Neste guia, mostramos como implantar um cluster de banco de dados de vetores Qdrant no Google Kubernetes Engine (GKE).
Bancos de dados vetoriais são armazenamentos de dados projetados especificamente para gerenciar e pesquisar em grandes coleções de vetores de alta dimensão. Esses vetores representam dados como texto, imagens, áudio, vídeo ou quaisquer dados que possam ser codificados numericamente. Ao contrário dos bancos de dados tradicionais, que dependem de correspondências exatas, os bancos de dados vetoriais se especializam em encontrar itens semelhantes ou identificar padrões em conjuntos de dados enormes. Essas características fazem do Qdrant uma escolha adequada para uma variedade de aplicativos, incluindo correspondência de rede neural ou baseada em semântica, pesquisa facetada e muito mais. O Qdrant não funciona apenas como um banco de dados vetorial, mas também como um mecanismo de pesquisa de similaridade vetorial.
Este tutorial é destinado a administradores e arquitetos da plataforma de nuvem, engenheiros de ML e profissionais de MLOps (DevOps) interessados em implantar clusters de banco de dados Qdrant no GKE.
Benefícios
A Qdrant oferece os seguintes benefícios:
- Ampla variedade de bibliotecas para diversas linguagens de programação e API aberta para integração com outros serviços.
- Escalonamento horizontal e suporte para fragmentação e replicação que simplificam o escalonamento e a alta disponibilidade.
- Suporte a contêineres e Kubernetes que permite a implantação e o gerenciamento em ambientes modernos nativos da nuvem.
- Payloads flexíveis com filtragem avançada para personalizar critérios de pesquisa com precisão.
- Diferentes opções de quantização e outras otimizações para reduzir os custos de infraestrutura e melhorar o desempenho.
Objetivos
Neste tutorial, você aprenderá a realizar as seguintes tarefas:
- Planejar e implantar a infraestrutura do GKE para Qdrant.
- Implante o operador StatefulHA para garantir a alta disponibilidade do Qdrant.
- Implantar e configurar o cluster do Qdrant.
- Faça upload de um conjunto de dados de demonstração e execute uma consulta de pesquisa simples.
- Coletar métricas e gerar um painel.
Arquitetura de implantação
Essa arquitetura configura um cluster do GKE escalonável e tolerante a falhas para o Qdrant em várias zonas de disponibilidade, garantindo o tempo de atividade e a disponibilidade com atualizações graduais e o mínimo de interrupção. Ela inclui o uso do operador StatefulHA para um gerenciamento eficiente de failover. Para mais informações, consulte Clusters regionais.
Diagrama da arquitetura
O diagrama a seguir mostra um cluster do Qdrant em execução em vários nós e zonas em um cluster do GKE:
Nesta arquitetura, o StatefulSet
do Qdrant é implantado em três nós em três zonas diferentes.
- É possível controlar como o GKE distribui pods entre nós configurando as regras de afinidade e as restrições de distribuição de topologia necessárias no arquivo de valores do gráfico do Helm.
- Se uma zona falhar, o GKE vai reprogramar os pods em novos nós com base na configuração recomendada.
Para a persistência de dados, a arquitetura neste tutorial tem as seguintes características:
- Ela usa discos SSD regionais (StorageClass personalizado
regional-pd
) para armazenar dados. Recomendamos discos SSD regionais para bancos de dados devido à baixa latência e alta IOPS. - Todos os dados do disco são replicados entre as zonas primária e secundária na região, aumentando a tolerância a possíveis falhas de zona.
Custos
Neste documento, você usará os seguintes componentes faturáveis do Google Cloud:
Para gerar uma estimativa de custo baseada na projeção de uso deste tutorial, use a calculadora de preços.
Ao concluir as tarefas descritas neste documento, é possível evitar o faturamento contínuo excluindo os recursos criados. Saiba mais em Limpeza.
Antes de começar
Neste tutorial, use o Cloud Shell para executar os comandos. O Cloud Shell é um ambiente shell para gerenciar recursos hospedados no Google Cloud. Ele vem pré-instalado com CLI do Google Cloud, kubectl, Helm e ferramentas de linha de comando do Terraform. Se você não estiver usando o Cloud Shell, instale a CLI do Google Cloud.
- 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.
- Install the Google Cloud CLI.
-
To initialize the gcloud CLI, run the following command:
gcloud init
-
Create or select a Google Cloud project.
