Langkah 6: Lakukan deployment

Halaman ini menjelaskan langkah keenam untuk men-deploy Cortex Framework Data Foundation, inti dari Cortex Framework. Pada langkah ini, Anda akan menjalankan deployment Cortex Framework Data Foundation.

Proses build

Setelah mengonfigurasi file config.json seperti yang dijelaskan dalam Langkah 5: Konfigurasi deployment, ikuti petunjuk ini untuk membuat proses Anda.

1. Jalankan perintah berikut untuk menemukan diri Anda di repositori yang di-clone:

   cd cortex-data-foundation
   

2. Jalankan perintah build dengan bucket log target:

    gcloud builds submit \
    --substitutions=_GCS_BUCKET=LOGS_BUCKET,\
    _BUILD_ACCOUNT='projects/SOURCE_PROJECT/serviceAccounts/SERVICE_ACCOUNT@SOURCE_PROJECT.'
   

   Ganti kode berikut:

   • LOGS_BUCKET dengan nama bucket untuk penyimpanan log. Akun Layanan Cloud Build memerlukan akses untuk menulisnya di sini.
   • SOURCE_PROJECT dengan project sumber.
   • SERVICE_ACCOUNT dengan ID akun layanan.

3. Ikuti proses build utama dari melihat log di terminal atau di konsol Cloud Build, jika Anda memiliki izin yang memadai. Lihat gambar berikut untuk referensi lainnya.

   

   

4. Lacak langkah-langkah build turunan yang dipicu dari konsol Cloud Build atau dalam log yang dibuat dari langkah-langkah tersebut. Lihat gambar berikut untuk referensi lainnya.

   

   

5. Identifikasi masalah pada setiap build. Perbaiki kesalahan, jika ada. Sebaiknya tempelkan SQL yang dihasilkan ke BigQuery untuk mengidentifikasi dan memperbaiki error. Sebagian besar error terkait dengan kolom yang dipilih, tetapi tidak ada di sumber yang direplikasi. UI BigQuery membantu mengidentifikasi dan mengomentari baris tersebut.

   

Memindahkan file ke bucket DAG Cloud Composer (Airflow)

Jika Anda memilih untuk membuat file integrasi atau CDC dan memiliki instance Cloud Composer (Airflow), Anda dapat memindahkannya ke bucket akhir dengan perintah berikut:

  gcloud storage -m cp -r  gs://OUTPUT_BUCKET/dags/ gs://COMPOSER_DAG_BUCKET/
  gcloud storage -m cp -r  gs://OUTPUT_BUCKET/data/ gs://COMPOSER_DAG_BUCKET/

Ganti kode berikut:

• OUTPUT_BUCKET dengan bucket output.
• COMPOSER_DAG_BUCKET dengan bucket DAG Cloud Composer (Airflow).

Menyesuaikan dan mempersiapkan upgrade

Banyak pelanggan perusahaan memiliki penyesuaian khusus pada sistem mereka, seperti dokumen tambahan dalam alur atau jenis catatan tertentu. Fitur ini khusus untuk setiap pelanggan dan dikonfigurasi oleh analis fungsional saat kebutuhan bisnis muncul.

Cortex menggunakan tag ## CORTEX-CUSTOMER dalam kode untuk menunjukkan tempat yang kemungkinan memerlukan penyesuaian tersebut. Gunakan perintah grep -R CORTEX-CUSTOMER untuk memeriksa semua komentar ## CORTEX-CUSTOMER yang harus Anda sesuaikan.

Selain tag CORTEX-CUSTOMER, Anda mungkin perlu menyesuaikan lebih lanjut hal-hal berikut dengan melakukan semua perubahan ini dengan tag yang jelas dalam kode ke repositori yang di-fork atau di-clone milik Anda:

• Menambahkan aturan bisnis.
• Menambahkan set data lain dan menggabungkannya dengan tampilan atau tabel yang ada
• Menggunakan kembali template yang disediakan untuk memanggil API tambahan.
• Mengubah skrip deployment.
• Menerapkan konsep mesh data lebih lanjut.
• Menyesuaikan beberapa tabel atau API tujuan untuk menyertakan kolom tambahan yang tidak disertakan dalam standar.

Terapkan pipeline CI/CD yang sesuai untuk organisasi Anda agar peningkatan ini tetap diuji dan solusi Anda secara keseluruhan tetap dalam kondisi yang andal dan kuat. Pipeline dapat menggunakan kembali skrip cloudbuild.yaml untuk memicu deployment end-to-end secara berkala, atau berdasarkan operasi git, bergantung pada repositori pilihan Anda dengan mengotomatiskan build.

Gunakan fileconfig.json untuk menentukan berbagai set project dan set data untuk lingkungan pengembangan, staging, dan produksi. Gunakan pengujian otomatis dengan data sampel Anda sendiri untuk memastikan model selalu menghasilkan apa yang Anda harapkan.

Memberi tag pada perubahan Anda sendiri secara jelas di fork atau clone repositori bersama dengan beberapa otomatisasi deployment dan pengujian membantu melakukan upgrade.

Dukungan

Jika Anda mengalami masalah atau memiliki permintaan fitur terkait model atau deployer ini, buat masalah di repositori Cortex Framework Data Foundation. Untuk membantu mengumpulkan informasi yang diperlukan, jalankan support.sh dari direktori yang di-clone. Skrip ini memandu Anda melalui serangkaian langkah untuk membantu memecahkan masalah.

Untuk permintaan atau masalah terkait Cortex Framework, buka bagian dukungan di halaman ringkasan.

Blok dan Dasbor Looker

Manfaatkan Dasbor dan Looker Block yang tersedia. Model ini pada dasarnya adalah model data yang dapat digunakan kembali untuk pola analitis umum dan sumber data untuk Cortex Framework. Untuk mengetahui informasi selengkapnya, lihat Ringkasan Blok dan Dasbor Looker.