본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. (https://fastcampus.info/4oKQD6b)
학습 후기
오늘은 Chapter Part.2 머신러닝 상품화 내용에서 컨테이너를 직접 빌드하고 실행해 보면서 도커의 작동 원리를 파악해 보았습니다.
일단, 먼저 기본적인 도커파일을 작성해보고 실행해 보았는데요, 실행 과정을 간략히 요약해 드리면 먼저 python 3.8로 베이스 이미지를 저정하고, COPY 명령어로 로컬의 실행 파일을 컨테이너 내부로 복사했습니다. 그리고 이미지를 생성했을때, 레이어 단위로 캐싱되어 빌드되는 과정을 로그를 통해 확인했습니다. 그 후 실행 명령어로 컨테이너를 띄우고, 파이썬 스크립트가 실행 된 후 종료되는 전체 라이프 사이클을 경험해 보았습니다.
그리고 이제 ngnix로 웹서버 컨테이너를 구동해보았는데 이건 이미지를 pull해와서 공식 이미지를 다운로드, 포트포워딩을 하여 접속확인후, 컨테이너 내부의 웹 서버가 정상 작동함을 확인했습니다. 그리고 머신러닝 환경도 구축을 해보았는데, 의존성 관리에 필요한 내용들을 명시하고, 도커파일 내에서 설치하여 실행하는 ML 환경 구축을 실습해 보았습니다. 그리고 붗꽃 데이터를 로드하여 랜덤포레스트 모델을 학습시키는 파이선 코드를 컨티에너 내에서 직접 실행해 보면서? 어떤 서버든 도커만 설치되어 있으면 모델 학습이 가능하다를 깨달았습니다.
가장 흥미로웠던 점은 이제 컨테이너 내부가 적극적으로 분리가 되어 있다는 점이였습니다. 실제 컨테이너 내에 들어갔을때 일반적인 구성과 다른 리눅스 파일 시스템이 되어있는것을 보아서 아무리 내 파일을 수정해도, 내 컴퓨터에 아무런 영향이 없는걸 깨달으면서, 인프라적 지식이 매우 중요함을 깨달았습니다. 그러면서 컨테이너는 나만의 네트워크를 가지지만, 복잡한 네트워크 서정 없이도 서비스를 구축할수 있다는걸 깨달았습니다. 그러면서 회사에서도 나중에 추천모델을 개발할때 환경 안정성, 격리를 잘 시켜야 안정적으로 서비스를 굴러가게 할수 있도록 구축해야겠다고 생각합니다.
