Mit einem Connector auf Kubernetes API-Objekte zugreifen

Ein GKE-Cluster (Google Kubernetes Engine) besteht aus einer Steuerungsebene und Worker-Maschinen, die Knoten genannt werden. Sie können Ihre containerisierten Kubernetes-Arbeitslasten in einem GKE-Cluster ausführen. Knoten sind die Worker-Maschinen, auf denen Ihre Containeranwendungen und andere Arbeitslasten ausgeführt werden. Die Steuerungsebene ist der einheitliche Endpunkt für Ihren Cluster. Weitere Informationen finden Sie unter GKE-Clusterarchitektur.

Der Kubernetes API-Server wird auf der Steuerungsebene ausgeführt. Dadurch können Sie über Kubernetes API-Aufrufe mit Kubernetes-Objekten im Cluster interagieren. Objekte sind persistente Entitäten im Kubernetes-System und stellen den Status des Clusters dar. Weitere Informationen finden Sie in der Kubernetes-Dokumentation unter Objekte in Kubernetes und in der API-Übersicht, die auf die Kubernetes API-Referenzseiten verweist.

In diesem Dokument erfahren Sie, wie Sie den Kubernetes API-Connector in einem Workflow verwenden, um Anfragen an den Endpunkt des Kubernetes-Dienstes zu senden, der auf der Steuerungsebene eines GKE-Clusters gehostet wird. Sie können den Connector beispielsweise verwenden, um Kubernetes-Deployments zu erstellen, Jobs auszuführen, Pods zu verwalten oder über einen Proxy auf bereitgestellte Anwendungen zuzugreifen. Weitere Informationen finden Sie in der Übersicht über den Kubernetes API-Connector.

Hinweise

Bevor Sie mit den Aufgaben in diesem Dokument fortfahren, müssen Sie bestimmte Voraussetzungen erfüllen.

APIs aktivieren

Bevor Sie mit dem Kubernetes API-Connector auf Kubernetes API-Objekte zugreifen können, müssen Sie die folgenden APIs aktivieren:

Google Kubernetes Engine API: zum Erstellen und Verwalten von containerbasierten Anwendungen mit GKE
Workflows APIs: Zum Verwalten von Workflowdefinitionen und -ausführungen. Durch das Aktivieren der Workflows API wird automatisch die Workflow Executions API aktiviert.

Console

APIs aktivieren:

APIs aktivieren

gcloud

Aktivieren Sie Cloud Shell in der Google Cloud Console.

Cloud Shell aktivieren

Unten in der Google Cloud Console wird eine Cloud Shell-Sitzung gestartet und eine Eingabeaufforderung angezeigt. Cloud Shell ist eine Shell-Umgebung, in der das Google Cloud CLI bereits installiert ist und Werte für Ihr aktuelles Projekt bereits festgelegt sind. Das Initialisieren der Sitzung kann einige Sekunden dauern.

APIs aktivieren:

gcloud services enable container.googleapis.com workflows.googleapis.com

Dienstkonto erstellen

Erstellen Sie ein nutzerverwaltetes Dienstkonto, das als Identität des Workflows dient, und weisen Sie ihm die Rolle Kubernetes Engine Developer (roles/container.developer) zu, damit der Workflow auf Kubernetes API-Objekte in Clustern zugreifen kann.

Console

Rufen Sie in der Google Cloud Console die Seite Dienstkonten auf:

Zur Seite „Dienstkonten“
Wählen Sie ein Projekt aus und klicken Sie auf Dienstkonto erstellen.
Geben Sie im Feld Dienstkontoname einen Namen ein. Die Google Cloud Console füllt das Feld Dienstkonto-ID anhand dieses Namens aus.

Geben Sie im Feld Dienstkontobeschreibung eine Beschreibung ein. Beispiel: Service account for Kubernetes API
Klicken Sie auf Erstellen und fortfahren.
Filtern Sie in der Liste Rolle auswählen nach der Rolle Kubernetes Engine-Entwickler und wählen Sie diese aus.
Klicken Sie auf Weiter.
Klicken Sie zum Abschließen der Erstellung des Kontos auf Fertig.

gcloud

Erstellen Sie das Dienstkonto:
```
gcloud iam service-accounts create SERVICE_ACCOUNT_NAME
```
Ersetzen Sie SERVICE_ACCOUNT_NAME durch den Namen des Dienstkontos.

