Esegui carichi di lavoro full-stack su larga scala su GKE


Questo tutorial mostra come eseguire un'applicazione web supportata da un database relazionale a disponibilità elevata su larga fare lo scale in Google Kubernetes Engine (GKE).

L'applicazione di esempio utilizzata in questo tutorial è Bank of Anthos, un'applicazione web basata su HTTP che simula la rete di elaborazione dei pagamenti di una banca. Bank of Anthos utilizza più servizi per funzionare. Questo tutorial si concentra sul frontend del sito web e sui database PostgreSQL relazionali che supportano i servizi di Bank of Anthos. Per saperne di più su Bank of Anthos, inclusi la sua architettura e i servizi che implementa, consulta la pagina Bank of Anthos su GitHub.

Obiettivi

  • Crea e configura un cluster GKE.
  • Esegui il deployment di un'applicazione web di esempio e di un database PostgreSQL a disponibilità elevata.
  • Configura la scalabilità automatica dell'applicazione web e del database.
  • Simula i picchi di traffico utilizzando un generatore di carico.
  • Osserva come i servizi vengono scalati verso l'alto e verso il basso.

Costi

In questo documento, utilizzi i seguenti componenti fatturabili di Google Cloud:

Per generare una stima dei costi in base all'utilizzo previsto, utilizza il calcolatore prezzi.

I nuovi Google Cloud utenti potrebbero avere diritto a una prova gratuita.

Al termine delle attività descritte in questo documento, puoi evitare l'addebito di ulteriori costi eliminando le risorse che hai creato. Per ulteriori informazioni, vedi Pulizia.

Prima di iniziare

  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. If you're using an external identity provider (IdP), you must first sign in to the gcloud CLI with your federated identity.

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

    gcloud init
  5. 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.

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

  7. Enable the GKE API:

    gcloud services enable container.googleapis.com
  8. Install the Google Cloud CLI.

  9. If you're using an external identity provider (IdP), you must first sign in to the gcloud CLI with your federated identity.

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

    gcloud init
  11. 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.

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

  13. Enable the GKE API:

    gcloud services enable container.googleapis.com
  14. Installa la CLI Helm.

Prepara l'ambiente

  1. Clona il repository di esempio utilizzato in questo tutorial:

    git clone https://github.com/GoogleCloudPlatform/bank-of-anthos.git
    cd bank-of-anthos/
    
  2. Imposta le variabili di ambiente:

    PROJECT_ID=PROJECT_ID
    GSA_NAME=bank-of-anthos
    GSA_EMAIL=bank-of-anthos@${PROJECT_ID}.iam.gserviceaccount.com
    KSA_NAME=default
    

    Sostituisci PROJECT_ID con l'ID progetto Google Cloud .

Configura il cluster e i service account

  1. Crea un cluster:

    gcloud container clusters create-auto bank-of-anthos --region=us-central1
    

    L'avvio del cluster potrebbe richiedere fino a cinque minuti.

  2. Crea un account di servizio IAM:

    gcloud iam service-accounts create bank-of-anthos
    
  3. Concedi l'accesso al account di servizio IAM:

    gcloud projects add-iam-policy-binding PROJECT_ID \
      --role roles/cloudtrace.agent \
      --member "serviceAccount:bank-of-anthos@PROJECT_ID.iam.gserviceaccount.com"
    gcloud projects add-iam-policy-binding PROJECT_ID \
      --role roles/monitoring.metricWriter \
      --member "serviceAccount:bank-of-anthos@PROJECT_ID.iam.gserviceaccount.com"
    gcloud iam service-accounts add-iam-policy-binding "bank-of-anthos@PROJECT_ID.iam.gserviceaccount.com" \
      --role roles/iam.workloadIdentityUser \
      --member "serviceAccount:PROJECT_ID.svc.id.goog[default/default]"
    

    Questo passaggio concede il seguente accesso:

    • roles/cloudtrace.agent: Scrivi dati di traccia come informazioni sulla latenza in Trace.
    • roles/monitoring.metricWriter: scrivi le metriche in Cloud Monitoring.
    • roles/iam.workloadIdentityUser: consente a un account di servizio Kubernetes di utilizzare Workload Identity Federation for GKE per fungere da service account IAM.
  4. Configura il account di servizio Kubernetes default nello spazio dei nomi default in modo che funga da account di servizio IAM che hai creato:

    kubectl annotate serviceaccount default \
        iam.gke.io/gcp-service-account=bank-of-anthos@PROJECT_ID.iam.gserviceaccount.com
    

    In questo modo, i pod che utilizzano il service account Kubernetes default nello spazio dei nomi default possono accedere alle stesse risorse Google Cloud dell'account di servizio IAM.

