Halaman ini diterjemahkan oleh Cloud Translation API.

Menggunakan pipeline serverless dengan Active Assist

Last reviewed 2021-06-09 UTC

Dokumen ini ditujukan untuk arsitek perusahaan dan developer software yang ingin membuat pipeline otomatisasi untuk menggunakan Active Assist di organisasi mereka. Google Cloud Bagian ini adalah bagian dari seri yang membahas pola arsitektur yang dapat digunakan perusahaan untuk mengoptimalkan jejak cloud mereka dalam skala besar menggunakan Active Assist. Rangkaian ini terdiri dari bagian-bagian berikut:

Pola untuk menggunakan Active Assist dalam skala besar
Menggunakan pipeline serverless dengan Active Assist (dokumen ini)
Menggunakan toolchain GKE Enterprise dengan Active Assist

Tutorial ini menunjukkan cara menggunakan Google Cloud teknologi serverless untuk membuat pipeline otomatisasi guna mengambil dan memproses rekomendasi Active Assist. Anda mendasarkan rekomendasi pada aturan bisnis yang ditetapkan oleh perusahaan Anda. Pipeline otomatisasi yang Anda siapkan dalam tutorial ini membantu Anda bekerja dengan Active Assist dalam skala besar sambil tetap mempertahankan proses peninjauan dan pengaktifan yang dipimpin tim. Pendekatan ini berguna jika perusahaan Anda ingin menskalakan penggunaan portofolio Active Assist, tetapi tetap mengontrol proses peninjauan dan pengaktifan dalam tim. Cara ini menawarkan alternatif untuk menggunakan pipeline continuous integration dan continuous delivery (CI/CD).

Arsitektur yang ditunjukkan dalam tutorial ini bersifat umum dan Anda dapat memperluasnya agar berfungsi dengan produk serverless lainnya. Tutorial ini mengasumsikan bahwa Anda sudah memahami teknologi berikut: Google Cloud

Untuk menyelesaikan tutorial ini, Anda harus memiliki akun untuk Slack atau alat pemrosesan tiket atau notifikasi serupa. Alat ini harus disiapkan di komputer Anda dan siap digunakan.

Arsitektur

Karena arsitektur yang ditunjukkan dalam tutorial ini bersifat modular, Anda dapat menyesuaikan komponen notifikasi agar sesuai dengan persyaratan bisnis Anda. Tutorial ini menunjukkan cara membuat notifikasi dan mengirimkannya ke Slack. Anda juga dapat memilih untuk mengirim notifikasi ke Pub/Sub atau alat pemrosesan tiket atau notifikasi lainnya.

Diagram arsitektur berikut menunjukkan komponen yang Anda gunakan dalam tutorial ini:

Pipeline serverless.

Arsitektur ini memiliki komponen berikut:

Layanan Cloud Run yang dipicu penjadwal pada interval tetap. Layanan ini memanggil Recommender API dengan membaca metadata (ID project dan jenis rekomendasi) yang ditentukan dan disimpan dalam koleksi Firestore.
Topik Pub/Sub yang digunakan untuk mengirim dan memproses rekomendasi Active Assist.
Layanan Cloud Run kedua yang mengurai rekomendasi Active Assist. Layanan ini menentukan cara pemrosesan rekomendasi berdasarkan aturan bisnis yang ditentukan oleh perusahaan Anda dan disimpan dalam koleksi Firestore.
Dua koleksi Firestore untuk menyimpan metadata bisnis dan aturan bisnis. Koleksi Firestore beroperasi sebagai berikut:
- Kumpulan data pertama menyimpan metadata bisnis yang relevan untuk mengambil rekomendasi Active Assist. Dalam tutorial ini, atribut recommendation type, Google Cloud project IDs, dan locations digunakan sebagai metadata bisnis. Atribut ini digunakan oleh layanan Cloud Run recommendation-collector untuk menentukan jenis rekomendasi yang diambil.
- Koleksi kedua menyimpan aturan bisnis yang diterapkan saat rekomendasi diproses.