Weisen Sie Ihrem Dienstkonto die Rolle container.developer zu:

gcloud projects add-iam-policy-binding PROJECT_ID \
    --member=serviceAccount:SERVICE_ACCOUNT_NAME@PROJECT_ID.iam.gserviceaccount.com \
    --role=roles/container.developer

Ersetzen Sie PROJECT_ID durch die Google Cloud-Projekt-ID.

Beachten Sie, dass Sie sowohl mit IAM als auch Kubernetes die rollenbasierte Zugriffssteuerung (Role-Based Access Control, RBAC) verwenden können, um den Zugriff auf Ihren GKE-Cluster zu steuern:

IAM ist nicht spezifisch für Kubernetes. Es bietet Identitätsverwaltung für mehrere Google Cloud-Produkte und wird hauptsächlich auf Ebene des Google Cloud-Projekts ausgeführt.
Kubernetes RBAC ist eine Kernkomponente von Kubernetes. Damit können Sie Rollen (Sätze von Berechtigungen) für jedes Objekt oder jeden Objekttyp im Cluster erstellen und gewähren. Wenn Sie hauptsächlich GKE verwenden und für jedes Objekt und jeden Vorgang im Cluster detailgenaue Berechtigungen benötigen, ist Kubernetes RBAC die beste Wahl.

Weitere Informationen finden Sie unter Zugriffssteuerung.

GKE-Cluster erstellen

Wenn Sie den Kubernetes API-Connector verwenden möchten, müssen Sie bereits einen öffentlichen oder privaten GKE-Cluster erstellt haben. In einem privaten Cluster haben Knoten nur interne IP-Adressen. Das bedeutet, dass Knoten und Pods standardmäßig vom Internet isoliert sind. Weitere Informationen finden Sie unter Private Cluster.

Sie können auch den Betriebsmodus angeben, der Ihnen unterschiedliche Ebenen an Flexibilität, Verantwortung und Kontrolle bietet. Sie können beispielsweise einen Autopilot-Cluster erstellen. Dies ist ein Betriebsmodus in GKE, in dem Google Ihre Clusterkonfiguration einschließlich Knoten, Skalierung, Sicherheit und anderer vorkonfigurierter Einstellungen verwaltet. Weitere Informationen finden Sie unter GKE-Betriebsmodus auswählen.

Wenn Sie noch keinen GKE-Cluster erstellt haben, können Sie in einem GKE-Cluster eine Webserver-Containeranwendung bereitstellen. Wenn Sie die Anweisungen in diesem Dokument ausprobieren möchten, können Sie auch einen Autopilot-Cluster erstellen. Führen Sie dazu die folgenden Schritte aus.

Console

Rufen Sie in der Google Cloud Console die Seite mit den Kubernetes-Clustern auf.

Zur Seite "Kubernetes-Cluster"
Klicken Sie auf Erstellen.
Wenn Sie aufgefordert werden, einen Clustermodus auszuwählen, wählen Sie Autopilot aus.
Geben Sie im Bereich Clustergrundlagen Folgendes ein:
1. Geben Sie den Namen für den Cluster ein, z. B. hello-cluster.
2. Wählen Sie eine Region für den Cluster aus, z. B. us-central1.
Klicken Sie auf Weiter: Netzwerk.
Wählen Sie im Bereich IPv4-Netzwerkzugriff die Option Öffentlicher Cluster aus, um einen Cluster mit einem öffentlich zugänglichen Endpunkt zu erstellen.
Übernehmen Sie für alle anderen Einstellungen die Standardeinstellungen.
Klicken Sie auf Erstellen.