Esegui il deployment di Bank of Anthos e PostgreSQL

In questa sezione, installerai Bank of Anthos e un database PostgreSQL in modalità ad alta disponibilità (HA), che ti consente di scalare automaticamente le repliche del server di database. Se vuoi visualizzare gli script, il grafico Helm e i manifest Kubernetes utilizzati in questa sezione, consulta il repository Bank of Anthos su GitHub.

  1. Esegui il deployment dello schema del database e di uno script DDL (Data Definition Language):

    kubectl create configmap initdb \
        --from-file=src/accounts/accounts-db/initdb/0-accounts-schema.sql \
        --from-file=src/accounts/accounts-db/initdb/1-load-testdata.sql \
        --from-file=src/ledger/ledger-db/initdb/0_init_tables.sql \
        --from-file=src/ledger/ledger-db/initdb/1_create_transactions.sh
    
  2. Installa PostgreSQL utilizzando il grafico Helm di esempio:

    helm repo add bitnami https://charts.bitnami.com/bitnami
    helm install accounts-db bitnami/postgresql-ha \
        --version 10.0.1 \
        --values extras/postgres-hpa/helm-postgres-ha/values.yaml \
        --set="postgresql.initdbScriptsCM=initdb" \
        --set="postgresql.replicaCount=1" \
        --wait
    

    Questo comando crea un cluster PostgreSQL con un conteggio di repliche iniziale pari a 1. Più avanti in questo tutorial, scalerai il cluster in base alle connessioni in entrata. Il completamento di questa operazione potrebbe richiedere 10 minuti o più.

  3. Esegui il deployment di Bank of Anthos:

    kubectl apply -f extras/jwt/jwt-secret.yaml
    kubectl apply -f extras/postgres-hpa/kubernetes-manifests
    

    Il completamento dell'operazione potrebbe richiedere alcuni minuti.

Checkpoint: convalida della configurazione

  1. Verifica che tutti i pod di Bank of Anthos siano in esecuzione:

    kubectl get pods
    

    L'output è simile al seguente:

    NAME                                  READY   STATUS
    accounts-db-pgpool-57ffc9d685-c7xs8   3/3     Running
    accounts-db-postgresql-0              1/1     Running
    balancereader-57b59769f8-xvp5k        1/1     Running
    contacts-54f59bb669-mgsqc             1/1     Running
    frontend-6f7fdc5b65-h48rs             1/1     Running
    ledgerwriter-cd74db4cd-jdqql          1/1     Running
    pgpool-operator-5f678457cd-cwbhs      1/1     Running
    transactionhistory-5b9b56b5c6-sz9qz   1/1     Running
    userservice-f45b46b49-fj7vm           1/1     Running
    
  2. Verifica di poter accedere al frontend del sito web:

    1. Ottieni l'indirizzo IP esterno del servizio frontend:

      kubectl get ingress frontend
      

      L'output è simile al seguente:

      NAME       CLASS    HOSTS   ADDRESS         PORTS   AGE
      frontend   <none>   *       203.0.113.9     80      12m
      
    2. In un browser, vai all'indirizzo IP esterno. Viene visualizzata la pagina di accesso di Bank of Anthos. Se ti incuriosisce, esplora l'applicazione.

      Se ricevi un errore 404, attendi qualche minuto per il provisioning dei microservizi e riprova.

