기본 콘텐츠로 건너뛰기

nginx에서 flask로의 proxy pass (reverse proxy)

nginx에서 flask로의 proxy pass (reverse proxy)

가볍고 속도가 빠른 Nginx를 메인으로 사용하고, 실제 API등의 처리는 호환성 및 라이브러리가 다양한 Flask를 사용하는 환경을 구축하게 됐다. 두 개의 서버가 돌아가고 있는 상황인데, 외부에서 Flask에 직접 설정할 수 없도록 로컬 포트를 할당해준다. 그리고 Nginx의 특정 패스로 접근하면, Flask로 proxy pass하여 Flask에서 내용을 처리하도록 설정한다.

우선은 Flask 샘플코드를 사용하여, 정상적으로 실행되는지 확인하자. 아래의 코드는 Flask의 특정 경로로 접근할 시, Plain text를 반환하는 코드이다.

from flask import Flask app = Flask(__name__) @app.route('/hi') def hi(): return 'hi!' @app.route('/hello') def hello(): return 'hello!' app.run(host='0.0.0.0', port='5000') /hi 로 접근하면 hi! 를, /hello 로 접근하면 hello! 를 반환하는 Flask 샘플코드.

http://:5000/hi 를 요청하면 hi! 가, http://:5000/hello 를 요청하면 hello! 가 반환되는 샘플코드다. 현재는 외부포트에 바인딩했기 때문에 외부에서 직접 접속이 가능하다. 제대로 실행됐는지 확인해보자. 별다른 이상이 없다면, 브라우저에 hi! 와 hello! 가 출력되는 것을 확인할 수 있다. 여기까지 진행이 완료됐다면 로컬바인딩으로 변경하도록 하자. 로컬바인딩으로 변경하기 위해선 app.run(host='0.0.0.0', port='5000') 로 설정한 값을 app.run(host='127.0.0.1', port='5000') 로 변경하면 된다. 내부포트로 설정됐다면 동일하게 요청했을 때, HTTP 상태 코드값이 404로 반환된다. 여기까지 Flask의 설정은 끝.

다음은 nginx의 설정이다. nginx에 /flask/ 라는 경로로 요청이 들어올 경우, 이 요청에 대한 처리는 flask에게 넘길 것이다. 이를 위해서는 nginx의 server설정에 다음과 같이 location 설정을 추가해주면 된다.

location /flask/ { proxy_pass http://127.0.0.1:5000; } /flask 경로로 들어온 요청에 대한 처리는, Flask에게 떠넘긴다.

이제 nginx를 실행시키고, http://:/flask/hi 를 입력해보자. 아마 HTTP 상태 코드가 404로 반환될 것이다. Flask의 콘솔을 확인해보자.

* Running on http://127.0.0.1:5000/ (Press CTRL+C >to quit) 127.0.0.1 - - [02/Jan/1970 02:16:02] "GET /flask/>hi HTTP/1.0" 404 - Flask로 요청이 proxy pass되긴 했는데, 경로가 /hi 가 아닌 /flask/hi 로 되어있다.

경로가 아무래도 이상하다. Nginx에게 /flask/hi 로 요청했으니 Flask에게 /hi 로 요청이 들어갈것으로 기대했지만, Nginx가 요청받은 경로 전체를 Flask에게 전달했기 때문에 이러한 일이 발생한 것이다.

Nginx의 proxy pass설정에 다음과 같이 rewrite 구문을 추가하여, /flask/hi 로 전달되는 경로에서 /flask 를 지워주도록 하자.

location /flask/ { rewrite ^/flask(/.*)$ $1 break; proxy_pass http://127.0.0.1:5000; } /flask 로 경로가 전달되면, /flask 의 내용을 /flask 뒤에 따라오는 내용으로 재작성하겠다는 rewrite 구문을 추가해준다.

설정파일을 저장하고 Nginx를 다시 실행한 뒤, 다시 한 번 http://:/hi 로 요청해보자. hi! 가 출력되는 것을 확인할 수 있다. 이렇게 간단하게 proxy pass의 설정이 가능하다.

Flask를 사용했지만 사실 다른 서버를 사용하더라도, 동일하게 proxy pass를 설정하여 nginx로 들어오는 요청에 대한 처리를 다른 서버에게 위임할 수 있다. :)

from http://zerodice0.tistory.com/201 by ccl(A)

댓글

이 블로그의 인기 게시물

스프링 프레임워크(Spring Framework)란?

