Tutoriel : Traiter des images à partir de Cloud Storage

Ce tutoriel explique comment utiliser Cloud Run, l'API Cloud Vision et ImageMagick pour détecter et flouter les images choquantes importées dans un bucket Cloud Storage. Ce tutoriel s'appuie sur le tutoriel Utiliser Pub/Sub avec Cloud Run.

Ce tutoriel explique comment modifier un exemple d'application existant. Vous pouvez également télécharger l'exemple complet si vous le souhaitez.

Vous pouvez utiliser ce tutoriel avec Cloud Run (entièrement géré) ou Cloud Run pour Anthos sur Google Cloud.

Objectifs

  • Écrire, créer et déployer un service de traitement de données asynchrone dans Cloud Run (entièrement géré) ou Cloud Run pour Anthos sur Google Cloud
  • Appeler le service en important un fichier dans Cloud Storage, en créant un message Pub/Sub
  • Utiliser l'API Cloud Vision pour détecter les contenus violents ou réservés aux adultes
  • Utiliser ImageMagick pour flouter les images choquantes
  • Tester le service en important une image représentant un zombie mangeur de chair

Coûts

Ce tutoriel utilise des composants facturables de Cloud Platform, dont :

Obtenez une estimation des coûts en fonction de votre utilisation prévue à l'aide du simulateur de coût.

Les nouveaux utilisateurs de Cloud Platform peuvent bénéficier d'un essai gratuit.

Avant de commencer

  1. Connectez-vous à votre compte Google.

    Si vous n'en possédez pas déjà un, vous devez en créer un.

  2. Dans Cloud Console, sur la page de sélection du projet, sélectionnez ou créez un projet Cloud.

    Accéder à la page de sélection du projet

  3. Vérifiez que la facturation est activée pour votre projet Google Cloud. Découvrez comment vérifier que la facturation est activée pour votre projet.

  4. Activez les Cloud Run and Cloud Vision API.

    Activer les API

  5. Installez et initialisez le SDK Cloud.
  6. Pour Cloud Run pour Anthos sur Google Cloud, installez le composant gcloud kubectl :
    gcloud components install kubectl
  7. Mettez à jour les composants :
    gcloud components update
  8. À l'aide de Cloud Run pour Anthos sur Google Cloud, créez un cluster en suivant les instructions de la section Configurer Cloud Run pour Anthos sur Google Cloud.
  9. Configurez un sujet Pub/Sub, un abonnement push sécurisé et un service Cloud Run initial pour gérer les messages en suivant le tutoriel Utiliser Pub/Sub.

Configurer les paramètres par défaut de gcloud

Pour configurer gcloud avec les valeurs par défaut pour votre service Cloud Run, procédez comme suit :

  1. Définissez le projet par défaut :

        gcloud config set project PROJECT-ID

    Remplacez PROJECT-ID par le nom du projet que vous avez créé pour ce tutoriel.

  2. Si vous utilisez Cloud Run (entièrement géré), configurez gcloud pour la région choisie :

        gcloud config set run/region REGION

    Remplacez REGION par la région Cloud Run compatible de votre choix.

  3. Si vous utilisez Cloud Run pour Anthos sur Google Cloud, configurez gcloud pour votre cluster :

        gcloud config set run/cluster CLUSTER-NAME
        gcloud config set run/cluster_location REGION

    Remplacer

    • CLUSTER-NAME par le nom que vous avez utilisé pour votre cluster ;
    • REGION par l'emplacement de cluster compatible de votre choix.

Emplacements Cloud Run

Cloud Run est régional, ce qui signifie que l'infrastructure qui exécute vos services Cloud Run est située dans une région spécifique et gérée par Google pour être disponible de manière redondante dans toutes les zones de cette région.

Lors de la sélection de la région dans laquelle exécuter vos services Cloud Run, vous devez tout d'abord considérer vos exigences en termes de latence, de disponibilité et de durabilité. Vous pouvez généralement sélectionner la région la plus proche de vos utilisateurs, mais vous devez tenir compte de l'emplacement des autres produits Google Cloud utilisés par votre service Cloud Run. L'utilisation combinée de produits Google Cloud sur plusieurs emplacements peut affecter la latence de votre service, ainsi que son coût.

Cloud Run est disponible dans les régions suivantes :

  • asia-east1 (Taïwan)
  • asia-northeast1 (Tokyo)
  • europe-north1 (Finlande)
  • europe-west1 (Belgique)
  • europe-west4 (Pays-Bas)
  • us-central1 (Iowa)
  • us-east1 (Caroline du Sud)
  • us-east4 (Virginie du Nord)
  • us-west1 (Oregon)

Si vous avez déjà créé un service Cloud Run, vous pouvez afficher la région dans le tableau de bord Cloud Run de Cloud Console.

Comprendre la séquence des opérations

Le flux de données de ce tutoriel comprend les étapes suivantes :

  1. Un utilisateur importe une image dans un bucket Cloud Storage.
  2. Cloud Storage publie un message sur le nouveau fichier dans Pub/Sub.
  3. Pub/Sub envoie le message au service Cloud Run.
  4. Le service Cloud Run récupère le fichier image référencé dans le message Pub/Sub.
  5. Le service Cloud Run utilise l'API Cloud Vision pour analyser l'image.
  6. Si un contenu violent ou réservé aux adultes est détecté, le service Cloud Run utilise ImageMagick pour flouter l'image.
  7. Le service Cloud Run importe l'image floutée dans un autre bucket Cloud Storage pour l'utiliser.

L'utilisation ultérieure de l'image floutée reste un exercice pour le lecteur.

