教學課程：本機 Cloud Run 服務疑難排解

設定 gcloud 預設值

如要針對 Cloud Run 服務設定 gcloud 的預設值：

1. 設定您的預設專案：

   gcloud config set project PROJECT_ID

   將 PROJECT_ID 改為您為本教學課程建立的專案名稱。

2. 為所選地區設定 gcloud：

   gcloud config set run/region REGION

   將 REGION 改為您所選擇的支援 Cloud Run 地區。

彙整程式碼

逐步建構新的 Cloud Run 問候服務。提醒您，這項服務會刻意為排解問題練習建立執行階段錯誤。

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. 建立新的 hello-service 目錄：

      mkdir hello-service
      cd hello-service
      

   2. 產生 package.json 檔案，建立新的 Node.js 專案：

      npm init --yes
      npm install express@4
      

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

      {
        "name": "hello-broken",
        "description": "Broken Cloud Run service for troubleshooting practice",
        "version": "1.0.0",
        "private": true,
        "main": "index.js",
        "scripts": {
          "start": "node index.js",
          "test": "echo \"Error: no test specified\" && exit 0",
          "system-test": "NAME=Cloud c8 mocha -p -j 2 test/system.test.js --timeout=360000 --exit"
        },
        "engines": {
          "node": ">=16.0.0"
        },
        "author": "Google LLC",
        "license": "Apache-2.0",
        "dependencies": {
          "express": "^4.17.1"
        },
        "devDependencies": {
          "c8": "^10.0.0",
          "google-auth-library": "^9.0.0",
          "got": "^11.5.0",
          "mocha": "^10.0.0"
        }
      }
      

   如果您在完成本教學課程後，仍想繼續改良這項服務，建議您填入說明、作者資訊，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其中：

      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. 建立新的 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 example.com/hello-service
      

   您可以視需要更新特定名稱：如果程式碼已發布至可透過網際網路存取的程式碼存放區，則應更新名稱。

   Java

   1. 建立新的 Maven 專案：

      mvn archetype:generate \
        -DgroupId=com.example.cloudrun \
        -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 (<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 服務來處理傳入的要求：

   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 來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

   這個範例使用 Jib 建構 Docker 映像檔，並使用常見的 Java 工具。Jib 可在不需要 Dockerfile 或安裝 Docker 的情況下，最佳化容器建構作業。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 Cloud Run。

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 查看目前的專案 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 查看目前的專案 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 查看目前的專案 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

   1. 使用 gcloud 憑證輔助程式授權 Docker 推送至 Container Registry。

      gcloud auth configure-docker

   2. 使用 Jib Maven 外掛程式建構容器，並將容器推送至 Container Registry。

      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 查看目前的專案 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 替換為您的 Google Cloud 專案 ID。hello-service 是容器映像檔名稱和 Cloud Run 服務名稱。請注意，容器映像檔是部署到您之前在「設定 gcloud」中設定的服務和地區。

   在出現「allow unauthenticated」(允許未經驗證) 提示時，回覆 y 或「是」。如要進一步瞭解以 IAM 為基礎的驗證，請參閱「管理存取權」一文。

   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

請試用服務，確認您已成功部署服務。要求應以 HTTP 500 或 503 錯誤失敗 (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問題。

系統會自動指派可瀏覽的網址給這項服務。

1. 使用網路瀏覽器前往以下網址：

   1. 開啟網路瀏覽器

   2. 找出先前部署指令的輸出內容中所列的服務網址。

      如果部署指令未提供網址，則表示發生錯誤。查看錯誤訊息並採取相應行動：如果沒有可操作的指引，請參閱疑難排解指南，並嘗試重新執行部署指令。

   3. 複製網址並貼到瀏覽器的網址列中，然後按下 Enter 鍵，即可前往該網址。

2. 查看 HTTP 500 或 HTTP 503 錯誤。

   如果您收到 HTTP 403 錯誤，表示您可能已在部署提示中拒絕 allow unauthenticated invocations。如要修正這個問題，請授予服務未經驗證的存取權：

   gcloud run services add-iam-policy-binding hello-service \
     --member="allUsers" \
     --role="roles/run.invoker"
   

