Tutorial Alur Kerja

---

Catatan: Konten ini hanya berlaku untuk fungsi Cloud Run—sebelumnya Cloud Functions (generasi ke-2).

Untuk versi generasi 1 dokumen ini, lihat Tutorial workflows (generasi 1).

Tutorial ini menunjukkan cara menggunakan Workflows untuk menautkan serangkaian layanan bersama-sama. Dengan menghubungkan dua layanan HTTP publik menggunakan fungsi Cloud Run, REST API eksternal, dan layanan Cloud Run pribadi, Anda dapat membuat aplikasi serverless yang fleksibel.

Tujuan

Dalam tutorial ini, Anda menggunakan Google Cloud CLI untuk membuat satu alur kerja yang menghubungkan satu layanan dalam satu waktu:

1. Deploy dua fungsi Cloud Run: fungsi pertama menghasilkan angka acak, lalu meneruskan angka tersebut ke fungsi kedua yang mengalikannya.
2. Dengan menggunakan Workflows, hubungkan kedua fungsi HTTP. Menjalankan alur kerja dan menampilkan hasil yang kemudian diteruskan ke API eksternal.
3. Dengan menggunakan Workflows, hubungkan API HTTP eksternal yang menampilkan log untuk nomor tertentu. Jalankan alur kerja dan tampilkan hasil yang kemudian diteruskan ke layanan Cloud Run.
4. Deploy layanan Cloud Run yang hanya mengizinkan akses terautentikasi. Layanan menampilkan math.floor untuk nomor tertentu.
5. Dengan menggunakan Workflows, hubungkan layanan Cloud Run, jalankan seluruh alur kerja, dan tampilkan hasil akhir.

Diagram berikut menunjukkan ringkasan proses serta visualisasi alur kerja akhir:

Biaya

Dalam dokumen ini, Anda menggunakan komponen Google Cloud yang dapat ditagih berikut:

• Artifact Registry
• Cloud Build
• Cloud Run functions
• Cloud Run
• Cloud Storage
• Workflows

Untuk membuat perkiraan biaya berdasarkan proyeksi penggunaan Anda, gunakan kalkulator harga. Pengguna baru Google Cloud mungkin memenuhi syarat untuk mendapatkan uji coba gratis.

Sebelum memulai

Batasan keamanan yang ditentukan oleh organisasi mungkin mencegah Anda menyelesaikan langkah-langkah berikut. Untuk mengetahui informasi pemecahan masalah, lihat Mengembangkan aplikasi di lingkungan Google Cloud yang terbatas.

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.
2. Install the Google Cloud CLI.

3. To initialize the gcloud CLI, run the following command:

   gcloud init

4. Buat atau pilih project Google Cloud.

   Catatan: Jika tidak berencana untuk menyimpan resource yang Anda buat dalam prosedur ini, buatlah project, bukan memilih project yang ada. Setelah menyelesaikan langkah ini, Anda dapat menghapus project, yang menghapus semua resource yang terkait dengan project ini.

   • Membuat project Google Cloud:

     gcloud projects create PROJECT_ID

     Ganti PROJECT_ID dengan nama untuk project Google Cloud yang Anda buat.

   • Pilih project Google Cloud yang Anda buat:

     gcloud config set project PROJECT_ID

     Ganti PROJECT_ID dengan nama project Google Cloud Anda.

5. Make sure that billing is enabled for your Google Cloud project.

6. Aktifkan API Artifact Registry, Cloud Build, Cloud Run, Cloud Run functions, Cloud Storage, and Workflows:

   gcloud services enable artifactregistry.googleapis.com cloudbuild.googleapis.com run.googleapis.com cloudfunctions.googleapis.com storage.googleapis.com workflows.googleapis.com

7. Install the Google Cloud CLI.

8. To initialize the gcloud CLI, run the following command:

   gcloud init

9. Buat atau pilih project Google Cloud.

   Catatan: Jika tidak berencana untuk menyimpan resource yang Anda buat dalam prosedur ini, buatlah project, bukan memilih project yang ada. Setelah menyelesaikan langkah ini, Anda dapat menghapus project, yang menghapus semua resource yang terkait dengan project ini.