-
Create a Google Cloud project:
gcloud projects create PROJECT_ID
Replace
PROJECT_ID
with a name for the Google Cloud project you are creating. -
Select the Google Cloud project that you created:
gcloud config set project PROJECT_ID
Replace
PROJECT_ID
with your Google Cloud project name.
-
-
Make sure that billing is enabled for your Google Cloud project.
-
Enable the Resource Manager, Compute Engine, GKE, IAM Service Account Credentials, and Backup for GKE APIs:
gcloud services enable cloudresourcemanager.googleapis.com
compute.googleapis.com container.googleapis.com iamcredentials.googleapis.com gkebackup.googleapis.com - Install the Google Cloud CLI.
-
To initialize the gcloud CLI, run the following command:
gcloud init
-
Create or select a Google Cloud project.
-
Create a Google Cloud project:
gcloud projects create PROJECT_ID
Replace
PROJECT_ID
with a name for the Google Cloud project you are creating. -
Select the Google Cloud project that you created:
gcloud config set project PROJECT_ID
Replace
PROJECT_ID
with your Google Cloud project name.
-
-
Make sure that billing is enabled for your Google Cloud project.
-
Enable the Resource Manager, Compute Engine, GKE, IAM Service Account Credentials, and Backup for GKE APIs:
gcloud services enable cloudresourcemanager.googleapis.com
compute.googleapis.com container.googleapis.com iamcredentials.googleapis.com gkebackup.googleapis.com -
Grant roles to your user account. Run the following command once for each of the following IAM roles:
role/storage.objectViewer, roles/container.admin, roles/iam.serviceAccountAdmin, roles/compute.admin, roles/gkebackup.admin, roles/monitoring.viewer
gcloud projects add-iam-policy-binding PROJECT_ID --member="user:USER_IDENTIFIER" --role=ROLE
- Replace
PROJECT_ID
with your project ID. -
Replace
USER_IDENTIFIER
with the identifier for your user account. For example,user:myemail@example.com
. - Replace
ROLE
with each individual role.
- Replace
Configurar seu ambiente
Para configurar o ambiente com o Cloud Shell, siga estas etapas:
Defina variáveis de ambiente para o projeto, a região e um prefixo de recurso de cluster do Kubernetes:
Neste tutorial, use a região
us-central1
para criar os recursos de implantação.export PROJECT_ID=PROJECT_ID export KUBERNETES_CLUSTER_PREFIX=qdrant export REGION=us-central1
- Substitua o
PROJECT_ID
pelo ID do projeto do Google Cloud.
- Substitua o
Verifique a versão do Helm:
helm version
Atualize a versão se ela for anterior à 3.13:
curl https://raw.githubusercontent.com/helm/helm/main/scripts/get-helm-3 | bash
Clone o repositório de exemplo de código do GitHub:
git clone https://github.com/GoogleCloudPlatform/kubernetes-engine-samples
Acesse o diretório
qdrant
para começar a criar recursos de implantação:cd kubernetes-engine-samples/databases/qdrant
Criar a infraestrutura do cluster
Esta seção envolve a execução de um script do Terraform para criar um cluster do GKE privado altamente disponível e regional para implantar seu banco de dados Qdrant.
É possível implantar o Qdrant usando um cluster Standard ou Autopilot. Cada um tem vantagens específicas e modelos de preços diferentes.
Autopilot
O diagrama a seguir mostra um cluster do GKE do Autopilot regional implantado em três zonas diferentes.
Para implantar a infraestrutura do cluster, execute os seguintes comandos no Cloud Shell:
export GOOGLE_OAUTH_ACCESS_TOKEN=$(gcloud auth print-access-token)
terraform -chdir=terraform/gke-autopilot init
terraform -chdir=terraform/gke-autopilot apply \
-var project_id=${PROJECT_ID} \
-var region=${REGION} \
-var cluster_prefix=${KUBERNETES_CLUSTER_PREFIX}
As variáveis abaixo são substituídas no ambiente de execução:
GOOGLE_OAUTH_ACCESS_TOKEN
: substituído por um token de acesso recuperado pelo comandogcloud auth print-access-token
para autenticar interações com várias APIs do Google Cloud.PROJECT_ID
,REGION
eKUBERNETES_CLUSTER_PREFIX
são as variáveis de ambiente definidas na seção Configurar seu ambiente e atribuídas às novas variáveis relevantes para o cluster do Autopilot que você está criando.
