Esta guía te ayuda a comprender e implementar la solución Base de conocimiento de IA generativa. En esta solución, se muestra cómo compilar una canalización de respuesta a preguntas extractivas (EQA) para producir contenido para una base de conocimiento interna.
Una canalización de EQA procesa documentos, extrae pares de preguntas y respuestas de los documentos y te proporciona información estructurada para ajustar un modelo de lenguaje grande (LLM). Por ejemplo, puedes subir un documento que contenga muchas preguntas frecuentes, ajustar un LLM con esas preguntas frecuentes y, luego, usar el modelo entrenado para ayudar a los agentes de atención al cliente a encontrar información mientras resuelven casos.
Este documento está dirigido a desarrolladores que tengan experiencia en los LLMs. Se da por sentado que estás familiarizado con los conceptos básicos de la nube
Objetivos
Esta guía de soluciones te ayuda a hacer lo siguiente:
- Implementar una aplicación que extraiga pares de preguntas y respuestas de tus documentos
- Implementar una canalización que active tu aplicación cuando se suba un documento.
- Entrena un modelo de IA basado en instrucciones con el resultado de tu aplicación
Arquitectura
Esta solución implementa una aplicación de base de conocimiento de IA generativa. En el siguiente diagrama, se muestra la arquitectura de la infraestructura de la aplicación:
Flujo de solicitud
En los siguientes pasos, se detalla el flujo de procesamiento de solicitudes de la aplicación. Los pasos del flujo están numerados como se muestra en el diagrama de arquitectura anterior.
Para iniciar la aplicación de la base de conocimiento de IA generativa, sube un documento directamente a un bucket de Cloud Storage, ya sea a través de la consola de Google Cloud o gcloud CLI.
Cuando se sube el documento, se activa una función de Cloud Run. Esta función ejecuta el proceso de búsqueda de respuestas de extracción.
La función usa el OCR de Document AI para extraer todo el texto del documento.
La función indexa el documento en Vector Search. El índice de Vector Search proporciona contexto para que LLM extraiga pares de pregunta y respuesta solo en función del contenido que se extrae directamente de los documentos subidos.
La función usa Vertex AI para extraer y generar preguntas y respuestas del documento.
La función almacena los pares de preguntas y respuestas extraídos en Firestore.
Se genera un conjunto de datos de ajuste JSONL a partir de la base de datos de Firestore y se almacena en Cloud Storage.
Después de validar manualmente que estás satisfecho con el conjunto de datos, puedes iniciar un trabajo de ajuste en Vertex AI.
Cuando se completa el trabajo de ajuste, el modelo ajustado se implementa en un extremo. Después de implementar en un extremo, puedes enviar consultas al modelo ajustado en un notebook de Colab y compararlo con el modelo de base.
Productos usados
En esta sección, se describen los productos que usa la solución.
Si estás familiarizado con el lenguaje de configuración de Terraform, puedes cambiar algunas de las opciones de configuración de los servicios.
Componente | Descripción del producto | Objetivo en esta solución |
---|---|---|
Cloud Storage | Un servicio preparado para empresas que proporciona almacenamiento de objetos de bajo costo y sin límites para varios tipos de datos. | Almacena los documentos PDF, el texto extraído, el conjunto de datos de ajuste y el modelo ajustado. |
Eventarc | Un servicio que administra el flujo de cambios de estado (eventos) entre microservicios separados y enruta eventos a varios destinos mientras administra la entrega, la seguridad, la autorización, la observabilidad y el manejo de errores. | Detecta documentos nuevos en el bucket de Cloud Storage y activa un evento en Cloud Functions. |
Funciones de Cloud Run | Es un servicio de procesamiento sin servidores ligero que te permite crear funciones independientes y de un solo propósito que respondan a eventos de Google Cloud sin necesidad de administrar un servidor o un entorno de ejecución. | Organiza los pasos de procesamiento de documentos. |
Document AI | Una plataforma de comprensión de documentos que toma datos no estructurados de documentos y los transforma en datos estructurados. Puedes automatizar tareas tediosas, mejorar la extracción de datos y obtener estadísticas más detalladas a partir de los datos. | Extrae el texto de los documentos. |
Vertex AI | Una plataforma de aprendizaje automático que te permite entrenar, probar, ajustar e implementar LLMs y aplicaciones de IA generativa. | Genera preguntas y respuestas a partir de los documentos. |
Búsqueda de vectores | Es un servicio que te permite usar la misma infraestructura que proporciona una base para los productos de Google, como la Búsqueda de Google, YouTube y Play. | Te permite buscar incorporaciones para encontrar entidades semánticamente similares o relacionadas. |
Firestore | Un sistema de archivos completamente administrado y de baja latencia para VMs y clústeres que ofrece alta disponibilidad y alta capacidad de procesamiento. | Almacena las preguntas y respuestas generadas. |
Costo
Para obtener una estimación del costo de los recursos de Google Cloud que usa la solución de base de conocimiento de IA generativa, consulta la estimación calculada previamente en la calculadora de precios de Google Cloud.