스프링 프레임워크(Spring Framework)란? "코드로 배우느 스프링 웹 프로젝트"책을 개인 공부 후 자료를 남기기 위한 목적이기에 내용 상에 오류가 있을 수 있습니다. '스프링 프레임워크'가 무엇인지 말 할 수 있고, 해당 프레임워크의 특징 및 장단점을 설명할 수 잇는 것을 목표로합니다. 1. 프레임워크란? 2. 스프링 프레임워크 "뼈대나 근간을 이루는 코드들의 묶음" Spring(Java의 웹 프레임워크), Django(Python의 웹 프레임워크), Flask(Python의 마이크로 웹 프레임워크), Ruby on rails(Ruby의 웹 프레임워크), .NET Framework, Node.js(Express.js 프레임워크) 등등. 프레임워 워크 종류 : 3. 개발 시간을 단축할 수 있다. 2. 일정한 품질이 보장된 결과물을 얻을 수 있다. 1. 실력이 부족한 개발자라 허다러도 반쯤 완성한 상태에서 필요한 부분을 조립하는 형태의 개발이 가능하다. 프레임워크를 사용하면 크게 다음 3가지의 장점 이 있습니다. 프레임워크 이용 한다는 의미 : 프로그램의 기본 흐름이나 구조를 정하고, 모든 팀원이 이 구조에 자신의 코드를 추가하는 방식으로 개발 한다. => 이러한 상황을 극복하기 위한 코드의 결과물이 '프레임워크' 입니다. 개발자는 각 개개인의 능력차이가 크고, 따라서 개발자 구성에 따라서 프로젝트의 결과 차이가 큽니다. 2. 스프링 프레임워크(Spring Framework) 자바 플랫폼을 위한 오픈 소스 애플리케이션 스프링의 다른 프레임워크와 가장 큰 차이점은 다른 프레임워크들의 포용 입니다. 이는 다시말해 기본 뼈대를 흔들지 않고, 여러 종류의 프레임워크를 혼용해서 사용할 수 있다는 점입니다. 대한민국 공공기관의 웹 서비스 개발 시 사용을 권장하고 있는 전자정부 표준프레임워크 이다. 여러 프레임워크들 중 자바(JAV...

[GCP] Flask로 TF 2.0 MNIST 모델 서빙하기

[GCP] Flask로 TF 2.0 MNIST 모델 서빙하기 Google Cloud Platform 우선 TensorFlow 2.0을 설치하자. 머신에 직접 설치하거나 도커를 다운받아 사용, 혹은 구글 colab을 활용( https://www.tensorflow.org/install)하면 되는데, TensorFlow에서 권장하는대로 머신에 VirtualEnv를 활용해서 설치하자 ( https://www.tensorflow.org/install/pip). 설치하는 김에 Flask도 같이 설치해보자. Compute Machine 하나를 생성(크게 부담 없는 예제라 g1 instance)하고, SSH를 연결하여 실행하면 된다. $ sudo apt update $ sudo apt install python3-dev python3-pip $ sudo pip3 install -U virtualenv # 굳이 system-wide로 flask를 설치할 필요는 없지만 그렇게 했다. $ sudo pip3 install flask $ sudo pip3 install flask-restful # virtualenv 환경에서 tensorflow 2.0 설치 $ virtualenv --system-site-packages -p python3 ./venv $ source ./venv/bin/activate # sh, bash, ksh, or zsh (venv) $ pip install --upgrade pip (venv) $ pip install --upgrade tensorflow 모든 환경이 마련되었으니, 우선 MNIST 모델을 TF 2.0으로 Training하여 모델을 Save 해 두자(tf_mnist_train.py). 대략 99% 이상 정확도가 나온다! import tensorflow as tf import numpy as np # 학습 데이터 load ((train_data, train_label), (eval_data, eval_label)) = tf....

Coupang CS Systems 채용 정보: 쿠팡 운용 관리 시스템을 구축 하고...

Coupang CS Systems 채용 정보: 쿠팡 운용 관리 시스템을 구축 하고... Global Operation Technology는 상품을 고객에게 지연 없이 전달 될 수 있도록 하는 조직입니다. 1997년, 초창기 아마존에 입사한다고 상상해보세요. 그 당시 누구도 e-commerce 산업이, 아마존이라는 회사가 지금처럼 성장하리라고는 생각하지 못했을 것입니다. 하지만, 그 당시 아마존을 선택한 사람들은 e-commerce 산업을 개척했고, 아마존을 세계적인 회사로 성장시켰습니다. 2016년 '아시아의 아마존'으로 성장하고 있는 쿠팡, 당신에게 매력적인 선택이 아닐까요? Global Operation Technology: eCommerce에서 주문을 한 뒤 벌어지는 상황에 대해서 호기심을 가져보신 적이 있나요? Global Operation Technology는 상품을 고객에게 지연 없이 전달 될 수 있도록 하는 조직입니다. 매일 최첨단 소프트웨어 기술을 이용해 고객의 주문을 받고 상품을 어느 창고에서 출고 시킬지, 포장을 하나의 박스 또는 여러 개로 나눌 것인지, 어떤 배송 루트를 선택하고 어떻게 고객에게 배송 상태를 보여줄지 결정하는 시스템과 서비스를 개발 합니다. What Global Operations Technology does: CS and C-Returns System 적극적 고객서비스를 바탕으로 고객의 목소리를 통해 끊임없이 고객 에게 서비스를 제공하고 Andon 메커니즘을 통해 고객의 목소리를 회사 전체와 공유합니다. 그리고 고객 문제 해결과 구매 이후 벌어질 수 있는 고객 문제를 사전에 예방하기 위한 시스템 개발을 통해 미래의 상황을 예측 합니다. Tranportation System TSP (Traveling Salesman Problem) 와 같은 CS 최적화 관리 문제를 다룹니다.배송 물품의 실시간 추적, 3P 하드웨어와 소프트웨어를 통합, 각 배송 루트에 할당되는 물량 예측하고 T...