Dapr+k8s+알파제로

현재 해미배의Saas기업은 실습생으로서 보살핌을 받았지만, 그 개인개발을 연수할 기회가 있기 때문에 Dapr으로 오세로를 개발했습니다!

제품

컴퓨터와 맞붙을 수 있는 오세로

선공/후공, 컴퓨터 레벨(1~3)

선택 가능

2인 대결 불가

언어

Dapr

Kubernetes

gRPC

React

Go

Python

Dapr이란

마이크로 서비스로 응용 프로그램을 간단하게 구축할 수 있는 소프트웨어다.나는 이것이 Istio 등(인터넷) 서비스점포와 같은 기능을 가지고 있다고 생각하지만 공식.에 따르면 서비스점포와 다른 것 같다.여러 가지 편리한 기능이 있지만 이번 개발에서 서비스 간의 통신은 Dapr의 주요 역할이다.

개요

서비스의 전체적인 상황은 아래 그림과 같다.

Front (React)

User/CP 전환 등 게임 진행

선공, 후공, CP 레벨 등 게임 설정

CP (Python)

컴퓨터

Board (Go)

디스크 업데이트(반전이나 돌을 놓는 장소를 계산함)

Kubbernetes에서 Dapr 또는 각 API에서 동작

우선 Dapr을 이용해서 뭔가를 만들려고 했는데 이번에는 Dapr과 관련된 일을 공유합니다.마지막으로 사은품으로 컴퓨터 부분을 조금 접해보고 싶어요.

Dapr 서비스 간 통신 사용

API 간에 통신할 때 Dapr을 통해 사이드카로 통신합니다.예를 들어, Front에서 CP로 요청을 보낼 때

Front에서 같은 Pod 내의 Dapr 사이드카

까지

(Front)사이드카에서 (CP)사이드카

까지

(CP)사이드카에서 CP

까지
이런 흐름에 호응도 세드차를 통해 통신된다.고객은 서버app-id를 지정하여 사이드카에 요청을 보내면 Dapr에서 다양한 서비스를 제공합니다.

Dapr on Kubernetes

app-id Kubernetes의 선언에 기술되었다.예를 들어 CP의 선언은 다음과 같습니다.

apiVersion: apps/v1
kind: Deployment
metadata:
~~~
spec:
  ~~~
  template:
    metadata:
      labels:
        app: cp
      annotations:
        dapr.io/enabled: "true"
        dapr.io/app-id: "cpapi"
        dapr.io/app-port: "5000"
        dapr.io/app-protocol: "grpc"
        dapr.io/config: "appconfig"
    spec:
      ~~~

dapr.io/app-id의 부분은 app-id로 설정되었다.CP와 통신하려면 지정cpapi하면 OK라는 것이다.

app-id

HTTP의 경우
요청을

http://localhost:{DAPR-PORT}/v1.0/invoke/{APP-ID}/method

형식으로 보냅니다.따라서 CP에게 요청을 보내려는 경우

http://localhost:3500/v1.0/invoke/cpapi/method

.
gRPC의 경우 지정된 metadataapp-id를 전송합니다.예를 들면 Node입니다.만약 js라면 아래와 같이 메타데이터를 줄 수 있습니다.

const metadata = new grpc.Metadata();
metadata.add('dapr-app-id', 'server');
client.sayHello({ name: "Darth Malgus" }, metadata)

tracing

분산 추적 시스템으로 zipkin을 사용했습니다.Kubbernetes 선언dapr.io/config에서 지정한 appconfig에서 zipkin의 설정을 다음과 같이 하면 zipkin의 선언을 간단하게 가져올 수 있습니다.

apiVersion: dapr.io/v1alpha1
kind: Configuration
metadata:
  name: appconfig
spec:
  tracing:
    samplingRate: "1"
    zipkin:
      endpointAddress: "http://zipkin.default.svc.cluster.local:9411/api/v2/spans"

컴퓨터.

컴퓨터는 복잡한 논리를 고려하기가 어려워서 간단한 것을 선택했다.레벨 1~3 이하입니다.

무작위 선택

탐욕스럽게 선택

알파제로 배우기

레벨 1은 무작위로 배치할 위치를 결정하고, 레벨 2는 점수가 가장 높은 곳에 배치한다.Lv3은 알파제로의 학습 모형여기.이 공개되었으니 제가 사용할 수 있도록 허락해 주십시오...사용 방법 참고블로그 홈페이지.
이번에 제가 서버 부분을 직접 썼는데 TensorFlow Serving 이런 걸 쓰면 편할 것 같아요.

덤

자기가 열심히 해도 실패할 때 웃는다.
(규격에 따라) CPU가 완전히 돌아가고 있으니 가능하면 시험해 보세요!
https://github.com/chiru1221/dapr-othello