Лабораторная работа — PCDOE Google Cloud Professional Cloud DevOps Engineer

Обзор

Предварительные требования

Шаги

1. 1.Провайдер, сервисы проекта, именование

   Включите API Cloud SQL, Spanner и Bigtable.

   Копировать

   terraform {
     required_version = ">= 1.5"
   
     required_providers {
       google = { source = "hashicorp/google", version = "~> 6.0" }
     }
   }
   
   provider "google" {
     project = "your-project-id" # REPLACE
     region  = "us-central1"
   }
   
   locals {
     labels = {
       project    = "certlabpro-pcdoe"
       managed_by = "terraform"
     }
   }
   
   resource "google_project_service" "sqladmin" {
     service            = "sqladmin.googleapis.com"
     disable_on_destroy = false
   }
   
   resource "google_project_service" "spanner" {
     service            = "spanner.googleapis.com"
     disable_on_destroy = false
   }
   
   resource "google_project_service" "bigtableadmin" {
     service            = "bigtableadmin.googleapis.com"
     disable_on_destroy = false
   }

2. 2.Подготовка Cloud SQL Postgres с региональной HA + автоматическое резервное копирование

   Создаваемые ресурсы:

   • Cloud SQL

   Cloud SQL — это управляемый сервис Postgres / MySQL / SQL Server от GCP — с вертикальным масштабированием, региональный. Экзамен PCDOE проверяет эту модель Cloud SQL для реляционных баз данных с известным потолком вертикального масштабирования в сравнении со Spanner (горизонтальное масштабирование, распределенные транзакции).

   Мы настраиваем с availability_type = "REGIONAL" (HA — синхронная реплика в другой зоне, автоматическое переключение при отказе), автоматическим ежедневным резервным копированием и включенным восстановлением на определенный момент времени (рекомендуемая по умолчанию настройка PCDOE).

   Копировать

   resource "google_sql_database_instance" "main" {
     name             = "certlabpro-pcdoe-pg"
     database_version = "POSTGRES_15"
     region           = "us-central1"
   
     settings {
       tier              = "db-perf-optimized-N-2"
       availability_type = "REGIONAL" # HA — synchronous standby
   
       backup_configuration {
         enabled                        = true
         point_in_time_recovery_enabled = true
         start_time                     = "02:00"
         backup_retention_settings {
           retained_backups = 7
         }
       }
   
       maintenance_window {
         day          = 7 # Sunday
         hour         = 3
         update_track = "stable"
       }
   
       insights_config {
         query_insights_enabled  = true
         query_string_length     = 1024
         record_application_tags = true
       }
     }
   
     deletion_protection = false # lab-only
   
     depends_on = [google_project_service.sqladmin]
   }

3. 3.Создание экземпляра Cloud Spanner + базы данных

   Создаваемые ресурсы:

   • Cloud Spanner

   Cloud Spanner — это горизонтально масштабируемая, строго согласованная, глобально распределенная реляционная БД от PCDOE — единственный продукт в плане экзамена GCP, который предоставляет семантику SQL на разных континентах с сильной согласованностью. Экзамен PCDOE рассматривает его как Cloud SQL для вертикального масштабирования, Spanner для горизонтального.

   Мы настраиваем минимально возможную конфигурацию: 1 Processing Unit (PU) региональный, рекомендуемая PCDOE конфигурация для разработки. Производственный Spanner включает 100+ PU (или 1+ узлов — 1 узел = 1000 PU).

   Копировать

   resource "google_spanner_instance" "main" {
     name             = "certlabpro-pcdoe"
     config           = "regional-us-central1"
     display_name     = "PCDOE lab Spanner"
     processing_units = 100 # 1 Node = 1000 PUs; 100 PU = ~$65/month floor
   
     labels = local.labels
   
     depends_on = [google_project_service.spanner]
   }
   
   resource "google_spanner_database" "main" {
     instance = google_spanner_instance.main.name
     name     = "labdb"
   
     ddl = [
       "CREATE TABLE items (id STRING(36) NOT NULL, name STRING(MAX), created_at TIMESTAMP NOT NULL OPTIONS (allow_commit_timestamp=true)) PRIMARY KEY (id)",
     ]
   
     deletion_protection = false # lab-only
   }

4. 4.Подготовка экземпляра Cloud Bigtable + таблицы

   Создаваемые ресурсы:

   • Cloud Bigtable

   Cloud Bigtable — это ширококолоночный NoSQL сервис PCDOE — низкая задержка чтения/записи в огромных масштабах (например: временные ряды, IoT, рекламные технологии). Экзамен PCDOE рассматривает его как Bigtable для ширококолоночных систем с интенсивной записью, в сравнении с Firestore (документоориентированный, для мобильных устройств), в сравнении со Spanner (реляционный, распределенный).

   Мы настраиваем одноузловой SSD-кластер (самый маленький из возможных). Одно семейство столбцов cf1 с бесконечной сборкой мусора на основе версий — производственные развертывания использовали бы политику сборки мусора на основе возраста или версий.

   У Bigtable нет бесплатного уровня — даже в режиме ожидания одноузловой SSD-кластер будет стоить примерно ~$540/месяц. Удаляйте ресурсы своевременно.

   Копировать

   resource "google_bigtable_instance" "main" {
     name          = "certlabpro-pcdoe-bt"
     display_name  = "PCDOE lab Bigtable"
     instance_type = "PRODUCTION"
   
     cluster {
       cluster_id   = "certlabpro-pcdoe-bt-c1"
       zone         = "us-central1-a"
       num_nodes    = 1
       storage_type = "SSD"
     }
   
     labels = local.labels
   
     deletion_protection = false # lab-only
   
     depends_on = [google_project_service.bigtableadmin]
   }
   
   resource "google_bigtable_table" "items" {
     name          = "items"
     instance_name = google_bigtable_instance.main.name
   
     column_family {
       family = "cf1"
     }
   }

Очистка ресурсов