[Spring Boot] AWS Lambda와 통신하기

 

1. AWS Lambda 생성

 

 

 

Lambda 콘솔에서 새 함수 생성을 해줘야함

 

백엔드 서버와 동일한 Java17 런타임은 AWS 콘솔에서 직접 코드 편집이 불가능하고 JAR 파일을 업로드 해야함

또한, Lambda에서 요청을 보낼 CloudRun 환경이 Python flask server 이므로 Python 런타임을 선택해줌

(나머지는 기본 설정 그대로이고 필요성에 맞게 알아서 선택하면됨)

 

 

 

생성한 함수를 클릭하고 콘솔에서 코드를 누르면 이렇게 lambda_handler 함수 코드를 살펴볼 수 있음

 

 

 

우선은 테스트용도이기에 별다른 로직은 작성하지 않고 statusCode를 202로 바꿔 잘 동작하는지 확인해보기로함

 

=> 코드를 수정하였으면 왼쪽의 Deploy를 눌러야 반영됨!

 

 

또한, 현재 테스트에서는 상관없지만 생성한 함수를 클릭 후 콘솔의 구성 탭에서 편집을 누른 후 제한 시간을 max인 15분으로 변경하였음
(필자는 CloudRun cold start 문제 해결을 위해 로직을 작성해야하므로)

 

2. 함수 URL 생성

 

이제 이 Lambda를 HTTP 요청으로 호출해야하므로 API Gateway 또는 Lambda URL을 사용해야하는데

 

 

생성한 함수의 콘솔에서 구성을 선택한 후 함수 URL을 클릭하면 함수 URL 생성이 있음

 

 

인증 유형을 NONE으로 설정하고 기본 설정 그대로 저장하면

(사실 AWS_IAM 인증 유형을 사용하는게 권장되지만 빠른 MVP 개발 및 Lambda 연동 테스트를 위해 NONE으로 설정하였고 추후 프로덕션 환경에서 AWS_IAM 인증 유형으로 Lambda를 호출하는 로직도 추가하겠음)

 

 

 

함수 URL이 생긴 것을 확인할 수 있음

 

3. Lambda 호출을 위한 Spring Boot 설정

 

aws:
  access-key: YOUR_AWS_ACCESS_KEY
  secret-key: YOUR_AWS_SECRET_KEY
  region: YOUR_AWS_REGION
  lambda:
    function-name: YOUR_LAMBDA_FUNCTION_NAME
    endpoint: YOUR_LAMBDA_FUNCTION_URL

 

access-key : AWS IAM 사용자의 액세스 키 ID

secret-key : AWS IAM 사용자의 비밀 엑세스 키

region : Lambda 함수가 위치한 AWS 리전

function-name : 호출할 Lambda 함수의 이름

endpoint : Lambda 함수의 URL

 

이렇게 application.yml에 인증정보들을 추가해주면됨

(현재는 인증유형이 NONE이므로 endpoint만 있으면됨)

 

AWS IAM 키는 IAM 콘솔의 엑세스 키 만들기를 통해 생성 가능

 

 

4. Spring Boot에서 Lambda 호출 코드 작성 

 

DTO나 Controller 단 코드는 AI 모델 호출을 위한 양식으로 맞춰져있기에 Service단에서 Lambda를 호출하는 부분의 코드만 가져왔음

 

// AI 모델 서비스 호출
    private suspend fun callAiModelService(voicepackRequest: VoicepackRequest, voiceFile: MultipartFile) {
        val aiModelRequest = AIModelRequest(
            voicepackId = voicepackRequest.id,
            voiceFile = voiceFile
        )

        logger.info("AI 모델 요청: requestId={}, request={}", voicepackRequest.id, aiModelRequest)

        try {
            val response = httpClient.post(lambdaEndpoint) {
                contentType(ContentType.MultiPart.FormData)
                setBody(
                    MultiPartFormDataContent(
                        formData {
                            append("voicepackId", aiModelRequest.voicepackId)
                            append("voiceFile", aiModelRequest.voiceFile.bytes, Headers.build {
                                append(HttpHeaders.ContentDisposition, "form-data; name=\"voiceFile\"; filename=\"audio.wav\"")
                                append(HttpHeaders.ContentType, "audio/wav") // 필요 시 파일 확장자 변경 가능
                            })
                        }
                    )
                )
            }

            // Lambda가 202 Accepted를 반환하면 성공으로 간주
            if (response.status == HttpStatusCode.Accepted) {
                logger.info("AI 모델 응답: requestId={}, response={}", voicepackRequest.id, response.body<String>())
            } else {
                val errorBody = response.body<String>()
                logger.error("AI 모델 서비스 오류: HTTP ${response.status.value}, 응답: $errorBody")
                throw RuntimeException("AI 모델 서비스 호출 실패: HTTP ${response.status.value}, 응답: $errorBody")
            }
        } catch (e: Exception) {
            logger.error("AI 모델 서비스 호출 중 예외 발생: ${e.message}", e)
            throw RuntimeException("AI 모델 서비스 호출 중 오류 발생: ${e.message}", e)
        }
    }

 

 

주요 코드를 차례로 살펴보면

 

httpClient.post를 통해 Lambda에 네트워크 요청을 보내는데, 응답이 올 때까지 기다려야 하므로 (시간이 조금 걸리는 작업으로 가정)

코루틴(비동기 함수)에서 사용하는 suspend를 통해 응답이 올 때 까지 다른 작업을 처리하게끔 하였음

 

(suspend가 없으면 메인 스레드가 blocking 돼서 다른 작업을 못함) 

 

추후 CloudRun의 모델을 호출할 Lambda로 HTTP POST 요청을 보내기 위해 httpClient.post로 lambdaEndpoint (아까 생성한 함수 url) 에 요청을 보내게 하고 있음

 

이 때 HTTP 요청에 대해 데이터가 어떤 형식인지 알려주기 위해 contentType으로 Multipart.FormData(음성 파일) 를 설정하였음

그 후 setBody를 통해 요청 본문에 보낼 데이터를 추가하였는데

MultiPartFormDataContent를 통해 multipart 형식으로 데이터를 넣어주었고 form-data에 append로 항목을 추가함

 

밑에는 람다의 응답에 따라 다음 작업을 수행하도록 if-else 문을 넣어놨는데

 

try {
    // AI 모델 서비스 호출 및 결과 처리
    callAiModelService(voicepackRequest, request.voiceFile)
    
    // 변환 성공 시 처리
    handleSuccessfulConversion(voicepackRequest)
    return VoicepackConvertResponse(voicepackRequest.id, VoicepackRequestStatus.COMPLETED.name)
    
} catch (e: Exception) {
    // 실패 시 처리
    handleFailedConversion(voicepackRequest, e)       
    return VoicepackConvertResponse(voicepackRequest.id, VoicepackRequestStatus.FAILED.name)
}

 

위와 같이 callAiModelService를 호출하는 다른 함수에서 에러를 던지지 않았다면 성공 시 처리 로직을 수행하게됨

 

 

5. 테스트

 

지금 Lambda 함수는 위에서 작성한대로 202코드를 반환하게 해놨으므로 요청을 보내보면

 

 

 

 

위와 같이 성공 로직이 수행되는걸 확인할 수 있음

 

지금은 Lambda 호출 테스트용이라 단순히 202가 반환되지만 이제 이 Lambda에서 CloudRun의 모델을 호출하게하여 cold start 발생 시 백엔드의 요청이 계속해서 cold start가 끝날 때 까지 기다리며 잡고 있을 필요가 없어짐