推論用のワーカープールとして Ollama をホストする方法

1. はじめに

概要

この Codelab では、イベントドリブン型の非同期 AI 処理パイプラインを構築する方法について説明します。Cloud Run ワーカープールで Ollama を使用してオープンソースモデルをデプロイします。ワーカープールは、Pub/Sub トピックからメッセージを pull し、gemma3:4b モデルを使用して処理します。

学習内容

Pub/Sub pull サブスクリプションでワーカープールを使用する方法
Ollama を使用してワーカープールとして推論を行う方法

2. 始める前に

API を有効にする

この Codelab を使用する前に、次のコマンドを実行して次の API を有効にします。

gcloud services enable run.googleapis.com \
    cloudbuild.googleapis.com \
    artifactregistry.googleapis.com \
    pubsub.googleapis.com \
    storage.googleapis.com

3. 設定と要件

必要なリソースを設定する手順は次のとおりです。

この Codelab の環境変数を設定します。

export PROJECT_ID=<YOUR_PROJECT_ID>
export REGION=<YOUR_REGION>

export BUCKET_NAME=$PROJECT_ID-gemma3-4b
export SERVICE_ACCOUNT_NAME=ollama-worker-sa
export SERVICE_ACCOUNT_EMAIL=${SERVICE_ACCOUNT_NAME}@${PROJECT_ID}.iam.gserviceaccount.com
export TOPIC_NAME=ollama-prompts
export SUBSCRIPTION_NAME=ollama-prompts-sub
export AR_REPO_NAME=ollama-worker-repo
export PULL_MSG_IMAGE_NAME=pubsub-pull-msg
export OLLAMA_IMAGE_NAME=ollama-coordinator

ワーカープールのサービスアカウントを作成する

gcloud iam service-accounts create ${SERVICE_ACCOUNT_NAME} \
  --display-name="Ollama Worker Service Account"

Pub/Sub へのアクセス権を SA に付与する

gcloud projects add-iam-policy-binding ${PROJECT_ID} \
  --member="serviceAccount:${SERVICE_ACCOUNT_EMAIL}" \
  --role="roles/pubsub.subscriber"

ワーカープールイメージの AR リポジトリを作成する

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

Pub/Sub トピックとサブスクリプションを作成する

gcloud pubsub topics create $TOPIC_NAME
gcloud pubsub subscriptions create $SUBSCRIPTION_NAME --topic $TOPIC_NAME

4. モデルをダウンロードして GCS でホストする

ビルドプロセス中にコンテナ内でモデルを直接 pull すると、処理が遅く非効率的になる可能性があります。代わりに、Ollama CLI を使用してモデルをローカルマシンに pull し、モデルファイルを GCS バケットにアップロードします。ワーカープールは、このバケットをマウントしてモデルにアクセスします。

ローカルマシンに Ollama をインストールします。

次のコマンドを実行して、Linux に Ollama をインストールします。その他のオペレーティングシステムについては、Ollama のウェブサイトをご覧ください。

curl -fsSL https://ollama.com/install.sh | sh

Ollama サービスを起動してモデルを pull します。

まず、Ollama サービスをバックグラウンドで開始します。

ollama serve &
ollama pull gemma3:4b

GCS バケットを作成します。

以前に設定した BUCKET_NAME 環境変数を使用して、GCS バケットを作成します。

gsutil mb gs://${BUCKET_NAME}

モデルファイルを GCS バケットにアップロードします。

Ollama はモデルファイルを ~/.ollama/models ディレクトリに保存します。このディレクトリの内容を GCS バケットにアップロードします。ダウンロードしたすべてのモデルがコピーされます。

gsutil -m cp -r ~/.ollama/models/* gs://${BUCKET_NAME}/

Cloud Storage バケットへのアクセス権を SA に付与する

gcloud storage buckets add-iam-policy-binding gs://${BUCKET_NAME} \
     --member=serviceAccount:${SERVICE_ACCOUNT_EMAIL} \
     --role=roles/storage.objectViewer

5. Cloud Run ジョブを作成する

Cloud Run ジョブは 2 つのコンテナを使用します。

ollama-coordinator - ollama をホストし、gemma 3 4B モデルをサービングする
pubsub-pull-msg - pubsub サブスクリプションから pull して、メッセージを ollama-coordinator コンテナに渡す

まず、ollama-coordinator コンテナを作成します。

Codelab の親ディレクトリを作成します。

mkdir codelab-ollama-wp
cd codelab-ollama-wp

ollama-coordinator コンテナ用のディレクトリを作成する

mkdir ollama-coordinator
cd ollama-coordinator

次の内容で Dockerfile を作成します。

# Use the official Ollama image as a base image
FROM ollama/ollama

# Expose the port that Ollama listens on
EXPOSE 11434

# Set the entrypoint to start the Ollama server
ENTRYPOINT ["ollama", "serve"]

ollama コンテナをビルドする

gcloud builds submit --tag ${REGION}-docker.pkg.dev/${PROJECT_ID}/${AR_REPO_NAME}/${OLLAMA_IMAGE_NAME} --timeout=20m

