GSP1024

總覽

Managed Service for Prometheus 是 Google Cloud 的全代管儲存和查詢服務，適用於 Prometheus 指標。這項服務的建構基礎為 Monarch，即 Cloud Monitoring 採用的擴充式全球資料儲存庫。

在本實驗室，您將設定 Google Kubernetes Engine 叢集，並部署 Managed Service for Prometheus，從簡易應用程式擷取指標。

精簡版 Prometheus 可取代現有的 Prometheus 部署作業，將資料傳送至代管服務，無須使用者介入。後續只要透過代管服務支援的 Prometheus Query API 使用 PromQL，或使用現有的 Cloud Monitoring 查詢機制，即可查詢這些資料。

目標

• 將 Managed Service for Prometheus 部署至 GKE 叢集。
• 部署要監控的 Python 應用程式。
• 建立 Cloud Monitoring 資訊主頁，查看收集的指標。

設定和需求

瞭解以下事項後，再點選「Start Lab」按鈕

請詳閱以下操作說明。實驗室活動會計時，且中途無法暫停。點選「Start Lab」後就會開始計時，顯示可使用 Google Cloud 資源的時間。

您將在真正的雲端環境完成實作實驗室活動，而不是模擬或示範環境。為此，我們會提供新的暫時憑證，供您在實驗室活動期間登入及存取 Google Cloud。

為了順利完成這個實驗室，請先確認：

• 可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。

注意事項：請使用無痕模式 (建議選項) 或私密瀏覽視窗執行此實驗室，這可以防止個人帳戶和學員帳戶之間的衝突，避免個人帳戶產生額外費用。

• 是時候完成實驗室活動了！別忘了，活動一旦開始將無法暫停。

注意事項：務必使用實驗室專用的學員帳戶。如果使用其他 Google Cloud 帳戶，可能會產生額外費用。

如何開始研究室及登入 Google Cloud 控制台

1. 點選「Start Lab」按鈕。如果實驗室會產生費用，畫面上會出現選擇付款方式的對話方塊。左側的「Lab Details」窗格會顯示下列項目：

   • 「Open Google Cloud console」按鈕
   • 剩餘時間
   • 必須在這個研究室中使用的臨時憑證
   • 完成這個實驗室所需的其他資訊 (如有)

2. 點選「Open Google Cloud console」；如果使用 Chrome 瀏覽器，也能按一下滑鼠右鍵，選取「在無痕視窗中開啟連結」。

   接著，實驗室會啟動相關資源，並開啟另一個分頁，顯示「登入」頁面。

   提示：您可以在不同的視窗中並排開啟分頁。

   注意：如果頁面中顯示「選擇帳戶」對話方塊，請點選「使用其他帳戶」。

3. 如有必要，請將下方的 Username 貼到「登入」對話方塊。

   {{{user_0.username | "Username"}}}

   您也可以在「Lab Details」窗格找到 Username。

4. 點選「下一步」。

5. 複製下方的 Password，並貼到「歡迎使用」對話方塊。

   {{{user_0.password | "Password"}}}

   您也可以在「Lab Details」窗格找到 Password。

6. 點選「下一步」。

   重要事項：請務必使用實驗室提供的憑證，而非自己的 Google Cloud 帳戶憑證。 注意：如果使用自己的 Google Cloud 帳戶來進行這個實驗室，可能會產生額外費用。

7. 按過後續的所有頁面：

   • 接受條款及細則。
   • 由於這是臨時帳戶，請勿新增救援選項或雙重驗證機制。
   • 請勿申請免費試用。

Google Cloud 控制台稍後會在這個分頁開啟。

注意：如要使用 Google Cloud 產品和服務，請點選「導覽選單」，或在「搜尋」欄位輸入服務或產品名稱。

啟動 Cloud Shell

Cloud Shell 是搭載多項開發工具的虛擬機器，提供永久的 5 GB 主目錄，而且在 Google Cloud 中運作。Cloud Shell 提供指令列存取權，方便您使用 Google Cloud 資源。

