1. 1. 기본 요건
예상 소요 시간: 1~2시간
이 Codelab을 실행하는 데는 로컬 테스트 또는 집계 서비스의 두 가지 모드가 있습니다. 로컬 테스트 모드를 사용하려면 로컬 머신과 Chrome 브라우저가 필요합니다 (Google Cloud 리소스 생성/사용 불가). 집계 서비스 모드를 사용하려면 Google Cloud에 집계 서비스를 완전히 배포해야 합니다.
두 모드 중 하나에서 이 Codelab을 실행하려면 몇 가지 기본 요건이 필요합니다. 각 요구사항은 로컬 테스트와 집계 서비스 중 어느 것에 필요한지에 따라 표시되어 있습니다.
1.1. 등록 및 증명 완료 (집계 서비스)
개인 정보 보호 샌드박스 API를 사용하려면 Chrome과 Android 모두에서 등록 및 증명을 완료해야 합니다.
1.2. 광고 개인 정보 보호 API 사용 설정 (로컬 테스트 및 집계 서비스)
Google에서 개인 정보 보호 샌드박스를 사용할 예정이므로 개인 정보 보호 샌드박스 광고 API를 사용 설정하는 것이 좋습니다.
브라우저에서 chrome://settings/adPrivacy로 이동하여 모든 광고 개인 정보 보호 API를 사용 설정합니다.
또한 서드 파티 쿠키를 사용 설정해야 합니다.
chrome://settings/cookies부터는 서드 파티 쿠키가 차단되지 않고 있는지 확인하세요. Chrome 버전에 따라 이 설정 메뉴에 다른 옵션이 표시될 수 있지만 허용되는 구성은 다음과 같습니다.
- '모든 서드 파티 쿠키 차단' = 사용 중지됨
- '서드 파티 쿠키 차단' = 사용 중지됨
- '시크릿 모드에서 서드 파티 쿠키 차단' = 사용 설정됨
1.3. 로컬 테스트 도구 다운로드 (로컬 테스트)
로컬 테스트를 사용하려면 로컬 테스트 도구를 다운로드해야 합니다. 이 도구는 암호화되지 않은 디버그 보고서에서 요약 보고서를 생성합니다.
로컬 테스트 도구는 GitHub의 Cloud 함수 JAR 보관 파일에서 다운로드할 수 있습니다. 이름은 LocalTestingTool_{version}.jar로 지정되어야 합니다.
1.4. JAVA JRE가 설치되어 있는지 확인하세요 (Local Testing and Aggregation Service).
"Terminal"을 열고 java --version를 사용하여 머신에 Java 또는 openJDK가 설치되어 있는지 확인합니다.
설치되지 않은 경우 Java 사이트 또는 openJDK 사이트에서 다운로드하여 설치할 수 있습니다.
1.5. aggregatable_report_converter (로컬 테스트 및 집계 서비스) 다운로드
개인 정보 보호 샌드박스 데모 GitHub 저장소에서 aggregatable_report_converter의 사본을 다운로드할 수 있습니다. GitHub 저장소에는 IntelliJ 또는 Eclipse 사용이 언급되지만, 두 가지 모두 필수는 아닙니다. 이 도구를 사용하지 않는 경우 JAR 파일을 로컬 환경으로 대신 다운로드합니다.
1.6. GCP 환경 (집계 서비스) 설정
집계 서비스는 클라우드 제공업체를 사용하는 신뢰할 수 있는 실행 환경을 사용해야 합니다. 이 Codelab에서는 집계 서비스를 GCP에 배포하지만 AWS도 지원됩니다.
GitHub의 배포 안내에 따라 gcloud CLI를 설정하고, Terraform 바이너리와 모듈을 다운로드하고, 집계 서비스용 GCP 리소스를 만듭니다.
배포 안내의 주요 단계:
- 'gcloud' 설정 사용자 환경에서 CLI 및 Terraform을 사용할 수 있습니다.