Quando solicitado, digite yes
.
O resultado será assim:
...
Apply complete! Resources: 9 added, 0 changed, 0 destroyed.
Outputs:
kubectl_connection_command = "gcloud container clusters get-credentials qdrant-cluster --region us-central1"
O Terraform cria os seguintes recursos:
- Uma rede VPC personalizada e uma sub-rede particular para os nós do Kubernetes.
- Um Cloud Router para acessar a Internet por meio da conversão de endereços de rede (NAT).
- Um cluster do GKE particular na região
us-central1
. - Um
ServiceAccount
com permissões de geração de registros e monitoramento para o cluster. - Configuração do Google Cloud Managed Service para Prometheus para monitoramento e alertas de clusters.
Padrão
O diagrama a seguir mostra um cluster do GKE regional particular padrão implantado em três zonas diferentes.
Para implantar a infraestrutura do cluster, execute os seguintes comandos no Cloud Shell:
export GOOGLE_OAUTH_ACCESS_TOKEN=$(gcloud auth print-access-token)
terraform -chdir=terraform/gke-standard init
terraform -chdir=terraform/gke-standard apply \
-var project_id=${PROJECT_ID} \
-var region=${REGION} \
-var cluster_prefix=${KUBERNETES_CLUSTER_PREFIX}
As variáveis abaixo são substituídas no ambiente de execução:
GOOGLE_OAUTH_ACCESS_TOKEN
é substituído por um token de acesso recuperado pelo comandogcloud auth print-access-token
para autenticar interações com várias APIs do Google Cloud.PROJECT_ID
,REGION
eKUBERNETES_CLUSTER_PREFIX
são as variáveis de ambiente definidas na seção Configurar seu ambiente e atribuídas às novas variáveis relevantes para o cluster padrão que você está criando.
Quando solicitado, digite yes
. Pode levar vários minutos para que esses comandos sejam concluídos e o cluster mostre um status pronto.
O resultado será assim:
...
Apply complete! Resources: 10 added, 0 changed, 0 destroyed.
Outputs:
kubectl_connection_command = "gcloud container clusters get-credentials qdrant-cluster --region us-central1"
O Terraform cria os seguintes recursos:
- Uma rede VPC personalizada e uma sub-rede particular para os nós do Kubernetes.
- Um Cloud Router para acessar a Internet por meio da conversão de endereços de rede (NAT).
- Um cluster do GKE particular na região
us-central1
com escalonamento automático ativado (de um a dois nós por zona). - Um
ServiceAccount
com permissões de geração de registros e monitoramento para o cluster. - Configuração do Google Cloud Managed Service para Prometheus para monitoramento e alerta de clusters.
Conectar ao cluster
Configure kubectl
para buscar credenciais e se comunicar com o novo cluster do GKE:
gcloud container clusters get-credentials \
${KUBERNETES_CLUSTER_PREFIX}-cluster --region ${REGION}
Implantar o banco de dados Qdrant no cluster
Neste tutorial, você vai implantar o banco de dados Qdrant (em modo distribuído) e o operador de alta disponibilidade com estado ao cluster do GKE usando o Gráfico do Helm.
A implantação cria um cluster do GKE com a seguinte configuração:
- Três réplicas dos nós do Qdrant.
- As tolerâncias, afinidades de nó e restrições de distribuição de topologia são configuradas para garantir a distribuição adequada em todos os nós do Kubernetes. Os pools de nós e as diferentes zonas de disponibilidade são aproveitados.
- Um volume RePD com o tipo de disco SSD é provisionado para o armazenamento de dados.
- Um operador de alta disponibilidade com estado é usado para gerenciar processos de failover e garantir alta disponibilidade.
- Para autenticação, o banco de dados cria um secret do Kubernetes que contém a chave de API.
Para usar o gráfico do Helm e implantar o banco de dados Qdrant, siga estas etapas:
Ativar o complemento StatefulHA:
Autopilot
O GKE ativa automaticamente o complemento
StatefulHA
na criação do cluster.Padrão
Execute este comando:
gcloud container clusters update ${KUBERNETES_CLUSTER_PREFIX}-cluster \ --project=${PROJECT_ID} \ --region=${REGION} \ --update-addons=StatefulHA=ENABLED
Pode levar vários minutos para que esse comando seja concluído e o cluster mostre um status pronto.
