设置您打算使用的 PROJECT_ID 和 REGION 变量：
```
PROJECT_ID=$PROJECT_ID
REGION=$REGION
```
将 $REGION 替换为您计划使用的区域名称，例如 us-central1。

如需详细了解可用区域，请参阅 Cloud Workstations 位置。

应用架构

此解决方案包含以下 Google Cloud 组件：

Cloud Run，用于更新 WorkstationConfig 的快速启动池大小。
Cloud Scheduler 作业：根据设置的时间表进行调用以更新 WorkstationConfig。

显示使用 Cloud Scheduler 和 Cloud Run 安排工作站操作的系统架构图

创建 Cloud Run 服务

第一步是设置一个简单的 Web 服务器，以监听您在端口 8080 上收到的 HTTP 请求。由于该应用已容器化，因此您可以使用任何语言编写服务器。

若要使用 Python 编写 Web 服务器监听器应用，请执行以下操作：

创建名为 workstation-config-updater 的新目录，并转到此目录中：
```
mkdir workstation-config-updater
cd workstation-config-updater
```

创建名为 app.py 的文件，并将以下代码粘贴到其中：

import os, subprocess
from flask import Flask, request, abort

app = Flask(__name__)

@app.route("/", methods=["POST"])
def update():
    app.logger.info("Update request received.")
    data = request.json
    cluster = data["cluster"]
    region = data["region"]
    pool_size = data["pool-size"]

    path = os.path.join(app.root_path, "update_config.sh")
    o = subprocess.run(
        [path, cluster, region, pool_size],
        stdout=subprocess.PIPE, stderr=subprocess.STDOUT, text=True
    )
    app.logger.info("Sending response:", o.stdout)
    return o.stdout

if __name__ == "__main__":
    app.run(host="0.0.0.0", port=8080, debug=True)

此代码会创建一个基本 Web 服务器，该服务器监听由 PORT 环境变量定义的端口，并执行脚本 update_config.sh。

创建名为 update_config.sh 的文件，并将以下代码粘贴到其中：

#!/bin/bash

set -e

if [ $# -ne 3 ]
then
   echo "Usage: update_config.sh CLUSTER REGION POOL_SIZE"
   exit 1
fi

CLUSTER=$1
REGION=$2
POOL_SIZE=$3

# list workstation configs
echo "Attempting to list workstation configs in cluster $CLUSTER and region $REGION ..."
for CONFIG in $(gcloud  workstations configs list --cluster $CLUSTER --region $REGION --format="value(NAME)"); do
    echo "Attempting to update Quick Pool Size to $POOL_SIZE for config $CONFIG ..."
    # update the workstation config pool-size
    RET=$(gcloud workstations configs update $CONFIG --cluster $CLUSTER  --region $REGION --pool-size=$POOL_SIZE)
    if [[ $RET -eq 0 ]]; then
        echo "Workstation config $CONFIG updated."
    else
        echo "Workstation config $CONFIG update failed."
    fi
done

此脚本使用 gcloud 命令列出给定集群中的所有 WorkstationConfig，并将其快速启动池大小更新为 POOL_SIZE。

创建名为 Dockerfile 的文件，并将以下代码粘贴到其中：

FROM google/cloud-sdk

RUN apt-get update && apt-get install -y python3-pip python3

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

RUN /bin/bash -c 'ls -la; chmod +x ./update_config.sh'

# Install production dependencies.
RUN pip3 install Flask gunicorn

# Run the web service on container startup
CMD exec gunicorn --bind :8080 --workers 1 --threads 8 app:app

此代码将应用容器化，使其准备好在 Cloud Run 上部署。

部署到 Cloud Run

如需部署到 Cloud Run，请运行以下命令：

gcloud run deploy --source . --project $PROJECT_ID --region $REGION

当系统提示您输入服务名称时，请按 Enter 接受默认名称 workstation-config-updater。
如果系统提示您启用 Artifact Registry API 或允许创建 Artifact Registry 代码库，请按 y 键。
当系统提示您允许未通过身份验证的调用时，请按 n。
等待部署完成。
当服务网址按以下格式显示时，请复制该网址：