- Terraform 상태를 저장할 Cloud Storage 버킷 만들기
- 종속 항목을 다운로드합니다.
adtech_setup.auto.tfvars를 업데이트하고adtech_setupTerraform을 실행합니다.adtech_setup.auto.tfvars파일의 예는 부록을 참조하세요. 여기에서 만든 데이터 버킷의 이름을 확인합니다. 이 이름은 Codelab에서 만든 파일을 저장하는 데 사용됩니다.dev.auto.tfvars를 업데이트하고 배포 서비스 계정을 가장한 다음devTerraform을 실행합니다.dev.auto.tfvars파일의 예는 부록을 참조하세요.- 배포가 완료되면 이후 단계에서 집계 서비스에 요청하는 데 필요한 Terraform 출력에서
frontend_service_cloudfunction_url를 캡처합니다.
1.7. 집계 서비스 온보딩 완료 (집계 서비스)
집계 서비스를 이용하려면 코디네이터의 온보딩이 필요합니다. 보고 사이트 및 기타 정보를 제공하고 'Google Cloud'를 선택한 후 서비스 계정 주소를 입력하여 집계 서비스 온보딩 양식을 작성합니다. 이 서비스 계정은 이전 기본 요건 (1.6. GCP 환경 설정). (힌트: 제공된 기본 이름을 사용하는 경우 이 서비스 계정은 'worker-sa@'로 시작합니다.)
온보딩 절차가 완료되는 데 최대 2주가 걸릴 수 있습니다.
1.8. API 엔드포인트를 호출할 방법을 결정합니다 (집계 서비스).
이 Codelab에서는 Aggregation Service API 엔드포인트를 호출하는 두 가지 옵션인 cURL과 Postman을 제공합니다. cURL은 최소한의 설정과 추가 소프트웨어가 필요하지 않으므로 터미널에서 API 엔드포인트를 호출하는 더 빠르고 쉬운 방법입니다. 그러나 cURL을 사용하지 않으려는 경우 대신 Postman을 사용하여 API 요청을 실행하고 저장하여 나중에 사용할 수 있습니다.
섹션 3.2 집계 서비스 사용량을 선택하면 두 옵션 사용에 대한 자세한 안내가 제공됩니다. 지금 미리보기를 통해 어떤 메서드를 사용할지 결정할 수 있습니다. Postman을 선택한 경우 다음 초기 설정을 수행합니다.
1.8.1. 작업공간 설정
Postman 계정에 가입합니다. 가입하면 작업공간이 자동으로 생성됩니다.
작업공간이 생성되지 않은 경우 '작업공간'으로 이동하세요. 상단 탐색 항목을 열고 '작업공간 만들기'를 선택합니다.
'빈 작업공간'을 선택하고 다음을 클릭하여 'GCP 개인 정보 보호 샌드박스'라는 이름을 지정합니다. '개인'을 선택합니다. '만들기'를 클릭합니다
사전 구성된 작업공간 JSON 구성 및 전역 환경 파일을 다운로드합니다.
두 JSON 파일을 '내 작업공간'으로 가져오기 ‘가져오기’를 통해 버튼을 클릭합니다.
이렇게 하면 'GCP 개인 정보 보호 샌드박스'가 생성됩니다. createJob 및 getJob HTTP 요청과 함께 자동으로 제공됩니다.
1.8.2. 승인 설정하기
'GCP 개인 정보 보호 샌드박스'를 클릭합니다. 컬렉션으로 이동하여 'Authorization'으로 이동합니다. 탭
이 실습에서는 'Bearer Token'을 사용하여 메서드를 사용하여 축소하도록 요청합니다. 터미널 환경에서 이 명령어를 실행하고 출력을 복사합니다.
gcloud auth print-identity-token
그런 다음 이 토큰 값을 '토큰' 입력란에 다음 URL을 입력합니다.
1.8.3. 환경 설정
'환경 개요'로 이동합니다. 을 클릭합니다.
'수정'을 클릭합니다. '현재 값'을 'environment', 'region', 'cloud-function-id'
'request-id'는 나중에 채워지므로 지금은 비어 있습니다. 다른 필드에는 기본 요건 1.6에서 Terraform 배포를 성공적으로 완료한 후 반환된 frontend_service_cloudfunction_url의 값을 사용합니다. URL은 https:// 형식을 따릅니다.