Configurer des buckets Cloud Storage

  1. Créez un bucket Cloud Storage pour importer des images, où INPUT_BUCKET_NAME est un nom de bucket unique :

    gsutil mb gs://INPUT_BUCKET_NAME

    Le service Cloud Run lit uniquement à partir de ce bucket.

  2. Créez un deuxième bucket Cloud Storage pour recevoir des images floues, où BLURRED_BUCKET_NAME est un nom de bucket unique :

    gsutil mb gs://BLURRED_BUCKET_NAME

    Le service Cloud Run importe des images floues dans ce bucket. L'utilisation d'un bucket distinct empêche les images traitées de déclencher de nouveau le service.

Dans les étapes suivantes, vous allez créer et déployer un service qui traite la notification des importations de fichiers vers INPUT_BUCKET_NAME. Vous activez la distribution des notifications après avoir déployé et testé le service, afin d'éviter tout appel prématuré du nouveau service.

Modifier l'exemple de code du tutoriel Pub/Sub

Ce tutoriel se base sur le code assemblé dans le tutoriel Utiliser Pub/Sub. Si vous n'avez pas encore terminé ce tutoriel, faites-le maintenant en ignorant les étapes de nettoyage, puis revenez ici pour ajouter le comportement de traitement d'image.

Ajouter du code de traitement d'image

Le code de traitement d'image est séparé de la gestion des requêtes pour plus de lisibilité et de facilité de test. Pour ajouter du code de traitement des images :

  1. Accédez au répertoire de l'exemple de code du tutoriel Pub/Sub.

  2. Ajoutez du code pour importer les dépendances de traitement d'image, y compris les bibliothèques à intégrer aux services Google Cloud, à ImageMagick et au système de fichiers.

    Node.js

    Ouvrez un nouveau fichier image.js dans votre éditeur et copiez-y ce qui suit :
    const gm = require('gm').subClass({imageMagick: true});
        const fs = require('fs');
        const {promisify} = require('util');
        const path = require('path');
        const vision = require('@google-cloud/vision');
    
        const {Storage} = require('@google-cloud/storage');
        const storage = new Storage();
        const client = new vision.ImageAnnotatorClient();
    
        const {BLURRED_BUCKET_NAME} = process.env;

    Python

    Ouvrez un nouveau fichier image.py dans votre éditeur et copiez-y ce qui suit :
    import os
        import tempfile
    
        from google.cloud import storage, vision
        from wand.image import Image
    
        storage_client = storage.Client()
        vision_client = vision.ImageAnnotatorClient()

    Go

    Ouvrez un nouveau fichier imagemagick/imagemagick.go dans votre éditeur et copiez-y ce qui suit :
    
        // Package imagemagick contains an example of using ImageMagick to process a
        // file uploaded to Cloud Storage.
        package imagemagick
    
        import (
        	"context"
        	"errors"
        	"fmt"
        	"log"
        	"os"
        	"os/exec"
    
        	"cloud.google.com/go/storage"
        	vision "cloud.google.com/go/vision/apiv1"
        	visionpb "google.golang.org/genproto/googleapis/cloud/vision/v1"
        )
    
        // Global API clients used across function invocations.
        var (
        	storageClient *storage.Client
        	visionClient  *vision.ImageAnnotatorClient
        )
    
        func init() {
        	// Declare a separate err variable to avoid shadowing the client variables.
        	var err error
    
        	storageClient, err = storage.NewClient(context.Background())
        	if err != nil {
        		log.Fatalf("storage.NewClient: %v", err)
        	}
    
        	visionClient, err = vision.NewImageAnnotatorClient(context.Background())
        	if err != nil {
        		log.Fatalf("vision.NewAnnotatorClient: %v", err)
        	}
        }
        

    Java

    Ouvrez un nouveau fichier src/main/java/com/example/cloudrun/ImageMagick.java dans votre éditeur et copiez-y ce qui suit :
    import com.google.cloud.storage.Blob;
        import com.google.cloud.storage.BlobId;
        import com.google.cloud.storage.BlobInfo;
        import com.google.cloud.storage.Storage;
        import com.google.cloud.storage.StorageOptions;
        import com.google.cloud.vision.v1.AnnotateImageRequest;
        import com.google.cloud.vision.v1.AnnotateImageResponse;
        import com.google.cloud.vision.v1.BatchAnnotateImagesResponse;
        import com.google.cloud.vision.v1.Feature;
        import com.google.cloud.vision.v1.Feature.Type;
        import com.google.cloud.vision.v1.Image;
        import com.google.cloud.vision.v1.ImageAnnotatorClient;
        import com.google.cloud.vision.v1.ImageSource;
        import com.google.cloud.vision.v1.SafeSearchAnnotation;
        import com.google.gson.JsonObject;
        import java.io.IOException;
        import java.nio.file.Files;
        import java.nio.file.Path;
        import java.nio.file.Paths;
        import java.util.ArrayList;
        import java.util.List;
    
        public class ImageMagick {
    
          private static final String BLURRED_BUCKET_NAME = System.getenv("BLURRED_BUCKET_NAME");
          private static Storage storage = StorageOptions.getDefaultInstance().getService();

  3. Ajoutez le code pour recevoir un message Pub/Sub en tant qu'objet d'événement et contrôler le traitement d'image.

    L'événement contient des données relatives à l'image importée à l'origine. Ce code détermine si l'image doit être floutée en vérifiant les résultats d'une analyse Cloud Vision pour le contenu violent ou réservé aux adultes.

