1. บทนำ
คุณสามารถใช้เวิร์กโฟลว์เพื่อสร้างเวิร์กโฟลว์แบบ Serverless ที่ลิงก์ชุดงานแบบ Serverless เข้าด้วยกันตามลำดับที่คุณกำหนด คุณสามารถผสานประสิทธิภาพของ API ของ Google Cloud, ผลิตภัณฑ์แบบ Serverless เช่น Cloud Functions และ Cloud Run และการเรียกใช้ API ภายนอกเพื่อสร้างแอปพลิเคชันแบบ Serverless ที่ยืดหยุ่น
เวิร์กโฟลว์ไม่จําเป็นต้องจัดการโครงสร้างพื้นฐานและปรับขนาดตามดีมานด์ได้อย่างราบรื่น รวมถึงปรับขนาดให้เหลือ 0 ได้ รูปแบบการกำหนดราคาแบบจ่ายตามการใช้งานช่วยให้คุณจ่ายเฉพาะค่ารันไทม์เท่านั้น
ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีเชื่อมต่อบริการต่างๆ ของ Google Cloud และ HTTP API ภายนอกกับเวิร์กโฟลว์ กล่าวโดยละเอียดคือ คุณจะต้องเชื่อมต่อบริการ Cloud Functions สาธารณะ 2 รายการ บริการ Cloud Run ส่วนตัว 1 รายการ และ HTTP API สาธารณะภายนอก 1 รายการเข้าด้วยกันเป็นเวิร์กโฟลว์
สิ่งที่คุณจะได้เรียนรู้
- ข้อมูลเบื้องต้นเกี่ยวกับเวิร์กโฟลว์
- วิธีเชื่อมต่อ Cloud Functions สาธารณะกับเวิร์กโฟลว์
- วิธีเชื่อมต่อบริการ Cloud Run ส่วนตัวกับเวิร์กโฟลว์
- วิธีเชื่อมต่อ HTTP API ภายนอกกับเวิร์กโฟลว์
2. การตั้งค่าและข้อกําหนด
การตั้งค่าสภาพแวดล้อมด้วยตนเอง
- ลงชื่อเข้าใช้ Cloud Console แล้วสร้างโปรเจ็กต์ใหม่หรือใช้โปรเจ็กต์ที่มีอยู่ซ้ำ (หากยังไม่มีบัญชี Gmail หรือ G Suite คุณต้องสร้างบัญชี)
โปรดจดจำรหัสโปรเจ็กต์ ซึ่งเป็นชื่อที่ไม่ซ้ำกันสำหรับโปรเจ็กต์ Google Cloud ทั้งหมด (ชื่อด้านบนมีผู้ใช้แล้วและจะใช้ไม่ได้ ขออภัย) ซึ่งจะเรียกว่า PROJECT_ID ในโค้ดแล็บนี้
- ถัดไป คุณจะต้องเปิดใช้การเรียกเก็บเงินใน Cloud Console เพื่อใช้ทรัพยากร Google Cloud
การทำตามโค้ดแล็บนี้ไม่น่าจะเสียค่าใช้จ่ายมากนัก โปรดทําตามวิธีการในส่วน "การล้างข้อมูล" ซึ่งจะแนะนําวิธีปิดใช้ทรัพยากรเพื่อไม่ให้มีการเรียกเก็บเงินหลังจากบทแนะนํานี้ ผู้ใช้ใหม่ของ Google Cloud มีสิทธิ์เข้าร่วมโปรแกรมช่วงทดลองใช้ฟรีมูลค่า$300 USD
เริ่ม Cloud Shell
แม้ว่าคุณจะดำเนินการกับ Google Cloud จากระยะไกลจากแล็ปท็อปได้ แต่ในโค้ดแล็บนี้ คุณจะใช้ Google Cloud Shell ซึ่งเป็นสภาพแวดล้อมบรรทัดคำสั่งที่ทำงานในระบบคลาวด์
จากคอนโซล GCP ให้คลิกไอคอน Cloud Shell ในแถบเครื่องมือด้านขวาบน
การจัดสรรและเชื่อมต่อกับสภาพแวดล้อมจะใช้เวลาเพียงไม่กี่นาที เมื่อดำเนินการเสร็จแล้ว คุณควรเห็นข้อมูลดังต่อไปนี้
เครื่องเสมือนนี้โหลดเครื่องมือการพัฒนาทั้งหมดที่คุณต้องการ ซึ่งจะมีไดเรกทอรีหลักขนาด 5 GB ถาวรและทำงานบน Google Cloud ซึ่งจะช่วยเพิ่มประสิทธิภาพเครือข่ายและการรับรองได้อย่างมีประสิทธิภาพ คุณทํางานทั้งหมดในแท็บนี้ได้โดยใช้เพียงเบราว์เซอร์
3. ภาพรวมของเวิร์กโฟลว์
พื้นฐาน
เวิร์กโฟลว์ประกอบด้วยชุดขั้นตอนที่อธิบายโดยใช้ไวยากรณ์เวิร์กโฟลว์ที่ใช้ YAML นี่คือคําจํากัดความของเวิร์กโฟลว์ ดูคำอธิบายโดยละเอียดเกี่ยวกับไวยากรณ์ YAML ของเวิร์กโฟลว์ได้ที่หน้าการอ้างอิงไวยากรณ์
