程式碼研究室簡介
1. 簡介
您可以使用 Workflows 建立無伺服器工作流程，按照您定義的順序連結一系列無伺服器工作。您可以結合 Google Cloud 的 API、Cloud Functions 和 Cloud Run 等無伺服器產品，以及外部 API 的呼叫，藉此建構彈性的無伺服器應用程式。
Workflows 不需管理基礎架構，並能視需求順暢調度資源，甚至將資源縮減至零。採用「以量計價，即付即用」的定價模式，因此您只需要為執行時間付費。
在本程式碼研究室中，您將瞭解如何將各種 Google Cloud 服務和外部 HTTP API 連結至工作流程。具體來說，您將連結兩個公開 Cloud Functions 服務、一個私人 Cloud Run 服務和外部公開 HTTP API 至工作流程。
課程內容
- 工作流程的基本概念。
- 如何將公開 Cloud Functions 連結至工作流程。
- 如何將私人 Cloud Run 服務連結至工作流程。
- 如何將外部 HTTP API 連結至 Workflow。
2. 設定和需求
自助式環境設定
請記住專案 ID，這是所有 Google Cloud 專案的專屬名稱 (上述名稱已被使用，因此無法使用)。這個值稍後會在本程式碼研究室中稱為 PROJECT_ID。
- 接著，您需要在 Cloud 控制台中啟用帳單功能，才能使用 Google Cloud 資源。
執行本程式碼研究室時，費用應該不會太高，請務必按照「清除」一節中的操作說明，瞭解如何關閉資源，避免產生教學課程以外的帳單費用。Google Cloud 新使用者可享有 $300 美元的免費試用期。
啟動 Cloud Shell
雖然 Google Cloud 可透過筆記型電腦遠端操作，但在本程式碼研究室中，您將使用 Google Cloud Shell，這是在雲端運作的指令列環境。
在 GCP 主控台的右上方工具列中，按一下 Cloud Shell 圖示：
佈建並連線至環境的作業需要一些時間才能完成。完成後，畫面應如下所示：
這個虛擬機器會載入您需要的所有開發工具。提供永久的 5 GB 主目錄，而且在 Google Cloud 中運作，可大幅提升網路效能和驗證功能。您只需使用瀏覽器，就能完成本研究室中的所有工作。
3. 工作流程總覽
基本資訊
工作流程由一系列步驟組成，這些步驟是以 Workflows 的 YAML 語法描述。這是工作流程的定義。如需 Workflows YAML 語法的詳細說明，請參閱「語法參考資料」頁面。
建立工作流程後，系統會部署工作流程，讓工作流程準備就緒，以便執行。執行作業是指工作流程定義中邏輯的單次執行作業。所有工作流程執行作業都是獨立的，且產品可支援大量並行執行作業。
啟用服務
在本程式碼研究室中，您將連結 Cloud Functions 和 Cloud Run 服務，並與工作流程整合。您也會在建構服務時使用 Cloud Build 和 Cloud Storage。
啟用所有必要服務：
gcloud services enable \ cloudfunctions.googleapis.com \ run.googleapis.com \ workflows.googleapis.com \ cloudbuild.googleapis.com \ storage.googleapis.com
在下一個步驟中，您將在工作流程中連結兩個 Cloud Functions。
4. 部署第一個 Cloud 函式
第一個函式是 Python 中的隨機數字產生器。
建立函式程式碼的目錄並前往該目錄：
mkdir ~/randomgen cd ~/randomgen
在目錄中建立含有以下內容的 main.py 檔案：
import random, json
from flask import jsonify
def randomgen(request):
randomNum = random.randint(1,100)
output = {"random":randomNum}
return jsonify(output)
收到 HTTP 要求時，這個函式會產生介於 1 和 100 之間的隨機數字，並以 JSON 格式傳回給呼叫端。
這個函式會使用 Flask 處理 HTTP，因此我們需要將 Flask 新增為依附元件。Python 中的依附元件由 pip 代管，並以名為 requirements.txt 的中繼資料檔案表示。
在同一個目錄中建立含有以下內容的 requirements.txt 檔案：
flask>=1.0.2
使用這項指令，部署具備 HTTP 觸發條件且允許未經驗證要求的函式：
gcloud functions deploy randomgen \
--runtime python312 \
--trigger-http \
--allow-unauthenticated
函式部署完成後，您可以在主控台或透過 gcloud functions describe 指令，查看 url 屬性下方顯示的函式網址。
您也可以使用下列 curl 指令，前往函式的網址：
curl $(gcloud functions describe randomgen --format='value(url)')
函式已準備好用於工作流程。
5. 部署第二個 Cloud 函式
第二個函式是乘數。會將收到的輸入值乘以 2。
建立函式程式碼的目錄並前往該目錄：