    Node.js

    // Blurs uploaded images that are flagged as Adult or Violence.
        exports.blurOffensiveImages = async (event) => {
          // This event represents the triggering Cloud Storage object.
          const object = event;
    
          const file = storage.bucket(object.bucket).file(object.name);
          const filePath = `gs://${object.bucket}/${object.name}`;
    
          console.log(`Analyzing ${file.name}.`);
    
          try {
            const [result] = await client.safeSearchDetection(filePath);
            const detections = result.safeSearchAnnotation || {};
    
            if (
              // Levels are defined in https://cloud.google.com/vision/docs/reference/rest/v1/AnnotateImageResponse#likelihood
              detections.adult === 'VERY_LIKELY' ||
              detections.violence === 'VERY_LIKELY'
            ) {
              console.log(`Detected ${file.name} as inappropriate.`);
              return blurImage(file, BLURRED_BUCKET_NAME);
            } else {
              console.log(`Detected ${file.name} as OK.`);
            }
          } catch (err) {
            console.error(`Failed to analyze ${file.name}.`, err);
            throw err;
          }
        };

    Python

    # Blurs uploaded images that are flagged as Adult or Violence.
        def blur_offensive_images(data):
            file_data = data
    
            file_name = file_data['name']
            bucket_name = file_data['bucket']
    
            blob = storage_client.bucket(bucket_name).get_blob(file_name)
            blob_uri = f'gs://{bucket_name}/{file_name}'
            blob_source = {'source': {'image_uri': blob_uri}}
            # Ignore already-blurred files
            if file_name.startswith('blurred-'):
                print(f'The image {file_name} is already blurred.')
                return
    
            print(f'Analyzing {file_name}.')
    
            result = vision_client.safe_search_detection(blob_source)
            detected = result.safe_search_annotation
    
            # Process image
            if detected.adult == 5 or detected.violence == 5:
                print(f'The image {file_name} was detected as inappropriate.')
                return __blur_image(blob)
            else:
                print(f'The image {file_name} was detected as OK.')

    Go

    
        // GCSEvent is the payload of a GCS event.
        type GCSEvent struct {
        	Bucket string `json:"bucket"`
        	Name   string `json:"name"`
        }
    
        // BlurOffensiveImages blurs offensive images uploaded to GCS.
        func BlurOffensiveImages(ctx context.Context, e GCSEvent) error {
        	outputBucket := os.Getenv("BLURRED_BUCKET_NAME")
        	if outputBucket == "" {
        		return errors.New("BLURRED_BUCKET_NAME must be set")
        	}
    
        	img := vision.NewImageFromURI(fmt.Sprintf("gs://%s/%s", e.Bucket, e.Name))
    
        	resp, err := visionClient.DetectSafeSearch(ctx, img, nil)
        	if err != nil {
        		return fmt.Errorf("AnnotateImage: %v", err)
        	}
    
        	if resp.GetAdult() == visionpb.Likelihood_VERY_LIKELY ||
        		resp.GetViolence() == visionpb.Likelihood_VERY_LIKELY {
        		return blur(ctx, e.Bucket, outputBucket, e.Name)
        	}
        	log.Printf("The image %q was detected as OK.", e.Name)
        	return nil
        }
        

    Java

    // Blurs uploaded images that are flagged as Adult or Violence.
        public static void blurOffensiveImages(JsonObject data) {
          String fileName = data.get("name").getAsString();
          String bucketName = data.get("bucket").getAsString();
          BlobInfo blobInfo = BlobInfo.newBuilder(bucketName, fileName).build();
          // Construct URI to GCS bucket and file.
          String gcsPath = String.format("gs://%s/%s", bucketName, fileName);
          System.out.println(String.format("Analyzing %s", fileName));
    
          // Construct request.
          List<AnnotateImageRequest> requests = new ArrayList<>();
          ImageSource imgSource = ImageSource.newBuilder().setImageUri(gcsPath).build();
          Image img = Image.newBuilder().setSource(imgSource).build();
          Feature feature = Feature.newBuilder().setType(Type.SAFE_SEARCH_DETECTION).build();
          AnnotateImageRequest request =
              AnnotateImageRequest.newBuilder().addFeatures(feature).setImage(img).build();
          requests.add(request);
    
          // Send request to the Vision API.
          try (ImageAnnotatorClient client = ImageAnnotatorClient.create()) {
            BatchAnnotateImagesResponse response = client.batchAnnotateImages(requests);
            List<AnnotateImageResponse> responses = response.getResponsesList();
            for (AnnotateImageResponse res : responses) {
              if (res.hasError()) {
                System.out.println(String.format("Error: %s\n", res.getError().getMessage()));
                return;
              }
              // Get Safe Search Annotations
              SafeSearchAnnotation annotation = res.getSafeSearchAnnotation();
              if (annotation.getAdultValue() == 5 || annotation.getViolenceValue() == 5) {
                System.out.println(String.format("Detected %s as inappropriate.", fileName));
                blur(blobInfo);
              } else {
                System.out.println(String.format("Detected %s as OK.", fileName));
              }
            }
          } catch (Exception e) {
            System.out.println(String.format("Error with Vision API: %s", e.getMessage()));
          }
        }

  4. Récupérez l'image référencée dans le bucket d'entrée Cloud Storage créé ci-dessus, utilisez ImageMagick pour transformer l'image avec un effet de flou et importez le résultat dans le bucket de sortie.

