本機疑難排解

本教學課程說明如何使用 Stackdriver 工具進行探索，以及使用本機開發工作流程進行調查，排解 Knative 服務中斷的問題。

這份逐步「案例研究」是疑難排解指南的輔助文件，會使用範例專案，說明如何排解部署時發生的執行階段錯誤，找出並修正問題。

目標

  • 撰寫、建構服務，並將服務部署到 Knative serving
  • 使用 Cloud Logging 找出錯誤
  • 從 Container Registry 擷取容器映像檔，進行根本原因分析
  • 修正「生產」服務，然後改善服務，以減少日後發生問題的機率

費用

在本文件中，您會使用 Google Cloud的下列計費元件：

如要根據預測用量估算費用，請使用 Pricing Calculator。

初次使用 Google Cloud 的使用者可能符合免費試用資格。

事前準備

組裝程式碼

逐步建構新的 Knative serving 問候語服務。 提醒您，這項服務會刻意建立執行階段錯誤，以供疑難排解練習使用。

  1. 建立新專案：

    Node.js

    定義服務套件、初始依附元件和一些常見作業，建立 Node.js 專案。

    1. 建立 hello-service 目錄：

      mkdir hello-service
cd hello-service

    2. 產生 package.json 檔案：

      npm init --yes
npm install express@4

    3. 在編輯器中開啟新的 package.json 檔案，並設定要執行 node index.js 的 start 指令碼。完成後，檔案會如下所示：

      {
  "name": "hello-service",
  "version": "1.0.0",
  "description": "",
  "main": "index.js",
  "scripts": {
      "start": "node index.js",
      "test": "echo \"Error: no test specified\" && exit 1"
  },
  "keywords": [],
  "author": "",
  "license": "ISC",
  "dependencies": {
      "express": "^4.17.1"
  }
}

    如果您在本教學課程結束後，仍持續開發這項服務，請考慮填寫說明、作者，並評估授權。詳情請參閱 package.json 說明文件。

    Python

    1. 建立新的 hello-service 目錄：

      mkdir hello-service
cd hello-service

    2. 建立 requirements.txt 檔案，並將依附元件複製到該檔案中： 

      Flask==3.0.3
pytest==8.2.0; python_version > "3.0"
# pin pytest to 4.6.11 for Python2.
pytest==4.6.11; python_version < "3.0"
gunicorn==23.0.0
Werkzeug==3.0.3

    Go

    1. 建立 hello-service 目錄：

      mkdir hello-service
cd hello-service

    2. 初始化新的 Go 模組，建立 Go 專案：

      go mod init <var>my-domain</var>.com/hello-service

    您可以視需要更新特定名稱：如果程式碼發布至可透過網路存取的程式碼存放區，就應該更新名稱。

    Java

    1. 建立 Maven 專案：

      mvn archetype:generate \
  -DgroupId=com.example \
  -DartifactId=hello-service \
  -DarchetypeArtifactId=maven-archetype-quickstart \
  -DinteractiveMode=false

    2. 將依附元件複製到 pom.xml 依附元件清單 (介於 <dependencies> 元素之間)：

      <dependency>
  <groupId>com.sparkjava</groupId>
  <artifactId>spark-core</artifactId>
  <version>2.9.4</version>
</dependency>
<dependency>
  <groupId>org.slf4j</groupId>
  <artifactId>slf4j-api</artifactId>
  <version>2.0.12</version>
</dependency>
<dependency>
  <groupId>org.slf4j</groupId>
  <artifactId>slf4j-simple</artifactId>
  <version>2.0.12</version>
</dependency>

    3. 將建構設定複製到 pom.xml (位於 <dependencies> 元素下方)：

      <build>
  <plugins>
    <plugin>
      <groupId>com.google.cloud.tools</groupId>
      <artifactId>jib-maven-plugin</artifactId>
      <version>3.4.0</version>
      <configuration>
        <to>
          <image>gcr.io/PROJECT_ID/hello-service</image>
        </to>
      </configuration>
    </plugin>
  </plugins>
</build>