mkdir ~/multiply cd ~/multiply
在目錄中建立含有以下內容的 main.py 檔案：
import random, json
from flask import jsonify
def multiply(request):
request_json = request.get_json()
output = {"multiplied":2*request_json['input']}
return jsonify(output)
收到 HTTP 要求時，這個函式會從 JSON 主體擷取 input，並將其乘以 2，然後以 JSON 格式傳回給呼叫端。
在同一個目錄中建立相同的 requirements.txt 檔案，並加入以下內容：
flask>=1.0.2
使用這項指令，部署具備 HTTP 觸發條件且允許未經驗證要求的函式：
gcloud functions deploy multiply \
--runtime python312 \
--trigger-http \
--allow-unauthenticated
函式部署完成後，您也可以使用下列 curl 指令，前往函式的網址：
curl $(gcloud functions describe multiply --format='value(url)') \
-X POST \
-H "content-type: application/json" \
-d '{"input": 5}'
函式已準備好用於工作流程。
6. 連結兩個 Cloud 函式
在第一個工作流程中，將這兩個函式連結在一起。
建立含有以下內容的 workflow.yaml 檔案。
- 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}
在這個工作流程中，您會從第一個函式取得隨機數字，並將該數字傳遞至第二個函式。結果就是相乘的隨機數字。
部署第一個工作流程：
gcloud workflows deploy workflow --source=workflow.yaml
執行第一個工作流程：
gcloud workflows execute workflow
工作流程執行完畢後，您可以傳入上一個步驟提供的執行 ID，查看結果：
gcloud workflows executions describe <your-execution-id> --workflow workflow
輸出內容會包含 result 和 state：
result: '{"body":{"multiplied":108},"code":200 ... }
...
state: SUCCEEDED
7. 連結外部 HTTP API
接下來，您將在工作流程中將 math.js 連結為外部服務。
在 math.js 中，您可以評估以下類型的數學運算式：
curl https://api.mathjs.org/v4/?'expr=log(56)'
這次您將使用 Cloud 控制台更新工作流程。在 Google Cloud 控制台中找出 Workflows：
找出工作流程，然後按一下「Definition」分頁：
編輯工作流程定義，並加入對 math.js 的呼叫。
- 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: ${logResult}
工作流程現在會將乘法函式的輸出內容，饋入 math.js 中的記錄函式呼叫。
使用者介面會引導您編輯及部署工作流程。部署完成後，按一下 Execute 執行工作流程。您會看到執行作業的詳細資料：
請注意狀態碼 200 和 body，以及記錄函式的輸出內容。
你剛剛將外部服務整合至我們的工作流程，太棒了！
8. 部署 Cloud Run 服務
在最後一部分，我們會透過呼叫私人 Cloud Run 服務來完成工作流程。也就是說，工作流程必須經過驗證，才能呼叫 Cloud Run 服務。
Cloud Run 服務會傳回傳入數字的 math.floor。
建立服務程式碼的目錄並前往該目錄：
mkdir ~/floor cd ~/floor
在目錄中建立含有以下內容的 app.py 檔案：
import json
import logging
import os
import math
from flask import Flask, request
app = Flask(__name__)
@app.route('/', methods=['POST'])
def handle_post():
content = json.loads(request.data)
input = float(content['input'])
return f"{math.floor(input)}", 200
if __name__ != '__main__':
# Redirect Flask logs to Gunicorn logs
gunicorn_logger = logging.getLogger('gunicorn.error')
app.logger.handlers = gunicorn_logger.handlers
app.logger.setLevel(gunicorn_logger.level)
app.logger.info('Service started...')
