在 Google Cloud Platform (GCP) 上使用匯總服務

1. 1. 必要條件

預計完成時間：1 到 2 小時

執行本程式碼研究室有 2 種模式：本機測試或匯總服務。本機測試模式需要使用本機電腦和 Chrome 瀏覽器 (無須建立/使用 Google Cloud 資源)。「匯總服務」模式需要在 Google Cloud 上完整部署匯總服務。

如要在任一模式下執行本程式碼研究室，您必須具備一些先決條件。系統會根據各個條件標示需要執行「本機測試」或「匯總服務」。

1.1. 完成註冊和認證 (匯總服務)

如要使用 Privacy Sandbox API，請務必完成 Chrome 和 Android 的註冊和認證程序。

1.2. 啟用廣告隱私權 API (本機測試與匯總服務)

由於我們將使用 Privacy Sandbox，建議您啟用 Privacy Sandbox Ads API。

透過瀏覽器前往 chrome://settings/adPrivacy，並啟用所有廣告隱私權 API。

此外，也請確認已啟用第三方 Cookie。

自 chrome://settings/cookies起，確認「未封鎖」第三方 Cookie。視 Chrome 版本而定，您可能會看到不同的設定選單，但可接受的設定如下：

  • 「封鎖所有第三方 Cookie」= 已停用
  • 「封鎖第三方 Cookie」= 已停用
  • 「在無痕模式中封鎖第三方 Cookie」= 已啟用

啟用 Cookie

1.3. 下載本機測試工具 (本機測試)

本機測試將需要下載本機測試工具。這項工具會從未加密的偵錯報表中產生摘要報表。

本機測試工具可從 GitHub 中的 Cloud 函式 JAR 封存下載。路徑應命名為 LocalTestingTool_{version}.jar。

1.4.確保已安裝 JAVA JRE (本機測試與匯總服務)

開啟「終端機」並使用 java --version 檢查機器是否已安裝 Java 或 OpenJDK。

檢查 Java 版本

如果尚未安裝，請前往 Java 網站或 openJDK 網站下載並安裝。

1.5. 下載 aggregatable_report_converter (本機測試與匯總服務)

您可以從 Privacy Sandbox 示範 GitHub 存放區下載 aggregatable_report_converter 副本。GitHub 存放區提及使用 IntelliJ 或 Eclipse，但兩者皆非。如果您不是使用這些工具，請改為將 JAR 檔案下載至本機環境。

1.6. 設定 GCP 環境 (匯總服務)

「匯總服務」需要使用雲端供應商的「受信任的執行環境」。在本程式碼研究室中，匯總服務會部署在 GCP 中，但系統也支援 AWS。

按照 GitHub 中的部署操作說明設定 gcloud CLI、下載 Terraform 二進位檔和模組，以及為匯總服務建立 GCP 資源。

部署作業操作說明中的重要步驟：

  1. 設定「gcloud」容器中的 CLI 和 Terraform。
  2. 建立 Cloud Storage 值區以儲存 Terraform 狀態。
  3. 下載依附元件。
  4. 更新 adtech_setup.auto.tfvars 並執行 adtech_setup Terraform。如需 adtech_setup.auto.tfvars 檔案範例，請參閱附錄。請記下在此處建立的資料值區名稱：在程式碼研究室中，這個名稱會用來儲存我們建立的檔案。
  5. 更新 dev.auto.tfvars、模擬部署服務帳戶，並執行 dev Terraform。如需 dev.auto.tfvars 檔案範例，請參閱附錄。
  6. 部署作業完成後，請從 Terraform 輸出內容擷取 frontend_service_cloudfunction_url，以便在後續步驟中向匯總服務發出要求。

1.7.完成匯總服務新手上路 (匯總服務)

