在 GKE 上部署 Qdrant 向量数据库

本指南介绍如何在 Google Kubernetes Engine (GKE) 上部署 Qdrant 向量数据库集群。

向量数据库是专门用于管理和搜索大型高维向量集合的数据存储区。这些向量表示文本、图片、音频、视频等数据或任何可以数字编码的数据。与依赖于完全匹配的传统数据库不同，向量数据库专注于在大量数据集中查找相似项或识别模式。这些特性使得 Qdrant 非常适合各种应用，包括神经网络或基于语义的匹配、分面搜索等。Qdrant 不仅可用作向量数据库，还可用作向量相似度搜索引擎。

本教程适用于想要在 GKE 上部署 Qdrant 数据库集群的云平台管理员和架构师、机器学习工程师以及 MLOps (DevOps) 专业人员。

优势

Qdrant 具有以下优势：

  • 包含用于各种编程语言的大量库，以及可与其他服务集成的开放式 API。
  • 横向扩缩以及对分片和复制的支持，可简化扩缩和高可用性。
  • 容器和 Kubernetes 支持，可让您在现代云原生环境中进行部署和管理。
  • 具有高级过滤功能的灵活载荷，可精确定制搜索条件。
  • 不同的量化选项和其他优化，以降低基础设施费用并提高性能。

目标

在本教程中，您将学习如何：

  • 为 Qdrant 规划和部署 GKE 基础设施。
  • 部署 StatefulHA 运算符以确保 Qdrant 高可用性。
  • 部署并配置 Qdrant 集群。
  • 上传演示数据集并运行简单的搜索查询。
  • 收集指标并运行信息中心。

部署架构

此架构可跨多个可用区为 Qdrant 设置一个具有容错能力且可扩缩的 GKE 集群，通过滚动更新确保正常运行时间和可用性，并最大限度地减少中断。它包括使用 StatefulHA Operator 进行高效的故障切换管理。如需了解详情，请参阅区域级集群。

架构图

下图显示了在 GKE 集群中的多个节点和可用区上运行的 Qdrant 集群：

Qdrant 部署架构

在此架构中，Qdrant StatefulSet 部署在三个不同可用区的三个节点上。

  • 通过在 Helm 图表值文件中配置必需的 Pod 亲和性规则和拓扑分布限制，您可以控制 GKE 在节点之间分发 Pod 的方式。
  • 如果一个可用区发生故障，GKE 会根据推荐的配置在新节点上重新调度 Pod。

为了实现数据持久性，本教程中的架构具有以下特征：

  • 它使用区域 SSD 磁盘（自定义 regional-pd StorageClass）来保留数据。我们建议将区域 SSD 磁盘用于数据库，因为其延迟时间短、IOPS 高。
  • 所有磁盘数据都在区域中的主要可用区和次要可用区之间复制，从而提高对潜在可用区故障的容忍度。

费用

在本文档中，您将使用 Google Cloud 的以下收费组件：

您可使用价格计算器根据您的预计使用情况来估算费用。 Google Cloud 新用户可能有资格申请免费试用。

完成本文档中描述的任务后，您可以通过删除所创建的资源来避免继续计费。如需了解详情，请参阅清理。

准备工作

在本教程中，您将使用 Cloud Shell 运行命令。Cloud Shell 是一种 shell 环境，用于管理托管在 Google Cloud 上的资源。它预装了 Google Cloud CLI、kubectl、Helm 和 Terraform 命令行工具。如果您不使用 Cloud Shell，则必须安装 Google Cloud CLI。

  1. 登录您的 Google Cloud 账号。如果您是 Google Cloud 新手，请创建一个账号来评估我们的产品在实际场景中的表现。新客户还可获享 $300 赠金，用于运行、测试和部署工作负载。
  2. 安装 Google Cloud CLI。

