Utilizzo di pipeline serverless con Active Assist

Last reviewed 2021-06-09 UTC

Questo documento è rivolto agli architetti aziendali e agli sviluppatori software che vogliono creare una pipeline di automazione per utilizzare Active Assist nella loro Google Cloud organizzazione. Fa parte di una serie che illustra i pattern di architettura che le aziende possono utilizzare per ottimizzare il proprio impatto sul cloud su larga scala utilizzando Active Assist. La serie è composta dalle seguenti parti:

Questo tutorial mostra come utilizzare le Google Cloud tecnologie serverless per creare una pipeline di automazione per recuperare ed elaborare i consigli di Active Assist. I consigli si basano sulle regole aziendali impostate dalla tua azienda. La pipeline di automazione configurata in questo tutorial ti aiuta a lavorare con Active Assist su larga scala, mantenendo al contempo un processo di revisione e attivazione guidato dal team. Questo approccio è utile quando la tua azienda vuole scalare l'utilizzo del portafoglio di assistenza attiva, ma mantenere il controllo del processo di revisione e attivazione all'interno dei team. Offre un'alternativa all'utilizzo di una pipeline di integrazione e distribuzione continua (CI/CD).

L'architettura dimostrata in questo tutorial è generica e puoi estenderla per farla funzionare con altri prodotti serverless. Il tutorial presuppone che tu abbia familiarità con le seguenti Google Cloud tecnologie:

Per completare questo tutorial, devi disporre di un account Slack o di uno strumento di elaborazione di notifiche o richieste simile. Lo strumento deve essere configurato sulla tua macchina e pronto per l'uso.

Architettura

Poiché l'architettura dimostrata in questo tutorial è modulare, puoi adattare il componente delle notifiche in base ai requisiti della tua attività. Questo tutorial mostra come generare notifiche e inviarle a Slack. Puoi anche scegliere di inviare notifiche a Pub/Sub o a qualsiasi altro strumento di elaborazione di notifiche o richieste.

Il seguente diagramma di architettura mostra i componenti utilizzati in questo tutorial:

Pipeline serverless.

L'architettura è composta dai seguenti componenti:

  • Un servizio Cloud Run attivato da un programmatore a intervalli fissi. Il servizio richiama le API Recommender leggendo i metadati (ID progetto e tipi di consigli) definiti e memorizzati in una raccolta Firestore.
  • Un argomento Pub/Sub in cui vengono inviati e elaborati i consigli di Active Assist.
  • Un secondo servizio Cloud Run che analizza i consigli di Active Assist. Questo servizio determina in che modo vengono elaborati i consigli in base alle regole aziendali definite dalla tua azienda e memorizzate in una raccolta Firestore.
  • Due raccolte Firestore per archiviare i metadati e le regole aziendali. Le raccolte Firestore funzionano come segue:
    • La prima raccolta memorizza i metadati dell'attività pertinenti per recuperare i consigli di Active Assist. In questo tutorial, gli attributi recommendation type, Google Cloud project IDs e locations vengono utilizzati come metadati aziendali. Questi attributi vengono utilizzati dal servizio recommendation-collector Cloud Run per determinare i tipi di consigli da recuperare.
    • La seconda raccolta memorizza le regole aziendali che vengono applicate quando vengono elaborati i consigli.

Obiettivi

  • Crea un servizio Cloud Run di esempio per recuperare i consigli di Active Assist per un progetto di esempio e inviarli a un argomento Pub/Sub.
  • Crea due raccolte Firestore per archiviare rispettivamente i metadati di esempio e le regole aziendali.
  • Crea un secondo servizio Cloud Run per elaborare i consigli in base alle regole aziendali di esempio che definisci in questo tutorial.
  • Crea un canale Slack a cui il servizio Cloud Run invia suggerimenti di Active Assist di esempio.
  • Testa la pipeline end-to-end con consigli di Active Assist di esempio.

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 la fatturazione continua eliminando le risorse che hai creato. Per ulteriori informazioni, consulta la sezione Pulizia.

Prima di iniziare

  1. In the Google Cloud console, go to the project selector page.

    Go to project selector

  2. Select or create a Google Cloud project.

  3. Prendi nota dell'ID progetto Google Cloud per il progetto Recommendation Manager. Ti servirà questo ID nella sezione successiva sulla configurazione dell'ambiente.

