使用 Confluent 將 Apache Kafka 部署至 GKE

自動駕駛 標準

---

本指南說明如何使用 Confluent for Kubernetes (CFK) 運算子，在 Google Kubernetes Engine (GKE) 上部署 Apache Kafka 叢集。

Kafka 是開放原始碼的分散式發布/訂閱訊息傳遞系統，可處理大量、高輸送量和即時串流資料。您可以使用 Kafka 建構串流資料管道，在不同系統和應用程式之間穩定移動資料，以利處理和分析。

本指南適用於有興趣在 GKE 上部署 Kafka 叢集的平台管理員、雲端架構師和營運專員。

您也可以使用 CFK 運算子部署 Confluent Platform 的其他元件，例如網頁式 Confluent Control Center、Schema Registry 或 KsqlDB。不過，本指南僅著重於 Kafka 部署作業。

注意： CFK 運算子和大部分的 Confluent 平台元件都是依據 Сonfluent Enterprise 授權發布，授權限制規定使用者必須在 30 天試用期過後，擁有有效的訂閱方案，才能繼續使用運算子。開發人員授權也提供無限期使用，但每個叢集只能有一個代理程式設定。

目標

• 規劃及部署 Apache Kafka 的 GKE 基礎架構
• 部署及設定 CFK 運算子
• 使用 CFK 運算子設定 Apache Kafka，確保可用性、安全性、可觀測性和效能

優點

CFK 具有下列優點：

• 自動推出設定變更。
• 自動滾動式升級，不會影響 Kafka 可用性。
• 如果發生故障，CFK 會還原 Kafka Pod，並保留相同的 Kafka 代理程式 ID、設定和永久儲存空間磁碟區。
• 自動機架感知功能，可將分割區的副本分散到不同機架 (或可用區)，提升 Kafka 代理程式的可用性，並降低資料遺失的風險。
• 支援將匯總指標匯出至 Prometheus。

部署架構

Kafka 叢集中的每個資料分割都有一個領導者代理程式，以及一或多個追隨者代理程式。領導者代理程式會處理所有分區的讀取和寫入作業。每個追隨者代理程式都會被動複製領導者代理程式。

在一般的 Kafka 設定中，您也會使用名為 ZooKeeper 的開放原始碼服務，協調 Kafka 叢集。這項服務會在代理程式中選出領導者，並在發生故障時觸發容錯移轉，藉此提供協助。

您也可以啟用 KRaft 模式，在沒有 Zookeeper 的情況下部署 Kafka 設定，但由於不支援 KafkaTopic 資源和憑證驗證，因此不建議在正式環境中使用這種方法。

可用性和災難復原

本教學課程會為 Kafka 和 ZooKeeper 叢集使用不同的節點集區和區域，確保高可用性，並為災害復原做好準備。

高可用性 Kubernetes 叢集 Google Cloud 依賴於跨越多個節點和可用區的區域叢集。這項設定可提升容錯能力、擴充性和地理位置備援能力。此外，您也可以透過這項設定執行滾動更新和維護作業，同時提供運作時間和可用性的服務水準協議。詳情請參閱區域叢集。

部署圖

下圖顯示在 GKE 叢集的多個節點和區域中執行的 Kafka 叢集：

在圖表中，Kafka StatefulSet 部署在三個不同可用區的三個節點上。如要控管這項設定，請在 Kafka 自訂資源規格中，設定必要的 Pod 親和性和拓撲擴散規則。

如果某個區域發生故障，使用建議的設定時，GKE 會在新節點上重新排定 Pod 的時間，並從其餘副本複製 Kafka 和 Zookeeper 的資料。

下圖顯示 ZooKeeper StatefulSet 部署在三個不同可用區的三個節點中：

費用

在本文件中，您會使用 Google Cloud的下列計費元件：

• GKE
• Managed Service for Prometheus
• Compute Engine

如要根據預測用量估算費用，請使用 Pricing Calculator。

初次使用 Google Cloud 的使用者可能符合免費試用資格。

完成本文所述工作後，您可以刪除已建立的資源，避免繼續計費。詳情請參閱清除所用資源一節。

事前準備

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.

Note: If you installed the gcloud CLI previously, make sure you have the latest version by running gcloud components update.