Usa la estimación como punto de partida para calcular el costo de la implementación. Puedes cambiar la estimación para que refleje cualquier cambio de configuración que planeas hacer para los recursos que se usan en la solución.
La estimación calculada con anterioridad se basa en suposiciones para ciertos factores, incluidos los siguientes:
- Las ubicaciones de Google Cloud en las que se implementan los recursos.
La cantidad de tiempo que se usan los recursos.
La cantidad de datos almacenados en Cloud Storage.
Es la cantidad de veces que se invoca la aplicación de base de conocimiento.
Los recursos de procesamiento que se usan para ajustar el modelo.
Antes de comenzar
Para implementar esta solución, primero necesitas un proyecto de Google Cloud y algunos permisos de IAM.
Crea o elige un proyecto de Google Cloud
Cuando implementas la solución, eliges el proyecto de Google Cloud en el que se implementan los recursos. Puedes crear un proyecto nuevo o usar uno existente para la implementación.
Si deseas crear un proyecto nuevo, hazlo antes de comenzar la implementación. El uso de un proyecto nuevo puede ayudar a evitar conflictos con los recursos aprovisionados con anterioridad, como los recursos que se usan para cargas de trabajo de producción.
Para crear un proyecto, completa los siguientes pasos:
-
In the Google Cloud console, go to the project selector page.
-
Click Create project.
-
Name your project. Make a note of your generated project ID.
-
Edit the other fields as needed.
-
Click Create.
Obtén los permisos de IAM necesarios
Para iniciar el proceso de implementación, necesitas los permisos de Identity and Access Management (IAM) que se enumeran en la siguiente tabla.
Si creaste un proyecto nuevo para esta solución, tienes el rol básico
roles/owner
en ese proyecto y tienes todos los permisos necesarios. Si no tienes el
rol roles/owner
, pídele a tu administrador que te otorgue estos permisos (o
los roles que incluyen estos permisos).
Se requiere permiso de IAM | Rol predefinido que incluye los permisos necesarios |
---|---|
|
Administrador de Service Usage ( roles/serviceusage.serviceUsageAdmin ) |
|
Administrador de cuenta de servicio ( roles/iam.serviceAccountAdmin ) |
|
Administrador de IAM de proyecto ( roles/resourcemanager.projectIamAdmin ) |
config.deployments.create config.deployments.list |
Administrador de Cloud Infrastructure Manager ( roles/config.admin ) |
iam.serviceAccount.actAs |
Usuario de cuenta de servicio ( roles/iam.serviceAccountUser ) |
Acerca de los permisos de cuentas de servicio temporales
Si inicias el proceso de implementación a través de la consola, Google crea una cuenta de servicio para implementar la solución en tu nombre (y para borrar la implementación más adelante si lo deseas). A esta cuenta de servicio se le asignan ciertos permisos de IAM de forma temporal; es decir, los permisos se revocan de forma automática después de que se completan las operaciones de implementación y eliminación de la solución. Google recomienda que, después de borrar la implementación, borres la cuenta de servicio, como se describe más adelante en esta guía.