เมื่อสร้างเวิร์กโฟลว์แล้ว ระบบจะนำไปใช้งาน ซึ่งทำให้เวิร์กโฟลว์พร้อมใช้งาน การดำเนินการคือการเรียกใช้ตรรกะที่อยู่ในคําจํากัดความของเวิร์กโฟลว์เพียงครั้งเดียว การดำเนินการเวิร์กโฟลว์ทั้งหมดจะแยกกัน และผลิตภัณฑ์รองรับการดำเนินการพร้อมกันเป็นจำนวนมาก
เปิดใช้บริการ
ในโค้ดแล็บนี้ คุณจะเชื่อมต่อ Cloud Functions และบริการ Cloud Run กับเวิร์กโฟลว์ นอกจากนี้ คุณยังใช้ Cloud Build และ Cloud Storage ในระหว่างการสร้างบริการด้วย
เปิดใช้บริการที่จำเป็นทั้งหมด
gcloud services enable \ cloudfunctions.googleapis.com \ run.googleapis.com \ workflows.googleapis.com \ cloudbuild.googleapis.com \ storage.googleapis.com
ในขั้นตอนถัดไป คุณจะต้องเชื่อมต่อ Cloud Functions 2 รายการเข้าด้วยกันในเวิร์กโฟลว์
4. ทำให้ Cloud Function รายการแรกใช้งานได้
ฟังก์ชันแรกคือโปรแกรมสุ่มตัวเลขใน Python
สร้างและไปยังไดเรกทอรีของโค้ดฟังก์ชัน
mkdir ~/randomgen cd ~/randomgen
สร้างไฟล์ main.py ในไดเรกทอรีที่มีเนื้อหาต่อไปนี้
import random, json from flask import jsonify def randomgen(request): randomNum = random.randint(1,100) output = {"random":randomNum} return jsonify(output) เมื่อได้รับคําขอ HTTP ฟังก์ชันนี้จะสร้างตัวเลขสุ่มระหว่าง 1 ถึง 100 และแสดงผลในรูปแบบ JSON กลับไปยังผู้เรียก
ฟังก์ชันนี้ใช้ Flask ในการประมวลผล HTTP และเราต้องเพิ่ม Flask นั้นไว้เป็น Dependency Dependency ใน Python จัดการด้วย pip และแสดงในไฟล์ข้อมูลเมตาชื่อ requirements.txt
สร้างไฟล์ requirements.txt ในไดเรกทอรีเดียวกันที่มีเนื้อหาต่อไปนี้
flask>=1.0.2
ทำให้ฟังก์ชันใช้งานได้ด้วยทริกเกอร์ HTTP และคำขอที่ไม่ผ่านการตรวจสอบสิทธิ์ที่อนุญาตด้วยคำสั่งนี้
gcloud functions deploy randomgen \ --runtime python312 \ --trigger-http \ --allow-unauthenticated
เมื่อทําให้การทํางานใช้งานได้แล้ว คุณจะเห็น URL ของฟังก์ชันในส่วนพร็อพเพอร์ตี้ url ที่แสดงในคอนโซลหรือแสดงพร้อมกับคําสั่ง gcloud functions describe
นอกจากนี้ คุณยังไปที่ URL ของฟังก์ชันได้ด้วยคำสั่ง curl ต่อไปนี้
curl $(gcloud functions describe randomgen --format='value(url)')
ฟังก์ชันพร้อมใช้งานกับเวิร์กโฟลว์แล้ว
5. ติดตั้งใช้งาน Cloud Function รายการที่ 2
ฟังก์ชันที่ 2 คือตัวคูณ โดยจะคูณอินพุตที่ได้รับด้วย 2
สร้างและไปยังไดเรกทอรีของโค้ดฟังก์ชัน
mkdir ~/multiply cd ~/multiply
สร้างไฟล์ main.py ในไดเรกทอรีที่มีเนื้อหาต่อไปนี้
import random, json from flask import jsonify def multiply(request): request_json = request.get_json() output = {"multiplied":2*request_json['input']} return jsonify(output) เมื่อได้รับคําขอ HTTP ฟังก์ชันนี้จะดึงข้อมูล input จากเนื้อหา JSON แล้วคูณด้วย 2 และแสดงผลในรูปแบบ JSON กลับไปยังผู้เรียกใช้