詳情請參閱「允許公開 (未經驗證) 存取權」。

調查問題

請注意，上方「試用」一節中發生的 HTTP 5xx 錯誤，是實際執行時發生的錯誤。本教學課程將逐步說明處理這類問題的正式程序。雖然實際工作環境的錯誤解決程序差異很大，但本教學課程會提供特定的步驟順序，說明如何應用實用的工具和技巧。

如要調查這個問題，您需要完成以下階段：

• 收集更多有關回報錯誤的詳細資料，以便進一步調查並設定緩解策略。
• 決定是否要推送修復版本，或回復至已知正常運作的版本，以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，且錯誤並非一次性的故障
• 針對錯誤執行根本原因分析，找出造成這項錯誤的程式碼、設定或程序

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

收集更多詳細資料

收集更多有關問題的資訊，瞭解發生的情況並決定後續步驟。

使用 Google Cloud Observability 工具收集更多詳細資料：

1. 使用錯誤回報控制台，這個控制台提供資訊主頁，可針對有已辨識堆疊追蹤的錯誤提供詳細資料和重複發生情形追蹤。

   前往「錯誤回報」控制台

   

2. 按一下錯誤即可查看堆疊追蹤詳細資料，並注意在錯誤發生前所做的函式呼叫。

   

3. 使用 Cloud Logging 查看導致問題的作業順序，包括因缺少已辨識的錯誤堆疊追蹤而未包含在 Error Reporting 主控台中的錯誤訊息：

   前往 Cloud Logging 主控台

   在第一個下拉式方塊中，依序選取「Cloud Run 修訂版本」>「hello-service」。這會篩選出由服務產生的記錄項目。

進一步瞭解如何在 Cloud Run 中查看記錄檔

復原至正常版本

如果這是已知可運作的既有服務，Cloud Run 上會有該服務的先前修訂版本。本教學課程使用的是沒有舊版的全新服務，因此您無法進行回溯。

不過，如果您有可回溯至先前版本的服務，請按照「查看修訂版本詳細資料」中的步驟，擷取建立服務新工作部署作業所需的容器名稱和設定詳細資料。

重現錯誤

根據先前取得的詳細資料，確認問題在測試條件下持續發生。

再次測試相同的 HTTP 要求，看看是否會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為唯讀，且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，或將此步驟限制為本機調查。

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的檢測，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，可確保您修正的是問題，而非症狀。

在本教學課程的先前步驟中，您已在 Cloud Run 上重現問題，確認服務在 Cloud Run 上代管時，問題仍會發生。現在請在本機重現問題，判斷問題是否只發生在程式碼中，或是只發生在實際工作代管服務中。

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

   gcloud auth configure-docker

   如需其他方法，請參閱「Container Registry 驗證方法」。

2. 如果最近使用的容器映像檔名稱無法使用，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。更精準的指令可以直接擷取該資訊：

   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. 將容器映像檔從 Container Registry 提取到您的環境，這個步驟可能需要幾分鐘的時間，因為它會下載容器映像檔：

   docker pull gcr.io/PROJECT_ID/hello-service

   您可以使用相同的指令，擷取重複使用此名稱的容器映像檔後續更新內容。如果您略過這個步驟，當本機電腦上沒有容器映像檔時，下方的 docker run 指令會提取該映像檔。

