ホームページ バックエンド開発 Python チュートリアル GCP が本番環境で Python パッケージを公開する

GCP が本番環境で Python パッケージを公開する

Nov 20, 2024 pm 12:29 PM

GCP publish python package in production

GCP: Python パッケージを本番環境で公開する

このガイドでは、Google Artifact Registry を使用して共有 Python コードをパッケージとして管理する方法について説明します。このアプローチにより、Cloud Functions とサーバー間のコードの重複が排除されます。


ステップ 1: 共有コードを構造化する

共有ロジック (common_logic など) 用の新しい Python パッケージを作成します。

common_logic/
├── setup.py
├── common_logic/
│   ├── __init__.py
ログイン後にコピー
ログイン後にコピー

ステップ 2: setup.py を作成する

setup.py ファイルでパッケージ構成を定義します。

common_logic/
├── setup.py
├── common_logic/
│   ├── __init__.py
ログイン後にコピー
ログイン後にコピー

ステップ 3: Google Artifact Registry をセットアップする

  1. Artifact Registry API を有効にします。
from setuptools import setup, find_packages

setup(
    name="common_logic",
    version="0.1.0",
    packages=find_packages(),
    install_requires=[
        "pandas>=1.3.0",
    ],
    author="Your Name",
    author_email="your.email@example.com",
    description="Common logic for app",
)
ログイン後にコピー
  1. Python リポジトリを作成します。
   gcloud services enable artifactregistry.googleapis.com
ログイン後にコピー

ステップ 4: 認証を構成する

  1. サービス アカウントを作成します。
   gcloud artifacts repositories create python-packages \
       --repository-format=python \
       --location=us-central1 \
       --description="Python packages repository"
ログイン後にコピー
  1. 必要な権限を付与します。
   gcloud iam service-accounts create artifact-publisher \
       --description="Service account for publishing to Artifact Registry"
ログイン後にコピー
  1. キーを作成してダウンロードします。
   gcloud artifacts repositories add-iam-policy-binding python-packages \
       --location=us-central1 \
       --member="serviceAccount:artifact-publisher@${PROJECT_ID}.iam.gserviceaccount.com" \
       --role="roles/artifactregistry.writer"
ログイン後にコピー

ステップ 5: パッケージをビルドしてアップロードする

  1. ビルド ツールをインストールします。
   gcloud iam service-accounts keys create key.json \
       --iam-account=artifact-publisher@${PROJECT_ID}.iam.gserviceaccount.com
ログイン後にコピー
  1. パッケージをビルドします:
   pip install build twine
ログイン後にコピー
  1. Artifact Registry のより糸を構成します。
   python -m build
ログイン後にコピー
  1. パッケージをアップロードします:
   cat > ~/.pypirc << EOL
   [distutils]
   index-servers = common-logic-repo
   [common-logic-repo]
   repository: https://us-central1-python.pkg.dev/${PROJECT_ID}/python-packages/
   username: _json_key_base64
   password: $(base64 -w0 key.json)
   EOL
ログイン後にコピー

ステップ 6: パッケージを使用する

クラウド機能内

  1. requirements.txt ファイルを作成します。
   twine upload --repository common-logic-repo dist/*
ログイン後にコピー
  1. Cloud Function でパッケージを使用します。
   --index-url https://pypi.org/simple
   --extra-index-url https://oauth2accesstoken:${ARTIFACT_REGISTRY_TOKEN}@us-central1-python.pkg.dev/${PROJECT_ID}/python-packages/simple/
   common-logic==0.1.0
ログイン後にコピー
ログイン後にコピー

サーバーコード内

  1. サーバーのrequirements.txtに次の内容を追加します。
   from common_logic import ...

   def cloud_function(request):
       # Your cloud function code using the imported functions
       pass
ログイン後にコピー
  1. サーバーコードで使用します。
   --index-url https://pypi.org/simple
   --extra-index-url https://oauth2accesstoken:${ARTIFACT_REGISTRY_TOKEN}@us-central1-python.pkg.dev/${PROJECT_ID}/python-packages/simple/
   common-logic==0.1.0
ログイン後にコピー
ログイン後にコピー

ステップ 7: CI/CD の統合

  1. サービス アカウント キーを GitHub リポジトリにシークレットとして追加します。
  2. Cloud Build 構成を更新します。
   from common_logic import ...
   # Your server code using the imported functions
ログイン後にコピー

ステップ 8: バージョン管理

  1. setup.py のバージョンを更新します。
  2. 新しいバージョンをビルドしてアップロードします。
  3. Cloud Functions とサーバー コードの両方で、requirements.txt を更新します。
  4. 両方のコンポーネントをデプロイします。

ベストプラクティス

  • パッケージにはセマンティック バージョニングを使用します。
  • requirements.txt に特定のバージョンを固定します。
  • 新しいバージョンを展開する前に徹底的にテストします。
  • バージョン変更の変更ログを保存します。
  • PROJECT_ID と LOCATION には環境変数を使用します。
  • パッケージに包括的なドキュメントを含めます。

一般的な問題と解決策

認証エラー

  • サービス アカウントの権限を確認します。
  • key.json が適切にエンコードされていることを確認してください。
  • .pypirc 構成を確認します。