2. 2. 로컬 테스트 Codelab
예상 소요 시간: 1시간 미만
컴퓨터에서 로컬 테스트 도구를 사용하여 집계를 수행하고 암호화되지 않은 디버그 보고서를 사용하여 요약 보고서를 생성할 수 있습니다. 시작하기 전에 '로컬 테스트'라는 라벨이 지정된 모든 기본 요건을 완료했는지 확인하세요.
Codelab 단계
2.1단계: 보고서 트리거: 보고서를 수집할 수 있도록 비공개 집계 보고를 트리거합니다.
2.2단계: 디버그 AVRO 보고서 만들기: 수집된 JSON 보고서를 AVRO 형식의 보고서로 변환합니다. 이 단계는 adTech가 API 보고 엔드포인트에서 보고서를 수집하고 JSON 보고서를 AVRO 형식의 보고서로 변환하는 경우와 유사합니다.
2.3단계: 버킷 키 검색: 버킷 키는 adTechs에서 설계합니다. 이 Codelab에서는 버킷이 사전 정의되어 있으므로 제공된 대로 버킷 키를 검색합니다.
2.4단계: 출력 도메인 AVRO 만들기: 버킷 키를 가져온 후 출력 도메인 AVRO 파일을 만듭니다.
2.5단계: 요약 보고서 만들기: 로컬 테스트 도구를 사용하여 로컬 환경에서 요약 보고서를 만들 수 있습니다.
2.6단계. 요약 보고서 검토: 로컬 테스트 도구에서 생성한 요약 보고서를 검토합니다.
2.1. 트리거 보고서
비공개 집계 보고서를 트리거하려면 개인 정보 보호 샌드박스 데모 사이트 (https://privacy-sandbox-demos-news.dev/?env=gcp) 또는 자체 사이트 (예: https://adtechexample.com)를 사용하면 됩니다. 자체 사이트를 사용 중이며 등록을 완료하지 않은 경우 증명 및 집계 서비스 온보딩의 경우 Chrome 플래그 및 CLI 전환을 사용해야 합니다.
이 데모에서는 개인 정보 보호 샌드박스 데모 사이트를 사용해 보겠습니다. 링크를 따라 사이트로 이동합니다. 그러면 chrome://private-aggregation-internals에서 보고서를 볼 수 있습니다.
{reporting-origin}/.well-known/private-aggregation/debug/report-shared-storage 엔드포인트로 전송된 보고서는 '보고서 본문'에서도 찾을 수 있습니다. Chrome 내부 페이지에서 확인할 수 있습니다
여기에 많은 보고서가 표시될 수 있지만 이 Codelab에서는 GCP와 관련이 있고 디버그 엔드포인트에서 생성되는 집계 가능한 보고서를 사용하세요. '보고서 URL' '/debug/'를 포함합니다. 및 '보고서 본문'의 aggregation_coordinator_origin field https://publickeyservice.msmt.gcp.privacysandboxservices.com을 포함합니다.
2.2. 디버그 집계 가능한 보고서 만들기
'보고서 본문'에 있는 보고서를 복사합니다. chrome://private-aggregation-internals의 파일을 가져와서 privacy-sandbox-demos/tools/aggregatable_report_converter/out/artifacts/aggregatable_report_converter_jar 폴더에 JSON 파일을 만듭니다 (사전 요건 1.5에서 다운로드한 저장소 내).
이 예에서는 Linux를 사용하므로 vim을 사용합니다. 그러나 텍스트 편집기는 원하는 대로 사용할 수 있습니다.
vim report.json
보고서를 report.json에 붙여넣고 파일을 저장합니다.
그런 다음 aggregatable_report_converter.jar를 사용하여 집계 가능한 디버그 보고서를 만듭니다. 이렇게 하면 현재 디렉터리에 report.avro라는 집계 가능한 보고서가 생성됩니다.
java -jar aggregatable_report_converter.jar \
--request_type convertToAvro \
--input_file report.json \
--debug
2.3. 보고서에서 버킷 키 가져오기
output_domain.avro 파일을 만들려면 보고서에서 가져올 수 있는 버킷 키가 필요합니다.