   • Membuat project Google Cloud:

     gcloud projects create PROJECT_ID

     Ganti PROJECT_ID dengan nama untuk project Google Cloud yang Anda buat.

   • Pilih project Google Cloud yang Anda buat:

     gcloud config set project PROJECT_ID

     Ganti PROJECT_ID dengan nama project Google Cloud Anda.

10. Make sure that billing is enabled for your Google Cloud project.

11. Aktifkan API Artifact Registry, Cloud Build, Cloud Run, Cloud Run functions, Cloud Storage, and Workflows:

    gcloud services enable artifactregistry.googleapis.com cloudbuild.googleapis.com run.googleapis.com cloudfunctions.googleapis.com storage.googleapis.com workflows.googleapis.com

12. Update komponen Google Cloud CLI:

    gcloud components update

13. Jika menjalankan perintah di dalam Cloud Shell, berarti Anda sudah diautentikasi dengan gcloud CLI; jika tidak, login dengan akun Anda:

    gcloud auth login

14. Setel lokasi default yang digunakan dalam tutorial ini:

    gcloud config set project PROJECT_ID
    export REGION=REGION
    gcloud config set functions/region ${REGION}
    gcloud config set run/region ${REGION}
    gcloud config set workflows/location ${REGION}

    Ganti REGION dengan lokasi Workflows yang didukung pilihan Anda.

15. Jika Anda adalah project creator, Anda diberi peran Pemilik dasar (roles/owner). Secara default, peran Identity and Access Management (IAM) ini mencakup izin yang diperlukan untuk akses penuh ke sebagian besar resource Google Cloud dan Anda dapat melewati langkah ini.

    Jika Anda bukan project creator, izin yang diperlukan harus diberikan pada project kepada akun utama yang sesuai. Misalnya, akun utama dapat berupa Akun Google (untuk pengguna akhir) atau akun layanan (untuk aplikasi dan workload komputasi). Untuk mengetahui informasi selengkapnya, lihat halaman eran dan izin untuk tujuan peristiwa Anda.

    Izin yang diperlukan

    Untuk mendapatkan izin yang Anda perlukan untuk menyelesaikan tutorial, minta administrator Anda untuk memberi Anda peran IAM berikut di project Anda:

    • Editor Cloud Build (roles/cloudbuild.builds.editor)
    • Cloud Functions Developer (roles/cloudfunctions.developer)
    • Cloud Run Admin (roles/run.admin)
    • Buat Akun Layanan (roles/iam.serviceAccountCreator)
    • Project IAM Admin (roles/resourcemanager.projectIamAdmin)
    • Service Account User (roles/iam.serviceAccountUser)
    • Pelanggan Service Usage (roles/serviceusage.serviceUsageConsumer)
    • Storage Admin (roles/storage.admin)
    • Workflows Editor (roles/workflows.editor)

    Untuk mengetahui informasi selengkapnya tentang cara memberikan peran, lihat Mengelola akses ke project, folder, dan organisasi.

    Anda mungkin juga bisa mendapatkan izin yang diperlukan melalui peran khusus atau peran bawaan lainnya.

    Catatan: Peran dasar IAM mungkin juga berisi izin untuk menyelesaikan tutorial. Anda tidak boleh memberikan peran dasar dalam lingkungan produksi, tetapi Anda dapat memberikannya dalam lingkungan pengembangan atau pengujian.
16. Saat men-deploy alur kerja, Anda mengaitkannya dengan akun layanan yang ditentukan. Buat akun layanan untuk Workflows yang akan digunakan:

    export SERVICE_ACCOUNT=workflows-sa
    gcloud iam service-accounts create ${SERVICE_ACCOUNT}

17. Semua layanan Cloud Run di-deploy secara pribadi secara default dan hanya dapat dipanggil oleh Project Owner, Project Editor, Cloud Run Admin, dan Cloud Run Invoker. Untuk mengizinkan akun layanan memanggil layanan Cloud Run yang diautentikasi, berikan peran run.invoker ke akun layanan Workflows:

    gcloud projects add-iam-policy-binding PROJECT_ID \
        --member "serviceAccount:${SERVICE_ACCOUNT}@PROJECT_ID." \
        --role "roles/run.invoker"

Men-deploy fungsi Cloud Run pertama

Setelah menerima permintaan HTTP, fungsi HTTP ini menghasilkan angka acak antara 1 dan 100, lalu menampilkan angka dalam format JSON.

