Google 會運用 AI 技術將內容翻譯成你偏好的語言，但可能會出錯。

根據 Prometheus 指標自動調度工作站集區資源

本教學課程說明如何使用 Cloud Run 外部指標自動調度資源 (CREMA)，根據 Prometheus 指標自動調度 Cloud Run worker 集區資源。

CREMA 自動配置器服務會使用 Prometheus 的資料，執行比率計算。自動配置器服務會動態調整執行個體數量，確保 worker 集區有足夠的資源處理目前的工作負載。CREMA 會計算工作站集區在特定時間範圍內的 CPU 使用率，並與設定的門檻比較，據此調整執行個體。

目標

在這個教學課程中，您將執行下列操作：

部署 Cloud Run worker 集區，執行背景工作負載，將使用率指標回報給 Google Cloud Managed Service for Prometheus。
部署自動配置器 CREMA 服務，根據 Prometheus 指標動態調度 worker 集區資源。
測試 CREMA 服務：觀察服務記錄，並在 Google Cloud 控制台驗證執行個體數量變化。

費用

在本文件中，您會使用下列 Google Cloud計費元件：

您可以使用 Pricing Calculator，根據預測用量估算費用。

初次使用 Google Cloud 的使用者可能符合免費試用期資格。

事前準備

登入 Google Cloud 帳戶。如果您未曾使用過 Google Cloud，歡迎建立帳戶，親自體驗實際使用我們產品的成效。新客戶還能獲得價值 $300 美元的免費抵免額，用於執行、測試及部署工作負載。

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

啟用 Cloud Run、Parameter Manager、Artifact Registry、Cloud Build 和 Cloud Monitoring API (如有尚未啟用的 API)。
啟用 API 所需的角色
如要啟用 API，您必須具備 serviceusage.services.enable 權限。如果您建立了專案，可能已透過擁有者角色 (roles/owner) 取得這項權限。否則，您可以透過服務使用情形管理員角色 (roles/serviceusage.serviceUsageAdmin) 取得這項權限。瞭解如何授予角色。
啟用 API

安裝並初始化 gcloud CLI。
更新元件：
```
gcloud components update
```

為本教學課程中使用的 CREMA 設定下列設定變數：

export PROJECT_ID=PROJECT_ID
export REGION=us-central1
export CREMA_SA_NAME=crema-service-account
export CONSUMER_SA_NAME=consumer-service-account
export CONSUMER_WORKER_POOL_NAME=worker-pool-consumer
export CREMA_SERVICE_NAME=my-crema-service

將 PROJECT_ID 替換為 Google Cloud 專案 ID。

執行下列指令來設定專案 ID：
```
gcloud config set project $PROJECT_ID
```
Cloud Run 擴充服務的費用取決於觸發擴充的頻率。如要瞭解詳情，請使用 Pricing Calculator 估算費用。

必要的角色

如要取得完成教學課程所需的權限，請要求管理員在專案中授予您下列 IAM 角色：

Artifact Registry 存放區管理員 (roles/artifactregistry.repoAdmin)
Cloud Build 編輯者 (roles/cloudbuild.builds.editor)
Cloud Run 管理員 (roles/run.admin)
建立服務帳戶 (roles/iam.serviceAccountCreator)
服務帳戶使用者 (roles/iam.serviceAccountUser)
服務使用情形消費者 (roles/serviceusage.serviceUsageConsumer)
Parameter Manager 管理員 (roles/parametermanager.admin)

如要進一步瞭解如何授予角色，請參閱「管理專案、資料夾和組織的存取權」。

您或許也能透過自訂角色或其他預先定義的角色，取得必要權限。

建立自訂服務帳戶

本教學課程需要下列兩個服務帳戶，並具備使用佈建資源所需的最低權限：

消費者服務帳戶：執行背景工作負載的工作站集區身分。執行下列指令，建立用戶服務帳戶：
```
gcloud iam service-accounts create $CONSUMER_SA_NAME \
  --display-name="Consumer service account"
```

CREMA 服務帳戶：自動配置器的身分。執行下列指令，建立 CREMA 服務帳戶：

gcloud iam service-accounts create $CREMA_SA_NAME \
  --display-name="CREMA service account"