Es kann einige Minuten dauern, bis der Cluster erstellt ist. Sobald der Cluster erstellt ist, gibt ein Häkchen an, dass er ausgeführt wird.

gcloud

Führen Sie dazu diesen Befehl aus:

gcloud container clusters create-auto CLUSTER_NAME \
    --location=LOCATION \
    --project=PROJECT_ID

Ersetzen Sie Folgendes:

CLUSTER_NAME: der Name Ihres GKE-Clusters, z. B. hello-cluster
LOCATION: die Region für Ihren Cluster, z. B. us-central1
PROJECT_ID: Ihre Google Cloud-Projekt-ID

Es kann einige Minuten dauern, bis der Cluster erstellt ist. Nachdem der Cluster erstellt wurde, sollte die Ausgabe in etwa so aussehen:

Creating cluster hello-cluster...done.
Created [https://container.googleapis.com/v1/projects/MY_PROJECT/zones/us-central1/clusters/hello-cluster].
[...]
STATUS: RUNNING

HTTP-Anfrage mithilfe des Connectors senden

Mit dem Kubernetes API-Connector können Sie eine HTTP-Anfrage an die Steuerungsebene eines GKE-Cluster senden. Mit dem folgenden Workflow wird beispielsweise ein Deployment mit dem Namen nginx-deployment im angegebenen Kubernetes-Cluster erstellt. Das Deployment beschreibt einen erforderlichen Zustand, in diesem Fall die Ausführung von drei Pods mit dem Image nginx:1.14.2 und die Freigabe ihres Dienstes auf Port 80. Wenn keine Angabe erfolgt, werden project und location standardmäßig auf die Werte des Workflows angewendet.

Weitere Informationen finden Sie auf der Referenzseite für die Kubernetes API-Connector-Funktion gke.request.

Wichtige Hinweise:

Das Feld path entspricht dem Methodenpfad der Kubernetes API. Weitere Informationen finden Sie in der Kubernetes-Dokumentation unter API-Übersicht mit Links zu den Kubernetes API-Referenzseiten.
Sie können HTTP-Anfragefehler in Ihrem Workflow abfangen und beheben. Weitere Informationen finden Sie unter Workflowfehler.

Workflow bereitstellen

Bevor Sie einen Workflow ausführen, müssen Sie ihn erstellen und bereitstellen.

Console

Öffnen Sie in der Google Cloud Console die Seite Workflows.

Zur Seite "Workflows"
Klicken Sie auf Erstellen.
Geben Sie einen Namen für den neuen Workflow ein, z. B. kubernetes-api-request.
Wählen Sie in der Liste Region die Option us-central1 aus.
Wählen Sie das zuvor erstellte Dienstkonto aus.
Klicken Sie auf Next (Weiter).

Geben Sie im Workflow-Editor die folgende Definition für den Workflow ein:

YAML

main:
  steps:
    - create_deployment:
        call: gke.request
        args:
          cluster_id: "CLUSTER_NAME"
          project: "PROJECT_ID"
          location: "LOCATION"
          method: "POST"
          path: "/apis/apps/v1/namespaces/default/deployments"
          body:
            kind: Deployment
            metadata:
              name: nginx-deployment
              labels:
                app: nginx
            spec:
              replicas: 3
              selector:
                matchLabels:
                  app: nginx
              template:
                metadata:
                  labels:
                    app: nginx
                spec:
                  containers:
                    - name: nginx
                      image: nginx:1.14.2
                      ports:
                        - containerPort: 80
        result: result
    - returnResult:
        return: '${result}'

JSON

{
  "main": {
    "steps": [
      {
        "create_deployment": {
          "call": "gke.request",
          "args": {
            "cluster_id": "CLUSTER_NAME",
            "project": "PROJECT_ID",
            "location": "LOCATION",
            "method": "POST",
            "path": "/apis/apps/v1/namespaces/default/deployments",
            "body": {
              "kind": "Deployment",
              "metadata": {
                "name": "nginx-deployment",
                "labels": {
                  "app": "nginx"
                }
              },
              "spec": {
                "replicas": 3,
                "selector": {
                  "matchLabels": {
                    "app": "nginx"
                  }
                },
                "template": {
                  "metadata": {
                    "labels": {
                      "app": "nginx"
                    }
                  },
                  "spec": {
                    "containers": [
                      {
                        "name": "nginx",
                        "image": "nginx:1.14.2",
                        "ports": [
                          {
                            "containerPort": 80
                          }
                        ]
                      }
                    ]
                  }
                }
              }
            }
          },
          "result": "result"
        }
      },
      {
        "returnResult": {
          "return": "${result}"
        }
      }
    ]
  }
}