Adicione o repositório Helm do banco de dados da Qdrant antes de implantá-lo no cluster do GKE:
helm repo add qdrant https://qdrant.github.io/qdrant-helm
Crie o namespace
qdrant
para o banco de dados:kubectl create ns qdrant
Aplique o manifesto para criar um disco SSD permanente regional
StorageClass
:kubectl apply -n qdrant -f manifests/01-regional-pd/regional-pd.yaml
O manifesto
regional-pd.yaml
descreve o disco SSD permanenteStorageClass
:Implante um configmap do Kubernetes com uma configuração de arquivo secundário
metrics
e um cluster Qdrant usando o Helm:kubectl apply -n qdrant -f manifests/03-prometheus-metrics/metrics-cm.yaml helm install qdrant-database qdrant/qdrant -n qdrant \ -f manifests/02-values-file/values.yaml
O manifesto
metrics-cm.yaml
descreve o arquivo secundáriometrics
ConfigMap
:O manifesto
values.yaml
descreve a configuração do cluster do Qdrant:Essa configuração ativa o modo de cluster, permitindo que você configure um cluster do Qdrant altamente disponível e distribuído.
Verifique o status da implantação:
helm ls -n qdrant
Se o banco de dados
qdrant
for implantado com sucesso, a saída será semelhante à seguinte:NAME NAMESPACE REVISION UPDATED STATUS CHART APP VERSION qdrant-database qdrant 1 2024-02-06 20:21:15.737307567 +0000 UTC deployed qdrant-0.7.6 v1.7.4
Aguarde o GKE iniciar as cargas de trabalho necessárias:
kubectl wait pods -l app.kubernetes.io/instance=qdrant-database --for condition=Ready --timeout=300s -n qdrant
Isso pode demorar alguns minutos.
Depois que o GKE iniciar as cargas de trabalho, verifique se ele criou as cargas de trabalho do Qdrant:
kubectl get pod,svc,statefulset,pdb,secret -n qdrant
Inicie o recurso
HighAvailabilityApplication
(HAA) para Qdrant:kubectl apply -n qdrant -f manifests/01-regional-pd/ha-app.yaml
O manifesto
ha-app.yaml
descreve o recursoHighAvailabilityApplication
:Os seguintes recursos do GKE são criados para o cluster do Qdrant:
- O
StatefulSet
do Qdrant que controla três réplicas de pod. A PodDisruptionBudget
, garantindo no máximo uma réplica indisponível.- O serviço
qdrant-database
, expondo a porta Qdrant para conexões de entrada e replicação entre nós. - o serviço
qdrant-database-headless
, que fornece a lista de pods do Qdrant em execução. - O secret
qdrant-database-apikey
, facilitando a conexão segura do banco de dados. - Pod do operador de alta disponibilidade com estado e o recurso
HighlyAvailableApplication
, monitorando ativamente o aplicativo Qdrant. O recursoHighlyAvailableApplication
define regras de failover para aplicar ao Qdrant.
- O
Para verificar se as regras de failover foram aplicadas, descreva o recurso e confirme
Status: Message: Application is protected
.kubectl describe highavailabilityapplication qdrant-database -n qdrant
O resultado será assim:
Status: Conditions: Last Transition Time: 2023-11-30T09:54:52Z Message: Application is protected Observed Generation: 1 Reason: ApplicationProtected Status: True Type: Protected
Fazer upload do conjunto de dados e executar consultas de pesquisa com o Jupyter Notebook
O Qdrant organiza vetores e payloads em coleções. O embedding de vetores é uma técnica que representa palavras ou entidades como vetores numéricos e mantém as relações semânticas delas. Isso é importante para pesquisas por similaridade, já que permite encontrar semelhanças com base no significado em vez de correspondências exatas, tornando tarefas como sistemas de pesquisa e recomendação mais eficazes e diferenciadas.
Esta seção mostra como fazer upload de vetores em uma nova coleção do Qdrant e executar consultas de pesquisa simples.
Neste exemplo, você usa um conjunto de dados de um arquivo CSV que contém uma lista de livros de diferentes gêneros. O Qdrant funcionará como um mecanismo de pesquisa, e o pod criado será o cliente que consulta o banco de dados do Qdrant.