  4. Enable the Cloud Build, Firestore, App Engine,Pub/Sub, Cloud Run, Cloud Scheduler, and Cloud Source Repositories APIs.

    Enable the APIs

    Per questo tutorial utilizzi le credenziali predefinite dell'applicazione. Se ti viene chiesto di creare credenziali nella pagina Aggiungi credenziali al progetto, fai clic su Annulla.

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

  6. Crea quanto segue:
    • Un canale Slack di esempio.
    • Un'app Slack di esempio e un webhook in arrivo per ricevere le notifiche generate da un motore denominato recommendation-rules-engine. Configurare il motore viene spiegato più avanti in questo tutorial.
    Per ulteriori informazioni, vedi Creare un canale Slack e Inviare messaggi utilizzando webhook in entrata.

    Dopo aver creato un'app Slack e un URL webhook in entrata, annotalo perché ti servirà più avanti in questo tutorial.

Creazione della pipeline serverless

In questa sezione crei i componenti necessari per creare la pipeline serverless. La piattaforma genera i consigli di Active Assist in base ai modelli di utilizzo e alle metriche di sistema. A seconda dei consigli generati, ogni categoria di consigli potrebbe utilizzare un periodo di tempo predefinito diverso nel passato per analizzare i dati e le metriche di utilizzo.

Se hai un progetto Google Cloud di esempio con risorse esistenti e consigli di Active Assist, puoi eseguire la pipeline per elaborare questi consigli dopo aver apportato le modifiche necessarie al codice campione fornito.

Crea le raccolte Firestore

In questa sezione, creerai due raccolte Firestore. La prima, la raccolta activeassist-metadata, memorizza i metadati dell'attività pertinenti al recupero dei consigli di Active Assist. La seconda, la raccoltaactiveassist-business-rules, memorizza le regole aziendali applicate quando la pipeline elabora i consigli.

Quando i consigli di Active Assist vengono analizzati, in base alle regole aziendali nella raccolta Firestore viene generata e inviata una notifica oppure il consiglio viene applicato automaticamente alla risorsa Google Cloudpertinente.

Crea la raccolta activeassist-metadata

  1. Nella console Google Cloud, vai alla pagina Firestore.

    Apri Firestore

  2. Crea un database Firestore se non ne hai già uno. In alternativa, se hai già un database Firestore, vai al passaggio successivo.

    Crea il database:

    1. Fai clic su Seleziona modalità nativa per attivare Firestore.
    2. Seleziona una località della regione vicina a quella in cui vengono eseguiti i servizi Cloud Run.
    3. Fai clic su Crea database. Il completamento della configurazione richiede alcuni istanti.

  3. Nella pagina Firestore, fai clic su Avvia raccolta.

  4. Nel campo ID raccolta, inserisci quanto segue: activeassist-metadata.

  5. Compila i campi come mostrato nella tabella seguente. Per aggiungere il campo successivo, fai clic su Aggiungi campo.

    Nome campo Tipo di campo Valore campo Nota
    project string Stub-Project-ID Questo tutorial utilizza uno stub per il valore del campo. Se vuoi utilizzare i consigli di un progetto Google Cloud esistente, inserisci l'ID progetto.
    locations array global Alcuni consigli potrebbero essere specifici per una regione o una zona, ad esempio i consigli per il dimensionamento ottimale delle VM. Altri suggerimenti sono globali, ad esempio i suggerimenti IAM.
    recommenderType string google.iam.policy.Recommender Non applicabile.

  6. Quando i campi sono compilati, fai clic su Salva.

Crea la raccolta activeassist-business-rules

  1. Fai clic su Avvia raccolta.

  2. Nel campo ID raccolta, inserisci quanto segue: activeassist-business-rules

    Compila il documento come mostrato nella tabella seguente. Per aggiungere il campo successivo, fai clic su Aggiungi campo.

    Nome campo Tipo di campo Valore campo Nota
    action string Notify Se imposti il valore su Apply, il servizio applica il consiglio e rimuove il ruolo inutilizzato.
    projectId string Stub-Project-ID Questo tutorial utilizza un consiglio stub. Se vuoi utilizzare i consigli di un progetto Google Cloud esistente, inserisci l'ID progetto.
    projectNumber string 999999999 Questo tutorial utilizza un consiglio stub.

