Loading...
No results found.

Apply your skills in Google Cloud console

Deploy to App Engine

Check my progress

/ 30

Deploy to Kubernetes Engine

Check my progress

/ 30

Deploy to Cloud Run

Check my progress

/ 40

This lab may incorporate AI tools to support your learning.

總覽

在本研究室中，您會將應用程式部署至 App Engine、Kubernetes Engine 和 Cloud Run 等 Google Cloud 服務。

App Engine、Kubernetes Engine 和 Cloud Run 等 Google Cloud 服務架構

目標

在本實驗室中，您將瞭解如何執行下列工作：

  • 從 GitHub 下載範例應用程式
  • 部署至 App Engine
  • 部署至 Kubernetes Engine
  • 部署至 Cloud Run

設定研究室環境

每個實驗室都會提供新的 Google Cloud 專案和一組資源，讓您在時限內免費使用。

  1. 請透過無痕視窗登入 Google Skills。

  2. 注意實驗室時間限制 (例如 1:15:00)，並確實在該時限內完成相關工作。實驗室無法暫停。您可以重新開始，但原有進度不會保留。

  3. 準備就緒後，請按一下「Start lab」。

  4. 請記下研究室憑證 (使用者名稱和密碼)，這組資訊將用於登入 Google Cloud 控制台。

  5. 點選「Open Google Console」。

  6. 點選「Use another account」，然後複製本實驗室的憑證，並貼到提示訊息中。 如果使用其他憑證，會出現錯誤訊息或產生費用。

  7. 接受條款，然後略過資源復原頁面。

工作 1：建立簡易的 Python 應用程式

接著，我們會用原始碼來管理，因此請建立簡易的 Python Flask 網頁應用程式。這個應用程式的功能只會稍微優於「Hello World」，但足以用來測試您將建構的 pipeline。

  1. 在 Cloud 控制台中，按一下「啟用 Cloud Shell」圖示 「啟用 Cloud Shell」圖示。

  2. 如果出現提示訊息，請點選「繼續」。

  3. 在 Cloud Shell 中輸入下列指令來建立資料夾，並將資料夾命名為 gcp-course：

mkdir gcp-course
  1. 切換到剛建立的資料夾：
cd gcp-course
  1. 建立資料夾，並命名為 deploying-apps-to-gcp：
mkdir deploying-apps-to-gcp
  1. 切換到剛剛建立的資料夾：
cd deploying-apps-to-gcp
  1. 在 Cloud Shell 按一下「開啟編輯器」(編輯器圖示)，即可開啟程式碼編輯器。如果出現提示訊息，請點選「在新視窗中開啟」。
  2. 從左側的探索工具樹狀結構依序選取「gcp-course」>「deploying-apps-to-gcp」資料夾。
  3. 點選「deploying-apps-to-gcp」。
  4. 點選「New File」。
  5. 將檔案命名為 main.py，並按下 Enter 鍵。
  6. 將下列程式碼貼入剛剛建立的資料夾：
from flask import Flask, render_template, request app = Flask(__name__) @app.route("/") def main(): model = {"title": "Hello GCP."} return render_template('index.html', model=model) if __name__ == "__main__": app.run(host='0.0.0.0', port=8080, debug=True, threaded=True)
  1. 按下 Ctrl + S 鍵來儲存變更。
  2. 點選「deploying-apps-to-gcp」資料夾。
  3. 點選「New Folder」。
  4. 將資料夾命名為 templates，並按下 Enter 鍵。
  5. 在 templates 資料夾按一下滑鼠右鍵，建立新檔案，並命名為 layout.html。
  6. 新增下列程式碼，並和先前一樣儲存檔案：
<!doctype html> <html lang="en"> <head> <title>{{model.title}}</title> <!-- Bootstrap CSS --> <link rel="stylesheet" href="https://stackpath.bootstrapcdn.com/bootstrap/4.4.1/css/bootstrap.min.css"> </head> <body> <div class="container"> {% block content %}{% endblock %} <footer></footer> </div> </body> </html>

