1. บทนำ
ภาพรวม
ใน Codelab นี้ คุณจะได้เรียนรู้วิธีโฮสต์โมเดล gemma3:4b ใน Sidecar สำหรับฟังก์ชัน Cloud Run เมื่ออัปโหลดไฟล์ไปยัง Bucket ของ Cloud Storage ระบบจะทริกเกอร์ฟังก์ชัน Cloud Run ฟังก์ชันจะส่งเนื้อหาของไฟล์ไปยัง Gemma 3 ใน Sidecar เพื่อสรุป
สิ่งที่คุณจะได้เรียนรู้
- วิธีทำการอนุมานโดยใช้ฟังก์ชัน Cloud Run และ LLM ที่โฮสต์ใน Sidecar โดยใช้ GPU
- วิธีกำหนดค่าข้อมูลขาออก VPC โดยตรงสำหรับ GPU ของ Cloud Run เพื่อให้การอัปโหลดและการแสดงโมเดลเร็วขึ้น
- วิธีใช้ Genkit เพื่อเชื่อมต่อกับโมเดล Ollama ที่โฮสต์
2. ก่อนเริ่มต้น
หากต้องการใช้ฟีเจอร์ GPU คุณต้องขอเพิ่มโควต้าสำหรับภูมิภาคที่รองรับ โควต้าที่จำเป็นคือ nvidia_l4_gpu_allocation_no_zonal_redundancy ซึ่งอยู่ภายใต้ Cloud Run Admin API นี่คือลิงก์โดยตรงเพื่อขอโควต้า
3. การตั้งค่าและข้อกำหนด
ตั้งค่าตัวแปรสภาพแวดล้อมที่จะใช้ตลอดทั้ง Codelab นี้
PROJECT_ID=<YOUR_PROJECT_ID>
REGION=<YOUR_REGION>
AR_REPO=codelab-crf-sidecar-gpu
FUNCTION_NAME=crf-sidecar-gpu
BUCKET_GEMMA_NAME=$PROJECT_ID-codelab-crf-sidecar-gpu-gemma3
BUCKET_DOCS_NAME=$PROJECT_ID-codelab-crf-sidecar-gpu-docs
SERVICE_ACCOUNT="crf-sidecar-gpu"
SERVICE_ACCOUNT_ADDRESS=$SERVICE_ACCOUNT@$PROJECT_ID.iam.gserviceaccount.com
IMAGE_SIDECAR=$REGION-docker.pkg.dev/$PROJECT_ID/$AR_REPO/ollama-gemma3
สร้างบัญชีบริการโดยเรียกใช้คำสั่งนี้
gcloud iam service-accounts create $SERVICE_ACCOUNT \
--display-name="SA for codelab crf sidecar with gpu"
เราจะใช้บัญชีบริการเดียวกันนี้ซึ่งใช้เป็นข้อมูลประจำตัวของฟังก์ชัน Cloud Run เป็นบัญชีบริการสำหรับทริกเกอร์ Eventarc เพื่อเรียกใช้ฟังก์ชัน Cloud Run คุณสร้าง SA อื่นสำหรับ Eventarc ได้หากต้องการ
gcloud projects add-iam-policy-binding $PROJECT_ID \
--member=serviceAccount:$SERVICE_ACCOUNT_ADDRESS \
--role=roles/run.invoker
นอกจากนี้ ให้สิทธิ์เข้าถึงบัญชีบริการเพื่อรับเหตุการณ์ Eventarc ด้วย
gcloud projects add-iam-policy-binding $PROJECT_ID \
--member="serviceAccount:$SERVICE_ACCOUNT_ADDRESS" \
--role="roles/eventarc.eventReceiver"
สร้าง Bucket ที่จะโฮสต์โมเดลที่ปรับแต่งแล้ว Codelab นี้ใช้ Bucket ระดับภูมิภาค คุณยังใช้ที่เก็บข้อมูลแบบหลายภูมิภาคได้ด้วย
gsutil mb -l $REGION gs://$BUCKET_GEMMA_NAME
จากนั้นให้สิทธิ์ SA เข้าถึง Bucket
gcloud storage buckets add-iam-policy-binding gs://$BUCKET_GEMMA_NAME \
--member=serviceAccount:$SERVICE_ACCOUNT_ADDRESS \
--role=roles/storage.objectAdmin
ตอนนี้ให้สร้างที่เก็บข้อมูลระดับภูมิภาคที่จะจัดเก็บเอกสารที่คุณต้องการสรุป คุณยังใช้ที่เก็บข้อมูลแบบหลายภูมิภาคได้ด้วย โดยจะต้องอัปเดตทริกเกอร์ Eventarc ตามนั้น (แสดงที่ส่วนท้ายของ Codelab นี้)
gsutil mb -l $REGION gs://$BUCKET_DOCS_NAME
จากนั้นให้สิทธิ์เข้าถึง Bucket Gemma 3 แก่ SA
gcloud storage buckets add-iam-policy-binding gs://$BUCKET_GEMMA_NAME \