SERVICE_URL=$SERVICE_URL

配置服务帐号以调用 Cloud Run

您部署的 station-config-updater 服务不允许未经身份验证的调用。

Cloud Scheduler 需要具有适当凭据的服务帐号才能调用 station-config-updater 服务。

设置服务账号

如果您还没有要用于 Cloud Scheduler 作业的服务帐号，请创建一个新服务帐号。

gcloud iam service-accounts create $SERVICE_ACCOUNT_NAME \
    --description="$DESCRIPTION" \
    --display-name="$DISPLAY_NAME"

添加必要的 IAM 角色绑定，以允许您的服务帐号调用 Cloud Run。

gcloud run services add-iam-policy-binding workstation-config-updater \
    --member=serviceAccount:$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com \
    --region $REGION \
    --role=roles/run.invoker

创建使用身份验证的 Cloud Scheduler 配置

创建一个作业，并指定您从部署到 Cloud Run 中复制的 URL：

gcloud scheduler jobs create http workstation-pool-increaser-cron \
    --http-method=POST \
    --location=us-central1 \
    --schedule="0 9 * * 1-5" \
    --time-zone="America/Los_Angeles" \
    --headers "Content-Type=application/json" \
    --message-body='{"cluster":"$CLUSTER", "region":"$REGION", "pool-size": "2"}' \
    --uri=$SERVICE_URL \
    --oidc-service-account-email=$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com

此命令会安排一项作业，在周一至周五上午 9 点（太平洋标准时间）将 WorkstationCluster $CLUSTER 中所有 WorkstationConfigs 的快速启动池大小增加到上午 2 点。

有关更多信息，请参阅配置作业时间表。

同样，如需在工作日结束时将工作站配置的池大小减少到 0，请运行以下命令

gcloud scheduler jobs create http workstation-pool-decreaser-cron \
    --http-method=POST \
    --location=$REGION \
    --schedule="0 17 * * 1-5" \
    --time-zone="America/Los_Angeles" \
    --headers "Content-Type=application/json" \
    --message-body='{"cluster":"$CLUSTER", "region":"$REGION", "pool-size": "0"}' \
    --uri=$SERVICE_URL \
    --oidc-service-account-email=$SERVICE-ACCOUNT@$PROJECT_ID.iam.gserviceaccount.com

可选：验证作业

为了确保您的作业按预期运行，您可以验证作业。

前往 Google Cloud 控制台中的 Cloud Scheduler 页面。
转到 Cloud Scheduler

workstation-pool-increaser-cron 应显示在作业列表中。
在 workstation-pool-increaser-cron 作业对应的行中，点击操作 > 强制运行作业。

在项目中创建的第一个作业可能需要几分钟才能运行。
在上次执行状态列中，Success 状态表示您已成功运行作业。

如需验证工作站配置是否已更新，请执行以下操作：

前往 Google Cloud 控制台中的工作站配置页面。
前往“工作站配置”
确认快速入门池大小为 2。
查看 Cloud Run 服务的日志。

清理

为避免因本教程中使用的资源导致您的 Google Cloud 账号产生费用，请删除包含这些资源的项目，或者保留项目但删除各个资源。

移除测试项目

虽然 Cloud Run 不会对未在使用中的服务计费，但您可能仍然需要支付将容器映像存储在 Artifact Registry 中而产生的相关费用。为避免产生费用，您可以删除容器映像或删除 Google Cloud 项目。删除 Google Cloud 项目后，系统会停止对该项目中使用的所有资源计费。

在 Google Cloud 控制台中，进入管理资源页面。
转到“管理资源”
在项目列表中，选择要删除的项目，然后点击删除。
在对话框中输入项目 ID，然后点击关闭以删除项目。

删除 Cloud Scheduler 作业

如需删除单个 Cloud Scheduler 资源，

在 Google Cloud 控制台中，转到 Cloud Scheduler 页面。

转到 Cloud Scheduler
点击作业旁边的复选框。
点击页面顶部的删除按钮并确认删除操作。

后续步骤

探索有关 Google Cloud 的参考架构、图表和最佳做法。查看我们的 Cloud Architecture Center。