「匯總服務」需要新手上路流程的協調人員才能使用這項服務。提供回報網站和其他資訊，選取「Google Cloud」，然後輸入服務帳戶地址，完成匯總服務新手上路表單。這個服務帳戶會按照先前的先決條件 (1.6.設定 GCP 環境)。(提示：如果您使用提供的預設名稱，這個服務帳戶的開頭會是「worker-sa@」)。

新手上路流程最多可能需要 2 週才能完成。

1.8.決定呼叫 API 端點 (匯總服務) 的方法

本程式碼研究室提供 2 種呼叫匯總服務 API 端點的選項：cURL 和 Postman。從終端機呼叫 API 端點時，使用 cURL 可以更輕鬆快速的方式，因為只需進行少量設定且不需其他軟體。不過，如果您不想使用 cURL，可以改用 Postman 執行並儲存 API 要求供日後使用。

第 3.2 節。「匯總服務使用情形」報表會提供同時使用這兩種選項的詳細操作說明。您現在可以預覽這些項目，確定要使用哪種方法。如果您選取 Postman，請執行以下初始設定。

1.8.1.設定工作區

註冊 Postman 帳戶。申請完成後，系統會自動為您建立工作區，

郵政工作區

如果不是為您建立工作區，請前往「工作區」上方導覽項目並選取「建立工作區」

選取「空白工作區」，然後按一下下一步並命名為「GCP Privacy Sandbox」。選取「個人」並點選「建立」

下載預先設定的工作區 JSON 設定和全域環境檔案。

將這兩個 JSON 檔案匯入「我的工作區」透過「匯入」工具按鈕。

匯入按鈕

這樣就能建立「GCP Privacy Sandbox」以及 createJob 和 getJob HTTP 要求

1.8.2.設定授權

按一下「GCP Privacy Sandbox」然後前往 [Authorization] (授權) 頁面分頁。

授權按鈕

使用「不記名權杖」方法。在終端機環境中執行下列指令，並複製輸出內容。

gcloud auth print-identity-token

接著將這個權杖值貼到「Token」欄位：

權杖欄位

1.8.3.設定環境

前往「Environment Quick Look」面板：

環境按鈕

按一下「編輯」並更新「Current Value」的「environment」、「region」和「cloud-function-id」：

設定目前的值

您可以保留「request-id」目前暫時留空，稍後會填入說明其他欄位則使用 frontend_service_cloudfunction_url 的值，也就是在 Prerequisite 1.6 中完成 Terraform 部署後傳回的值。網址格式如下：https://--frontend-service--uc.a.run.app

2. 2. 本機測試程式碼研究室

預計完成時間：不到 1 小時

您可以使用電腦上的本機測試工具執行匯總作業，並使用未加密的偵錯報表產生摘要報表。事前準備：請確認您已完成所有標示「本機測試」的必要條件。

程式碼研究室步驟

步驟 2.1：觸發報表：觸發私人匯總報表以收集報表。

步驟 2.2：建立偵錯 AVRO 報表：將收集的 JSON 報表轉換為 AVRO 格式報表。這個步驟與廣告技術從 API 報表端點收集報表，並將 JSON 報表轉換為 AVRO 格式報表時類似。

步驟 2.3：擷取值區金鑰：值區金鑰是由廣告技術人員設計。在本程式碼研究室中，由於值區已預先定義，因此請按照所提供的值區金鑰擷取值區金鑰。

步驟 2.4：建立輸出網域 AVRO：擷取值區金鑰後，建立輸出網域 AVRO 檔案。

步驟 2.5：建立摘要報表：使用本機測試工具，即可在本地環境中建立摘要報表。

步驟 2.6：查看摘要報表：查看本機測試工具建立的摘要報表。

2.1. 觸發報表

如要觸發私人匯總報表，可以使用 Privacy Sandbox 示範網站 (https://privacy-sandbox-demos-news.dev/?env=gcp) 或自己的網站 (例如 https://adtechexample.com)。如果您使用自己的網站，而且尚未完成註冊，認證和匯總服務新手上路流程，您必須使用 Chrome 旗標和 CLI 切換鈕。