버킷 키는 adTech에서 설계합니다. 하지만 이 경우에는 개인 정보 보호 샌드박스 데모 사이트에서 버킷 키를 만듭니다. 이 사이트의 비공개 집계는 디버그 모드이므로 '보고서 본문'의 debug_cleartext_payload를 사용할 수 있습니다. 버킷 키를 가져옵니다
계속해서 보고서 본문에서 debug_cleartext_payload를 복사합니다.
goo.gle/ags-payload-decoder를 열고 'INPUT'에 debug_cleartext_payload을 붙여넣습니다. '디코딩'을 클릭합니다.
이 페이지는 버킷 키의 십진수 값을 반환합니다. 다음은 샘플 버킷 키입니다.
2.4. 출력 도메인 AVRO 만들기
이제 버킷 키가 있으므로 작업한 것과 동일한 폴더에 output_domain.avro를 만들어 보겠습니다. 버킷 키를 가져온 버킷 키로 바꿔야 합니다.
java -jar aggregatable_report_converter.jar \
--request_type createDomainAvro \
--bucket_key <bucket key>
이 스크립트는 현재 폴더에 output_domain.avro 파일을 생성합니다.
2.5. 로컬 테스트 도구를 사용하여 요약 보고서 만들기
기본 요건 1.3에서 다운로드한 LocalTestingTool_{version}.jar를 사용하여 아래 명령어로 요약 보고서를 생성합니다. {version}을 다운로드한 버전으로 바꿉니다. LocalTestingTool_{version}.jar를 현재 디렉터리로 이동하거나 현재 위치를 참조할 상대 경로를 추가해야 합니다.
java -jar LocalTestingTool_{version}.jar \
--input_data_avro_file report.avro \
--domain_avro_file output_domain.avro \
--output_directory .
명령어를 실행하면 다음과 유사한 내용이 표시됩니다. 이 작업이 완료되면 output.avro 보고서가 생성됩니다.
2.6. 요약 보고서 검토
생성되는 요약 보고서는 AVRO 형식입니다. 이 파일을 읽으려면 AVRO를 JSON 형식으로 변환해야 합니다. 애드테크는 AVRO 보고서를 다시 JSON으로 변환하는 코드를 작성하는 것이 이상적입니다.
aggregatable_report_converter.jar를 사용하여 AVRO 보고서를 다시 JSON으로 변환합니다.
java -jar aggregatable_report_converter.jar \
--request_type convertToJson \
--input_file output.avro
그러면 아래와 유사한 보고서가 반환됩니다. 동일한 디렉터리에 output.json 보고서가 함께 생성됩니다.
Codelab 완료
요약: 디버그 보고서를 수집하고, 출력 도메인 파일을 구성했으며, 집계 서비스의 집계 동작을 시뮬레이션하는 로컬 테스트 도구를 사용하여 요약 보고서를 생성했습니다.
다음 단계: 이제 로컬 테스트 도구를 실험했으므로 자체 환경에 집계 서비스를 실시간으로 배포하여 동일한 실습을 시도해 볼 수 있습니다. 기본 요건을 다시 살펴보고 '집계 서비스'의 모든 설정을 완료했는지 확인하세요. 3단계로 진행합니다.
3. 3. 집계 서비스 Codelab
예상 소요 시간: 1시간
시작하기 전에 '집계 서비스'라는 라벨이 지정된 모든 기본 요건을 완료했는지 확인하세요.
Codelab 단계
3.1단계. 집계 서비스 입력 생성: 집계 서비스에 대해 일괄 처리되는 집계 서비스 보고서를 만듭니다.
- 3.1.1단계. 트리거 보고서
- 3.1.2단계. 집계 가능한 보고서 수집
- 3.1.3단계. 보고서를 AVRO로 변환
- 3.1.4단계. output_domain AVRO 만들기
- 3.1.5단계. Cloud Storage 버킷으로 보고서 이동
3.2단계: 집계 서비스 사용량: Aggregation Service API를 사용하여 요약 보고서를 만들고 요약 보고서를 검토합니다.