--member=serviceAccount:$SERVICE_ACCOUNT_ADDRESS \
--role=roles/storage.objectAdmin
และที่เก็บข้อมูลเอกสาร
gcloud storage buckets add-iam-policy-binding gs://$BUCKET_DOCS_NAME \
--member=serviceAccount:$SERVICE_ACCOUNT_ADDRESS \
--role=roles/storage.objectAdmin
สร้างที่เก็บ Artifact Registry สำหรับอิมเมจ Ollama ที่จะใช้ใน Sidecar
gcloud artifacts repositories create $AR_REPO \
--repository-format=docker \
--location=$REGION \
--description="codelab for CR function and gpu sidecar" \
--project=$PROJECT_ID
4. ดาวน์โหลดโมเดล Gemma 3
ก่อนอื่น คุณจะต้องดาวน์โหลดโมเดล Gemma 3 4b จาก Ollama โดยทำได้ด้วยการติดตั้ง Ollama แล้วเรียกใช้โมเดล gemma3:4b ในเครื่อง
curl -fsSL https://ollama.com/install.sh | sh
ollama serve
ตอนนี้ในหน้าต่างเทอร์มินัลแยกต่างหาก ให้เรียกใช้คำสั่งต่อไปนี้เพื่อดึงโมเดลลงมา หากใช้ Cloud Shell คุณจะเปิดหน้าต่างเทอร์มินัลเพิ่มเติมได้โดยคลิกไอคอนเครื่องหมายบวกในแถบเมนูด้านขวาบน
ollama run gemma3:4b
เมื่อ Ollama ทำงานแล้ว คุณสามารถถามคำถามโมเดลได้ เช่น
"why is the sky blue?"
เมื่อแชทกับ Ollama เสร็จแล้ว คุณจะออกจากแชทได้โดยเรียกใช้
/bye
จากนั้นในหน้าต่างเทอร์มินัลแรก ให้เรียกใช้คำสั่งต่อไปนี้เพื่อหยุดการแสดง Ollama ในเครื่อง
# on Linux / Cloud Shell press Ctrl^C or equivalent for your shell
คุณดูตำแหน่งที่ Ollama ดาวน์โหลดโมเดลได้ที่นี่ โดยขึ้นอยู่กับระบบปฏิบัติการของคุณ
https://github.com/ollama/ollama/blob/main/docs/faq.md#where-are-models-stored
หากใช้ Cloud Workstations คุณจะดูโมเดล Ollama ที่ดาวน์โหลดได้ที่นี่ /home/$USER/.ollama/models
ตรวจสอบว่าโมเดลของคุณโฮสต์อยู่ที่นี่
ls /home/$USER/.ollama/models
ตอนนี้ย้ายโมเดล gemma3:4b ไปยัง Bucket ของ GCS
gsutil cp -r /home/$USER/.ollama/models gs://$BUCKET_GEMMA_NAME
5. สร้างฟังก์ชัน Cloud Run
สร้างโฟลเดอร์รูทสำหรับซอร์สโค้ด
mkdir codelab-crf-sidecar-gpu &&
cd codelab-crf-sidecar-gpu &&
mkdir cr-function &&
mkdir ollama-gemma3 &&
cd cr-function
สร้างโฟลเดอร์ย่อยชื่อ src สร้างไฟล์ชื่อ index.ts ภายในโฟลเดอร์
mkdir src &&
touch src/index.ts
อัปเดต index.ts ด้วยโค้ดต่อไปนี้
//import util from 'util';
import { cloudEvent, CloudEvent } from "@google-cloud/functions-framework";
import { StorageObjectData } from "@google/events/cloud/storage/v1/StorageObjectData";
import { Storage } from "@google-cloud/storage";
// Initialize the Cloud Storage client
const storage = new Storage();
import { genkit } from 'genkit';
import { ollama } from 'genkitx-ollama';
const ai = genkit({
plugins: [
ollama({
models: [
{
name: 'gemma3:4b',
type: 'generate', // type: 'chat' | 'generate' | undefined
},
],
serverAddress: 'http://127.0.0.1:11434', // default local address
}),
],
});
// Register a CloudEvent callback with the Functions Framework that will
// be triggered by Cloud Storage.