在這個示範中，我們將使用 Privacy Sandbox 示範網站。透過連結前往網站；接著，您可以前往 chrome://private-aggregation-internals 查看報表：

Chrome 內部頁面

傳送到 {reporting-origin}/.well-known/private-aggregation/debug/report-shared-storage 端點的報表也會顯示在「Report Body」中「Chrome 內部」頁面上顯示報告的其中一環

這裡可能有許多報表，但在這個程式碼研究室中，請使用偵錯端點產生的可匯總報表。「報表網址」會包含「/debug/」和「報表內文」的 aggregation_coordinator_origin field將包含以下網址：https://publickeyservice.msmt.gcp.privacysandboxservices.com。

GCP 偵錯報表

2.2. 建立偵錯匯總報表

複製「報表內文」中的報表後建立 JSON 檔，chrome://private-aggregation-internals並在 privacy-sandbox-demos/tools/aggregatable_report_converter/out/artifacts/aggregatable_report_converter_jar 資料夾 (在以 Prerequisite 1.5 下載的存放區內) 建立 JSON 檔案。

在這個範例中，我們使用的是 Linux，但您也可以使用任何文字編輯器

vim report.json

將報表貼入 report.json，然後儲存檔案。

報表 JSON

設定完成後，請使用 aggregatable_report_converter.jar 協助建立偵錯可匯總報表。即可在目前的目錄中建立名為 report.avro 的可匯總報表。

java -jar aggregatable_report_converter.jar \
  --request_type convertToAvro \
  --input_file report.json \
  --debug

2.3. 從報表中擷取值區金鑰

如要建立 output_domain.avro 檔案，您需要可以從報表中擷取的值區鍵。

值區金鑰是由廣告技術人員設計。不過，在這個情況下，Privacy Sandbox 示範網站會建立值區金鑰。這個網站的私人匯總作業處於偵錯模式，因此可以使用「檢舉內容」中的 debug_cleartext_payload取得值區金鑰。

請直接複製報表內文中的 debug_cleartext_payload。

偵錯明文酬載

開啟 goo.gle/ags-payload-decoder，並在「輸入內容」中貼上 debug_cleartext_payload並點選 [解碼]

解碼按鈕

頁面會傳回值區金鑰的十進位值。以下是值區金鑰的範例。

值區金鑰

2.4. 建立輸出網域 AVRO

現在您已取得值區金鑰，接下來讓我們在同一個資料夾中建立 output_domain.avro。請務必將值區金鑰替換為您擷取的值區金鑰。

java -jar aggregatable_report_converter.jar \
  --request_type createDomainAvro \
  --bucket_key <bucket key>

指令碼會在目前的資料夾中建立 output_domain.avro 檔案。

2.5.使用本機測試工具建立摘要報表

我們會使用在先決條件 1.3 中下載的 LocalTestingTool_{version}.jar，使用下列指令建立摘要報表。將 {version} 替換為下載的版本。請記得將 LocalTestingTool_{version}.jar 移至目前的目錄，或新增參照目前位置的相對路徑。

java -jar LocalTestingTool_{version}.jar \
  --input_data_avro_file report.avro \
  --domain_avro_file output_domain.avro \
  --output_directory .

執行指令後，畫面應會顯示如下的內容。完成後，系統會建立「output.avro」報表。

輸出 AVRO

2.6.查看摘要報表

建立的摘要報表為 AVRO 格式。如要讀取此內容，您需要從 AVRO 轉換為 JSON 格式。在理想情況下，廣告技術應撰寫程式碼，將 AVRO 報表轉換回 JSON。

我們會使用 aggregatable_report_converter.jar 將 AVRO 報表轉換回 JSON。

java -jar aggregatable_report_converter.jar \
  --request_type convertToJson \
  --input_file output.avro

