Antigravity की मदद से, Google Cloud पर ऐप्लिकेशन बनाना और उसे डिप्लॉय करना

1. परिचय

इस कोडलैब में, Google Antigravity का इस्तेमाल करके, Google Cloud पर बिना सर्वर के काम करने वाला ऐप्लिकेशन डिज़ाइन करने, बनाने, और डिप्लॉय करने का तरीका बताया गया है. हम बिना सर्वर के काम करने वाली और इवेंट-ड्रिवन दस्तावेज़ पाइपलाइन बनाएंगे. यह पाइपलाइन, Google Cloud Storage (GCS) से फ़ाइलें लेती है, Cloud Run और Gemini का इस्तेमाल करके उन्हें प्रोसेस करती है, और उनके मेटाडेटा को BigQuery में स्ट्रीम करती है.

आपको क्या सीखने को मिलेगा

• आर्किटेक्चर की प्लानिंग और डिज़ाइन के लिए, Antigravity का इस्तेमाल करने का तरीका.
• एआई एजेंट की मदद से, कोड के तौर पर इन्फ़्रास्ट्रक्चर (शेल स्क्रिप्ट) जनरेट करने का तरीका.
• Python पर आधारित Cloud Run सेवा बनाने और डिप्लॉय करने का तरीका.
• मल्टीमॉडल दस्तावेज़ विश्लेषण के लिए, Vertex AI पर Gemini को इंटिग्रेट करने का तरीका.
• Antigravity के Walkthrough आर्टफ़ैक्ट का इस्तेमाल करके, एंड-टू-एंड पाइपलाइन की पुष्टि करने का तरीका.

आपको इनकी ज़रूरत होगी

• Google Antigravity इंस्टॉल होना चाहिए.
• आपके पास बिलिंग की सुविधा वाला Google Cloud प्रोजेक्ट होना चाहिए.
• gcloud सीएलआई इंस्टॉल और पुष्टि किया गया होना चाहिए.

2. ऐप्लिकेशन की खास जानकारी

Antigravity का इस्तेमाल करके, ऐप्लिकेशन का आर्किटेक्चर बनाने और उसे लागू करने से पहले, आइए हम उस ऐप्लिकेशन की खास जानकारी देखते हैं जिसे हमें बनाना है.

हमें बिना सर्वर के काम करने वाली और इवेंट-ड्रिवन दस्तावेज़ पाइपलाइन बनानी है. यह पाइपलाइन, Google Cloud Storage (GCS) से फ़ाइलें लेती है, Cloud Run और Gemini का इस्तेमाल करके उन्हें प्रोसेस करती है, और उनके मेटाडेटा को BigQuery में स्ट्रीम करती है.

इस ऐप्लिकेशन के लिए, हाई लेवल आर्किटेक्चर का डायग्राम ऐसा दिख सकता है:

यह सटीक नहीं होना चाहिए. Antigravity, आर्किटेक्चर की जानकारी समझने में हमारी मदद कर सकता है. हालांकि, यह जानना ज़रूरी है कि आपको क्या बनाना है. अगर आप ज़्यादा जानकारी देते हैं, तो आपको आर्किटेक्चर और कोड के मामले में Antigravity से बेहतर नतीजे मिलेंगे.

3. आर्किटेक्चर की प्लानिंग करना

हम Antigravity की मदद से, आर्किटेक्चर की जानकारी की प्लानिंग शुरू करने के लिए तैयार हैं!

Antigravity, जटिल सिस्टम की प्लानिंग करने में माहिर है. हम तुरंत कोड लिखने के बजाय, हाई-लेवल आर्किटेक्चर तय करके शुरुआत कर सकते हैं. साथ ही, Antigravity को हमारे अनुरोध का आकलन करने के लिए, किसी एक सुविधा का इस्तेमाल किया जा सकता है. इसके बाद, Antigravity हमसे फ़ॉलो-अप सवाल पूछेगा. फिर, वह अपनी प्लानिंग और उसे लागू करने की प्रोसेस को आगे बढ़ाएगा.

मान लें कि आपने Antigravity लॉन्च कर दिया है. अब हम इस कोडलैब के लिए एक नया प्रोजेक्ट बनाएंगे.