Scalare automaticamente l'app web e il database PostgreSQL

GKE Autopilot esegue la scalabilità automatica delle risorse di calcolo del cluster in base al numero di workload nel cluster. Per scalare automaticamente il numero di pod nel cluster in base alle metriche delle risorse, devi implementare la scalabilità automatica del pod orizzontale di Kubernetes. Puoi utilizzare le metriche integrate di CPU e memoria di Kubernetes oppure metriche personalizzate come le richieste HTTP al secondo o la quantità di istruzioni SELECT, estratte da Cloud Monitoring.

In questa sezione, imparerai a:

  1. Configura la scalabilità automatica orizzontale dei pod per i microservizi Bank of Anthos utilizzando sia metriche integrate sia metriche personalizzate.
  2. Simula il carico sull'applicazione Bank of Anthos per attivare gli eventi di scalabilità automatica.
  3. Osserva come il numero di pod e nodi nel cluster aumenta e diminuisce automaticamente in risposta al carico.

Configurare la raccolta di metriche personalizzate

Per leggere le metriche personalizzate da Monitoring, devi eseguire il deployment dell'adattatore Custom Metrics - Stackdriver Adapter nel tuo cluster.

  1. Esegui il deployment dell'adattatore:

    kubectl apply -f https://raw.githubusercontent.com/GoogleCloudPlatform/k8s-stackdriver/master/custom-metrics-stackdriver-adapter/deploy/production/adapter.yaml
    
  2. Configura l'adattatore in modo che utilizzi la federazione delle identità per i carichi di lavoro per GKE per ottenere le metriche:

    1. Configura il account di servizio IAM:

      gcloud projects add-iam-policy-binding PROJECT_ID \
          --member "serviceAccount:bank-of-anthos@PROJECT_ID.iam.gserviceaccount.com" \
          --role roles/monitoring.viewer
      gcloud iam service-accounts add-iam-policy-binding bank-of-anthos@PROJECT_ID.iam.gserviceaccount.com \
          --role roles/iam.workloadIdentityUser \
          --member "serviceAccount:PROJECT_ID.svc.id.goog[custom-metrics/custom-metrics-stackdriver-adapter]"
      
    2. Aggiungi un'annotazione al account di servizio Kubernetes utilizzato dall'adattatore:

      kubectl annotate serviceaccount custom-metrics-stackdriver-adapter \
          --namespace=custom-metrics \
        iam.gke.io/gcp-service-account=bank-of-anthos@PROJECT_ID.iam.gserviceaccount.com
      
    3. Riavvia il deployment dell'adattatore per propagare le modifiche:

      kubectl rollout restart deployment custom-metrics-stackdriver-adapter \
          --namespace=custom-metrics
      

Configurare la scalabilità automatica per il database

Quando hai deployato Bank of Anthos e PostgreSQL in precedenza in questo tutorial, hai eseguito il deployment del database come StatefulSet con una replica di lettura/scrittura primaria per gestire tutte le istruzioni SQL in entrata. In questa sezione, configuri la scalabilità automatica orizzontale dei pod per aggiungere nuove repliche di standby di sola lettura per gestire le istruzioni SELECT in entrata. Un buon modo per ridurre il carico su ogni replica è distribuire le istruzioni SELECT, che sono operazioni di lettura. Il deployment di PostgreSQL include uno strumento denominato Pgpool-II che esegue questo bilanciamento del carico e migliora la velocità effettiva del sistema.

PostgreSQL esporta la metrica dell'istruzione SELECT come metrica Prometheus. Utilizzerai un esportatore di metriche leggero denominato prometheus-to-sd per inviare queste metriche a Cloud Monitoring in un formato supportato.

  1. Esamina l'oggetto HorizontalPodAutoscaler:

    # Copyright 2022 Google LLC
    #
    # Licensed under the Apache License, Version 2.0 (the "License");
    # you may not use this file except in compliance with the License.
    # You may obtain a copy of the License at
    #
    #      http://www.apache.org/licenses/LICENSE-2.0
    #
    # Unless required by applicable law or agreed to in writing, software
    # distributed under the License is distributed on an "AS IS" BASIS,
    # WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
    # See the License for the specific language governing permissions and
    # limitations under the License.
    
