Jak hostować Ollamę jako pulę instancji roboczych na potrzeby wnioskowania

1. Wprowadzenie

Przegląd

Z tego ćwiczenia dowiesz się, jak zbudować oparty na zdarzeniach asynchroniczny potok przetwarzania AI. Wdrożysz model open source za pomocą Ollamy w puli instancji roboczych Cloud Run. Pula instancji roboczych pobiera wiadomości z tematu Pub/Sub i przetwarza je za pomocą modelu gemma3:4b.

Czego się nauczysz

  • Używanie pul instancji roboczych z subskrypcją pull Pub/Sub
  • Jak używać usługi Ollama do wnioskowania jako puli instancji roboczych

2. Zanim zaczniesz

Włącz interfejsy API

Zanim zaczniesz korzystać z tego laboratorium, włącz te interfejsy API, uruchamiając to polecenie:

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

3. Konfiguracja i wymagania

Aby skonfigurować wymagane zasoby, wykonaj te czynności:

  1. Ustaw zmienne środowiskowe na potrzeby tych ćwiczeń z programowania:
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
  1. Tworzenie konta usługi dla puli instancji roboczych
gcloud iam service-accounts create ${SERVICE_ACCOUNT_NAME} \
  --display-name="Ollama Worker Service Account"
  1. Przyznaj SA dostęp do Pub/Sub
gcloud projects add-iam-policy-binding ${PROJECT_ID} \
  --member="serviceAccount:${SERVICE_ACCOUNT_EMAIL}" \
  --role="roles/pubsub.subscriber"
  1. Tworzenie repozytorium AR dla obrazu puli pracowników
gcloud artifacts repositories create ${AR_REPO_NAME} \
  --repository-format=docker \
  --location=${REGION}
  1. Tworzenie tematu i subskrypcji PubSub
gcloud pubsub topics create $TOPIC_NAME
gcloud pubsub subscriptions create $SUBSCRIPTION_NAME --topic $TOPIC_NAME

4. Pobieranie i hostowanie modelu w GCS

Zamiast pobierać model bezpośrednio do kontenera podczas procesu kompilacji, co może być powolne i nieefektywne, pobierzemy go na komputer lokalny za pomocą interfejsu wiersza poleceń Ollama, a następnie prześlemy pliki modelu do zasobnika GCS. Pula instancji roboczych podłączy ten zasobnik, aby uzyskać dostęp do modelu.

  1. Zainstaluj Ollamę na komputerze lokalnym:

Aby zainstalować Ollamę w systemie Linux, uruchom to polecenie. W przypadku innych systemów operacyjnych zapoznaj się z informacjami na stronie Ollama.

curl -fsSL https://ollama.com/install.sh | sh
  1. Uruchom usługę Ollama i pobierz model:

Najpierw uruchom usługę Ollama w tle.

ollama serve &
ollama pull gemma3:4b
  1. Utwórz zasobnik GCS:

Utwórz zasobnik GCS, używając zmiennej środowiskowej BUCKET_NAME ustawionej wcześniej.

gsutil mb gs://${BUCKET_NAME}
  1. Prześlij pliki modelu do zasobnika GCS:

Ollama przechowuje pliki modeli w katalogu ~/.ollama/models. Prześlij zawartość tego katalogu do zasobnika GCS. Spowoduje to skopiowanie wszystkich pobranych modeli.

gsutil -m cp -r ~/.ollama/models/* gs://${BUCKET_NAME}/
  1. Przyznaj SA dostęp do zasobnika Cloud Storage.
gcloud storage buckets add-iam-policy-binding gs://${BUCKET_NAME} \
     --member=serviceAccount:${SERVICE_ACCOUNT_EMAIL} \
     --role=roles/storage.objectViewer

5. Tworzenie zadania Cloud Run

Zadanie Cloud Run używa 2 kontenerów:

  • ollama-coordinator – do hostowania Ollamy i obsługi modelu gemma-3-4B.
  • pubsub-pull-msg – do pobierania wiadomości z subskrypcji Pub/Sub i przekazywania ich do kontenera ollama-coordinator.

Najpierw utworzysz kontener ollama-coordinator.