Projects लैब के बगल में मौजूद, नए प्रोजेक्ट के आइकॉन पर क्लिक करें. इसके बाद, नीचे दिखाए गए तरीके से New Project पर क्लिक करें:

इसके बाद, Add Folder विकल्प दिखेगा. यह विकल्प नीचे दिखाया गया है:

अपने प्रोजेक्ट में फ़ोल्डर जोड़ने के लिए, Add Folder बटन पर क्लिक करें. मैंने अपने कंप्यूटर पर google-cloud-serverless-app फ़ोल्डर बनाया और उसे इस प्रोजेक्ट में जोड़ा.

इससे google-cloud-serverless-app वर्कस्पेस में बातचीत शुरू हो जाती है.

स्क्रीन के सबसे नीचे बाईं ओर मौजूद, मुख्य सेटिंग आइकॉन ⚙️ पर क्लिक करें. इसके बाद, प्रोजेक्ट की सेटिंग पर जाएं. Agent Settings / Security Preset को Default और Agent Behaviour / Artifact Review Policy को Always Ask पर सेट करें. यह सेटिंग नीचे दिखाई गई है:

इससे यह पक्का होगा कि हर चरण में, एजेंट के प्लान को लागू करने से पहले, आपको उसकी समीक्षा करने और उसे मंज़ूरी देने का मौका मिलेगा.

प्रॉम्प्ट

अब हम Antigravity को अपना पहला प्रॉम्प्ट देने के लिए तैयार हैं. हम अपने अनुरोध का आकलन करने के लिए, स्लैश कमांड /grill-me का इस्तेमाल करेंगे.

/grill-me टाइप करें. इसके बाद, यह प्रॉम्प्ट डालें और सबमिट करें बटन पर क्लिक करें:

/grill-me 

I want to build a serverless event-driven document processing pipeline on Google Cloud.
Architecture:
- Ingestion: Users upload files to a Cloud Storage bucket.
- Trigger: File uploads trigger a Pub/Sub message.
- Processor: A Python-based Cloud Run service receives the message, processes the file (simulated OCR), and extracts metadata.
- Storage: Stream the metadata (filename, date, tags, word_count) into a BigQuery dataset. 

/grill-me कमांड, कुछ और पूछें के तौर पर कई सवाल पूछता है. अपनी जानकारी के हिसाब से, इन सवालों के जवाब दिए जा सकते हैं. यह सुझाए गए जवाब भी दिखाता है. अगर चाहें, तो इन जवाबों का इस्तेमाल किया जा सकता है.

यहां मेरे /grill-me कमांड का सैंपल रन दिखाया गया है:

How would you provision and manage the Google Cloud infrastructure resources (Cloud Storage buckets, Pub/Sub topics, BigQuery datasets, Cloud Run service)?
gcloud CLI Setup Script - Shell scripts running gcloud CLI commands to create resources step-by-step

How should the Cloud Storage upload events trigger and reach your Python Cloud Run service?
(Recommended) Native Cloud Storage Pub/Sub Notifications + Pub/Sub Push subscription to Cloud Run (direct, lightweight, standard event-driven approach)

Which Python web framework would you prefer for the Cloud Run processing service?
Flask (with Gunicorn) - Standard, lightweight, and very common for simple Cloud Run services

How should the OCR and metadata extraction logic be implemented in the Cloud Run service?
(Recommended) Full local simulation - If it's a .txt file, read the contents, count words, and extract tags. For other files, generate mock OCR metadata and simulated word count. No external API calls.

Which BigQuery insertion method should the Cloud Run service use to store metadata?
(Recommended) BigQuery table.insert_rows() (Legacy Streaming API) - Extremely simple to code, clean error handling, perfect for simulation and low-to-medium volumes.

How should security/authentication be configured for the Cloud Run service?
Unauthenticated Cloud Run - Allow public requests to the Cloud Run service URL (simpler setup, but insecure for production).


What schema would you like to define for the BigQuery metadata table?
(Recommended) Extended Schema - Include filename, bucket, size, content_type, word_count, tags (as a REPEATED STRING array), ocr_text_preview, and process_timestamp.