パッケージが見つかりません

  • リポジトリ URL 形式を確認します。
  • パッケージが正常にアップロードされたかどうかを確認します。
  • requirements.txt が正しい URL 形式を使用していることを確認してください。

バージョンの競合

  • 依存関係の特定のバージョンを固定します。
  • テストには仮想環境を使用します。
  • 依存関係の要件を明確に文書化します。

以上がGCP が本番環境で Python パッケージを公開するの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

Video Face Swap

Video Face Swap

完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

Python vs. C:曲線と使いやすさの学習 Python vs. C:曲線と使いやすさの学習 Apr 19, 2025 am 12:20 AM

Pythonは学習と使用が簡単ですが、Cはより強力ですが複雑です。 1。Python構文は簡潔で初心者に適しています。動的なタイピングと自動メモリ管理により、使いやすくなりますが、ランタイムエラーを引き起こす可能性があります。 2.Cは、高性能アプリケーションに適した低レベルの制御と高度な機能を提供しますが、学習しきい値が高く、手動メモリとタイプの安全管理が必要です。

Pythonの学習:2時間の毎日の研究で十分ですか? Pythonの学習:2時間の毎日の研究で十分ですか? Apr 18, 2025 am 12:22 AM

Pythonを1日2時間学ぶだけで十分ですか?それはあなたの目標と学習方法に依存します。 1)明確な学習計画を策定し、2)適切な学習リソースと方法を選択します。3)実践的な実践とレビューとレビューと統合を練習および統合し、統合すると、この期間中にPythonの基本的な知識と高度な機能を徐々に習得できます。

Python vs. C:パフォーマンスと効率の探索 Python vs. C:パフォーマンスと効率の探索 Apr 18, 2025 am 12:20 AM

Pythonは開発効率でCよりも優れていますが、Cは実行パフォーマンスが高くなっています。 1。Pythonの簡潔な構文とリッチライブラリは、開発効率を向上させます。 2.Cのコンピレーションタイプの特性とハードウェア制御により、実行パフォーマンスが向上します。選択を行うときは、プロジェクトのニーズに基づいて開発速度と実行効率を比較検討する必要があります。

Python vs. C:重要な違​​いを理解します Python vs. C:重要な違​​いを理解します Apr 21, 2025 am 12:18 AM

PythonとCにはそれぞれ独自の利点があり、選択はプロジェクトの要件に基づいている必要があります。 1)Pythonは、簡潔な構文と動的タイピングのため、迅速な開発とデータ処理に適しています。 2)Cは、静的なタイピングと手動メモリ管理により、高性能およびシステムプログラミングに適しています。

Python Standard Libraryの一部はどれですか:リストまたは配列はどれですか? Python Standard Libraryの一部はどれですか:リストまたは配列はどれですか? Apr 27, 2025 am 12:03 AM

PythonListSarePartOfThestAndardarenot.liestareBuilting-in、versatile、forStoringCollectionsのpythonlistarepart。

Python:自動化、スクリプト、およびタスク管理 Python:自動化、スクリプト、およびタスク管理 Apr 16, 2025 am 12:14 AM

Pythonは、自動化、スクリプト、およびタスク管理に優れています。 1)自動化:OSやShutilなどの標準ライブラリを介してファイルバックアップが実現されます。 2)スクリプトの書き込み:Psutilライブラリを使用してシステムリソースを監視します。 3)タスク管理:スケジュールライブラリを使用してタスクをスケジュールします。 Pythonの使いやすさと豊富なライブラリサポートにより、これらの分野で優先ツールになります。

科学コンピューティングのためのPython:詳細な外観 科学コンピューティングのためのPython:詳細な外観 Apr 19, 2025 am 12:15 AM

科学コンピューティングにおけるPythonのアプリケーションには、データ分析、機械学習、数値シミュレーション、視覚化が含まれます。 1.numpyは、効率的な多次元配列と数学的関数を提供します。 2。ScipyはNumpy機能を拡張し、最適化と線形代数ツールを提供します。 3. Pandasは、データ処理と分析に使用されます。 4.matplotlibは、さまざまなグラフと視覚的な結果を生成するために使用されます。

Web開発用のPython:主要なアプリケーション Web開発用のPython:主要なアプリケーション Apr 18, 2025 am 12:20 AM

Web開発におけるPythonの主要なアプリケーションには、DjangoおよびFlaskフレームワークの使用、API開発、データ分析と視覚化、機械学習とAI、およびパフォーマンスの最適化が含まれます。 1。DjangoandFlask Framework:Djangoは、複雑な用途の迅速な発展に適しており、Flaskは小規模または高度にカスタマイズされたプロジェクトに適しています。 2。API開発:フラスコまたはdjangorestFrameworkを使用して、Restfulapiを構築します。 3。データ分析と視覚化:Pythonを使用してデータを処理し、Webインターフェイスを介して表示します。 4。機械学習とAI:Pythonは、インテリジェントWebアプリケーションを構築するために使用されます。 5。パフォーマンスの最適化:非同期プログラミング、キャッシュ、コードを通じて最適化

See all articles