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

To initialize the gcloud CLI, run the following command:

gcloud init

Create or select a Google Cloud project.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the 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 GKE, Backup for GKE, Compute Engine, Identity and Access Management, and Resource Manager APIs:

gcloud services enable compute.googleapis.com iam.googleapis.com container.googleapis.com gkebackup.googleapis.com cloudresourcemanager.googleapis.com

Install the Google Cloud CLI.

Note: If you installed the gcloud CLI previously, make sure you have the latest version by running gcloud components update.

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

To initialize the gcloud CLI, run the following command:

gcloud init

Create or select a Google Cloud project.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the 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 GKE, Backup for GKE, Compute Engine, Identity and Access Management, and Resource Manager APIs:

gcloud services enable compute.googleapis.com iam.googleapis.com container.googleapis.com gkebackup.googleapis.com cloudresourcemanager.googleapis.com

1. Grant roles to your user account. Run the following command once for each of the following IAM roles: role/storage.objectViewer, role/logging.logWriter, roles/container.clusterAdmin, role/container.serviceAgent, roles/iam.serviceAccountAdmin, roles/serviceusage.serviceUsageAdmin, roles/iam.serviceAccountAdmin

   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:[e-mail].

   • Replace ROLE with each individual role.

準備環境

在本教學課程中，您將使用 Cloud Shell 管理託管在 Google Cloud上的資源。Cloud Shell 已預先安裝本教學課程所需的軟體，包括 kubectl、gcloud CLI、Helm 和 Terraform。

如要使用 Cloud Shell 設定環境，請按照下列步驟操作：

1. 在 Google Cloud 控制台中，按一下Google Cloud 控制台中的「啟用 Cloud Shell」，即可啟動 Cloud Shell 工作階段。系統會在 Google Cloud 控制台的底部窗格啟動工作階段。

2. 設定環境變數：

   export PROJECT_ID=PROJECT_ID
   export KUBERNETES_CLUSTER_PREFIX=kafka
   export REGION=us-central1
   

   將 PROJECT_ID: your Google Cloud 替換為您的專案 ID。

3. 複製 GitHub 存放區：

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

4. 變更為工作目錄：

   cd kubernetes-engine-samples/streaming
   

建立叢集基礎架構

在本節中，您將執行 Terraform 指令碼，建立高可用性的地區 GKE 私人叢集。請按照下列步驟公開存取控制層。如要限制存取權，請建立私人叢集。

您可以使用標準或 Autopilot叢集安裝運算子。

標準

下圖顯示部署在三個不同可用區的私有區域標準 GKE 叢集：

如要部署這項基礎架構，請在 Cloud Shell 中執行下列指令：

export GOOGLE_OAUTH_ACCESS_TOKEN=$(gcloud auth print-access-token)
terraform -chdir=kafka/terraform/gke-standard init
terraform -chdir=kafka/terraform/gke-standard apply -var project_id=${PROJECT_ID} \
  -var region=${REGION} \
  -var cluster_prefix=${KUBERNETES_CLUSTER_PREFIX}

系統顯示提示訊息時，請輸入 yes。這個指令可能需要幾分鐘才能完成，叢集也會在這段時間內顯示就緒狀態。

Terraform 會建立下列資源：

• Kubernetes 節點的虛擬私有雲網路和私有子網路。
• 透過 NAT 存取網際網路的路由器。
• us-central1 地區的私人 GKE 叢集。
• 2 個啟用自動調度資源功能的節點集區 (每個可用區 1 到 2 個節點，每個可用區至少 1 個節點)
• 具備記錄與監控權限的 ServiceAccount。
• Backup for GKE，用於災難復原。
• Google Cloud Managed Service for Prometheus，用於監控叢集。

輸出結果會與下列內容相似：

...
Apply complete! Resources: 14 added, 0 changed, 0 destroyed.

Outputs:

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

Autopilot

下圖顯示私人區域 Autopilot GKE 叢集：

如要部署基礎架構，請透過 Cloud Shell 執行下列指令：

export GOOGLE_OAUTH_ACCESS_TOKEN=$(gcloud auth print-access-token)
terraform -chdir=kafka/terraform/gke-autopilot init
terraform -chdir=kafka/terraform/gke-autopilot apply -var project_id=${PROJECT_ID} \
  -var region=${REGION} \
  -var cluster_prefix=${KUBERNETES_CLUSTER_PREFIX}

系統顯示提示訊息時，請輸入 yes。這個指令可能需要幾分鐘才能完成，叢集也會在這段時間內顯示就緒狀態。

Terraform 會建立下列資源：

• Kubernetes 節點的虛擬私有雲網路和私人子網路。
• 透過 NAT 存取網際網路的路由器。
• us-central1 地區的私人 GKE 叢集。
• 具備記錄與監控權限的 ServiceAccount
• Google Cloud Managed Service for Prometheus，用於監控叢集。

輸出結果會與下列內容相似：

...
Apply complete! Resources: 12 added, 0 changed, 0 destroyed.