How should the Cloud Run service handle processing failures (e.g., file not found, BigQuery write error)?
(Recommended) Fail-Fast with Retry - Log error to standard output (Cloud Logging) and return HTTP 500 to Pub/Sub, so that Pub/Sub automatically retries the message delivery.

What testing tools should we generate to verify the pipeline's functionality?
(Recommended) Both - Include a local test script (sending mock Pub/Sub POST requests to the local Flask server) and a Cloud-integrated test script (uploading a real file to GCS and verifying BigQuery).

ध्यान दें कि मैंने Antigravity से ये काम करने के लिए कहा है:

• संसाधन उपलब्ध कराने के लिए, gcloud सीएलआई की एक आसान स्क्रिप्ट
• Cloud Storage के Pub/Sub के सूचनाएं देने की सुविधा + Cloud Run के लिए Pub/Sub पुश सदस्यता
• फ़्रेमवर्क के लिए, Flask (Gunicorn के साथ) का इस्तेमाल करना
• लाइव ओसीआर डेटा के बजाय, डेटा के लिए सिर्फ़ टेक्स्ट फ़ाइल के साथ लोकल सिम्युलेशन का इस्तेमाल करना
• BigQuery में लाइनें जोड़ने के लिए, BigQuery table.insert_rows() का इस्तेमाल करना
• बिना पुष्टि किए Cloud Run डिप्लॉयमेंट

और सुझाए गए अन्य विकल्प.

लागू करने की योजना और टास्क की सूची

अब Antigravity, लागू करने की योजना जनरेट करेगा. यह योजना की समीक्षा करने के लिए, आपको ऐसा मैसेज देगा:

विंडो में सबसे ऊपर दाईं ओर मौजूद, सहायक पैनल के टॉगल पर क्लिक करके, जनरेट किए गए आर्टफ़ैक्ट देखे जा सकते हैं. फ़िलहाल, यह सिर्फ़ लागू करने की योजना है.

इस प्लान में ये बातें शामिल हैं:

• इन्फ़्रास्ट्रक्चर: GCS बकेट, Pub/Sub विषय, BigQuery डेटासेट.
• प्रोसेसर: Python/Flask ऐप्लिकेशन, Dockerfile, ज़रूरी शर्तें.
• इंटिग्रेशन: GCS सूचनाएं → Pub/Sub → Cloud Run.

आपको कुछ ऐसा दिखेगा: हमारे कंप्यूटर पर, लागू करने की योजना की आंशिक सूची यहां दिखाई गई है:

Event-Driven Document Processing Pipeline Implementation Plan
This implementation plan describes the components and setup scripts required to build a serverless event-driven document processing pipeline on Google Cloud.

User Review Required

Please review the proposed architecture, components, and default configuration. If you agree, please approve the plan so we can proceed with creating the files and implementation.

IMPORTANT

Security Notice: As requested, the Cloud Run service is configured to allow unauthenticated invocations (--allow-unauthenticated) for simpler testing and development.

Error Handling: The service returns an HTTP 500 error code for failures to trigger Pub/Sub retries.

GCP Configuration: The provisioning scripts will use standard environment variables (e.g., GCP_PROJECT, GCP_REGION) that default to the active configuration of your local gcloud CLI.

Proposed Components and Files

The project will be organized as follows:

google-cloud-serverless-app/
├── src/
│   ├── __init__.py
│   ├── app.py              # Flask app entrypoint and routes
│   ├── processor.py        # Simulated OCR and metadata extraction engine
│   ├── gcs_helper.py       # Helper functions to read files from Cloud Storage
│   └── bq_helper.py        # Helper functions to write metadata to BigQuery
├── requirements.txt         # Python dependencies
├── Dockerfile              # Docker configuration for Cloud Run
├── deploy.sh               # gcloud CLI provisioning and deployment script
├── test_local.sh           # Script to test the Flask app locally with mock Pub/Sub events
├── test_cloud.sh           # Script to upload a real file to GCS and query BigQuery
└── README.md               # Setup and execution guide

इसे ध्यान से पढ़ें. आपके पास लागू करने के बारे में सुझाव, शिकायत या राय देने का मौका है. लागू करने की योजना के किसी भी हिस्से पर क्लिक करके, टिप्पणियां जोड़ी जा सकती हैं. कुछ टिप्पणियां जोड़ने के बाद, पक्का करें कि आपने उन बदलावों को समीक्षा के लिए सबमिट किया हो जो आपको देखने हैं. खास तौर पर, नामकरण, Google Cloud प्रोजेक्ट आईडी, इलाका वगैरह से जुड़े बदलाव.