這樣就會傳回類似下方的報告。以及建立在同一個目錄中的報表「output.json」。

輸出 JSON

程式碼研究室完成！

摘要：您已收集偵錯報表、建構輸出網域檔案，並透過本機測試工具產生摘要報告，這項工具會模擬匯總服務的匯總行為。

後續步驟：您已經測試過本機測試工具，現在可以嘗試相同的練習，並在您的環境中即時部署匯總服務。請重新查看先決條件，確認您已設定「匯總服務」的所有設定模式，然後繼續進行步驟 3。

3. 3. 匯總服務程式碼研究室

預計完成時間：1 小時

開始操作前，請確認已完成標示「匯總服務」的所有必備條件。

程式碼研究室步驟

步驟 3.1：建立匯總服務輸入資料：建立匯總服務批次的匯總服務報告。

  • 步驟 3.1.1：觸發報告
  • 步驟 3.1.2：收集可匯總報表
  • 步驟 3.1.3：將報表轉換為 AVRO
  • 步驟 3.1.4：建立 output_domain AVRO
  • 步驟 3.1.5：將報表移至 Cloud Storage 值區

步驟 3.2：匯總服務使用情形：使用匯總服務 API 建立摘要報表及查看摘要報表。

  • 步驟 3.2.1：使用「createJob」端點進行批次處理
  • 步驟 3.2.2：使用 getJob 端點擷取批次狀態
  • 步驟 3.2.3：查看摘要報表

3.1. 建立匯總服務輸入內容

繼續建立 AVRO 報表，以批次傳送至匯總服務。這些步驟中的殼層指令可以在 GCP 的 Cloud Shell 內執行 (只要從必備條件中的依附元件複製到 Cloud Shell 環境) 或本機執行環境中即可。

3.1.1. 觸發報告

透過連結前往網站；接著，您可以前往 chrome://private-aggregation-internals 查看報表：

Chrome 內部頁面

傳送到 {reporting-origin}/.well-known/private-aggregation/debug/report-shared-storage 端點的報表也會顯示在「Report Body」中「Chrome 內部」頁面上顯示報告的其中一環

這裡可能有許多報表，但在這個程式碼研究室中，請使用偵錯端點產生的可匯總報表。「報表網址」會包含「/debug/」和「報表內文」的 aggregation_coordinator_origin field將包含以下網址：https://publickeyservice.msmt.gcp.privacysandboxservices.com。

GCP 偵錯報表

3.1.2. 收集可匯總報表

從對應 API 的 .well-known 端點收集可匯總報表。

  • 私人匯總：{reporting-origin}/.well-known/private-aggregation/report-shared-storage
  • 歸因報表 - 摘要報表：{reporting-origin}/.well-known/attribution-reporting/report-aggregate-attribution

在本程式碼研究室中，我們會手動執行報表收集作業。在實際工作環境中，廣告技術應透過程式輔助方式收集並轉換報表。

將 JSON 報表複製到「報表內文」chrome://private-aggregation-internals起。

在這個範例中，我們使用的是 vim，因為我們使用的是 Linux。但您也可以使用任何文字編輯器

vim report.json

將報表貼入 report.json，然後儲存檔案。

報表 JSON

3.1.3. 將報表轉換為 AVRO

從 .well-known 端點收到的報表會採用 JSON 格式，必須轉換為 AVRO 報表格式。取得 JSON 報表後，請前往 report.json 的儲存位置，並使用 aggregatable_report_converter.jar 建立偵錯可匯總報表。即可在目前的目錄中建立名為 report.avro 的可匯總報表。

java -jar aggregatable_report_converter.jar \
  --request_type convertToAvro \
  --input_file report.json

3.1.4. 建立 output_domain AVRO

如要建立 output_domain.avro 檔案，您需要可以從報表中擷取的值區鍵。

值區金鑰是由廣告技術人員設計。不過，在這個情況下，Privacy Sandbox 示範網站會建立值區金鑰。這個網站的私人匯總作業處於偵錯模式，因此可以使用「檢舉內容」中的 debug_cleartext_payload取得值區金鑰。

