Questa pagina è stata tradotta dall'API Cloud Translation.

Soluzione già pronta: knowledge base dell'IA generativa

Last reviewed 2024-03-01 UTC

Questa guida ti aiuta a comprendere ed eseguire il deployment della Knowledge Base dell'IA generativa soluzione. Questa soluzione dimostra come creare una pipeline di question-answering (EQA) per produrre contenuti per una conoscenza interna base.

Una pipeline EQA elabora i documenti, estrae coppie di domande e risposte documenti e ti fornisce informazioni strutturate per modello linguistico (LLM). Ad esempio, potresti caricare un documento contenente molti domande frequenti, ottimizzare un LLM utilizzando le domande frequenti e usare addestrato per aiutare gli addetti all'assistenza clienti a trovare le informazioni, risolvere i casi.

Questo documento è rivolto agli sviluppatori che hanno una certa esperienza con gli LLM. it presuppone la conoscenza di concetti cloud di base.

Obiettivi

Questa guida alle soluzioni ti consente di:

Esegui il deployment di un'applicazione che estrae coppie di domanda e risposta dal tuo documenti.
Esegui il deployment di una pipeline che attiva la tua applicazione quando viene caricato un documento.
Addestra un modello di AI basato su prompt utilizzando l'output del tuo un'applicazione.

Architettura

Questa soluzione esegue il deployment di un'applicazione della knowledge base dell'IA generativa. Il seguente diagramma mostra l'architettura dell'infrastruttura applicativa:

Diagramma dell'architettura di un'applicazione che utilizza l'IA generativa di Vertex AI per estrarre coppie di domande e risposte dai documenti

Flusso di richiesta

I passaggi seguenti descrivono in dettaglio il flusso di elaborazione delle richieste dell'applicazione. I passaggi nel flusso sono numerati come mostrato nel precedente diagramma dell'architettura.

Per avviare l'applicazione della knowledge base dell'IA generativa di un documento direttamente in un bucket Cloud Storage, mediante la console Google Cloud o gcloud CLI.

Quando il documento viene caricato, attiva una Cloud Function. Questa funzione esegue il processo di risposta alle domande estrattiva.
La funzione utilizza l'OCR di Document AI per estrarre tutto il testo del documento.
La funzione indicizza il documento in Vector Search. La L'indice di Vector Search fornisce all'LLM il contesto per estrarre coppie di domanda e risposta basate esclusivamente su contenuti estratti direttamente dai documenti caricati.
La funzione utilizza Vertex AI per estrarre e generare domande e risposte dal documento.
La funzione archivia le coppie domanda-risposta estratte in Firestore
Un set di dati di ottimizzazione JSONL viene generato dal database Firestore e archiviato in Cloud Storage.
Dopo aver verificato manualmente il tuo livello di soddisfazione con il set di dati, puoi avviare un job di ottimizzazione su Vertex AI.

Una volta completato il job di ottimizzazione, viene eseguito il deployment del modello ottimizzato in un endpoint. Dopo il deployment in un endpoint, puoi inviare query al modello ottimizzato in un blocco note di Colab, per poi confrontarlo con il modello di base.

Prodotti utilizzati

Questa sezione descrive i prodotti utilizzati dalla soluzione.

Se hai familiarità con il linguaggio di configurazione Terraform, puoi modificare alcune impostazioni dei servizi.

