คู่มือการทำให้ใช้งานได้

แพลตฟอร์มการจำลองการวัดและส่งข้อมูลทางไกลของระบบคลาวด์กำหนดให้คุณต้องติดตั้งใช้งานโครงสร้างพื้นฐานในโปรเจ็กต์ Google Cloud

เข้าถึงซอร์สโค้ด

ซอร์สโค้ดสำหรับแพลตฟอร์มการจำลองการวัดและส่งข้อมูลทางไกลของระบบคลาวด์โฮสต์อยู่ใน GitHub, ที่ aaos-sdv-telemetry-simulator

สิ่งที่ต้องมีก่อน

หากต้องการติดตั้งใช้งานแพลตฟอร์ม โปรดตรวจสอบว่าคุณมีคุณสมบัติตรงตามสิ่งที่ต้องมีก่อนต่อไปนี้

• โปรเจ็กต์ Google Cloud ที่เปิดใช้การเรียกเก็บเงิน
• ความปลอดภัยของเว็บเดโม: หากคุณติดตั้งใช้งานเว็บเดโม คุณต้องกำหนดค่ารหัสไคลเอ็นต์ OAuth 2.0 ใน Google Cloud APIs & Services > ข้อมูลเข้าสู่ระบบ เพื่อรักษาความปลอดภัยของแอปพลิเคชัน App Engine และจำกัดการเข้าถึงบัญชี Google ที่ได้รับอนุญาต
• อาร์ติแฟกต์บิลด์ของยานยนต์ที่กำหนดโดยซอฟต์แวร์ (SDV): คุณต้องมีอาร์ติแฟกต์อิมเมจ SDV ที่คอมไพล์แล้ว ซึ่งเราไม่ได้ให้ไว้ในที่เก็บนี้
  • cvd-host_package.tar.gz
  • sdv_core_cf-img-<version>.zip
• สิทธิ์: ผู้ใช้หรือบัญชีบริการที่เรียกใช้ Terraform ต้องมี สิทธิ์เพียงพอในการสร้างทรัพยากรที่กำหนดไว้ในการกำหนดค่า (เช่น ผู้แก้ไขโปรเจ็กต์ หรือบทบาทที่กำหนดเองที่มีสิทธิ์สำหรับ Compute Engine, Cloud Functions, Identity and Access Management, Cloud Storage และบริการอื่นๆ ที่จำเป็น)
• เครื่องมือ
  • Google Cloud CLI (gcloud CLI)
  • Terraform (เวอร์ชันที่ใช้ในที่เก็บ)
  • Docker
  • Go (เวอร์ชันที่ใช้สำหรับฟังก์ชัน Orchestrator ในที่เก็บ)

ติดตั้งใช้งานโครงสร้างพื้นฐานของ Google Cloud

การติดตั้งใช้งานแพลตฟอร์มการจำลองมี 2 ขั้นตอนหลัก ได้แก่ การใช้ Terraform เพื่อติดตั้งใช้งานโครงสร้างพื้นฐานหลักใน Google Cloud และการสร้างและพุชอิมเมจ Docker ของ Agent การจำลองไปยัง Artifact Registry ส่วนนี้จะแนะนำขั้นตอนการติดตั้งใช้งานโครงสร้างพื้นฐาน

ป้อนค่าสำหรับตัวแปรต่อไปนี้เพื่ออัปเดตข้อมูลโค้ดในหน้านี้

1. กำหนดค่าแบ็กเอนด์ของ Terraform: สร้างไฟล์เพื่อระบุตำแหน่งที่ Terraform จะจัดเก็บไฟล์สถานะใน Cloud Storage ตั้งชื่อไฟล์โดยใช้ไวยากรณ์ต่อไปนี้

   environments/ENVIRONMENT/backend.hcl
   

   # environments/ENVIRONMENT/backend.hcl
   bucket = "TF_BUCKET_NAME"
   prefix = "sdv-telemetry-simulation"
   

2. กำหนดค่าตัวแปรโปรเจ็กต์: สร้างไฟล์ที่ตั้งชื่อตามรายละเอียดของโปรเจ็กต์ ตั้งชื่อไฟล์โดยใช้ไวยากรณ์ต่อไปนี้

   environments/ENVIRONMENT/variables.tfvars
   

   # environments/ENVIRONMENT/variables.tfvars
   project_id       = "PROJECT_ID"
   default_region   = "REGION"
   default_zone     = "ZONE"
   agent_docker_image = "REGION-docker.pkg.dev/PROJECT_ID/sim-agents/simulation-agent"
       # Security: Map logical tags to SHA256 digests
   