Outputs:

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

連線至叢集

設定 kubectl 與叢集通訊：

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

將 CFK 運算子部署至叢集

在本節中，您將使用 Helm 圖表部署 Confluent for Kubernetes (CFK) 運算子，然後部署 Kafka 叢集。

1. 新增 Confluent Helm 資訊套件存放區：

   helm repo add confluentinc https://packages.confluent.io/helm
   

2. 為 CFK 運算子和 Kafka 叢集新增命名空間：

   kubectl create ns kafka
   

3. 使用 Helm 部署 CFK 叢集運算子：

   helm install confluent-operator confluentinc/confluent-for-kubernetes -n kafka
   

   如要讓 CFK 管理所有命名空間的資源，請在 Helm 指令中加入 --set-namespaced=false 參數。

4. 確認 Confluent 運算子已使用 Helm 成功部署：

   helm ls -n kafka
   

   輸出結果會與下列內容相似：

   NAME                  NAMESPACE  REVISION UPDATED                                  STATUS      CHART                                APP VERSION
   confluent-operator    kafka      1        2023-07-07 10:57:45.409158 +0200 CEST    deployed    confluent-for-kubernetes-0.771.13    2.6.0
   

部署 Kafka

在本節中，您將以基本設定部署 Kafka，然後嘗試各種進階設定情境，以滿足可用性、安全性和可觀測性需求。

基本設定

Kafka 執行個體的基本設定包含下列元件：

• 三個 Kafka 代理程式副本，至少需要兩個可用副本，才能確保叢集一致性。
• 三個 ZooKeeper 節點副本，組成一個叢集。
• 兩個 Kafka 監聽器：一個不含驗證，另一個使用 TLS 驗證和 CFK 產生的憑證。
• Kafka 的 Java MaxHeapSize 和 MinHeapSize 設為 4 GB。
• CPU 資源分配：1 個 CPU 要求和 2 個 CPU 限制，以及 Kafka 的 5 GB 記憶體要求和限制 (主要服務為 4 GB，指標匯出工具為 0.5 GB)，Zookeeper 的 3 GB 記憶體要求和限制 (主要服務為 2 GB，指標匯出工具為 0.5 GB)。
• 使用 storageClass 為每個 Pod 分配 100 GB 的儲存空間，其中 Kafka 資料為 100 GB，Zookeeper 資料/記錄為 90/10 GB。premium-rwo
• 為每個工作負載設定容許條件、nodeAffinity 和 podAntiAffinity，確保工作負載在節點之間適當分配，並利用各自的節點集區和不同區域。
• 使用您提供的憑證授權單位，透過自行簽署的憑證保護叢集內的通訊安全。

這項設定代表建立可供正式環境使用的 Kafka 叢集所需的最低設定。下列各節將示範自訂設定，以解決叢集安全性、存取控制清單 (ACL)、主題管理、憑證管理等問題。

建立基本 Kafka 叢集

1. 產生 CA 金鑰組：

   openssl genrsa -out ca-key.pem 2048
   openssl req -new -key ca-key.pem -x509 \
     -days 1000 \
     -out ca.pem \
     -subj "/C=US/ST=CA/L=Confluent/O=Confluent/OU=Operator/CN=MyCA"
   

   Confluent for Kubernetes 會為 Confluent Platform 元件提供自動產生的憑證，用於 TLS 網路加密。您必須產生並提供憑證授權單位 (CA)。

2. 為憑證授權單位建立 Kubernetes 密鑰：

   kubectl create secret tls ca-pair-sslcerts --cert=ca.pem --key=ca-key.pem -n kafka
   

   Secret 名稱是 預先定義

3. 使用基本設定建立新的 Kafka 叢集：

   kubectl apply -n kafka -f kafka-confluent/manifests/01-basic-cluster/my-cluster.yaml
   