अगर सब कुछ ठीक लगता है, तो Proceed बटन पर क्लिक करके, एजेंट को लागू करने की योजना के साथ आगे बढ़ने की अनुमति दें.

ध्यान दें: ऐसा हो सकता है कि आपको Proceed बटन न दिखे और Antigravity, आपके इनपुट का इंतज़ार किए बिना आगे बढ़ जाए.

अब यह एक और आर्टफ़ैक्ट Task Plan बनाता है. इसमें Antigravity ने टास्क का एक सेट बनाया है. एजेंट, इन टास्क को एक-एक करके पूरा करेगा. यहां टास्क की सूची का एक सैंपल दिखाया गया है:

4. ऐप्लिकेशन जनरेट करना

प्लान को मंज़ूरी मिलने के बाद, Antigravity, ऐप्लिकेशन के लिए ज़रूरी फ़ाइलें जनरेट करना शुरू करता है. इसमें, स्क्रिप्ट उपलब्ध कराने से लेकर ऐप्लिकेशन कोड तक शामिल है.

ध्यान दें: आपको कई टर्मिनल कमांड (gcloud, शेल स्क्रिप्ट वगैरह) के बारे में बताया जाएगा. एजेंट को एनवायरमेंट को समझने और उसके हिसाब से स्क्रिप्ट जनरेट करने के लिए, इन कमांड का इस्तेमाल करना होगा. एजेंट को आगे बढ़ने के लिए, Submit बटन पर क्लिक करें. इस लैब में, जनरेट की गई फ़ाइलों के नामों के बारे में बताया गया है. हालांकि, ऐसा हो सकता है कि Antigravity, अलग-अलग फ़ाइल नाम जनरेट करे. हालांकि, फ़ाइलों का मकसद और कॉन्टेंट एक जैसा होना चाहिए.

Antigravity एक फ़ोल्डर बनाएगा और प्रोजेक्ट के लिए ज़रूरी फ़ाइलें बनाना शुरू करेगा. अगर आर्टफ़ैक्ट देखे जाएं, तो आपको कई फ़ाइलें (सोर्स कोड, स्क्रिप्ट फ़ाइलें वगैरह) जनरेट होती दिखेंगी.

जब इसका काम पूरा हो जाएगा, तो यह इस बारे में बताएगा. साथ ही, Walkthrough दस्तावेज़ बनाएगा, जिसे देखा जा सकता है. इसमें, उपयोगकर्ता के लिए अगले चरण के बारे में बताया गया है. इसका एक सैंपल यहां दिया गया है:

• पाइपलाइन डिप्लॉय करना: पक्का करें कि आपने GCP सीएलआई में लॉग इन किया हो और अपना टारगेट प्रोजेक्ट सेट किया हो. इसके बाद, यह कमांड चलाएं: ./ deploy.sh
• एंड-टू-एंड टेस्ट करना: क्लाउड इंटिग्रेशन टेस्ट स्क्रिप्ट चलाकर, यह पुष्टि करें कि फ़ाइल अपलोड करने से Cloud Run प्रोसेसिंग ट्रिगर होती है और मेटाडेटा को BigQuery में स्ट्रीम किया जाता है:./test_cloud.sh
• सफ़ाई करना: टेस्टिंग पूरी होने के बाद, बनाए गए संसाधनों को हटाने और शुल्क से बचने के लिए, README.md में दिए गए साफ़-सफ़ाई के कमांड देखें.

deploy.sh या इसी तरह के नाम वाली शेल स्क्रिप्ट फ़ाइल जनरेट की जाएगी. इससे संसाधन बनाने की प्रोसेस अपने-आप हो जाती है. यह इन चीज़ों को हैंडल करती है:

1. एपीआई (run, pubsub, bigquery, storage) चालू करना.
2. Google Cloud Storage बकेट (document-processing-ingest-{project-id}) बनाना.
3. BigQuery डेटासेट और टेबल (document_processing.processed_metadata) बनाना.
4. Pub/Sub विषयों और सूचनाओं को कॉन्फ़िगर करना.