次に、pubsub-pull-msg コンテナを作成します。

pubsub-pull-msg コンテナのディレクトリを作成する

cd ..
mkdir pubsub-pull-msg
cd pubsub-pull-msg

Dockerfile を作成する

# Use the official Python image as a base image
FROM python:3.9-slim

# Set the working directory in the container
WORKDIR /app

# Copy the requirements file into the container
COPY requirements.txt .

# Install the required Python packages
RUN pip install --no-cache-dir -r requirements.txt

# Copy the Python script into the container
COPY main.py .

# Set the entrypoint to run the Python script
CMD ["python", "main.py"]

次の内容の requirements.txt ファイルを作成します。

google-cloud-pubsub
requests

次の内容の main.py ファイルを作成します。

import os
import sys
import requests
import json
from google.cloud import pubsub_v1

# --- Main Application Logic ---
print("--- Sidecar container script started ---")

# --- Environment and Configuration ---
project_id = os.environ.get("PROJECT_ID")
subscription_name = os.environ.get("SUBSCRIPTION_NAME")
ollama_api_url = "http://localhost:11434/api/generate"

if not project_id or not subscription_name:
    print("FATAL: PROJECT_ID and SUBSCRIPTION_NAME must be set.")
    sys.exit(1)

print(f"PROJECT_ID: {project_id}")
print(f"SUBSCRIPTION_NAME: {subscription_name}")

def callback(message):
    """Processes a single Pub/Sub message."""
    print(f"Received message ID: {message.message_id}")
    try:
        prompt = message.data.decode("utf-8")
        print(f"Decoded prompt: '{prompt}'")
        
        data = {"model": "gemma3:4b", "prompt": prompt, "stream": False}
        
        print("Sending request to Ollama...")
        response = requests.post(ollama_api_url, json=data, timeout=300)
        response.raise_for_status()
        
        print("Successfully received response from Ollama.")
        ollama_response = response.json()
        print(f"Ollama response: {json.dumps(ollama_response)[:200]}...")

        message.ack()
        print(f"Message {message.message_id} acknowledged.")

    except requests.exceptions.RequestException as e:
        print(f"Error calling Ollama API: {e}")
        message.nack()
        print(f"Message {message.message_id} not acknowledged.")
    except Exception as e:
        print(f"An unexpected error occurred in callback: {e}")
        message.nack()
        print(f"Message {message.message_id} not acknowledged.")

def main():
    """Starts the Pub/Sub subscriber."""
    subscriber = pubsub_v1.SubscriberClient()
    subscription_path = subscriber.subscription_path(project_id, subscription_name)
    
    streaming_pull_future = subscriber.subscribe(subscription_path, callback=callback)
    print(f"Subscribed to {subscription_path}. Listening for messages...")

    try:
        # .result() will block indefinitely.
        streaming_pull_future.result()
    except Exception as e:
        print(f"A fatal error occurred in the subscriber: {e}")
        streaming_pull_future.cancel()
        streaming_pull_future.result()

if __name__ == "__main__":
    main()

pubsub-pull-msg コンテナをビルドします。

gcloud builds submit --tag ${REGION}-docker.pkg.dev/${PROJECT_ID}/${AR_REPO_NAME}/${PULL_MSG_IMAGE_NAME}

6. ジョブをデプロイして実行する

このステップでは、yaml ファイルをデプロイして Cloud Run ジョブを作成します。

ルートフォルダに移動して、yaml ファイルを作成します。

cd ..

次の内容の worker-pool.template.yaml ファイルを作成します。

apiVersion: run.googleapis.com/v1
kind: WorkerPool
metadata:
  name: codelab-ollama-wp
  labels:
    cloud.googleapis.com/location: europe-west1
  annotations:
    run.googleapis.com/launch-stage: BETA
    run.googleapis.com/scalingMode: manual
    run.googleapis.com/manualInstanceCount: '1'
    run.googleapis.com/gcs-fuse-mounter-enabled: "true"
spec:
  template:
    metadata:
      annotations:
        run.googleapis.com/gpu: "1"
        run.googleapis.com/gpu-zonal-redundancy-disabled: 'true'        
    spec:
      serviceAccountName: ${SERVICE_ACCOUNT_EMAIL}
      nodeSelector:
        run.googleapis.com/accelerator: nvidia-l4
      volumes:
      - name: gcs-bucket
        csi:
          driver: gcsfuse.run.googleapis.com
          readOnly: true
          volumeAttributes: 
            bucketName: ${BUCKET_NAME}
      containers:
      - image: ${REGION}-docker.pkg.dev/${PROJECT_ID}/${AR_REPO_NAME}/${PULL_MSG_IMAGE_NAME}
        name: pubsub-pull-msg
        env:
        - name: PROJECT_ID
          value: ${PROJECT_ID}
        - name: SUBSCRIPTION_NAME
          value: "ollama-prompts-sub"
        - name: PYTHONUNBUFFERED
          value: "1"
        resources:
          limits:
            cpu: '1'
            memory: 1Gi
      - image: ${REGION}-docker.pkg.dev/${PROJECT_ID}/${AR_REPO_NAME}/${OLLAMA_IMAGE_NAME}
        name: ollama-coordinator
        env:
        - name: OLLAMA_MODELS
          value: /mnt/models
        volumeMounts:
        - name: gcs-bucket
          mountPath: /mnt/models
        resources:
          limits:
            cpu: '6'
            nvidia.com/gpu: '1'
            memory: 16Gi