1. Buat direktori bernama randomgen lalu ubah ke direktori tersebut:

   mkdir ~/randomgen
   cd ~/randomgen

2. Buat file teks dengan nama file main.py yang berisi kode Python berikut:

   import functions_framework
   import random
   from flask import jsonify
   
   
   @functions_framework.http
   def randomgen(request):
       randomNum = random.randint(1, 100)
       output = {"random": randomNum}
       return jsonify(output)

3. Agar dapat mendukung dependensi pada Flask untuk pemrosesan HTTP, buat file teks untuk pengelola paket pip. Berikan nama file requirements.txt dan tambahkan hal berikut:

   flask>=1.0.2
   functions-framework==3.0.0

4. Deploy fungsi dengan pemicu HTTP, dan izinkan akses yang tidak diautentikasi:

   gcloud functions deploy randomgen-function \
       --gen2 \
       --runtime python310 \
       --entry-point=randomgen \
       --trigger-http \
       --allow-unauthenticated

   Fungsi mungkin memerlukan waktu beberapa menit untuk di-deploy. Atau, Anda dapat menggunakan antarmuka fungsi Cloud Run di Konsol Google Cloud untuk men-deploy fungsi tersebut.

5. Setelah fungsi randomgen di-deploy, Anda dapat mengonfirmasi properti httpsTrigger.url:

   gcloud functions describe randomgen-function \
       --gen2 \
       --format="value(serviceConfig.uri)"

6. Simpan URL. Anda harus menambahkannya ke file sumber Alur Kerja Anda di latihan selanjutnya.

7. Anda dapat mencoba fungsi ini dengan perintah curl berikut:

   curl $(gcloud functions describe randomgen-function \
       --gen2 \
       --format="value(serviceConfig.uri)")

   Angka dibuat secara acak dan ditampilkan.

Men-deploy fungsi Cloud Run kedua

Setelah menerima permintaan HTTP, fungsi HTTP ini akan mengekstrak input dari isi JSON, mengalikannya dengan 2, dan menampilkan hasilnya dalam format JSON.

1. Kembali ke direktori utama Anda:

   cd ~

2. Buat direktori bernama multiply lalu ubah ke direktori tersebut:

   mkdir ~/multiply
   cd ~/multiply

3. Buat file teks dengan nama file main.py yang berisi kode Python berikut:

   import functions_framework
   from flask import jsonify
   
   
   @functions_framework.http
   def multiply(request):
       request_json = request.get_json()
       output = {"multiplied": 2 * request_json['input']}
       return jsonify(output)

4. Agar dapat mendukung dependensi pada Flask untuk pemrosesan HTTP, buat file teks untuk pengelola paket pip. Berikan nama file requirements.txt dan tambahkan hal berikut:

   flask>=1.0.2
   functions-framework==3.0.0

5. Deploy fungsi dengan pemicu HTTP, dan izinkan akses yang tidak diautentikasi:

   gcloud functions deploy multiply-function \
       --gen2 \
       --runtime python310 \
       --entry-point=multiply \
       --trigger-http \
       --allow-unauthenticated

   Fungsi mungkin memerlukan waktu beberapa menit untuk di-deploy. Atau, Anda dapat menggunakan antarmuka fungsi Cloud Run di Konsol Google Cloud untuk men-deploy fungsi tersebut.

6. Setelah fungsi multiply di-deploy, Anda dapat mengonfirmasi properti httpsTrigger.url:

   gcloud functions describe multiply-function \
       --gen2\
       --format="value(serviceConfig.uri)"

7. Simpan URL. Anda harus menambahkannya ke file sumber Alur Kerja Anda di latihan selanjutnya.

8. Anda dapat mencoba fungsi ini dengan perintah curl berikut:

   curl -X POST MULTIPLY_FUNCTION_URL \
       -H "Authorization: Bearer $(gcloud auth print-identity-token)" \
       -H "Content-Type: application/json" \
       -d '{"input": 5}'

   Angka 10 harus ditampilkan.

