Azure AI 번역기 컨테이너 설치 및 실행
컨테이너를 사용하면 자체 인프라에서 Azure AI 번역기 API를 호스팅할 수 있습니다. 컨테이너 이미지에는 프라이빗, 공용 또는 프라이빗 컴퓨팅 환경에서 애플리케이션을 일관되게 실행하는 데 필요한 모든 라이브러리, 도구 및 종속성이 포함되어 있습니다. Azure AI 번역기 API를 원격으로 호출하여 보안 또는 데이터 거버넌스 요구 사항을 충족할 수 없는 경우 컨테이너는 좋은 옵션입니다.
이 문서에서는 Docker API를 사용하여 온라인으로 번역기 컨테이너를 설치하고 실행하는 방법을 알아봅니다. Azure AI 번역기 컨테이너는 다음 작업을 지원합니다.
텍스트 번역. 지원되는
source에서 지원되는target언어로 단어 또는 구의 컨텍스트적 의미를 실시간으로 번역합니다. 자세한 내용은 컨테이너: 텍스트 번역을 참조하세요.🆕 텍스트 음역. 한 언어 스크립트 또는 쓰기 시스템의 텍스트를 실시간으로 다른 언어 스크립트 또는 쓰기 시스템으로 변환합니다. 자세한 내용은 컨테이너: 텍스트 음역을 참조하세요.
🆕 문서 번역. 실시간으로 구조와 형식을 유지하면서 문서를 동기식으로 번역합니다. 자세한 내용은 컨테이너:문서 번역을 참조하세요.
필수 조건
시작하려면 다음 리소스, 제한적 액세스 승인 및 도구가 필요합니다.
Azure 리소스
Important
번역기 리소스는 다음 요구 사항을 충족해야 합니다.
Translator 인스턴스는 Translator 리소스(다중 서비스 Azure AI 서비스 리소스가 아님 )여야 합니다.
Translator 인스턴스는 사용 가능한 Azure 지리적 지역 내의 지역 리소스(글로벌 Azure AI Translator 리소스가 아님 )여야 합니다. 자세한 내용은 Azure AI Translator 지역 가격 책정 옵션을 참조하세요.
활성화된 Azure 구독 계정이 없으면 12개월 무료 계정을 만듭니다.
번역기 연결된 컨테이너 또는 번역기 연결이 끊긴 컨테이너에 대한 승인된 액세스 요청입니다.
승인된 구독 ID로 만든 Azure AI Translator 지역 리소스입니다.
리소스와 연결된 API 키와 엔드포인트 URI가 필요합니다.
두 값 모두 컨테이너를 시작하는 데 필요하며 Azure Portal의 리소스 개요 페이지에서 찾을 수 있습니다.
번역기 연결된 컨테이너의 경우
S1가격 책정 계층을 선택합니다.
번역기 연결이 끊긴 컨테이너의 경우 가격 책정 계층으로
Commitment tier disconnected containers를 선택합니다. 연결이 끊긴 컨테이너 액세스 요청이 승인된 경우에만 약정 계층을 구매하는 옵션이 표시됩니다.
Docker 도구
기본 docker 용어와 명령에 대한 지식뿐만 아니라 레지스트리, 리포지토리, 컨테이너 및 컨테이너 이미지와 같은 Docker 개념을 기본적으로 이해하고 있어야 합니다. Docker 및 컨테이너에 대한 기본 사항은 Docker 개요를 참조하세요.
팁
컴퓨팅 환경에 Docker Desktop을 추가해 보세요. Docker Desktop은 데스크톱에서 직접 컨테이너화된 애플리케이션을 빌드, 실행 및 공유할 수 있는 GUI(그래픽 사용자 인터페이스)입니다.
DockerDesktop에는 Docker 엔진, Docker CLI 클라이언트, Docker Compose가 포함되어 있으며 기본 운영 체제에 맞게 Docker를 구성하는 패키지를 제공합니다.
| 도구 | 설명 | 조건 |
|---|---|---|
| Docker 엔진. | Docker 엔진은 Docker 컨테이너화 플랫폼의 핵심 구성 요소입니다. 컨테이너를 빌드, 실행 및 관리하려면 호스트 컴퓨터에 설치해야 합니다. | 모든 작업에 필수입니다. |
| Docker Compose | Docker Compose 도구는 다중 컨테이너 애플리케이션을 정의하고 실행하는 데 사용됩니다. | 컨테이너 지원을 위해 필수입니다. |
| Docker CLI | Docker 명령줄 인터페이스를 사용하면 Docker 엔진과 상호 작용하고 로컬 컴퓨터에서 직접 Docker 컨테이너를 관리할 수 있습니다. | 권장 |
호스트 컴퓨터 요구 사항
호스트는 Docker 컨테이너를 실행하는 x64 기반 컴퓨터입니다. 온-프레미스에 있는 컴퓨터이거나 Azure의 다음 Docker 호스팅 서비스 중 하나일 수 있습니다.
- Azure Kubernetes Service.
- Azure Container Instances.
- Kubernetes 클러스터는 Azure Stack에 배포됩니다. 자세한 내용은 Azure Stack에 Kubernetes 배포를 참조하세요.
| 운영 체제 | 시스템 요구 사항 |
|---|---|
| Windows | • Windows 10 또는 Windows 11이 설치되어 있음 • 64비트 프로세서 • 최소 4GB RAM • Windows Hyper-V 및 컨테이너 기능, BIOS 수준 하드웨어 가상화 • 자세한 내용은 Windows에 Docker Desktop 설치를 참조하세요. |
| Mac | • 2010년 컴퓨터 모델 이상 • OS 10.13 이상 • 최소 4GB RAM • 자세한 내용은 Mac에 Docker Desktop 설치를 참조하세요. |
| Linux | • 64비트 버전의 Ubuntu(최신 LTS(장기 지원) 버전 또는 현재 비 LTS 버전), Debian 12, Fedora 38 또는 Fedora 39 • 가상화를 위한 CPU 지원 • 최소 4GB RAM • 자세한 내용은 Linux에 Docker Desktop 설치를 참조하세요. |
권장 CPU 코어 및 메모리
참고 항목
최소 사양과 권장 사향은 호스트 컴퓨터 리소스가 아닌 Docker 한도에 따릅니다.
다음 표에서는 각 컨테이너에 대해 최소 및 권장 사양과 허용되는 TPS(초당 트랜잭션)를 설명합니다.
| 함수 | 최소 권장 | 주의 |
|---|---|---|
| 텍스트 번역 | 4개 코어, 4GB 메모리 | |
| 텍스트 음역 | 4개 코어, 2GB 메모리 | |
| 문서 번역 | 4개 코어, 6GB 메모리 | 동시에 처리할 수 있는 문서 수는 [최소(n-2),(m-6)/4)] 수식으로 계산할 수 있습니다. • n은 CPU 코어 수입니다.• m은 메모리 GB입니다.• 예: 8Core, 32GB 메모리는 6개의 동시 문서[최소( 8-2), (36-6)/4)]를 처리할 수 있습니다. |
각 코어는 속도가 2.6GHz 이상이어야 합니다.
모든 언어 쌍에 대해 2GB의 메모리가 권장됩니다.
기본 요구 사항 외에도 모든 동시 문서 처리를 위한 4GB 메모리가 필요합니다.
팁
docker images 명령을 사용하여 다운로드한 컨테이너 이미지를 나열할 수 있습니다. 예를 들어 다음 명령은 다운로드한 각 컨테이너 이미지의 ID, 리포지토리 및 태그를 테이블 형식으로 나열합니다.
docker images --format "table {{.ID}}\t{{.Repository}}\t{{.Tag}}" IMAGE ID REPOSITORY TAG <image-id> <repository-path/name> <tag-name>
필수 입력
모든 Azure AI 컨테이너에는 다음 입력 값이 필요합니다.
EULA 승인 설정. 값이
Eula=accept인 EULA(최종 사용자 사용권 계약)가 있어야 합니다.API 키 및 엔드포인트 URL. API 키는 컨테이너를 시작하는 데 사용됩니다. Azure AI 번역기 리소스 키 및 엔드포인트 페이지로 이동하고
Copy to clipboard아이콘을 선택하여 API 키 및 엔드포인트 URL 값을 검색할 수 있습니다.문서를 번역하는 경우 문서 번역 엔드포인트를 사용해야 합니다.
Important
키는 Azure AI 리소스에 액세스하는 데 사용됩니다. 키를 공유하지 마시고 예를 들어 Azure Key Vault를 사용하여 안전하게 저장합니다.
또한 이러한 키는 정기적으로 다시 생성하는 것이 좋습니다. API 호출을 수행하는 데는 키가 하나만 필요합니다. 첫 번째 키를 다시 생성하는 경우, 두 번째 키를 사용하여 서비스에 계속 액세스할 수 있습니다.
결제
컨테이너에 대한 쿼리는 API
Key에 사용되는 Azure 리소스의 가격 책정 계층으로 청구됩니다.문서와 이미지를 처리하는 데 사용되는 각 컨테이너 인스턴스에 대해 요금이 청구됩니다.
docker run 명령은 Microsoft 아티팩트 레지스트리에서 이미지를 다운로드하고 다음 세 가지 옵션이 모두 유효한 값으로 제공되면 컨테이너를 시작합니다.
| 옵션 | 설명 |
|---|---|
ApiKey |
청구 정보를 추적하는 데 사용되는 Azure AI 서비스 리소스의 키입니다. 이 옵션의 값은 Billing에 지정된 프로비저닝된 리소스에 대한 API 키로 설정해야 합니다. |
Billing |
청구 정보를 추적하는 데 사용되는 Azure AI 서비스 리소스의 엔드포인트입니다. 이 옵션의 값은 프로비저닝된 Azure 리소스의 엔드포인트 URI로 설정해야 합니다. |
Eula |
컨테이너에 대한 라이선스에 동의했음을 나타냅니다. 이 옵션의 값은 동의로 설정해야 합니다. |
Azure에 연결
컨테이너 청구 인수 값을 사용하면 컨테이너가 청구 엔드포인트에 연결하여 실행할 수 있습니다.
컨테이너는 약 10 ~ 15분마다 사용량을 보고합니다. 컨테이너가 허용되는 시간 내에서 Azure에 연결되지 않으면 컨테이너는 계속 실행되지만 청구 엔드포인트가 복원될 때까지 쿼리를 처리하지 않습니다.
10 ~ 15분 간격으로 동시에 10회 동안 연결이 시도됩니다. 10회 시도 안에 청구 엔드포인트에 연결할 수 없는 경우 컨테이너는 요청 처리를 중지합니다. 청구를 위해 Microsoft로 전송되는 정보의 예는 Azure AI 컨테이너 FAQ를 참조하세요.
컨테이너 이미지 및 태그
Azure AI 서비스 컨테이너 이미지는 Microsoft 아티팩트 레지스트리 카탈로그에서 찾을 수 있습니다. Azure AI 번역기 컨테이너는 azure-cognitive-services/translator 리포지토리 내에 있으며 이름은 text-translation입니다. 정규화된 컨테이너 이미지 이름은 mcr.microsoft.com/azure-cognitive-services/translator/text-translation:latest입니다.
최신 버전의 컨테이너를 사용하려면 최신 태그를 사용합니다. MCR에서 Azure AI 서비스 텍스트 번역 버전 태그의 전체 목록을 볼 수 있습니다.
컨테이너 사용
Azure AI 번역기 컨테이너 환경을 선택하려면 탭을 선택합니다.
Azure AI 번역기 컨테이너를 사용하면 사용자 환경에서 Azure AI 번역기 서비스 on-premise를 실행할 수 있습니다. 연결된 컨테이너는 로컬로 실행되며 청구를 위해 사용량 정보를 클라우드로 보냅니다.
컨테이너 이미지 다운로드 및 실행
docker run 명령은 Microsoft 아티팩트 레지스트리에서 이미지를 다운로드하고 컨테이너를 시작합니다.
Important
- 다음 섹션에서 Docker 명령은 줄 연속 문자 같은 백 슬래시,
\을 사용합니다. 호스트 운영 체제의 요구 사항에서 이 기준을 바꾸거나 제거합니다. - 컨테이너를 인스턴스화하려면
EULA,Billing및ApiKey옵션을 지정해야 합니다. 그렇지 않으면 컨테이너가 시작되지 않습니다. - 문서를 번역하는 경우 문서 번역 엔드포인트를 사용해야 합니다.
docker run --rm -it -p 5000:5000 --memory 12g --cpus 4 \
-v /mnt/d/TranslatorContainer:/usr/local/models \
-e apikey={API_KEY} \
-e eula=accept \
-e billing={ENDPOINT_URI} \
-e Languages=en,fr,es,ar,ru \
mcr.microsoft.com/azure-cognitive-services/translator/text-translation:latest
Docker 명령:
- 다운로드한 컨테이너 이미지에서 실행 중인 번역기 컨테이너를 만듭니다.
- 메모리 12GB(기가바이트)와 CPU 코어 4개를 할당합니다.
- TCP(Transmission Control Protocol) 포트 5000을 노출하고 컨테이너에 의사 TTY를 할당합니다. 이제
localhost주소는 호스트 컴퓨터가 아닌 컨테이너 자체를 가리킵니다. - EULA(최종 사용자 계약)에 동의합니다.
- 청구 엔드포인트를 구성합니다.
- 영어, 프랑스어, 스페인어, 아랍어 및 러시아어의 번역 모델을 다운로드합니다.
- 종료 후 자동으로 컨테이너를 제거합니다. 컨테이너 이미지는 호스트 컴퓨터에서 계속 사용할 수 있습니다.
팁
추가 Docker 명령:
docker ps는 실행 중인 컨테이너를 나열합니다.docker pause {your-container name}은 실행 중인 컨테이너를 일시 중지합니다.docker unpause {your-container-name}은 일시 중지된 컨테이너를 일시 중지 해제합니다.docker restart {your-container-name}은 실행 중인 컨테이너를 다시 시작합니다.docker exec를 사용하면 실행 중인 컨테이너에서 분리하거나 환경 변수를 설정하는 명령을 실행할 수 있습니다.
자세한 내용은 docker CLI 참조를 참조하세요.
동일한 호스트에서 여러 컨테이너 실행
노출된 포트로 여러 컨테이너를 실행하려는 경우, 각 컨테이너를 다른 노출된 포트로 실행해야 합니다. 예를 들어 첫 번째 컨테이너는 포트 5000에서 실행하고 두 번째 컨테이너는 포트 5001에서 실행합니다.
이 컨테이너와 다른 Azure AI 컨테이너를 HOST에서 함께 실행할 수 있습니다. 동일한 Azure AI 컨테이너의 여러 컨테이너를 실행할 수도 있습니다.
번역기 컨테이너 엔드포인트 쿼리
컨테이너는 REST 기반 Translator 엔드포인트 API를 제공합니다. 다음은 소스 언어(from=en)가 지정된 요청 예입니다.
curl -X POST "http://localhost:5000/translate?api-version=3.0&from=en&to=zh-HANS" -H "Content-Type: application/json" -d "[{'Text':'Hello, what is your name?'}]"
참고 항목
소스 언어 감지에는 추가 컨테이너가 필요합니다. 자세한 내용은 컨테이너 지원을 참조하세요.
cURL POST 요청이
Service is temporarily unavailable응답을 반환하면 컨테이너가 준비되지 않은 것입니다. 몇 분 기다렸다가 다시 시도하세요.
컨테이너가 실행 중인지 확인
컨테이너가 실행되고 있는지 확인하는 방법에는 여러 가지가 있습니다.