  2. 建立 HTTP 服務來處理連入要求：

    Node.js

    const express = require('express');
const app = express();

app.get('/', (req, res) => {
  console.log('hello: received request.');

  const {NAME} = process.env;
  if (!NAME) {
    // Plain error logs do not appear in Stackdriver Error Reporting.
    console.error('Environment validation failed.');
    console.error(new Error('Missing required server parameter'));
    return res.status(500).send('Internal Server Error');
  }
  res.send(`Hello ${NAME}!`);
});
const port = parseInt(process.env.PORT) || 8080;
app.listen(port, () => {
  console.log(`hello: listening on port ${port}`);
});

    Python

    import json
import os

from flask import Flask


app = Flask(__name__)


@app.route("/", methods=["GET"])
def index():
    """Example route for testing local troubleshooting.

    This route may raise an HTTP 5XX error due to missing environment variable.
    """
    print("hello: received request.")

    NAME = os.getenv("NAME")

    if not NAME:
        print("Environment validation failed.")
        raise Exception("Missing required service parameter.")

    return f"Hello {NAME}"


if __name__ == "__main__":
    PORT = int(os.getenv("PORT")) if os.getenv("PORT") else 8080

    # This is used when running locally. Gunicorn is used to run the
    # application on Cloud Run. See entrypoint in Dockerfile.
    app.run(host="127.0.0.1", port=PORT, debug=True)

    Go

    
// Sample hello demonstrates a difficult to troubleshoot service.
package main

import (
	"fmt"
	"log"
	"net/http"
	"os"
)

func main() {
	log.Print("hello: service started")

	http.HandleFunc("/", helloHandler)


	port := os.Getenv("PORT")
	if port == "" {
		port = "8080"
		log.Printf("Defaulting to port %s", port)
	}

	log.Printf("Listening on port %s", port)
	log.Fatal(http.ListenAndServe(fmt.Sprintf(":%s", port), nil))
}

func helloHandler(w http.ResponseWriter, r *http.Request) {
	log.Print("hello: received request")

	name := os.Getenv("NAME")
	if name == "" {
		log.Printf("Missing required server parameter")
		// The panic stack trace appears in Cloud Error Reporting.
		panic("Missing required server parameter")
	}

	fmt.Fprintf(w, "Hello %s!\n", name)
}

    Java

    import static spark.Spark.get;
import static spark.Spark.port;

import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

public class App {

  private static final Logger logger = LoggerFactory.getLogger(App.class);

  public static void main(String[] args) {
    int port = Integer.parseInt(System.getenv().getOrDefault("PORT", "8080"));
    port(port);

    get(
        "/",
        (req, res) -> {
          logger.info("Hello: received request.");
          String name = System.getenv("NAME");
          if (name == null) {
            // Standard error logs do not appear in Stackdriver Error Reporting.
            System.err.println("Environment validation failed.");
            String msg = "Missing required server parameter";
            logger.error(msg, new Exception(msg));
            res.status(500);
            return "Internal Server Error";
          }
          res.status(200);
          return String.format("Hello %s!", name);
        });
  }
}

  3. 建立 Dockerfile，定義用於部署服務的容器映像檔：

    Node.js

    
# Use the official lightweight Node.js image.
# https://hub.docker.com/_/node
FROM node:20-slim
# Create and change to the app directory.
WORKDIR /usr/src/app

# Copy application dependency manifests to the container image.
# A wildcard is used to ensure copying both package.json AND package-lock.json (when available).
# Copying this first prevents re-running npm install on every code change.
COPY package*.json ./

# Install dependencies.
# if you need a deterministic and repeatable build create a
# package-lock.json file and use npm ci:
# RUN npm ci --omit=dev
# if you need to include development dependencies during development
# of your application, use:
# RUN npm install --dev

RUN npm install --omit=dev

# Copy local code to the container image.
COPY . ./

# Run the web service on container startup.
CMD [ "npm", "start" ]

    Python

    
# Use the official Python image.
# https://hub.docker.com/_/python
FROM python:3.11

# Allow statements and log messages to immediately appear in the Cloud Run logs
ENV PYTHONUNBUFFERED True

# Copy application dependency manifests to the container image.
# Copying this separately prevents re-running pip install on every code change.
COPY requirements.txt ./