請直接複製報表內文中的 debug_cleartext_payload。

偵錯明文酬載

開啟 goo.gle/ags-payload-decoder，並在「輸入內容」中貼上 debug_cleartext_payload並點選 [解碼]

解碼按鈕

頁面會傳回值區金鑰的十進位值。以下是值區金鑰的範例。

值區金鑰

現在您已取得值區金鑰，接下來讓我們在同一個資料夾中建立 output_domain.avro。請務必將值區金鑰替換為您擷取的值區金鑰。

java -jar aggregatable_report_converter.jar \
  --request_type createDomainAvro \
  --bucket_key <bucket key>

指令碼會在目前的資料夾中建立 output_domain.avro 檔案。

3.1.5.將報表移至 Cloud Storage 值區

建立 AVRO 報表和輸出網域後，請繼續將報表和輸出網域移至 Cloud Storage 中的值區 (先前在事前準備 1.6 中所述)。

如果您已在本機環境中設定 gcloud CLI，請使用下列指令，將檔案複製到對應的資料夾。

gcloud storage cp report.avro gs://<bucket_name>/reports/

gcloud storage cp output_domain.avro gs://<bucket_name>/output_domain/

或者，您也可以手動將檔案上傳至值區。建立「報表」資料夾然後將 report.avro 檔案上傳到這裡。建立「output_domains」資料夾然後將 output_domain.avro 檔案上傳到這裡。

3.2. 匯總服務使用情形

回顧先前步驟 1.8 中，您選取了 cURL 或 Postman，向匯總服務端點發出 API 要求。以下提供這兩種選項的操作說明。

如果工作因發生錯誤而失敗，請參閱 GitHub 的疑難排解說明文件，進一步瞭解如何繼續操作。

3.2.1. 使用「createJob」端點進行批次處理

按照下方的 cURL 或 Postman 操作說明建立工作。

cURL

在「終端機」中建立要求主體檔案 (body.json)，然後貼到下方。請務必更新預留位置值。如要進一步瞭解每個欄位代表的意義，請參閱 API 說明文件。

{
  "job_request_id": "<job_request_id>",
  "input_data_blob_prefix": "<report_folder>/<report_name>.avro",
  "input_data_bucket_name": "<bucket_name>",
  "output_data_blob_prefix": "<output_folder>/<summary_report_prefix>",
  "output_data_bucket_name": "<bucket_name>",
  "job_parameters": {
    "output_domain_blob_prefix": "<output_domain_folder>/<output_domain>.avro",
    "output_domain_bucket_name": "<bucket_name>",
    "attribution_report_to": "<reporting origin of report>",
    "reporting_site": "<domain of reporting origin(s) of report>", // Only one of attribution_report_to or reporting_site is required as of v2.7.0
    "report_error_threshold_percentage": "10",
    "debug_run": "true"
  }
}

請執行以下要求。將 cURL 要求網址中的預留位置替換為 frontend_service_cloudfunction_url 的值，該值會在 Prerequisite 1.6 中成功完成 Terraform 部署作業後輸出。

curl -H "Authorization: Bearer $(gcloud auth print-identity-token)" \
  -d @body.json \
  https://<environment>-<region>-frontend-service-<cloud-function-id>-uc.a.run.app/v1alpha/createJob

