Docker에서 Lambda까지: Python 애플리케이션을 향한 AWS 관리자의 여정

Python 스크립트에서 서버리스 AWS로: 나의 투자 포트폴리오 여정

AWS 자동화를 위한 간단한 Python 스크립트로 시작하여 점차 더 복잡한 프로젝트로 발전했습니다. 3개월 전에는 메타클래스를 거의 이해하지 못했습니다. 이제 본격적인 투자 포트폴리오 매니저를 구축했습니다.

나의 여행

수년간 Python을 사용해 AWS 자동화(악명 높은 "모든 작업 수행" 스크립트 포함)를 통해 적절한 애플리케이션을 구축할 수 있었습니다. 예전 스크립트와 Stack Overflow, Claude의 AI 지원을 활용하여 마침내 소프트웨어 개발 원칙을 파악했습니다.

앱 스크린샷(실제 투자가 아닌 시드 데이터).

투자 포트폴리오에 대한 수동 Excel 스프레드시트 업데이트에 지쳐서 프로세스를 자동화했습니다. 이 Python 애플리케이션은 포트폴리오를 관리하고, 거래를 추적하고, 배당금을 처리하고, 심지어 가격을 자동으로 업데이트합니다. 처음에는 홈 서버(Flask 백엔드, React 프론트엔드, SQLite 데이터베이스)의 Docker에서 훌륭하게 실행되었습니다.

취미가 직업이 되는 수수께끼

이것을 홈 서버에서 실행하는 것은 비효율적이었습니다. AWS 전문가로서 내 하드웨어에서 컨테이너를 관리하는 것은 직관적이지 않은 것처럼 보였습니다. 해결책은 분명해 보였습니다. 바로 ECS입니다. docker-compose 파일이 이미 있습니다:

<code>services:
  backend:
    build: ./backend
    container_name: investment-portfolio-backend
    environment:
      - DB_DIR=/data/db
      - LOG_DIR=/data/logs
      - DOMAIN=${DOMAIN:-localhost}
    volumes:
      - /path/to/your/data:/data
    networks:
      - app-network

  frontend:
    build:
      context: ./frontend
      args:
        - DOMAIN=${DOMAIN:-localhost}
        - USE_HTTPS=${USE_HTTPS:-false}
    container_name: investment-portfolio-frontend
    environment:
      - DOMAIN=${DOMAIN:-localhost}
      - USE_HTTPS=${USE_HTTPS:-false}
    ports:
      - "80:80"
    depends_on:
      - backend
    networks:
      - app-network</code>

그러나 AWS 설계자의 관점(및 가격 계산기)은 서버리스 접근 방식을 제안했습니다.

• 일일 가격 업데이트 및 빈번하지 않은 액세스는 연중무휴 컨테이너를 피하는 것이 좋습니다.
• 정적 프런트엔드 파일은 S3 웹사이트 호스팅에 이상적이었습니다.
• API 게이트웨이와 Lambda가 API 호출을 처리합니다.
• Aurora Serverless는 관계형 데이터에 적합했습니다.
• DynamoDB는 가격 내역을 저장할 수 있습니다(이 단계에는 도달하지 못했지만).

이로 인해 저는 서버리스 토끼굴에 빠지게 되었습니다. 이전에 서버리스 경험이 있었습니다. 아내와 함께 KNMI 데이터를 사용하고 공예 프로젝트를 위한 색상으로 구분된 테이블을 생성하는 온도 추적 프로젝트였습니다.

<code>| Date       | Min.Temp | Min.Kleur   | Max.Temp | Max.Kleur   |
----------------------------------------------------------------
| 2023-03-01 |   -4.1°C | darkblue   |    7.1°C | lightblue  |
| 2023-03-02 |    1.3°C | blue       |    6.8°C | lightblue  |
...</code>

이 프로젝트는 날짜 매개변수를 사용하여 로컬로 또는 Lambda/API 게이트웨이를 통해 실행되었습니다. SQLAlchemy, 백그라운드 작업 및 복잡한 관계를 사용하여 이를 전체 Flask 애플리케이션으로 확장하는 것은 어려운 일이었습니다.