//functions.cloudEvent('helloGCS', await cloudEvent => {
cloudEvent("gcs-cloudevent", async (cloudevent: CloudEvent<StorageObjectData>) => {
console.log("---------------\nProcessing for ", cloudevent.subject, "\n---------------");
if (cloudevent.data) {
const data = cloudevent.data;
if (data && data.bucket && data.name) {
const bucketName = cloudevent.data.bucket;
const fileName = cloudevent.data.name;
const filePath = `${cloudevent.data.bucket}/${cloudevent.data.name}`;
console.log(`Attempting to download: ${filePath}`);
try {
// Get a reference to the bucket
const bucket = storage.bucket(bucketName!);
// Get a reference to the file
const file = bucket.file(fileName!);
// Download the file's contents
const [content] = await file.download();
// 'content' is a Buffer. Convert it to a string.
const fileContent = content.toString('utf8');
console.log(`Sending file to Gemma 3 for summarization`);
const { text } = await ai.generate({
model: 'ollama/gemma3:4b',
prompt: `Summarize the following document in just a few sentences ${fileContent}`,
});
console.log(text);
} catch (error: any) {
console.error('An error occurred:', error.message);
}
} else {
console.warn("CloudEvent bucket name is missing!", cloudevent);
}
} else {
console.warn("CloudEvent data is missing!", cloudevent);
}
});
ตอนนี้ในไดเรกทอรีราก crf-sidecar-gpu ให้สร้างไฟล์ชื่อ package.json โดยมีเนื้อหาดังนี้
{
"main": "lib/index.js",
"name": "ingress-crf-genkit",
"version": "1.0.0",
"scripts": {
"build": "tsc"
},
"keywords": [],
"author": "",
"license": "ISC",
"description": "",
"dependencies": {
"@google-cloud/functions-framework": "^3.4.0",
"@google-cloud/storage": "^7.0.0",
"genkit": "^1.1.0",
"genkitx-ollama": "^1.1.0",
"@google/events": "^5.4.0"
},
"devDependencies": {
"typescript": "^5.5.2"
}
}
สร้าง tsconfig.json ที่ระดับไดเรกทอรีรากด้วยเนื้อหาต่อไปนี้
{
"compileOnSave": true,
"include": [
"src"
],
"compilerOptions": {
"module": "commonjs",
"noImplicitReturns": true,
"outDir": "lib",
"sourceMap": true,
"strict": true,
"target": "es2017",
"skipLibCheck": true,
"esModuleInterop": true
}
}
6. ทำให้ฟังก์ชันใช้งานได้
ในขั้นตอนนี้ คุณจะทำให้ฟังก์ชัน Cloud Run ใช้งานได้โดยการเรียกใช้คำสั่งต่อไปนี้
หมายเหตุ: ควรตั้งค่าอินสแตนซ์สูงสุดเป็นตัวเลขที่น้อยกว่าหรือเท่ากับโควต้า GPU
gcloud beta run deploy $FUNCTION_NAME \
--region $REGION \
--function gcs-cloudevent \
--base-image nodejs22 \
--source . \
--no-allow-unauthenticated \
--max-instances 2 # this should be less than or equal to your GPU quota
7. สร้างไฟล์ Sidecar
ดูข้อมูลเพิ่มเติมเกี่ยวกับการโฮสต์ Ollama ภายในบริการ Cloud Run ได้ที่ https://cloud.google.com/run/docs/tutorials/gpu-gemma-with-ollama
ย้ายไปที่ไดเรกทอรีสำหรับไฟล์ Sidecar
cd ../ollama-gemma3
สร้างไฟล์ Dockerfile ที่มีเนื้อหาต่อไปนี้
FROM ollama/ollama:latest
# Listen on all interfaces, port 11434
ENV OLLAMA_HOST 0.0.0.0:11434
# Store model weight files in /models
ENV OLLAMA_MODELS /models
# Reduce logging verbosity
ENV OLLAMA_DEBUG false
# Never unload model weights from the GPU
ENV OLLAMA_KEEP_ALIVE -1
# Store the model weights in the container image
ENV MODEL gemma3:4b