1. 點按 Google Cloud 控制台頂端的「啟用 Cloud Shell」圖示 。

2. 系統顯示視窗時，請按照下列步驟操作：

   • 繼續操作 Cloud Shell 視窗。
   • 授權 Cloud Shell 使用您的憑證發出 Google Cloud API 呼叫。

連線建立完成即代表已通過驗證，而且專案已設為您的 Project_ID：。輸出內容中有一行文字，宣告本工作階段的 Project_ID：

Your Cloud Platform project in this session is set to {{{project_0.project_id | "PROJECT_ID"}}}

gcloud 是 Google Cloud 的指令列工具，已預先安裝於 Cloud Shell，並支援 Tab 鍵自動完成功能。

3. (選用) 您可以執行下列指令來列出使用中的帳戶：

gcloud auth list

4. 點按「授權」。

輸出內容：

ACTIVE: * ACCOUNT: {{{user_0.username | "ACCOUNT"}}} To set the active account, run: $ gcloud config set account `ACCOUNT`

5. (選用) 您可以使用下列指令來列出專案 ID：

gcloud config list project

輸出內容：

[core] project = {{{project_0.project_id | "PROJECT_ID"}}} 注意：如需 gcloud 的完整說明，請前往 Google Cloud 參閱 gcloud CLI 總覽指南。

工作 1：建立 Docker 存放區

在這項工作中，您將在 Artifact Registry 建立私人 Docker 存放區，然後在這個存放區新增映像檔，過程包含兩個步驟：使用存放區名稱標記映像檔來指定目的地，以及將映像檔推送至 Artifact Registry。

1. 在 Cloud Shell 執行下列指令，在 區域建立新的 Docker 存放區 docker-repo，並將說明設為「Docker repository」。

gcloud artifacts repositories create docker-repo --repository-format=docker \ --location={{{project_0.default_region | Region}}} --description="Docker repository" \ --project={{{project_0.project_id| Project ID}}}

2. 在控制台標題列的「搜尋」欄位輸入「Artifact Registry」，然後點選搜尋結果中的「Artifact Registry」。

3. 在「Artifact Registry」的「存放區」頁面，確認是否有看到存放區 docker-repo。

4. 在 Cloud Shell，從 Storage bucket 載入預建映像檔：

wget https://storage.googleapis.com/spls/gsp1024/flask_telemetry.zip unzip flask_telemetry.zip docker load -i flask_telemetry.tar

5. 執行下列指令，將映像檔標記為 flask-telemetry:v1：

docker tag gcr.io/ops-demo-330920/flask_telemetry:61a2a7aabc7077ef474eb24f4b69faeab47deed9 \ {{{project_0.default_region | Region}}}-docker.pkg.dev/{{{project_0.project_id| Project ID}}}/docker-repo/flask-telemetry:v1

6. 執行下列指令，將 Docker 映像檔推送至 Artifact Registry：

docker push {{{project_0.default_region | Region}}}-docker.pkg.dev/{{{project_0.project_id| Project ID}}}/docker-repo/flask-telemetry:v1

點選「Check my progress」，確認目標已達成。 建立 Docker 存放區

工作 2：設定 Google Kubernetes Engine 叢集

在這項工作中，您將部署標準 GKE 叢集並進行驗證。

1. 執行下列指令，部署標準 GKE 叢集；系統會提示您授權及啟用 GKE API：

gcloud beta container clusters create gmp-cluster --num-nodes=1 --zone {{{project_0.default_zone | Zone}}} --enable-managed-prometheus

叢集會在幾分鐘內建立完成。請等待建立作業完成，再繼續下一步。

2. 執行下列指令，驗證叢集身分：

gcloud container clusters get-credentials gmp-cluster --zone {{{project_0.default_zone | Zone}}}

工作 3：部署 Prometheus 服務

• 執行下列指令，建立命名空間來執行工作：

kubectl create ns gmp-test

點選「Check my progress」，確認目標已達成。 確認 Prometheus 是否已部署。

工作 4：部署應用程式

1. 取得會在 /metrics 端點產生指標的應用程式：

wget https://storage.googleapis.com/spls/gsp1024/gmp_prom_setup.zip unzip gmp_prom_setup.zip cd gmp_prom_setup

2. 這個步驟會更新 flask_deployment.yaml，改用在先前步驟推送的映像檔名稱：

   • 使用 nano 編輯器開啟 flask_deployment.yaml：
   nano flask_deployment.yaml
   • 將 <ARTIFACT REGISTRY IMAGE NAME> 改為下列內容：
   {{{project_0.default_region | Region}}}-docker.pkg.dev/{{{project_0.project_id| Project ID}}}/docker-repo/flask-telemetry:v1
   • 依序按下 CTRL+X 鍵、Y 鍵和 Enter 鍵，儲存更新後的檔案並關閉 nano 編輯器。