# Install production dependencies.
RUN pip install -r requirements.txt

# Copy local code to the container image.
ENV APP_HOME /app
WORKDIR $APP_HOME
COPY . ./

# Run the web service on container startup.
# Use gunicorn webserver with one worker process and 8 threads.
# For environments with multiple CPU cores, increase the number of workers
# to be equal to the cores available.
# Timeout is set to 0 to disable the timeouts of the workers to allow Cloud Run to handle instance scaling.
CMD exec gunicorn --bind :$PORT --workers 1 --threads 8 --timeout 0 main:app

    Go

    
# Use the official Go image to create a binary.
# This is based on Debian and sets the GOPATH to /go.
# https://hub.docker.com/_/golang
FROM golang:1.23-bookworm as builder

# Create and change to the app directory.
WORKDIR /app

# Retrieve application dependencies.
# This allows the container build to reuse cached dependencies.
# Expecting to copy go.mod and if present go.sum.
COPY go.* ./
RUN go mod download

# Copy local code to the container image.
COPY . ./

# Build the binary.
RUN go build -v -o server

# Use the official Debian slim image for a lean production container.
# https://hub.docker.com/_/debian
# https://docs.docker.com/develop/develop-images/multistage-build/#use-multi-stage-builds
FROM debian:bookworm-slim
RUN set -x && apt-get update && DEBIAN_FRONTEND=noninteractive apt-get install -y \
    ca-certificates && \
    rm -rf /var/lib/apt/lists/*

# Copy the binary to the production image from the builder stage.
COPY --from=builder /app/server /server

# Run the web service on container startup.
CMD ["/server"]

    Java

    本範例使用 Jib，透過常見的 Java 工具建構 Docker 映像檔。Jib 可最佳化容器建構作業，不需要 Dockerfile，也不必安裝 Docker。進一步瞭解如何使用 Jib 建構 Java 容器。

    <plugin>
  <groupId>com.google.cloud.tools</groupId>
  <artifactId>jib-maven-plugin</artifactId>
  <version>3.4.0</version>
  <configuration>
    <to>
      <image>gcr.io/PROJECT_ID/hello-service</image>
    </to>
  </configuration>
</plugin>

推送程式碼

推送程式碼包含三個步驟：使用 Cloud Build 建構容器映像檔、將容器映像檔上傳到 Container Registry，然後將容器映像檔部署到 Knative serving。

如要推送程式碼：

  1. 建構容器並發布至 Container Registry：

    Node.js

    gcloud builds submit --tag gcr.io/PROJECT_ID/hello-service

    其中 PROJECT_ID 是您的 Google Cloud 專案 ID。您可以使用 gcloud config get-value project 檢查目前的專案 ID。

    若成功執行，您應會看到包含 ID、建立時間和映像檔名稱的「SUCCESS」(成功) 訊息。映像檔儲存在 Container Registry 中，日後如有需要，可以重複使用。

    Python

    gcloud builds submit --tag gcr.io/PROJECT_ID/hello-service

    其中 PROJECT_ID 是您的 Google Cloud 專案 ID。您可以使用 gcloud config get-value project 檢查目前的專案 ID。

    若成功執行，您應會看到包含 ID、建立時間和映像檔名稱的「SUCCESS」(成功) 訊息。映像檔儲存在 Container Registry 中，日後如有需要，可以重複使用。

    Go

    gcloud builds submit --tag gcr.io/PROJECT_ID/hello-service

    其中 PROJECT_ID 是您的 Google Cloud 專案 ID。您可以使用 gcloud config get-value project 檢查目前的專案 ID。

    若成功執行，您應會看到包含 ID、建立時間和映像檔名稱的「SUCCESS」(成功) 訊息。映像檔儲存在 Container Registry 中，日後如有需要，可以重複使用。

