此页面由 Cloud Translation API 翻译。

自动将生成式 AI Go Web 应用从版本控制部署到 Cloud Run

1. 概览

首次部署 Web 应用可能令人望而生畏。即使在首次部署之后，如果该流程的工作量太大，您也可能会避免部署应用的新版本。借助持续部署，您可以轻松自动部署应用更改。

在本实验中，您将编写一个 Web 应用，并配置 Cloud Run，以便在应用的源代码发生更改时自动部署应用。然后，修改应用并重新部署。

学习内容

使用 Cloud Shell Editor 编写 Web 应用
将应用代码存储在 GitHub 中
自动将应用部署到 Cloud Run

使用 Vertex AI 将生成式 AI 添加到您的应用

2. 前提条件

如果您还没有 Google 账号，则必须先创建一个 Google 账号。
- 请使用个人账号，而不是工作账号或学校账号。工作账号和学校账号可能会受到限制，导致您无法启用本实验所需的 API。
如果您还没有 GitHub 账号，则必须创建 GitHub 账号
- 使用现有的 GitHub 账号（如果有）。GitHub 更有可能将新账号屏蔽为垃圾账号。
- 为您的 GitHub 账号配置双重身份验证，以降低您的账号被标记为垃圾内容的几率。

3. 项目设置

登录 Google Cloud 控制台。
在 Cloud 控制台中启用结算功能。
- 完成本实验所需的 Cloud 资源费用应低于 1 美元。
- 您可以按照本实验最后的步骤删除资源，以免产生更多费用。
- 新用户符合参与 300 美元免费试用的条件。
- 要参加“面向开发者的生成式 AI”活动？您可能会获得 1 美元抵用金。
创建新项目或选择重复使用现有项目。

4. 打开 Cloud Shell Editor

前往 Cloud Shell Editor
如果终端未显示在屏幕底部，请打开它：
- 点击汉堡式菜单
- 点击终端
- 点击 New Terminal
在终端中，使用以下命令设置项目：
- 格式：
```
gcloud config set project [PROJECT_ID]
```
- 示例：
```
gcloud config set project lab-project-id-example
```
- 如果您不记得项目 ID，请执行以下操作：
  - 您可以使用以下命令列出所有项目 ID：
```
gcloud projects list | awk '/PROJECT_ID/{print $2}'
```
如果系统提示您进行授权，请点击授权继续。
您应会看到以下消息：
```
Updated property [core/project].
```
如果您看到 WARNING 并收到 Do you want to continue (Y/N)? 询问，则可能输入了错误的项目 ID。按 N，按 Enter，然后尝试再次运行 gcloud config set project 命令。

5. 启用 API

在终端中，启用以下 API：

gcloud services enable \
  run.googleapis.com \
  cloudbuild.googleapis.com \
  aiplatform.googleapis.com

此命令可能需要几分钟才能完成，但最终应该会显示类似以下内容的成功消息：

Operation "operations/acf.p2-73d90d00-47ee-447a-b600" finished successfully.

6. 配置 Git

设置全局 Git 用户电子邮件地址：

git config --global user.email "you@example.com"

设置全局 Git 用户名：

git config --global user.name "Your Name"

将全局 Git 默认分支设置为 main：

git config --global init.defaultBranch main

7. 编写代码

如需使用 Go 编写应用，请执行以下操作：

前往主目录：
```
cd ~
```
创建 codelab-genai 目录：
```
mkdir codelab-genai
```
导航到 codelab-genai 目录：
```
cd codelab-genai
```
初始化 go.mod 文件以声明我们的模块：
```
go mod init codelab-genai
```
创建 main.go 文件：
```
touch main.go
```
在 Cloud Shell Editor 中打开 main.go 文件：
```
cloudshell edit main.go
```
现在，屏幕顶部应该会显示一个空文件。您可以在此处修改此 main.go 文件。

修改 main.go 并将以下代码粘贴到其中：

package main

import (
    "fmt"
    "log"
    "net/http"
    "os"
)

func main() {
    http.HandleFunc("/", func(w http.ResponseWriter, r *http.Request) {
        fmt.Fprintln(w, "Hello, world!")
    })

    port := os.Getenv("PORT")

    if port == "" {
        port = "8080"
    }
    if err := http.ListenAndServe(":"+port, nil); err != nil {
        log.Fatal(err)
    }
}