  3. 如需初始化 gcloud CLI，请运行以下命令： 

    gcloud init

  4. 创建或选择 Google Cloud 项目。

    • 创建 Google Cloud 项目：

      gcloud projects create PROJECT_ID

      将 PROJECT_ID 替换为您要创建的 Google Cloud 项目的名称。

    • 选择您创建的 Google Cloud 项目：

      gcloud config set project PROJECT_ID

      将 PROJECT_ID 替换为您的 Google Cloud 项目 名称。

  5. 确保您的 Google Cloud 项目已启用结算功能。

  6. Enable the Resource Manager、Compute Engine、GKE、IAM 服务账号凭据和 Backup for GKE APIs: 

    gcloud services enable cloudresourcemanager.googleapis.com compute.googleapis.com container.googleapis.com iamcredentials.googleapis.com gkebackup.googleapis.com
    7.
  7. 安装 Google Cloud CLI。

  8. 如需初始化 gcloud CLI，请运行以下命令： 

    gcloud init

  9. 创建或选择 Google Cloud 项目。

    • 创建 Google Cloud 项目：

      gcloud projects create PROJECT_ID

      将 PROJECT_ID 替换为您要创建的 Google Cloud 项目的名称。

    • 选择您创建的 Google Cloud 项目：

      gcloud config set project PROJECT_ID

      将 PROJECT_ID 替换为您的 Google Cloud 项目 名称。

  10. 确保您的 Google Cloud 项目已启用结算功能。

  11. Enable the Resource Manager、Compute Engine、GKE、IAM 服务账号凭据和 Backup for GKE APIs: 

    gcloud services enable cloudresourcemanager.googleapis.com compute.googleapis.com container.googleapis.com iamcredentials.googleapis.com gkebackup.googleapis.com
    12.

  12. 向您的 Google 账号授予角色。对以下每个 IAM 角色运行以下命令一次： 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:EMAIL_ADDRESS" --role=ROLE
    • 将 PROJECT_ID 替换为您的项目 ID。
    • 将 EMAIL_ADDRESS 替换为您的电子邮件地址。
    • 将 ROLE 替换为每个角色。

设置您的环境

如需使用 Cloud Shell 设置您的环境，请按照以下步骤操作：

  1. 为您的项目、区域和 Kubernetes 集群资源前缀设置环境变量：

    在本教程中，请使用 us-central1 区域创建部署资源。

    export PROJECT_ID=PROJECT_ID
export KUBERNETES_CLUSTER_PREFIX=qdrant
export REGION=us-central1
    • 将 PROJECT_ID 替换为您的 Google Cloud 项目 ID。

  2. 检查 Helm 的版本：

    helm version

    更新版本（如果低于 3.13）：

    curl https://raw.githubusercontent.com/helm/helm/main/scripts/get-helm-3 | bash

  3. 从 GitHub 克隆示例代码库：

    git clone https://github.com/GoogleCloudPlatform/kubernetes-engine-samples

  4. 转到 qdrant 目录以开始创建部署资源：

    cd kubernetes-engine-samples/databases/qdrant

创建集群基础架构

本部分涉及运行 Terraform 脚本来创建可用性高的专用区域级 GKE 集群，以部署 Qdrant 数据库。

您可以选择使用标准集群或 Autopilot 集群部署 Qdrant。每种类型都有自己的优势和不同的价格模式。

Autopilot

下图展示了部署在三个不同可用区中的 Autopilot 区域级 GKE 集群。

GKE Autopilot 集群

若要部署集群基础设施，请在 Cloud Shell 中运行以下命令：

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}

以下变量会在运行时被替换：

  • GOOGLE_OAUTH_ACCESS_TOKEN：替换为 gcloud auth print-access-token 命令检索的访问令牌，以对与各种 Google Cloud API 的互动进行身份验证
  • PROJECT_ID、REGION 和 KUBERNETES_CLUSTER_PREFIX 是在设置环境部分中定义的环境变量，分配给您要创建的 Autopilot 集群的新相关变量。

出现提示时，请输入 yes。

输出类似于以下内容：

...
Apply complete! Resources: 9 added, 0 changed, 0 destroyed.

