deployowanie aplikacji ai za pomoca terraform (windows)

Klikanie w AWS Console jest świetne na początek, ale gdy tworzysz aplikację AI z prawdziwego zdarzenia, potrzebujesz powtarzalności. Terraform to narzędzie Infrastructure as Code (IaC), które zamienia ręczne konfiguracje w kod — wersjonowany, recenzowany i wdrażany jednym poleceniem.

🎯 Czego się nauczysz:

• Podstaw Terraform i HCL (HashiCorp Configuration Language)
• Konfigurację providera AWS na Windowsie
• Zarządzanie wieloma środowiskami przez Workspaces
• Automatyzację deploymentu skryptami PowerShell
• Izolację stanu (state) per środowisko
• Dobre praktyki nazewnictwa i tagowania zasobów

🤔 Dlaczego Terraform dla aplikacji AI?

Gdy budujesz cyfrowego bliźniaka (Digital Twin) — chatbota wykorzystującego modele Bedrock — infrastruktura składa się z wielu moving parts:

• Lambda — backend Pythonowy obsługujący API
• API Gateway — endpointy HTTP dla frontendu
• S3 — bucket na frontend (static hosting) i pamięć konwersacji
• CloudFront — CDN dla frontendu
• IAM — uprawnienia do Bedrock i S3

Ręczne klikanie w konsoli przy trzech środowiskach (dev/test/prod) to prosta droga do błędów. Terraform pozwala zdefiniować to raz i deployować wielokrotnie.

🛠️ Przygotowanie środowiska Windows

Instalacja Terraform

Na Windows najwygodniej użyć winget lub pobrać binarkę:

# Instalacja przez winget (Windows 10/11)
winget install Hashicorp.Terraform

# Weryfikacja
terraform --version
# Terraform v1.10.0 on windows_amd64

Struktura projektu

⚙️ Konfiguracja Terraform

1. Provider i wersje (versions.tf)

terraform {
  required_version = ">= 1.0"
  
  required_providers {
    aws = {
      source  = "hashicorp/aws"
      version = "~> 6.0"
    }
  }
}

provider "aws" {
  region = "us-east-1"  # Bedrock najlepiej działa tu
}

# Drugi provider dla certyfikatów (musi być w us-east-1)
provider "aws" {
  alias  = "us_east_1"
  region = "us-east-1"
}

2. Zmienne (variables.tf)

Parametryzacja to klucz do wielu środowisk:

variable "project_name" {
  description = "Prefiks dla wszystkich zasobów"
  type        = string
  default     = "twin"
  
  validation {
    condition     = can(regex("^[a-z0-9-]+$", var.project_name))
    error_message = "Tylko małe litery, cyfry i myślniki."
  }
}

variable "environment" {
  description = "Środowisko: dev, test, prod"
  type        = string
  
  validation {
    condition     = contains(["dev", "test", "prod"], var.environment)
    error_message = "Dozwolone wartości: dev, test, prod."
  }
}

variable "bedrock_model_id" {
  description = "ID modelu AWS Bedrock"
  type        = string
  default     = "amazon.nova-micro-v1:0"  # Tani model dla dev
}

3. Główna konfiguracja (main.tf)

locals {
  name_prefix = "${var.project_name}-${var.environment}"
  
  common_tags = {
    Project     = var.project_name
    Environment = var.environment
    ManagedBy   = "terraform"
  }
}

# S3 dla pamięci konwersacji (prywatny)
resource "aws_s3_bucket" "memory" {
  bucket = "${local.name_prefix}-memory-${data.aws_caller_identity.current.account_id}"
  tags   = local.common_tags
}

# Lambda function
resource "aws_lambda_function" "api" {
  filename         = "${path.module}/../backend/lambda-deployment.zip"
  function_name    = "${local.name_prefix}-api"
  role             = aws_iam_role.lambda_role.arn
  handler          = "lambda_handler.handler"
  runtime          = "python3.12"
  timeout          = var.lambda_timeout
  
  environment {
    variables = {
      S3_BUCKET        = aws_s3_bucket.memory.id
      BEDROCK_MODEL_ID = var.bedrock_model_id
    }
  }
}

4. Wyjścia (outputs.tf)

output "api_gateway_url" {
  description = "URL API Gateway"
  value       = aws_apigatewayv2_api.main.api_endpoint
}

output "cloudfront_url" {
  description = "URL CloudFront"
  value       = "https://${aws_cloudfront_distribution.main.domain_name}"
}

🗂️ Workspaces — klucz do izolacji środowisk

Terraform Workspaces pozwalają utrzymać osobny stan (state) dla każdego środowiska bez duplikowania kodu.

param(
    [string]$Environment = "dev",   # dev | test | prod
    [string]$ProjectName = "twin"
)
$ErrorActionPreference = "Stop"

Write-Host "🚀 Deploying $ProjectName to $Environment..." -ForegroundColor Green

# 1. Budowanie pakietu Lambda
Set-Location (Split-Path $PSScriptRoot -Parent)
Write-Host "📦 Building Lambda package..." -ForegroundColor Yellow

Set-Location backend
uv run deploy.py  # Tworzy lambda-deployment.zip
Set-Location ..

# 2. Terraform - inicjalizacja i apply
Set-Location terraform
terraform init -input=false

# Sprawdź czy workspace istnieje
if (-not (terraform workspace list | Select-String $Environment)) {
    terraform workspace new $Environment
} else {
    terraform workspace select $Environment
}

# Apply z auto-approve
terraform apply -var="project_name=$ProjectName" -var="environment=$Environment" -auto-approve

# Pobierz outputy
$ApiUrl = terraform output -raw api_gateway_url
$FrontendBucket = terraform output -raw s3_frontend_bucket

Set-Location ..\frontend

# 3. Budowanie frontendu
Write-Host "📝 Building frontend..." -ForegroundColor Yellow
"NEXT_PUBLIC_API_URL=$ApiUrl" | Out-File .env.production -Encoding utf8

npm install
npm run build

# 4. Deploy do S3
aws s3 sync .\out "s3://$FrontendBucket/" --delete

Write-Host "`n✅ Deployment complete!" -ForegroundColor Green

project_name             = "twin"
environment              = "prod"
bedrock_model_id         = "amazon.nova-lite-v1:0"  # Lepszy model
lambda_timeout           = 60
api_throttle_burst_limit = 20
use_custom_domain        = true
root_domain              = "twojadomena.pl"

project_name     = "twin"
environment      = "dev"
bedrock_model_id = "amazon.nova-micro-v1:0"  # Tańszy
use_custom_domain = false

param(
    [Parameter(Mandatory=$true)]
    [string]$Environment,
    [string]$ProjectName = "twin"
)

Write-Host "🗑️ Destroying $ProjectName-$Environment..." -ForegroundColor Red

Set-Location (Join-Path (Split-Path $PSScriptRoot -Parent) "terraform")

# Pobierz nazwy bucketów przed destroy
$AccountId = aws sts get-caller-identity --query Account --output text
$FrontendBucket = "$ProjectName-$Environment-frontend-$AccountId"
$MemoryBucket = "$ProjectName-$Environment-memory-$AccountId"

# Opróżnij S3 (Terraform nie usunie niepustych bucketów)
aws s3 rm "s3://$FrontendBucket" --recursive 2>$null
aws s3 rm "s3://$MemoryBucket" --recursive 2>$null

# Destroy
terraform workspace select $Environment
terraform destroy -auto-approve

Write-Host "✅ Environment $Environment destroyed" -ForegroundColor Green