Ersetzen Sie Folgendes:

CLUSTER_NAME: der Name Ihres GKE-Clusters, z. B. hello-cluster
PROJECT_ID: Ihre Google Cloud-Projekt-ID
LOCATION: die Region für Ihren Cluster, z. B. us-central1

Klicken Sie auf Bereitstellen.

gcloud

Erstellen Sie eine Quellcodedatei für Ihren Workflow:
```
touch kubernetes-api-request.JSON_OR_YAML
```
Ersetzen Sie JSON_OR_YAML je nach Format Ihres Workflows durch yaml oder json.

Kopieren Sie in einem Texteditor den folgenden Workflow in Ihre Quellcodedatei:

YAML

main:
  steps:
    - create_deployment:
        call: gke.request
        args:
          cluster_id: "CLUSTER_NAME"
          project: "PROJECT_ID"
          location: "LOCATION"
          method: "POST"
          path: "/apis/apps/v1/namespaces/default/deployments"
          body:
            kind: Deployment
            metadata:
              name: nginx-deployment
              labels:
                app: nginx
            spec:
              replicas: 3
              selector:
                matchLabels:
                  app: nginx
              template:
                metadata:
                  labels:
                    app: nginx
                spec:
                  containers:
                    - name: nginx
                      image: nginx:1.14.2
                      ports:
                        - containerPort: 80
        result: result
    - returnResult:
        return: '${result}'

JSON

{
  "main": {
    "steps": [
      {
        "create_deployment": {
          "call": "gke.request",
          "args": {
            "cluster_id": "CLUSTER_NAME",
            "project": "PROJECT_ID",
            "location": "LOCATION",
            "method": "POST",
            "path": "/apis/apps/v1/namespaces/default/deployments",
            "body": {
              "kind": "Deployment",
              "metadata": {
                "name": "nginx-deployment",
                "labels": {
                  "app": "nginx"
                }
              },
              "spec": {
                "replicas": 3,
                "selector": {
                  "matchLabels": {
                    "app": "nginx"
                  }
                },
                "template": {
                  "metadata": {
                    "labels": {
                      "app": "nginx"
                    }
                  },
                  "spec": {
                    "containers": [
                      {
                        "name": "nginx",
                        "image": "nginx:1.14.2",
                        "ports": [
                          {
                            "containerPort": 80
                          }
                        ]
                      }
                    ]
                  }
                }
              }
            }
          },
          "result": "result"
        }
      },
      {
        "returnResult": {
          "return": "${result}"
        }
      }
    ]
  }
}

Ersetzen Sie Folgendes:

CLUSTER_NAME: der Name Ihres GKE-Clusters, z. B. hello-cluster
LOCATION: die Region für Ihren Cluster, z. B. us-central1

Stellen Sie den Workflow bereit:

gcloud workflows deploy kubernetes-api-request \
    --source=kubernetes-api-request.JSON_OR_YAML \
    --location=LOCATION \
    --service-account=SERVICE_ACCOUNT_NAME@PROJECT_ID.iam.gserviceaccount.com

Workflow ausführen

Nachdem Sie den Workflow bereitgestellt haben, können Sie ihn ausführen. Beim Ausführen eines Workflows wird die aktuelle Workflowdefinition ausgeführt, die mit dem Workflow verknüpft ist.

Console

Öffnen Sie in der Google Cloud Console die Seite Workflows.

Zur Seite "Workflows"
Wählen Sie auf der Seite Workflows einen Workflow aus, um die zugehörige Detailseite aufzurufen.
Klicken Sie auf der Seite Workflowdetails auf Ausführen.
Klicken Sie noch einmal auf Ausführen.
Sehen Sie sich die Ergebnisse des Workflows im Bereich Ausgabe an.

Wenn der Vorgang erfolgreich ist, sollte der Ausführungsstatus Succeeded sein und der Text der Antwort wird zurückgegeben.

gcloud

Führen Sie den Workflow aus:

gcloud workflows run kubernetes-api-request \
    --location=LOCATION

Wenn der Vorgang erfolgreich ist, sollte der Status SUCCEEDED lauten und der Text der Antwort wird zurückgegeben.