Visualiza los roles asignados a la cuenta de servicio
Estos roles se enumeran aquí en caso de que un administrador de tu organización o proyecto de Google Cloud necesite esta información.
roles/aiplatform.user
roles/artifactregistry.admin
roles/documentai.editor
roles/firebase.admin
roles/iam.serviceAccountUser
roles/serviceusage.serviceUsageAdmin
roles/iam.serviceAccountAdmin
roles/resourcemanager.projectIamAdmin
roles/config.agent
Implementa la solución
Para ayudarte a implementar esta solución con un esfuerzo mínimo, se proporciona una configuración de Terraform en GitHub. La configuración de Terraform define todos los recursos de Google Cloud que se requieren para la solución.
Puedes implementar la solución con uno de los siguientes métodos:
A través de la consola: usa este método si deseas probar la solución con la configuración predeterminada y ver cómo funciona. Cloud Build implementa todos los recursos necesarios para la solución. Cuando ya no necesites la solución, puedes borrarla desde la consola. Es posible que cualquier recurso que crees después de implementar la solución deba borrarse por separado.
Para usar este método de implementación, sigue las instrucciones en Implementa desde la consola.
Usa Terraform: Usa este método si quieres personalizar la solución o automatizar el aprovisionamiento y la administración de los recursos con el uso del enfoque de la infraestructura como código (IaC). Descarga la configuración de Terraform desde GitHub y de forma opcional personaliza el código según sea necesario e implementa la solución con Terraform. Después de implementar la solución, puedes seguir usando Terraform para administrarla.
Para usar este método de implementación, sigue las instrucciones en Implementa con la CLI de Terraform.
Implementa a través de la consola
Completa los siguientes pasos para implementar la solución preconfigurada.
En el catálogo de soluciones de inicio rápido de Google Cloud, ve a la solución Base de conocimiento de IA generativa.
Revisa la información que se proporciona en la página, como el costo estimado de la solución y el tiempo de implementación estimado.
Cuando estés listo para comenzar la implementación de la solución, haz clic en Implementar.
Aparecerá un panel de configuración paso a paso.
Completa los pasos del panel de configuración.
Toma nota del nombre que ingreses para la implementación. Este nombre es obligatorio más adelante cuando borres la implementación.
Cuando haces clic en Implementar, se muestra la página Implementaciones de soluciones. El campo Estado de esta página muestra Implementando.
Espera a que se implemente la solución.
Si la implementación falla, el campo Estado muestra Con errores. Puedes usar el registro de Cloud Build para diagnosticar los errores. Para obtener más información, consulta Errores cuando se implementa desde la consola.
Una vez completada la implementación, el campo Estado cambia a Implementado.
Para ver los recursos de Google Cloud que se implementan y su configuración, realiza un recorrido interactivo en la consola.
Para continuar, consulta Usa la solución.
Cuando ya no necesites la solución, puedes borrar la implementación para evitar que se sigan facturando los recursos de Google Cloud. Para obtener más información, consulta Borra la implementación.
Implementa con la CLI de Terraform
En esta sección, se describe cómo puedes personalizar la solución o automatizar el aprovisionamiento y la administración de la solución con CLI de Terraform. Las soluciones que implementas con el código de Terraform no se muestran en la página Implementaciones de soluciones en la consola de Google Cloud.
Configura el cliente de Terraform
Puedes ejecutar Terraform en Cloud Shell o en tu host local. En esta guía, se describe cómo ejecutar Terraform en Cloud Shell, que tiene Terraform preinstalado y configurado para autenticarse con Google Cloud.
El código de Terraform para esta solución está disponible en un repositorio de GitHub.
Clona el repositorio de GitHub en Cloud Shell.
Se muestra un mensaje para que confirmes la descarga del repositorio de GitHub en Cloud Shell.
Haz clic en Confirmar.