    Node.js

    // Blurs the given file using ImageMagick, and uploads it to another bucket.
        const blurImage = async (file, blurredBucketName) => {
          const tempLocalPath = `/tmp/${path.parse(file.name).base}`;
    
          // Download file from bucket.
          try {
            await file.download({destination: tempLocalPath});
    
            console.log(`Downloaded ${file.name} to ${tempLocalPath}.`);
          } catch (err) {
            throw new Error(`File download failed: ${err}`);
          }
    
          await new Promise((resolve, reject) => {
            gm(tempLocalPath)
              .blur(0, 16)
              .write(tempLocalPath, (err, stdout) => {
                if (err) {
                  console.error('Failed to blur image.', err);
                  reject(err);
                } else {
                  console.log(`Blurred image: ${file.name}`);
                  resolve(stdout);
                }
              });
          });
    
          // Upload result to a different bucket, to avoid re-triggering this function.
          const blurredBucket = storage.bucket(blurredBucketName);
    
          // Upload the Blurred image back into the bucket.
          const gcsPath = `gs://${blurredBucketName}/${file.name}`;
          try {
            await blurredBucket.upload(tempLocalPath, {destination: file.name});
            console.log(`Uploaded blurred image to: ${gcsPath}`);
          } catch (err) {
            throw new Error(`Unable to upload blurred image to ${gcsPath}: ${err}`);
          }
    
          // Delete the temporary file.
          const unlink = promisify(fs.unlink);
          return unlink(tempLocalPath);
        };

    Python

    # Blurs the given file using ImageMagick.
        def __blur_image(current_blob):
            file_name = current_blob.name
            _, temp_local_filename = tempfile.mkstemp()
    
            # Download file from bucket.
            current_blob.download_to_filename(temp_local_filename)
            print(f'Image {file_name} was downloaded to {temp_local_filename}.')
    
            # Blur the image using ImageMagick.
            with Image(filename=temp_local_filename) as image:
                image.resize(*image.size, blur=16, filter='hamming')
                image.save(filename=temp_local_filename)
    
            print(f'Image {file_name} was blurred.')
    
            # Upload result to a second bucket, to avoid re-triggering the function.
            # You could instead re-upload it to the same bucket + tell your function
            # to ignore files marked as blurred (e.g. those with a "blurred" prefix)
            blur_bucket_name = os.getenv('BLURRED_BUCKET_NAME')
            blur_bucket = storage_client.bucket(blur_bucket_name)
            new_blob = blur_bucket.blob(file_name)
            new_blob.upload_from_filename(temp_local_filename)
            print(f'Blurred image uploaded to: gs://{blur_bucket_name}/{file_name}')
    
            # Delete the temporary file.
            os.remove(temp_local_filename)

    Go

    
        // blur blurs the image stored at gs://inputBucket/name and stores the result in
        // gs://outputBucket/name.
        func blur(ctx context.Context, inputBucket, outputBucket, name string) error {
        	inputBlob := storageClient.Bucket(inputBucket).Object(name)
        	r, err := inputBlob.NewReader(ctx)
        	if err != nil {
        		return fmt.Errorf("NewReader: %v", err)
        	}
    
        	outputBlob := storageClient.Bucket(outputBucket).Object(name)
        	w := outputBlob.NewWriter(ctx)
        	defer w.Close()
    
        	// Use - as input and output to use stdin and stdout.
        	cmd := exec.Command("convert", "-", "-blur", "0x8", "-")
        	cmd.Stdin = r
        	cmd.Stdout = w
    
        	if err := cmd.Run(); err != nil {
        		return fmt.Errorf("cmd.Run: %v", err)
        	}
    
        	log.Printf("Blurred image uploaded to gs://%s/%s", outputBlob.BucketName(), outputBlob.ObjectName())
    
        	return nil
        }
        

    Java

      // Blurs the file described by blobInfo using ImageMagick,
          // and uploads it to the blurred bucket.
          public static void blur(BlobInfo blobInfo) throws IOException {
            String bucketName = blobInfo.getBucket();
            String fileName = blobInfo.getName();
            // Download image
            Blob blob = storage.get(BlobId.of(bucketName, fileName));
            Path download = Paths.get("/tmp/", fileName);
            blob.downloadTo(download);
    
            // Construct the command.
            List<String> args = new ArrayList<String>();
            args.add("convert");
            args.add(download.toString());
            args.add("-blur");
            args.add("0x8");
            Path upload = Paths.get("/tmp/", "blurred-" + fileName);
            args.add(upload.toString());
            try {
              ProcessBuilder pb = new ProcessBuilder(args);
              Process process = pb.start();
              process.waitFor();
            } catch (Exception e) {
              System.out.println(String.format("Error: %s", e.getMessage()));
            }
    
            // Upload image to blurred bucket.
            BlobId blurredBlobId = BlobId.of(BLURRED_BUCKET_NAME, fileName);
            BlobInfo blurredBlobInfo =
                BlobInfo.newBuilder(blurredBlobId).setContentType(blob.getContentType()).build();
            try {
              byte[] blurredFile = Files.readAllBytes(upload);
              Blob blurredBlob = storage.create(blurredBlobInfo, blurredFile);
              System.out.println(
                  String.format("Blurred image uploaded to: gs://%s/%s", BLURRED_BUCKET_NAME, fileName));
            } catch (Exception e) {
              System.out.println(String.format("Error in upload: %s", e.getMessage()));
            }
    
            // Remove images from fileSystem
            Files.delete(download);
            Files.delete(upload);
          }
        }

Intégrer le traitement d'image dans l'exemple de code Pub/Sub

Pour modifier le service existant afin d'intégrer le code de traitement d'image :

  1. Ajoutez de nouvelles dépendances pour votre service, y compris les bibliothèques clientes Cloud Vision et Cloud Storage :

    Node.js

    npm install --save gm @google-cloud/storage @google-cloud/vision

    Python

    Ajoutez les bibliothèques clientes nécessaires pour que votre fichier requirements.txt se présente comme suit :
    Flask==1.1.1
        pytest==5.3.0; python_version > "3.0"
        pytest==4.6.6; python_version < "3.0"
        gunicorn==20.0.4
        google-cloud-vision==0.42.0
        google-cloud-storage==1.26.0
        Wand==0.5.9

    Go

    L'exemple d'application Go utilise des modules Go. Les nouvelles dépendances ajoutées ci-dessus dans l'instruction d'importation imagemagick/imagemagick.go seront automatiquement téléchargées par la prochaine commande qui en a besoin.