สร้างไฟล์ requirements.txt เดียวกันในไดเรกทอรีเดียวกันที่มีเนื้อหาต่อไปนี้
flask>=1.0.2
ทำให้ฟังก์ชันใช้งานได้ด้วยทริกเกอร์ HTTP และคำขอที่ไม่ผ่านการตรวจสอบสิทธิ์ที่ได้รับอนุญาตด้วยคำสั่งนี้
gcloud functions deploy multiply \ --runtime python312 \ --trigger-http \ --allow-unauthenticated
เมื่อทำให้ฟังก์ชันใช้งานได้แล้ว คุณจะไปที่ URL ของฟังก์ชันนั้นได้ด้วยคำสั่ง curl ต่อไปนี้
curl $(gcloud functions describe multiply --format='value(url)') \ -X POST \ -H "content-type: application/json" \ -d '{"input": 5}' ฟังก์ชันพร้อมใช้งานกับเวิร์กโฟลว์แล้ว
6. เชื่อมต่อ Cloud Function 2 รายการ
ในเวิร์กโฟลว์แรก ให้เชื่อมต่อฟังก์ชัน 2 รายการเข้าด้วยกัน
สร้างไฟล์ workflow.yaml ที่มีเนื้อหาต่อไปนี้
- randomgenFunction: call: http.get args: url: https://<region>-<project-id>.cloudfunctions.net/randomgen result: randomgenResult - multiplyFunction: call: http.post args: url: https://<region>-<project-id>.cloudfunctions.net/multiply body: input: ${randomgenResult.body.random} result: multiplyResult - returnResult: return: ${multiplyResult} ในเวิร์กโฟลว์นี้ คุณจะได้รับตัวเลขสุ่มจากฟังก์ชันแรกและส่งไปยังฟังก์ชันที่ 2 ผลลัพธ์คือตัวเลขสุ่มที่คูณกัน
ทำให้เวิร์กโฟลว์แรกใช้งานได้
gcloud workflows deploy workflow --source=workflow.yaml
ดำเนินการเวิร์กโฟลว์แรก
gcloud workflows execute workflow
เมื่อเรียกใช้เวิร์กโฟลว์แล้ว คุณจะเห็นผลลัพธ์โดยส่งรหัสการดำเนินการที่ระบุไว้ในขั้นตอนก่อนหน้า
gcloud workflows executions describe <your-execution-id> --workflow workflow
เอาต์พุตจะมี result และ state ดังนี้
result: '{"body":{"multiplied":108},"code":200 ... } ... state: SUCCEEDED 7. เชื่อมต่อ HTTP API ภายนอก
ถัดไป คุณจะต้องเชื่อมต่อ math.js เป็นบริการภายนอกในเวิร์กโฟลว์
ใน math.js คุณสามารถประเมินนิพจน์ทางคณิตศาสตร์ได้ดังนี้
curl https://api.mathjs.org/v4/?'expr=log(56)'
ครั้งนี้คุณจะใช้ Cloud Console เพื่ออัปเดตเวิร์กโฟลว์ ค้นหา Workflows ในคอนโซล Google Cloud
ค้นหาเวิร์กโฟลว์แล้วคลิกแท็บ Definition
แก้ไขคําจํากัดความของเวิร์กโฟลว์และใส่การเรียกใช้ math.js
- randomgenFunction: call: http.get args: url: https://<region>-<project-id>.cloudfunctions.net/randomgen result: randomgenResult - multiplyFunction: call: http.post args: url: https://<region>-<project-id>.cloudfunctions.net/multiply body: input: ${randomgenResult.body.random} result: multiplyResult - logFunction: call: http.get args: url: https://api.mathjs.org/v4/ query: expr: ${"log(" + string(multiplyResult.body.multiplied) + ")"} result: logResult - returnResult: return: ${logResult} ตอนนี้เวิร์กโฟลว์จะส่งเอาต์พุตของฟังก์ชันการคูณไปยังการเรียกใช้ฟังก์ชันบันทึกใน math.js