Outputs:

kubectl_connection_command = "gcloud container clusters get-credentials qdrant-cluster --region us-central1"

Terraform 会创建以下资源：

  • Kubernetes 节点的自定义 VPC 网络和专用子网。
  • 用于通过网络地址转换 (NAT) 访问互联网的 Cloud Router 路由器。
  • 专用 GKE 集群（在 us-central1 区域中）。
  • 具有集群的日志记录和监控权限的 ServiceAccount。
  • 用于集群监控和提醒的 Google Cloud Managed Service for Prometheus 配置。

标准

下图展示了部署在三个不同可用区中的专用区域级 Standard GKE 集群。

GKE Standard 集群

若要部署集群基础设施，请在 Cloud Shell 中运行以下命令：

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}

以下变量会在运行时被替换：

  • GOOGLE_OAUTH_ACCESS_TOKEN 被 gcloud auth print-access-token 命令检索到的访问令牌替换成了用于对与各种 Google Cloud API 交互进行身份验证的访问令牌。
  • PROJECT_ID、REGION 和 KUBERNETES_CLUSTER_PREFIX 是在设置环境部分中定义的环境变量，分配给您要创建的标准集群的新相关变量。

出现提示时，请输入 yes。完成这些命令并使集群显示就绪状态可能需要几分钟时间。

输出类似于以下内容：

...
Apply complete! Resources: 10 added, 0 changed, 0 destroyed.

Outputs:

kubectl_connection_command = "gcloud container clusters get-credentials qdrant-cluster --region us-central1"

Terraform 会创建以下资源：

  • Kubernetes 节点的自定义 VPC 网络和专用子网。
  • 用于通过网络地址转换 (NAT) 访问互联网的 Cloud Router 路由器。
  • 位于 us-central1 区域并且启用了自动扩缩功能的专用 GKE 集群（每个可用区一个到两个节点）。
  • 具有集群的日志记录和监控权限的 ServiceAccount。
  • 用于集群监控和提醒的 Google Cloud Managed Service for Prometheus 配置。

连接到集群

配置 kubectl 以提取凭据并与新 GKE 集群通信：

gcloud container clusters get-credentials \
    ${KUBERNETES_CLUSTER_PREFIX}-cluster --region ${REGION}

将 Qdrant 数据库部署到您的集群

在本教程中，您会使用 Helm 图表将 Qdrant 数据库（分布式模式）和有状态 HA 运算符部署到 GKE 集群。

部署会创建一个具有以下配置的 GKE 集群：

  • Qdrant 节点的三个副本。
  • 已配置容忍、节点亲和性和拓扑分布约束，以确保在 Kubernetes 节点之间正确分布。这会利用节点池和不同的可用区。
  • 预配了具有 SSD 磁盘类型的 RePD 卷以进行数据存储。
  • 有状态 HA 运算符用于管理故障切换过程并确保高可用性。
  • 对于身份验证，数据库会创建一个包含 API 密钥的 Kubernetes Secret。

如需使用 Helm 图表部署 Qdrant 数据库，请按照以下步骤操作：

  1. 启用 StatefulHA 插件：

    Autopilot

    GKE 会在创建集群时自动启用 StatefulHA 插件。

    标准

    运行以下命令：

    gcloud container clusters update ${KUBERNETES_CLUSTER_PREFIX}-cluster \
    --project=${PROJECT_ID} \
    --region=${REGION} \
    --update-addons=StatefulHA=ENABLED

    完成此命令并使集群显示就绪状态可能需要 15 分钟。

  2. 先添加 Qdrant 数据库 Helm 图表代码库，然后才能将其部署到您的 GKE 集群：

    helm repo add qdrant https://qdrant.github.io/qdrant-helm

  3. 为数据库创建命名空间 qdrant：

    kubectl create ns qdrant

  4. 应用清单以创建区域永久性 SSD 磁盘 StorageClass：

    kubectl apply -n qdrant -f manifests/01-regional-pd/regional-pd.yaml

    regional-pd.yaml 清单描述了永久性 SSD 磁盘 StorageClass：

    apiVersion: storage.k8s.io/v1
kind: StorageClass
allowVolumeExpansion: true
metadata:
  name: ha-regional
parameters:
  replication-type: regional-pd
  type: pd-ssd
  availability-class: regional-hard-failover
provisioner: pd.csi.storage.gke.io
reclaimPolicy: Retain
volumeBindingMode: WaitForFirstConsumer