    Se utilizzi un consiglio di un progetto Google Cloud esistente, inserisci il numero del progetto. Puoi trovare il numero di progetto nella home page di Google Cloud Console.
    recommenderType string google.iam.policy.Recommender Non applicabile.
    recommenderSubtype string REMOVE_ROLE Non applicabile.
    slackWebhookURL string Inserisci l'URL del webhook di Slack generato in un passaggio precedente. L'URL è simile al seguente:

    https://hooks.slack.com/services/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

    Questo tutorial mostra come creare una regola per determinare se un suggerimento viene applicato automaticamente o se viene generata una notifica e inviata a una piattaforma come Slack. Per scoprire come un consiglio può essere applicato automaticamente in base alla valutazione delle regole aziendali di esempio che hai configurato, consulta il repository associato.

  3. Quando il documento è compilato, fai clic su Salva.

Creazione di un servizio Cloud Run pianificato

In questa sezione crei un servizio Cloud Run pianificato chiamato recommendation-collector che invoca l'API Recommender e retrieving recommendations attivi. L'API Recommender di Identity and Access Management viene utilizzata in questo tutorial come API Recommender. Il servizio legge i metadati della raccolta activeassist-metadata Firestore che hai creato per determinare quali consigli recuperare.

  1. Fai clic su Apri in Cloud Shell per aprire Cloud Shell per il progetto Recommendation Manager.

    Apri in Cloud Shell

    Quando si apre Cloud Shell, vengono eseguiti i seguenti comandi:

    Quando viene visualizzata la finestra di dialogo Apri in Cloud Shell, seleziona Attendibile e poi fai clic su Conferma.

  2. Imposta l'ID progetto e il numero del progetto del progetto Recommendation Manager corrente come variabili:

    export RECO_MGR_PROJECT=PROJECT_ID
gcloud config set project $RECO_MGR_PROJECT
export RECO_MGR_PROJECT_NUMBER=$(gcloud projects describe $DEVSHELL_PROJECT_ID --format='value(projectNumber)')

    Sostituisci PROJECT_ID con l'ID progetto. Dopo aver inserito i comandi, fai clic su Autorizza quando ti viene richiesto.

  3. Imposta la variabile per la regione di deployment:

    export REGION=us-central1

    Sebbene questo tutorial utilizzi la regione us-central1, puoi utilizzare qualsiasi regione in cui è disponibile Cloud Run.

  4. Crea una variabile di ambiente per l'immagine Docker:

    export RECOMMENDER_IMAGE=gcr.io/$RECO_MGR_PROJECT/recommendation-collector:1.0

  5. Crea l'immagine Docker e caricala su Container Registry:

     gcloud builds submit --tag $RECOMMENDER_IMAGE

  6. Crea un account di servizio per il servizio recommendation-collector per dialogare con altri servizi Google Cloud nella pipeline:

    gcloud iam service-accounts create recommendation-collector-sa \
  --description "Service Account that the recommendation-collector service uses to invoke other Google Cloud services" \
  --display-name "recommendation-collector-sa" \
  --project $RECO_MGR_PROJECT

    È buona prassi concedere autorizzazioni granulari ai servizi Cloud Run assegnando ruoli predefiniti all'account di servizio. Per saperne di più, consulta Identità del servizio.

  7. Concedi all'account di servizio per il servizio recommendation-collector l'accesso a Firestore e all'API Recommender:

    gcloud projects add-iam-policy-binding $RECO_MGR_PROJECT \
  --member serviceAccount:recommendation-collector-sa@$RECO_MGR_PROJECT.iam.gserviceaccount.com \
  --role roles/datastore.user
gcloud projects add-iam-policy-binding $RECO_MGR_PROJECT \
  --member serviceAccount:recommendation-collector-sa@$RECO_MGR_PROJECT.iam.gserviceaccount.com \
  --role roles/pubsub.publisher

  8. Se stai eseguendo questo tutorial utilizzando l'esempio stub fornito nel repository che hai clonato, vai al passaggio successivo.

    Se stai creando la pipeline in questo tutorial utilizzando i consigli generati per un progetto Google Cloud esistente, devi assegnare le autorizzazioni IAM ai service account che hai creato per eseguire i due servizi Cloud Run.

