Supabase로 모델을 저장한다

Supabase란

Supabase는 SQL 명령어로 쉽게 제어할 수 있는 오픈소스 데이터베이스 플랫폼이다.
TensorFlow 모델 저장에 유용하며, 스토리지 설정과 권한 관리가 간편하다.
이번 문서에서는 Supabase를 활용해 모델을 저장하는 방법을 설명한다.

무료 티어 정보

Supabase 무료 티어는 다음과 같은 스펙을 제공한다:

데이터베이스 저장 공간: 500MB
파일 스토리지: 1GB
대역폭: 월 2GB
제한: API 요청은 분당 1,000회, 월간 활성 사용자(MAU)는 50,000명까지다.

TensorFlow 모델 크기가 1GB를 초과하면 유료 플랜(월 $25부터)으로 전환해야 한다.

Supabase 스토리지 설정

Supabase에서 모델 파일을 저장하려면 스토리지를 설정하고 팀 단위로 권한을 관리해야 한다.
아래는 models 버킷을 생성하고 팀 기반 RLS(Row-Level Security) 정책을 적용하는 과정이다.
Supabase 대시보드의 SQL Editor에서 다음 코드를 순서대로 실행한다.

1. 팀 테이블 생성

팀 정보를 저장하는 테이블을 생성한다.

-- teams 테이블 생성
CREATE TABLE public.teams (
  id UUID DEFAULT gen_random_uuid() PRIMARY KEY,
  name TEXT NOT NULL
);

2. 멤버 테이블 생성

팀과 사용자를 연결하는 테이블을 생성한다. 로그인한 사용자가 속한 팀을 관리한다.

-- members 테이블 생성
CREATE TABLE public.members (
  team_id UUID REFERENCES public.teams(id) ON DELETE CASCADE NOT NULL,
  user_id UUID REFERENCES auth.users(id) ON DELETE CASCADE NOT NULL,
  PRIMARY KEY (team_id, user_id)
);

3. 팀 목록 조회 함수

현재 로그인한 사용자가 속한 팀 ID를 반환하는 함수를 생성한다.

-- 내가 속한 팀 목록을 가져오는 함수
CREATE OR REPLACE FUNCTION get_my_teams()
RETURNS SETOF uuid
LANGUAGE sql STABLE
AS $$
  SELECT team_id FROM public.members WHERE user_id = auth.uid();
$$;

4. 스토리지에 팀 ID 컬럼 추가

모델을 저장하는 storage.objects 테이블에 team_id 컬럼을 추가한다.

-- storage.objects 테이블에 team_id 컬럼 추가
ALTER TABLE storage.objects
ADD COLUMN team_id UUID REFERENCES public.teams(id);

5. RLS 정책 적용

models 버킷에 팀 기반 접근 정책을 설정한다. 로그인한 사용자가 속한 팀의 모델에만 접근하도록 제한한다.

-- Team Access Policy 생성
CREATE POLICY "Team Access Policy"
ON storage.objects
AS PERMISSIVE
FOR ALL
TO authenticated
USING (
  bucket_id = 'models'
  AND team_id IN (SELECT get_my_teams())
)
WITH CHECK (
  bucket_id = 'models'
  AND team_id IN (SELECT get_my_teams())
);

오류 해결 방법

위 과정을 따라도 정책 오류가 발생하면 기존 정책 충돌 가능성이 있다. 다음 단계를 따른다.

1. 기존 정책 삭제

잘못된 정책을 제거한다. 오류가 발생해도 무시해도 된다(정책이 없던 경우일 수 있다).

-- 기존 정책 삭제
DROP POLICY IF EXISTS "Allow ALL operations on models bucket" ON storage.objects;

2. 올바른 정책 생성

models 버킷에 대해 모든 작업을 허용하는 정책을 생성한다.

-- 새 정책 생성
CREATE POLICY "Allow ALL operations on models bucket"
ON storage.objects
FOR ALL
TO authenticated
USING (
  bucket_id = 'models'
  AND team_id IN (SELECT get_my_teams())
)
WITH CHECK (
  bucket_id = 'models'
  AND team_id IN (SELECT get_my_teams())
);

3. 정책 확인

정책이 제대로 적용됐는지 확인한다.

-- 정책 확인
SELECT * FROM pg_policies WHERE policyname = 'Allow ALL operations on models bucket';

정책 오류 없이 요청이 처리되면 성공이다.

TensorFlow 모델 업로드

Supabase 스토리지에 TensorFlow 모델을 업로드하려면 JavaScript SDK를 사용한다.
먼저, Supabase 대시보드의 Storage 메뉴에서 models 버킷을 생성한다(버킷 이름은 SQL 코드의 models와 일치해야 한다).
다음 코드를 참고해 모델 파일을 업로드한다:

import { createClient } from '@supabase/supabase-js';

// Supabase 클라이언트 초기화
const supabase = createClient('YOUR_SUPABASE_URL', 'YOUR_SUPABASE_KEY');

// 모델 파일 업로드
async function uploadModel(file, teamId) {
  const { data, error } = await supabase
    .storage
    .from('models')
    .upload(`models/${file.name}`, file, {
      metadata: { team_id: teamId }
    });
  
  if (error) {
    console.error('업로드 실패:', error);
    return;
  }
  console.log('업로드 성공:', data);
}

// 사용 예시
const modelFile = new File(['...'], 'model.h5'); // TensorFlow 모델 파일
uploadModel(modelFile, 'YOUR_TEAM_ID');

주의사항

버킷 이름: SQL 코드와 업로드 코드의 버킷 이름(models)이 동일해야 한다.
파일 크기: 무료 티어는 1GB 스토리지 한도가 있으므로 모델 크기를 확인한다.
메타데이터: team_id를 메타데이터로 추가해야 RLS 정책이 작동한다.
인증: 업로드는 인증된 사용자(authenticated)로 로그인한 상태에서 가능하다. Supabase Authentication을 설정해야 한다.

결론

Supabase로 TensorFlow 모델을 저장하는 방법을 정리했다.
무료 티어는 1GB 스토리지와 월 2GB 대역폭을 제공하니 한도를 주의한다.
위 단계를 따라 하면 정책 오류 없이 모델을 저장할 수 있다.

아래는 내가 올린 내 supabase의 모델을 로드해서 사용하는 html 페이지 이다.
진짜 잘 돌아가는 걸 보면, 무료 디비에선 진짜 탑급인 것 같다.
https://gihak111.github.io/plus/supabase_model_load.html