  5. 使用 Helm 部署具有 metrics Sidecar 配置和 Qdrant 集群的 Kubernetes configmap：

    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

    metrics-cm.yaml 清单描述了 metrics Sidecar ConfigMap：

    apiVersion: v1
kind: ConfigMap
metadata:
  name: nginx-conf
data:
  default.conf.template: |
    server {
      listen 80;
      location / {
        proxy_pass http://localhost:6333/metrics;
        proxy_http_version 1.1;
        proxy_set_header Host $http_host;
        proxy_set_header api-key ${QDRANT_APIKEY};
        proxy_set_header X-Forwarded-For $remote_addr;
      }
    }

    values.yaml 清单描述了 Qdrant 集群配置：

    replicaCount: 3

config:
  cluster:
    enabled: true
  storage:
    optimizers:
      deleted_threshold: 0.5
      vacuum_min_vector_number: 1500
      default_segment_number: 2
      max_segment_size_kb: null
      memmap_threshold_kb: null
      indexing_threshold_kb: 25000
      flush_interval_sec: 5
      max_optimization_threads: 1

livenessProbe:
  enabled: true
  initialDelaySeconds: 60

resources:
  limits:
    cpu: "2"
    memory: 4Gi
  requests:
    cpu: "1"
    memory: 4Gi

tolerations:
  - key: "app.stateful/component"
    operator: "Equal"
    value: "qdrant"
    effect: NoSchedule

affinity:
  nodeAffinity:
    preferredDuringSchedulingIgnoredDuringExecution:
    - weight: 1
      preference:
        matchExpressions:
        - key: "app.stateful/component"
          operator: In
          values:
          - "qdrant"

topologySpreadConstraints:
  - maxSkew: 1
    topologyKey: "topology.kubernetes.io/zone"
    whenUnsatisfiable: ScheduleAnyway
    labelSelector:
      matchLabels:
        app.kubernetes.io/name: qdrant
        app.kubernetes.io/instance: qdrant

podDisruptionBudget:
  enabled: true
  maxUnavailable: 1

persistence:
  accessModes: ["ReadWriteOnce"]
  size: 10Gi
  storageClassName: ha-regional

apiKey: true

sidecarContainers:
  - name: metrics
    image: nginx:1.25
    resources:
      requests:
        memory: "128Mi"
        cpu: "250m"
      limits:
        memory: "128Mi"
        cpu: "500m"
    ports:
    - containerPort: 80
    env:
    - name: QDRANT_APIKEY
      valueFrom:
        secretKeyRef:
          name: qdrant-database-apikey
          key: api-key
    volumeMounts:
        - name: nginx-conf
          mountPath: /etc/nginx/templates/default.conf.template
          subPath: default.conf.template
          readOnly: true
additionalVolumes:
  - name: nginx-conf
    configMap:
      name: nginx-conf
      items:
        - key: default.conf.template
          path: default.conf.template

    此配置会启用集群模式，允许您设置高可用性和分布式 Qdrant 集群。

  6. 检查部署状态：

    helm ls -n qdrant

    如果 qdrant 数据库成功部署，则输出类似于以下内容：

    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

  7. 等待 GKE 启动所需工作负载：

    kubectl wait pods -l app.kubernetes.io/instance=qdrant-database --for condition=Ready --timeout=300s -n qdrant

    此命令可能需要几分钟时间才能成功完成。

  8. GKE 启动工作负载后，验证 GKE 是否已创建 Qdrant 工作负载：

    kubectl get pod,svc,statefulset,pdb,secret -n qdrant

  9. 启动 Qdrant 的 HighAvailabilityApplication (HAA) 资源：

    kubectl apply -n qdrant -f manifests/01-regional-pd/ha-app.yaml

    ha-app.yaml 清单描述了 HighAvailabilityApplication 资源：

    kind: HighAvailabilityApplication
apiVersion: ha.gke.io/v1
metadata:
  name: qdrant-database
  namespace: qdrant
spec:
  resourceSelection:
    resourceKind: StatefulSet
  policy:
    storageSettings:
      requireRegionalStorage: true
    failoverSettings:
      forceDeleteStrategy: AfterNodeUnreachable
      afterNodeUnreachable:
        afterNodeUnreachableSeconds: 20 # 60 seconds total