    Prima di eseguire i comandi, imposta una variabile di ambiente, TEST_PROJECT_ID, con l'ID del progetto per cui esegui questa pipeline:

    export TEST_PROJECT_ID=TEST_PROJECT_ID
gcloud projects add-iam-policy-binding $TEST_PROJECT_ID \
  --member serviceAccount:recommendation-collector-sa@$RECO_MGR_PROJECT.iam.gserviceaccount.com \
  --role roles/recommender.iamAdmin
gcloud projects add-iam-policy-binding $TEST_PROJECT_ID \
  --member serviceAccount:recommendation-collector-sa@$RECO_MGR_PROJECT.iam.gserviceaccount.com \
  --role roles/serviceusage.serviceUsageConsumer
gcloud services enable recommender.googleapis.com --project $TEST_PROJECT_ID

    Assicurati che l'ID progetto che utilizzi corrisponda a quello inserito durante la creazione delle raccolte Firestore.

  9. Per questo tutorial, esegui il deployment del servizio con una variabile di ambiente chiamata STUB_RECOMMENDATIONS. Questa variabile ti consente di utilizzare uno stub per testare la pipeline.

    Esegui il deployment del servizio Cloud Run:

    gcloud run deploy recommendation-collector \
  --image=$RECOMMENDER_IMAGE \
  --no-allow-unauthenticated \
  --region $REGION \
  --platform managed \
  --service-account recommendation-collector-sa@$RECO_MGR_PROJECT.iam.gserviceaccount.com \
  --set-env-vars="STUB_RECOMMENDATIONS=true" \
  --project $RECO_MGR_PROJECT \

    Accetta eventuali richieste del sistema.

    Se vuoi eseguire la pipeline utilizzando i consigli di Active Assist generati per un progetto Google Cloud, rimuovi la riga seguente dal comando prima di eseguirlo:

    --set-env-vars="STUB_RECOMMENDATIONS=true"

Configura un job Cloud Scheduler per eseguire il recommender-collector service

  1. In Cloud Shell, crea un account di servizio per i job Cloud Scheduler da utilizzare per eseguire il servizio recommendation-collector:

    gcloud iam service-accounts create recommender-scheduler-sa \
  --description "Service Account used by Cloud Scheduler to invoke the recommender-parser service" \
  --display-name "recommender-scheduler-sa" \
  --project $RECO_MGR_PROJECT

  2. Assegna all'account di servizio il ruolo run/invoker per consentirgli di invocare il servizio Cloud Run:

    gcloud run services add-iam-policy-binding recommendation-collector \
  --member=serviceAccount:recommender-scheduler-sa@$RECO_MGR_PROJECT.iam.gserviceaccount.com \
  --role=roles/run.invoker \
  --region=$REGION \
  --platform=managed

  3. Recupera l'URL del servizio recommendation-collector:

    export RECOMMENDER_SERVICE_URI=`gcloud run services describe recommendation-collector \
  --platform managed \
  --project $RECO_MGR_PROJECT \
  --region $REGION \
  --format="value(status.url)"`/run

  4. Crea un job Cloud Scheduler denominato recommender-iam-scheduler:

    gcloud scheduler jobs create http recommender-iam-scheduler \
  --project $RECO_MGR_PROJECT \
  --time-zone "America/Los_Angeles" \
  --schedule="0 */3 * * *" \
  --uri=$RECOMMENDER_SERVICE_URI \
  --description="Scheduler job to invoke recommendation pipeline" \
  --oidc-service-account-email="recommender-scheduler-sa@$RECO_MGR_PROJECT.iam.gserviceaccount.com" \
  --headers="Content-Type=application/json" \
  --http-method="POST"

    Imposta il fuso orario in base alla tua posizione. Il formato del valore del fuso orario si basa sul database tz.

    Per ulteriori informazioni, consulta gcloud scheduler jobs create http.

    Il job Cloud Scheduler richiama la route /run per il servizio recommendation-collector.

    L'impostazione del flag --schedule="0 */3 * * *" esegue il job Scheduler ogni tre ore. Puoi modificare questa impostazione in base alle tue esigenze. Per ulteriori informazioni, vedi Configurare le pianificazioni dei job cron.

Crea il motore delle regole di suggerimento per elaborare i suggerimenti

In questa sezione crei un secondo servizio Cloud Run denominato recommendation-rules-engine per elaborare i consigli raccolti dal servizio recommendation-collector. Il servizio recommendation-rules-engine viene invocato da Pub/Sub quando vengono inviati nuovi consigli nell'argomento activeassist-recommendations.