else:
app.run(debug=True, host='0.0.0.0', port=int(os.environ.get('PORT', 8080)))
Cloud Run 會部署容器，因此您需要 Dockerfile，而且容器需要繫結至 0.0.0.0 和 PORT 環境變數，因此會出現上述程式碼。
收到 HTTP 要求時，這個函式會從 JSON 主體中擷取 input、呼叫 math.floor，然後將結果傳回給呼叫端。
在同一個目錄中建立下列 Dockerfile：
# Use an official lightweight Python image. # https://hub.docker.com/_/python FROM python:3.7-slim # Install production dependencies. RUN pip install Flask gunicorn # Copy local code to the container image. WORKDIR /app COPY . . # Run the web service on container startup. Here we use the gunicorn # webserver, with one worker process and 8 threads. # For environments with multiple CPU cores, increase the number of workers # to be equal to the cores available. CMD exec gunicorn --bind 0.0.0.0:8080 --workers 1 --threads 8 app:app
建構容器：
export SERVICE_NAME=floor
gcloud builds submit --tag gcr.io/${GOOGLE_CLOUD_PROJECT}/${SERVICE_NAME}
建構容器後，請將其部署至 Cloud Run。請注意 no-allow-unauthenticated 標記。這樣可確保服務只接受經過驗證的呼叫：
gcloud run deploy ${SERVICE_NAME} \
--image gcr.io/${GOOGLE_CLOUD_PROJECT}/${SERVICE_NAME} \
--platform managed \
--no-allow-unauthenticated
部署完成後，服務就會準備好執行工作流程。
9. 連結 Cloud Run 服務
如要設定工作流程以呼叫私人 Cloud Run 服務，您必須先建立工作流程可使用的服務帳戶：
export SERVICE_ACCOUNT=workflows-sa
gcloud iam service-accounts create ${SERVICE_ACCOUNT}
將 run.invoker 角色授予服務帳戶。這樣服務帳戶就能呼叫已驗證的 Cloud Run 服務：
gcloud projects add-iam-policy-binding ${GOOGLE_CLOUD_PROJECT} \
--member "serviceAccount:${SERVICE_ACCOUNT}@${GOOGLE_CLOUD_PROJECT}.iam.gserviceaccount.com" \
--role "roles/run.invoker"
更新 workflow.yaml 中的工作流程定義，納入 Cloud Run 服務。請注意，您也要加入 auth 欄位，確保 Workflows 在對 Cloud Run 服務的呼叫中傳遞驗證權杖：
- 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: ${floorResult}
更新工作流程。這次傳入服務帳戶：
gcloud workflows deploy workflow \
--source=workflow.yaml \
--service-account=${SERVICE_ACCOUNT}@${GOOGLE_CLOUD_PROJECT}.iam.gserviceaccount.com
執行工作流程：
gcloud workflows execute workflow
幾秒後，您就可以查看工作流程執行結果：
gcloud workflows executions describe <your-execution-id> --workflow workflow
輸出內容會包含整數 result 和 state：
result: '{"body":"5","code":200 ... }
...
state: SUCCEEDED
10. 恭喜！
恭喜您完成程式碼研究室！
涵蓋內容
- 工作流程的基本概念。
- 如何將公開 Cloud Functions 連結至工作流程。
- 如何將私人 Cloud Run 服務連結至工作流程。
- 如何將外部 HTTP API 連結至 Workflow。