    Java

    mvn compile jib:build -Dimage=gcr.io/PROJECT_ID/hello-service

    其中 PROJECT_ID 是您的 Google Cloud 專案 ID。您可以使用 gcloud config get-value project 檢查目前的專案 ID。

    成功後，您應該會看到「BUILD SUCCESS」(建構成功) 訊息。映像檔會儲存在 Container Registry 中，日後如有需要，可以重複使用。

  2. 執行下列指令來部署您的應用程式：

    gcloud run deploy hello-service --image gcr.io/PROJECT_ID/hello-service

    將 PROJECT_ID 替換為專案 ID。 Google Cloud hello-service 是容器映像檔名稱，也是 Knative 服務服務的名稱。請注意，容器映像檔是部署到您之前在設定 gcloud 中設定的服務和叢集。

    請等待部署完成，這可能需要半分鐘的時間。 成功完成後，指令列會顯示服務網址。

立即體驗

試用服務，確認您已成功部署。要求應會失敗，並顯示 HTTP 500 或 503 錯誤 (5xx 伺服器錯誤類別的成員)。本教學課程將逐步說明如何排解這項錯誤回應。

如果叢集已設定可路由的預設網域，請略過上述步驟，改為將網址複製到網頁瀏覽器。

如果您未使用自動 TLS 憑證和網域對應，系統就不會提供服務的可瀏覽網址。

請改用提供的網址和服務的 Ingress 閘道 IP 位址，建立可對服務提出要求的 curl 指令：

  1. 如要取得負載平衡器的外部 IP，請執行下列指令：

    kubectl get svc istio-ingressgateway -n ASM-INGRESS-NAMESPACE

    將 ASM-INGRESS-NAMESPACE 替換為 Cloud Service Mesh Ingress 所在的命名空間。如果您使用預設設定安裝 Cloud Service Mesh，請指定 istio-system。

    輸出結果類似如下：

    NAME                   TYPE           CLUSTER-IP     EXTERNAL-IP  PORT(S)
istio-ingressgateway   LoadBalancer   XX.XX.XXX.XX   pending      80:32380/TCP,443:32390/TCP,32400:32400/TCP

    其中，EXTERNAL-IP 值是負載平衡器的外部 IP 位址。

  2. 使用網址中的 GATEWAY_IP 位址來執行 curl 指令。

     curl -G -H "Host: SERVICE-DOMAIN" https://EXTERNAL-IP/

    將 SERVICE-DOMAIN 替換為服務的預設指派網域。取得方式是採用預設網址，然後移除通訊協定 http://。

  3. 看到 HTTP 500 或 HTTP 503 錯誤訊息。

調查問題

請注意，上述「試用」中遇到的 HTTP 5xx 錯誤，是正式環境執行階段錯誤。本教學課程將逐步說明處理這類問題的正式程序。雖然解決製作錯誤的程序差異很大，但本教學課程會介紹特定步驟順序，說明如何運用實用工具和技術。

如要調查這個問題，請完成下列階段：

  • 收集回報錯誤的詳細資料，以利進一步調查並制定緩解策略。
  • 決定繼續修正或復原至已知正常版本，減輕對使用者的影響。
  • 重現錯誤，確認已收集正確的詳細資料，且錯誤並非一次性故障
  • 對錯誤執行根本原因分析，找出造成錯誤的程式碼、設定或程序

調查開始時，您會看到網址、時間戳記和「Internal Server Error」訊息。

收集更多詳細資料

收集更多問題相關資訊，瞭解實際情況並決定後續步驟。

使用可用工具收集更多詳細資料：

  1. 詳情請查看記錄檔。

  2. 使用 Cloud Logging 檢查導致問題的操作順序，包括錯誤訊息。

復原至正常版本

如果您知道某個修訂版本可以正常運作，可以將服務回溯至該版本。舉例來說，您無法對本教學課程中部署的新 hello-service 服務執行回溯作業，因為該服務只包含一個修訂版本。