Questo servizio analizza i consigli in base alle regole aziendali che hai definito nella raccolta activeassist-business-rules.

  1. In Cloud Shell, apri la directory recommendation-rules-engine:

    cd ../recommendation-rules-engine

  2. Crea una variabile di ambiente per l'immagine Docker:

    export RULES_ENGINE_IMAGE=gcr.io/$RECO_MGR_PROJECT/recommendation-rules-engine:1.0

  3. Crea l'immagine Docker e caricala su Container Registry:

    gcloud builds submit --tag $RULES_ENGINE_IMAGE

  4. Crea un account di servizio per il servizio recommendation-rules-engine per interagire con altri servizi Google Cloud nella pipeline:

    gcloud iam service-accounts create recommendation-rules-sa \
 --description "Service Account that recommendation-rules-engine uses to invoke other Google Cloud services" \
 --display-name "recommendation-rules-sa" \
 --project $RECO_MGR_PROJECT

  5. Concedi all'account di servizio per il servizio recommendation-rules-engine l'accesso a Firestore:

    gcloud projects add-iam-policy-binding $RECO_MGR_PROJECT \
  --member serviceAccount:recommendation-rules-sa@$RECO_MGR_PROJECT.iam.gserviceaccount.com \
  --role roles/datastore.user

    Se utilizzi gli stub forniti per questo tutorial, vai al passaggio successivo.

    Se stai testando la pipeline utilizzando i consigli generati per un progetto Google Cloud anziché gli stub forniti per questo tutorial, esegui i seguenti comandi per consentire all'account di servizio del motore di regole di accedere al tuo progetto:

    gcloud projects add-iam-policy-binding $TEST_PROJECT_ID \
  --member serviceAccount:recommendation-rules-sa@$RECO_MGR_PROJECT.iam.gserviceaccount.com \
  --role roles/serviceusage.serviceUsageConsumer
gcloud projects add-iam-policy-binding $TEST_PROJECT_ID \
  --member serviceAccount:recommendation-rules-sa@$RECO_MGR_PROJECT.iam.gserviceaccount.com \
  --role roles/recommender.iamAdmin
gcloud projects add-iam-policy-binding $TEST_PROJECT_ID \
  --member serviceAccount:recommendation-rules-sa@$RECO_MGR_PROJECT.iam.gserviceaccount.com \
  --role roles/resourcemanager.projectIamAdmin

  6. Esegui il deployment del servizio Cloud Run:

    gcloud run deploy recommendation-rules-engine \
  --image=$RULES_ENGINE_IMAGE \
  --no-allow-unauthenticated \
  --region $REGION \
  --platform managed \
  --service-account recommendation-rules-sa@$RECO_MGR_PROJECT.iam.gserviceaccount.com \
  --project $RECO_MGR_PROJECT

    Accetta eventuali richieste del sistema.

  7. Recupera l'URL recommendation-rules-engine:

    export RECOMMENDER_SERVICE_RULES_URI=`gcloud run services describe recommendation-rules-engine \
  --platform managed \
  --project $RECO_MGR_PROJECT \
  --region $REGION \
  --format="value(status.url)"`/process

    L'URL recuperato in questo passaggio viene richiamato quando diventano disponibili nuovi consigli dall'argomento Pub/Sub che crei nel passaggio successivo.

Crea un argomento Pub/Sub per i consigli attivi

In questa sezione, crei un argomento Pub/Sub per i consigli di Active Assist recuperati dal servizio recommender-collector chiamando l'API Recommender.