  1. 此外，請在 templates 資料夾中新增另一個檔案，並命名為 index.html。

  2. 新增下列程式碼，並和先前一樣儲存檔案：

{% extends "layout.html" %} {% block content %} <div class="jumbotron"> <div class="container"> <h1>{{model.title}}</h1> </div> </div> {% endblock %}

  1. 在 Python，應用程式必須使用 pip 管理。現在請新增一個檔案，並在其中列出應用程式的必要條件。

  2. 切換至「deploying-apps-to-gcp」資料夾，而非「templates」資料夾。建立新檔案，將下列指令新增至該檔案並儲存為 requirements.txt：

Flask==2.0.3 itsdangerous==2.0.1 Jinja2==3.0.3 werkzeug==2.2.2

工作 2：定義 Docker 建構作業

要使用 Docker，第一步就是建立 Dockerfile。這個檔案會定義 Docker 容器的建構方式，您現在就可以建立檔案。

  1. 在「deploying-apps-to-gcp」資料夾點選「New File」，並將新檔案命名為 Dockerfile。

「Dockerfile」檔案會用來定義容器的建構方式。

  1. 新增下列程式碼：
FROM python:3.13 WORKDIR /app COPY . . RUN pip install gunicorn RUN pip install -r requirements.txt ENV PORT=8080 CMD exec gunicorn --bind :$PORT --workers 1 --threads 8 main:app
  1. 為測試程式，請輸入下列指令，建構映像檔的 Docker 容器：
docker build -t test-python .
  1. 輸入下列指令，執行 Docker 映像檔：
docker run --rm -p 8080:8080 test-python
  1. 如要查看執行中的程式，請點選 Google Cloud Shell 工具列中的「網頁預覽」圖示 (「網頁預覽」圖示)。接著選取「Preview on port 8080」。

程式應該會顯示在新瀏覽器分頁中。

  1. 在 Cloud Shell 輸入 Ctrl+C 即可停止程式。

工作 3：部署至 App Engine

App Engine 是全自動化的部署平台，支援多種語言，包括 Python、Java、JavaScript 和 Go。如要使用 App Engine，您要透過一些簡單的指令來建立設定檔並部署應用程式。在這項工作中，您會建立名稱為「app.yaml」的檔案，並部署至 App Engine。

  1. 在 Cloud Shell 點選「開啟編輯器」「Cloud Shell 編輯器」圖示，然後按一下「在新視窗中開啟」 (如有需要)。
  2. 從左側的探索工具樹狀結構選取「gcp-course/deploying-apps-to-gcp」資料夾。
  3. 點選「New File」，將檔案命名為 app.yaml，然後按下 Enter 鍵。
  4. 將下列程式碼貼入剛剛建立的檔案中：
runtime: python313
  1. 點選「儲存」儲存變更。
注意：您可以在 app.yaml 檔案中新增其他設定，不過在目前的使用情境中，只需新增語言執行階段即可。
  1. 您必須在專案中建立 App Engine 應用程式。如要這麼做，只要執行 gcloud app create 指令，並指定用於建立應用程式的區域即可。點選「Open Terminal」(開啟終端機)，然後輸入下列指令。如果出現提示訊息，請點選「Authorize」(授權)。
gcloud app create --region={{{project_0.startup_script.app_region| Region}}}
  1. 現在輸入下列指令來部署應用程式：
gcloud app deploy --version=one --quiet 附註：這個指令會在幾分鐘內執行完畢。