Kubernetes-Job mit dem Connector ausführen

Mit dem Kubernetes API-Connector können Sie einen Kubernetes-Job in einem GKE-Cluster bereitstellen und ausführen. Mit dem folgenden Workflow wird ein Kubernetes-Job erstellt, der ein Bash-Skript ausführt, das eine Zahlensequenz durchläuft. Der Workflow wartet bis zu 90 Sekunden, bis der Kubernetes-Job abgeschlossen ist. Andernfalls wird ein Fehler ausgegeben. Wenn der Job abgeschlossen ist, wird er gelöscht.

Ein Job gilt als abgeschlossen, wenn sein Status den Bedingungstyp Complete enthält. Beispiel:

  "status": {
    "conditions": [
      {
        "type": "Complete",
        "status": "True"
      }
    ]
  }

Wenn der Job fehlschlägt, wird ein FailedJobError-Tag zurückgegeben. Beispiel:

{
  "tags": ["FailedJobError"]
  "job": {...}
  "message":"Kubernetes job failed"
}

Weitere Informationen finden Sie auf den Referenzseiten für die folgenden Kubernetes API-Connector-Funktionen:

Workflow bereitstellen

Bevor Sie einen Workflow ausführen, müssen Sie ihn erstellen und bereitstellen.

Console

Öffnen Sie in der Google Cloud Console die Seite Workflows.

Zur Seite "Workflows"
Klicken Sie auf Erstellen.
Geben Sie einen Namen für den neuen Workflow ein, z. B. kubernetes-api-job.
Wählen Sie in der Liste Region die Option us-central1 aus.
Wählen Sie das zuvor erstellte Dienstkonto aus.
Klicken Sie auf Next (Weiter).

Geben Sie im Workflow-Editor die folgende Definition für den Workflow ein:

YAML

main:
  steps:
    - init:
        assign:
          - project: "PROJECT_ID"
          - location: "LOCATION"
          - cluster_id: "CLUSTER_NAME"
          - job_name: "JOB_NAME"
          - namespace: "default"
    - create_job:
        call: gke.create_job
        args:
          cluster_id: '${cluster_id}'
          location: '${location}'
          project: '${project}'
          namespace: '${namespace}'
          job:
            apiVersion: batch/v1
            kind: Job
            metadata:
              name: "${job_name}"
            spec:
              template:
                spec:
                  containers:
                    - name: counter
                      image: centos:7
                      command:
                        - "bin/bash"
                        - "-c"
                        - "for i in 9 8 7 6 5 4 3 2 1 ; do echo $i ; done"
                  restartPolicy: Never
        result: job
    - wait_for_job:  # if job fails, raise error with "FailedJobError" tag and "job" field
        call: gke.await_job
        args:
          cluster_id: '${cluster_id}'
          job_name: '${job_name}'
          location: '${location}'
          project: '${project}'
          timeout: 90  # 90 seconds
        result: completed_job
    - cleanup_job:
        call: gke.delete_job
        args:
          cluster_id: '${cluster_id}'
          job_name: '${job_name}'
          location: '${location}'
          project: '${project}'
          query:
            propagationPolicy: "Foreground"  # delete child Pods
    - return_job:
        return: '${completed_job}'