UI จะแนะนําวิธีแก้ไขและทำให้เวิร์กโฟลว์ใช้งานได้ เมื่อติดตั้งใช้งานแล้ว ให้คลิก Execute เพื่อเรียกใช้เวิร์กโฟลว์ คุณจะเห็นรายละเอียดของการดำเนินการดังนี้
สังเกตรหัสสถานะ 200 และ body ที่มีเอาต์พุตของฟังก์ชันบันทึก
คุณเพิ่งผสานรวมบริการภายนอกเข้ากับเวิร์กโฟลว์ของเรา เยี่ยมไปเลย
8. ให้บริการ Cloud Run
ในส่วนสุดท้าย ให้ทําขั้นตอนการทำงานให้เสร็จสมบูรณ์ด้วยการเรียกใช้บริการ Cloud Run ส่วนตัว ซึ่งหมายความว่าเวิร์กโฟลว์ต้องได้รับการตรวจสอบสิทธิ์เพื่อเรียกใช้บริการ Cloud Run
บริการ Cloud Run จะแสดงผล math.floor ของจำนวนที่ส่งเข้ามา
สร้างและไปยังไดเรกทอรีของรหัสบริการ
mkdir ~/floor cd ~/floor
สร้างไฟล์ app.py ในไดเรกทอรีที่มีเนื้อหาต่อไปนี้
import json import logging import os import math from flask import Flask, request app = Flask(__name__) @app.route('/', methods=['POST']) def handle_post(): content = json.loads(request.data) input = float(content['input']) return f"{math.floor(input)}", 200 if __name__ != '__main__': # Redirect Flask logs to Gunicorn logs gunicorn_logger = logging.getLogger('gunicorn.error') app.logger.handlers = gunicorn_logger.handlers app.logger.setLevel(gunicorn_logger.level) app.logger.info('Service started...') else: app.run(debug=True, host='0.0.0.0', port=int(os.environ.get('PORT', 8080))) Cloud Run จะทําให้คอนเทนเนอร์ใช้งานได้ คุณจึงต้องมี Dockerfile และคอนเทนเนอร์ต้องเชื่อมโยงกับตัวแปร env 0.0.0.0 และ PORT จึงเป็นที่มาของโค้ดด้านบน
เมื่อได้รับคําขอ HTTP ฟังก์ชันนี้จะดึงข้อมูล input จากเนื้อหา JSON, เรียกใช้ math.floor และแสดงผลลัพธ์กลับไปยังผู้เรียกใช้
สร้าง Dockerfile ต่อไปนี้ในไดเรกทอรีเดียวกัน
# Use an official lightweight Python image. # https://hub.docker.com/_/python FROM python:3.7-slim # Install production dependencies. RUN pip install Flask gunicorn # Copy local code to the container image. WORKDIR /app COPY . . # Run the web service on container startup. Here we use the gunicorn # webserver, with one worker process and 8 threads. # For environments with multiple CPU cores, increase the number of workers # to be equal to the cores available. CMD exec gunicorn --bind 0.0.0.0:8080 --workers 1 --threads 8 app:app
สร้างคอนเทนเนอร์โดยทำดังนี้
export SERVICE_NAME=floor gcloud builds submit --tag gcr.io/${GOOGLE_CLOUD_PROJECT}/${SERVICE_NAME} เมื่อสร้างคอนเทนเนอร์แล้ว ให้ทำให้ใช้งานได้ใน Cloud Run สังเกตธง no-allow-unauthenticated วิธีนี้ช่วยให้มั่นใจว่าบริการจะยอมรับเฉพาะการเรียกที่มีการตรวจสอบสิทธิ์เท่านั้น