Componente	Descrizione prodotto	Scopo in questa soluzione
Cloud Storage	Un servizio di livello enterprise che offre archiviazione di oggetti a basso costo e senza limiti per diversi tipi di dati.	Archivia i documenti PDF, il testo estratto, il set di dati di ottimizzazione e il modello ottimizzato.
Eventarc	Un servizio che gestisce il flusso delle modifiche di stato (eventi) tra microservizi disaccoppiati, il routing degli eventi a varie destinazioni e la gestione di distribuzione, sicurezza, autorizzazione, osservabilità e gestione degli errori.	Rileva i nuovi documenti nel bucket Cloud Storage e attiva un evento in Cloud Functions.
Cloud Functions	Un servizio di serverless computing leggero che ti consente di creare funzioni autonome a uso specifico in grado di rispondere agli eventi Google Cloud senza la necessità di gestire un ambiente server o di runtime.	Orchestra le fasi di elaborazione dei documenti.
Document AI	Una piattaforma di comprensione dei documenti che prende i dati non strutturati dai documenti e li trasforma in dati strutturati. Puoi automatizzare attività noiose, migliorare l'estrazione dei dati e ottenere insight più approfonditi dai dati.	Estrae il testo dai documenti.
Vertex AI	Una piattaforma di machine learning che consente di addestrare, testare, ottimizzare ed eseguire il deployment di LLM e applicazioni di AI generativa.	Genera domande e risposte dai documenti.
Ricerca vettoriale	Un servizio che ti consente di utilizzare la stessa infrastruttura che fornisce la base per prodotti Google come Ricerca Google, YouTube e Play.	Consente di cercare gli incorporamenti per trovare entità semanticamente simili o correlate.
Firestore	Un file system a bassa latenza completamente gestito per VM e cluster che offre disponibilità elevata e velocità effettiva elevata.	Archivia le domande e le risposte generate.

Costo

Per una stima del costo delle risorse Google Cloud che gli usi della soluzione knowledge base dell'IA generativa, consulta la stima precalcolata Calcolatore prezzi di Google Cloud.

Utilizza questa stima come punto di partenza per calcolare il costo del deployment. Puoi modificare la stima per riflettere eventuali modifiche alla configurazione che prevedi per le risorse utilizzate nella soluzione.

La stima precalcolata si basa su ipotesi per determinati fattori, tra cui:

Le località Google Cloud in cui viene eseguito il deployment delle risorse.
La quantità di tempo di utilizzo delle risorse.
La quantità di dati archiviati in Cloud Storage.
Il numero di volte in cui viene richiamata l'applicazione della knowledge base.
Le risorse di calcolo utilizzate per ottimizzare il modello.

Prima di iniziare

Per eseguire il deployment di questa soluzione, devi prima avere un progetto Google Cloud e Autorizzazioni IAM.

Crea o scegli un progetto Google Cloud

Quando esegui il deployment della soluzione, scegli Progetto Google Cloud in cui viene eseguito il deployment delle risorse. Puoi creare un nuovo progetto o utilizzare progetto esistente per il deployment.

Se vuoi creare un nuovo progetto, fallo prima di iniziare il deployment. L'utilizzo di un nuovo progetto può aiutare a evitare conflitti con il provisioning in precedenza ad esempio quelle utilizzate per i carichi di lavoro di produzione.

Per creare un progetto, completa i seguenti passaggi:

In the Google Cloud console, go to the project selector page.

Go to project selector
Click Create project.
Name your project. Make a note of your generated project ID.
Edit the other fields as needed.
Click Create.

Ottieni le autorizzazioni IAM richieste

Per avviare il processo di deployment, hai bisogno di Identity and Access Management (IAM) elencate nella tabella seguente.

Se hai creato un nuovo progetto per questa soluzione, hai roles/owner ruolo di base nel progetto e disporre di tutte le autorizzazioni necessarie. Se non disponi di ruolo roles/owner, poi chiedi all'amministratore di concedere queste autorizzazioni (oppure i ruoli che includono queste autorizzazioni).

Autorizzazione IAM richiesta	Ruolo predefinito che include le autorizzazioni richieste
`serviceusage.services.enable`	Amministratore Service Usage (`roles/serviceusage.serviceUsageAdmin`)
`iam.serviceAccounts.create`	Amministratore account di servizio (`roles/iam.serviceAccountAdmin`)
`resourcemanager.projects.setIamPolicy`	Amministratore IAM progetto (`roles/resourcemanager.projectIamAdmin`)
`config.deployments.create` `config.deployments.list`	Amministratore Cloud Infrastructure Manager (`roles/config.admin`)
`iam.serviceAccount.actAs`	Utente account di servizio (`roles/iam.serviceAccountUser`)

Informazioni sulle autorizzazioni temporanee degli account di servizio

Se avvii il processo di deployment tramite la console, Google crea un'istanza account di servizio di eseguire il deployment della soluzione per tuo conto (ed eliminare il deployment in un secondo momento se scegli). A questo account di servizio sono assegnate determinate autorizzazioni IAM temporaneamente; cioè le autorizzazioni vengono revocate automaticamente le operazioni di deployment ed eliminazione della soluzione. Google consiglia Dopo aver eliminato il deployment, elimini l'account di servizio, descritti più avanti in questa guida.

