Cloud Insightplex

ChatGPT Chatbot Slack에 ChatGPT를 연동하여 간단한 챗봇을 구현하는 작업은 이미 너무 유명하여 구글링만 해봐도 수 십개의 관련 블로그글이 검색된다. 가장 기본적인 방식은 AWS Lambda를 활용한 구현인데, 이번에 우리는 람다대신 Tencent cloud SCF로 메신저에 ChatGPT 챗봇을 만들어보기로 한다. JANDI 이번에는 슬랙 대신 JANDI라는 메신저를 활용할 예정이다. 사내에서 사용하는 메신저를 겸한 협업툴인데 메신저 내에서 이미 '잔디커넥트'라는 자체기능을 지원하고 있다. 기본적인 웹훅 기능뿐 아니라, 아틀라시안 툴이나 깃허브 등을 연동하여 커밋 변경사항이 생기면 메신저를 통해 알람을 받는 것이 가능하다. 슬랙의 경우 인터랙티브 응답 시, 슬랙서버로부터 요청을 받은..

Tencent cloud Auto Scaling Auto Scaling은 클라우드 시스템 자원을 필요에 따라 자동으로 추가하고 제거하는 스케일링 시스템이다. 이 글에서는 간단한 실습을 통해 콘솔에서 Tencent cloud Auto Scaling을 체험하는 내용을 담았다. 트래픽을 먹고사는 복제토끼🐰 Scale-out의 결과를 시각적으로 구현하기로 한다. 우선 CVM 인스턴스 1대를 토끼 한 마리로 가정한다. Auto Scaling 설정을 완료하고, 인위적으로 서버에 트래픽을 날려 부하를 준 뒤 스케일링을 통해 인스턴스가 추가되면 추가된 인스턴스 수에 따라 클라이언트의 웹 페이지에 토끼가 한 마리씩 추가되는 로직이다. 매우 간단한 시각화를 통해 Tencent cloud의 CVM이나COS 같은 다른 서비스..

>> 이전글에 이어 CVM 세팅하기 이제 본격적으로 CVM을 세팅한다. 총 5대의 CVM을 프로비저닝 하면 되는데, Bastion host용으로 사용할 CVM은 Public subnet에 두고, 나머지 4대의 가상머신은 Web server와 WAS로 쓸 것이기 때문에 모두 private subnet에 배치한다. 세팅이 끝나면 위와 같은 상태가 되어야 한다. 테스트 목적이므로 적당한 스펙과 이미지를 선택하여 인스턴스를 생성한다. 이때 각각 인스턴스가 속한 서브넷이 설계한 아키텍처에 맞게 설정되어야 한다. Nginx 설치 및 세팅 서로 다른 AZ의 private subnet에 위치한 인스턴스 2대에 웹서버를 설치한다. 여기서는 Nginx를 기준으로 한다. 콘솔을 통해 직접 로그인 하거나, 먼저 점프서버 역할..

3-tier architecture3-tier 아키텍쳐란 일반적으로 비즈니스 로직을 프레젠테이션 계층 , 애플리케이션 계층 , 데이터베이스 계층으로 물리적/논리적으로 분리하여 구현하는 설계를 뜻한다. 이러한 계층 구성을 통해 고가용성 보장과 유연한 서비스 설계가 가능하다. 보통 프론트엔드, 백엔드, 데이터베이스의 기본 구성으로 이해해도 좋다. 이 글에는 Tencent cloud의 클라우드 상품들로 간단한 3-tier 아키텍쳐를 만들어보는 과정을 담았다. 아키텍처 일반적인 클라우드의 N-tier 아키텍처와 다르지 않다. 1개의 VPC에 2개의 가용영역을 구성하여 각각 4개의 서브넷으로 분리하고 (Public subnet x 1 , Private subnet x 3) Private subnet에 Web se..

이 글에서는 Tencent cloud의 serverless 서비스인 SCF와 API Explorer에서 제공하는 OCR API를 이용해서 아주 간단한 OCR 로직을 구현하는 방법을 소개한다. 준비물 1) Tencent cloud SCF (AWS lambda와 같은 서버리스 서비스) 2) Tencent cloud OCR API 3) Tencent cloud COS _(AWS S3의 역할을 할 오브젝트 스토리지 서비스) 아키텍처 구현할 로직의 간단한 아키텍처를 그려보면 위와 같다. 1) 유저가 COS 버킷에 텍스트 추출이 필요한 이미지 파일을 업로드 하면, 2) COS Bucket 업로드 이벤트를 트리거로 하여 SCF 함수가 실행되고 3) SCF 함수에서는 OCR API를 호출하고 결과값을 JSON으로 리턴..