几秒钟后，Cloud Shell 编辑器会自动保存您的代码。此代码使用我们的“Hello world!”问候语响应 HTTP 请求。

应用的初始代码已完成，可以存储在版本控制系统中。

8. 创建代码库

返回屏幕底部的 Cloud Shell 终端。
确保您仍位于正确的目录中：
```
cd ~/codelab-genai
```
初始化 Git 代码库
```
git init -b main
```
登录 GitHub CLI
```
gh auth login
```
按 Enter 接受默认选项，然后按照 GitHub CLI 工具中的说明操作，包括：
1. 您想登录哪个账号？ GitHub.com
2. 您首选在此主机上执行 Git 操作时使用哪种协议？ HTTPS
3. 使用 GitHub 凭据对 Git 进行身份验证？Y（如果此选项未显示，请跳过。）
4. 您想如何对 GitHub CLI 进行身份验证？ Login with a web browser
5. 复制您的动态验证码
6. 打开 https://github.com/login/device
7. 粘贴您的动态验证码
8. 点击授权 GitHub
9. 完成登录
确认您已登录：
```
gh api user -q ".login"
```
如果您已成功登录，系统应输出您的 GitHub 用户名。

创建 GITHUB_USERNAME 变量

GITHUB_USERNAME=$(gh api user -q ".login")

确认您已创建环境变量：
```
echo ${GITHUB_USERNAME}
```
如果您已成功创建该变量，系统应输出您的 GitHub 用户名。
创建一个名为 codelab-genai 的空 GitHub 代码库：
```
gh repo create codelab-genai --private
```
如果您收到以下错误：
```
GraphQL: Name already exists on this account (createRepository)
```
则表示您已经有一个名为 codelab-genai 的代码库。您可以通过以下两种方式继续学习本教程：
- 删除现有 GitHub 代码库
- 创建一个具有其他名称的代码库，并记得在以下命令中更改该名称。

将 codelab-genai 代码库添加为远程代码库 origin：

git remote add origin https://github.com/${GITHUB_USERNAME}/codelab-genai

9. 分享您的代码

确认您位于正确的目录中：
```
cd ~/codelab-genai
```
将当前目录中的所有文件添加到此提交：
```
git add .
```
创建第一个提交：
```
git commit -m "add http server"
```
将提交推送到 origin 代码库的 main 分支：
```
git push -u origin main
```

您可以运行以下命令，然后访问生成的网址，以在 GitHub 上查看应用代码：

echo -e "\n\nTo see your code, visit this URL:\n \
    https://github.com/${GITHUB_USERNAME}/codelab-genai/blob/main/main.go \n\n"

10. 设置自动部署

让 Cloud Shell Editor 标签页保持打开状态。我们稍后会返回此标签页。
在新的标签页中，访问 Cloud Run 页面
在控制台中选择正确的 Google Cloud 项目
点击关联代码库
点击使用 Cloud Build 进行设置
1. 选择 GitHub 作为代码库提供程序
  - 如果您尚未在浏览器中登录 GitHub 账号，请使用您的凭据登录。
2. 点击身份验证，然后点击继续。
3. 登录后，您会在 Cloud Run 页面上看到一条消息，其中指出未针对您的任何代码库安装 GitHub 应用。
4. 点击 INSTALL GOOGLE CLOUD BUILD 按钮。
  - 在“Installation Setup”（安装设置）页面上，选择 Only select repositories（仅选择代码库），然后选择您通过 CLI 创建的 codelab-genai 代码库。
  - 点击安装
  - 注意：如果您有大量 GitHub 代码库，则可能需要几分钟才能加载完毕。
5. 选择 your-user-name/codelab-genai 作为代码库
  - 如果没有看到该代码库，请点击管理关联的代码库链接。
6. 将分支保留为 ^main$
7. 点击 Go、Node.js、Python、Java、.NET Core、Ruby 或 PHP（通过 Google Cloud Buildpack）
  - 将其他字段（Build context directory、Entrypoint 和 Function target）保持不变。
8. 点击保存
向下滚动到身份验证
点击允许未经身份验证的调用
点击创建 (CREATE)

构建完成（需要几分钟时间）后，运行以下命令并访问生成的网址，查看正在运行的应用：

echo -e "\n\nOnce the build finishes, visit your live application:\n \
    "$( \
        gcloud run services list | \
        grep codelab-genai | \
        awk '/URL/{print $2}' | \
        head -1 \
    )" \n\n"