    ---
    apiVersion: autoscaling/v2
    kind: HorizontalPodAutoscaler
    metadata:
      name: accounts-db-postgresql
    spec:
      behavior:
        scaleUp:
          stabilizationWindowSeconds: 0
          policies:
          - type: Percent
            value: 100
            periodSeconds: 5
          selectPolicy: Max
      scaleTargetRef:
        apiVersion: apps/v1
        kind: StatefulSet
        name: accounts-db-postgresql
      minReplicas: 1
      maxReplicas: 5
      metrics:
      - type: External
        external:
          metric:
            name: custom.googleapis.com|mypgpool|pgpool2_pool_backend_stats_select_cnt
          target:
              type: AverageValue
              averageValue: "15"
    

    Questo manifest fa quanto segue:

    • Imposta il numero massimo di repliche durante uno scale up su 5.
    • Imposta il numero minimo durante una riduzione delle dimensioni a 1.
    • Utilizza una metrica esterna per prendere decisioni di scalabilità. In questo esempio, la metrica è il numero di istruzioni SELECT. Si verifica un evento di scale up se il conteggio delle istruzioni SELECT in entrata supera 15.
  2. Applica il manifest al cluster:

    kubectl apply -f extras/postgres-hpa/hpa/postgresql-hpa.yaml
    

Configurare la scalabilità automatica per l'interfaccia web

In Esegui il deployment di Bank of Anthos e PostgreSQL, hai eseguito il deployment dell'interfaccia web di Bank of Anthos. Quando il numero di utenti aumenta, il servizio userservice consuma più risorse CPU. In questa sezione, configura la scalabilità automatica orizzontale dei pod per il deployment userservice quando i pod esistenti utilizzano più del 60% della CPU richiesta e per il deployment frontend quando il numero di richieste HTTP in entrata al bilanciatore del carico è superiore a 5 al secondo.

Configura la scalabilità automatica per il deployment di userservice

  1. Rivedi il manifest HorizontalPodAutoscaler per il deployment userservice:

    # Copyright 2022 Google LLC
    #
    # Licensed under the Apache License, Version 2.0 (the "License");
    # you may not use this file except in compliance with the License.
    # You may obtain a copy of the License at
    #
    #      http://www.apache.org/licenses/LICENSE-2.0
    #
    # Unless required by applicable law or agreed to in writing, software
    # distributed under the License is distributed on an "AS IS" BASIS,
    # WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
    # See the License for the specific language governing permissions and
    # limitations under the License.
    
    ---
    apiVersion: autoscaling/v2
    kind: HorizontalPodAutoscaler
    metadata:
      name: userservice
    spec:
      behavior:
        scaleUp:
          stabilizationWindowSeconds: 0
          policies:
            - type: Percent
              value: 100
              periodSeconds: 5
          selectPolicy: Max
      scaleTargetRef:
        apiVersion: apps/v1
        kind: Deployment
        name: userservice
      minReplicas: 5
      maxReplicas: 50
      metrics:
        - type: Resource
          resource:
            name: cpu
            target:
              type: Utilization
              averageUtilization: 60
    

    Questo manifest fa quanto segue:

    • Imposta il numero massimo di repliche durante uno scale up su 50.
    • Imposta il numero minimo durante una riduzione delle dimensioni a 5.
    • Utilizza una metrica Kubernetes integrata per prendere decisioni di scalabilità. In questo esempio, la metrica è l'utilizzo della CPU e l'utilizzo target è del 60%, il che evita un utilizzo eccessivo e insufficiente.
  2. Applica il manifest al cluster:

    kubectl apply -f extras/postgres-hpa/hpa/userservice.yaml
    

Configurare la scalabilità automatica per il deployment del frontend

  1. Rivedi il manifest HorizontalPodAutoscaler per il deployment userservice:

    # Copyright 2022 Google LLC
    #
    # Licensed under the Apache License, Version 2.0 (the "License");
    # you may not use this file except in compliance with the License.
    # You may obtain a copy of the License at
    #
    #      http://www.apache.org/licenses/LICENSE-2.0
    #
    # Unless required by applicable law or agreed to in writing, software
    # distributed under the License is distributed on an "AS IS" BASIS,
    # WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
    # See the License for the specific language governing permissions and
    # limitations under the License.
    