Crie os ConfigMaps
books-dataset
edemo-app
e implante o notebook do Jupyter:kubectl create -n qdrant configmap books-dataset --from-file=manifests/04-notebook/dataset.csv kubectl create -n qdrant configmap notebook --from-file=manifests/04-notebook/vector-database.ipynb kubectl apply -n qdrant -f manifests/04-notebook/jupyter.yaml
- O secret chamado
qdrant-apikey
criado anteriormente é ativado no pod do cliente como uma variável de ambiente chamadaAPIKEY
. - O ConfigMap
books-dataset
contém um arquivocsv
com dados de livros para a coleção do Qdrant - O ConfigMap
notebook
contém o notebook do Jupyter para criar a coleção Qdrant debooks-dataset
.
- O secret chamado
Aguarde o GKE iniciar o pod Jupyter:
kubectl wait pods -l app=jupyter-notebook --for condition=Ready --timeout=300s -n qdrant
Abra esse URL e clique no arquivovector-database.ipynb. Pressione Executar -> Executar todas as células. O Jupyter vai executar todo o código e realizar uma consulta de pesquisa.
Essa consulta executa uma pesquisa semântica na coleção
my_books
no Qdrant, recuperando no máximo dois resultados com a maior pontuação de correspondência relevante para o texto da consulta.Ela imprime cada resultado separado por uma linha de traços, no seguinte formato:
Title
: título do livroAuthor
: autor do livroDescription
: conforme armazenado no campo de metadadosdescription
do documentoPublished
: data de publicação do livroScore
: pontuação de relevância da Qdrant
O resultado será assim:
Title: Romeo and Juliet Author: William Shakespeare, Paul Werstine (Editor), Barbara A. Mowat (Editor), Paavo Emil Cajander (Translator) Description: In Romeo and Juliet, Shakespeare creates a violent world, in which two young people fall in love. It is not simply that their families disapprove; the Montagues and the Capulets are engaged in a blood feud.In this death-filled setting, the movement from love at first sight to the lovers' final union in death seems almost inevitable. And yet, this play set in an extraordinary world has become the quintessential story of young love. In part because of its exquisite language, it is easy to respond as if it were about all young lovers. Published: 01/01/04 Score: 0.8935013 ----- Title: The Unbearable Lightness of Being Author: Milan Kundera, Michael Henry Heim (Translator) Description: In The Unbearable Lightness of Being, Milan Kundera tells the story of a young woman in love with a man torn between his love for her and his incorrigible womanizing and one of his mistresses and her humbly faithful lover. This magnificent novel juxtaposes geographically distant places, brilliant and playful reflections, and a variety of styles, to take its place as perhaps the major achievement of one of the world's truly great writers. Published: 10/27/09 Score: 0.8931863 -----
Conferir as métricas do Prometheus para seu cluster
O cluster do GKE é configurado com o Google Cloud Managed Service para Prometheus, que permite a coleta de métricas no formato do Prometheus. Esse serviço oferece uma solução totalmente gerenciada para monitoramento e alerta, permitindo a coleta, o armazenamento e a análise de métricas do cluster e dos aplicativos dele.
O diagrama a seguir mostra como o Prometheus coleta métricas para o cluster:
O cluster particular do GKE no diagrama contém os seguintes componentes:
- Pods Qdrant que expõem métricas no caminho
/
e na porta80
. Essas métricas são fornecidas pelo contêiner de arquivo secundário chamadometrics
. - Coletores baseados em Prometheus que processam as métricas dos pods do Qdrant.
- Um recurso de PodMonitoring que envia métricas ao Cloud Monitoring.
Para exportar e visualizar as métricas, siga estas etapas:
Crie o recurso
PodMonitoring
para coletar métricas porlabelSelector
:kubectl apply -n qdrant -f manifests/03-prometheus-metrics/pod-monitoring.yaml
O manifesto
pod-monitoring.yaml
descreve o recursoPodMonitoring
:Crie um painel do Cloud Monitoring com as configurações definidas em
dashboard.json
:gcloud --project "${PROJECT_ID}" monitoring dashboards create --config-from-file monitoring/dashboard.json
Depois que o comando for executado, acesse os Painéis do Cloud Monitoring:
Na lista de painéis, abra o painel
Qdrant Overview
. A coleta e exibição das métricas pode levar de um a dois minutos.O painel mostra uma contagem das principais métricas:
- Coleções
- Vetores incorporados
- Operações pendentes
- Nós em execução
Fazer backup da configuração do cluster
O recurso Backup para GKE permite programar backups regulares de toda a configuração do cluster do GKE, incluindo as cargas de trabalho implantadas e os dados delas.