Cloud Shell se inicia en otra pestaña del navegador y el código de Terraform se descarga en el directorio
$HOME/cloudshell_open
de tu entorno de Cloud Shell.En Cloud Shell, verifica si el directorio de trabajo actual es
$HOME/cloudshell_open/terraform-genai-knowledge-base/
. Este es el directorio que contiene los archivos de configuración de Terraform para la solución. Si necesitas cambiar a ese directorio, ejecuta el siguiente comando:cd $HOME/cloudshell_open/terraform-genai-knowledge-base/
Inicializa Terraform con la ejecución del siguiente comando:
terraform init
Espera hasta ver el siguiente mensaje:
Terraform has been successfully initialized!
Configura las variables de Terraform
El código de Terraform que descargaste incluye variables que puedes usar para personalizar la implementación según tus requisitos. Por ejemplo, puedes especificar el proyecto de Google Cloud y la región en la que deseas que se implemente la solución.
Asegúrate de que el directorio de trabajo actual sea
$HOME/cloudshell_open/terraform-genai-knowledge-base/
. Si no es así, ve a ese directorio.En el mismo directorio, crea un archivo de texto llamado
terraform.tfvars
.En el archivo
terraform.tfvars
, copia el siguiente fragmento de código y establece los valores para las variables obligatorias.- Sigue las instrucciones que se proporcionan como comentarios en el fragmento de código.
- Este fragmento de código solo incluye las variables para las que debes establecer valores. La configuración de Terraform incluye otras variables que tienen valores predeterminados. Para revisar todas las variables y los valores predeterminados, consulta el archivo
variables.tf
que está disponible en el directorio$HOME/cloudshell_open/terraform-genai-knowledge-base/
. - Asegúrate de que cada valor que establezcas en el archivo
terraform.tfvars
coincida con el tipo de variable como se declara en el archivovariables.tf
. Por ejemplo, si el tipo que se define para una variable en el archivovariables.tf
esbool
, debes especificartrue
ofalse
como el valor de esa variable en el archivoterraform.tfvars
.
# This is an example of the terraform.tfvars file. # The values in this file must match the variable types declared in variables.tf. # The values in this file override any defaults in variables.tf. # ID of the project in which you want to deploy the solution project_id = "PROJECT_ID"
Valida y revisa la configuración de Terraform
Asegúrate de que el directorio de trabajo actual sea
$HOME/cloudshell_open/terraform-genai-knowledge-base/
. Si no es así, ve a ese directorio.Verifica que la configuración de Terraform no tenga errores:
terraform validate
Si el comando muestra algún error, realiza las correcciones necesarias en la configuración y, luego, vuelve a ejecutar el comando
terraform validate
. Repite este paso hasta que el comando muestre el siguiente mensaje:Success! The configuration is valid.
Revisa los recursos que se definen en la configuración:
terraform plan
Si no creaste el archivo
terraform.tfvars
como se describió antes, Terraform te solicita que ingreses valores para las variables que no tienen valores predeterminados. Ingresa los valores obligatorios.El resultado del comando
terraform plan
es una lista de los recursos que Terraform aprovisiona cuando aplicas la configuración.Si deseas hacer algún cambio, cambia la configuración y, luego, vuelve a ejecutar los comandos
terraform validate
yterraform plan
.
Aprovisiona los recursos
Cuando no se necesiten más cambios en la configuración de Terraform, implementa los recursos de la siguiente manera:
Asegúrate de que el directorio de trabajo actual sea
$HOME/cloudshell_open/terraform-genai-knowledge-base/
. Si no es así, ve a ese directorio.Aplica la configuración de Terraform:
terraform apply
Si no creaste el archivo
terraform.tfvars
como se describió antes, Terraform te solicita que ingreses valores para las variables que no tienen valores predeterminados. Ingresa los valores obligatorios.Terraform muestra una lista de los recursos que se crearán.
Cuando se te solicite que realices las acciones, ingresa
yes
.Terraform muestra mensajes que señalan el progreso de la implementación.
Si no se puede completar la implementación, Terraform muestra los errores que causaron la falla. Revisa los mensajes de error y actualiza la configuración para corregir los errores. Luego, vuelva a ejecutar el comando
terraform apply
. Para obtener ayuda con la solución de errores de Terraform, consulta Errores cuando se implementa la solución con la CLI de Terraform.Una vez que se hayan creado todos los recursos, Terraform mostrará el siguiente mensaje:
Apply complete!