5. ऐप्लिकेशन डिप्लॉय करना

आइए, ./ deploy.sh कमांड के ज़रिए, ऐप्लिकेशन डिप्लॉय करें. हम Antigravity से यह कमांड चलाने के लिए कह सकते हैं. हालांकि, इससे पहले पक्का करें कि gcloud सीएलआई मौजूद हो और Google Cloud प्रोजेक्ट के लिए कॉन्फ़िगर किया गया हो.

हम Antigravity को यह प्रॉम्प्ट दे सकते हैं: "Run the deploy.sh for me". इससे आपसे अनुमति मांगी जाएगी. अनुमति दें.

यह प्रोसेस, बैकग्राउंड में चलने वाले टास्क के तौर पर शुरू होती है. इसकी जानकारी, नीचे दिए गए मैसेज में दी गई है:

मैंने बैकग्राउंड में ./deploy.sh चलाकर, डिप्लॉयमेंट की प्रोसेस शुरू कर दी है. मैं एक्ज़ीक्यूशन लॉग पर नज़र रखूंगा और डिप्लॉयमेंट पूरा होते ही आपको इसकी सूचना दूंगा!

6. ऐप्लिकेशन की पुष्टि करना

पाइपलाइन डिप्लॉय होने के बाद, Antigravity यह पुष्टि करता है कि ऐप्लिकेशन काम कर रहा है या नहीं. यह हमसे पूछता है कि क्या वह test_cloud.sh फ़ाइल चला सकता है. हम उसे अनुमति दे सकते हैं.

इसके बाद, यह हमें यह जानकारी देता है:

I have successfully run both ./deploy.sh and ./test_cloud.sh.
The pipeline is fully deployed to your GCP project PROJECT_ID and working end-to-end. 

Please refer to the walkthrough.md for full verification details and the query output from BigQuery showing the successfully processed document metadata.

नतीजे देखने के लिए, Walkthrough आर्टफ़ैक्ट खोला जा सकता है:

Cloud Verification Results

The deployment and end-to-end cloud integration test (./test_cloud.sh) succeeded perfectly!

Resources Created:

GCS Bucket: gs://document-processing-ingest-gcp-experiments-349209

Pub/Sub Topic: document-uploads-topic

Pub/Sub Subscription: document-uploads-sub (pushing to Cloud Run)

Cloud Run Service: document-processor (URL: https://document-processor-ido3ocn3pq-uc.a.run.app)

BigQuery Dataset: document_processing

BigQuery Table: processed_metadata

Integration Test Run: A test file cloud_test_sample.txt was uploaded to the bucket. The pipeline processed the file and streamed the metadata record into BigQuery:

🔍 Querying BigQuery to verify metadata insertion...
<BIQUERY DATA HERE>

The pipeline successfully detected the hashtags #gcp and #serverless as tags, correctly counted the 47 words, generated the OCR preview, and wrote the entry to BigQuery under the schema.

ज़रूरी नहीं: मैन्युअल तरीके से पुष्टि करना

भले ही, Antigravity ने ऐप्लिकेशन की पुष्टि कर दी हो, लेकिन अगर चाहें, तो Google Cloud console में जाकर, मैन्युअल तरीके से यह भी देखा जा सकता है कि सभी संसाधन बनाए गए हैं या नहीं. इसके लिए, यह तरीका अपनाएं.

Cloud Storage

लक्ष्य: पुष्टि करें कि बकेट मौजूद है और अपलोड की गई फ़ाइलें देखें.