11. 更改您的代码

返回屏幕底部的 Cloud Shell 终端。
确保您仍位于正确的目录中：
```
cd ~/codelab-genai
```
在 Cloud Shell Editor 中重新打开 main.go
```
cloudshell edit main.go
```

安装 Go 版 Vertex AI SDK：

go get cloud.google.com/go/vertexai/genai

安装 Go 的元数据库以获取当前项目 ID：
```
go get cloud.google.com/go/compute/metadata
```

将 main.go 文件中的代码替换为以下代码：

package main

import (
    "context"
    "fmt"
    "log"
    "net/http"
    "os"

    "cloud.google.com/go/compute/metadata"
    "cloud.google.com/go/vertexai/genai"
)

func main() {
    ctx := context.Background()
    var projectId string
    var err error
    projectId = os.Getenv("GOOGLE_CLOUD_PROJECT")
    if projectId == "" {
        projectId, err = metadata.ProjectIDWithContext(ctx)
        if err != nil {
            return
        }
    }
    var client *genai.Client
    client, err = genai.NewClient(ctx, projectId, "us-central1")
    if err != nil {
        return
    }
    defer client.Close()

    model := client.GenerativeModel("gemini-1.5-flash-001")

    http.HandleFunc("/", func(w http.ResponseWriter, r *http.Request) {
        animal := r.URL.Query().Get("animal")
        if animal == "" {
            animal = "dog"
        }

        resp, err := model.GenerateContent(
            ctx,
            genai.Text(
                fmt.Sprintf("Give me 10 fun facts about %s. Return the results as HTML without markdown backticks.", animal)),
        )

        if err != nil {
            w.WriteHeader(http.StatusServiceUnavailable)
            return
        }

        if len(resp.Candidates) > 0 && len(resp.Candidates[0].Content.Parts) > 0 {
            htmlContent := resp.Candidates[0].Content.Parts[0]
            w.Header().Set("Content-Type", "text/html; charset=utf-8")
            fmt.Fprint(w, htmlContent)
        }
    })

    port := os.Getenv("PORT")

    if port == "" {
        port = "8080"
    }
    if err := http.ListenAndServe(":"+port, nil); err != nil {
        log.Fatal(err)
    }
}

12. 重新部署

确保您仍在 Cloud Shell 中的正确目录中：
```
cd ~/codelab-genai
```
运行以下命令，将应用的新版本提交到本地 Git 代码库：
```
git add .
git commit -m "add latest changes"
```
将更改推送到 GitHub：
```
git push
```

构建完成后，运行以下命令并访问已部署的应用：

echo -e "\n\nOnce the build finishes, visit your live application:\n \
    "$( \
        gcloud run services list | \
        grep codelab-genai | \
        awk '/URL/{print $2}' | \
        head -1 \
    )" \n\n"

构建过程可能需要几分钟才能完成，之后您才能看到所做的更改。

您可以在此处查看所有修订版本的历史记录：https://console.cloud.google.com/run/detail/us-central1/codelab-genai/revisions

13. （可选）审核您的 Vertex AI 使用情况

与其他 Google Cloud 服务一样，您可以审核 Vertex AI 操作。审核日志可帮助您回答“哪些用户何时在何处执行了什么操作”的问题。Vertex AI 的管理员审核日志默认处于启用状态。如需审核生成内容的请求，您必须启用数据访问审核日志：

在 Google Cloud 控制台中，前往审核日志页面：

如果您使用搜索栏查找此页面，请选择子标题为 IAM 和管理的结果。
确保您创建 Cloud Run 应用时使用的 Google Cloud 项目就是该现有项目。
在数据访问审核日志配置表中，从“服务”列中选择 Vertex AI API。
在日志类型标签页中，选择数据访问审核日志类型 Admin read 和 Data read。
点击保存。

启用该功能后，您将能够查看应用每次调用的审核日志。如需查看包含调用详细信息的审核日志，请执行以下操作：

返回已部署的应用，然后刷新页面以触发日志。
在 Google Cloud 控制台中，前往日志浏览器页面：

在查询窗口中输入：

LOG_ID("cloudaudit.googleapis.com%2Fdata_access")
protoPayload.serviceName="aiplatform.googleapis.com"

点击运行查询。

审核日志会记录 Vertex AI API 的使用情况，但您无法通过审核日志查看与工作负载相关的数据，例如提示或回答详情。

14. （可选）提高 AI 工作负载的可观测性

审核日志不会捕获与工作负载相关的信息。为了提高工作负载的可观察性，您必须明确记录此类信息。您可以使用自己偏好的日志记录框架来实现此目的。以下步骤演示了使用 Go 的结构化日志记录库实现此目的的一种方法。