Para ver los recursos de Google Cloud que se implementan y su configuración, realiza un recorrido interactivo en la consola.
A continuación, puedes usar la solución y ver cómo funciona.
Cuando ya no necesites la solución, puedes borrar la implementación para evitar que se sigan facturando los recursos de Google Cloud. Para obtener más información, consulta Borra la implementación.
Usa la solución
Una vez implementada la solución, puedes subir un documento para indexarlo y hacer preguntas sobre él. Además, se genera un archivo de conjunto de datos de ajuste de líneas JSON (JSONL), que puedes usar para ajustar un mensaje de LLM.
Sube un documento y consulta el modelo
Para comenzar a usar esta solución, sube un documento y, luego, haz preguntas de LLM previamente entrenadas sobre el documento.
Para seguir la guía paso a paso sobre esta tarea de forma directa en la consola de Google Cloud, haz clic en Guiarme.
Esta tarea tarda unos 10 minutos en completarse.Ajusta el LLM
Después de subir documentos para la solución, puedes usar Vertex AI para ajustar un LLM con tus pares de preguntas y respuestas. Ajusta el LLM no es un proceso automatizado. Antes de ajustar el LLM, inspecciona tus datos y asegúrate de que sean válidos y precisos. Una vez que estés satisfecho con los datos, puedes iniciar manualmente un trabajo de ajuste e iniciar el LLM desde Model Registry.
El archivo de ajuste JSONL contiene contenido extraído de tus pares de preguntas y respuestas. Cada línea del archivo es una entrada JSON con los campos input_text
y output_text
. El campo input_text
incluye el contenido de cada pregunta, y el output_text
incluye el contenido de cada respuesta correspondiente.
Por ejemplo, el siguiente archivo JSONL contiene la pregunta “Cuántas personas viven en Pekín” y la respuesta correspondiente:
{"input_text": "CONTEXT: With over 21 million residents, Beijing is the
world's most populous national capital city and is China's second largest
city after Shanghai. QUESTION: How many people live in Beijing?,
"output_text": "21 million people"}
Para seguir la guía paso a paso para ajustar tu modelo directamente en la consola de Google Cloud, haz clic en Guiarme.
Esta explicación tarda unos 10 minutos en completarse, pero el ajuste del modelo puede tardar una hora o más en terminar de procesarse.Borrar la implementación
Cuando ya no necesites la solución, borra la implementación. Cuando borras la implementación, ya no se te facturarán los recursos que creaste.
Antes de borrar
Antes de borrar esta solución, borra la implementación del índice de búsqueda de vectores:
Ve a la página de Búsqueda de vectores.
Haz clic en
knowledge-base-index
.En Índices implementados, haz clic en more_vert Más información.
Haz clic en Anular la implementación.
No es necesario que esperes a que finalice el proceso de eliminación del índice.
Borra a través de la consola
Usa este procedimiento si implementaste la solución a través de la consola.
En la consola de Google Cloud, ve a la página Implementaciones de soluciones.
Elige el proyecto que contenga la implementación que deseas borrar.
Busca la implementación que deseas borrar.
En la fila de la implementación, haz clic en
Acciones y, luego, selecciona Borrar.Es posible que debas desplazarte para ver Acciones en la fila.
Ingresa el nombre de la implementación y, luego, haz clic en Confirmar.
El campo Estado muestra Borrando.
Si la eliminación falla, consulta la guía de solución de problemas en Error cuando se borra la implementación.
Cuando ya no necesites el proyecto de Google Cloud que usaste para la solución, puedes borrarlo. Para obtener más información, consulta Opcional: Borra el proyecto.
Borra con la CLI de Terraform
Usa este procedimiento si implementaste la solución con la CLI de Terraform.
En Cloud Shell, asegúrate de que el directorio de trabajo actual sea
$HOME/cloudshell_open/terraform-genai-knowledge-base/
. Si no es así, ve a ese directorio.Quita los recursos que aprovisionó Terraform:
terraform destroy
Terraform muestra una lista de los recursos que se destruirán.