   # Security: Map logical tags to SHA256 digests (optional)
   image_fingerprints = {
   "latest" = "sha256:e3b0c44298fc1c149afbf4c8996fb92427ae41e4649b934ca495991b7852b855",
   "stable" = "sha256:88d4266fd4e6338d13b845fcf289579d209c897823b9217da3e161936f031589"
   }
   
   # Parallel Execution Limit (Default: 5)
   max_concurrent_simulations = 5
   

3. ใช้การกำหนดค่า Terraform: ไปที่ไดเรกทอรี infrastructure จากนั้นเริ่มต้นและใช้การกำหนดค่าโดยทำดังนี้

   # Initialize Terraform with your backend configuration
   terraform init -backend-config=environments/ENVIRONMENT/backend.hcl
   
   # (Optional) Preview the changes
   terraform plan --var-file=environments/ENVIRONMENT/variables.tfvars
   
   # Apply the changes to deploy the infrastructure
   terraform apply --var-file=environments/ENVIRONMENT/variables.tfvars
   

สร้างและพุชอิมเมจ Agent การจำลอง

Agent การจำลองจะเรียกใช้การจำลองในเครื่องเสมือน (VM) ของ Compute Engine คุณสร้าง Agent ด้วยอาร์ติแฟกต์ SDV และพุชไปยัง Artifact Registry

วิธีสร้างและพุชอิมเมจ Agent การจำลอง

1. วางอาร์ติแฟกต์: คัดลอกไฟล์ cvd-host_package.tar.gz และ sdv_core_cf-img-<version>.zip ลงในไดเรกทอรี simulation-agent/sdv-image-resources/

2. สร้างและพุช: ไปที่ไดเรกทอรี simulation-agent จากนั้นสร้างและพุชอิมเมจ แทนที่เส้นทางอิมเมจด้วยเส้นทางที่คุณกำหนดค่าไว้ในไฟล์ variables.tfvars

   # Example using the path from the .tfvars example above
   export AGENT_IMAGE="REGION-docker.pkg.dev/PROJECT_ID/sim-agents/simulation-agent:latest"
   
   # Build the image
   docker build -t $AGENT_IMAGE .
   
   # Push the image to Artifact Registry
   docker push $AGENT_IMAGE
   

3. อัปเดตฟิงเกอร์ปรินต์: หลังจากพุชอิมเมจใหม่แล้ว คุณอาจต้องรับไดเจสต์ SHA256 ของอิมเมจและอัปเดตแมป image_fingerprints ในไฟล์ variables.tfvars จากนั้นเรียกใช้ terraform apply อีกครั้ง

   # Get the digest using gcloud
   gcloud container images describe $AGENT_IMAGE --format="value(image_summary.digest)"
   

   แพลตฟอร์มการจำลองการวัดและส่งข้อมูลทางไกลของระบบคลาวด์ได้รับการติดตั้งใช้งานแล้วและพร้อมรับคำขอการจำลอง

การดำเนินการและการแก้ปัญหา

โซลูชันนี้ช่วยให้คุณใช้เครื่องมือในตัวของ Google Cloud เพื่อความสามารถในการสังเกต โดยจะใช้ทรัพยากรการคำนวณต่อคำขอเท่านั้นและระหว่างการดำเนินการจำลอง

การจัดการค่าใช้จ่าย

สถาปัตยกรรมได้รับการออกแบบมาให้คุ้มค่าโดยใช้ทรัพยากรแบบ Serverless และชั่วคราว ค่าใช้จ่ายส่วนใหญ่มาจากปัจจัยต่อไปนี้

• Compute Engine: ระบบจะเรียกเก็บเงินตามเวลาที่ VM การจำลองทำงาน การใช้ Spot VM สามารถลดค่าใช้จ่ายนี้ได้อย่างมาก
• Cloud Functions: ระบบจะเรียกเก็บเงินต่อการเรียกใช้
• Cloud Storage: ระบบจะเรียกเก็บเงินสำหรับการจัดเก็บไฟล์อินพุตและเอาต์พุต รวมถึงบันทึก
• Firestore: ระบบจะเรียกเก็บเงินสำหรับการอ่าน การเขียน และการจัดเก็บข้อมูล