Neste tutorial, você configura um plano de backup para o cluster do GKE a fim de executar backups de todas as cargas de trabalho, incluindo secrets e volumes, todos os dias às 3h. Para garantir um gerenciamento de armazenamento eficiente, os backups com mais de três dias seriam excluídos automaticamente.
Para configurar planos de backup, siga estas etapas:
Ative o recurso Backup para GKE para seu cluster:
gcloud container clusters update ${KUBERNETES_CLUSTER_PREFIX}-cluster \ --project=${PROJECT_ID} \ --region=${REGION} \ --update-addons=BackupRestore=ENABLED
Crie um plano de backup com uma programação diária para todos os namespaces no cluster:
gcloud beta container backup-restore backup-plans create ${KUBERNETES_CLUSTER_PREFIX}-cluster-backup \ --project=${PROJECT_ID} \ --location=${REGION} \ --cluster="projects/${PROJECT_ID}/locations/${REGION}/clusters/${KUBERNETES_CLUSTER_PREFIX}-cluster" \ --all-namespaces \ --include-secrets \ --include-volume-data \ --cron-schedule="0 3 * * *" \ --backup-retain-days=3
O comando usa as variáveis de ambiente relevantes no ambiente de execução.
O formato do nome do cluster é relativo ao seu projeto e região, da seguinte maneira:
projects/PROJECT_ID/locations/REGION/clusters/CLUSTER_NAME
Quando solicitado, digite
y.
. A saída será assim:Create request issued for: [qdrant-cluster-backup] Waiting for operation [projects/PROJECT_ID/locations/us-central1/operations/operation-1706528750815-610142ffdc9ac-71be4a05-f61c99fc] to complete...⠹
Essa operação pode levar alguns minutos para ser concluída. Depois que a execução for concluída, a saída será semelhante à seguinte:
Created backup plan [qdrant-cluster-backup].
É possível ver o plano de backup recém-criado
qdrant-cluster-backup
listado no console do Backup para GKE.
Para restaurar as configurações de backup salvas, consulte Restaurar um backup.
Limpar
Para evitar cobranças na sua conta do Google Cloud pelos recursos usados no tutorial, exclua o projeto que os contém ou mantenha o projeto e exclua os recursos individuais.
Exclua o projeto
A maneira mais fácil de evitar o faturamento é excluir o projeto criado para o tutorial.
Delete a Google Cloud project:
gcloud projects delete PROJECT_ID
Se você tiver excluído o projeto, a limpeza estará completa. Se você não excluiu o projeto, exclua os recursos individuais.
Excluir recursos individuais
Defina variáveis de ambiente.
export PROJECT_ID=${PROJECT_ID} export KUBERNETES_CLUSTER_PREFIX=qdrant export REGION=us-central1
Execute o comando
terraform destroy
:export GOOGLE_OAUTH_ACCESS_TOKEN=$(gcloud auth print-access-token) terraform -chdir=terraform/FOLDER destroy \ -var project_id=${PROJECT_ID} \ -var region=${REGION} \ -var cluster_prefix=${KUBERNETES_CLUSTER_PREFIX}
Substitua
FOLDER
porgke-autopilot
ougke-standard
, dependendo do tipo de cluster do GKE que você criou.Quando solicitado, digite
yes
.Encontre todos os discos desanexados:
export disk_list=$(gcloud compute disks list --filter="-users:* AND labels.name=${KUBERNETES_CLUSTER_PREFIX}-cluster" --format "value[separator=|](name,region)")
Exclua os discos:
for i in $disk_list; do disk_name=$(echo $i| cut -d'|' -f1) disk_region=$(echo $i| cut -d'|' -f2|sed 's|.*/||') echo "Deleting $disk_name" gcloud compute disks delete $disk_name --region $disk_region --quiet done
Para excluir o repositório do GitHub, faça o seguinte:
rm -r ~/kubernetes-engine-samples/
A seguir
- Conheça o software de código aberto Qdrant.
- Experimente o Operador de Qdrant que oferece Gerenciamento de chaves de API, suporte a TLS com gerenciamento de certificados eprogramação de backup.
- Conheça as práticas recomendadas para implantar bancos de dados no GKE.
- Descubra soluções para executar cargas de trabalho com uso intensivo de dados usando o GKE.