서버리스의 매력

컨테이너화된 애플리케이션은 잘 작동했지만 서버리스 서비스의 매력은 강했습니다. 자동 확장 기능과 컨테이너 관리 제거 기능이 매력적이었습니다.

그래서 저는 서버리스 환경에 맞게 애플리케이션을 다시 설계했습니다. 원래 프로젝트에는 두 달이 걸렸습니다. 이건 쉬울 것 같아요... 아니면 그렇게 생각했어요.

데이터베이스 결정

Lambda에 대한 SQLite의 제한으로 인해 SQLAlchemy 지식과의 호환성을 유지하면서 PostgreSQL Aurora Serverless를 고려하게 되었습니다. 이중 핸들러를 만들었습니다:

<code>services:
  backend:
    build: ./backend
    container_name: investment-portfolio-backend
    environment:
      - DB_DIR=/data/db
      - LOG_DIR=/data/logs
      - DOMAIN=${DOMAIN:-localhost}
    volumes:
      - /path/to/your/data:/data
    networks:
      - app-network

  frontend:
    build:
      context: ./frontend
      args:
        - DOMAIN=${DOMAIN:-localhost}
        - USE_HTTPS=${USE_HTTPS:-false}
    container_name: investment-portfolio-frontend
    environment:
      - DOMAIN=${DOMAIN:-localhost}
      - USE_HTTPS=${USE_HTTPS:-false}
    ports:
      - "80:80"
    depends_on:
      - backend
    networks:
      - app-network</code>

람다 학습 곡선

Flask 애플리케이션을 Lambda 함수로 변환하는 작업은 예상보다 더 복잡했습니다. 나의 초기 시도는 서툴렀습니다:

<code>| Date       | Min.Temp | Min.Kleur   | Max.Temp | Max.Kleur   |
----------------------------------------------------------------
| 2023-03-01 |   -4.1°C | darkblue   |    7.1°C | lightblue  |
| 2023-03-02 |    1.3°C | blue       |    6.8°C | lightblue  |
...</code>

유지관리성을 향상시키기 위해 데코레이터를 만들었습니다.

<code>@contextmanager
def db_session():
    # ... (code for environment-aware database session management) ...</code>

향상된 Lambda 함수 구조:

<code># ... (initial, inefficient Lambda handler code) ...</code>

그러나 이로 인해 원래 Flask 경로가 중단되었습니다. 새로운 데코레이터로 이중 기능이 가능해졌습니다:

<code>def lambda_response(func):
    # ... (decorator for cleaner Lambda responses) ...</code>

일관적인 응답을 보장하는 지원 기능:

<code>@lambda_response
def get_portfolios(event, context):
    # ... (simplified Lambda function) ...</code>

이를 통해 Flask와 Lambda 모두에 동일한 경로를 사용할 수 있습니다.

<code>def dual_handler(route_path, methods=None):
    # ... (decorator for both Flask routes and Lambda handlers) ...</code>

프런트엔드 단순성

프런트엔드는 간단했습니다. S3 정적 웹 사이트 호스팅 및 CloudFront는 간편한 배포를 제공했습니다. 간단한 스크립트가 프런트엔드를 S3에 업로드하고 CloudFront 캐시를 무효화했습니다.

<code>def create_lambda_response(flask_response):
    # ... (function to convert Flask response to Lambda response format) ...

def create_flask_request(event):
    # ... (function to convert Lambda event to Flask request) ...</code>

결과

몇 주 동안 작업한 후 내 애플리케이션은 서버리스 상태였습니다. 보안 문제로 인해 온라인에 보관하지는 않지만 귀중한 교훈을 얻었습니다.

1. Python의 기능은 스크립팅 그 이상입니다.
2. AWS 프리 티어는 개발에 매우 ​​중요합니다.
3. CloudWatch Logs는 디버깅에 필수적입니다.
4. "올바른" 방식이 항상 AWS 방식은 아닙니다.

이것을 반복할까요? 아마도 그렇지 않을 것입니다. 하지만 그 여정은 보람찼고 Python과 듀얼 스택 개발에 대해 가르쳐주었습니다. 이제 내 투자 포트폴리오 관리자가 내 개인 네트워크에서 안전하게 실행됩니다.

위 내용은 Docker에서 Lambda까지: Python 애플리케이션을 향한 AWS 관리자의 여정의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!