Segmentation] 딥러닝을 이용한 Segmentation FCN (0) 2023.06.06