使用 Cloud Build 將 Python 套件推送到 ArtifactRegistry
Google ArtifactRegistry 是一個強大的解決方案,用於以私密、安全且可擴展的方式管理和託管 Python 包工件。本指南提供了使用Google Cloud Build 和來自Google Secret Manager 的金鑰(信用)將Python 套件.whl 檔案推送到Artifact Registry 的分步演練,以進行身分驗證。
先決條件
-
工件註冊表設定:
- 在 Artifact Registry 中建立一個 Python 儲存庫:
gcloud artifacts repositories create python-packages \ --repository-format=python \ --location=us-central1 \ --description="Python packages repository"
登入後複製登入後複製 -
秘密設定:
- 將您的金鑰作為秘密儲存在 Google Secret Manager 中:
gcloud secrets create creds --data-file=path/to/key.json
登入後複製登入後複製
-
授予 Cloud Build 對金鑰的存取權限:(可選,也可以使用 IAM 完成)
gcloud secrets add-iam-policy-binding creds \ --member="serviceAccount:$(gcloud projects describe $PROJECT_ID --format='value(projectNumber)')@cloudbuild.gserviceaccount.com" \ --role="roles/secretmanager.secretAccessor"
登入後複製
- 雲端建置權限: 確保您的 Cloud Build 服務帳戶具有存取 Artifact Registry 和 Secret Manager 所需的權限。
雲端建置 YAML 配置
這是完整的工作 cloudbuild.yaml 檔案:
options: machineType: E2_HIGHCPU_8 substitutionOption: ALLOW_LOOSE logging: CLOUD_LOGGING_ONLY steps: # Step 1: Access the secret `creds` and save it as `key.json` - name: 'gcr.io/google.com/cloudsdktool/cloud-sdk' entrypoint: bash args: - '-c' - | gcloud secrets versions access latest --secret=creds > /workspace/key.json # Step 2: Configure `.pypirc` with the Artifact Registry credentials - name: 'python' entrypoint: bash args: - '-c' - | cat > ~/.pypirc << EOL [distutils] index-servers = tower-common-repo [tower-common-repo] repository: https://us-central1-python.pkg.dev/$PROJECT_ID/python-packages/ username: _json_key_base64 password: $(base64 -w0 /workspace/key.json) EOL # Step 3: Build and upload the Python package pip install twine build && \ python -m build && \ twine upload --repository tower-common-repo dist/* --verbose
逐步說明
-
定義建置選項:
- 設定機器類型、替換行為和日誌記錄選項。
- 這些配置可確保高效的建置和可管理的日誌。
-
檢索 key.json 秘密:
- 使用 gcloud Secrets versions access 從 Secret Manager 安全地取得 key.json 檔案。
- 將檔案儲存到已知位置 (/workspace/key.json)。
-
配置.pypirc:
- 動態產生 .pypirc 檔案。 twine 需要此文件才能透過 Artifact Registry 進行身份驗證。
- 密碼為key.json的base64編碼內容。
-
建置並推送套件:
- 安裝必要的工具(纏繞、建造)。
- 建構 Python 套件 (python -m build)。
- 使用 twine upload 將 .whl 檔案推送到 Artifact Registry。
觸發建構
儲存cloudbuild.yaml檔案並觸發建置或可以連接到github儲存庫:
gcloud artifacts repositories create python-packages \ --repository-format=python \ --location=us-central1 \ --description="Python packages repository"
重點
- 安全機密管理:使用 Google Secret Manager 安全地存取機密 (key.json)。
- 動態配置:.pypirc 在建置過程中生成,確保儲存庫中不儲存敏感資料。
- 自動上傳:過程會自動進行包建置和推送,減少人工幹預。
驗證
建造完成後:
- 在ArtifactRegistry中驗證上傳的套件:
gcloud secrets create creds --data-file=path/to/key.json
- 檢查建置日誌中的錯誤或警告。
以上是使用 Cloud Build 將 Python 套件推送到 ArtifactRegistry的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

Python更易學且易用,C 則更強大但複雜。 1.Python語法簡潔,適合初學者,動態類型和自動內存管理使其易用,但可能導致運行時錯誤。 2.C 提供低級控制和高級特性,適合高性能應用,但學習門檻高,需手動管理內存和類型安全。

每天學習Python兩個小時是否足夠?這取決於你的目標和學習方法。 1)制定清晰的學習計劃,2)選擇合適的學習資源和方法,3)動手實踐和復習鞏固,可以在這段時間內逐步掌握Python的基本知識和高級功能。

Python在開發效率上優於C ,但C 在執行性能上更高。 1.Python的簡潔語法和豐富庫提高開發效率。 2.C 的編譯型特性和硬件控制提升執行性能。選擇時需根據項目需求權衡開發速度與執行效率。

Python和C 各有優勢,選擇應基於項目需求。 1)Python適合快速開發和數據處理,因其簡潔語法和動態類型。 2)C 適用於高性能和系統編程,因其靜態類型和手動內存管理。

pythonlistsarepartofthestAndArdLibrary,herilearRaysarenot.listsarebuilt-In,多功能,和Rused ForStoringCollections,而EasaraySaraySaraySaraysaraySaraySaraysaraySaraysarrayModuleandleandleandlesscommonlyusedDduetolimitedFunctionalityFunctionalityFunctionality。

Python在自動化、腳本編寫和任務管理中表現出色。 1)自動化:通過標準庫如os、shutil實現文件備份。 2)腳本編寫:使用psutil庫監控系統資源。 3)任務管理:利用schedule庫調度任務。 Python的易用性和豐富庫支持使其在這些領域中成為首選工具。

Python在科學計算中的應用包括數據分析、機器學習、數值模擬和可視化。 1.Numpy提供高效的多維數組和數學函數。 2.SciPy擴展Numpy功能,提供優化和線性代數工具。 3.Pandas用於數據處理和分析。 4.Matplotlib用於生成各種圖表和可視化結果。

Python在Web開發中的關鍵應用包括使用Django和Flask框架、API開發、數據分析與可視化、機器學習與AI、以及性能優化。 1.Django和Flask框架:Django適合快速開發複雜應用,Flask適用於小型或高度自定義項目。 2.API開發:使用Flask或DjangoRESTFramework構建RESTfulAPI。 3.數據分析與可視化:利用Python處理數據並通過Web界面展示。 4.機器學習與AI:Python用於構建智能Web應用。 5.性能優化:通過異步編程、緩存和代碼優
