Tutorial Workflows (generasi ke-1)

Catatan: Konten ini hanya berlaku untuk Cloud Run Functions (generasi ke-1)—sebelumnya Cloud Functions (generasi ke-1).

Untuk versi dokumen ini yang menggunakan fungsi Cloud Run, lihat Tutorial Workflows.

Tutorial ini menunjukkan cara menggunakan Workflows untuk menautkan serangkaian layanan bersama-sama. Dengan menghubungkan dua layanan HTTP publik (menggunakan fungsi Cloud Run), REST API eksternal, dan layanan Cloud Run pribadi, Anda dapat membuat aplikasi serverless yang fleksibel.

Men-deploy layanan Cloud Run Functions pertama

Setelah menerima permintaan HTTP, fungsi HTTP ini menghasilkan angka acak antara 1 dan 100, lalu menampilkan angka dalam format JSON.

1. Buat direktori bernama randomgen lalu ubah ke direktori tersebut:

   mkdir ~/randomgen
   cd ~/randomgen

2. Buat file teks dengan nama file main.py yang berisi kode Python berikut:

   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)

3. Agar dapat mendukung dependensi pada Flask untuk pemrosesan HTTP, buat file teks untuk pengelola paket pip. Berikan nama file requirements.txt dan tambahkan hal berikut:

   flask>=1.0.2
   functions-framework==3.0.0

4. Deploy fungsi dengan pemicu HTTP, dan izinkan akses yang tidak diautentikasi:

   gcloud functions deploy randomgen \
       --runtime python37 \
       --trigger-http \
       --allow-unauthenticated

Fungsi mungkin memerlukan waktu beberapa menit untuk di-deploy. Atau, Anda dapat menggunakan antarmuka fungsi Cloud Run di konsol Google Cloud untuk men-deploy fungsi tersebut.

1. Setelah fungsi di-deploy, Anda dapat mengonfirmasi properti httpsTrigger.url:

   gcloud functions describe randomgen

2. Anda dapat mencoba fungsi ini dengan perintah curl berikut:

   curl $(gcloud functions describe randomgen --format='value(httpsTrigger.url)')

   Angka dibuat secara acak dan ditampilkan.

Men-deploy layanan fungsi Cloud Run kedua

Setelah menerima permintaan HTTP, fungsi HTTP ini akan mengekstrak input dari isi JSON, mengalikannya dengan 2, dan menampilkan hasilnya dalam format JSON.

1. Buat direktori bernama multiply lalu ubah ke direktori tersebut:

   mkdir ~/multiply
   cd ~/multiply

2. Buat file teks dengan nama file main.py yang berisi kode Python berikut:

   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)

3. Agar dapat mendukung dependensi pada Flask untuk pemrosesan HTTP, buat file teks untuk pengelola paket pip. Berikan nama file requirements.txt dan tambahkan hal berikut:

   flask>=1.0.2
   functions-framework==3.0.0

4. Deploy fungsi dengan pemicu HTTP, dan izinkan akses yang tidak diautentikasi:

   gcloud functions deploy multiply \
       --runtime python37 \
       --trigger-http \
       --allow-unauthenticated

Fungsi ini mungkin memerlukan waktu beberapa menit untuk di-deploy.Atau, Anda dapat menggunakan antarmuka fungsi Cloud Run di konsol Google Cloud untuk men-deploy fungsi tersebut.

1. Setelah fungsi di-deploy, Anda dapat mengonfirmasi properti httpsTrigger.url:

   gcloud functions describe multiply

2. Anda dapat mencoba fungsi ini dengan perintah curl berikut:

   curl $(gcloud functions describe multiply --format='value(httpsTrigger.url)') \
       -X POST \
       -H "content-type: application/json" \
       -d '{"input": 5}'

   Angka 10 harus ditampilkan.

Menghubungkan dua layanan fungsi Cloud Run dalam alur kerja

Alur kerja terdiri dari serangkaian langkah yang dijelaskan menggunakan sintaksis Workflows, yang dapat ditulis dalam format YAML atau JSON. Ini adalah definisi alur kerja. Untuk penjelasan mendetail, lihat halaman Referensi sintaksis.

1. Kembali ke direktori utama Anda:

   cd ~

2. Buat file teks dengan nama file workflow.yaml yang berisi konten berikut:

   - randomgen_function:
       call: http.get
       args:
           url: https://REGION-PROJECT_ID.cloudfunctions.net/randomgen
       result: randomgen_result
   - multiply_function:
       call: http.post
       args:
           url: https://REGION-PROJECT_ID.cloudfunctions.net/multiply
           body:
               input: ${randomgen_result.body.random}
       result: multiply_result
   - return_result:
       return: ${multiply_result}
   

   Ini menautkan kedua fungsi HTTP bersama-sama dan menampilkan hasil akhir.

   Catatan: Untuk membuat permintaan ke fungsi Cloud Run yang hanya menerima panggilan yang diautentikasi, gunakan OIDC untuk melakukan autentikasi. Untuk mengetahui informasi selengkapnya, lihat Membuat permintaan yang diautentikasi dari alur kerja.