將其他權限授予自訂服務帳戶

如要擴充 worker 集區，請授予自訂服務帳戶下列權限：

授予 CREMA 服務帳戶讀取 Parameter Manager 的權限：

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member="serviceAccount:$CREMA_SA_NAME@$PROJECT_ID.iam.gserviceaccount.com" \
  --role="roles/parametermanager.parameterViewer"

授予 CREMA 服務帳戶擴充 worker 集區的權限：

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member="serviceAccount:$CREMA_SA_NAME@$PROJECT_ID.iam.gserviceaccount.com" \
  --role="roles/run.developer"

將服務帳戶使用者角色授予 CREMA 服務帳戶：

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member="serviceAccount:$CREMA_SA_NAME@$PROJECT_ID.iam.gserviceaccount.com" \
  --role="roles/iam.serviceAccountUser"

授予 CREMA 服務帳戶查看指標的權限：

 gcloud projects add-iam-policy-binding $PROJECT_ID \
   --member="serviceAccount:$CREMA_SA_NAME@$PROJECT_ID.iam.gserviceaccount.com" \
   --role="roles/monitoring.viewer"

授予 CREMA 服務帳戶寫入指標的權限：

 gcloud projects add-iam-policy-binding $PROJECT_ID \
   --member="serviceAccount:$CREMA_SA_NAME@$PROJECT_ID.iam.gserviceaccount.com" \
   --role="roles/monitoring.metricWriter"

部署 Cloud Run worker 集區

部署含有 0 個執行個體的 worker 集區，讓 CREMA 擴充：

gcloud run worker-pools deploy $CONSUMER_WORKER_POOL_NAME \
  --image us-docker.pkg.dev/cloudrun/container/worker-pool:latest \
  --instances 0 \
  --region $REGION \
  --memory 4G \
  --cpu 4 \
  --service-account="$CONSUMER_SA_NAME@$PROJECT_ID.iam.gserviceaccount.com"

部署自動配置器 CREMA 服務

部署 CREMA 服務，根據 Prometheus 指標自動調度 worker 集區資源。

設定自動配置器

本教學課程會使用Parameter Manager，儲存 CREMA 的 YAML 設定檔。

在 Parameter Manager 中建立參數，用於儲存 CREMA 的參數版本：

PARAMETER_ID=crema-config
PARAMETER_REGION=global
gcloud parametermanager parameters create $PARAMETER_ID --location=$PARAMETER_REGION --parameter-format=YAML

在根目錄中建立 YAML 檔案 my-crema-config.yaml，定義自動配置器設定。將自動調度資源門檻設為 50% CPU 使用率：

apiVersion: crema/v1
kind: CremaConfig
spec:
  pollingInterval: 30
  triggerAuthentications:
    - metadata:
        name: google-crema-auth
      spec:
        podIdentity:
          provider: gcp
  scaledObjects:
    - spec:
        scaleTargetRef:
          name: projects/PROJECT_ID/locations/us-central1/workerPools/worker-pool-consumer
        minReplicaCount: 1
        maxReplicaCount: 20
        triggers:
          - type: prometheus
            metadata:
              serverAddress: https://monitoring.googleapis.com/v1/projects/PROJECT_ID/location/global/prometheus
              threshold: "0.5"
              query: |
                histogram_quantile(
                  0.50,
                  sum by (le) (
                    increase(
                      run_googleapis_com:container_cpu_utilizations_bucket{
                        monitored_resource="cloud_run_worker_pool",
                        worker_pool_name="worker-pool-consumer",
                        location="us-central1",
                        project_id="PROJECT_ID"
                      }[2m]
                    )
                  )
                )
            authenticationRef:
              name: google-crema-auth
        advanced:
          horizontalPodAutoscalerConfig:
            behavior:
              scaleDown:
                stabilizationWindowSeconds: 300

將 PROJECT_ID 替換為 Google Cloud 專案 ID。

將本機 YAML 檔案上傳為新的參數版本：

LOCAL_YAML_CONFIG_FILE=my-crema-config.yaml
PARAMETER_VERSION=1

gcloud parametermanager parameters versions create $PARAMETER_VERSION \
  --location=$PARAMETER_REGION \
  --parameter=$PARAMETER_ID \
  --payload-data-from-file=$LOCAL_YAML_CONFIG_FILE