gcloud run deploy ${SERVICE_NAME} \ --image gcr.io/${GOOGLE_CLOUD_PROJECT}/${SERVICE_NAME} \ --platform managed \ --no-allow-unauthenticated เมื่อติดตั้งใช้งานแล้ว บริการจะพร้อมใช้งานสำหรับเวิร์กโฟลว์
9. เชื่อมต่อบริการ Cloud Run
คุณต้องสร้างบัญชีบริการสำหรับ Workflows เพื่อใช้ก่อนจึงจะกำหนดค่า Workflows ให้เรียกใช้บริการ Cloud Run ส่วนตัวได้ โดยทำดังนี้
export SERVICE_ACCOUNT=workflows-sa gcloud iam service-accounts create ${SERVICE_ACCOUNT} มอบบทบาท run.invoker ให้กับบัญชีบริการ ซึ่งจะช่วยให้บัญชีบริการเรียกใช้บริการ Cloud Run ที่ตรวจสอบสิทธิ์ได้
gcloud projects add-iam-policy-binding ${GOOGLE_CLOUD_PROJECT} \ --member "serviceAccount:${SERVICE_ACCOUNT}@${GOOGLE_CLOUD_PROJECT}.iam.gserviceaccount.com" \ --role "roles/run.invoker" อัปเดตคําจํากัดความของเวิร์กโฟลว์ใน workflow.yaml ให้รวมบริการ Cloud Run โปรดสังเกตว่าคุณใส่ช่อง auth ด้วยเพื่อให้แน่ใจว่าเวิร์กโฟลว์จะส่งโทเค็นการตรวจสอบสิทธิ์ในการเรียกใช้บริการ Cloud Run
- randomgenFunction: call: http.get args: url: https://<region>-<project-id>.cloudfunctions.net/randomgen result: randomgenResult - multiplyFunction: call: http.post args: url: https://<region>-<project-id>.cloudfunctions.net/multiply body: input: ${randomgenResult.body.random} result: multiplyResult - logFunction: call: http.get args: url: https://api.mathjs.org/v4/ query: expr: ${"log(" + string(multiplyResult.body.multiplied) + ")"} result: logResult - floorFunction: call: http.post args: url: https://floor-<random-hash>.run.app auth: type: OIDC body: input: ${logResult.body} result: floorResult - returnResult: return: ${floorResult} อัปเดตเวิร์กโฟลว์ การส่งบัญชีบริการในครั้งนี้
gcloud workflows deploy workflow \ --source=workflow.yaml \ --service-account=${SERVICE_ACCOUNT}@${GOOGLE_CLOUD_PROJECT}.iam.gserviceaccount.com ดำเนินการเวิร์กโฟลว์
gcloud workflows execute workflow
ในอีก 2-3 วินาที คุณจะดูการดำเนินการเวิร์กโฟลว์เพื่อดูผลลัพธ์ได้
gcloud workflows executions describe <your-execution-id> --workflow workflow
เอาต์พุตจะมีจํานวนเต็ม result และ state ดังนี้
result: '{"body":"5","code":200 ... } ... state: SUCCEEDED 10. ยินดีด้วย
ขอแสดงความยินดีที่ทํา Codelab จนเสร็จสมบูรณ์
สิ่งที่เราได้พูดถึง
- ข้อมูลเบื้องต้นเกี่ยวกับเวิร์กโฟลว์
- วิธีเชื่อมต่อ Cloud Functions สาธารณะกับเวิร์กโฟลว์
- วิธีเชื่อมต่อบริการ Cloud Run ส่วนตัวกับเวิร์กโฟลว์
- วิธีเชื่อมต่อ HTTP API ภายนอกกับเวิร์กโฟลว์