Visualizza i ruoli assegnati al servizio account

Questi ruoli sono elencati qui nel caso in cui un amministratore del tuo Il progetto o l'organizzazione Google Cloud richiede queste informazioni.

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

Esegui il deployment della soluzione

Per aiutarti a eseguire il deployment di questa soluzione con il minimo sforzo, è fornito in GitHub. La configurazione di Terraform definisce Le risorse Google Cloud necessarie per la soluzione.

Puoi eseguire il deployment della soluzione utilizzando uno dei seguenti metodi:

Tramite la console: utilizza questo metodo se vuoi per provare la soluzione con la configurazione predefinita e vedere come funziona. Cloud Build esegue il deployment di tutte le risorse necessarie soluzione. Quando la soluzione di cui hai eseguito il deployment non è più necessaria, puoi eliminarla tramite la console. Qualsiasi risorsa creata dopo potrebbe essere necessario eliminare separatamente la soluzione.

Per utilizzare questo metodo di deployment, segui le istruzioni in Esegui il deployment tramite la console.
Utilizzo dell'interfaccia a riga di comando di Terraform: utilizza questo metodo se vuoi personalizzare o se vuoi automatizzare il provisioning e la gestione risorse mediante l'approccio Infrastructure as Code (IaC). Scarica Configurazione Terraform da GitHub, facoltativamente personalizza il codice come necessario ed eseguire il deployment della soluzione usando l'interfaccia a riga di comando di Terraform. Dopo il giorno esegui il deployment della soluzione, puoi continuare a usare Terraform per gestire soluzione.

Per utilizzare questo metodo di deployment, segui le istruzioni in Esegui il deployment utilizzando l'interfaccia a riga di comando di Terraform.

Esegui il deployment tramite la console

Completa i seguenti passaggi per eseguire il deployment della soluzione preconfigurata.

Nel catalogo delle soluzioni di avvio rapido di Google Cloud, vai alla Soluzione della Knowledge Base dell'IA generativa.

Vai alla soluzione della knowledge base dell'IA generativa
Controlla le informazioni fornite nella pagina, ad esempio la stima costo della soluzione e il tempo di deployment stimato.
Quando è tutto pronto per iniziare il deployment della soluzione, fai clic su Esegui il deployment.

Viene visualizzato un riquadro di configurazione passo passo.
Completa i passaggi nel riquadro di configurazione.

Prendi nota del nome che inserisci per il deployment. Questo nome è obbligatorio in un secondo momento, quando elimini il deployment.

Quando fai clic su Esegui il deployment, viene visualizzata la pagina Deployment della soluzione. Il campo Stato in questa pagina mostra Deployment in corso.
Attendi che venga eseguito il deployment della soluzione.

Se il deployment non va a buon fine, il campo Stato mostra Non riuscito. Puoi e usare il log di Cloud Build per diagnosticare gli errori. Per maggiori informazioni le informazioni, vedi Errori durante il deployment tramite la console.

Al termine del deployment, il campo Stato diventa Deployment eseguito.
Per visualizzare le risorse Google Cloud di cui viene eseguito il deployment e le relative configurazione, fai un tour interattivo nella console.

Inizia il tour

Per i passaggi successivi, vedi Utilizzare la soluzione.

Quando la soluzione non ti serve più, puoi eliminare il deployment per evitare e la fatturazione continua per le risorse Google Cloud. Per ulteriori informazioni, vedi Elimina il deployment.