    Java

    Ajoutez la dépendance suivante sous <dependencyManagement> dans pom.xml :
    <dependency>
          <groupId>org.springframework.cloud</groupId>
          <artifactId>spring-cloud-gcp-dependencies</artifactId>
          <version>1.2.2.RELEASE</version>
          <type>pom</type>
          <scope>import</scope>
        </dependency>
    
    Ajoutez les dépendances suivantes sous <dependencies> dans pom.xml :
    <dependency>
          <groupId>com.google.code.gson</groupId>
          <artifactId>gson</artifactId>
          <version>2.8.6</version>
          <scope>compile</scope>
        </dependency>
        <dependency>
          <groupId>org.json</groupId>
          <artifactId>json</artifactId>
          <version>20190722</version>
        </dependency>
        <dependency>
          <groupId>org.springframework.cloud</groupId>
          <artifactId>spring-cloud-gcp-starter-vision</artifactId>
        </dependency>
        <dependency>
          <groupId>org.springframework.cloud</groupId>
          <artifactId>spring-cloud-gcp-starter-storage</artifactId>
        </dependency>
        <dependency>
          <groupId>commons-io</groupId>
          <artifactId>commons-io</artifactId>
          <version>2.6</version>
        </dependency>
    

  2. Ajoutez le package système ImageMagick à votre conteneur en modifiant Dockerfile sous l'instruction FROM. Si vous utilisez un fichier Dockerfile "multi-étapes", placez-le à l'étape finale.

    Debian/Ubuntu
    
        # Install Imagemagick into the container image.
        # For more on system packages review the system packages tutorial.
        # https://cloud.google.com/run/docs/tutorials/system-packages#dockerfile
        RUN set -ex; \
          apt-get -y update; \
          apt-get -y install imagemagick; \
          rm -rf /var/lib/apt/lists/*
        
    Alpine
    
        # Install Imagemagick into the container image.
        # For more on system packages review the system packages tutorial.
        # https://cloud.google.com/run/docs/tutorials/system-packages#dockerfile
        RUN apk add --no-cache imagemagick
        

    Pour en savoir plus sur l'utilisation des packages système dans votre service Cloud Run, consultez le tutoriel Utiliser des packages système.

  3. Remplacez le code de traitement des messages Pub/Sub existant par un appel de fonction à notre nouvelle logique de floutage.

    Node.js

    Le fichier app.js définit l'application Express.js et prépare les messages Pub/Sub reçus à utiliser. Apportez les modifications suivantes :

    • Ajouter du code pour importer le nouveau fichier image.js
    • Supprimer le code "Hello World" existant de la route
    • Ajouter du code pour valider le message Pub/Sub
    • Ajouter du code pour appeler la nouvelle fonction de traitement d'image

      Lorsque vous avez terminé, le code se présente comme suit :

    
        const express = require('express');
        const bodyParser = require('body-parser');
        const app = express();
    
        app.use(bodyParser.json());
    
        const image = require('./image');
    
        app.post('/', async (req, res) => {
          if (!req.body) {
            const msg = 'no Pub/Sub message received';
            console.error(`error: ${msg}`);
            res.status(400).send(`Bad Request: ${msg}`);
            return;
          }
          if (!req.body.message || !req.body.message.data) {
            const msg = 'invalid Pub/Sub message format';
            console.error(`error: ${msg}`);
            res.status(400).send(`Bad Request: ${msg}`);
            return;
          }
    
          // Decode the Pub/Sub message.
          const pubSubMessage = req.body.message;
          let data;
          try {
            data = Buffer.from(pubSubMessage.data, 'base64').toString().trim();
            data = JSON.parse(data);
          } catch (err) {
            const msg =
              'Invalid Pub/Sub message: data property is not valid base64 encoded JSON';
            console.error(`error: ${msg}: ${err}`);
            res.status(400).send(`Bad Request: ${msg}`);
            return;
          }
    
          // Validate the message is a Cloud Storage event.
          if (!data.name || !data.bucket) {
            const msg =
              'invalid Cloud Storage notification: expected name and bucket properties';
            console.error(`error: ${msg}`);
            res.status(400).send(`Bad Request: ${msg}`);
            return;
          }
    
          try {
            await image.blurOffensiveImages(data);
            res.status(204).send();
          } catch (err) {
            console.error(`error: Blurring image: ${err}`);
            res.status(500).send();
          }
        });

    Python

    Le fichier main.py définit l'application Flask et prépare les messages Pub/Sub reçus à utiliser. Apportez les modifications suivantes :

    • Ajouter le code pour importer le nouveau fichier image.py
    • Supprimer le code "Hello World" existant de la route
    • Ajouter du code pour valider le message Pub/Sub
    • Ajouter du code pour appeler la nouvelle fonction de traitement d'image

      Lorsque vous avez terminé, le code se présente comme suit :

    import base64
        from flask import Flask, request
        import json
        import os
        import sys
        import image
    
        app = Flask(__name__)
    
        @app.route('/', methods=['POST'])
        def index():
            envelope = request.get_json()
            if not envelope:
                msg = 'no Pub/Sub message received'
                print(f'error: {msg}')
                return f'Bad Request: {msg}', 400
    
            if not isinstance(envelope, dict) or 'message' not in envelope:
                msg = 'invalid Pub/Sub message format'
                print(f'error: {msg}')
                return f'Bad Request: {msg}', 400
    
            # Decode the Pub/Sub message.
            pubsub_message = envelope['message']
    
            if isinstance(pubsub_message, dict) and 'data' in pubsub_message:
                try:
                    data = json.loads(
                        base64.b64decode(pubsub_message['data']).decode())
    
                except Exception as e:
                    msg = ('Invalid Pub/Sub message: '
                           'data property is not valid base64 encoded JSON')
                    print(f'error: {e}')
                    return f'Bad Request: {msg}', 400
    
                # Validate the message is a Cloud Storage event.
                if not data["name"] or not data["bucket"]:
                    msg = ('Invalid Cloud Storage notification: '
                           'expected name and bucket properties')
                    print(f'error: {msg}')
                    return f'Bad Request: {msg}', 400
    
                try:
                    image.blur_offensive_images(data)
                    # Flush the stdout to avoid log buffering.
                    sys.stdout.flush()
                    return ('', 204)
    
                except Exception as e:
                    print(f'error: {e}')
                    return ('', 500)
    
            return ('', 500)

    Go

    Le fichier main.go définit le service HTTP et prépare les messages Pub/Sub reçus à utiliser. Apportez les modifications suivantes :

    • Ajouter du code pour importer le nouveau fichier imagemagick.go
    • Supprimer le code "Hello World" existant du gestionnaire
    • Ajouter du code pour valider le message Pub/Sub
    • Ajouter du code pour appeler la nouvelle fonction de traitement d'image

    
        // Sample image-processing is a Cloud Run service which performs asynchronous processing on images.
        package main
    
        import (
        	"encoding/json"
        	"io/ioutil"
        	"log"
        	"net/http"
        	"os"
    
        	"github.com/GoogleCloudPlatform/golang-samples/run/image-processing/imagemagick"
        )
    
        func main() {
        	http.HandleFunc("/", HelloPubSub)
        	// Determine port for HTTP service.
        	port := os.Getenv("PORT")
        	if port == "" {
        		port = "8080"
        	}
        	// Start HTTP server.
        	log.Printf("Listening on port %s", port)
        	if err := http.ListenAndServe(":"+port, nil); err != nil {
        		log.Fatal(err)
        	}
        }
    
        // PubSubMessage is the payload of a Pub/Sub event.
        type PubSubMessage struct {
        	Message struct {
        		Data []byte `json:"data,omitempty"`
        		ID   string `json:"id"`
        	} `json:"message"`
        	Subscription string `json:"subscription"`
        }
    
        // HelloPubSub receives and processes a Pub/Sub push message.
        func HelloPubSub(w http.ResponseWriter, r *http.Request) {
        	var m PubSubMessage
        	body, err := ioutil.ReadAll(r.Body)
        	if err != nil {
        		log.Printf("ioutil.ReadAll: %v", err)
        		http.Error(w, "Bad Request", http.StatusBadRequest)
        		return
        	}
        	if err := json.Unmarshal(body, &m); err != nil {
        		log.Printf("json.Unmarshal: %v", err)
        		http.Error(w, "Bad Request", http.StatusBadRequest)
        		return
        	}
    
        	var e imagemagick.GCSEvent
        	if err := json.Unmarshal(m.Message.Data, &e); err != nil {
        		log.Printf("json.Unmarshal: %v", err)
        		http.Error(w, "Bad Request", http.StatusBadRequest)
        		return
        	}
    
        	if e.Name == "" || e.Bucket == "" {
        		log.Printf("invalid GCSEvent: expected name and bucket")
        		http.Error(w, "Bad Request", http.StatusBadRequest)
        		return
        	}
    
        	if err := imagemagick.BlurOffensiveImages(r.Context(), e); err != nil {
        		log.Printf("imagemagick.BlurOffensiveImages: %v", err)
        		http.Error(w, "Internal Server Error", http.StatusInternalServerError)
        	}
        }
        

    Java

    Le fichier PubSubController.java définit le contrôleur qui gère les requêtes HTTP et prépare les messages Pub/Sub reçus à utiliser. Apportez les modifications suivantes :

    • Ajouter les nouvelles importations
    • Supprimer le code "Hello World" existant du contrôleur
    • Ajouter du code pour valider le message Pub/Sub
    • Ajouter du code pour appeler la nouvelle fonction de traitement d'image

    import com.google.gson.JsonObject;
        import com.google.gson.JsonParser;
        import java.util.Base64;
        import org.springframework.http.HttpStatus;
        import org.springframework.http.ResponseEntity;
        import org.springframework.web.bind.annotation.RequestBody;
        import org.springframework.web.bind.annotation.RequestMapping;
        import org.springframework.web.bind.annotation.RequestMethod;
        import org.springframework.web.bind.annotation.RestController;
    
        // PubsubController consumes a Pub/Sub message.
        @RestController
        public class PubSubController {
          @RequestMapping(value = "/", method = RequestMethod.POST)
          public ResponseEntity receiveMessage(@RequestBody Body body) {
            // Get PubSub message from request body.
            Body.Message message = body.getMessage();
            if (message == null) {
              String msg = "Bad Request: invalid Pub/Sub message format";
              System.out.println(msg);
              return new ResponseEntity(msg, HttpStatus.BAD_REQUEST);
            }
    
            // Decode the Pub/Sub message.
            String pubSubMessage = message.getData();
            JsonObject data;
            try {
              String decodedMessage = new String(Base64.getDecoder().decode(pubSubMessage));
              data = new JsonParser().parse(decodedMessage).getAsJsonObject();
            } catch (Exception e) {
              String msg = "Error: Invalid Pub/Sub message: data property is not valid base64 encoded JSON";
              System.out.println(msg);
              return new ResponseEntity(msg, HttpStatus.BAD_REQUEST);
            }
    