컨테이너는
/에서 컨테이너가 실행 중인지 시각적으로 확인할 수 있는 홈페이지를 제공합니다.즐겨 찾는 웹 브라우저를 열고 확인하려는 컨테이너의 외부 IP 주소와 노출된 포트로 이동하면 됩니다. 다음 요청 URL을 사용하여 컨테이너가 실행 중인지 확인하세요. 나열된 요청 URL 예는
http://localhost:5000을 가리키지만 특정 컨테이너는 다를 수 있습니다. 컨테이너의 외부 IP 주소와 노출된 포트로 이동해야 합니다.
| 요청 URL | 용도 |
|---|---|
http://localhost:5000/ |
컨테이너는 홈페이지를 제공합니다. |
http://localhost:5000/ready |
GET으로 요청했습니다. 컨테이너에서 모델에 대한 쿼리를 수락할 준비가 되었는지 확인할 수 있습니다. 이 요청은 Kubernetes 활동성 및 준비 상태 프로브에 사용될 수 있습니다. |
http://localhost:5000/status |
GET으로 요청했습니다. 컨테이너를 시작하는 데 사용된 api-key가 엔드포인트 쿼리를 발생시키지 않으면서 유효한지 확인합니다. 이 요청은 Kubernetes 활동성 및 준비 상태 프로브에 사용될 수 있습니다. |
http://localhost:5000/swagger |
컨테이너는 엔드포인트에 대한 전체 설명서 세트와 사용해 보기 기능을 제공합니다. 이 기능을 사용하면 웹 기반 HTML 양식으로 설정을 입력할 수 있고 코드 작성 없이 쿼리를 만들 수 있습니다. 쿼리가 반환되면 필요한 HTTP 헤더 및 본문 형식을 보여 주는 예제 CURL 명령이 제공됩니다. |
Azure AI 서비스 컨테이너를 실행하는 데 문제가 있는 경우 Microsoft 진단 컨테이너를 사용해 볼 수 있습니다. 이 컨테이너를 사용하여 Azure AI 컨테이너가 예상대로 작동하지 못하게 할 수 있는 배포 환경의 일반적인 오류를 진단합니다.
컨테이너를 가져오려면 다음 docker pull 명령을 사용합니다.
docker pull mcr.microsoft.com/azure-cognitive-services/diagnostic
그런 다음, 컨테이너를 실행합니다. {ENDPOINT_URI}를 엔드포인트로 바꾸고, {API_KEY}를 리소스에 대한 키로 바꿉니다.
docker run --rm mcr.microsoft.com/azure-cognitive-services/diagnostic \
eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}
컨테이너는 청구 엔드포인트에 대한 네트워크 연결을 테스트합니다.
컨테이너 중지
컨테이너를 종료하려면 컨테이너를 실행하는 명령줄 환경에서 Ctrl+C를 선택합니다.
컨테이너 지원 사용 사례
일부 Translator 쿼리에는 작업을 성공적으로 완료하기 위해 지원 컨테이너가 필요합니다. Office 문서를 사용하고 소스 언어 감지가 필요하지 않은 경우 번역기 컨테이너만 필요합니다. 그러나 소스 언어 감지가 필요하거나 검사한 PDF 문서를 사용하는 경우 지원 컨테이너가 필요합니다.
다음 표에는 텍스트 및 문서 번역 작업에 필요한 지원 컨테이너가 나열되어 있습니다. 번역기 컨테이너는 Azure 계정의 Azure AI 번역기 리소스를 통해 Azure에 청구 정보를 보냅니다.
| 연산 | 쿼리 요청 | Document type | 지원 컨테이너 |
|---|---|---|---|
| • 텍스트 번역 • 문서 번역 |
from 지정됨. |
Office 문서 | None |
| • 텍스트 번역 • 문서 번역 |
from 지정되지 않음. 소스 언어를 결정하려면 자동 언어 감지가 필요합니다. |
Office 문서 | ✔️ Text analytics:언어 컨테이너 |
| • 텍스트 번역 • 문서 번역 |
from 지정됨. |
검사한 PDF 문서 | ✔️ Vision:읽기 컨테이너 |
| • 텍스트 번역 • 문서 번역 |
from은 소스 언어를 결정하기 위해 자동 언어 감지가 필요하도록 지정되지 않았습니다. |
검사한 PDF 문서 | ✔️ Text analytics:언어 컨테이너 ✔️ Vision:읽기 컨테이너 |
docker compose를 사용하여 지원 컨테이너 운영
Docker Compose는 일반적으로 compose.yaml이라는 단일 YAML 파일을 사용하여 다중 컨테이너 애플리케이션을 구성할 수 있는 도구입니다. docker compose up 명령을 사용하여 컨테이너 애플리케이션을 시작하고 docker compose down 명령을 사용하여 컨테이너를 중지하고 제거합니다.
