Crea e crea un job Shell in Cloud Run

Scopri come creare un semplice job Cloud Run, quindi eseguire il deployment dall'origine che pacchettizza automaticamente il codice in un'immagine container, carica dell'immagine container in Artifact Registry, per poi eseguirne il deployment in Cloud Run. Puoi utilizzare altre lingue oltre a quelle mostrate.

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. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

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

  4. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

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

  6. Abilita l'API Cloud Run Admin:

    gcloud services enable run.googleapis.com

    Dopo aver abilitato l'API Cloud Run Admin, l'account di servizio predefinito di Compute Engine viene creato automaticamente.

  7. Affinché Cloud Build sia in grado di creare le tue origini, concedi il parametro Account di servizio Cloud Build all'account di servizio predefinito di Compute Engine eseguendo questo comando:

    gcloud projects add-iam-policy-binding PROJECT_ID \
    --member=serviceAccount:PROJECT_NUMBER-compute@developer.gserviceaccount.com \
    --role=roles/cloudbuild.builds.builder

    Sostituisci PROJECT_NUMBER con il tuo Google Cloud il numero del progetto e PROJECT_ID con il tuo Google Cloud dell'ID progetto.

    Puoi trovare sia il numero di progetto sia l'ID progetto nella Ti diamo il benvenuto della console Google Cloud.

Scrittura del job di esempio

Per scrivere un job Cloud Run che esegue uno script Shell:

  1. Crea una nuova directory denominata jobs e cambia directory al suo interno:

    mkdir jobs
cd jobs

  2. Crea un file Dockerfile con il seguente contenuto:

    
# Use the official Ubuntu image from Docker Hub as
# a base image
FROM ubuntu:24.04

# Execute next commands in the directory /workspace
WORKDIR /workspace

# Copy over the script to the /workspace directory
COPY script.sh .

# Just in case the script doesn't have the executable bit set
RUN chmod +x ./script.sh

# Run the script when starting the container
CMD [ "./script.sh" ]

  3. Nella stessa directory, crea un file script.sh per il codice del job effettivo. Copia le seguenti linee di esempio:

    #!/bin/bash
set -euo pipefail

# In production, consider printing commands as they are executed. 
# This helps with debugging if things go wrong and you only 
# have the logs.
#
# Add -x:
# `set -euox pipefail`

CLOUD_RUN_TASK_INDEX=${CLOUD_RUN_TASK_INDEX:=0}
CLOUD_RUN_TASK_ATTEMPT=${CLOUD_RUN_TASK_ATTEMPT:=0}

echo "Starting Task #${CLOUD_RUN_TASK_INDEX}, Attempt #${CLOUD_RUN_TASK_ATTEMPT}..."

# SLEEP_MS and FAIL_RATE should be a decimal
# numbers. parse and format the input using 
# printf. 
#
# printf validates the input since it 
# quits on invalid input, as shown here:
#
#   $: printf '%.1f' "abc"
#   bash: printf: abc: invalid number
#
SLEEP_MS=$(printf '%.1f' "${SLEEP_MS:=0}")
FAIL_RATE=$(printf '%.1f' "${FAIL_RATE:=0}")

# Wait for a specific amount of time to simulate
# performing some work
SLEEP_SEC=$(echo print\("${SLEEP_MS}"/1000\) | perl)
sleep "$SLEEP_SEC" # sleep accepts seconds, not milliseconds

# Fail the task with a likelihood of $FAIL_RATE

# Bash does not do floating point arithmetic. Use perl 
# to convert into integer and multiply by 100.
FAIL_RATE_INT=$(echo print\("int(${FAIL_RATE:=0}*100"\)\) | perl)

# Generate a random number between 0 and 100
RAND=$(( RANDOM % 100))
if (( RAND < FAIL_RATE_INT )); then 
    echo "Task #${CLOUD_RUN_TASK_INDEX}, Attempt #${CLOUD_RUN_TASK_ATTEMPT} failed."
    exit 1
else 
    echo "Completed Task #${CLOUD_RUN_TASK_INDEX}."
fi

    I job Cloud Run consentono agli utenti di specificare il numero di attività di cui eseguire il job da eseguire. Questo codice campione mostra come utilizzare l'CLOUD_RUN_TASK_INDEX integrata variabile di ambiente. Ogni attività rappresenta una copia in esecuzione del container. Tieni presente che di solito le attività vengono eseguite in parallelo. Utilizzare più attività è utile se ogni attività può elaborare in modo indipendente un sottoinsieme dei tuoi dati.

    Ogni attività è a conoscenza del proprio indice, archiviato nel CLOUD_RUN_TASK_INDEX variabile di ambiente. La variabile di ambiente CLOUD_RUN_TASK_COUNT integrata contiene il numero di attività fornite durante l'esecuzione del job tramite --tasks .

    Il codice mostrato mostra anche come riprovare le attività, utilizzando lo strumento CLOUD_RUN_TASK_ATTEMPT variabile di ambiente, che contiene il numero di numero di nuovi tentativi per questa attività, a partire da 0 per il primo tentativo e con incrementi di 1 per ogni tentativo successivo, fino a un massimo di --max-retries.

    Il codice consente anche di generare errori per testare i nuovi tentativi. e generare log di errore per vedere come si presentano.

Il codice è completo e pronto per essere pacchettizzato in un container.

Crea il container dei job, invialo ad Artifact Registry ed esegui il deployment in Cloud Run

Importante: questa guida rapida presuppone che tu disponga dei ruoli di proprietario o editor nel progetto che stai utilizzando per la guida rapida. In caso contrario, consulta il ruolo Sviluppatore origine Cloud Run per le autorizzazioni richieste per il deployment di una risorsa Cloud Run dall'origine.

Questa guida rapida utilizza il deployment dall'origine, che crea il container, lo carica in Artifact Registry ed esegue il deployment del job in Cloud Run:

gcloud run jobs deploy job-quickstart \
    --source . \
    --tasks 50 \
    --set-env-vars SLEEP_MS=10000 \
    --set-env-vars FAIL_RATE=0.1 \
    --max-retries 5 \
    --region REGION \
    --project=PROJECT_ID

dove PROJECT_ID è l'ID progetto e REGION è il tuo regione, ad esempio us-central1. Tieni presente che puoi modificare i vari parametri ai valori che vuoi utilizzare per i tuoi test. SLEEP_MS simula il lavoro e FAIL_RATE fa sì che X% delle attività non vada a buon fine, quindi possono sperimentare il parallelismo e ritentare le attività non riuscite.

esegui un job in Cloud Run

Per eseguire il job appena creato:

gcloud run jobs execute job-quickstart --region REGION

Sostituisci REGION con la regione utilizzata al momento della creazione e del deployment del job, ad esempio us-central1.

Passaggi successivi

Per saperne di più sulla creazione di un container dall'origine di codice e sul push a un repository, consulta: