此页面由 Cloud Translation API 翻译。

使用 Workflows 连接服务

本教程介绍如何使用 Workflows 将一系列服务关联在一起。通过连接使用 Cloud Run functions 的两项公共 HTTP 服务、外部 REST API 和专用 Cloud Run 服务，您可以创建灵活的无服务器应用。

目标

在本教程中，您将使用 Google Cloud CLI 创建一个单一工作流，一次连接一项服务：

部署两个 Cloud Run 函数：第一个函数生成一个随机数字，然后将该数字传递给第二个函数（此函数会乘以该数字）。
使用 Workflows 将两个 HTTP 函数连接在一起。执行工作流并返回结果，然后将其传递给外部 API。
使用 Workflows 连接外部 HTTP API，该 API 会返回给定编号的 log。执行工作流并返回结果，然后将其传递给 Cloud Run 服务。
部署 Cloud Run 服务以仅允许经过身份验证的访问。该服务会返回给定数字的 math.floor。
使用 Workflows 连接 Cloud Run 服务，执行整个工作流并返回最终结果。

下图简要展示了该过程并直观呈现了最终工作流：

费用

在本文档中，您将使用 Google Cloud 的以下收费组件：

您可使用价格计算器根据您的预计使用情况来估算费用。 Google Cloud 新用户可能有资格申请免费试用。

准备工作

您的组织定义的安全限制条件可能会导致您无法完成以下步骤。如需了解相关问题排查信息，请参阅在受限的 Google Cloud 环境中开发应用。

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.

To initialize the gcloud CLI, run the following command:

gcloud init

Create or select a Google Cloud 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 Artifact Registry, Cloud Build, Cloud Run, Cloud Run functions, Cloud Storage, and Workflows APIs:

gcloud services enable artifactregistry.googleapis.com cloudbuild.googleapis.com run.googleapis.com cloudfunctions.googleapis.com storage.googleapis.com workflows.googleapis.com

Install the Google Cloud CLI.

To initialize the gcloud CLI, run the following command:

gcloud init

Create or select a Google Cloud 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 Artifact Registry, Cloud Build, Cloud Run, Cloud Run functions, Cloud Storage, and Workflows APIs:

gcloud services enable artifactregistry.googleapis.com cloudbuild.googleapis.com run.googleapis.com cloudfunctions.googleapis.com storage.googleapis.com workflows.googleapis.com

更新 Google Cloud CLI 组件：
```
gcloud components update
```

如果您在 Cloud Shell 中运行命令，则您已经使用 gcloud CLI 进行了身份验证；否则，请使用您的账号登录：
```
gcloud auth login
```

设置本教程中使用的默认位置：

gcloud config set project PROJECT_ID
export REGION=REGION
gcloud config set functions/region ${REGION}
gcloud config set run/region ${REGION}
gcloud config set workflows/location ${REGION}

将 REGION 替换为您选择的受支持的 Workflows 位置

如果您是项目创建者，则会被授予基本 Owner 角色 (roles/owner)。默认情况下，此 Identity and Access Management (IAM) 角色可提供完全访问大多数 Google Cloud 资源所需的权限，您可以跳过此步骤。

如果您不是项目创建者，则必须向主账号授予项目的必需权限。例如，主账号可以是 Google 账号（针对最终用户）或服务账号（针对应用和计算工作负载）。如需了解详情，请参阅事件目标位置的角色和权限页面。
所需权限

如需获得完成本教程所需的权限，请让您的管理员为您授予项目的以下 IAM 角色：
- Cloud Build Editor (roles/cloudbuild.builds.editor)
- Cloud Functions Developer (roles/cloudfunctions.developer)
- Cloud Run Admin (roles/run.admin)
- Create Service Accounts (roles/iam.serviceAccountCreator)
- Project IAM Admin (roles/resourcemanager.projectIamAdmin)
- Service Account User (roles/iam.serviceAccountUser)
- Service Usage Consumer (roles/serviceusage.serviceUsageConsumer)
- Storage Admin (roles/storage.admin)
- Workflows Editor (roles/workflows.editor)
如需详细了解如何授予角色，请参阅管理对项目、文件夹和组织的访问权限。

您也可以通过自定义角色或其他预定义角色来获取所需的权限。

注意：IAM 基本角色也可以提供完成本教程所需的权限。您不应在生产环境中授予基本角色，但可以在开发或测试环境中授予这些角色。

部署工作流时，您需要将其与指定的服务账号相关联。为 Workflows 创建服务账号，以供使用：
```
export SERVICE_ACCOUNT=workflows-sa
gcloud iam service-accounts create ${SERVICE_ACCOUNT}
```

所有 Cloud Run 服务在默认情况下都会以私密方式部署，只有 Project Owner、Project Editor、Cloud Run Admin 和 Cloud Run Invoker 可以调用这些服务。如需允许服务账号调用经过身份验证的 Cloud Run 服务，请向 Workflows 服务账号授予 run.invoker 角色：
```
gcloud projects add-iam-policy-binding PROJECT_ID \
    --member "serviceAccount:${SERVICE_ACCOUNT}@PROJECT_ID.iam.gserviceaccount.com" \
    --role "roles/run.invoker"
```

部署第一个 Cloud Run 函数

收到 HTTP 请求后，此 HTTP 函数会生成一个介于 1 到 100 之间的随机数字，然后以 JSON 格式返回该数字。

创建名为 randomgen 的目录并切换到该目录：
```
mkdir ~/randomgen
cd ~/randomgen
```

创建一个文件名为 main.py 且包含以下 Python 代码的文本文件：

import functions_framework
import random
from flask import jsonify


@functions_framework.http
def randomgen(request):
    randomNum = random.randint(1, 100)
    output = {"random": randomNum}
    return jsonify(output)

如需支持依赖于 Flask 进行 HTTP 处理，请为 pip 软件包管理器创建一个文本文件。为该文本文件指定文件名 requirements.txt 并添加以下内容：
```
flask>=1.0.2
functions-framework==3.0.0
```
使用 HTTP 触发器部署函数，并允许未经身份验证的访问：
```
gcloud functions deploy randomgen-function \
    --gen2 \
    --runtime python310 \
    --entry-point=randomgen \
    --trigger-http \
    --allow-unauthenticated
```
部署该函数可能需要几分钟的时间。或者，您也可以使用 Google Cloud 控制台中的 Cloud Run functions 界面来部署函数。

部署 randomgen 函数后，您可以确认 httpsTrigger.url 属性：

gcloud functions describe randomgen-function \
    --gen2 \
    --format="value(serviceConfig.uri)"

保存网址。 在后续练习中，您需要将它添加到工作流源文件中。

您可以通过以下 curl 命令来试用该函数：

curl $(gcloud functions describe randomgen-function \
    --gen2 \
    --format="value(serviceConfig.uri)")

系统随机会生成一个数字并返回。

部署第二个 Cloud Run functions 函数

收到 HTTP 请求后，此 HTTP 函数会从 JSON 正文中提取 input，将此数字乘以 2，然后以 JSON 格式返回结果。

返回到您的主目录：
```
cd ~
```
创建名为 multiply 的目录并切换到该目录：
```
mkdir ~/multiply
cd ~/multiply
```

创建一个文件名为 main.py 且包含以下 Python 代码的文本文件：

import functions_framework
from flask import jsonify


@functions_framework.http
def multiply(request):
    request_json = request.get_json()
    output = {"multiplied": 2 * request_json['input']}
    return jsonify(output)

如需支持依赖于 Flask 进行 HTTP 处理，请为 pip 软件包管理器创建一个文本文件。为该文本文件指定文件名 requirements.txt 并添加以下内容：
```
flask>=1.0.2
functions-framework==3.0.0
```
使用 HTTP 触发器部署函数，并允许未经身份验证的访问：
```
gcloud functions deploy multiply-function \
    --gen2 \
    --runtime python310 \
    --entry-point=multiply \
    --trigger-http \
    --allow-unauthenticated
```
部署该函数可能需要几分钟的时间。或者，您也可以使用 Google Cloud 控制台中的 Cloud Run functions 界面来部署函数。

部署 multiply 函数后，您可以确认 httpsTrigger.url 属性：

gcloud functions describe multiply-function \
    --gen2\
    --format="value(serviceConfig.uri)"

保存网址。 在后续练习中，您需要将它添加到工作流源文件中。

您可以通过以下 curl 命令来试用该函数：

curl -X POST MULTIPLY_FUNCTION_URL \
    -H "Authorization: Bearer $(gcloud auth print-identity-token)" \
    -H "Content-Type: application/json" \
    -d '{"input": 5}'

系统应会返回数字 10。

在工作流中连接两项 Cloud Run 函数

工作流由一系列使用 Workflows 语法描述的步骤组成，该语法可以采用 YAML 或 JSON 格式编写。这是工作流的定义。如需了解详细说明，请参阅语法参考文档页面。

返回到您的主目录：
```
cd ~
```
创建一个文件名为 workflow.yaml 且包含以下内容的文本文件：
```
- randomgen_function:
    call: http.get
    args:
        url: RANDOMGEN_FUNCTION_URL
    result: randomgen_result
- multiply_function:
    call: http.post
    args:
        url: MULTIPLY_FUNCTION_URL
        body:
            input: ${randomgen_result.body.random}
    result: multiply_result
- return_result:
    return: ${multiply_result}
```
- 将 RANDOMGEN_FUNCTION_URL 替换为您的 randomgen 函数的网址。
- 将 MULTIPLY_FUNCTION_URL 替换为您的 multiply 函数的网址。
此源文件会将两个 HTTP 函数关联在一起，并返回最终结果。

注意：如需向只接受经过身份验证的调用的 Cloud Run 函数发出请求，请使用 OIDC 进行身份验证。如需了解详情，请参阅通过工作流发出经过身份验证的请求。

创建工作流后，可以进行部署，使其可以执行。

gcloud workflows deploy WORKFLOW_NAME \
    --source=workflow.yaml \
    --service-account=${SERVICE_ACCOUNT}@PROJECT_ID.iam.gserviceaccount.com

将 WORKFLOW_NAME 替换为您的工作流的名称。

执行工作流：
```
gcloud workflows run WORKFLOW_NAME
```
执行是指单次运行工作流定义中包含的逻辑。所有工作流都会独立执行，并且 Workflows 的快速扩缩允许大量并发执行。

执行工作流后，输出应类似于以下内容：
```
result: '{"body":{"multiplied":120},"code":200,"headers":{"Alt-Svc":"h3-29=\":443\";
...
startTime: '2021-05-05T14:17:39.135251700Z'
state: SUCCEEDED
...
```

在工作流中连接公共 REST 服务

更新现有工作流并连接可以用来对数学表达式求值的公共 REST API (math.js)。例如 curl https://api.mathjs.org/v4/?'expr=log(56)'。

请注意，您已经部署了工作流，现在您可以通过 Google Cloud 控制台中的“工作流”页面对其进行修改。

修改工作流的源文件并将其替换为以下内容：

- randomgen_function:
    call: http.get
    args:
        url: RANDOMGEN_FUNCTION_URL
    result: randomgen_result
- multiply_function:
    call: http.post
    args:
        url: MULTIPLY_FUNCTION_URL
        body:
            input: ${randomgen_result.body.random}
    result: multiply_result
- log_function:
    call: http.get
    args:
        url: https://api.mathjs.org/v4/
        query:
            expr: ${"log(" + string(multiply_result.body.multiplied) + ")"}
    result: log_result
- return_result:
    return: ${log_result}

将 RANDOMGEN_FUNCTION_URL 替换为您的 randomgen 函数的网址。
将 MULTIPLY_FUNCTION_URL 替换为您的 multiply 函数的网址。

这会将外部 REST 服务与 Cloud Run 函数相关联，并返回最终结果。

部署修改后的工作流：

gcloud workflows deploy WORKFLOW_NAME \
    --source=workflow.yaml \
    --service-account=${SERVICE_ACCOUNT}@PROJECT_ID.iam.gserviceaccount.com

部署 Cloud Run 服务

部署 Cloud Run 服务，在收到 HTTP 请求后，该服务会从 JSON 正文中提取 input，计算其 math.floor，并返回结果。

创建名为 floor 的目录并切换到该目录：
```
mkdir ~/floor
cd ~/floor
```

创建一个文件名为 app.py 且包含以下 Python 代码的文本文件：

import json
import logging
import os
import math

from flask import Flask, request

app = Flask(__name__)


@app.route('/', methods=['POST'])
def handle_post():
    content = json.loads(request.data)
    input = float(content['input'])
    return f"{math.floor(input)}", 200


if __name__ != '__main__':
    # Redirect Flask logs to Gunicorn logs
    gunicorn_logger = logging.getLogger('gunicorn.error')
    app.logger.handlers = gunicorn_logger.handlers
    app.logger.setLevel(gunicorn_logger.level)
    app.logger.info('Service started...')
else:
    app.run(debug=True, host='0.0.0.0', port=int(os.environ.get('PORT', 8080)))

在同一目录中，创建一个包含以下内容的 Dockerfile：

# Use an official lightweight Python image.
# https://hub.docker.com/_/python
FROM python:3.7-slim

# Install production dependencies.
RUN pip install Flask gunicorn

# Copy local code to the container image.
WORKDIR /app
COPY . .

# Run the web service on container startup. Here we use the gunicorn
# webserver, with one worker process and 8 threads.
# For environments with multiple CPU cores, increase the number of workers
# to be equal to the cores available.
CMD exec gunicorn --bind 0.0.0.0:8080 --workers 1 --threads 8 app:app

创建一个 Artifact Registry 标准制品库，您可以在其中存储您的 Docker 容器映像：
```
gcloud artifacts repositories create REPOSITORY \
    --repository-format=docker \
    --location=${REGION}
```
将 REPOSITORY 替换为制品库的唯一名称。

构建容器映像：

export SERVICE_NAME=floor
gcloud builds submit --tag ${REGION}-docker.pkg.dev/PROJECT_ID/REPOSITORY/${SERVICE_NAME}

将容器映像部署到 Cloud Run，确保其仅接受经过身份验证的调用：

gcloud run deploy ${SERVICE_NAME} \
    --image ${REGION}-docker.pkg.dev/PROJECT_ID/REPOSITORY/${SERVICE_NAME}:latest \
    --no-allow-unauthenticated

当您看到服务网址时，表示部署完成。在更新工作流定义时，您需要指定该网址。

在工作流中连接 Cloud Run 服务

更新现有工作流并指定 Cloud Run 服务的网址。

返回到您的主目录：
```
cd ~
```

修改工作流的源文件并将其替换为以下内容：

- randomgen_function:
    call: http.get
    args:
        url: RANDOMGEN_FUNCTION_URL
    result: randomgen_result
- multiply_function:
    call: http.post
    args:
        url: MULTIPLY_FUNCTION_URL
        body:
            input: ${randomgen_result.body.random}
    result: multiply_result
- log_function:
    call: http.get
    args:
        url: https://api.mathjs.org/v4/
        query:
            expr: ${"log(" + string(multiply_result.body.multiplied) + ")"}
    result: log_result
- floor_function:
    call: http.post
    args:
        url: CLOUD_RUN_SERVICE_URL
        auth:
            type: OIDC
        body:
            input: ${log_result.body}
    result: floor_result
- create_output_map:
    assign:
      - outputMap:
          randomResult: ${randomgen_result}
          multiplyResult: ${multiply_result}
          logResult: ${log_result}
          floorResult: ${floor_result}
- return_output:
    return: ${outputMap}

将 RANDOMGEN_FUNCTION_URL 替换为您的 randomgen 函数的网址。
将 MULTIPLY_FUNCTION_URL 替换为您的 multiply 函数的网址。
将 CLOUD_RUN_SERVICE_URL 替换为您的 Cloud Run 服务网址。

这将连接工作流中的 Cloud Run 服务。请注意，auth 密钥可确保在调用 Cloud Run 服务时传递身份验证令牌。如需了解详情，请参阅通过工作流发出经过身份验证的请求。

部署修改后的工作流：

gcloud workflows deploy WORKFLOW_NAME \
    --source=workflow.yaml \
    --service-account=${SERVICE_ACCOUNT}@PROJECT_ID.iam.gserviceaccount.com

执行最终工作流：

gcloud workflows run WORKFLOW_NAME

您应该会看到类似如下所示的输出：

result: '{"floorResult":{"body":"4","code":200
  ...
  "logResult":{"body":"4.02535169073515","code":200
  ...
  "multiplyResult":{"body":{"multiplied":56},"code":200
  ...
  "randomResult":{"body":{"random":28},"code":200
  ...
startTime: '2023-11-13T21:22:56.782669001Z'
state: SUCCEEDED

恭喜！您已部署并执行一个将一系列服务连接在一起的工作流。

如需使用表达式、条件跳转、Base64 编码或解码、子工作流等创建更复杂的工作流，请参阅工作流语法参考文档和标准库概览。

清理

如果您为本教程创建了一个新项目，请删除项目。如果您使用的是现有项目，想要保留此项目且不保留本教程中添加的任何更改，请删除为教程创建的资源。

删除项目

为了避免产生费用，最简单的方法是删除您为本教程创建的项目。

要删除项目，请执行以下操作：

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.

删除教程资源

删除您在本教程中部署的 Cloud Run 服务。
删除您在本教程中创建的工作流。
从 Artifact Registry 中删除容器映像。
删除 Artifact Registry 制品库。

移除您在教程设置过程中添加的 Google Cloud CLI 默认配置：

gcloud config unset functions/region
gcloud config unset run/region
gcloud config unset workflows/location
gcloud config unset project