Cuando se te solicite que realices las acciones, ingresa
yes
.Terraform mostrará mensajes que muestran el progreso. Después de borrar todos los recursos, Terraform muestra el siguiente mensaje:
Destroy complete!
Si la eliminación falla, consulta la guía de solución de problemas en Error cuando se borra la implementación.
Cuando ya no necesites el proyecto de Google Cloud que usaste para la solución, puedes borrarlo. Para obtener más información, consulta Opcional: Borra el proyecto.
Borra el modelo ajustado
Debes borrar de forma manual el modelo ajustado.
Para borrar el modo ajustado, consulta Borra un modelo de Vertex AI Model Registry.
Opcional: borra el proyecto
Si implementaste la solución en un proyecto de Google Cloud nuevo y ya no lo necesitas, sigue estos pasos para borrarlo:
- En la consola de Google Cloud, ve a la página Administrar recursos.
- En la lista de proyectos, elige el proyecto que quieres borrar y haz clic en Borrar.
- Cuando se te solicite, escribe el ID del proyecto y, luego, haz clic en Cerrar.
Si decides conservar el proyecto, borra la cuenta de servicio que se creó para esta solución, como se describe en la siguiente sección.
Opcional: Borra la cuenta de servicio
Si borraste el proyecto que usaste para la solución, omite esta sección.
Como se mencionó antes en esta guía, cuando implementaste la solución, se creó una cuenta de servicio en tu nombre. A la cuenta de servicio se le asignaron ciertos permisos de IAM de forma temporal, es decir, los permisos se revocaron de forma automática después de que se completaron las operaciones de implementación y eliminación de la solución, pero la cuenta de servicio no se borró. Google recomienda que borres esta cuenta de servicio.
Si implementaste la solución desde la consola de Google Cloud, ve a la página Implementaciones de soluciones. (Si ya estás en esa página, actualiza el navegador). Un proceso se activa en segundo plano para borrar la cuenta de servicio. No es necesario hacer ninguna otra acción.
Si implementaste la solución con la CLI de Terraform, completa los siguientes pasos:
En la consola de Google Cloud, ve a la página Cuentas de servicio.
Elige el proyecto que usaste para la solución.
Elige la cuenta de servicio que deseas borrar.
El ID de correo electrónico de la cuenta de servicio que se creó para la solución tiene el siguiente formato:
goog-sc-DEPLOYMENT_NAME-NNN@PROJECT_ID.
El ID de correo electrónico contiene los siguientes valores:
- DEPLOYMENT_NAME: El nombre de la implementación.
- NNN: Un número aleatorio de 3 dígitos.
- PROJECT_ID: Es el ID del proyecto en el que implementaste la solución.
Haz clic en Borrar.
Solucionar errores
Las acciones que puedes realizar para diagnosticar y resolver errores dependen del método de implementación y la complejidad del error.
Errores en la implementación a través de la consola
Si la implementación falla cuando usas la consola, haz lo siguiente:
Ve a la página Implementaciones de soluciones.
Si la implementación falló, el campo Estado muestra Con errores.
Ve los detalles de los errores que causaron la falla:
En la fila de la implementación, haz clic en
Acciones.Es posible que debas desplazarte para ver Acciones en la fila.
Selecciona Ver registros de Cloud Build.
Revisa el registro de Cloud Build y toma las medidas adecuadas para resolver el problema que causó la falla.
Errores en la implementación con la CLI de Terraform
Si la implementación falla cuando se usa Terraform, el resultado del comando terraform
apply
incluye mensajes de error que puedes revisar para diagnosticar el problema.
En los ejemplos de las siguientes secciones, se muestran errores de implementación que puedes encontrar cuando usas Terraform.