- 3.2.1단계.
createJob엔드포인트를 사용하여 일괄 처리 - 3.2.2단계.
getJob엔드포인트를 사용하여 배치 상태 가져오기 - 3.2.3단계. 요약 보고서 검토하기
3.1. 집계 서비스 입력 생성
계속해서 집계 서비스에 일괄 처리하기 위한 AVRO 보고서 만들기를 진행합니다. 이 단계의 셸 명령어는 기본 요건의 종속 항목이 Cloud Shell 환경에 클론된 경우에 한해 GCP의 Cloud Shell 내에서 실행하거나 로컬 실행 환경에서 실행할 수 있습니다.
3.1.1. 트리거 보고서
링크를 따라 사이트로 이동합니다. 그러면 chrome://private-aggregation-internals에서 보고서를 볼 수 있습니다.
{reporting-origin}/.well-known/private-aggregation/debug/report-shared-storage 엔드포인트로 전송된 보고서는 '보고서 본문'에서도 찾을 수 있습니다. Chrome 내부 페이지에서 확인할 수 있습니다
여기에 많은 보고서가 표시될 수 있지만 이 Codelab에서는 GCP와 관련이 있고 디버그 엔드포인트에서 생성되는 집계 가능한 보고서를 사용하세요. '보고서 URL' '/debug/'를 포함합니다. 및 '보고서 본문'의 aggregation_coordinator_origin field https://publickeyservice.msmt.gcp.privacysandboxservices.com을 포함합니다.
3.1.2. 집계 가능한 보고서 수집
해당 API의 .well-known 엔드포인트에서 집계 가능한 보고서를 수집합니다.
- 비공개 집계:
{reporting-origin}/.well-known/private-aggregation/report-shared-storage - 기여도 보고서 - 요약 보고서:
{reporting-origin}/.well-known/attribution-reporting/report-aggregate-attribution
이 Codelab에서는 보고서 수집을 수동으로 실행합니다. 프로덕션에서 광고 기술은 프로그래매틱 방식으로 보고서를 수집하고 변환해야 합니다.
계속해서 'Report Body(보고서 본문)'에 JSON 보고서를 복사해 최저가: chrome://private-aggregation-internals
이 예에서는 Linux를 사용하므로 vim을 사용합니다. 그러나 텍스트 편집기는 원하는 대로 사용할 수 있습니다.
vim report.json
보고서를 report.json에 붙여넣고 파일을 저장합니다.
3.1.3. 보고서를 AVRO로 변환
.well-known 엔드포인트에서 수신된 보고서는 JSON 형식이며 AVRO 보고서 형식으로 변환해야 합니다. JSON 보고서가 있으면 report.json이 저장된 위치로 이동하고 aggregatable_report_converter.jar를 사용하여 집계 가능한 디버그 보고서를 만듭니다. 이렇게 하면 현재 디렉터리에 report.avro라는 집계 가능한 보고서가 생성됩니다.
java -jar aggregatable_report_converter.jar \
--request_type convertToAvro \
--input_file report.json
3.1.4. output_domain AVRO 만들기
output_domain.avro 파일을 만들려면 보고서에서 가져올 수 있는 버킷 키가 필요합니다.
버킷 키는 adTech에서 설계합니다. 하지만 이 경우에는 개인 정보 보호 샌드박스 데모 사이트에서 버킷 키를 만듭니다. 이 사이트의 비공개 집계는 디버그 모드이므로 '보고서 본문'의 debug_cleartext_payload를 사용할 수 있습니다. 버킷 키를 가져옵니다
계속해서 보고서 본문에서 debug_cleartext_payload를 복사합니다.
goo.gle/ags-payload-decoder를 열고 'INPUT'에 debug_cleartext_payload을 붙여넣습니다. '디코딩'을 클릭합니다.
이 페이지는 버킷 키의 십진수 값을 반환합니다. 다음은 샘플 버킷 키입니다.
이제 버킷 키가 있으므로 작업한 것과 동일한 폴더에 output_domain.avro를 만들어 보겠습니다. 버킷 키를 가져온 버킷 키로 바꿔야 합니다.
java -jar aggregatable_report_converter.jar \
--request_type createDomainAvro \
--bucket_key <bucket key>
이 스크립트는 현재 폴더에 output_domain.avro 파일을 생성합니다.