            // Validate the message is a Cloud Storage event.
            if (data.get("name") == null || data.get("bucket") == null) {
              String msg = "Error: Invalid Cloud Storage notification: expected name and bucket properties";
              System.out.println(msg);
              return new ResponseEntity(msg, HttpStatus.BAD_REQUEST);
            }
    
            try {
              ImageMagick.blurOffensiveImages(data);
            } catch (Exception e) {
              String msg = String.format("Error: Blurring image: %s", e.getMessage());
              System.out.println(msg);
              return new ResponseEntity(msg, HttpStatus.INTERNAL_SERVER_ERROR);
            }
            return new ResponseEntity(HttpStatus.OK);
          }
        }

Télécharger l'exemple complet

Pour récupérer l'intégralité de l'exemple de code de traitement d'image à utiliser :

  1. Clonez le dépôt de l'exemple d'application sur votre machine locale :

    Node.js

    git clone https://github.com/GoogleCloudPlatform/nodejs-docs-samples.git

    Vous pouvez également télécharger l'exemple en tant que fichier ZIP et l'extraire.

    Python

    git clone https://github.com/GoogleCloudPlatform/python-docs-samples.git

    Vous pouvez également télécharger l'exemple en tant que fichier ZIP et l'extraire.

    Go

    git clone https://github.com/GoogleCloudPlatform/golang-samples.git

    Vous pouvez également télécharger l'exemple en tant que fichier ZIP et l'extraire.

    Java

    git clone https://github.com/GoogleCloudPlatform/java-docs-samples.git

    Vous pouvez également télécharger l'exemple en tant que fichier ZIP et l'extraire.

  2. Accédez au répertoire contenant l'exemple de code Cloud Run :

    Node.js

    cd nodejs-docs-samples/run/image-processing/

    Python

    cd python-docs-samples/run/image-processing/

    Go

    cd golang-samples/run/image-processing/

    Java

    cd java-docs-samples/run/image-processing/

Transmettre le code

La transmission du code comprend trois étapes : créer une image de conteneur avec Cloud Build, importer l'image de conteneur dans Container Registry, et la déployer dans Cloud Run ou Cloud Run pour Anthos sur Google Cloud.

Pour transmettre votre code, procédez comme suit :

  1. Créez votre conteneur et publiez-le dans Container Registry :

    Node.js

        gcloud builds submit --tag gcr.io/PROJECT_ID/pubsub

    PROJECT_ID est votre ID de projet GCP et pubsub est le nom que vous souhaitez attribuer à votre service.

    En cas de réussite, un message SUCCESS apparaît contenant l'ID, l'heure de création et le nom de l'image. Celle-ci est stockée dans Container Registry et peut être réutilisée au besoin.

    Python

        gcloud builds submit --tag gcr.io/PROJECT_ID/pubsub

    PROJECT_ID est votre ID de projet GCP et pubsub est le nom que vous souhaitez attribuer à votre service.

    En cas de réussite, un message SUCCESS apparaît contenant l'ID, l'heure de création et le nom de l'image. Celle-ci est stockée dans Container Registry et peut être réutilisée au besoin.

    Go

        gcloud builds submit --tag gcr.io/PROJECT_ID/pubsub

    PROJECT_ID est votre ID de projet GCP et pubsub est le nom que vous souhaitez attribuer à votre service.

    En cas de réussite, un message SUCCESS apparaît contenant l'ID, l'heure de création et le nom de l'image. Celle-ci est stockée dans Container Registry et peut être réutilisée au besoin.

    Java

    Cet exemple utilise Jib pour créer des images Docker à l'aide des outils Java courants. Jib optimise les compilations de conteneurs sans avoir recours à un fichier Dockerfile ou à un Docker installé. Découvrez comment créer des conteneurs Java avec Jib.

    1. À l'aide du fichier Dockerfile, configurez et créez une image de base avec les packages système installés pour remplacer l'image de base par défaut de Jib :

      # Use AdoptOpenJDK for base image.
          # It's important to use OpenJDK 8u191 or above that has container support enabled.
          # https://hub.docker.com/r/adoptopenjdk/openjdk11
          FROM adoptopenjdk/openjdk11:alpine-slim
      
          # Install Imagemagick into the container image.
          # For more on system packages review the system packages tutorial.
          # https://cloud.google.com/run/docs/tutorials/system-packages#dockerfile
          RUN apk add --no-cache imagemagick

          gcloud builds submit --tag gcr.io/PROJECT_ID/imagemagick

      PROJECT-ID correspond à l'ID de votre projet GCP.

    2. Créez votre conteneur final avec Jib et publiez-le sur Container Registry :

      <plugin>
            <groupId>com.google.cloud.tools</groupId>
            <artifactId>jib-maven-plugin</artifactId>
            <version>2.1.0</version>
            <configuration>
              <from>
                <image>gcr.io/PROJECT_ID/imagemagick</image>
              </from>
              <to>
                <image>gcr.io/PROJECT_ID/pubsub</image>
              </to>
            </configuration>
          </plugin>
      
      mvn compile jib:build \
            -Dimage=gcr.io/PROJECT_ID/pubsub \
            -Djib.from.image=gcr.io/PROJECT_ID/imagemagick

      PROJECT-ID correspond à l'ID de votre projet GCP.