JSON

{
  "main": {
    "steps": [
      {
        "init": {
          "assign": [
            {
              "project": "PROJECT_ID"
            },
            {
              "location": "LOCATION"
            },
            {
              "cluster_id": "CLUSTER_NAME"
            },
            {
              "job_name": "JOB_NAME"
            },
            {
              "namespace": "default"
            }
          ]
        }
      },
      {
        "create_job": {
          "call": "gke.create_job",
          "args": {
            "cluster_id": "${cluster_id}",
            "location": "${location}",
            "project": "${project}",
            "namespace": "${namespace}",
            "job": {
              "apiVersion": "batch/v1",
              "kind": "Job",
              "metadata": {
                "name": "${job_name}"
              },
              "spec": {
                "template": {
                  "spec": {
                    "containers": [
                      {
                        "name": "counter",
                        "image": "centos:7",
                        "command": [
                          "bin/bash",
                          "-c",
                          "for i in 9 8 7 6 5 4 3 2 1 ; do echo $i ; done"
                        ]
                      }
                    ],
                    "restartPolicy": "Never"
                  }
                }
              }
            }
          },
          "result": "job"
        }
      },
      {
        "wait_for_job": {
          "call": "gke.await_job",
          "args": {
            "cluster_id": "${cluster_id}",
            "job_name": "${job_name}",
            "location": "${location}",
            "project": "${project}",
            "timeout": 90
          },
          "result": "completed_job"
        }
      },
      {
        "cleanup_job": {
          "call": "gke.delete_job",
          "args": {
            "cluster_id": "${cluster_id}",
            "job_name": "${job_name}",
            "location": "${location}",
            "project": "${project}",
            "query": {
              "propagationPolicy": "Foreground"
            }
          }
        }
      },
      {
        "return_job": {
          "return": "${completed_job}"
        }
      }
    ]
  }
}

Ersetzen Sie Folgendes:

LOCATION: die Region für Ihren Cluster, z. B. us-central1
CLUSTER_NAME: der Name Ihres GKE-Clusters, z. B. hello-cluster
JOB_NAME: der Name des Kubernetes-Jobs, z. B. hello-job

Klicken Sie auf Bereitstellen.

gcloud

Erstellen Sie eine Quellcodedatei für Ihren Workflow:
```
touch kubernetes-api-job.JSON_OR_YAML
```
Ersetzen Sie JSON_OR_YAML je nach Format Ihres Workflows durch yaml oder json.

Kopieren Sie in einem Texteditor den folgenden Workflow in Ihre Quellcodedatei:

YAML

main:
  steps:
    - init:
        assign:
          - project: "PROJECT_ID"
          - location: "LOCATION"
          - cluster_id: "CLUSTER_NAME"
          - job_name: "JOB_NAME"
          - namespace: "default"
    - create_job:
        call: gke.create_job
        args:
          cluster_id: '${cluster_id}'
          location: '${location}'
          project: '${project}'
          namespace: '${namespace}'
          job:
            apiVersion: batch/v1
            kind: Job
            metadata:
              name: "${job_name}"
            spec:
              template:
                spec:
                  containers:
                    - name: counter
                      image: centos:7
                      command:
                        - "bin/bash"
                        - "-c"
                        - "for i in 9 8 7 6 5 4 3 2 1 ; do echo $i ; done"
                  restartPolicy: Never
        result: job
    - wait_for_job:  # if job fails, raise error with "FailedJobError" tag and "job" field
        call: gke.await_job
        args:
          cluster_id: '${cluster_id}'
          job_name: '${job_name}'
          location: '${location}'
          project: '${project}'
          timeout: 90  # 90 seconds
        result: completed_job
    - cleanup_job:
        call: gke.delete_job
        args:
          cluster_id: '${cluster_id}'
          job_name: '${job_name}'
          location: '${location}'
          project: '${project}'
          query:
            propagationPolicy: "Foreground"  # delete child Pods
    - return_job:
        return: '${completed_job}'

JSON

{
  "main": {
    "steps": [
      {
        "init": {
          "assign": [
            {
              "project": "PROJECT_ID"
            },
            {
              "location": "LOCATION"
            },
            {
              "cluster_id": "CLUSTER_NAME"
            },
            {
              "job_name": "JOB_NAME"
            },
            {
              "namespace": "default"
            }
          ]
        }
      },
      {
        "create_job": {
          "call": "gke.create_job",
          "args": {
            "cluster_id": "${cluster_id}",
            "location": "${location}",
            "project": "${project}",
            "namespace": "${namespace}",
            "job": {
              "apiVersion": "batch/v1",
              "kind": "Job",
              "metadata": {
                "name": "${job_name}"
              },
              "spec": {
                "template": {
                  "spec": {
                    "containers": [
                      {
                        "name": "counter",
                        "image": "centos:7",
                        "command": [
                          "bin/bash",
                          "-c",
                          "for i in 9 8 7 6 5 4 3 2 1 ; do echo $i ; done"
                        ]
                      }
                    ],
                    "restartPolicy": "Never"
                  }
                }
              }
            }
          },
          "result": "job"
        }
      },
      {
        "wait_for_job": {
          "call": "gke.await_job",
          "args": {
            "cluster_id": "${cluster_id}",
            "job_name": "${job_name}",
            "location": "${location}",
            "project": "${project}",
            "timeout": 90
          },
          "result": "completed_job"
        }
      },
      {
        "cleanup_job": {
          "call": "gke.delete_job",
          "args": {
            "cluster_id": "${cluster_id}",
            "job_name": "${job_name}",
            "location": "${location}",
            "project": "${project}",
            "query": {
              "propagationPolicy": "Foreground"
            }
          }
        }
      },
      {
        "return_job": {
          "return": "${completed_job}"
        }
      }
    ]
  }
}