  1. In Cloud Shell, crea un argomento Pub/Sub:

    gcloud pubsub topics create activeassist-recommendations

  2. Crea un account di servizio da utilizzare per Pub/Sub per richiamare il servizio Cloud Run recommendation-rules-engine:

    gcloud iam service-accounts create recommendation-engine-sub-sa \
  --description "Service Account used by Pub/Sub to push recommendations to the recommendation-rules-engine service" \
  --display-name "recommendation-engine-sub-sa" \
  --project $RECO_MGR_PROJECT

  3. L'account di servizio Pub/Sub deve essere associato ai ruoli di cui ha bisogno per pubblicare i messaggi e richiamare il servizio recommendation-rules-engine:

    gcloud projects add-iam-policy-binding $RECO_MGR_PROJECT \
  --member serviceAccount:recommendation-engine-sub-sa@$RECO_MGR_PROJECT.iam.gserviceaccount.com \
  --role roles/run.invoker \
  --project $RECO_MGR_PROJECT

Crea una sottoscrizione per l'argomento Pub/Sub

  1. Crea un abbonamento per il servizio recommendation-rules-engine:

    # grant Pub/Sub the permission to create tokens
PUBSUB_SERVICE_ACCOUNT="service-$RECO_MGR_PROJECT_NUMBER@gcp-sa-pubsub.iam.gserviceaccount.com"
gcloud projects add-iam-policy-binding $RECO_MGR_PROJECT \
  --member="serviceAccount:$PUBSUB_SERVICE_ACCOUNT"\
  --role='roles/iam.serviceAccountTokenCreator'
# configure the subscription push identity
gcloud pubsub subscriptions create active-assist-recommendations-for-rules-engine \
  --topic=activeassist-recommendations \
  --topic-project=$RECO_MGR_PROJECT \
  --push-auth-service-account=recommendation-engine-sub-sa@$RECO_MGR_PROJECT.iam.gserviceaccount.com \
  --ack-deadline=60 \
  --push-endpoint=$RECOMMENDER_SERVICE_RULES_URI

  2. Consenti all'account di servizio recommendation-engine-sub-sa che hai creato di richiamare il servizio recommendation-rules-engine:

    gcloud run services add-iam-policy-binding recommendation-rules-engine \
  --member=serviceAccount:recommendation-engine-sub-sa@$RECO_MGR_PROJECT.iam.gserviceaccount.com \
  --role=roles/run.invoker \
  --region=$REGION \
  --platform=managed

Eseguire test end-to-end utilizzando gli stub

I consigli di Active Assist vengono generati dalla piattaforma in base ai pattern di utilizzo e alle metriche di sistema. Ogni categoria di consigli potrebbe utilizzare una finestra temporale predefinita diversa nel passato per analizzare i dati e le metriche di utilizzo in base ai quali vengono generati i consigli. Ad esempio, i consigli IAM vengono generati dalla piattaforma in base ai pattern di utilizzo degli ultimi 90 giorni.

Per testare la pipeline end-to-end, il repository che hai clonato per questo tutorial fornisce consigli di esempio (stub) che utilizzi per eseguire la pipeline end-to-end.

In questa sezione:

  • Controlla i consigli per gli stub.
  • Richiama la pipeline manualmente.
  • Controlla se viene generata e inviata una notifica al canale Slack che hai creato.

  1. Esamina i consigli di esempio forniti nel repository:

    cat ../recommendation-collector/stub.json

    Questo file fornisce un consiglio di esempio con un'azione REMOVE per un ruolo di esempio chiamato roles/gkehub.connect.

  2. Esegui il seguente comando per fare in modo che Cloud Scheduler esegua immediatamente il job, anziché attendere l'esecuzione pianificata successiva:

    gcloud scheduler jobs run recommender-iam-scheduler

  3. Nella pagina della console Cloud Scheduler, nella colonna Risultato per il job recommender-iam-scheduler, verifica che il risultato sia Successo.

    Per visualizzare una panoramica dettagliata dei passaggi eseguiti da ciascun servizio, puoi anche visualizzare i log del servizio Cloud Run per il servizio recommendation-collector e il servizio recommendation-rules-engine.

  4. Quando la pipeline end-to-end serverless creata in questo tutorial viene eseguita correttamente, viene generata una notifica di Slack contenente i dettagli dell'associazione del ruolo consigliata da rimuovere. Di seguito è riportato un esempio della notifica che ricevi:

    Project xxxxxxxx\
**Impact**: SECURITY\
This role has not been used during the observation window.\
**Role**: roles/gkehub.connect\
**Member**:
serviceAccount:sample-sa@recommendation-sample.iam.gserviceaccount.com\
**Action**: remove

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.

  • In the Google Cloud console, go to the Manage resources page.

    Go to Manage resources

  • In the project list, select the project that you want to delete, and then click Delete.
  • In the dialog, type the project ID, and then click Shut down to delete the project.

    • Passaggi successivi