   這個指令會建立 CFK 運算子的 Kafka 自訂資源和 Zookeeper 自訂資源，其中包含 CPU 和記憶體要求與限制、區塊儲存空間要求，以及用於在 Kubernetes 節點間分配佈建 Pod 的汙點和親和性。

4. 請稍候片刻，等待 Kubernetes 啟動必要的工作負載：

   kubectl wait pods -l app=my-cluster --for condition=Ready --timeout=300s -n kafka
   

5. 確認是否已建立 Kafka 工作負載：

   kubectl get pod,svc,statefulset,deploy,pdb -n kafka
   

   輸出結果會與下列內容相似：

   NAME                                    READY   STATUS  RESTARTS   AGE
   pod/confluent-operator-864c74d4b4-fvpxs   1/1   Running   0        49m
   pod/my-cluster-0                        1/1   Running   0        17m
   pod/my-cluster-1                        1/1   Running   0        17m
   pod/my-cluster-2                        1/1   Running   0        17m
   pod/zookeeper-0                         1/1   Running   0        18m
   pod/zookeeper-1                         1/1   Running   0        18m
   pod/zookeeper-2                         1/1   Running   0        18m
   
   NAME                          TYPE      CLUSTER-IP   EXTERNAL-IP   PORT(S)                                                        AGE
   service/confluent-operator    ClusterIP   10.52.13.164   <none>      7778/TCP                                                       49m
   service/my-cluster            ClusterIP   None         <none>      9092/TCP,8090/TCP,9071/TCP,7203/TCP,7777/TCP,7778/TCP,9072/TCP   17m
   service/my-cluster-0-internal   ClusterIP   10.52.2.242  <none>      9092/TCP,8090/TCP,9071/TCP,7203/TCP,7777/TCP,7778/TCP,9072/TCP   17m
   service/my-cluster-1-internal   ClusterIP   10.52.7.98   <none>      9092/TCP,8090/TCP,9071/TCP,7203/TCP,7777/TCP,7778/TCP,9072/TCP   17m
   service/my-cluster-2-internal   ClusterIP   10.52.4.226  <none>      9092/TCP,8090/TCP,9071/TCP,7203/TCP,7777/TCP,7778/TCP,9072/TCP   17m
   service/zookeeper             ClusterIP   None         <none>      2181/TCP,7203/TCP,7777/TCP,3888/TCP,2888/TCP,7778/TCP          18m
   service/zookeeper-0-internal  ClusterIP   10.52.8.52   <none>      2181/TCP,7203/TCP,7777/TCP,3888/TCP,2888/TCP,7778/TCP          18m
   service/zookeeper-1-internal  ClusterIP   10.52.12.44  <none>      2181/TCP,7203/TCP,7777/TCP,3888/TCP,2888/TCP,7778/TCP          18m
   service/zookeeper-2-internal  ClusterIP   10.52.12.134   <none>      2181/TCP,7203/TCP,7777/TCP,3888/TCP,2888/TCP,7778/TCP          18m
   
   NAME                        READY   AGE
   statefulset.apps/my-cluster   3/3   17m
   statefulset.apps/zookeeper  3/3   18m
   
   NAME                               READY   UP-TO-DATE   AVAILABLE   AGE
   deployment.apps/confluent-operator   1/1   1          1         49m
   
   NAME                                  MIN AVAILABLE   MAX UNAVAILABLE   ALLOWED DISRUPTIONS   AGE
   poddisruptionbudget.policy/my-cluster   N/A           1               1                   17m
   poddisruptionbudget.policy/zookeeper  N/A           1               1                   18m
   

運算子會建立下列資源：

• Kafka 和 ZooKeeper 各有一個 StatefulSet。
• Kafka 代理程式副本的三個 Pod。
• 三個 ZooKeeper 副本的 Pod。
• 兩個 PodDisruptionBudget 資源，確保叢集一致性最多只有一個無法使用的副本。
• 這個 Service 可做為 Kafka 用戶端的啟動伺服器，從 Kubernetes 叢集內連線。my-cluster這個服務提供所有內部 Kafka 監聽器。
• 這項服務 zookeeper 可讓 Kafka 代理程式以用戶端身分連線至 ZooKeeper 節點。