Esegui il deployment utilizzando l'interfaccia a riga di comando di Terraform

Questa sezione descrive come puoi personalizzare la soluzione o automatizzare il provisioning e la gestione della soluzione tramite l'interfaccia a riga di comando di Terraform. Le soluzioni di cui esegui il deployment utilizzando l'interfaccia a riga di comando di Terraform non vengono visualizzate nel Pagina Deployment delle soluzioni nella console Google Cloud.

configura il client Terraform

Puoi eseguire Terraform in Cloud Shell o sul tuo host locale. Questo descrive come eseguire Terraform in Cloud Shell, Terraform è preinstallato e configurato per l'autenticazione con Google Cloud.

Il codice Terraform per questa soluzione è disponibile in un repository GitHub.

Clona il repository GitHub in Cloud Shell.

Viene visualizzato un prompt per confermare il download del repository GitHub in in Cloud Shell.
Fai clic su Conferma.

Cloud Shell viene avviato in una scheda separata del browser Il codice Terraform viene scaricato nella directory $HOME/cloudshell_open di dell'ambiente Cloud Shell.
In Cloud Shell, controlla se la directory di lavoro attuale è $HOME/cloudshell_open/terraform-genai-knowledge-base/. Questo è il contenente i file di configurazione Terraform per la soluzione. Se devi passare a questa directory, esegui questo comando:
```
cd $HOME/cloudshell_open/terraform-genai-knowledge-base/
```
Inizializza Terraform eseguendo questo comando:
```
terraform init
```
Attendi finché non viene visualizzato il seguente messaggio:
```
Terraform has been successfully initialized!
```

Configura le variabili Terraform

Il codice Terraform che hai scaricato include variabili che puoi utilizzare per personalizzare il deployment in base ai tuoi requisiti. Ad esempio, puoi specifica il progetto Google Cloud e la regione in cui vuoi che venga utilizzata la soluzione di cui è stato eseguito il deployment.

Assicurati che la directory di lavoro attuale sia $HOME/cloudshell_open/terraform-genai-knowledge-base/. Se non lo è, vai a quella directory.
Nella stessa directory, crea un file di testo denominato terraform.tfvars.
Nel file terraform.tfvars, copia il seguente snippet di codice e imposta per le variabili richieste.
- Segui le istruzioni fornite sotto forma di commenti nel codice snippet di codice.
- Questo snippet di codice include solo le variabili per le quali devi impostare e i relativi valori. La configurazione Terraform include altre variabili che i valori predefiniti. Per esaminare tutte le variabili e i valori predefiniti, consulta il file variables.tf disponibile in Directory $HOME/cloudshell_open/terraform-genai-knowledge-base/.
- Assicurati che ogni valore impostato nel file terraform.tfvars corrisponde alla variabile tipo come dichiarato nel file variables.tf. Ad esempio, se il tipo definita per una variabile nel file variables.tf è bool, allora deve specificare true o false come valore di quella variabile nella terraform.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"
```

Convalida e rivedi la configurazione di Terraform

Assicurati che la directory di lavoro attuale sia $HOME/cloudshell_open/terraform-genai-knowledge-base/. Se non lo è, vai a quella directory.
Verifica che la configurazione Terraform non contenga errori:
```
terraform validate
```
Se il comando restituisce degli errori, apporta le correzioni necessarie nella configurazione ed esegui di nuovo il comando terraform validate. Ripeti questo passaggio finché il comando non restituisce il seguente messaggio:
```
Success! The configuration is valid.
```
Esamina le risorse definite nella configurazione:
```
terraform plan
```
Se non hai creato il file terraform.tfvars come descritto in precedenza, Terraform richiede di inserire i valori per le variabili privi di valori predefiniti. Inserisci i valori richiesti.

L'output del comando terraform plan è un elenco delle risorse che Terraform esegue il provisioning quando applichi la configurazione.

Se vuoi apportare modifiche, modifica la configurazione ed esegui di nuovo terraform validate e terraform plan.

Esegui il provisioning delle risorse

Quando non sono necessarie ulteriori modifiche alla configurazione Terraform, esegui il deployment le risorse.

Assicurati che la directory di lavoro attuale sia $HOME/cloudshell_open/terraform-genai-knowledge-base/. Se non lo è, vai a quella directory.
Applica la configurazione Terraform:
```
terraform apply
```
Se non hai creato il file terraform.tfvars come descritto in precedenza, Terraform richiede di inserire i valori per le variabili privi di valori predefiniti. Inserisci i valori richiesti.

Terraform mostra un elenco delle risorse che verranno create.
Quando ti viene chiesto di eseguire le azioni, inserisci yes.

Terraform visualizza dei messaggi che mostrano l'avanzamento del deployment.

Se il deployment non può essere completato, Terraform visualizza gli errori che ha causato l'errore. Esamina i messaggi di errore e aggiorna la configurazione per correggere gli errori. Quindi esegui di nuovo il comando terraform apply. Per assistenza per la risoluzione degli errori di Terraform, consulta Errori durante il deployment della soluzione utilizzando l'interfaccia a riga di comando di Terraform.

Al termine della creazione di tutte le risorse, Terraform visualizza quanto segue messaggio:
```
Apply complete!
```
Per visualizzare le risorse Google Cloud di cui viene eseguito il deployment e le relative configurazione, fai un tour interattivo nella console.

Inizia il tour

Successivamente, potrai utilizzare la soluzione e vedere come funziona.

Quando la soluzione non ti serve più, puoi eliminare il deployment per evitare e la fatturazione continua per le risorse Google Cloud. Per ulteriori informazioni, vedi Elimina il deployment.

Utilizza la soluzione

Una volta eseguito il deployment della soluzione, puoi caricare un documento per indicizzarlo e chiedere domande al riguardo. Inoltre, viene creato anche un file di set di dati di ottimizzazione delle linee JSON (JSONL) che puoi usare per ottimizzare un LLM.

Carica un documento ed esegui una query sul modello

Inizia a utilizzare questa soluzione caricando un documento, poi chiedi all'LLM preaddestrato domande sul documento.

Per seguire indicazioni dettagliate per questa attività direttamente nella console Google Cloud, fai clic su Procedura guidata.

Procedura guidata

Questa attività richiede circa 10 minuti.

Ottimizza l'LLM