    系统会为 Qdrant 集群创建以下 GKE 资源：

    • 控制三个 Pod 副本的 Qdrant StatefulSet。
    • A PodDisruptionBudget，确保最多只有一个不可用的副本。
    • qdrant-database Service，公开节点之间的入站连接和复制的 Qdrant 端口。
    • qdrant-database-headless Service，提供正在运行的 Qdrant Pod 的列表。
    • 有助于安全的数据库连接的 qdrant-database-apikey Secret。
    • 有状态 HA 运算符 Pod 和 HighlyAvailableApplication 资源，主动监控 Qdrant 应用。HighlyAvailableApplication 资源定义了要应用于 Qdrant 的故障切换规则。

  10. 如需检查故障切换规则是否已应用，请描述资源并确认 Status: Message: Application is protected。

    kubectl describe highavailabilityapplication qdrant-ha-app -n qdrant

    输出类似于以下内容：

    Status:
Conditions:
    Last Transition Time:  2023-11-30T09:54:52Z
    Message:               Application is protected
    Observed Generation:   1
    Reason:                ApplicationProtected
    Status:                True
    Type:                  Protected

使用 Jupyter 笔记本上传数据集并运行搜索查询

Qdrant 以集合的形式组织向量和载荷。向量嵌入是一种将字词或实体表示为数值向量并同时保持其语义关系的技术。这对于相似度搜索非常重要，因为它可以根据含义而非完全匹配来查找相似度，使搜索和推荐系统等任务更有效、更精细。

本部分介绍了如何将矢量上传到新的 Qdrant集合，以及如何运行简单的搜索查询。

在此示例中，您将使用 CSV 文件中的数据集，该文件包含不同类型的图书列表。Qdrant 会充当搜索引擎，您创建的 Jupyter 笔记本 Pod 会充当查询 Qdrant 数据库的客户端。

  1. 创建 books-dataset 和 demo-app ConfigMap 并部署 Jupyter 笔记本：

    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
    • 之前创建的名为 qdrant-apikey 的 Secret 会作为名为 APIKEY 的环境变量装载到客户端 Pod 上。
    • books-dataset ConfigMap 包含一个 csv 文件，其中包含用于 Qdrant 集合的图书数据
    • notebook ConfigMap 包含用于从 books-dataset 创建 Qdrant 集合的 Jupyter 笔记本。

  2. 等待 GKE 启动 Jupyter Pod：

    kubectl wait pods -l app=jupyter-notebook --for condition=Ready --timeout=300s -n qdrant

  3. 打开此网址，然后点击 vector-database.ipynb 文件。按“运行”->“Run all cells”。Jupyter 会执行所有代码并执行搜索查询。

    此查询对 Qdrant 中的 my_books 集合执行语义搜索，检索最多两个具有与查询文本相关最高匹配得分的结果。

    它将输出由一行短划线分隔的每个结果，格式如下：

    • Title：书名
    • Author：图书作者
    • Description：存储在文档的 description 元数据字段中
    • Published：图书出版日期
    • Score：Qdrant 的相关性得分

    输出类似于以下内容：

    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
-----

查看集群的 Prometheus 指标

GKE 集群配置了 Google Cloud Managed Service for Prometheus，可让您收集 Prometheus 格式的指标。该服务提供了监控和提醒的全托管式解决方案，允许收集、存储和分析来自集群及其应用的指标。

下图展示了 Prometheus 如何收集集群的指标：

Prometheus 指标收集

图中的 GKE 专用集群包含以下组件：

  • 公开路径 / 和端口 80 上指标的 Qdrant Pod。这些指标由名为 metrics 的 sidecar 容器提供。
  • 基于 Prometheus 的收集器，用于处理来自 Qdrant Pod 的指标。
  • 将指标发送到 Cloud Monitoring 的 PodMonitoring 资源。