Tujuan

Buat layanan Cloud Run contoh untuk mengambil rekomendasi Active Assist untuk project contoh dan mengirimkannya ke topik Pub/Sub.
Buat dua koleksi Firestore untuk menyimpan metadata contoh dan aturan bisnis.
Buat layanan Cloud Run kedua untuk memproses rekomendasi sesuai dengan aturan bisnis contoh yang Anda tentukan dalam tutorial ini.
Buat channel Slack yang digunakan layanan Cloud Run untuk mengirimkan contoh rekomendasi Active Assist.
Uji pipeline menyeluruh dengan contoh rekomendasi Active Assist.

Biaya

Dalam dokumen ini, Anda akan menggunakan komponen Google Cloudyang dapat ditagih berikut:

Untuk membuat perkiraan biaya berdasarkan proyeksi penggunaan Anda, gunakan kalkulator harga.

Pengguna Google Cloud baru mungkin memenuhi syarat untuk mendapatkan uji coba gratis.

Setelah menyelesaikan tugas yang dijelaskan dalam dokumen ini, Anda dapat menghindari penagihan berkelanjutan dengan menghapus resource yang Anda buat. Untuk mengetahui informasi selengkapnya, lihat Pembersihan.

Sebelum memulai

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

Go to project selector
Select or create a Google Cloud project.
Roles required to select or create a project
- Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
- Create a project: To create a project, you need the Project Creator (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.
Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.
Catat Google Cloud project ID untuk project pengelola rekomendasi. Anda memerlukan ID ini di bagian berikutnya tentang penyiapan lingkungan.
Enable the Cloud Build, Firestore, App Engine,Pub/Sub, Cloud Run, Cloud Scheduler, and Cloud Source Repositories APIs.
Roles required to enable APIs
To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.
Enable the APIs
Anda menggunakan kredensial aplikasi default untuk tutorial ini. Jika Anda diminta untuk membuat kredensial di halaman Tambahkan kredensial ke project Anda, klik Batal.
Verify that billing is enabled for your Google Cloud project.
Buat hal berikut:
- Contoh saluran Slack.
- Contoh aplikasi Slack dan webhook masuk untuk menerima notifikasi yang dihasilkan oleh mesin bernama recommendation-rules-engine. Anda akan menyiapkan mesin di bagian selanjutnya dalam tutorial ini.
Untuk mengetahui informasi selengkapnya, lihat Membuat saluran Slack dan Mengirim pesan menggunakan Webhook Masuk.

Setelah Anda membuat aplikasi Slack dan URL webhook masuk, catat URL tersebut karena Anda akan memerlukannya nanti dalam tutorial ini.

Membangun pipeline serverless

Di bagian ini, Anda akan membuat komponen yang diperlukan untuk membangun pipeline serverless. Platform ini menghasilkan rekomendasi Active Assist berdasarkan pola penggunaan dan metrik sistem. Bergantung pada rekomendasi yang dihasilkan, setiap kategori rekomendasi mungkin menggunakan jangka waktu default yang berbeda dari masa lalu untuk menganalisis data dan metrik penggunaan.

Jika memiliki project Google Cloud contoh yang memiliki resource dan rekomendasi Active Assist, Anda dapat menjalankan pipeline untuk memproses rekomendasi tersebut setelah melakukan perubahan yang sesuai pada kode contoh yang diberikan.

Buat koleksi Firestore

Di bagian ini, Anda akan membuat dua koleksi Firestore. Yang pertama, koleksi activeassist-metadata, menyimpan metadata bisnis yang relevan untuk mengambil rekomendasi Active Assist. Yang kedua, koleksi activeassist-business-rules, menyimpan aturan bisnis yang diterapkan saat pipeline memproses rekomendasi.

Saat rekomendasi Active Assist diuraikan, berdasarkan aturan bisnis dalam koleksi Firestore, notifikasi akan dibuat dan dikirim, atau rekomendasi akan otomatis diterapkan ke resource Google Cloud yang relevan.

Buat koleksi `activeassist-metadata`

Di konsol Google Cloud , buka halaman Firestore.

Buka Firestore
Buat database Firestore jika Anda belum memilikinya. Atau, jika Anda sudah memiliki database Firestore, lanjutkan ke langkah berikutnya.