Dopo aver caricato i documenti per la soluzione, puoi utilizzare Vertex AI per ottimizzare un LLM con le tue coppie di domanda e risposta. L'ottimizzazione dell'LLM non è processo automatizzato. Prima di ottimizzare l'LLM, ispeziona i dati e assicurati che sia valido e accurato. Se i dati ti soddisfano, puoi avviare manualmente un job di ottimizzazione e avviare l'LLM dal registro dei modelli.

Il file di ottimizzazione JSONL contiene contenuti estratti dalle tue domande e risposte in coppia. Ogni riga del file è una voce JSON con input_text e output_text campi. Il campo input_text include i contenuti di ogni domanda e il output_text include i contenuti di ciascuna risposta corrispondente.

Ad esempio, il seguente file JSONL contiene la domanda "Quante persone vivi a Pechino" e la rispettiva risposta:

{"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"}

Per seguire indicazioni dettagliate per l'ottimizzazione del tuo modello direttamente nella console Google Cloud, fai clic su Procedura guidata.

Procedura guidata

Questa procedura dettagliata richiede circa 10 minuti, ma l'ottimizzazione del modello può richiedere un'ora o più per terminare l'elaborazione.

Elimina il deployment

Quando la soluzione non è più necessaria, elimina il deployment. Quando elimini il deployment, le risorse non ti vengono più addebitate che hai creato.

Prima dell'eliminazione

Prima di eliminare questa soluzione, elimina il deployment dell'indice Vector Search:

Vai alla pagina Ricerca vettoriale.

Vai a Vector Search
Fai clic su knowledge-base-index.
In Indici di cui è stato eseguito il deployment, fai clic su more_vert Altro.
Fai clic su Annulla deployment.

Non è necessario attendere il completamento del processo di eliminazione dell'indice.

Elimina tramite la console

Utilizza questa procedura se hai eseguito il deployment della soluzione tramite la console.

Nella console Google Cloud, vai alla pagina Deployment della soluzione.

Vai a Deployment di soluzioni
Seleziona il progetto che contiene il deployment da eliminare.
Individua il deployment da eliminare.
Nella riga relativa al deployment, fai clic su Azioni e seleziona Elimina.

Potresti dover scorrere per visualizzare Azioni nella riga.
Inserisci il nome del deployment e fai clic su Conferma.

Il campo Stato mostra la dicitura Eliminazione.

Se l'eliminazione non riesce, consulta le indicazioni per la risoluzione dei problemi in Errore durante l'eliminazione di un deployment.

Quando non hai più bisogno del progetto Google Cloud che hai utilizzato per la soluzione, possono eliminare il progetto. Per ulteriori informazioni, vedi (Facoltativo) Elimina il progetto.

Elimina utilizzando l'interfaccia a riga di comando di Terraform

Utilizza questa procedura se hai eseguito il deployment della soluzione mediante l'interfaccia a riga di comando di Terraform.

In Cloud Shell, assicurati che la directory di lavoro attuale sia $HOME/cloudshell_open/terraform-genai-knowledge-base/. Se non lo è, vai a quella directory.
Rimuovi le risorse di cui Terraform ha eseguito il provisioning:
```
terraform destroy
```
Terraform visualizza un elenco delle risorse che verranno eliminate.
Quando ti viene chiesto di eseguire le azioni, inserisci yes.

In Terraform vengono visualizzati dei messaggi che mostrano l'avanzamento. Dopo che tutte le risorse vengono eliminati, Terraform visualizza il seguente messaggio:
```
Destroy complete!
```
Se l'eliminazione non riesce, consulta le indicazioni per la risoluzione dei problemi in Errore durante l'eliminazione di un deployment.

Quando non hai più bisogno del progetto Google Cloud che hai utilizzato per la soluzione, possono eliminare il progetto. Per ulteriori informazioni, vedi (Facoltativo) Elimina il progetto.

Elimina il modello ottimizzato

Devi eliminare manualmente il modello ottimizzato.

Per eliminare la modalità ottimizzata, consulta Eliminare un modello da Vertex AI Model Registry.

(Facoltativo) Elimina il progetto

Se hai eseguito il deployment della soluzione in un nuovo progetto Google Cloud il progetto, quindi eliminalo completando i seguenti passaggi:

Nella console Google Cloud, vai alla pagina Gestisci risorse.
Vai a Gestisci risorse
Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
Al prompt, digita l'ID progetto, quindi fai clic su Chiudi.

Se decidi di conservare il progetto, elimina l'account di servizio che era creato per questa soluzione, come descritto nella sezione successiva.

(Facoltativo) Elimina l'account di servizio

Se hai eliminato il progetto che hai utilizzato per la soluzione, salta questo passaggio .