4. 在本機上執行應用程式，確認問題並非 Cloud Run 特有：

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

   將上述指令的元素分解如下：

   • 服務會使用 PORT 環境變數，判斷要監聽容器內的哪個通訊埠。
   • 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 標記會在退出時刪除容器執行個體。
   • -e 旗標會為環境變數指派值。-e PORT=$PORT 會將 PORT 變數從本機系統傳播至同名變數的容器。
   • -p 標記會將容器發布為可在 localhost 上透過通訊埠 9000 使用的服務。系統會將要求 localhost:9000 轉送至通訊埠 8080 上的容器。也就是說，服務針對目前使用的連接埠編號所產生的輸出內容，與服務的存取方式不符。
   • 最後一個引數 gcr.io/PROJECT_ID/hello-service 是容器映像檔 tag，這是容器映像檔 sha256 雜湊 ID 的易讀標籤。如果本機沒有可用的映像檔，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。查看終端機輸出內容，找出與 {ops_name} 相符的錯誤訊息。

   如果無法在本機重現問題，則可能是 Cloud Run 環境特有的情況。如要瞭解應調查的具體領域，請參閱 Cloud Run 疑難排解指南。

   在這種情況下，本機會重現錯誤。

既然已確認錯誤持續發生，且是由服務程式碼而非代管平台造成，現在是時候仔細調查程式碼了。

為了本教學課程的目的，我們可以假設容器內的程式碼與本機系統中的程式碼相同。

請再次查看錯誤報表的堆疊追蹤，並與程式碼交叉參照，找出錯誤的特定行。

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');
}

NAME = os.getenv("NAME")

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

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")
}

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，我們發現在未設定 NAME 環境變數時，系統會採取以下動作：

• 系統會將錯誤記錄到 Google Cloud Observability
• 傳送 HTTP 錯誤回應

這個問題是因為缺少變數，但實際上的原因更為具體：程式碼變更會在環境變數上新增硬式依附元件，但未納入部署指令碼和執行階段需求文件的相關變更。

修正根本原因

我們已收集程式碼並找出潛在的根本原因，因此可以採取措施加以修正。

• 確認服務是否可在本機環境中搭配現有的 NAME 環境運作：

  1. 在本機執行已新增環境變數的容器：

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

  2. 前往瀏覽器的 http://localhost:9000

  3. 查看頁面上是否顯示「Hello Local World!」

• 修改執行中的 Cloud Run 服務環境，加入這個變數：

  1. 執行服務更新指令來新增環境變數：

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

  2. 請稍候幾秒，Cloud Run 會根據先前的修訂版本建立新修訂版本，並新增新的環境變數。

• 確認服務現已修正：

  1. 在瀏覽器中前往 Cloud Run 服務網址。
  2. 請查看頁面上顯示的「Hello Override!」。
  3. 確認 Cloud Logging 或 Error Reporting 中沒有顯示任何非預期的訊息或錯誤。

改善日後疑難排解的速度

在這個實際工作環境問題中，錯誤與作業設定有關。我們已進行程式碼變更，以便在日後盡量減少此問題的影響。

• 改善錯誤記錄，加入更多具體詳細資料。
• 請讓服務改為使用安全的預設值，而非傳回錯誤。如果使用預設值代表變更為正常功能，請使用警告訊息進行監控。

讓我們逐步移除 NAME 環境變數做為硬式依附元件。

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. 透過重新建構並執行容器，針對受影響的設定案例進行本機測試：

   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 環境變數仍可正常運作：

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

   確認服務在沒有 NAME 變數的情況下能正常運作：

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

   如果服務未傳回結果，請確認在第一個步驟中移除的程式碼並未移除其他行，例如用於寫入回應的行。

4. 請參閱「部署程式碼」一節，瞭解如何部署這項服務。

   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，請按照下列步驟操作：

   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率。

在記錄中找出其他問題

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，如果系統不支援某項系統呼叫，就會在記錄檔中顯示為「容器沙箱限制」。

舉例來說，Node.js 服務有時會產生以下記錄訊息：

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.

在這種情況下，缺乏支援不會影響 hello-service 範例服務。

Terraform 疑難排解

如有 Terraform 相關疑難排解問題，請參閱「Terraform 政策驗證疑難排解」或洽詢 Terraform 支援團隊。