1. Cloud Storage > Buckets पर जाएं.
2. document-processing-ingest-{project-id} नाम की बकेट ढूंढें.
3. फ़ाइलें ब्राउज़ करने के लिए, बकेट के नाम पर क्लिक करें.
4. पुष्टि करें: आपको अपलोड की गई फ़ाइलें दिखनी चाहिए. जैसे,cloud_test_sample.txt.

Pub/Sub

लक्ष्य: पुष्टि करें कि विषय मौजूद है और उसमें पुश सदस्यता है.

1. Pub/Sub > Topics पर जाएं.
2. document-uploads-topic ढूंढें.
3. विषय आईडी पर क्लिक करें.
4. Subscriptions टैब पर जाएं.
5. पुष्टि करें: पक्का करें कि doc-uploads-sub, "Push" डिलीवरी टाइप के साथ सूची में शामिल हो.

Cloud Run

लक्ष्य: सेवा की स्थिति और लॉग देखना.

1. Cloud Run पर जाएं.
2. सेवा document-processor पर क्लिक करें.
3. पुष्टि करें:
4. हेल्थ: हरे रंग का चेकमार्क, यह दिखाता है कि सेवा चालू है.
5. लॉग: लॉग टैब पर क्लिक करें. "Processing file: gs://..." और "Successfully inserted..." जैसी एंट्री देखें.

BigQuery

लक्ष्य: पुष्टि करें कि डेटा वाकई में स्टोर किया गया है.

1. BigQuery > SQL Workspace पर जाएं.
2. एक्सप्लोरर पैनल में, अपना प्रोजेक्ट > document_processing डेटासेट बड़ा करें.
3. processed_metadata टेबल पर क्लिक करें.
4. Query टैब पर क्लिक करें और SELECT * स्टेटमेंट के ज़रिए, टेबल की सभी लाइनें वापस पाएं.
5. पुष्टि करें: आपको filename, process_timestamp, tags, और word_count वाली लाइनें दिखनी चाहिए.

7. ऐप्लिकेशन के बारे में ज़्यादा जानना

इस समय, आपके पास बेसिक ऐप्लिकेशन उपलब्ध है और वह चल रहा है. इस ऐप्लिकेशन को आगे बढ़ाने से पहले, कोड के बारे में ज़्यादा जानें. आर्टफ़ैक्ट देखे जा सकते हैं. इससे, जनरेट की गई कोड फ़ाइलें दिखनी चाहिए.

यहां उन फ़ाइलों की खास जानकारी दी गई है जो आपको दिख सकती हैं:

1. deploy.sh: यह मास्टर स्क्रिप्ट है. इससे, Google Cloud के सभी संसाधन उपलब्ध कराए जाते हैं और ज़रूरी एपीआई चालू किए जाते हैं.
2. appy.py: यह पाइपलाइन का मुख्य एंट्री पॉइंट है. यह Python ऐप्लिकेशन, एक वेब सर्वर बनाता है. यह सर्वर, Pub/Sub पुश मैसेज लेता है, GCS से फ़ाइल डाउनलोड करता है, उसे "प्रोसेस" (ओसीआर सिम्युलेट करता है) करता है, और मेटाडेटा को BigQuery में स्ट्रीम करता है.
3. Dockerfile: इससे यह तय होता है कि ऐप्लिकेशन को कंटेनर इमेज में कैसे पैकेज किया जाए.
4. requirements.txt: इसमें Python की ज़रूरी शर्तें शामिल होती हैं.

आपको टेस्टिंग और पुष्टि के लिए ज़रूरी अन्य स्क्रिप्ट और टेक्स्ट फ़ाइलें भी दिख सकती हैं.

8. ऐप्लिकेशन को बढ़ाना

अब आपके पास काम करने वाला बेसिक ऐप्लिकेशन है. अब इसे बेहतर बनाया जा सकता है. यहां कुछ आइडिया दिए गए हैं.

फ़्रंटएंड जोड़ना

प्रोसेस किए गए दस्तावेज़ देखने के लिए, एक आसान वेब इंटरफ़ेस बनाएं.