Come indicato in precedenza in questa guida, quando hai eseguito il deployment della soluzione, è stato creato per tuo conto. All'account di servizio sono state assegnate Autorizzazioni IAM temporaneamente. cioè le autorizzazioni sono state revocata automaticamente dopo che le operazioni di deployment ed eliminazione della soluzione è stata completata, ma l'account di servizio non viene eliminato. Google consiglia di elimini questo account di servizio.

Se hai eseguito il deployment della soluzione tramite la console Google Cloud, vai alla Deployment delle soluzioni . Se ti trovi già in questa pagina, aggiorna il browser. Un processo è attivata in background per eliminare l'account di servizio. Nessun'altra azione necessaria.
Se hai eseguito il deployment della soluzione utilizzando l'interfaccia a riga di comando di Terraform, completa seguenti passaggi:
1. Nella console Google Cloud, vai alla pagina Account di servizio.
  
  Vai ad Account di servizio
2. Seleziona il progetto che hai utilizzato per la soluzione.
3. Seleziona l'account di servizio che vuoi eliminare.
  
  L'ID email dell'account di servizio creato per la soluzione è nel seguente formato:
```
goog-sc-DEPLOYMENT_NAME-NNN@PROJECT_ID.iam.gserviceaccount.com
```
  L'ID email contiene i seguenti valori:
  - DEPLOYMENT_NAME: il nome del deployment.
  - NNN: un numero casuale di 3 cifre.
  - PROJECT_ID: l'ID del progetto in cui di cui è stato eseguito il deployment della soluzione.
4. Fai clic su Elimina.

Risolvere gli errori

Le azioni che puoi intraprendere per diagnosticare e risolvere gli errori dipendono il metodo di deployment e la complessità dell'errore.

Errori durante il deployment tramite la console

Se il deployment non riesce quando utilizzi la console, seguenti:

Vai alla pagina Deployment di soluzioni.

Se il deployment non è riuscito, il campo Stato mostra Non riuscito.
Visualizza i dettagli degli errori che hanno causato l'errore:
1. Nella riga relativa al deployment, fai clic su Azioni.
  
  Potresti dover scorrere per visualizzare Azioni nella riga.
2. Seleziona Visualizza i log di Cloud Build.
Esamina il log di Cloud Build e intraprendi le azioni appropriate per risolvere il problema il problema che ha causato l'errore.

Errori durante il deployment utilizzando l'interfaccia a riga di comando di Terraform

Se il deployment non riesce quando utilizzi Terraform, l'output del comando terraform apply include messaggi di errore che puoi esaminare per diagnosticare la richiesta. problema.

Gli esempi nelle sezioni seguenti mostrano errori di deployment che potresti incontrato nell'uso di Terraform.

Errore API non abilitata

Se crei un progetto e poi provi immediatamente a eseguire il deployment della soluzione al nuovo progetto, il deployment potrebbe non riuscire e restituire un errore come il seguente:

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.

Se si verifica questo errore, attendi qualche minuto ed esegui terraform apply il comando precedente.

Errore durante l'assegnazione dell'indirizzo richiesto

Quando esegui il comando terraform apply, viene eseguita un'operazione cannot assign requested address potrebbe verificarsi un errore, con un messaggio simile al seguente:

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

Se si verifica questo errore, esegui di nuovo il comando terraform apply.

Errore di configurazione

Se modifichi gli argomenti delle risorse nel file main.tf utilizzando valori non supportati, si verifica un errore come il seguente:

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" {

In questo caso, l'intento era utilizzare Redis versione 5, ma il valore specificato per l'argomento instance.redis_version (REDIS_5_X) nel file main.tf non è valido. Il valore corretto è REDIS_5_0, come enumerato nel Documentazione relativa all'API REST Memorystore.

Errore durante l'eliminazione di un deployment

In alcuni casi, i tentativi di eliminazione di un deployment potrebbero non riuscire:

Dopo aver eseguito il deployment di una soluzione tramite la console, modificare qualsiasi risorsa di cui la soluzione ha eseguito il provisioning, e se poi provi per eliminare il deployment, l'eliminazione potrebbe non riuscire. Il campo Status (Stato) nella La pagina Deployment di soluzioni mostra lo stato Non riuscito e Il log di Cloud Build mostra la causa dell'errore.
Dopo aver eseguito il deployment di una soluzione mediante l'interfaccia a riga di comando di Terraform, se modifichi utilizzando un'interfaccia non Terraform (ad esempio, la console) e, se provi a eliminare il deployment, l'eliminazione potrebbe non riuscire. I messaggi nell'output dell'terraform destroy per visualizzare la causa dell'errore.

Esamina i log e i messaggi degli errori, identifica ed elimina le risorse che ha causato l'errore, poi riprova a eliminare il deployment.