執行下列指令，確認參數是否新增成功：
```
gcloud parametermanager parameters versions list \
--parameter=$PARAMETER_ID \
--location=$PARAMETER_REGION
```
您應該會看到參數路徑，例如 projects/PROJECT_ID/locations/global/parameters/crema-config/versions/1。

部署服務，調度工作負載資源

如要部署服務來擴充 worker 集區，請使用預先建構的容器映像檔執行下列指令：

CREMA_CONFIG_PARAM_VERSION=projects/$PROJECT_ID/locations/$PARAMETER_REGION/parameters/$PARAMETER_ID/versions/$PARAMETER_VERSION
IMAGE=us-central1-docker.pkg.dev/cloud-run-oss-images/crema-v1/autoscaler:1.0

gcloud run deploy $CREMA_SERVICE_NAME \
  --image=${IMAGE} \
  --region=${REGION} \
  --service-account="${CREMA_SA_NAME}" \
  --no-allow-unauthenticated \
  --no-cpu-throttling \
  --base-image=us-central1-docker.pkg.dev/serverless-runtimes/google-24/runtimes/java25 \
  --labels=created-by=crema \
  --set-env-vars="CREMA_CONFIG=${CREMA_CONFIG_PARAM_VERSION},OUTPUT_SCALER_METRICS=True"

測試自動調度資源服務

如要確認自動調度資源服務是否正常運作，請查看 Cloud Run 服務的「Logs」(記錄) 分頁。CREMA 自動配置器服務會從 0 開始向上擴充消費者 worker 執行個體。

每次重新整理指標時，服務記錄中應會顯示下列記錄：

[INFO] [METRIC-PROVIDER] Starting metric collection cycle
[INFO] [METRIC-PROVIDER] Successfully fetched scaled object metrics ...
[INFO] [METRIC-PROVIDER] Sending scale request ...
[INFO] [SCALER] Received ScaleRequest ...
[INFO] [SCALER] Current instances ...
[INFO] [SCALER] Recommended instances ...

Cloud Run 會為每則記錄訊息加上標籤，指出發出訊息的元件。

清除所用資源

為避免系統向您的 Google Cloud 帳戶收取額外費用，請刪除您在本教學課程中部署的所有資源。

刪除專案

如果您是為了這個教學課程建立新專案，請刪除專案。如果您使用現有專案，並想保留專案，但不要本教學課程新增的變更，請刪除為本教學課程建立的資源。

如要避免付費，最簡單的方法就是刪除您為了本教學課程所建立的專案。

刪除專案的方法如下：

前往 Google Cloud 控制台的「Manage resources」(管理資源) 頁面。
前往「Manage resources」(管理資源)
在專案清單中選取要刪除的專案，然後點選「Delete」(刪除)。
在對話方塊中輸入專案 ID，然後按一下 [Shut down] (關閉) 以刪除專案。

刪除教學課程資源

刪除您在本教學課程中部署的 Cloud Run 服務。Cloud Run 服務在收到要求前不會產生費用。

如要刪除 Cloud Run 服務，請執行下列指令：
```
gcloud run services delete SERVICE-NAME
```
將 SERVICE-NAME 改為您的服務名稱。

您也可以從Google Cloud 控制台刪除 Cloud Run 服務。
移除您在教學課程設定期間新增的 gcloud 預設區域設定：
```
 gcloud config unset run/region
```
移除專案設定：
```
 gcloud config unset project
```
刪除在本教學課程中建立的其他 Google Cloud 資源：
- 刪除 Cloud Run worker 集區
- 從 Artifact Registry 刪除 worker 集區容器映像檔
- 刪除 CREMA 服務
- 刪除服務帳戶
- 在 Parameter Manager 中刪除參數

後續步驟

進一步瞭解 Cloud Run worker 集區。
探索其他 Cloud Run 示範、教學課程和範例。
使用 CREMA 設定其他 KEDA 縮放器。

根據 Prometheus 指標自動調度工作站集區資源 透過集合功能整理內容 你可以依據偏好儲存及分類內容。

目標

費用

事前準備

必要的角色

建立自訂服務帳戶

將其他權限授予自訂服務帳戶

部署 Cloud Run worker 集區

部署自動配置器 CREMA 服務

設定自動配置器

部署服務，調度工作負載資源

測試自動調度資源服務

清除所用資源

刪除專案

刪除教學課程資源

後續步驟

根據 Prometheus 指標自動調度工作站集區資源