  1. Utwórz katalog nadrzędny dla ćwiczeń z programowania:
mkdir codelab-ollama-wp
cd codelab-ollama-wp
  1. Utwórz katalog dla kontenera ollama-coordinator
mkdir ollama-coordinator
cd ollama-coordinator
  1. Utwórz plik Dockerfile o tej zawartości:
# 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"]
  1. Kompilowanie kontenera ollama
gcloud builds submit --tag ${REGION}-docker.pkg.dev/${PROJECT_ID}/${AR_REPO_NAME}/${OLLAMA_IMAGE_NAME} --timeout=20m

Następnie utworzysz kontener pubsub-pull-msg.

  1. Utwórz katalog dla kontenera pubsub-pull-msg.
cd ..
mkdir pubsub-pull-msg
cd pubsub-pull-msg
  1. Utwórz Dockerfile
# 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"]
  1. Utwórz plik requirements.txt z tą zawartością:
google-cloud-pubsub
requests
  1. Utwórz plik main.py z tą zawartością:
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()
  1. Teraz skompiluj kontener pubsub-pull-msg.
gcloud builds submit --tag ${REGION}-docker.pkg.dev/${PROJECT_ID}/${AR_REPO_NAME}/${PULL_MSG_IMAGE_NAME}

6. Wdrażanie i wykonywanie zadania

W tym kroku utworzysz zadanie Cloud Run, wdrażając plik YAML.

Aby utworzyć plik YAML, przejdź do folderu głównego.

cd ..
  1. Utwórz plik worker-pool.template.yaml o tej treści:
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

Następnie zdefiniuj pełne adresy URL obrazów i użyj sed, aby zastąpić zmienne w pliku szablonu, tworząc ostateczny plik worker-pool.yaml.

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

Teraz możesz wdrożyć

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

And Test

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

Następnie wyświetl dzienniki. Może to potrwać minutę. Możesz też otworzyć stronę puli procesów roboczych w konsoli Cloud i śledzić logi w czasie rzeczywistym.

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

Powinien pojawić się komunikat

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

7. Gratulacje!

Gratulujemy ukończenia ćwiczenia!

Zalecamy zapoznanie się z dokumentacją Cloud Run.

Omówione zagadnienia

  • Jak używać pul instancji roboczych Cloud Run z subskrypcją Pub/Sub Pull
  • Jak używać usługi Ollama do wnioskowania jako puli instancji roboczych Cloud Run

8. Czyszczenie danych

Aby uniknąć obciążenia konta Google Cloud opłatami za zasoby zużyte w tym samouczku, możesz usunąć projekt zawierający te zasoby lub zachować projekt i usunąć poszczególne zasoby.

Usuwanie projektu

Najprostszym sposobem na uniknięcie płatności jest usunięcie projektu utworzonego w tym samouczku.

Aby usunąć projekt:

  1. W konsoli Google Cloud otwórz stronę Zarządzanie zasobami.
  2. Z listy projektów wybierz projekt do usunięcia, a potem kliknij Usuń.
  3. W oknie wpisz identyfikator projektu i kliknij Wyłącz, aby usunąć projekt.

Usuwanie poszczególnych zasobów

Aby usunąć poszczególne zasoby, uruchom te polecenia:

  1. Usuń pulę instancji roboczych Cloud Run:
gcloud beta run worker-pools delete codelab-ollama-wp --region ${REGION}
  1. Usuń zasobnik GCS:
gsutil -m rm -r gs://${BUCKET_NAME}
  1. Usuń subskrypcję i temat Pub/Sub:
gcloud pubsub subscriptions delete ${SUBSCRIPTION_NAME}
gcloud pubsub topics delete ${TOPIC_NAME}
  1. Usuń repozytorium Artifact Registry:
gcloud artifacts repositories delete ${AR_REPO_NAME} --location=${REGION} --quiet
  1. Usuń konto usługi:
gcloud iam service-accounts delete ${SERVICE_ACCOUNT_EMAIL} --quiet

Usuwanie plików lokalnych

Aby zwolnić miejsce na plikach lokalnych:

  1. Zatrzymaj lokalną usługę Ollama:jeśli usługa Ollama została uruchomiona za pomocą polecenia ollama serve &, możesz ją zatrzymać, wyszukując identyfikator procesu (PID), a następnie używając polecenia kill.
    # Find the process ID of the Ollama server
pgrep ollama

# Replace <PID> with the actual process ID obtained from the previous command
kill <PID>
  2. Usuń pobrane modele:
rm -rf ~/.ollama/models
  1. Odinstaluj Ollamę:

Aby odinstalować Ollamę z komputera lokalnego, postępuj zgodnie z instrukcjami w witrynie Ollamy.