  2. Exécutez la commande suivante pour déployer votre service en utilisant le même nom que celui utilisé dans le tutoriel Utiliser Cloud Pub/Sub :

    Node.js

        gcloud run deploy pubsub-tutorial --image gcr.io/PROJECT_ID/pubsub --set-env-vars=BLURRED_BUCKET_NAME=BLURRED_BUCKET_NAME

    Python

        gcloud run deploy pubsub-tutorial --image gcr.io/PROJECT_ID/pubsub --set-env-vars=BLURRED_BUCKET_NAME=BLURRED_BUCKET_NAME

    Go

        gcloud run deploy pubsub-tutorial --image gcr.io/PROJECT_ID/pubsub --set-env-vars=BLURRED_BUCKET_NAME=BLURRED_BUCKET_NAME

    Java

        gcloud run deploy pubsub-tutorial --image gcr.io/PROJECT_ID/pubsub --set-env-vars=BLURRED_BUCKET_NAME=BLURRED_BUCKET_NAME --memory 512M

    Remplacez PROJECT_ID par l'ID de votre projet GCP. pubsub correspond au nom du conteneur et pubsub-tutorial au nom du service. Notez que l'image de conteneur est déployée sur le service et la région (Cloud Run) ou le cluster (Cloud Run pour Anthos sur Google Cloud) que vous avez configurés précédemment sous Configurer les paramètres par défaut de gcloud.

    Remplacez BLURRED_BUCKET_NAME par le bucket Cloud Storage que vous avez créé précédemment pour recevoir des images floues afin de définir la variable d'environnement.

    Si vous déployez sur Cloud Run, répondez n, "non", à l'invite "Autoriser sans authentification". En gardant le service privé, le processus d'intégration automatique de Pub/Sub de Cloud Run assure l'authentification des requêtes. Cette configuration est présentée en détail dans la section Intégration à Pub/Sub ci-après. Pour en savoir plus sur l'authentification basée sur IAM, consultez la page Gérer l'accès.

    Patientez jusqu'à la fin du déploiement, soit environ 30 secondes. En cas de réussite, la ligne de commande affiche l'URL du service.

Activer les notifications depuis Cloud Storage

Configurez Cloud Storage pour publier un message dans un sujet Pub/Sub chaque fois qu'un fichier (appelé "objet") est importé ou modifié. Envoyez la notification au sujet précédemment créé pour que toute nouvelle importation de fichier appelle le service.

    gsutil notification create -t myRunTopic -f json gs://INPUT_BUCKET_NAME

La commande gsutil est installée dans le cadre du SDK Cloud. myRunTopic est le sujet que vous avez créé dans le tutoriel précédent.

Remplacez INPUT_BUCKET_NAME par le nom que vous avez utilisé lors de la création des buckets.

Pour plus d'informations sur les notifications relatives aux buckets de stockage, consultez la section Notifications de modification des objets.

Essayez-le !

  1. Importez une image choquante, telle que cette image d'un zombie mangeur de chair :

    gsutil cp zombie.jpg gs://INPUT_BUCKET_NAME

    INPUT_BUCKET_NAME correspond au bucket Cloud Storage que vous avez créé précédemment pour l'importation d'images.

  2. Accédez aux journaux du service :

    1. Accédez à la page Cloud Run de Google Cloud Console.
    2. Cliquez sur le service pubsub-tutorial.
    3. Sélectionnez l'onglet Journaux. L'affichage des journaux peut nécessiter quelques instants. S'ils n'apparaissent pas immédiatement, patientez et vérifiez de nouveau.
  3. Recherchez le message Blurred image: zombie.png.

  4. Vous pouvez afficher les images floues dans le bucket Cloud Storage BLURRED_BUCKET_NAME que vous avez créé précédemment : recherchez-le sur la page Cloud Storage de Google Cloud Console.

Nettoyer

Si vous avez créé un projet pour ce tutoriel, supprimez-le. Si vous avez utilisé un projet existant et que vous souhaitez le conserver sans les modifications ajoutées dans ce tutoriel, supprimez les ressources créées pour ce tutoriel.

Supprimer le projet

Le moyen le plus simple d'empêcher la facturation est de supprimer le projet que vous avez créé pour ce tutoriel.

Pour supprimer le projet :

  1. Dans Cloud Console, accédez à la page Gérer les ressources.

    Accéder à la page Gérer les ressources

  2. Dans la liste des projets, sélectionnez le projet que vous souhaitez supprimer, puis cliquez sur Supprimer.
  3. Dans la boîte de dialogue, saisissez l'ID du projet, puis cliquez sur Arrêter pour supprimer le projet.

Supprimer les ressources du tutoriel

  1. Supprimez le service Cloud Run que vous avez déployé dans ce tutoriel :

        gcloud run services delete SERVICE-NAME

    SERVICE-NAME est le nom du service que vous avez choisi.

    Vous pouvez également supprimer des services Cloud Run à partir de Google Cloud Console.

  2. Supprimez les configurations gcloud par défaut que vous avez ajoutées lors de la configuration du tutoriel.

    Si vous utilisez Cloud Run (entièrement géré), supprimez le paramètre de région :

     gcloud config unset run/region
        

    Si vous utilisez Cloud Run pour Anthos sur Google Cloud, supprimez la configuration du cluster :

     gcloud config unset run/cluster run/cluster
         gcloud config unset run/cluster run/cluster_location
        
  3. Supprimez la configuration du projet :

     gcloud config unset project
        
  4. Supprimez les autres ressources Google Cloud créées dans ce tutoriel :

Étape suivante

  • Apprenez-en plus sur la persistance des données avec Cloud Run via Cloud Storage.
  • Découvrez comment utiliser l'API Cloud Vision pour détecter des éléments autres que du contenu explicite.
  • Testez d'autres fonctionnalités de Google Cloud. Découvrez nos tutoriels.