Membuat Database:
1. Klik Select Native mode untuk mengaktifkan Firestore.
2. Pilih lokasi regional yang dekat dengan region tempat layanan Cloud Run Anda berjalan.
3. Klik Create database. Perlu waktu beberapa saat untuk menyelesaikan konfigurasi.
Di halaman Firestore, klik Start Collection.
Di kolom Collection ID, masukkan berikut ini: activeassist-metadata.

Isi kolom seperti yang ditunjukkan dalam tabel berikut. Untuk menambahkan kolom berikutnya, klik Tambahkan Kolom.

Nama kolom	Jenis kolom	Nilai kolom	Catatan
`project`	`string`	`Stub-Project-ID`	Tutorial ini menggunakan stub untuk nilai kolom. Jika Anda ingin menggunakan rekomendasi dari project Google Cloud yang sudah ada, masukkan project ID.
`locations`	`array`	`global`	Beberapa rekomendasi mungkin khusus untuk region atau zona tertentu, seperti rekomendasi penyesuaian ukuran VM. Rekomendasi lainnya bersifat global, misalnya, rekomendasi IAM.
`recommenderType`	`string`	`google.iam.policy.Recommender`	Tidak berlaku.

Setelah kolom diisi, klik Simpan.

Buat koleksi `activeassist-business-rules`

Klik Mulai Koleksi.

Di kolom Collection ID, masukkan: activeassist-business-rules

Isi dokumen seperti yang ditunjukkan dalam tabel berikut. Untuk menambahkan kolom berikutnya, klik Tambahkan Kolom.

Nama kolom	Jenis kolom	Nilai kolom	Catatan
`action`	`string`	`Notify`	Menyetel nilai ke `Apply` akan menyebabkan layanan menerapkan rekomendasi dan menghapus peran yang tidak digunakan.
`projectId`	`string`	`Stub-Project-ID`	Tutorial ini menggunakan rekomendasi stub. Jika Anda ingin menggunakan rekomendasi dari project Google Cloud yang sudah ada, masukkan project ID.
`projectNumber`	`string`	`999999999`	Tutorial ini menggunakan rekomendasi stub. Jika Anda menggunakan rekomendasi dari project Google Cloud yang sudah ada, masukkan nomor project sebagai gantinya. Anda dapat menemukan nomor project di halaman sambutan konsolGoogle Cloud
`recommenderType`	`string`	`google.iam.policy.Recommender`	Tidak berlaku.
`recommenderSubtype`	`string`	`REMOVE_ROLE`	Tidak berlaku.
`slackWebhookURL`	`string`		Masukkan URL webhook Slack yang Anda buat pada langkah sebelumnya. URL tersebut menyerupai berikut: `https://hooks.slack.com/services/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`

Tutorial ini menunjukkan cara membuat aturan untuk menentukan apakah rekomendasi diterapkan secara otomatis atau apakah notifikasi dibuat dan dikirim ke platform seperti Slack. Untuk mempelajari cara rekomendasi dapat diterapkan secara otomatis berdasarkan evaluasi contoh aturan bisnis yang Anda siapkan, lihat repositori terkait.

Setelah dokumen diisi, klik Simpan.

Membuat layanan Cloud Run terjadwal

Di bagian ini, Anda akan membuat layanan Cloud Run terjadwal bernama recommendation-collector yang memanggil Recommender API dan mengambil rekomendasi aktif. Recommender API Identity and Access Management digunakan dalam tutorial ini sebagai Recommender API. Layanan membaca metadata dari koleksi activeassist-metadata Firestore yang Anda buat untuk menentukan rekomendasi mana yang akan diambil.

Klik Open in Cloud Shell untuk membuka Cloud Shell bagi project pengelola rekomendasi.

Buka di Cloud Shell

Saat Cloud Shell terbuka, perintah berikut akan dijalankan:
- Perintah cloning repositori GitHub.
- Perintah ubah direktori.
Saat dialog Open in Cloud Shell muncul, pilih Trust, lalu klik Confirm.