    ---
    apiVersion: autoscaling/v2
    kind: HorizontalPodAutoscaler
    metadata:
      name: frontend
    spec:
      behavior:
        scaleUp:
          stabilizationWindowSeconds: 0
          policies:
            - type: Percent
              value: 100
              periodSeconds: 5
          selectPolicy: Max
      scaleTargetRef:
        apiVersion: apps/v1
        kind: Deployment
        name: frontend
      minReplicas: 5
      maxReplicas: 25
      metrics:
        - type: External
          external:
            metric:
              name: loadbalancing.googleapis.com|https|request_count
              selector:
                matchLabels:
                  resource.labels.forwarding_rule_name: FORWARDING_RULE_NAME
            target:
              type: AverageValue
              averageValue: "5"
    

    Questo manifest utilizza i seguenti campi:

    • spec.scaleTargetRef: la risorsa Kubernetes da scalare.
    • spec.minReplicas: il numero minimo di repliche, che in questo esempio è 5.
    • spec.maxReplicas: il numero massimo di repliche, che in questo esempio è 25.
    • spec.metrics.*: la metrica da utilizzare. In questo esempio, si tratta del numero di richieste HTTP al secondo, che è una metrica personalizzata di Cloud Monitoring fornita dall'adattatore che hai implementato.
    • spec.metrics.external.metric.selector.matchLabels: L'etichetta di risorsa specifica da filtrare durante la scalabilità automatica.
  2. Trova il nome della regola di forwarding dal bilanciatore del carico al deployment frontend:

    export FW_RULE=$(kubectl get ingress frontend -o=jsonpath='{.metadata.annotations.ingress\.kubernetes\.io/forwarding-rule}')
    echo $FW_RULE
    

    L'output è simile al seguente:

    k8s2-fr-j76hrtv4-default-frontend-wvvf7381
    
  3. Aggiungi la regola di forwarding al manifest:

    sed -i "s/FORWARDING_RULE_NAME/$FW_RULE/g" "extras/postgres-hpa/hpa/frontend.yaml"
    

    Questo comando sostituisce FORWARDING_RULE_NAME con la regola di forwarding salvata.

  4. Applica il manifest al cluster:

    kubectl apply -f extras/postgres-hpa/hpa/frontend.yaml
    

Checkpoint: convalida della configurazione della scalabilità automatica

Ottieni lo stato delle tue risorse HorizontalPodAutoscaler:

kubectl get hpa

L'output è simile al seguente:

NAME                     REFERENCE                            TARGETS             MINPODS   MAXPODS   REPLICAS   AGE
accounts-db-postgresql   StatefulSet/accounts-db-postgresql   10905m/15 (avg)     1         5         2          5m2s
contacts                 Deployment/contacts                  1%/70%              1         5         1          11m
frontend                 Deployment/frontend                  <unknown>/5 (avg)   5         25        1          34s
userservice              Deployment/userservice               0%/60%              5         50        5          4m56s

A questo punto, hai configurato l'applicazione e la scalabilità automatica. Il frontend e il database ora possono scalare in base alle metriche che hai fornito.

Simula il carico e osserva la scalabilità di GKE

Bank of Anthos include un servizio loadgenerator che ti consente di simulare il traffico per testare lo scaling dell'applicazione sotto carico. In questa sezione, eseguirai il deployment del servizio loadgenerator, genererai un carico e osserverai lo scaling risultante.

Esegui il deployment del generatore di test di carico

  1. Crea una variabile di ambiente con l'indirizzo IP del bilanciatore del carico di Bank of Anthos:

    export LB_IP=$(kubectl get ingress frontend -o=jsonpath='{.status.loadBalancer.ingress[0].ip}')
    echo $LB_IP
    

    L'output è simile al seguente:

    203.0.113.9
    
  2. Aggiungi l'indirizzo IP del bilanciatore del carico al manifest:

    sed -i "s/FRONTEND_IP_ADDRESS/$LB_IP/g" "extras/postgres-hpa/loadgenerator.yaml"
    
  3. Applica il manifest al cluster:

    kubectl apply -f  extras/postgres-hpa/loadgenerator.yaml
    

Il generatore di carico inizia ad aggiungere un utente al secondo, fino a 250 utenti.