Error: API no habilitada
Si creas un proyecto y, luego, intentas implementar la solución en el proyecto nuevo de inmediato, la implementación podría fallar con un error como el siguiente:
Error: Error creating Network: googleapi: Error 403: Compute Engine API has not
been used in project PROJECT_ID before or it is disabled. Enable it by visiting
https://console.developers.google.com/apis/api/compute.googleapis.com/overview?project=PROJECT_ID
then retry. If you enabled this API recently, wait a few minutes for the action
to propagate to our systems and retry.
Si se produce este error, espera unos minutos y vuelve a ejecutar el comando terraform apply
.
Error "No se puede asignar la dirección solicitada"
Cuando ejecutas el comando terraform apply
, es posible que se produzca un error cannot assign requested address
con un mensaje como el siguiente:
Error: Error creating service account:
Post "https://iam.googleapis.com/v1/projects/PROJECT_ID/serviceAccounts:
dial tcp [2001:db8:ffff:ffff::5f]:443:
connect: cannot assign requested address
Si se produce este error, vuelve a ejecutar el comando terraform apply
.
Error de configuración
Si modificas los argumentos de recursos en tu archivo main.tf
con valores no compatibles, se producirá un error como el siguiente:
Error: Error creating Instance: googleapi: Error 400: Provided Redis version is
not supported: REDIS_5_X
│ com.google.apps.framework.request.StatusException:
<eye3 title='INVALID_ARGUMENT'/>
generic::INVALID_ARGUMENT: Provided Redis version is not supported: REDIS_5_X
Details:
│ [>
│ {
│ "@type": "type.googleapis.com/google.rpc.BadRequest",
│ "fieldViolations": [
│ {
│ "description": "Invalid value: REDIS_5_X",
│ "field": "instance.redis_version"
│ }
│ ]
│ }
│ ]
│
│ with google_redis_instance.main,
│ on main.tf line 96, in resource "google_redis_instance" "main":
│ 96: resource "google_redis_instance" "main" {
En este caso, la intención era usar la versión 5 de Redis, pero el valor especificado para el argumento instance.redis_version
(REDIS_5_X
) en el archivo main.tf
no es válido.
El valor correcto es REDIS_5_0
, como se indica en la documentación de la API de REST de Memorystore.
Error cuando se borra una implementación
En algunos casos, los intentos de borrar una implementación podrían fallar:
- Después de implementar una solución desde la consola, si cambias cualquier recurso que aprovisionó la solución y, luego, intentas borrar la implementación, la eliminación podría fallar. El campo Estado en la página Implementaciones de soluciones muestra Con errores, y el registro de Cloud Build muestra la causa del error.
- Después de implementar una solución con Terraform, si cambias algún recurso con una interfaz que no es de Terraform (por ejemplo, la consola) y, luego, intentas borrar la implementación, la eliminación podría fallar. Los mensajes en el resultado del comando
terraform destroy
muestran la causa del error.
Revisa los registros de errores y los mensajes, identifica y borra los recursos que causaron el error y, luego, intenta borrar la implementación.
Si una implementación basada en la consola no se borra y no puedes diagnosticar el error con el registro de Cloud Build, puedes borrar la implementación con Terraform, como se describe en la siguiente sección.
Borra una implementación basada en la consola con la CLI de Terraform
En esta sección, se describe cómo borrar una implementación basada en la consola si se producen errores cuando intentas borrarla de la consola. En este enfoque, descarga la configuración de Terraform para la implementación que deseas borrar y, luego, usa Terraform para borrar la implementación.
Identifica la región en la que se almacenan el código, los registros y otros datos de Terraform de la implementación. Esta región puede ser diferente de la región que elegiste cuando implementaste la solución.
En la consola de Google Cloud, ve a la página Implementaciones de soluciones.
Elige el proyecto que contenga la implementación que deseas borrar.
En la lista de implementaciones, identifica la fila de la implementación que deseas borrar.
Haz clic en
Ver todo el contenido de la fila.En la columna Ubicación, observa la segunda ubicación, como se destaca en el siguiente ejemplo:
In the Google Cloud console, activate Cloud Shell.
At the bottom of the Google Cloud console, a Cloud Shell session starts and displays a command-line prompt. Cloud Shell is a shell environment with the Google Cloud CLI already installed and with values already set for your current project. It can take a few seconds for the session to initialize.