Menghubungkan dua fungsi Cloud Run dalam alur kerja

Alur kerja terdiri dari serangkaian langkah yang dijelaskan menggunakan sintaksis Workflows, yang dapat ditulis dalam format YAML atau JSON. Ini adalah definisi alur kerja. Untuk penjelasan mendetail, lihat halaman Referensi sintaksis.

1. Kembali ke direktori utama Anda:

   cd ~

2. Buat file teks dengan nama file workflow.yaml yang berisi konten berikut:

   - randomgen_function:
       call: http.get
       args:
           url: RANDOMGEN_FUNCTION_URL
       result: randomgen_result
   - multiply_function:
       call: http.post
       args:
           url: MULTIPLY_FUNCTION_URL
           body:
               input: ${randomgen_result.body.random}
       result: multiply_result
   - return_result:
       return: ${multiply_result}
   

   • Ganti RANDOMGEN_FUNCTION_URL dengan URL fungsi randomgen Anda.
   • Ganti MULTIPLY_FUNCTION_URL dengan URL fungsi multiply Anda.

   File sumber ini menautkan dua fungsi HTTP bersama-sama dan menampilkan hasil akhir.

   Catatan: Untuk membuat permintaan ke fungsi Cloud Run yang hanya menerima panggilan yang diautentikasi, gunakan OIDC untuk melakukan autentikasi. Untuk mengetahui informasi selengkapnya, lihat Membuat permintaan yang diautentikasi dari alur kerja.

3. Setelah membuat alur kerja, Anda dapat men-deploy alur kerja tersebut sehingga siap untuk dieksekusi.

   gcloud workflows deploy WORKFLOW_NAME \
       --source=workflow.yaml \
       --service-account=${SERVICE_ACCOUNT}@PROJECT_ID.

   Ganti WORKFLOW_NAME dengan nama untuk alur kerja Anda.

4. Menjalankan alur kerja:

   gcloud workflows run WORKFLOW_NAME

   Eksekusi adalah satu eksekusi logika yang terkandung dalam definisi alur kerja. Semua eksekusi alur kerja bersifat independen, dan penskalaan Workflows yang cepat memungkinkan banyak eksekusi serentak.

   Setelah alur kerja dieksekusi, output-nya akan terlihat seperti berikut:

   result: '{"body":{"multiplied":120},"code":200,"headers":{"Alt-Svc":"h3-29=\":443\";
   ...
   startTime: '2021-05-05T14:17:39.135251700Z'
   state: SUCCEEDED
   ...
   

Menghubungkan layanan REST publik dalam alur kerja

Memperbarui alur kerja yang ada dan menghubungkan REST API publik (math.js) yang dapat mengevaluasi ekspresi matematika. Contoh, curl https://api.mathjs.org/v4/?'expr=log(56)'.

Perlu diperhatikan bahwa karena telah men-deploy alur kerja, Anda juga dapat mengeditnya melalui halaman Workflows di Konsol Google Cloud.

1. Edit file sumber untuk alur kerja Anda dan ganti dengan konten berikut:

   - randomgen_function:
       call: http.get
       args:
           url: RANDOMGEN_FUNCTION_URL
       result: randomgen_result
   - multiply_function:
       call: http.post
       args:
           url: MULTIPLY_FUNCTION_URL
           body:
               input: ${randomgen_result.body.random}
       result: multiply_result
   - log_function:
       call: http.get
       args:
           url: https://api.mathjs.org/v4/
           query:
               expr: ${"log(" + string(multiply_result.body.multiplied) + ")"}
       result: log_result
   - return_result:
       return: ${log_result}
   

   • Ganti RANDOMGEN_FUNCTION_URL dengan URL fungsi randomgen Anda.
   • Ganti MULTIPLY_FUNCTION_URL dengan URL fungsi multiply Anda.