如要找出修訂版本並回溯服務，請按照下列指示操作：

  1. 列出服務的所有修訂版本。

  2. 將所有流量遷移至狀態良好的修訂版本。

重現錯誤

使用先前取得的詳細資料，確認問題是否持續在測試條件下發生。

再次試用並傳送相同的 HTTP 要求，查看是否回報相同的錯誤和詳細資料。錯誤詳細資料可能需要一段時間才會顯示。

由於本教學課程中的範例服務是唯讀服務，不會觸發任何複雜的副作用，因此在實際工作環境中重現錯誤是安全的。不過，許多實際服務並非如此：您可能需要在測試環境中重現錯誤，或將這個步驟限制在本地調查。

重現錯誤可為後續工作建立背景資訊。舉例來說，如果開發人員無法重現錯誤，可能需要對服務進行額外檢測，才能進一步調查。

執行根本原因分析

根本原因分析是有效疑難排解的重要步驟，可確保您修正問題，而非只是解決症狀。

在本教學課程中，您先前已在 Knative serving 上重現問題，確認服務在 Knative serving 上代管時，問題確實會發生。現在請在本機重現問題，判斷問題是否與程式碼無關，或只會在實際工作環境主機中發生。

  1. 如果您尚未在本機使用 Docker CLI 搭配 Container Registry，請使用 gcloud 驗證：

    gcloud auth configure-docker

    如需替代方法，請參閱「Container Registry 驗證方法」。

  2. 如果無法取得最近使用的容器映像檔名稱，服務說明會提供最近部署的容器映像檔資訊：

    gcloud run services describe hello-service

    在 spec 物件中找出容器映像檔名稱。更精確的指令可以直接擷取該值：

    gcloud run services describe hello-service \
   --format="value(spec.template.spec.containers.image)"

    這個指令會顯示容器映像檔名稱，例如 gcr.io/PROJECT_ID/hello-service。

  3. 從 Container Registry 將容器映像檔提取至環境，下載容器映像檔可能需要幾分鐘：

    docker pull gcr.io/PROJECT_ID/hello-service

    日後更新容器映像檔時，只要沿用這個名稱，就能使用相同指令擷取映像檔。如果略過這個步驟，下方的 docker run 指令會提取容器映像檔 (如果本機電腦上沒有的話)。

  4. 在本機執行，確認問題並非 Knative 服務特有：

    PORT=8080 && docker run --rm -e PORT=$PORT -p 9000:$PORT \
   gcr.io/PROJECT_ID/hello-service

    上述指令的元素可細分為：

    • 服務會使用 PORT 環境變數，判斷要在容器內監聽的通訊埠。
    • run 指令會啟動容器，預設為 Dockerfile 或父項容器映像檔中定義的進入點指令。
    • --rm 旗標會在結束時刪除容器執行個體。
    • -e 旗標會為環境變數指派值。-e PORT=$PORT 正在將 PORT 變數從本機系統傳播到容器中， 且變數名稱相同。
    • -p 標記會將容器發布為服務，並在通訊埠 9000 的本機主機上提供。系統會將對 localhost:9000 的要求，轉送至容器的 8080 通訊埠。這表示服務輸出的使用中連接埠號碼，與服務的存取方式不符。
    • 最後一個引數 gcr.io/PROJECT_ID/hello-service 是指向最新版容器映像的存放區路徑。如果本機沒有，Docker 會嘗試從遠端登錄檔擷取映像檔。

    在瀏覽器中開啟 http://localhost:9000。檢查終端機輸出內容，查看與 Google Cloud Observability 上的錯誤訊息相符的訊息。

    如果問題無法在本機重現，可能是 Knative 服務環境特有的問題。請參閱 Knative serving 疑難排解指南，瞭解要調查的特定領域。

    在這種情況下，錯誤會在本地重現。

現在已確認錯誤持續發生，且是由服務程式碼而非代管平台所致，因此接下來要更仔細地檢查程式碼。

在本教學課程中，您可以放心地假設容器內的程式碼與本機系統中的程式碼相同。

Node.js

在 index.js 檔案中，找出記錄檔中堆疊追蹤記錄所指出行號附近的錯誤訊息來源： 
const {NAME} = process.env;
if (!NAME) {
  // Plain error logs do not appear in Stackdriver Error Reporting.
  console.error('Environment validation failed.');
  console.error(new Error('Missing required server parameter'));
  return res.status(500).send('Internal Server Error');
}

Python

在 main.py 檔案中，找出記錄檔中堆疊追蹤記錄所指出行號附近的錯誤訊息來源： 
NAME = os.getenv("NAME")

if not NAME:
    print("Environment validation failed.")
    raise Exception("Missing required service parameter.")