Crea variables de entorno para el ID del proyecto, la región y el nombre de la implementación que deseas borrar:
export REGION="REGION" export PROJECT_ID="PROJECT_ID" export DEPLOYMENT_NAME="DEPLOYMENT_NAME"
En estos comandos, reemplaza lo siguiente:
- REGION: Es la ubicación que anotaste antes en este procedimiento.
- PROJECT_ID: Es el ID del proyecto en el que implementaste la solución.
- DEPLOYMENT_NAME: Es el nombre de la implementación que deseas borrar.
Obtén el ID de la última revisión de la implementación que deseas borrar:
export REVISION_ID=$(curl \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ "https://config.googleapis.com/v1alpha2/projects/${PROJECT_ID}/locations/${REGION}/deployments/${DEPLOYMENT_NAME}" \ | jq .latestRevision -r) echo $REVISION_ID
El resultado es similar a este:
projects/PROJECT_ID/locations/REGION/deployments/DEPLOYMENT_NAME/revisions/r-0
Obtén la ubicación de Cloud Storage de la configuración de Terraform para la implementación:
export CONTENT_PATH=$(curl \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ "https://config.googleapis.com/v1alpha2/${REVISION_ID}" \ | jq .applyResults.content -r) echo $CONTENT_PATH
El siguiente es un ejemplo del resultado de este comando:
gs://PROJECT_ID-REGION-blueprint-config/DEPLOYMENT_NAME/r-0/apply_results/content
Descarga la configuración de Terraform desde Cloud Storage a Cloud Shell:
gcloud storage cp $CONTENT_PATH $HOME --recursive cd $HOME/content/
Espera hasta que aparezca el mensaje
Operation completed
, como se muestra en el siguiente ejemplo:Operation completed over 45 objects/268.5 KiB
Inicializa Terraform mediante este comando:
terraform init
Espera hasta ver el siguiente mensaje:
Terraform has been successfully initialized!
Quita los recursos implementados:
terraform destroy
Terraform muestra una lista de los recursos que se destruirán.
Si se muestran advertencias sobre variables no declaradas, ignora las advertencias.
Cuando se te solicite que realices las acciones, ingresa
yes
.Terraform mostrará mensajes que muestran el progreso. Después de borrar todos los recursos, Terraform muestra el siguiente mensaje:
Destroy complete!
Borra el artefacto de implementación:
curl -X DELETE \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ "https://config.googleapis.com/v1alpha2/projects/${PROJECT_ID}/locations/${REGION}/deployments/${DEPLOYMENT_NAME}?force=true&delete_policy=abandon"
Espera unos segundos y, luego, verifica que se haya borrado el artefacto de implementación:
curl -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ "https://config.googleapis.com/v1alpha2/projects/${PROJECT_ID}/locations/${REGION}/deployments/${DEPLOYMENT_NAME}" \ | jq .error.message
Si el resultado muestra
null
, espera unos segundos y vuelve a ejecutar el comando.Después de borrar el artefacto de implementación, aparece un mensaje como el que se muestra en el siguiente ejemplo:
Resource 'projects/PROJECT_ID/locations/REGION/deployments/DEPLOYMENT_NAME' was not found
Enviar comentarios
Las soluciones de inicio rápido solo tienen fines informativos y no son productos compatibles de forma oficial. Google puede cambiar o quitar soluciones sin previo aviso.
Para solucionar errores, revisa los registros de Cloud Build y el resultado de Terraform.
Para enviar comentarios, haz lo siguiente:
- Para ver la documentación, los instructivos en la consola o la solución, usa el botón Enviar comentarios en la página.
- Para el código de Terraform sin modificar, crea problemas en el repositorio de GitHub. Los problemas de GitHub se revisan según el criterio del mejor esfuerzo y no están destinados a preguntas de uso general.
- Si tienes problemas con los productos que se usan en la solución, comunícate con Atención al cliente de Cloud.
¿Qué sigue?
- Más información sobre la compatibilidad de la IA generativa en Vertex AI.