यह प्रॉम्प्ट आज़माएं: Create a simple Streamlit or Flask web application that connects to BigQuery. It should display a table of the processed documents (filename, upload_date, tags, word_count) and allow me to filter the results by tag

असली एआई/एमएल के साथ इंटिग्रेट करना

सिम्युलेट किए गए ओसीआर प्रोसेसिंग के बजाय, Gemini मॉडल का इस्तेमाल करके, डेटा एक्सट्रैक्ट करें, उसे कैटगरी में बांटें, और उसका अनुवाद करें.

1. डमी ओसीआर लॉजिक बदलें. असली टेक्स्ट और डेटा एक्सट्रैक्ट करने के लिए, इमेज/पीडीएफ़ को Gemini पर भेजें. दस्तावेज़ के टाइप (इनवॉइस, कॉन्ट्रैक्ट, रिज़्यूमे) को कैटगरी में बांटने या एंटिटी (तारीखें, नाम, जगहें) एक्सट्रैक्ट करने के लिए, एक्सट्रैक्ट किए गए टेक्स्ट का विश्लेषण करें.
2. दस्तावेज़ की भाषा अपने-आप पहचानें और उसे स्टोर करने से पहले, अंग्रेज़ी में अनुवाद करें. कोई दूसरी भाषा भी इस्तेमाल की जा सकती है.

स्टोरेज और Analytics को बेहतर बनाना

लागत बचाने के लिए, बकेट पर लाइफ़साइकल के नियम कॉन्फ़िगर किए जा सकते हैं, ताकि पुरानी फ़ाइलों को "Coldline" या "Archive" स्टोरेज में ले जाया जा सके.

मज़बूती और सुरक्षा

ऐप्लिकेशन को ज़्यादा मज़बूत और सुरक्षित बनाया जा सकता है. जैसे:

1. डेड लेटर क्यू (डीएलक्यू): गड़बड़ियों को हैंडल करने के लिए, Pub/Sub सदस्यता अपडेट करें. अगर Cloud Run सेवा, किसी फ़ाइल को पांच बार प्रोसेस नहीं कर पाती है, तो मैसेज को अलग "डेड लेटर" विषय/बकेट में भेजें, ताकि कोई व्यक्ति उसकी जांच कर सके.
2. Secret Manager: अगर आपके ऐप्लिकेशन को एपीआई पासकोड या संवेदनशील कॉन्फ़िगरेशन की ज़रूरत है, तो उन्हें Secret Manager में स्टोर करें. साथ ही, स्ट्रिंग को हार्डकोड करने के बजाय, Cloud Run से उन्हें सुरक्षित तरीके से ऐक्सेस करें.
3. Eventarc: Pub/Sub से सीधे Eventarc पर अपग्रेड करें, ताकि इवेंट को ज़्यादा फ़्लेक्सिबल तरीके से रूट किया जा सके. इससे, जटिल ऑडिट लॉग या GCP सेवा के अन्य इवेंट के आधार पर ट्रिगर किया जा सकता है.

ज़ाहिर है कि आपके पास अपने आइडिया हो सकते हैं. साथ ही, उन्हें लागू करने में मदद पाने के लिए, Antigravity का इस्तेमाल किया जा सकता है!

9. नतीजा

आपने Google Antigravity का इस्तेमाल करके, कुछ ही मिनटों में ज़्यादा डेटा हैंडल करने वाली, बिना सर्वर के काम करने वाली, एआई की सुविधा वाली दस्तावेज़ पाइपलाइन बना ली है. आपने ये काम करने का तरीका सीखा:

• एआई की मदद से, आर्किटेक्चर की प्लानिंग करना.
• Antigravity को निर्देश देना और उसे मैनेज करना, ताकि वह कोड जनरेट करने से लेकर डिप्लॉयमेंट और पुष्टि तक, ऐप्लिकेशन जनरेट कर सके.
• Walkthrough की मदद से, डिप्लॉयमेंट और पुष्टि की प्रोसेस की पुष्टि करना.

रेफ़रंस के लिए दस्तावेज़

• आधिकारिक साइट : https://antigravity.google/
• दस्तावेज़: https://antigravity.google/docs
• इस्तेमाल के उदाहरण : https://antigravity.google/use-cases
• डाउनलोड करें : https://antigravity.google/download