匯總服務接受要求後，您應該會收到 HTTP 202 回應。其他可能的回應代碼請參閱 API 規格說明。

Postman

針對 createJob 端點，必須提供要求主體，才能向匯總服務提供可匯總報表、輸出網域和摘要報表的位置和檔案名稱。

前往 createJob 要求的「主體」分頁：

內文分頁

取代所提供 JSON 內的預留位置。如要進一步瞭解這些欄位及其代表的意義，請參閱 API 說明文件。

{
  "job_request_id": "<job_request_id>",
  "input_data_blob_prefix": "<report_folder>/<report_name>.avro",
  "input_data_bucket_name": "<bucket_name>",
  "output_data_blob_prefix": "<output_folder>/<summary_report_prefix>",
  "output_data_bucket_name": "<bucket_name>",
  "job_parameters": {
    "output_domain_blob_prefix": "<output_domain_folder>/<output_domain>.avro",
    "output_domain_bucket_name": "<bucket_name>",
    "attribution_report_to": "<reporting origin of report>",
    "reporting_site": "<domain of reporting origin(s) of report>", // Only one of attribution_report_to or reporting_site is required as of v2.7.0
    "report_error_threshold_percentage": "10",
    "debug_run": "true"
  }
}

「傳送」createJob API 要求：

[傳送] 按鈕

回應代碼會顯示在網頁的下半部：

回應碼

匯總服務接受要求後，您應該會收到 HTTP 202 回應。其他可能的回應代碼請參閱 API 規格說明。

3.2.2。使用 getJob 端點擷取批次狀態

請按照以下 cURL 或 Postman 操作說明取得工作。

cURL

在終端機中執行以下要求。將網址中的預留位置替換成 frontend_service_cloudfunction_url 的值 (也就是您用來回應 createJob 要求的網址)。在「job_request_id」部分，請使用您透過 createJob 端點建立的工作所含值。

curl -H "Authorization: Bearer $(gcloud auth print-identity-token)" \
  https://<environment>-<region>-frontend-service-<cloud-function-id>-uc.a.run.app/v1alpha/getJob?job_request_id=<job_request_id>

結果應會傳回 HTTP 狀態為 200 的工作要求狀態。要求「內文」包含 job_status、return_message 和 error_messages 等必要資訊 (如果工作發生錯誤)。

Postman

如要查看工作要求的狀態，您可以使用 getJob 端點。在「參數」中部分，將 job_request_id 值更新為在 createJob 要求中傳送的 job_request_id。getJob

工作要求 ID

「傳送」getJob 要求：

[傳送] 按鈕

結果應會傳回 HTTP 狀態為 200 的工作要求狀態。要求「內文」包含 job_status、return_message 和 error_messages 等必要資訊 (如果工作發生錯誤)。

回應 JSON

3.2.3.查看摘要報表

當您在輸出的 Cloud Storage 值區中收到摘要報表後，可以將這份報表下載到本機環境。摘要報表採用 AVRO 格式，且可轉換回 JSON。您可以使用 aggregatable_report_converter.jar 使用下列指令來讀取報表。

java -jar aggregatable_report_converter.jar \
  --request_type convertToJson \
  --input_file <summary_report_avro>

此方法會傳回類似下方內容的每個值區鍵匯總值的 JSON 檔案。

摘要報表

如果您的 createJob 要求包含 debug_run 為 true，您將可在位於 output_data_blob_prefix 的偵錯資料夾中收到摘要報表。報表為 AVRO 格式，您可以使用上述指令將報表轉換成 JSON。

報表中包含值區鍵、未雜訊的指標，以及為了形成摘要報表而加入的未雜訊指標。報告內容與下方類似。

雜訊報告

註解中也包含「in_reports」和/或「in_domain」也就是說：

  • in_reports - 範圍鍵會列在可匯總報表中。
  • in_domain - 值區金鑰位於 output_domain AVRO 檔案內。

程式碼研究室完成！

摘要：您已在自己的雲端環境中部署匯總服務、收集偵錯報表、建構輸出網域檔案、將這些檔案儲存在 Cloud Storage 值區中，並成功執行工作！

後續步驟：請在環境中繼續使用匯總服務，或是按照步驟 4 中的清除操作說明刪除剛建立的雲端資源。

4. 4. 清除

如要刪除透過 Terraform 為匯總服務建立的資源，請在 adtech_setup 和 dev (或其他環境) 資料夾中使用 destroy 指令：

$ cd <repository_root>/terraform/gcp/environments/adtech_setup
$ terraform destroy
$ cd <repository_root>/terraform/gcp/environments/dev
$ terraform destroy