  1. 前往 Google Cloud 控制台，在標題列的搜尋欄位輸入 App Engine，然後在搜尋結果中點選「App Engine」。

  2. 資訊主頁右上角會顯示應用程式的連結，類似下圖：

應用程式連結範例

注意：根據預設，App Engine 應用程式的網址格式為 https://project-id.appspot.com。

  1. 點選連結即可測試程式。

  2. 變更程式內容，瞭解 App Engine 如何讓您輕鬆管理版本。

  3. 在程式碼編輯器中，展開左側導覽窗格中的「/deploying-apps-to-gcp」資料夾，接著點選「main.py」開啟檔案。

  4. 在 main() 函式中，將標題變更為 Hello App Engine，如下所示：

@app.route("/") def main(): model = {"title" "Hello App Engine"} return render_template('index.html', model=model)

  1. 在程式碼編輯器工作列中，依序點選「檔案」>「儲存」來儲存變更。

  2. 現在輸入下列指令來部署第二版：

gcloud app deploy --version=two --no-promote --quiet 注意：--no-promote 參數會讓 App Engine 繼續透過舊版本處理要求，讓您在用於實際工作環境之前，先測試新版本。

  1. 指令執行完成後，請返回 App Engine 資訊主頁。再次點選連結，仍會傳回第一版。系統應會傳回 Hello GCP，這是因為您在先前的指令中加入了 --no-promote 參數。

  2. 按一下左側的「版本」分頁標籤，您會發現畫面中列出了兩個版本。

注意：您可能要點選「重新整理」才能看見第二版。

  1. 按一下第二版的連結來進行測試，系統應會傳回 Hello App Engine。

  2. 如要將實際工作環境的流量遷移至第二版，請點選頂端的「拆分流量」。變更為第二版，然後點選「儲存」。

  3. 請稍候幾分鐘，等待作業完成。重新整理先前傳回 Hello GCP 的瀏覽器分頁，現在應會傳回新版本。

點選「Check my progress」，確認目標已達成。部署至 App Engine

工作 4：透過 Cloud Build 和 Artifact Registry 部署至 Kubernetes Engine

透過 Kubernetes Engine，您可以建立機器叢集，並在叢集中部署任意數量的應用程式。Kubernetes 簡化了管理機器的繁瑣細節，讓您透過簡單的 CLI 指令自動化應用程式部署作業。

如要將應用程式部署至 Kubernetes，您必須先建立叢集，接著為每個要部署至叢集中的應用程式新增設定檔。

  1. 在「導覽選單」「導覽選單」圖示，依序點選「Kubernetes Engine」>「叢集」。如果系統顯示 Kubernetes API 正在初始化的訊息，請等待作業完成。

  2. 依序點選「建立」和「Standard：由您自行管理叢集」下的「設定」。

  3. 「位置類型」請點選「區域」，然後選取可用區 。其他變數都保留預設，然後點選「建立」。Kubernetes Engine 叢集會在幾分鐘內建立完畢。叢集準備就緒時，畫面上會顯示綠色勾號。

  4. 在「叢集詳細資料」窗格中，點選「連線」。

  5. 在「連線至叢集」畫面中，點選「在 Cloud Shell 中執行」，即可自動在 Cloud Shell 中輸入連線指令。

  6. 按下 Enter 鍵來連線至叢集。

  7. 輸入下列指令來測試連線：

kubectl get nodes

這個指令只會顯示叢集中的機器。如果指令順利執行，表示連線成功。

  1. 在 Cloud Shell 點選「開啟編輯器」「Cloud Shell 編輯器」圖示。
  2. 在左側的導覽窗格展開「gcp-course/deploying-apps-to-gcp」資料夾，接著點選「main.py」開啟檔案。
  3. 在 main() 函式中，將標題變更為 Hello Kubernetes Engine，如下所示：
@app.route("/") def main(): model = {"title" "Hello Kubernetes Engine"} return render_template('index.html', model=model)
  1. 點選「儲存」來儲存變更。
  2. 在「gcp-course/deploying-apps-to-gcp」資料夾中新增檔案並命名為 kubernetes-config.yaml。
  3. 將下列程式碼貼入檔案，設定應用程式：
--- apiVersion: apps/v1 kind: Deployment metadata: name: devops-deployment labels: app: devops tier: frontend spec: replicas: 3 selector: matchLabels: app: devops tier: frontend template: metadata: labels: app: devops tier: frontend spec: containers: - name: devops-demo image: <YOUR IMAGE PATH HERE> ports: - containerPort: 8080 --- apiVersion: v1 kind: Service metadata: name: devops-deployment-lb labels: app: devops tier: frontend-lb spec: type: LoadBalancer ports: - port: 80 targetPort: 8080 selector: app: devops tier: frontend