3. 部署簡易應用程式：

kubectl -n gmp-test apply -f flask_deployment.yaml kubectl -n gmp-test apply -f flask_service.yaml

4. 使用以下指令，確認這個簡單的 Python Flask 應用程式正在提供指標：

url=$(kubectl get services -n gmp-test -o jsonpath='{.items[*].status.loadBalancer.ingress[0].ip}') 注意：服務必須完整部署，curl 指令才能成功執行。 curl $url/metrics

您應該會看到以下的輸出內容：

# HELP flask_exporter_info Multiprocess metric # TYPE flask_exporter_info gauge flask_exporter_info{version="0.18.5"} 1.0 注意：您可能需要稍待片刻，才會看到所需的輸出內容。如果未出現預期的輸出內容，請重新執行這個步驟中的兩個指令。

5. 套用 PodMonitoring 檔案，指明 Prometheus 開始抓取指標的位置：

kubectl -n gmp-test apply -f prom_deploy.yaml

6. 結束這項工作前，請與應用程式進行簡單互動，在應用程式上產生一些負載：

timeout 120 bash -c -- 'while true; do curl $(kubectl get services -n gmp-test -o jsonpath='{.items[*].status.loadBalancer.ingress[0].ip}'); sleep $((RANDOM % 4)) ; done'

這項作業會執行 2 分鐘。完成後，即可建立視覺化圖表來查看結果！

點選「Check my progress」，確認目標已達成。 確認 Flask 應用程式已部署完成。

工作 5：透過指標觀察應用程式

在最後一節中，請使用 gcloud 部署自訂監控資訊主頁，以折線圖顯示這個應用程式的指標。

1. 在 Cloud Shell 執行下列指令碼：

注意：請務必複製整個程式碼區塊。 gcloud monitoring dashboards create --config=''' { "category": "CUSTOM", "displayName": "Prometheus Dashboard Example", "mosaicLayout": { "columns": 12, "tiles": [ { "height": 4, "widget": { "title": "prometheus/flask_http_request_total/counter [MEAN]", "xyChart": { "chartOptions": { "mode": "COLOR" }, "dataSets": [ { "minAlignmentPeriod": "60s", "plotType": "LINE", "targetAxis": "Y1", "timeSeriesQuery": { "apiSource": "DEFAULT_CLOUD", "timeSeriesFilter": { "aggregation": { "alignmentPeriod": "60s", "crossSeriesReducer": "REDUCE_NONE", "perSeriesAligner": "ALIGN_RATE" }, "filter": "metric.type=\"prometheus.googleapis.com/flask_http_request_total/counter\" resource.type=\"prometheus_target\"", "secondaryAggregation": { "alignmentPeriod": "60s", "crossSeriesReducer": "REDUCE_MEAN", "groupByFields": [ "metric.label.\"status\"" ], "perSeriesAligner": "ALIGN_MEAN" } } } } ], "thresholds": [], "timeshiftDuration": "0s", "yAxis": { "label": "y1Axis", "scale": "LINEAR" } } }, "width": 6, "xPos": 0, "yPos": 0 } ] } } '''

2. 建立完成後，請返回控制台。在標題列的「搜尋」欄位輸入「監控資訊主頁」，然後點選搜尋結果中的「資訊主頁」。
3. 在「資訊主頁」清單中，找出新建立的「Prometheus Dashboard Example」。點選「Prometheus Dashboard」即可查看 「Prometheus Dashboard Example」。

點選「Check my progress」，確認目標已達成。 確認資訊主頁已建立。

恭喜！

您已瞭解如何部署 GKE 應用程式並使用 Prometheus 指標，以及透過指標建立 Cloud Monitoring 資訊主頁。

後續步驟/瞭解詳情

如要進一步瞭解，請參閱 Prometheus 說明文件，並搜尋「自行部署資料收集」。

Google Cloud 教育訓練與認證

協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。

使用手冊上次更新日期：2025 年 4 月 21 日

實驗室上次測試日期：2025 年 4 月 21 日

Copyright 2025 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。