驗證和使用者管理

本節說明如何啟用驗證和授權，確保 Kafka 監聽器安全無虞，並與用戶端共用憑證。

Confluent for Kubernetes 支援多種 Kafka 驗證方法，例如：

• SASL/PLAIN 驗證： 用戶端會使用使用者名稱和密碼進行驗證。使用者名稱和密碼會儲存在伺服器端的 Kubernetes 密鑰中。
• 使用 LDAP 驗證的 SASL/PLAIN： 用戶端會使用使用者名稱和密碼進行驗證。憑證儲存在 LDAP 伺服器中。
• 相互傳輸層安全標準 (mTLS) 驗證： 用戶端使用 TLS 憑證進行驗證。

限制

• CFK 不提供使用者管理用的自訂資源。不過，您可以將憑證儲存在 Secret 中，並在接聽程式規格中參照 Secret。
• 雖然沒有可直接管理 ACL 的自訂資源，但官方的 Confluent for Kubernetes 提供使用 Kafka CLI 設定 ACL 的指南。

新增使用者

本節說明如何部署 CFK 運算子，示範使用者管理功能，包括：

• 已在其中一個接聽程式上啟用密碼驗證 (SASL/PLAIN) 的 Kafka 叢集
• 具有 3 個副本的 KafkaTopic
• 具備讀取和寫入權限的使用者憑證

1. 使用使用者憑證建立密鑰：

   export USERNAME=my-user
   export PASSWORD=$(openssl rand -base64 12)
   kubectl create secret generic my-user-credentials -n kafka \
     --from-literal=plain-users.json="{\"$USERNAME\":\"$PASSWORD\"}"
   

   憑證應採用以下格式儲存：

   {
   "username1": "password1",
   "username2": "password2",
   ...
   "usernameN": "passwordN"
   }
   

2. 將 Kafka 叢集設定為在通訊埠 9094 上，使用以密碼為基礎的驗證 SCRAM-SHA-512 驗證的接聽程式：

   kubectl apply -n kafka -f kafka-confluent/manifests/02-auth/my-cluster.yaml
   

3. 設定主題和用戶端 Pod，與 Kafka 叢集互動並執行 Kafka 指令：

   kubectl apply -n kafka -f kafka-confluent/manifests/02-auth/my-topic.yaml
   kubectl apply -n kafka -f kafka-confluent/manifests/02-auth/kafkacat.yaml
   

   GKE 會將 Secret my-user-credentials 以磁碟區的形式掛接至用戶端 Pod。

4. 用戶端 Pod 準備就緒後，請連線至該 Pod，並使用提供的憑證開始產生及取用訊息：

   kubectl wait pod kafkacat --for=condition=Ready --timeout=300s -n kafka
   kubectl exec -it kafkacat -n kafka -- /bin/sh
   

5. 使用 my-user 憑證產生訊息，然後使用該訊息來驗證是否已收到。

   export USERNAME=$(cat /my-user/plain-users.json|cut -d'"' -f 2)
   export PASSWORD=$(cat /my-user/plain-users.json|cut -d'"' -f 4)
   echo "Message from my-user" |kcat \
     -b my-cluster.kafka.svc.cluster.local:9094 \
     -X security.protocol=SASL_SSL \
     -X sasl.mechanisms=PLAIN \
     -X sasl.username=$USERNAME \
     -X sasl.password=$PASSWORD  \
     -t my-topic -P
   kcat -b my-cluster.kafka.svc.cluster.local:9094 \
     -X security.protocol=SASL_SSL \
     -X sasl.mechanisms=PLAIN \
     -X sasl.username=$USERNAME \
     -X sasl.password=$PASSWORD  \
     -t my-topic -C
   

   輸出結果會與下列內容相似：

   Message from my-user
   % Reached end of topic my-topic [1] at offset 1
   % Reached end of topic my-topic [2] at offset 0
   % Reached end of topic my-topic [0] at offset 0
   

   輸入 CTRL+C 即可停止消費者程序。如果收到 Connect refused 錯誤，請稍候幾分鐘，然後再試一次。

6. 退出 Pod 殼層

   exit
   

備份與災難復原

使用 Confluent 運算子時，您可以按照特定模式實作有效率的備份策略。

您可以使用 GKE 備份服務備份下列項目：

• Kubernetes 資源資訊清單。
• 從備份叢集的 Kubernetes API 伺服器擷取的 Confluent API 自訂資源及其定義。
• 與資訊清單中找到的 PersistentVolumeClaim 資源對應的磁碟區。