   Tindakan ini akan menautkan layanan REST eksternal ke fungsi Cloud Run, dan menampilkan hasil akhir.

2. Deploy alur kerja yang diubah:

   gcloud workflows deploy WORKFLOW_NAME \
       --source=workflow.yaml \
       --service-account=${SERVICE_ACCOUNT}@PROJECT_ID.

Men-deploy layanan Cloud Run

Deploy layanan Cloud Run yang, setelah menerima permintaan HTTP, mengekstrak input dari isi JSON, menghitung math.floor-nya, dan menampilkan hasilnya.

1. Buat direktori bernama floor lalu ubah ke direktori tersebut:

   mkdir ~/floor
   cd ~/floor

2. Buat file teks dengan nama file app.py yang berisi kode Python berikut:

   import json
   import logging
   import os
   import math
   
   from flask import Flask, request
   
   app = Flask(__name__)
   
   
   @app.route('/', methods=['POST'])
   def handle_post():
       content = json.loads(request.data)
       input = float(content['input'])
       return f"{math.floor(input)}", 200
   
   
   if __name__ != '__main__':
       # Redirect Flask logs to Gunicorn logs
       gunicorn_logger = logging.getLogger('gunicorn.error')
       app.logger.handlers = gunicorn_logger.handlers
       app.logger.setLevel(gunicorn_logger.level)
       app.logger.info('Service started...')
   else:
       app.run(debug=True, host='0.0.0.0', port=int(os.environ.get('PORT', 8080)))

3. Dalam direktori yang sama, buat Dockerfile dengan konten berikut:

   # Use an official lightweight Python image.
   # https://hub.docker.com/_/python
   FROM python:3.7-slim
   
   # Install production dependencies.
   RUN pip install Flask gunicorn
   
   # Copy local code to the container image.
   WORKDIR /app
   COPY . .
   
   # Run the web service on container startup. Here we use the gunicorn
   # webserver, with one worker process and 8 threads.
   # For environments with multiple CPU cores, increase the number of workers
   # to be equal to the cores available.
   CMD exec gunicorn --bind 0.0.0.0:8080 --workers 1 --threads 8 app:app

4. Buat repositori standar Artifact Registry tempat Anda dapat menyimpan image container Docker:

   gcloud artifacts repositories create REPOSITORY \
       --repository-format=docker \
       --location=${REGION}

   Ganti REPOSITORY dengan nama unik untuk repositori.

5. Build image container:

   export SERVICE_NAME=floor
   gcloud builds submit --tag ${REGION}-docker.pkg.dev/PROJECT_ID/REPOSITORY/${SERVICE_NAME}

6. Deploy image container ke Cloud Run untuk memastikan bahwa image tersebut hanya menerima panggilan yang diautentikasi:

   gcloud run deploy ${SERVICE_NAME} \
       --image ${REGION}-docker.pkg.dev/PROJECT_ID/REPOSITORY/${SERVICE_NAME}:latest \
       --no-allow-unauthenticated

Jika Anda melihat URL layanan, berarti deployment selesai. Anda harus menentukan URL tersebut saat memperbarui definisi alur kerja.

Menghubungkan layanan Cloud Run dalam alur kerja

Perbarui alur kerja yang ada dan tentukan URL untuk layanan Cloud Run.

1. Kembali ke direktori utama Anda:

   cd ~

2. Edit file sumber untuk alur kerja Anda dan ganti dengan konten berikut:

   - randomgen_function:
       call: http.get
       args:
           url: RANDOMGEN_FUNCTION_URL
       result: randomgen_result
   - multiply_function:
       call: http.post
       args:
           url: MULTIPLY_FUNCTION_URL
           body:
               input: ${randomgen_result.body.random}
       result: multiply_result
   - log_function:
       call: http.get
       args:
           url: https://api.mathjs.org/v4/
           query:
               expr: ${"log(" + string(multiply_result.body.multiplied) + ")"}
       result: log_result
   - floor_function:
       call: http.post
       args:
           url: CLOUD_RUN_SERVICE_URL
           auth:
               type: OIDC
           body:
               input: ${log_result.body}
       result: floor_result
   - create_output_map:
       assign:
         - outputMap:
             randomResult: ${randomgen_result}
             multiplyResult: ${multiply_result}
             logResult: ${log_result}
             floorResult: ${floor_result}
   - return_output:
       return: ${outputMap}
   

   • Ganti RANDOMGEN_FUNCTION_URL dengan URL fungsi randomgen Anda.
   • Ganti MULTIPLY_FUNCTION_URL dengan URL fungsi multiply Anda.
   • Ganti CLOUD_RUN_SERVICE_URL dengan URL layanan Cloud Run Anda.