Go

在 main.go 檔案中，找出記錄中顯示的堆疊追蹤記錄所指出行號附近的錯誤訊息來源：

name := os.Getenv("NAME")
if name == "" {
	log.Printf("Missing required server parameter")
	// The panic stack trace appears in Cloud Error Reporting.
	panic("Missing required server parameter")
}

Java

在記錄中顯示的堆疊追蹤記錄中，找出 App.java 附近行號的錯誤訊息來源：

String name = System.getenv("NAME");
if (name == null) {
  // Standard error logs do not appear in Stackdriver Error Reporting.
  System.err.println("Environment validation failed.");
  String msg = "Missing required server parameter";
  logger.error(msg, new Exception(msg));
  res.status(500);
  return "Internal Server Error";
}

檢查這段程式碼後，會發現如果未設定 NAME 環境變數，系統會採取下列行動：

  • 錯誤會記錄到 Google Cloud Observability
  • 傳送 HTTP 錯誤回應

問題是由於缺少變數所致，但根本原因更具體：程式碼變更會新增環境變數的硬性依附元件，但未包含部署指令碼和執行階段需求文件中的相關變更。

修正根本原因

收集程式碼並找出潛在根本原因後，我們就能採取步驟修正問題。

  • 檢查服務是否在本機運作，並提供 NAME 環境：

    1. 在本機執行容器，並新增環境變數：

      PORT=8080 && docker run --rm -e PORT=$PORT -p 9000:$PORT \
 -e NAME="Local World!" \
 gcr.io/PROJECT_ID/hello-service

    2. 在瀏覽器中前往 http://localhost:9000

    3. 看到頁面顯示「Hello Local World!」

  • 修改正在執行的 Knative serving 服務環境，加入這個變數：

    1. 執行服務更新指令，並使用 --update-env-vars 參數新增環境變數：

      gcloud run services update hello-service \
  --update-env-vars NAME=Override

    2. 等待幾秒，Knative serving 會根據先前的修訂版本建立新的修訂版本，並新增環境變數。

  • 確認服務已修復：

    1. 在瀏覽器中前往 Knative serving 服務網址。
    2. 頁面上會顯示「Hello Override!」。
    3. 確認 Cloud Logging 中沒有任何非預期的訊息或錯誤。

提升日後的疑難排解速度

在這個生產問題範例中，錯誤與作業設定有關。我們將進行程式碼變更，盡量減少日後發生這個問題的影響。

  • 改善錯誤記錄，加入更具體的詳細資料。
  • 服務應改為回溯至安全預設值，而非傳回錯誤。如果使用預設值會導致正常功能發生變化，請使用警告訊息進行監控。

讓我們逐步移除 NAME 環境變數，做為硬性依附元件。

  1. 移除現有的 NAME 處理程式碼：

    Node.js

    const {NAME} = process.env;
if (!NAME) {
  // Plain error logs do not appear in Stackdriver Error Reporting.
  console.error('Environment validation failed.');
  console.error(new Error('Missing required server parameter'));
  return res.status(500).send('Internal Server Error');
}

    Python

    NAME = os.getenv("NAME")

if not NAME:
    print("Environment validation failed.")
    raise Exception("Missing required service parameter.")