如要進一步瞭解如何使用 GKE 備份功能備份及還原 Kafka 叢集，請參閱「準備進行災難復原」。

您也可以手動備份 Kafka 叢集。建議備份的項目：

• Kafka 設定，包括 Confluent API 的所有自訂資源，例如 KafkaTopics 或 Connect
• 資料會儲存在 Kafka 代理程式的 PersistentVolume 中

將 Kubernetes 資源資訊清單 (包括 Confluent 設定) 儲存在 Git 存放區中，即可免除 Kafka 設定的獨立備份需求，因為必要時，資源可以重新套用至新的 Kubernetes 叢集。

為確保在 Kafka 伺服器執行個體或部署 Kafka 的 Kubernetes 叢集遺失時，Kafka 資料能夠復原，建議您將用於為 Kafka 代理程式佈建磁碟區的 Kubernetes 儲存空間類別，設定為 reclaimPolicy 選項設為 Retain。我們也建議您為 Kafka 代理程式磁碟區建立快照。

下列資訊清單說明使用 reclaimPolicy 選項 Retain 的 StorageClass：

apiVersion: storage.k8s.io/v1
kind: StorageClass
metadata:
  name: premium-rwo-retain
...
reclaimPolicy: Retain
volumeBindingMode: WaitForFirstConsumer

以下範例顯示新增至 Kafka 叢集自訂資源 spec 的 StorageClass：

...
spec:
  ...
  dataVolumeCapacity: 100Gi
  storageClass:
  name: premium-rwo-retain

完成這項設定後，即使刪除對應的 PersistentVolumeClaim，系統也不會刪除使用儲存空間類別佈建的 PersistentVolume。

如要使用現有設定和代理程式執行個體資料，在新 Kubernetes 叢集上復原 Kafka 執行個體，請按照下列步驟操作：

1. 將現有的 Confluent 自訂資源 (Kafka、KafkaTopic、Zookeeper 等) 套用至新的 Kubernetes 叢集
2. 使用 PersistentVolumeClaim 的 spec.volumeName 屬性，以舊的 PersistentVolumes 更新 PersistentVolumeClaims，並使用新的 Kafka 代理程式執行個體名稱。

清除所用資源

如要避免系統向您的 Google Cloud 帳戶收取本教學課程中所用資源的相關費用，請刪除含有該項資源的專案，或者保留專案但刪除個別資源。

刪除專案

注意：刪除專案會造成以下結果：

• 專案中的所有內容都會遭到刪除。 如果您使用現有專案來進行本文中的工作，刪除專案將一併刪除其中已完成的所有工作。
• 自訂的專案 ID 會消失。當您之前建立這個專案時，可能建立了想要在日後使用的自訂專案 ID。如要保留使用該專案 ID 的網址 (例如 appspot.com 網址)，請刪除在該專案中選取的資源，而不是刪除整個專案。

如果打算探索多種架構、教學課程或快速入門導覽課程，重複使用專案有助於避免超出專案配額限制。

Delete a Google Cloud project:

gcloud projects delete PROJECT_ID

刪除個別資源

如果您使用現有專案，但不想刪除專案，請刪除個別資源。

1. 設定環境變數：

   export PROJECT_ID=PROJECT_ID
   export KUBERNETES_CLUSTER_PREFIX=kafka
   export REGION=us-central1
   

2. 執行 terraform destroy 指令：

   export GOOGLE_OAUTH_ACCESS_TOKEN=$(gcloud auth print-access-token)
   terraform -chdir=kafka/terraform/FOLDER destroy -var project_id=${PROJECT_ID}   \
     -var region=${REGION}  \
     -var cluster_prefix=${KUBERNETES_CLUSTER_PREFIX}
   

   將 FOLDER 替換為 gke-autopilot 或 gke-standard。

   系統顯示提示訊息時，請輸入 yes。

3. 找出所有未連接的磁碟：

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

4. 刪除磁碟：

   for i in $disk_list; do
     disk_name=$(echo $i| cut -d'|' -f1)
     disk_zone=$(echo $i| cut -d'|' -f2|sed 's|.*/||')
     echo "Deleting $disk_name"
     gcloud compute disks delete $disk_name --zone $disk_zone --quiet
   done
   

後續步驟

• 探索 Google Cloud 的參考架構、圖表和最佳做法。 歡迎瀏覽我們的雲端架構中心。