3. Setelah membuat alur kerja, Anda dapat men-deploy alur kerja tersebut sehingga siap untuk dieksekusi.

   gcloud workflows deploy WORKFLOW_NAME --source=workflow.yaml

   Ganti WORKFLOW_NAME dengan nama untuk alur kerja Anda.

4. Menjalankan alur kerja:

   gcloud workflows run WORKFLOW_NAME

   Eksekusi adalah satu eksekusi logika yang terkandung dalam definisi alur kerja. Semua eksekusi alur kerja bersifat independen, dan penskalaan Workflows yang cepat memungkinkan banyak eksekusi serentak.

   Setelah alur kerja dieksekusi, output-nya akan terlihat seperti berikut:

   result: '{"body":{"multiplied":120},"code":200,"headers":{"Alt-Svc":"h3-29=\":443\";
   ...
   startTime: '2021-05-05T14:17:39.135251700Z'
   state: SUCCEEDED
   ...
   

Menghubungkan layanan REST publik dalam alur kerja

Memperbarui alur kerja yang ada dan menghubungkan REST API publik (math.js) yang dapat mengevaluasi ekspresi matematika. Contoh, curl https://api.mathjs.org/v4/?'expr=log(56)'.

Perlu diperhatikan bahwa karena telah men-deploy alur kerja, Anda juga dapat mengeditnya melalui halaman Workflows di konsol Google Cloud .

1. Edit file sumber untuk alur kerja Anda dan ganti dengan konten berikut:

   - randomgen_function:
       call: http.get
       args:
           url: https://REGION-PROJECT_ID.cloudfunctions.net/randomgen
       result: randomgen_result
   - multiply_function:
       call: http.post
       args:
           url: https://REGION-PROJECT_ID.cloudfunctions.net/multiply
           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}
   

   Tindakan ini akan menautkan layanan REST eksternal ke layanan fungsi Cloud Run, dan menampilkan hasil akhir.

2. Deploy alur kerja yang diubah:

   gcloud workflows deploy WORKFLOW_NAME --source=workflow.yaml

Men-deploy layanan Cloud Run

Deploy layanan Cloud Run yang, setelah menerima permintaan HTTP, mengekstrak input dari isi JSON, menghitung math.floor-nya, dan menampilkan hasilnya.

1. Buat direktori bernama floor lalu ubah ke direktori tersebut:

   mkdir ~/floor
   cd ~/floor

2. Buat file teks dengan nama file app.py yang berisi kode Python berikut:

   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)))

3. Dalam direktori yang sama, buat Dockerfile dengan konten berikut:

   # 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

4. Buat repositori standar Artifact Registry tempat Anda dapat menyimpan image container Docker:

   gcloud artifacts repositories create REPOSITORY \
       --repository-format=docker \
       --location=${REGION}

   Ganti REPOSITORY dengan nama unik untuk repositori.

5. Build image container:

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

6. Deploy image container ke Cloud Run untuk memastikan bahwa image tersebut hanya menerima panggilan yang diautentikasi:

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

Jika Anda melihat URL layanan, berarti deployment selesai. Anda harus menentukan URL tersebut saat memperbarui definisi alur kerja.

Menghubungkan layanan Cloud Run dalam alur kerja

Perbarui alur kerja yang ada dan tentukan URL untuk layanan Cloud Run.

1. Edit file sumber untuk alur kerja Anda dan ganti dengan konten berikut:

   - randomgen_function:
       call: http.get
       args:
           url: https://REGION-PROJECT_ID.cloudfunctions.net/randomgen
       result: randomgen_result
   - multiply_function:
       call: http.post
       args:
           url: https://REGION-PROJECT_ID.cloudfunctions.net/multiply
           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}
   

   Ganti CLOUD_RUN_SERVICE_URL dengan URL layanan Cloud Run Anda.

   Tindakan ini akan menghubungkan layanan Cloud Run dalam alur kerja. Perlu diperhatikan bahwa kunci auth memastikan bahwa token autentikasi diteruskan dalam panggilan ke layanan Cloud Run. Untuk mengetahui informasi selengkapnya, lihat Membuat permintaan yang diautentikasi dari alur kerja.

2. Deploy alur kerja yang diubah:

   gcloud workflows deploy WORKFLOW_NAME \
       --source=workflow.yaml

3. Jalankan alur kerja akhir:

   gcloud workflows run WORKFLOW_NAME

   Output akan terlihat seperti berikut:

   result: '{"Floor":{"body":"4","code":200
     ...
     "Log":{"body":"4.02535169073515","code":200
     ...
     "Multiply":{"body":{"multiplied":56},"code":200
     ...
     "Random":{"body":{"random":28},"code":200
     ...
   startTime: '2023-11-13T21:22:56.782669001Z'
   state: SUCCEEDED
   

Selamat! Anda telah men-deploy dan menjalankan alur kerja yang menghubungkan serangkaian layanan secara bersamaan.

Untuk membuat Workflows yang lebih kompleks menggunakan ekspresi, lompatan kondisional, encoding atau decoding Base64, subalur kerja, dan lainnya, lihat Referensi sintaksis Workflows dan Ringkasan library standar.