Ersetzen Sie Folgendes:

LOCATION: die Region für Ihren Cluster, z. B. us-central1
CLUSTER_NAME: der Name Ihres GKE-Clusters, z. B. hello-cluster
JOB_NAME: der Name des Kubernetes-Jobs, z. B. hello-job

Stellen Sie den Workflow bereit:

gcloud workflows deploy kubernetes-api-job \
    --source=kubernetes-api-job.JSON_OR_YAML \
    --location=LOCATION \
    --service-account=SERVICE_ACCOUNT_NAME@PROJECT_ID.iam.gserviceaccount.com

Workflow ausführen

Nachdem Sie den Workflow bereitgestellt haben, können Sie ihn ausführen. Beim Ausführen eines Workflows wird die aktuelle Workflowdefinition ausgeführt, die mit dem Workflow verknüpft ist.

Console

Öffnen Sie in der Google Cloud Console die Seite Workflows.

Zur Seite "Workflows"
Wählen Sie auf der Seite Workflows einen Workflow aus, um die zugehörige Detailseite aufzurufen.
Klicken Sie auf der Seite Workflowdetails auf Ausführen.
Klicken Sie noch einmal auf Ausführen.

Die Workflowausführung kann einige Minuten dauern.

Sehen Sie sich die Ergebnisse des Workflows im Bereich Ausgabe an.

Die Ergebnisse sollten in etwa so aussehen:

{
...
  },
  "status": {
    "completionTime": "2023-10-31T17:04:32Z",
    "conditions": [
      {
        "lastProbeTime": "2023-10-31T17:04:33Z",
        "lastTransitionTime": "2023-10-31T17:04:33Z",
        "status": "True",
        "type": "Complete"
      }
    ],
    "ready": 0,
    "startTime": "2023-10-31T17:04:28Z",
    "succeeded": 1,
    "uncountedTerminatedPods": {}
  }
}

gcloud

Führen Sie den Workflow aus:

gcloud workflows run kubernetes-api-job \
    --location=LOCATION

Die Workflowausführung kann einige Minuten dauern. Die Ergebnisse sollten in etwa so aussehen:

{
...
  },
  "status": {
    "completionTime": "2023-10-31T17:04:32Z",
    "conditions": [
      {
        "lastProbeTime": "2023-10-31T17:04:33Z",
        "lastTransitionTime": "2023-10-31T17:04:33Z",
        "status": "True",
        "type": "Complete"
      }
    ],
    "ready": 0,
    "startTime": "2023-10-31T17:04:28Z",
    "succeeded": 1,
    "uncountedTerminatedPods": {}
  }
}

Mit einem Connector auf Kubernetes API-Objekte zugreifen

Hinweise

APIs aktivieren

Console

gcloud

Dienstkonto erstellen

Console

gcloud

GKE-Cluster erstellen

Console

gcloud

HTTP-Anfrage mithilfe des Connectors senden

Workflow bereitstellen

Console

YAML

JSON

gcloud

YAML

JSON

Workflow ausführen

Console

gcloud

Kubernetes-Job mit dem Connector ausführen

Workflow bereitstellen

Console

YAML

JSON

gcloud

YAML

JSON

Workflow ausführen

Console

gcloud

Nächste Schritte