注意：在上方 YAML 檔案的第一個部分中，設定的是 Deployment。在這個例子中，您將部署 3 個 Python 網頁應用程式的執行個體。請留意映像檔屬性，您必須在映像檔建立完成後的一分鐘內更新這個值。在第二個部分中，您要建立類型為「負載平衡器」的服務。負載平衡器將具備公開 IP 位址，使用者會透過負載平衡器存取您的應用程式。

如要進一步瞭解 Kubernetes Deployment 和 Service，請參閱下列連結：
  1. 在「Cloud Shell」輸入下列指令，建立名為 devops-demo 的 Artifact Registry 存放區：
gcloud artifacts repositories create devops-demo \ --repository-format=docker \ --location={{{ project_0.default_region | "REGION" }}}
  1. 輸入下列指令，將 Docker 設為向 Artifact Registry Docker 存放區進行驗證：
gcloud auth configure-docker {{{ project_0.default_region | "REGION" }}}-docker.pkg.dev
  1. 如要使用 Kubernetes Engine，就必須建構 Docker 映像檔。請輸入下列指令，透過 Cloud Build 建立映像檔，並儲存至 Artifact Registry：
cd ~/gcp-course/deploying-apps-to-gcp gcloud builds submit --tag {{{ project_0.default_region | "REGION" }}}-docker.pkg.dev/$DEVSHELL_PROJECT_ID/devops-demo/devops-image:v0.2 .

  1. 上方指令執行完成後，映像檔名稱就會顯示在輸出內容中。映像檔名稱格式為：-docker.pkg.dev/PROJECT_ID/devops-demo/devops-image:v0.2。

  2. 選取映像檔名稱並複製到剪貼簿，然後將該值貼入 kubernetes-config.yaml 檔案，覆寫原有的 <YOUR IMAGE PATH HERE> 字串，

內容大致如下所示：

spec: containers: - name: devops-demo image: {{{ project_0.default_region | "REGION" }}}-docker.pkg.dev/PROJECT_ID/devops-demo/devops-image:v0.2 ports:
  1. 輸入下列 Kubernetes 指令，部署應用程式：
kubectl apply -f kubernetes-config.yaml
  1. 在設定檔中，您為應用程式指定了三個備用資源。輸入下列指令，確認三個執行個體是否已建立完成：
kubectl get pods

確認所有 Pod 均已準備就緒。如未準備就緒，請稍候片刻，然後再試一次。

  1. 負載平衡器也已新增至設定檔中。請輸入下列指令，確認負載平衡器是否已建立完成：
kubectl get services

輸出內容大致如下所示：

輸出內容

如果負載平衡器的外部 IP 位址顯示「pending」，請稍候片刻再重試。

  1. 取得外部 IP 後，請開啟瀏覽器分頁，並對該 IP 發送要求。系統應會傳回 Hello Kubernetes Engine。這項作業可能需要幾秒才能執行完成。

點選「Check my progress」，確認目標已達成。部署至 Kubernetes Engine

工作 5：部署至 Cloud Run

Cloud Run 可簡化及自動化部署至 Kubernetes 的作業。使用 Cloud Run 時不須準備設定檔，只要為應用程式選擇叢集即可。透過 Cloud Run，您可以使用由 Google 代管的叢集或自己的 Kubernetes 叢集。