在 Cloud Shell Editor 中重新打开 main.go
```
cloudshell edit ~/codelab-genai/main.go
```

更改导入块，以添加 Go 的结构化日志记录和 JSON 库：

import (
    "context"
    "encoding/json"
    "fmt"
    "log"
    "log/slog"
    "net/http"
    "os"

    "cloud.google.com/go/compute/metadata"
    "cloud.google.com/go/vertexai/genai"
)

初始化 Vertex 客户端（第 33 行）后，添加以下代码行以初始化使用适当 Google Cloud Logging 字段的结构化日志记录器：

opts := &slog.HandlerOptions{
	Level: slog.LevelDebug,
	ReplaceAttr: func(group []string, a slog.Attr) slog.Attr {
        if a.Key == slog.LevelKey {
            return slog.Attr{Key: "severity", Value: a.Value}
        }
        if a.Key == slog.MessageKey {
            return slog.Attr{Key: "message", Value: a.Value}
        }
        return slog.Attr{Key: a.Key, Value: a.Value}
	},
}

jsonHandler := slog.NewJSONHandler(os.Stdout, opts)
slog.SetDefault(slog.New(jsonHandler))

检查 GenerateContent 的响应（第 69 行）后，在 if 块内添加以下代码行：
```
jsonBytes, err := json.Marshal(resp)
if err != nil {
    slog.Error("Failed to marshal response to JSON", "error", err)
} else {
    jsonString := string(jsonBytes)
    slog.Debug("Complete response content", "json_response", jsonString)
}
```
此代码使用结构化日志记录格式将有关生成内容的信息写入 stdout。Cloud Run 中的日志记录代理会捕获输出到 stdout 的内容，并将此格式写入 Cloud Logging。
重新打开 Cloud Shell，然后输入以下命令，确保您位于正确的目录中：
```
cd ~/codelab-genai
```

提交更改：

git commit -am "Observe generated content"

将更改推送到 GitHub，以触发修改后的版本的重新部署：
```
git push
```

新版本部署后，您可以观察与调用 Vertex AI 相关的调试信息。

如需查看应用日志，请执行以下操作：

在 Google Cloud 控制台中，前往日志浏览器页面：

在查询窗口中输入：

LOG_ID("run.googleapis.com%2Fstdout")
severity=DEBUG

点击运行查询。

查询结果会显示包含问题和 Vertex AI 回答的日志，其中包括可用于监控安全做法的“安全评分”

15. （可选）清理

虽然 Cloud Run 不会对未在使用中的服务计费，但您可能仍然需要为将容器映像存储在 Artifact Registry 中而产生的相关费用付费。您可以删除 Cloud 项目，以避免产生费用。删除 Cloud 项目后，系统即会停止对该项目中使用的所有资源计费。

如有需要，请删除项目：

gcloud projects delete $GOOGLE_CLOUD_PROJECT

您可能还希望从 Cloud Shell 磁盘中删除不必要的资源。您可以：

删除 Codelab 项目目录：
```
rm -rf ~/codelab-genai
```
清理您可能不再需要的所有 Go 软件包：
```
cd ~
go clean -modcache
```
警告！此操作无法撤消！如果您想删除 Cloud Shell 中的所有内容以释放空间，可以删除整个主目录。请务必将您要保留的所有内容保存到其他位置。
```
sudo rm -rf $HOME
```

16. 恭喜

在本实验中，您编写了一个 Web 应用，并配置了 Cloud Run，以便在应用的源代码发生更改时自动部署应用。然后，您修改了应用并重新部署了应用。

如果您喜欢本实验，可以使用其他编程语言或框架再次尝试：

如果您有兴趣参与用户体验 (UX) 调研，以便改进您目前使用的 Google 产品，请点击此处报名。

以下是继续学习的几种方式：

文档：将 Firebase GenKit 用作灵活的模型抽象，以便轻松集成任何模型 API 并使用社区维护的模型。
Codelab：如何在 Cloud Run 上部署由 Gemini 支持的聊天应用
如何将 Gemini 函数调用与 Cloud Run 搭配使用
点播研讨会：Google Kubernetes Engine 新手入门
如何使用 Cloud Run 作业 Video Intelligence API 逐场景处理视频