    Go

    name := os.Getenv("NAME")
if name == "" {
	log.Printf("Missing required server parameter")
	// The panic stack trace appears in Cloud Error Reporting.
	panic("Missing required server parameter")
}

    Java

    String name = System.getenv("NAME");
if (name == null) {
  // Standard error logs do not appear in Stackdriver Error Reporting.
  System.err.println("Environment validation failed.");
  String msg = "Missing required server parameter";
  logger.error(msg, new Exception(msg));
  res.status(500);
  return "Internal Server Error";
}

  2. 新增設定備用值的新程式碼：

    Node.js

    const NAME = process.env.NAME || 'World';
if (!process.env.NAME) {
  console.log(
    JSON.stringify({
      severity: 'WARNING',
      message: `NAME not set, default to '${NAME}'`,
    })
  );
}

    Python

    NAME = os.getenv("NAME")

if not NAME:
    NAME = "World"
    error_message = {
        "severity": "WARNING",
        "message": f"NAME not set, default to {NAME}",
    }
    print(json.dumps(error_message))

    Go

    name := os.Getenv("NAME")
if name == "" {
	name = "World"
	log.Printf("warning: NAME not set, default to %s", name)
}

    Java

    String name = System.getenv().getOrDefault("NAME", "World");
if (System.getenv("NAME") == null) {
  logger.warn(String.format("NAME not set, default to %s", name));
}

  3. 透過受影響的設定案例，重新建構及執行容器，在本機進行測試：

    Node.js

    docker build --tag gcr.io/PROJECT_ID/hello-service .

    Python

    docker build --tag gcr.io/PROJECT_ID/hello-service .

    Go

    docker build --tag gcr.io/PROJECT_ID/hello-service .

    Java

    mvn compile jib:build

    確認 NAME 環境變數仍可運作：

    PORT=8080 && docker run --rm -e $PORT -p 9000:$PORT \
 -e NAME="Robust World" \
 gcr.io/PROJECT_ID/hello-service

    確認服務在沒有 NAME 變數的情況下也能運作：

    PORT=8080 && docker run --rm -e $PORT -p 9000:$PORT \
 gcr.io/PROJECT_ID/hello-service

    如果服務未傳回結果，請確認移除第一個步驟中的程式碼時，是否也移除了額外行數，例如用於撰寫回應的行數。

  4. 如要部署，請返回「部署程式碼」部分。

    每次部署到服務都會建立一個新的修訂版本，並會在就緒時自動開始處理流量。

    如要清除先前設定的環境變數，請執行下列操作：

    gcloud run services update hello-service --clear-env-vars

將預設值的新功能新增至服務的自動化測試涵蓋範圍。

在記錄中尋找其他問題

您可能會在這項服務的記錄檢視器中看到其他問題。舉例來說，記錄檔會將不支援的系統呼叫顯示為「Container Sandbox Limitation」。

舉例來說，Node.js 服務有時會產生下列記錄訊息：

Container Sandbox Limitation: Unsupported syscall statx(0xffffff9c,0x3e1ba8e86d88,0x0,0xfff,0x3e1ba8e86970,0x3e1ba8e86a90). Please, refer to https://gvisor.dev/c/linux/amd64/statx for more information.

在本例中，缺少支援不會影響 hello-service 服務範例。

清除所用資源

您可以刪除為本教學課程建立的資源，以免產生費用。

刪除教學課程資源

  1. 刪除您在本教學課程中部署的 Knative Serving 服務：

    gcloud run services delete SERVICE-NAME

    其中 SERVICE-NAME 是您選擇的服務名稱。

    您也可以從Google Cloud 控制台刪除 Knative 服務：

    前往 Knative serving

  2. 移除您在教學課程設定期間新增的 gcloud 預設設定：

     gcloud config unset run/platform
 gcloud config unset run/cluster
 gcloud config unset run/cluster_location

  3. 移除專案設定：

     gcloud config unset project

  4. 刪除在本教學課程中建立的其他 Google Cloud 資源：

後續步驟

  • 進一步瞭解如何使用 Cloud Logging 深入瞭解生產環境行為。
  • 如要進一步瞭解如何排解 Knative serving 問題，請參閱這篇文章。
  • 探索 Google Cloud 的參考架構、圖表和最佳做法。 歡迎瀏覽我們的雲端架構中心。