Tetapkan project ID dan nomor project pengelola rekomendasi saat ini sebagai variabel:

export RECO_MGR_PROJECT=PROJECT_ID
gcloud config set project $RECO_MGR_PROJECT
export RECO_MGR_PROJECT_NUMBER=$(gcloud projects describe $DEVSHELL_PROJECT_ID --format='value(projectNumber)')

Ganti PROJECT_ID dengan project ID Anda. Setelah Anda memasukkan perintah, klik Authorize saat diminta.

Tetapkan variabel untuk region deployment:
```
export REGION=us-central1
```
Meskipun tutorial ini menggunakan region us-central1, Anda dapat menggunakan region mana pun tempat Cloud Run tersedia.

Buat variabel lingkungan untuk image Docker Anda:

export RECOMMENDER_IMAGE=gcr.io/$RECO_MGR_PROJECT/recommendation-collector:1.0

Bangun image Docker dan upload ke Container Registry:

 gcloud builds submit --tag $RECOMMENDER_IMAGE

Buat akun layanan untuk layanan recommendation-collector agar dapat berinteraksi dengan layanan Google Cloud lainnya di pipeline:
```
gcloud iam service-accounts create recommendation-collector-sa \
  --description "Service Account that the recommendation-collector service uses to invoke other Google Cloud services" \
  --display-name "recommendation-collector-sa" \
  --project $RECO_MGR_PROJECT
```
Sebaiknya berikan izin terperinci ke layanan Cloud Run Anda dengan menetapkan peran bawaan ke akun layanan. Untuk mempelajari lebih lanjut, lihat Identitas layanan.

Berikan akses akun layanan untuk layanan recommendation-collector ke Firestore dan Recommender API:

gcloud projects add-iam-policy-binding $RECO_MGR_PROJECT \
  --member serviceAccount:recommendation-collector-sa@$RECO_MGR_PROJECT. \
  --role roles/datastore.user
gcloud projects add-iam-policy-binding $RECO_MGR_PROJECT \
  --member serviceAccount:recommendation-collector-sa@$RECO_MGR_PROJECT. \
  --role roles/pubsub.publisher

Jika Anda menjalankan tutorial ini menggunakan stub contoh yang disediakan di repositori yang Anda clone, lanjutkan ke langkah berikutnya.

Jika Anda membuat pipeline dalam tutorial ini menggunakan rekomendasi yang dihasilkan untuk project Google Cloud yang sudah ada, Anda harus menetapkan izin IAM ke akun layanan yang Anda buat untuk menjalankan dua layanan Cloud Run.

Tetapkan variabel lingkungan, TEST_PROJECT_ID, dengan ID project yang Anda jalankan pipeline ini sebelum menjalankan perintah:
```
export TEST_PROJECT_ID=TEST_PROJECT_ID
gcloud projects add-iam-policy-binding $TEST_PROJECT_ID \
  --member serviceAccount:recommendation-collector-sa@$RECO_MGR_PROJECT. \
  --role roles/recommender.iamAdmin
gcloud projects add-iam-policy-binding $TEST_PROJECT_ID \
  --member serviceAccount:recommendation-collector-sa@$RECO_MGR_PROJECT. \
  --role roles/serviceusage.serviceUsageConsumer
gcloud services enable recommender.googleapis.com --project $TEST_PROJECT_ID
```
Pastikan Project ID yang Anda gunakan cocok dengan yang Anda masukkan saat membuat koleksi Firestore.

Catatan: Jika Anda menjalankan pipeline ini untuk jenis pemberi rekomendasi yang tidak digunakan dalam tutorial ini, pastikan Anda mengidentifikasi dan menetapkan serangkaian izin tambahan yang benar. Akun layanan yang Anda buat untuk menjalankan dua layanan Cloud Run memerlukan izin ini.
Untuk tutorial ini, Anda men-deploy layanan dengan variabel lingkungan bernama STUB_RECOMMENDATIONS. Dengan variabel ini, Anda dapat menggunakan stub untuk menguji pipeline.