ความสามารถในการสังเกต

คอมโพเนนต์ทั้งหมดผสานรวมกับชุดเครื่องมือการดำเนินการของ Google Cloud

• Logs Explorer: เครื่องมือหลักสำหรับการแก้ปัญหา คุณสามารถกรองบันทึกตามทรัพยากรได้ ดังนี้
  • Cloud Functions: ตรวจสอบบันทึกของฟังก์ชัน receive-request หรือ schedule-simulation เพื่อแก้ไขข้อบกพร่องของปัญหาการจัดการเป็นกลุ่ม
  • Compute Engine: ตรวจสอบบันทึกอินสแตนซ์ VM เพื่อดูปัญหาการเริ่มต้นหรือการปิด
  • Agent การจำลอง: Agent ที่ทำงานภายในคอนเทนเนอร์ Docker จะส่งต่อบันทึกไปยัง Logs Explorer กรองตามชื่ออินสแตนซ์ VM เพื่อดูความคืบหน้าการจำลองโดยละเอียด
• Cloud Storage: สำหรับการจำลองที่เสร็จสมบูรณ์แล้ว ระบบจะอัปโหลดไฟล์ logcat และ bugreport จากอุปกรณ์ Cuttlefish ไปยังไดเรกทอรีเอาต์พุตของการจำลองใน Bucket ของ Cloud Storage ซึ่งจะช่วยให้คุณเข้าใจพฤติกรรมของสภาพแวดล้อม Android ได้อย่างลึกซึ้ง

บัญชีบริการ

Terraform สร้างบัญชีบริการหลายบัญชีเพื่อเปิดใช้สภาพแวดล้อมที่ปลอดภัยและมีสิทธิ์น้อยที่สุด บัญชีบริการหลักมีดังนี้

1. ข้อมูลประจำตัวในการดำเนินการ (VM):

   • simulation-agent:
     • แนบกับ: VM ของ Compute Engine ที่เรียกใช้การจำลอง
     • บทบาท: อนุญาตให้ VM อัปโหลดผลลัพธ์และส่งสัญญาณการดำเนินการเสร็จสมบูรณ์
     • สิทธิ์:
       • roles/storage.objectUser: อ่านอินพุตและอัปโหลดอาร์ติแฟกต์ (บันทึก รายงาน) ไปยัง Cloud Storage
       • roles/run.invoker: ตรวจสอบสิทธิ์และเรียกใช้ฟังก์ชัน finish-simulation

2. ข้อมูลประจำตัวในการจัดระเบียบ (ฟังก์ชัน):

   • read-simulations-function:
     • แนบกับ: Cloud Function read-simulation
     • สิทธิ์:
       • roles/datastore.user: อ่านบันทึกการจำลองและ VM ที่ทำงานอยู่ใน Firestore

   • receive-request-function:

     • แนบกับ: Cloud Function receive-request
     • สิทธิ์:
       • roles/datastore.user: สร้างบันทึกการจำลอง PENDING ใหม่ใน Firestore
       • roles/storage.objectUser: ตรวจสอบว่ามีไฟล์อินพุตอยู่ใน Cloud Storage

   • scheduler-function:

     • แนบกับ: Cloud Function schedule-simulation

     • สิทธิ์:

       -   `roles/pubsub.subscriber`: Pulls messages from the simulation
           queue.
       -   `roles/datastore.user`: Performs atomic reads and writes to the
           `running-vms` counter.
       -   `roles/compute.instanceAdmin.v1`: Creates and starts Compute
           Engine VMs.
       -   `roles/iam.serviceAccountUser`: This permission allows this
           function to assign the `simulation-agent` service account to the
           VMs it creates.
       

   • simulation-finisher-function:

     • แนบกับ: Cloud Function finish-simulation
     • สิทธิ์: - roles/compute.instanceAdmin.v1: ลบ VM หลังจากดำเนินการ เสร็จสมบูรณ์ - roles/datastore.user: อัปเดตสถานะการจำลองเป็น COMPLETED หรือ FAILED

   • delete-simulation-function:

     • แนบกับ: Cloud Function delete-simulation
     • สิทธิ์: - roles/compute.instanceAdmin.v1: บังคับลบเครื่องเสมือน ระหว่างการยกเลิก - roles/datastore.user: อัปเดตสถานะของงานที่ยกเลิก

3. ข้อมูลประจำตัวของทริกเกอร์:

   • scheduler-trigger:

     • ใช้โดย: ทริกเกอร์ Eventarc (เหตุการณ์) และ Cloud Scheduler
     • สิทธิ์: roles/eventarc.eventReceiver และ roles/run.invoker เพื่อทริกเกอร์ฟังก์ชัน Orchestrator

   • cleanup-scheduler:

     • ใช้โดย: งาน Cron ของ Cloud Scheduler สำหรับการล้างข้อมูล
     • สิทธิ์: roles/run.invoker เพื่อทริกเกอร์ตรรกะการล้างข้อมูล

การจัดการนโยบาย Identity and Access Management สำหรับบัญชีบริการเหล่านี้เป็นวิธีหลักในการควบคุมการเข้าถึงและสิทธิ์ภายในระบบ