Simula carico

In questa sezione, utilizzi un generatore di carico per simulare picchi di traffico e osservare l'aumento del numero di repliche e di nodi per gestire il carico maggiore nel tempo. Dopodiché, termini il test e osservi la fare lo scale down del numero di repliche e nodi in risposta.

  1. Esporre localmente l'interfaccia web del generatore di carico:

    kubectl port-forward svc/loadgenerator 8080
    

    Se visualizzi un messaggio di errore, riprova quando il pod è in esecuzione.

  2. In un browser, apri l'interfaccia web del generatore di carico.

    • Se utilizzi una shell locale, apri un browser e vai all'indirizzo http://127.0.0.1:8080.
    • Se utilizzi Cloud Shell, fai clic su Anteprima web, quindi fai clic su Anteprima sulla porta 8080.
  3. Fai clic sulla scheda Grafici per osservare il rendimento nel tempo.

  4. Apri una nuova finestra del terminale e osserva il conteggio delle repliche degli autoscaler dei pod orizzontali:

    kubectl get hpa -w
    

    Il numero di repliche aumenta man mano che il carico aumenta. Lo scale up potrebbe richiedere circa 10 minuti.

    NAME                     REFERENCE                            TARGETS          MINPODS   MAXPODS   REPLICAS
    accounts-db-postgresql   StatefulSet/accounts-db-postgresql   8326m/15 (avg)   1         5         5
    contacts                 Deployment/contacts                  51%/70%          1         5         2
    frontend                 Deployment/frontend                  5200m/5 (avg)    5         25        13
    userservice              Deployment/userservice               71%/60%          5         50        17
    
  5. Apri un'altra finestra del terminale e controlla il numero di nodi nel cluster:

    gcloud container clusters list \
        --filter='name=bank-of-anthos' \
        --format='table(name, currentMasterVersion, currentNodeVersion, currentNodeCount)' \
        --region="us-central1"
    
  6. Il numero di nodi è aumentato dalla quantità iniziale di tre nodi per ospitare le nuove repliche.

  7. Apri l'interfaccia del generatore di carico e fai clic su Interrompi per terminare il test.

  8. Controlla di nuovo il conteggio delle repliche e dei nodi e osserva come i numeri diminuiscono con il carico ridotto. Lo fare lo scale down potrebbe richiedere un po' di tempo perché la finestra di stabilizzazione predefinita per le repliche nella risorsa HorizontalPodAutoscaler di Kubernetes è di cinque minuti. Per ulteriori informazioni, consulta la finestra di stabilizzazione.

Esegui la pulizia

Per evitare che al tuo account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questo tutorial, elimina il progetto che contiene le risorse oppure mantieni il progetto ed elimina le singole risorse.

Elimina singole risorse

Google Cloud crea risorse, come i bilanciatori del carico, in base agli oggetti Kubernetes che crei. Per eliminare tutte le risorse di questo tutorial:

  1. Elimina le risorse Kubernetes di esempio:

    kubectl delete \
        -f extras/postgres-hpa/loadgenerator.yaml \
        -f extras/postgres-hpa/hpa \
        -f extras/postgres-hpa/kubernetes-manifests \
        -f extras/jwt/jwt-secret.yaml \
        -f https://raw.githubusercontent.com/GoogleCloudPlatform/k8s-stackdriver/master/custom-metrics-stackdriver-adapter/deploy/production/adapter.yaml
    
  2. Elimina il database PostgreSQL:

    helm uninstall accounts-db
    kubectl delete pvc -l "app.kubernetes.io/instance=accounts-db"
    kubectl delete configmaps initdb
    
  3. Elimina il cluster GKE e il service account IAM:

    gcloud iam service-accounts delete "bank-of-anthos@PROJECT_ID.iam.gserviceaccount.com" --quiet
    gcloud container clusters delete "bank-of-anthos" --region="us-central1" --quiet
    

Elimina il progetto

    Delete a Google Cloud project:

    gcloud projects delete PROJECT_ID

Passaggi successivi