3.1.5. Cloud Storage 버킷으로 보고서 이동
AVRO 보고서와 출력 도메인이 생성되면 기본 요건 1.6에서 언급한 Cloud Storage의 버킷으로 보고서와 출력 도메인을 이동합니다.
로컬 환경에 gcloud CLI 설정이 있는 경우 아래 명령어를 사용하여 파일을 해당 폴더에 복사합니다.
gcloud storage cp report.avro gs://<bucket_name>/reports/
gcloud storage cp output_domain.avro gs://<bucket_name>/output_domain/
그렇지 않으면 파일을 버킷에 수동으로 업로드합니다. 'reports'라는 폴더를 만듭니다. 거기에 report.avro 파일을 업로드합니다. 'output_domains'라는 폴더를 만듭니다. 거기에 output_domain.avro 파일을 업로드합니다.
3.2. 집계 서비스 사용량
기본 요건 1.8에서 집계 서비스 엔드포인트에 대한 API 요청을 수행하기 위해 cURL 또는 Postman을 선택했음을 떠올려 보세요. 아래에서 두 가지 옵션에 대한 안내를 확인할 수 있습니다.
작업이 실패하고 오류가 발생하면 GitHub의 문제 해결 문서에서 진행 방법에 대한 자세한 내용을 확인하세요.
3.2.1. createJob 엔드포인트를 사용하여 일괄 처리
아래의 cURL 또는 Postman 안내를 사용하여 작업을 만듭니다.
cURL
'터미널'에서 요청 본문 파일 (body.json)을 만들고 아래에 붙여넣습니다. 자리표시자 값을 업데이트해야 합니다. 각 필드가 나타내는 항목에 관한 자세한 내용은 이 API 문서를 참고하세요.
{
"job_request_id": "<job_request_id>",
"input_data_blob_prefix": "<report_folder>/<report_name>.avro",
"input_data_bucket_name": "<bucket_name>",
"output_data_blob_prefix": "<output_folder>/<summary_report_prefix>",
"output_data_bucket_name": "<bucket_name>",
"job_parameters": {
"output_domain_blob_prefix": "<output_domain_folder>/<output_domain>.avro",
"output_domain_bucket_name": "<bucket_name>",
"attribution_report_to": "<reporting origin of report>",
"reporting_site": "<domain of reporting origin(s) of report>", // Only one of attribution_report_to or reporting_site is required as of v2.7.0
"report_error_threshold_percentage": "10",
"debug_run": "true"
}
}
아래 요청을 실행합니다. cURL 요청 URL의 자리표시자를 기본 요건 1.6에서 Terraform 배포가 성공적으로 완료된 후 출력되는 frontend_service_cloudfunction_url의 값으로 바꿉니다.
curl -H "Authorization: Bearer $(gcloud auth print-identity-token)" \
-d @body.json \
https://<environment>-<region>-frontend-service-<cloud-function-id>-uc.a.run.app/v1alpha/createJob
집계 서비스에서 요청을 수락하면 HTTP 202 응답을 받게 됩니다. 가능한 다른 응답 코드는 API 사양에 문서화되어 있습니다.
Postman
createJob 엔드포인트의 경우 요청 본문이 집계 서비스에 집계 가능한 보고서, 출력 도메인, 요약 보고서의 위치와 파일 이름을 제공해야 합니다.
createJob 요청의 '본문'으로 이동 탭에서 재생목록을 만들거나 노래 추가하기
제공된 JSON 내에서 자리표시자를 바꿉니다. 이러한 필드와 각 필드의 의미에 대한 자세한 내용은 API 문서를 참조하세요.