Deploy layanan Cloud Run:
```
gcloud run deploy recommendation-collector \
  --image=$RECOMMENDER_IMAGE \
  --no-allow-unauthenticated \
  --region $REGION \
  --platform managed \
  --service-account recommendation-collector-sa@$RECO_MGR_PROJECT. \
  --set-env-vars="STUB_RECOMMENDATIONS=true" \
  --project $RECO_MGR_PROJECT \
```
Setujui perintah sistem apa pun.

Jika Anda ingin menjalankan pipeline menggunakan rekomendasi Active Assist yang dibuat untuk project Google Cloud , hapus baris berikut dari perintah sebelum Anda men-deploy-nya:
```
--set-env-vars="STUB_RECOMMENDATIONS=true"
```

Siapkan tugas Cloud Scheduler untuk menjalankan `recommender-collector service`

Di Cloud Shell, buat akun layanan untuk tugas Cloud Scheduler yang akan digunakan untuk menjalankan layanan recommendation-collector:

gcloud iam service-accounts create recommender-scheduler-sa \
  --description "Service Account used by Cloud Scheduler to invoke the recommender-parser service" \
  --display-name "recommender-scheduler-sa" \
  --project $RECO_MGR_PROJECT

Beri akun layanan peran run/invoker agar dapat memanggil layanan Cloud Run:

gcloud run services add-iam-policy-binding recommendation-collector \
  --member=serviceAccount:recommender-scheduler-sa@$RECO_MGR_PROJECT. \
  --role=roles/run.invoker \
  --region=$REGION \
  --platform=managed

Dapatkan URL layanan recommendation-collector:

export RECOMMENDER_SERVICE_URI=`gcloud run services describe recommendation-collector \
  --platform managed \
  --project $RECO_MGR_PROJECT \
  --region $REGION \
  --format="value(status.url)"`/run

Buat tugas Cloud Scheduler bernama recommender-iam-scheduler:
```
gcloud scheduler jobs create http recommender-iam-scheduler \
  --project $RECO_MGR_PROJECT \
  --time-zone "America/Los_Angeles" \
  --schedule="0 */3 * * *" \
  --uri=$RECOMMENDER_SERVICE_URI \
  --description="Scheduler job to invoke recommendation pipeline" \
  --oidc-service-account-email="recommender-scheduler-sa@$RECO_MGR_PROJECT." \
  --headers="Content-Type=application/json" \
  --http-method="POST"
```
Setel zona waktu agar cocok dengan lokasi Anda. Format nilai zona waktu didasarkan pada database tz.

Untuk mengetahui informasi selengkapnya, lihat gcloud scheduler jobs create http.

Tugas Cloud Scheduler Anda memanggil rute /run untuk layanan recommendation-collector.

Menetapkan tanda --schedule="0 */3 * * *" menjalankan tugas Scheduler setiap tiga jam. Anda dapat mengubah setelan ini sesuai dengan persyaratan Anda. Untuk mengetahui informasi selengkapnya, lihat Mengonfigurasi jadwal tugas cron.

Buat mesin aturan rekomendasi untuk memproses rekomendasi

Di bagian ini, Anda akan membuat layanan Cloud Run kedua bernama recommendation-rules-engine untuk memproses rekomendasi yang dikumpulkan oleh layanan recommendation-collector. Layanan recommendation-rules-engine dipanggil oleh Pub/Sub saat rekomendasi baru dikirim ke topik activeassist-recommendations.

Layanan ini mengurai rekomendasi berdasarkan aturan bisnis yang Anda tentukan dalam kumpulan activeassist-business-rules.

Di Cloud Shell, buka direktori recommendation-rules-engine:
```
cd ../recommendation-rules-engine
```
Catatan: Jika koneksi Anda terputus dari sesi Cloud Shell dan perlu terhubung kembali, Anda dapat menemukan direktori repositori yang di-clone di ~/cloudshell_open/activeassist-serverless-pipeline.