RUN ollama serve & sleep 5 && ollama pull $MODEL
# Start Ollama
ENTRYPOINT ["ollama", "serve"]
สร้างอิมเมจ
gcloud builds submit \
--tag $REGION-docker.pkg.dev/$PROJECT_ID/$AR_REPO/ollama-gemma3 \
--machine-type e2-highcpu-32
8. อัปเดตฟังก์ชันด้วย Sidecar
หากต้องการเพิ่ม Sidecar ลงในบริการ งาน หรือฟังก์ชันที่มีอยู่ คุณสามารถอัปเดตไฟล์ YAML ให้มี Sidecar ได้
เรียกข้อมูล YAML สำหรับฟังก์ชัน Cloud Run ที่คุณเพิ่งทำให้ใช้งานได้โดยการเรียกใช้คำสั่งต่อไปนี้
gcloud run services describe $FUNCTION_NAME --format=export > add-sidecar-service.yaml
ตอนนี้ให้เพิ่ม Sidecar ลงใน CRf โดยอัปเดต YAML ดังนี้
- แทรกส่วน YAML ต่อไปนี้เหนือบรรทัด
runtimeClassName: run.googleapis.com/linux-base-image-updateโดยตรง-imageควรตรงกับรายการคอนเทนเนอร์ขาเข้า-image
- image: YOUR_IMAGE_SIDECAR:latest
name: gemma-sidecar
env:
- name: OLLAMA_FLASH_ATTENTION
value: '1'
resources:
limits:
cpu: 6000m
nvidia.com/gpu: '1'
memory: 16Gi
volumeMounts:
- name: gcs-1
mountPath: /root/.ollama
startupProbe:
failureThreshold: 2
httpGet:
path: /
port: 11434
initialDelaySeconds: 60
periodSeconds: 60
timeoutSeconds: 60
nodeSelector:
run.googleapis.com/accelerator: nvidia-l4
volumes:
- csi:
driver: gcsfuse.run.googleapis.com
volumeAttributes:
bucketName: YOUR_BUCKET_GEMMA_NAME
name: gcs-1
- เรียกใช้คำสั่งต่อไปนี้เพื่ออัปเดตส่วน YAML ด้วยตัวแปรสภาพแวดล้อม
sed -i "s|YOUR_IMAGE_SIDECAR|$IMAGE_SIDECAR|; s|YOUR_BUCKET_GEMMA_NAME|$BUCKET_GEMMA_NAME|" add-sidecar-service.yaml
ไฟล์ YAML ที่เสร็จสมบูรณ์แล้วควรมีลักษณะดังนี้
##############################################
# DO NOT COPY - For illustration purposes only
##############################################
apiVersion: serving.knative.dev/v1
kind: Service
metadata:
annotations:
run.googleapis.com/build-base-image: us-central1-docker.pkg.dev/serverless-runtimes/google-22/runtimes/nodejs22
run.googleapis.com/build-enable-automatic-updates: 'true'
run.googleapis.com/build-function-target: gcs-cloudevent
run.googleapis.com/build-id: f0122905-a556-4000-ace4-5c004a9f9ec6
run.googleapis.com/build-image-uri:<YOUR_IMAGE_CRF>
run.googleapis.com/build-name: <YOUR_BUILD_NAME>
run.googleapis.com/build-source-location: <YOUR_SOURCE_LOCATION>
run.googleapis.com/ingress: all
run.googleapis.com/ingress-status: all
run.googleapis.com/urls: '["<YOUR_CLOUD_RUN_FUNCTION_URLS"]'
labels:
cloud.googleapis.com/location: <YOUR_REGION>
name: <YOUR_FUNCTION_NAME>
namespace: '392295011265'
spec:
template:
metadata:
annotations:
autoscaling.knative.dev/maxScale: '4'
run.googleapis.com/base-images: '{"":"us-central1-docker.pkg.dev/serverless-runtimes/google-22/runtimes/nodejs22"}'
run.googleapis.com/client-name: gcloud
run.googleapis.com/client-version: 514.0.0
run.googleapis.com/startup-cpu-boost: 'true'
labels:
client.knative.dev/nonce: hzhhrhheyd
run.googleapis.com/startupProbeType: Default
spec:
containerConcurrency: 80
containers:
- image: <YOUR_FUNCTION_IMAGE>
ports:
- containerPort: 8080
name: http1
resources:
limits:
cpu: 1000m
memory: 512Mi
startupProbe:
failureThreshold: 1
periodSeconds: 240
tcpSocket:
port: 8080
timeoutSeconds: 240