{
"job_request_id": "<job_request_id>",
"input_data_blob_prefix": "<report_folder>/<report_name>.avro",
"input_data_bucket_name": "<bucket_name>",
"output_data_blob_prefix": "<output_folder>/<summary_report_prefix>",
"output_data_bucket_name": "<bucket_name>",
"job_parameters": {
"output_domain_blob_prefix": "<output_domain_folder>/<output_domain>.avro",
"output_domain_bucket_name": "<bucket_name>",
"attribution_report_to": "<reporting origin of report>",
"reporting_site": "<domain of reporting origin(s) of report>", // Only one of attribution_report_to or reporting_site is required as of v2.7.0
"report_error_threshold_percentage": "10",
"debug_run": "true"
}
}
"보내기" createJob API 요청:
응답 코드는 페이지 하단에서 찾을 수 있습니다.
집계 서비스에서 요청을 수락하면 HTTP 202 응답을 받게 됩니다. 가능한 다른 응답 코드는 API 사양에 문서화되어 있습니다.
3.2.2. getJob 엔드포인트를 사용하여 배치 상태 가져오기
아래의 cURL 또는 Postman 안내를 사용하여 일자리를 구하세요.
cURL
터미널에서 아래 요청을 실행합니다. URL의 자리표시자를 createJob 요청에 사용한 URL인 frontend_service_cloudfunction_url의 값으로 바꿉니다. 'job_request_id'에는 createJob 엔드포인트로 만든 작업의 값을 사용합니다.
curl -H "Authorization: Bearer $(gcloud auth print-identity-token)" \
https://<environment>-<region>-frontend-service-<cloud-function-id>-uc.a.run.app/v1alpha/getJob?job_request_id=<job_request_id>
결과는 작업 요청 상태와 HTTP 상태 200을 반환합니다. 요청 '본문' 에는 job_status, return_message, error_messages (작업에 오류가 발생한 경우)와 같은 필수 정보가 포함됩니다.
Postman
작업 요청 상태를 확인하려면 getJob 엔드포인트를 사용하면 됩니다. 'Params'에서 getJob 요청의 섹션에서 job_request_id 값을 createJob 요청에서 전송된 job_request_id로 업데이트합니다.
"보내기" getJob 요청:
결과는 작업 요청 상태와 HTTP 상태 200을 반환합니다. 요청 '본문' 에는 job_status, return_message, error_messages (작업에 오류가 발생한 경우)와 같은 필수 정보가 포함됩니다.
3.2.3. 요약 보고서 검토하기
출력 Cloud Storage 버킷에서 요약 보고서를 받으면 로컬 환경으로 다운로드할 수 있습니다. 요약 보고서는 AVRO 형식이며 JSON으로 다시 변환할 수 있습니다. aggregatable_report_converter.jar를 사용하여 아래 명령어로 보고서를 읽을 수 있습니다.
java -jar aggregatable_report_converter.jar \
--request_type convertToJson \
--input_file <summary_report_avro>
이렇게 하면 아래와 비슷한 각 버킷 키에서 집계된 값의 JSON이 반환됩니다.
createJob 요청에 debug_run가 true로 포함되어 있으면 output_data_blob_prefix에 있는 디버그 폴더에서 요약 보고서를 수신할 수 있습니다. 보고서는 AVRO 형식이며 위의 명령어를 사용하여 JSON으로 변환할 수 있습니다.
보고서에는 버킷 키, 노이즈가 제거된 측정항목, 노이즈가 제거된 측정항목에 추가되어 요약 보고서를 구성하는 노이즈가 포함됩니다. 보고서는 아래와 유사합니다.
주석에는 'in_reports'도 포함됩니다. 및/또는 'in_domain' 이는 다음을 의미합니다.
- in_reports - 집계 가능한 보고서 내에서 버킷 키를 사용할 수 있습니다.
- in_domain - 버킷 키는 output_domain AVRO 파일에서 사용할 수 있습니다.
Codelab 완료
요약: 집계 서비스를 자체 클라우드 환경에 배포하고, 디버그 보고서를 수집하고, 출력 도메인 파일을 구성하고, 이 파일을 Cloud Storage 버킷에 저장하고, 작업을 성공적으로 실행했습니다.
다음 단계: 사용자 환경에서 집계 서비스를 계속 사용하거나 4단계의 삭제 안내에 따라 방금 만든 클라우드 리소스를 삭제합니다.
4. 4. 삭제
Terraform을 통해 집계 서비스용으로 생성된 리소스를 삭제하려면 adtech_setup 및 dev (또는 기타 환경) 폴더에서 destroy 명령어를 사용합니다.