Buat variabel lingkungan untuk image Docker Anda:

export RULES_ENGINE_IMAGE=gcr.io/$RECO_MGR_PROJECT/recommendation-rules-engine:1.0

Bangun image Docker dan upload ke Container Registry:
```
gcloud builds submit --tag $RULES_ENGINE_IMAGE
```

Buat akun layanan untuk layanan recommendation-rules-engine agar dapat berinteraksi dengan layanan Google Cloud lain dalam pipeline:

gcloud iam service-accounts create recommendation-rules-sa \
 --description "Service Account that recommendation-rules-engine uses to invoke other Google Cloud services" \
 --display-name "recommendation-rules-sa" \
 --project $RECO_MGR_PROJECT

Berikan akses akun layanan untuk layanan recommendation-rules-engine ke Firestore:

gcloud projects add-iam-policy-binding $RECO_MGR_PROJECT \
  --member serviceAccount:recommendation-rules-sa@$RECO_MGR_PROJECT. \
  --role roles/datastore.user

Jika Anda menggunakan stub yang disediakan untuk tutorial ini, lanjutkan ke langkah berikutnya.

Jika Anda menguji pipeline menggunakan rekomendasi yang dibuat untuk projectGoogle Cloud , bukan stub yang disediakan untuk tutorial ini, jalankan perintah berikut untuk mengizinkan akses akun layanan mesin aturan ke project Anda:

gcloud projects add-iam-policy-binding $TEST_PROJECT_ID \
  --member serviceAccount:recommendation-rules-sa@$RECO_MGR_PROJECT. \
  --role roles/serviceusage.serviceUsageConsumer
gcloud projects add-iam-policy-binding $TEST_PROJECT_ID \
  --member serviceAccount:recommendation-rules-sa@$RECO_MGR_PROJECT. \
  --role roles/recommender.iamAdmin
gcloud projects add-iam-policy-binding $TEST_PROJECT_ID \
  --member serviceAccount:recommendation-rules-sa@$RECO_MGR_PROJECT. \
  --role roles/resourcemanager.projectIamAdmin

Deploy layanan Cloud Run:

gcloud run deploy recommendation-rules-engine \
  --image=$RULES_ENGINE_IMAGE \
  --no-allow-unauthenticated \
  --region $REGION \
  --platform managed \
  --service-account recommendation-rules-sa@$RECO_MGR_PROJECT. \
  --project $RECO_MGR_PROJECT

Setujui perintah sistem apa pun.

Dapatkan URL recommendation-rules-engine:

export RECOMMENDER_SERVICE_RULES_URI=`gcloud run services describe recommendation-rules-engine \
  --platform managed \
  --project $RECO_MGR_PROJECT \
  --region $REGION \
  --format="value(status.url)"`/process

URL yang Anda ambil pada langkah ini dipanggil saat rekomendasi baru tersedia melalui topik Pub/Sub yang Anda buat pada langkah berikutnya.

Buat topik Pub/Sub untuk rekomendasi aktif

Di bagian ini, Anda akan membuat topik Pub/Sub untuk rekomendasi Active Assist yang diambil oleh layanan recommender-collector dengan memanggil Recommender API.

Di Cloud Shell, buatlah topik Pub/Sub:

gcloud pubsub topics create activeassist-recommendations

Buat akun layanan yang akan digunakan Pub/Sub untuk memanggil layanan Cloud Run recommendation-rules-engine:

gcloud iam service-accounts create recommendation-engine-sub-sa \
  --description "Service Account used by Pub/Sub to push recommendations to the recommendation-rules-engine service" \
  --display-name "recommendation-engine-sub-sa" \
  --project $RECO_MGR_PROJECT

Akun layanan Pub/Sub harus dikaitkan dengan peran yang diperlukan untuk memublikasikan pesan dan memanggil layanan recommendation-rules-engine:

gcloud projects add-iam-policy-binding $RECO_MGR_PROJECT \
  --member serviceAccount:recommendation-engine-sub-sa@$RECO_MGR_PROJECT. \
  --role roles/run.invoker \
  --project $RECO_MGR_PROJECT

Buat langganan untuk topik Pub/Sub

Buat langganan untuk layanan recommendation-rules-engine:

# grant Pub/Sub the permission to create tokens
PUBSUB_SERVICE_ACCOUNT="service-$RECO_MGR_PROJECT_NUMBER@gcp-sa-pubsub."
gcloud projects add-iam-policy-binding $RECO_MGR_PROJECT \
  --member="serviceAccount:$PUBSUB_SERVICE_ACCOUNT"\
  --role='roles/iam.serviceAccountTokenCreator'
# configure the subscription push identity
gcloud pubsub subscriptions create active-assist-recommendations-for-rules-engine \
  --topic=activeassist-recommendations \
  --topic-project=$RECO_MGR_PROJECT \
  --push-auth-service-account=recommendation-engine-sub-sa@$RECO_MGR_PROJECT. \
  --ack-deadline=60 \
  --push-endpoint=$RECOMMENDER_SERVICE_RULES_URI

Izinkan akun layanan recommendation-engine-sub-sa yang Anda buat untuk memanggil layanan recommendation-rules-engine:

gcloud run services add-iam-policy-binding recommendation-rules-engine \
  --member=serviceAccount:recommendation-engine-sub-sa@$RECO_MGR_PROJECT. \
  --role=roles/run.invoker \
  --region=$REGION \
  --platform=managed

Menjalankan pengujian menyeluruh menggunakan stub

Rekomendasi Active Assist dibuat oleh platform berdasarkan pola penggunaan dan metrik sistem. Setiap kategori rekomendasi dapat menggunakan jangka waktu default yang berbeda di masa lalu untuk menganalisis data dan metrik penggunaan berdasarkan rekomendasi yang dihasilkan. Misalnya, rekomendasi IAM dihasilkan oleh platform berdasarkan pola penggunaan dari 90 hari terakhir.

Untuk menguji pipeline menyeluruh, repositori yang Anda clone untuk tutorial ini menyediakan contoh rekomendasi (stub) yang Anda gunakan untuk menjalankan pipeline menyeluruh.

Di bagian ini, Anda akan melakukan hal berikut:

Periksa rekomendasi stub.
Panggil pipeline secara manual.
Periksa apakah notifikasi dibuat dan dikirim ke saluran Slack yang Anda buat.

Tinjau rekomendasi contoh yang diberikan di repositori:
```
cat ../recommendation-collector/stub.json
```
File ini memberikan contoh rekomendasi dengan tindakan REMOVE untuk contoh peran yang disebut roles/gkehub.connect.
Jalankan perintah berikut agar Cloud Scheduler menjalankan tugas segera, bukan menunggu hingga jadwal berikutnya:
```
gcloud scheduler jobs run recommender-iam-scheduler
```
Di halaman konsol Cloud Scheduler, di kolom Hasil untuk tugas recommender-iam-scheduler, verifikasi bahwa hasilnya adalah Berhasil.

Untuk mendapatkan tampilan mendetail tentang langkah-langkah yang dijalankan setiap layanan, Anda juga dapat melihat log layanan Cloud Run untuk layanan recommendation-collector dan layanan recommendation-rules-engine.
Saat pipeline end-to-end serverless yang Anda buat dalam tutorial ini berhasil dijalankan, pipeline tersebut akan menghasilkan notifikasi Slack yang berisi detail rekomendasi pengikatan peran yang harus Anda hapus. Berikut adalah contoh notifikasi yang Anda terima:
```
Project xxxxxxxx\
**Impact**: SECURITY\
This role has not been used during the observation window.\
**Role**: roles/gkehub.connect\
**Member**:
serviceAccount:sample-sa@recommendation-sample.\
**Action**: remove
```

Pembersihan

Agar tidak perlu membayar biaya pada akun Google Cloud Anda untuk resource yang digunakan dalam tutorial ini, hapus project yang berisi resource tersebut, atau simpan project dan hapus setiap resource.

In the Google Cloud console, go to the Manage resources page.

Go to Manage resources

In the project list, select the project that you want to delete, and then click Delete.

In the dialog, type the project ID, and then click Shut down to delete the project.

Langkah berikutnya

Pelajari cara menggunakan Rekomendasi untuk Infrastruktur sebagai Kode.
Pelajari lebih lanjut teknologi Google Cloud serverless.
Baca tentang cara mengintegrasikan rekomendasi Policy Intelligence ke dalam pipeline IaC.