Se un deployment basato su console non viene eliminato e se non puoi diagnosticare l'errore utilizzando il log di Cloud Build, quindi eliminare il deployment utilizzando l'interfaccia a riga di comando Terraform, come descritto nella sezione successiva.

Elimina un deployment basato su console utilizzando l'interfaccia a riga di comando di Terraform

Questa sezione descrive come eliminare un deployment basato su console se si verificano quando provi a eliminarlo tramite la console. Nella questo approccio, scaricherai la configurazione Terraform per il deployment che vuoi eliminare, quindi usa l'interfaccia a riga di comando Terraform per eliminare il deployment.

Identifica la regione in cui vengono inseriti il codice Terraform del deployment, i log e altre vengono archiviati i dati. che potrebbe essere diversa da quella in cui selezionato durante il deployment della soluzione.
1. Nella console Google Cloud, vai a Deployment della soluzione .
  
  Vai a Deployment di soluzioni
2. Seleziona il progetto che contiene il deployment da eliminare.
3. Nell'elenco dei deployment, identifica la riga del deployment che da eliminare.
4. Fai clic su Visualizza tutte le righe contenuti multimediali.
5. Nella colonna Località, controlla la seconda posizione, come evidenziata nel seguente esempio:
In the Google Cloud console, activate Cloud Shell.

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 variabili di ambiente per l'ID, la regione e il nome del progetto il deployment che vuoi eliminare:
```
export REGION="REGION"
export PROJECT_ID="PROJECT_ID"
export DEPLOYMENT_NAME="DEPLOYMENT_NAME"
```
In questi comandi, sostituisci quanto segue:
- REGION: la località che hai annotato in precedenza in questa procedura.
- PROJECT_ID: l'ID del progetto in cui di cui è stato eseguito il deployment della soluzione.
- DEPLOYMENT_NAME: il nome del deployment da eliminare.

Ottieni l'ID dell'ultima revisione del deployment che ti interessa da eliminare:

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

L'output è simile al seguente:

projects/PROJECT_ID/locations/REGION/deployments/DEPLOYMENT_NAME/revisions/r-0

Ottieni il percorso Cloud Storage della configurazione Terraform per del deployment:

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

Di seguito è riportato un esempio dell'output di questo comando:

gs://PROJECT_ID-REGION-blueprint-config/DEPLOYMENT_NAME/r-0/apply_results/content

Scarica la configurazione Terraform da Cloud Storage Cloud Shell:
```
gcloud storage cp $CONTENT_PATH $HOME --recursive
cd $HOME/content/
```
Attendi finché non viene visualizzato il messaggio Operation completed, come mostrato in nell'esempio seguente:
```
Operation completed over 45 objects/268.5 KiB
```
Inizializza Terraform:
```
terraform init
```
Attendi finché non viene visualizzato il seguente messaggio:
```
Terraform has been successfully initialized!
```
Rimuovi le risorse di cui è stato eseguito il deployment:
```
terraform destroy
```
Terraform visualizza un elenco delle risorse che verranno eliminate.

Se vengono visualizzati avvisi relativi a variabili non dichiarate, ignora il comando avvisi.
Quando ti viene chiesto di eseguire le azioni, inserisci yes.

In Terraform vengono visualizzati dei messaggi che mostrano l'avanzamento. Dopo tutte le vengono eliminate, Terraform visualizza il seguente messaggio:
```
Destroy complete!
```

Elimina l'artefatto di deployment:

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"

Attendi qualche secondo, quindi verifica che l'artefatto del deployment sia stato eliminati:

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

Se l'output mostra null, attendi qualche secondo ed esegui il comando di nuovo.

Dopo l'eliminazione dell'artefatto di deployment, verrà visualizzato un messaggio come mostrato che viene visualizzato l'esempio seguente:

Resource 'projects/PROJECT_ID/locations/REGION/deployments/DEPLOYMENT_NAME' was not found

Invia feedback

Le soluzioni già pronte sono solo a scopo informativo e non sono ufficialmente prodotti supportati. Google potrebbe modificare o rimuovere le soluzioni senza preavviso.

Per risolvere gli errori, esamina i log di Cloud Build e come output.

Per inviare un feedback:

Per la documentazione, i tutorial nella console o la soluzione, usa sul pulsante Invia feedback nella pagina.

Per il codice Terraform non modificato, crea problemi nel Repository GitHub. I problemi di GitHub vengono esaminati secondo il criterio del "best effort" e non sono destinati a domande sull'utilizzo generale.

Per problemi con i prodotti utilizzati nella soluzione, contatta Assistenza clienti Google Cloud.

Passaggi successivi

Scopri di più sull'IA generativa su Vertex AI.