$ cd <repository_root>/terraform/gcp/environments/adtech_setup
$ terraform destroy
$ cd <repository_root>/terraform/gcp/environments/dev
$ terraform destroy
집계 가능한 보고서와 요약 보고서가 보관된 Cloud Storage 버킷을 삭제하려면 다음 안내를 따르세요.
$ gcloud storage buckets delete gs://my-bucket
Chrome 쿠키 설정을 Prerequisite 1.2에서 이전 상태로 되돌릴 수도 있습니다.
5. 5. 부록
adtech_setup.auto.tfvars 파일 예
/**
* Copyright 2023 Google LLC
*
* Licensed under the Apache License, Version 2.0 (the "License");
* you may not use this file except in compliance with the License.
* You may obtain a copy of the License at
*
* http://www.apache.org/licenses/LICENSE-2.0
*
* Unless required by applicable law or agreed to in writing, software
* distributed under the License is distributed on an "AS IS" BASIS,
* WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
* See the License for the specific language governing permissions and
* limitations under the License.
*/
project = "my-project-id"
# Required to generate identity token for access of Adtech Services API endpoints
service_account_token_creator_list = ["user:me@email.com"]
# Uncomment the below line if you like Terraform to create an Artifact registry repository
# for self-build container artifacts. "artifact_repo_location" defaults to "us".
artifact_repo_name = "my-ags-artifacts"
# Note: Either one of [1] or [2] must be uncommented.
# [1] Uncomment below lines if you like Terraform grant needed permissions to
# pre-existing service accounts
# deploy_service_account_email = "<YourDeployServiceAccountName>@<ProjectID>.iam.gserviceaccount.com"
# worker_service_account_email = "<YourWorkerServiceAccountName>@<ProjectID>.iam.gserviceaccount.com"
# [2] Uncomment below lines if you like Terraform to create service accounts
# and needed permissions granted e.g "deploy-sa" or "worker-sa"
deploy_service_account_name = "deploy-sa"
worker_service_account_name = "worker-sa"
# Uncomment the below line if you want Terraform to create the
# below bucket. "data_bucket_location" defaults to "us".
data_bucket_name = "my-ags-data"
# Uncomment the below lines if you want to specify service account customer role names
# deploy_sa_role_name = "<YourDeploySACustomRole>"
# worker_sa_role_name = "<YourWorkerSACustomRole>"
dev.auto.tfvars 파일 예
/**
* Copyright 2022 Google LLC
*
* Licensed under the Apache License, Version 2.0 (the "License");
* you may not use this file except in compliance with the License.
* You may obtain a copy of the License at
*
* http://www.apache.org/licenses/LICENSE-2.0
*
* Unless required by applicable law or agreed to in writing, software
* distributed under the License is distributed on an "AS IS" BASIS,
* WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
* See the License for the specific language governing permissions and
* limitations under the License.
*/
# Example values required by job_service.tf
#
# These values should be modified for each of your environments.
region = "us-central1"
region_zone = "us-central1-c"
project_id = "my-project-id"
environment = "operator-demo-env"
# Co-locate your Cloud Spanner instance configuration with the region above.
# https://cloud.google.com/spanner/docs/instance-configurations#regional-configurations
spanner_instance_config = "regional-us-central1"
# Adjust this based on the job load you expect for your deployment.
# Monitor the spanner instance utilization to decide on scale out / scale in.
# https://console.cloud.google.com/spanner/instances
spanner_processing_units = 100
# Uncomment the line below at your own risk to disable Spanner database protection.
# This needs to be set to false and applied before destroying all resources is possible.
spanner_database_deletion_protection = false
instance_type = "n2d-standard-8" # 8 cores, 32GiB
# Container image location that packages the job service application
# If not set otherwise, uncomment and edit the line below:
#worker_image = "<location>/<project>/<repository>/<image>:<tag or digest>"
# Service account created and onboarded for worker
user_provided_worker_sa_email = "worker-sa@my-project-id.iam.gserviceaccount.com"
min_worker_instances = 1
max_worker_instances = 20