Docker Desktop CLI를 설치한 경우 Docker Compose와 필수 구성 요소가 포함되어 있습니다. Docker Desktop이 없으면 Docker Compose 설치 개요를 참조하세요.
애플리케이션 만들기
기본 편집기 또는 IDE를 사용하여
container-environment라는 앱용 새 디렉터리 또는 원하는 이름을 만듭니다.compose.yaml이라는 새 YAML 파일을 만듭니다. .yml 또는 .yaml 확장명을 모두compose파일에 사용할 수 있습니다.다음 YAML 코드 샘플을 복사하여
compose.yaml파일에 붙여넣습니다.{TRANSLATOR_KEY}및{TRANSLATOR_ENDPOINT_URI}를 Azure Portal Translator 인스턴스의 키 및 엔드포인트 값으로 바꿉니다. 문서를 번역하는 경우document translation endpoint를 사용해야 합니다.최상위 이름(
azure-ai-translator,azure-ai-language,azure-ai-read)은 사용자가 지정하는 매개 변수입니다.container_name은docker compose가 이름을 생성하도록 하는 대신 실행 시 컨테이너의 이름을 설정하는 선택적 매개 변수입니다.services: azure-ai-translator: container_name: azure-ai-translator image: mcr.microsoft.com/azure-cognitive-services/translator/text-translation::latest environment: - EULA=accept - billing={TRANSLATOR_ENDPOINT_URI} - apiKey={TRANSLATOR_KEY} - ladurl=http://azure-ai-language:5000 - VISIONURL=http://azure-ai-read:5000 ports: - "5000:5000" volumes: - {your local folder}:/usr/local/models azure-ai-language: container_name: azure-ai-language image: mcr.microsoft.com/azure-cognitive-services/textanalytics/language:latest environment: - EULA=accept - billing={LANGUAGE_RESOURCE_ENDPOINT_URI} - apiKey={LANGUAGE_RESOURCE_KEY} - Languages=en,es - LADINCLUSTER=true azure-ai-read: container_name: azure-ai-read image: mcr.microsoft.com/azure-cognitive-services/vision/read:latest environment: - EULA=accept - billing={COMPUTER_VISION_ENDPOINT_URI} - apiKey={COMPUTER_VISION_KEY}터미널을 열고
container-environment폴더로 이동하고 다음docker-compose명령을 사용하여 컨테이너를 시작합니다.docker compose up컨테이너를 중지하려면 다음 명령을 사용합니다.
docker compose down팁
유용한 Docker 명령:
docker compose pause는 실행 중인 컨테이너를 일시 중지합니다.docker compose unpause {your-container-name}은 일시 중지된 컨테이너를 일시 중지 해제합니다.docker compose restart는 모든 이전 변경 내용을 그대로 유지하면서 중지되고 실행 중인 모든 컨테이너를 다시 시작합니다.compose.yaml구성을 변경하는 경우 이러한 변경 내용은docker compose restart명령으로 업데이트되지 않습니다.compose.yaml파일의 업데이트 및 변경 내용을 반영하려면docker compose up명령을 사용해야 합니다.docker compose ps -a는 중지된 컨테이너를 포함하여 모든 컨테이너를 나열합니다.docker compose exec를 사용하면 실행 중인 컨테이너에서 분리하거나 환경 변수를 설정하는 명령을 실행할 수 있습니다.
자세한 내용은 docker CLI 참조를 참조하세요.
번역기 및 지원 컨테이너 이미지와 태그
Azure AI 서비스 컨테이너 이미지는 Microsoft 아티팩트 레지스트리 카탈로그에서 찾을 수 있습니다. 다음 표에는 텍스트 및 문서 번역을 위한 정규화된 이미지 위치가 나열되어 있습니다.
