Questa pagina descrive la creazione di tipi personalizzati per Google Cloud Deployment Manager supportati da backend personalizzati.
La funzionalità Azioni è una funzionalità alpha che amplia la gamma di metodi API che Deployment Manager può chiamare. Poiché questa funzione non è supportata, ti consigliamo di
eseguire la migrazione dell'utilizzo esistente
di Azioni alle alternative supportate. Alcune azioni, come storage.buckets.setIamPolicy, corrispondono ai tipi di risorse di Deployment Manager esistenti, che puoi utilizzare per sostituirli.
Se il deployment richiede l'utilizzo di azioni che non possono essere sostituite dai
tipi di risorse di Deployment Manager supportati esistenti,
segui questa guida per creare un tipo personalizzato con un backend personalizzato per sostituire
l'utilizzo di queste azioni.
Creazione del provider di tipi personalizzato
Per una panoramica generale dell'integrazione di un'API di terze parti con Deployment Manager, consulta Integrazione con Deployment Manager.
Per istruzioni su come aggiungere un'API come provider di tipi, consulta Aggiunta di un'API come provider di tipi.
Per le opzioni di configurazione avanzate, come le mappature degli input, visita Impostazione delle opzioni API avanzate.
Per i requisiti per aggiungere un'API a Deployment Manager, consulta Requisiti per l'integrazione di un'API.
Creazione del backend personalizzato
Devi creare un backend personalizzato per esporre l'API al provider di tipo personalizzato. Per creare un backend personalizzato, puoi utilizzare uno dei seguenti metodi:
Creazione e hosting di un servizio RESTful su una piattaforma a tua scelta. Consulta i requisiti per l'integrazione di un'API.
Utilizzo di una delle seguenti soluzioni serverless per implementare le tue di backend:
Un modo per ridurre lo sforzo di creazione di un backend personalizzato è utilizzare Funzioni di Cloud Run. Se utilizzi già altre soluzioni serverless nel tuo processo di sviluppo, potrebbe essere più efficiente utilizzarle. Per una panoramica dell'utilizzo delle funzioni di Cloud Run come backend per un di servizi di machine learning, visita Provider di tipi personalizzati un'implementazione di esempio.