如要刪除存放可匯總報表和摘要報表的 Cloud Storage 值區，請按照下列步驟操作：

$ gcloud storage buckets delete gs://my-bucket

您也可以選擇將 Chrome Cookie 設定從必要條件 1.2 還原為先前的狀態。

5. 5. 附錄

adtech_setup.auto.tfvars 檔案範例

/**
 * Copyright 2023 Google LLC
 *
 * Licensed under the Apache License, Version 2.0 (the "License");
 * you may not use this file except in compliance with the License.
 * You may obtain a copy of the License at
 *
 *      http://www.apache.org/licenses/LICENSE-2.0
 *
 * Unless required by applicable law or agreed to in writing, software
 * distributed under the License is distributed on an "AS IS" BASIS,
 * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
 * See the License for the specific language governing permissions and
 * limitations under the License.
 */

project = "my-project-id"

# Required to generate identity token for access of Adtech Services API endpoints
service_account_token_creator_list = ["user:me@email.com"]

# Uncomment the below line if you like Terraform to create an Artifact registry repository
# for self-build container artifacts. "artifact_repo_location" defaults to "us".
artifact_repo_name     = "my-ags-artifacts"

# Note: Either one of [1] or [2] must be uncommented.

# [1] Uncomment below lines if you like Terraform grant needed permissions to
# pre-existing service accounts
# deploy_service_account_email = "<YourDeployServiceAccountName>@<ProjectID>.iam.gserviceaccount.com"
# worker_service_account_email = "<YourWorkerServiceAccountName>@<ProjectID>.iam.gserviceaccount.com"

# [2] Uncomment below lines if you like Terraform to create service accounts
# and needed permissions granted e.g "deploy-sa" or "worker-sa"
deploy_service_account_name = "deploy-sa"
worker_service_account_name = "worker-sa"
# Uncomment the below line if you want Terraform to create the
# below bucket. "data_bucket_location" defaults to "us".
data_bucket_name     = "my-ags-data"

# Uncomment the below lines if you want to specify service account customer role names
# deploy_sa_role_name = "<YourDeploySACustomRole>"
# worker_sa_role_name = "<YourWorkerSACustomRole>"

dev.auto.tfvars 檔案範例

/**
 * Copyright 2022 Google LLC
 *
 * Licensed under the Apache License, Version 2.0 (the "License");
 * you may not use this file except in compliance with the License.
 * You may obtain a copy of the License at
 *
 *      http://www.apache.org/licenses/LICENSE-2.0
 *
 * Unless required by applicable law or agreed to in writing, software
 * distributed under the License is distributed on an "AS IS" BASIS,
 * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
 * See the License for the specific language governing permissions and
 * limitations under the License.
 */

# Example values required by job_service.tf
#
# These values should be modified for each of your environments.
region      = "us-central1"
region_zone = "us-central1-c"

project_id  = "my-project-id"
environment = "operator-demo-env"

# Co-locate your Cloud Spanner instance configuration with the region above.
# https://cloud.google.com/spanner/docs/instance-configurations#regional-configurations
spanner_instance_config = "regional-us-central1"

# Adjust this based on the job load you expect for your deployment.
# Monitor the spanner instance utilization to decide on scale out / scale in.
# https://console.cloud.google.com/spanner/instances
spanner_processing_units = 100

# Uncomment the line below at your own risk to disable Spanner database protection.
# This needs to be set to false and applied before destroying all resources is possible.
spanner_database_deletion_protection = false

instance_type = "n2d-standard-8" # 8 cores, 32GiB

# Container image location that packages the job service application
# If not set otherwise, uncomment and edit the line below:
#worker_image = "<location>/<project>/<repository>/<image>:<tag or digest>"

# Service account created and onboarded for worker
user_provided_worker_sa_email = "worker-sa@my-project-id.iam.gserviceaccount.com"

min_worker_instances = 1
max_worker_instances = 20