| 컨테이너 | 이미지 위치 | 주의 |
|---|---|---|
| 번역기: 텍스트 및 문서 번역 | mcr.microsoft.com/azure-cognitive-services/translator/text-translation:latest |
MCR에서 Azure AI 서비스 텍스트 번역 버전 태그의 전체 목록을 볼 수 있습니다. |
| Text analytics: 언어 | mcr.microsoft.com/azure-cognitive-services/textanalytics/language:latest |
MCR에서 Azure AI 서비스 Text Analytics 언어 버전 태그의 전체 목록을 볼 수 있습니다. |
| Vision: 읽기 | mcr.microsoft.com/azure-cognitive-services/vision/read:latest |
MCR에서 Azure AI 서비스 Computer Vision 읽기 OCR 버전 태그의 전체 목록을 볼 수 있습니다. |
기타 매개 변수 및 명령
컨테이너를 실행하는 데 사용할 수 있는 몇 가지 추가 매개 변수와 명령은 다음과 같습니다.
사용량 레코드
연결이 끊긴 환경에서 Docker 컨테이너를 작동할 때 컨테이너는 시간이 지남에 따라 수집되는 볼륨에 사용량 레코드를 씁니다. REST API 엔드포인트를 호출하여 서비스 사용량에 대한 보고서를 생성할 수도 있습니다.
로그 저장을 위한 인수
연결이 끊긴 환경에서 실행할 때 사용량 로그를 저장하려면 컨테이너에서 출력 탑재를 사용량할 수 있어야 합니다. 예를 들면, 다음 예제에서 -v /host/output:{OUTPUT_PATH} 및 Mounts:Output={OUTPUT_PATH}를 포함하고 {OUTPUT_PATH}를 로그가 저장되는 경로로 바꿉니다.
예제 docker run 명령
docker run -v /host/output:{OUTPUT_PATH} ... <image> ... Mounts:Output={OUTPUT_PATH}
Kubernetes 배포의 환경 변수 이름
일부 Azure AI 컨테이너(예: Translator)에서는 사용자가 컨테이너를 실행할 때 콜론(
:)을 포함하는 환경 변수 이름을 전달해야 합니다.Kubernetes는 환경 변수 이름에 콜론을 허용하지 않습니다. 이 문제를 해결하려면 Kubernetes에 배포할 때 콜론을 두 개의 밑줄 문자(
__)로 바꿀 수 있습니다. 환경 변수 이름에 허용되는 형식의 다음 예를 참조하세요.
env:
- name: Mounts__License
value: "/license"
- name: Mounts__Output
value: "/output"
이 예에서는 docker run 명령의 Mounts:License 및 Mounts:Output 환경 변수 이름에 대한 기본 형식을 바꿉니다.
컨테이너 엔드포인트를 사용하여 사용 기록 가져오기
컨테이너는 사용량에 대한 레코드를 반환하기 위해 두 개의 엔드포인트를 제공합니다.
모든 기록 가져오기
다음 엔드포인트는 탑재된 청구 레코드 디렉터리에서 수집한 모든 사용량을 요약한 보고서를 제공합니다.
https://<service>/records/usage-logs/
모든 레코드를 검색하기 위한 HTTPS 엔드포인트 예
http://localhost:5000/records/usage-logs
특정 월의 기록 가져오기
다음 엔드포인트는 특정 월/년의 사용량을 요약한 보고서를 제공합니다.
https://<service>/records/usage-logs/{MONTH}/{YEAR}
특정 월 및 연도의 레코드를 검색하기 위한 HTTPS 엔드포인트 예
http://localhost:5000/records/usage-logs/03/2024
사용량 로그 엔드포인트는 다음 예와 유사한 JSON 응답을 반환합니다.
연결된 컨테이너
사용 요금은 quantity 값을 기준으로 계산됩니다.
{
"apiType": "string",
"serviceName": "string",
"meters": [
{
"name": "string",
"quantity": 256345435
}
]
}
요약
이 문서에서는 Azure AI 번역기 컨테이너를 다운로드, 설치 및 실행하기 위한 개념과 워크플로를 알아보았습니다.
Azure AI 번역기 컨테이너는 텍스트 번역, 동기 문서 번역 및 텍스트 음역을 지원합니다.
컨테이너 이미지는 컨테이너 레지스트리에서 다운로드되어 Docker에서 실행됩니다.
컨테이너를 인스턴스화할 때 청구 정보를 지정해야 합니다.