次に、完全な画像 URL を定義し、sed を使用してテンプレートファイル内の変数を置換し、最終的な worker-pool.yaml を作成します。

sed -e "s|\${SERVICE_ACCOUNT_EMAIL}|${SERVICE_ACCOUNT_EMAIL}|g" \
     -e "s|\${BUCKET_NAME}|${BUCKET_NAME}|g" \
     -e "s|\${PULL_MSG_IMAGE_NAME}|${PULL_MSG_IMAGE_NAME}|g" \
     -e "s|\${OLLAMA_IMAGE_NAME}|${OLLAMA_IMAGE_NAME}|g" \
     -e "s|\${PROJECT_ID}|${PROJECT_ID}|g" \
     -e "s|\${REGION}|${REGION}|g" \
     -e "s|\${AR_REPO_NAME}|${AR_REPO_NAME}|g" \
     worker-pool.template.yaml > worker-pool.yaml

これで、デプロイできるようになりました。

gcloud beta run worker-pools replace worker-pool.yaml

And Test

gcloud pubsub topics publish ${TOPIC_NAME} --message="What is 1 + 1?"

ログを表示します。1 分ほど待つか、Cloud Console のワーカープールページに移動して、ログをリアルタイムで確認します。

gcloud alpha run worker-pools logs read "codelab-ollama-wp" --limit 10

次のようなメッセージが表示されます。

Ollama response: {"model": "gemma3:4b", "created_at": "2025-11-06T23:48:39.572079369Z", "response": "1 + 1 = 2\n", ...

7. 完了

以上で、この Codelab は完了です。

Cloud Run のドキュメントを確認することをおすすめします。

学習した内容

Pub/Sub Pull サブスクリプションで Cloud Run ワーカープールを使用する方法
Ollama を使用して Cloud Run ワーカープールとして推論を行う方法

8. クリーンアップ

このチュートリアルで使用したリソースについて、Google Cloud アカウントに課金されないようにするには、リソースを含むプロジェクトを削除するか、プロジェクトを維持して個々のリソースを削除します。

プロジェクトの削除

課金をなくす最も簡単な方法は、チュートリアル用に作成したプロジェクトを削除することです。

プロジェクトを削除するには、次の操作を行います。

Google Cloud コンソールで、[リソースの管理] ページに移動します。
プロジェクトリストで、削除するプロジェクトを選択し、[削除] をクリックします。
ダイアログでプロジェクト ID を入力し、[シャットダウン] をクリックしてプロジェクトを削除します。

リソースを個別に削除する

個々のリソースを削除するには、次のコマンドを実行します。

Cloud Run ワーカープールを削除します。

gcloud beta run worker-pools delete codelab-ollama-wp --region ${REGION}

GCS バケットを削除します。

gsutil -m rm -r gs://${BUCKET_NAME}

Pub/Sub サブスクリプションとトピックを削除します。

gcloud pubsub subscriptions delete ${SUBSCRIPTION_NAME}
gcloud pubsub topics delete ${TOPIC_NAME}

Artifact Registry リポジトリを削除します。

gcloud artifacts repositories delete ${AR_REPO_NAME} --location=${REGION} --quiet

サービスアカウントを削除します。

gcloud iam service-accounts delete ${SERVICE_ACCOUNT_EMAIL} --quiet

ローカルファイルのクリーンアップ

ローカルファイルをクリーンアップする手順は次のとおりです。

ローカル Ollama サービスを停止する:ollama serve & で Ollama を起動した場合は、プロセス ID（PID）を見つけて kill コマンドを使用することで停止できます。
```
# Find the process ID of the Ollama server
pgrep ollama

# Replace <PID> with the actual process ID obtained from the previous command
kill <PID>
```
ダウンロードしたモデルを削除します。

rm -rf ~/.ollama/models

Ollama をアンインストールします。

Ollama ウェブサイトの手順に沿って、ローカルマシンから Ollama をアンインストールします。