   Tindakan ini akan menghubungkan layanan Cloud Run dalam alur kerja. Perlu diperhatikan bahwa kunci auth memastikan bahwa token autentikasi diteruskan dalam panggilan ke layanan Cloud Run. Untuk mengetahui informasi selengkapnya, lihat Membuat permintaan yang diautentikasi dari alur kerja.

3. Deploy alur kerja yang diubah:

   gcloud workflows deploy WORKFLOW_NAME \
       --source=workflow.yaml \
       --service-account=${SERVICE_ACCOUNT}@PROJECT_ID.

4. Jalankan alur kerja akhir:

   gcloud workflows run WORKFLOW_NAME

   Output akan terlihat seperti berikut:

   result: '{"floorResult":{"body":"4","code":200
     ...
     "logResult":{"body":"4.02535169073515","code":200
     ...
     "multiplyResult":{"body":{"multiplied":56},"code":200
     ...
     "randomResult":{"body":{"random":28},"code":200
     ...
   startTime: '2023-11-13T21:22:56.782669001Z'
   state: SUCCEEDED
   

Selamat! Anda telah men-deploy dan menjalankan alur kerja yang menghubungkan serangkaian layanan secara bersamaan.

Untuk membuat alur kerja yang lebih kompleks menggunakan ekspresi, lompatan kondisional, encoding atau decoding Base64, subalur kerja, dan lainnya, lihat Referensi sintaksis alur kerja dan Ringkasan library standar.

Pembersihan

Jika Anda membuat project baru untuk tutorial ini, hapus project tersebut. Jika Anda menggunakan project yang ada dan ingin mempertahankannya tanpa perubahan yang ditambahkan dalam tutorial ini, hapus resource yang dibuat untuk tutorial.

Menghapus project

Cara termudah untuk menghilangkan penagihan adalah dengan menghapus project yang Anda buat untuk tutorial.

Untuk menghapus project:

Perhatian: Menghapus project memiliki efek berikut:

• Semua hal dalam project akan dihapus. Jika menggunakan project yang sudah ada untuk tugas dalam dokumen ini, saat Anda menghapusnya, pekerjaan lain yang telah Anda lakukan dalam project tersebut juga akan terhapus.
• Project ID kustom hilang. Saat membuat project ini, Anda mungkin telah membuat project ID kustom yang ingin digunakan di masa mendatang. Untuk mempertahankan URL yang menggunakan project ID, seperti URL appspot.com, hapus resource yang dipilih di dalam project, bukan menghapus seluruh project.

Jika Anda berencana mempelajari berbagai arsitektur, tutorial, atau panduan memulai, menggunakan kembali project dapat membantu agar Anda tidak melampaui batas kuota project.

1. Di konsol Google Cloud, buka halaman Manage resource.

   Buka Manage resource

2. Pada daftar project, pilih project yang ingin Anda hapus, lalu klik Delete.
3. Pada dialog, ketik project ID, lalu klik Shut down untuk menghapus project.

Menghapus resource tutorial

• Hapus layanan Cloud Run yang Anda deploy dalam tutorial ini.

• Hapus alur kerja yang Anda buat dalam tutorial ini.

• Hapus image container dari Artifact Registry.

• Hapus repositori Artifact Registry.

• Hapus konfigurasi default Google Cloud CLI yang Anda tambahkan selama penyiapan tutorial:

  gcloud config unset functions/region
  gcloud config unset run/region
  gcloud config unset workflows/location
  gcloud config unset project

Langkah selanjutnya

• Pelajari Workflows lebih lanjut
• Referensi sintaksis Workflows