如需导出和查看指标，请按照以下步骤操作：

  1. 创建 PodMonitoring 资源，以按 labelSelector 爬取指标：

    kubectl apply -n qdrant -f manifests/03-prometheus-metrics/pod-monitoring.yaml

    pod-monitoring.yaml 清单描述了 PodMonitoring 资源：

    apiVersion: monitoring.googleapis.com/v1
kind: PodMonitoring
metadata:
  name: qdrant
spec:
  selector:
    matchLabels:
      app: qdrant
      app.kubernetes.io/instance: qdrant-database
  endpoints:
  - port: 80
    interval: 30s
    path: /

  2. 使用 dashboard.json 中定义的配置创建 Cloud Monitoring 信息中心：

    gcloud --project "${PROJECT_ID}" monitoring dashboards create --config-from-file monitoring/dashboard.json

  3. 命令成功运行后，转到 Cloud Monitoring 信息中心：

    前往信息中心概览

  4. 从信息中心列表中，打开 Qdrant Overview 信息中心。收集和显示指标可能需要 1-2 分钟时间。

    信息中心会显示关键指标的计数：

    • 集合
    • 嵌入式向量
    • 待处理的操作
    • 正在运行的节点

备份集群配置

借助 Backup for GKE 功能，您可以为整个 GKE 集群配置（包括已部署的工作负载及其数据）安排定期备份。

在本教程中，您将为 GKE 集群配置备份方案，以在每天凌晨 3 点对所有工作负载（包括 Secret 和卷）执行备份。为确保高效存储管理，三天前的备份会被自动删除。

如需配置备份方案，请按照以下步骤操作：

  1. 为集群启用 Backup for GKE 功能：

    gcloud container clusters update ${KUBERNETES_CLUSTER_PREFIX}-cluster \
--project=${PROJECT_ID} \
--region=${REGION} \
--update-addons=BackupRestore=ENABLED

  2. 为集群中的所有命名空间创建具有每日时间表的备份方案：

    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

    该命令在运行时使用相关的环境变量。

    集群名称的格式相对于您的项目和区域，如下所示：

    projects/PROJECT_ID/locations/REGION/clusters/CLUSTER_NAME

    出现提示时，请输入 y.。输出类似于以下内容：

    Create request issued for: [qdrant-cluster-backup]
Waiting for operation [projects/PROJECT_ID/locations/us-central1/operations/operation-1706528750815-610142ffdc9ac-71be4a05-f61c99fc] to complete...⠹

    此操作可能需要几分钟才能成功完成。执行完成后，输出类似于以下内容：

    Created backup plan [qdrant-cluster-backup].

  3. 您可以看到 Backup for GKE 控制台中列出新创建的备份方案 qdrant-cluster-backup。

    前往 Backup for GKE

如果您要恢复已保存的备份配置，请参阅恢复备份。

清理

为避免因本教程中使用的资源导致您的 Google Cloud 账号产生费用，请删除包含这些资源的项目，或者保留项目但删除各个资源。

删除项目

为了避免产生费用，最简单的方法是删除您为本教程创建的项目。

删除 Google Cloud 项目：

gcloud projects delete PROJECT_ID

如果您删除了项目，则表示您的清理已完成。如果您没有删除项目，请继续删除各个资源。

删除各个资源

  1. 设置环境变量。

    export PROJECT_ID=${PROJECT_ID}
export KUBERNETES_CLUSTER_PREFIX=qdrant
export REGION=us-central1

  2. 运行 terraform destroy 命令：

    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}

    将 FOLDER 替换为 gke-autopilot 或 gke-standard，具体取决于您创建的 GKE 集群的类型。

    出现提示时，请输入 yes。

  3. 查找所有未挂接的磁盘：

    export disk_list=$(gcloud compute disks list --filter="-users:* AND labels.name=${KUBERNETES_CLUSTER_PREFIX}-cluster" --format "value[separator=|](name,region)")

  4. 删除磁盘：

    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

  5. 删除 GitHub 代码库：

    rm -r ~/kubernetes-engine-samples/

后续步骤