如要使用 Cloud Run，您必須透過 Docker 映像檔部署應用程式，且應用程式須為無狀態。

  1. 開啟 Cloud Shell 程式碼編輯器，然後展開左側導覽窗格中的「gcp-course/deploying-apps-to-gcp」資料夾，接著點選「main.py」開啟檔案。
  2. 在 main() 函式中，將標題變更為 Hello Cloud Run，如下所示：
@app.route("/") def main(): model = {"title" "Hello Cloud Run"} return render_template('index.html', model=model)

  1. 點選「儲存」來儲存變更。

  2. 如要使用 Cloud Run，就必須建構 Docker 映像檔。在 Cloud Shell 輸入下列指令，透過 Cloud Build 建立映像檔，並儲存至 Artifact Registry：

cd ~/gcp-course/deploying-apps-to-gcp gcloud builds submit --tag {{{ project_0.default_region | "REGION" }}}-docker.pkg.dev/$DEVSHELL_PROJECT_ID/devops-demo/cloud-run-image:v0.1 .

  1. 建構完畢之後，請前往 Google Cloud 控制台，在標題列的「搜尋」欄位輸入 Cloud Run，然後點選「產品和頁面」部分中的「Cloud Run」。

  2. 依序點選「服務」>「建立服務」，啟用 Cloud Run API。

  3. 點選 容器映像檔 URL 文字方塊中的「選取」連結。在結果對話方塊中，依序展開「Region-docker.pkg.dev/$DEVSHELL_PROJECT_ID/devops-demo」>「cloud-run-image」，選取列出的映像檔，然後點選「選取」。

  4. 在「服務名稱」中輸入 hello-cloud-run，然後選取 區域。

  5. 在「驗證」中，選取「允許公開存取」。

  6. 在「容器、磁碟區、網路、安全性」中，選取「執行環境」部分中的「預設」。

  7. 在「修訂版本資源調度」中，將「執行個體數量上限」設為 6，其他設定則維持預設值。

  8. 最後點選「建立」。

  9. 服務應該很快就能部署完成。畫面上顯示綠色勾號時，按一下自動產生的應用程式網址，系統應會傳回 Hello Cloud Run。

點選「Check my progress」，確認目標已達成。部署至 Cloud Run

恭喜！

在本研究室中，您已成功將應用程式部署至 App Engine、Kubernetes Engine 和 Cloud Run 等 Google Cloud 服務。

關閉研究室

如果您已完成實驗室，請點選「End Lab」。Google Skills 會清除您使用的資源和帳戶。

您可以為實驗室的使用體驗評分。請選取合適的星級評等並提供意見，然後按一下「Submit」。

星級評等代表您的滿意程度：

  • 1 星 = 非常不滿意
  • 2 星 = 不滿意
  • 3 星 = 普通
  • 4 星 = 滿意
  • 5 星 = 非常滿意

如果不想提供意見回饋，您可以直接關閉對話方塊。

如有任何想法、建議或指教，請透過「Support」分頁提交。

Copyright 2026 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。

Before you begin

  1. Labs create a Google Cloud project and resources for a fixed time
  2. Labs have a time limit and no pause feature. If you end the lab, you'll have to restart from the beginning.
  3. On the top left of your screen, click Start lab to begin

Use private browsing

  1. Copy the provided Username and Password for the lab
  2. Click Open console in private mode

Sign in to the Console

  1. Sign in using your lab credentials. Using other credentials might cause errors or incur charges.
  2. Accept the terms, and skip the recovery resource page
  3. Don't click End lab unless you've finished the lab or want to restart it, as it will clear your work and remove the project

This content is not currently available

We will notify you via email when it becomes available

Great!

We will contact you via email if it becomes available

One lab at a time

Confirm to end all existing labs and start this one

Use private browsing to run the lab

Using an Incognito or private browser window is the best way to run this lab. This prevents any conflicts between your personal account and the Student account, which may cause extra charges incurred to your personal account.

Complete this quick step to start your lab.