- image: <YOUR_SIDECAR_IMAGE>:latest
name: gemma-sidecar
env:
- name: OLLAMA_FLASH_ATTENTION
value: '1'
resources:
limits:
cpu: 6000m
nvidia.com/gpu: '1'
memory: 16Gi
volumeMounts:
- name: gcs-1
mountPath: /root/.ollama
startupProbe:
failureThreshold: 2
httpGet:
path: /
port: 11434
initialDelaySeconds: 60
periodSeconds: 60
timeoutSeconds: 60
nodeSelector:
run.googleapis.com/accelerator: nvidia-l4
volumes:
- csi:
driver: gcsfuse.run.googleapis.com
volumeAttributes:
bucketName: <YOUR_BUCKET_NAME>
name: gcs-1
runtimeClassName: run.googleapis.com/linux-base-image-update
serviceAccountName: <YOUR_SA_ADDRESS>
timeoutSeconds: 300
traffic:
- latestRevision: true
percent: 100
##############################################
# DO NOT COPY - For illustration purposes only
##############################################
ตอนนี้ให้อัปเดตฟังก์ชันด้วย Sidecar โดยเรียกใช้คำสั่งต่อไปนี้
gcloud run services replace add-sidecar-service.yaml
สุดท้าย ให้สร้างทริกเกอร์ Eventarc สำหรับฟังก์ชัน คำสั่งนี้จะเพิ่มฟังก์ชันลงในฟังก์ชันด้วย
หมายเหตุ: หากสร้างที่เก็บข้อมูลแบบหลายภูมิภาค คุณจะต้องเปลี่ยนพารามิเตอร์ --location
gcloud eventarc triggers create my-crf-summary-trigger \
--location=$REGION \
--destination-run-service=$FUNCTION_NAME \
--destination-run-region=$REGION \
--event-filters="type=google.cloud.storage.object.v1.finalized" \
--event-filters="bucket=$BUCKET_DOCS_NAME" \
--service-account=$SERVICE_ACCOUNT_ADDRESS
9. ทดสอบฟังก์ชัน
อัปโหลดไฟล์ข้อความธรรมดาเพื่อสรุป หากไม่รู้ว่าจะสรุปอะไร ขอให้ Gemini อธิบายประวัติของสุนัขแบบสั้นๆ 1-2 หน้า จากนั้นให้อัปโหลดไฟล์ข้อความธรรมดานั้นไปยังที่เก็บข้อมูล $BUCKET_DOCS_NAME เพื่อให้โมเดล Gemma3:4b เขียนสรุปไปยังบันทึกฟังก์ชัน
ในบันทึก คุณจะเห็นข้อมูลที่มีลักษณะคล้ายด้านล่าง
---------------
Processing for objects/dogs.txt
---------------
Attempting to download: <YOUR_PROJECT_ID>-codelab-crf-sidecar-gpu-docs/dogs.txt
Sending file to Gemma 3 for summarization
...
Here's a concise summary of the document "Humanity's Best Friend":
The dog's domestication, beginning roughly 20,000-40,000 years ago, represents a unique, deeply intertwined evolutionary partnership with humans, predating the domestication of any other animal
<...>
solidifying their long-standing role as humanity's best friend.
10. การแก้ปัญหา
ข้อผิดพลาดที่อาจพบมีดังนี้
- หากได้รับข้อผิดพลาดที่ระบุว่า
PORT 8080 is in useให้ตรวจสอบว่า Dockerfile สำหรับ Ollama Sidecar ใช้พอร์ต 11434 นอกจากนี้ โปรดตรวจสอบว่าคุณใช้รูปภาพเสริมที่ถูกต้องในกรณีที่มีรูปภาพ Ollama หลายรูปในที่เก็บ AR ฟังก์ชัน Cloud Run จะทำงานในพอร์ต 8080 และหากคุณใช้รูปภาพ Ollama อื่นเป็น Sidecar ที่ทำงานในพอร์ต 8080 เช่นกัน คุณจะพบข้อผิดพลาดนี้ - หากได้รับข้อผิดพลาด
failed to build: (error ID: 7485c5b6): function.js does not existให้ตรวจสอบว่าไฟล์ package.json และ tsconfig.json อยู่ในระดับเดียวกับไดเรกทอรี src - หากได้รับข้อผิดพลาด
ERROR: (gcloud.run.services.replace) spec.template.spec.node_selector: Max instances must be set to 4 or fewer in order to set GPU requirements.ในไฟล์ YAML ให้เปลี่ยนautoscaling.knative.dev/maxScale: '100'เป็น 1 หรือเป็นค่าที่น้อยกว่าหรือเท่ากับโควต้า GPU