本页介绍了如何使用 Terraform 将 Mainframe 连接器作为远程服务部署到 Cloud Run 上。然后,您可以使用 Mainframe Connector 远程服务在 Google Cloud上转码、存储和导出大型主机数据。您可以从大型机触发此服务来执行远程转码,也可以将其作为与现有提取、传输和加载 (ETL) 工作流集成的独立实例来使用。
您还可以部署多个 Mainframe Connector 远程服务实例。如需了解详情,请参阅部署多个 Mainframe Connector 实例。
如需使用 Terraform 在 Cloud Run 上部署大型机连接器,请按以下步骤操作:
下载 Mainframe Connector 部署 tar 文件。
重要提示
请注意,Mainframe Connector 使用 Google Analytics 来收集使用情况数据。这有助于我们改进软件并提供更好的用户体验。默认情况下,Google Analytics 处于启用状态。 不过,您可以在运行 Mainframe Connector 时配置环境变量,以选择停用此功能。
使用 Google Analytics 时,请遵守 Google Analytics 服务条款和隐私权政策。 下载 Mainframe Connector 即表示您确认已阅读、了解并接受相关条款及条件。解压缩部署 tar 文件中的文件。
tar -xvf ./deployment.tar
系统会从部署 tar 文件中提取
main.tf
和vars.tf
文件。查看并修改
vars.tf
文件中的变量。大多数变量都已具有默认值。您需要设置的唯一必需变量是project
和connector_service_account_email
。project
:您要安装 Mainframe Connector 的 Google Cloud 项目。connector_service_account_email
:具有您要使用大型机连接器执行的操作的所有权限的服务账号。
您还可以使用
connector_service_ingress
和connector_service_vpc_access
变量设置网络配置。运行
terraform init
命令,并将 Cloud Storage 存储分区和前缀作为参数。使用 Cloud Storage 存储分区和前缀有助于您在存储分区中保存部署状态。升级大型机连接器时,您也可以重复使用相同的存储分区和前缀。terraform init \ -backend-config bucket=DEPLOYMENT_STATE_BUCKET \ -backend-config prefix=BUCKET_PREFIX
替换以下内容:
- DEPLOYMENT_STATE_BUCKET:Cloud Storage 存储分区的名称。
- BUCKET_PREFIX:您要在 Cloud Storage 存储分区中使用的前缀。
创建一个
.tfvars
文件,以定义您希望 Terraform 在 Mainframe Connector 部署期间使用的变量。打开
.tfvars
文件,并将以下变量定义为键值对。instance_id
:如果您想拥有多个主机连接器实例或使用不同的服务账号,请定义instance_id
以分隔不同的工作负载。project
:您要部署大型机连接器的项目。connector_service_ingress
:入站流量类型。additional_labels
:如果您想测试部署,请添加其他标签。connector_service_account_email
:Mainframe Connector 的服务账号电子邮件 ID。
保存更改并关闭该文件。
部署 Mainframe Connector。
terraform apply -var-file=VARIABLE_FILE_NAME
将 VARIABLE_FILE_NAME 替换为您在上一步中创建的变量文件。
(可选)如需检查 Mainframe Connector 是否已部署并正在运行,请前往 Cloud Run 页面,然后选择 Services(服务)标签页。您应该会在表格中看到您的部署。
部署 Mainframe Connector 的多个实例
如需限制对特定作业的访问权限,您可能需要部署多个 Mainframe Connector 实例。为此,您可以使用不同的变量和服务账号多次部署大型机连接器。由于 Mainframe Connector 远程服务基于 Cloud Run,因此您只需在每项服务实际运行时支付相应费用。您还无需设置高可用性 (HA),因为每个实例都已负载均衡且具有高可用性。