Python-Anwendungen für Cloud Run optimieren

Zum Hauptinhalt springen

Dokumentation

Jetzt starten

Erste Schritte mit Google Cloud
Produktliste
Cloud Customer Care

Vorgestellte Produkte

Agent Platform
API-Verwaltung mit Apigee
BigQuery
Compute Engine
Cloud CDN
Cloud Run
Cloud Storage
Cloud SQL
Gemini Enterprise
Google Kubernetes Engine
Looker

Produktübergreifende Tools

Zugriffs- und Ressourcenverwaltung
Kosten- und Nutzungsmanagement
Infrastruktur als Code
SDK, Sprachen, Frameworks und Tools

Technologiebereiche

KI und ML
Anwendungsentwicklung
Anwendungshosting
Compute
Datenanalyse und Pipelines
Datenbanken
Verteilt, Hybrid und Multi-Cloud
Branchenlösungen
Migration
Netzwerk
Beobachtbarkeit und Monitoring
Sicherheit
Storage

/

Console

English
Deutsch
Español
Español – América Latina
Français
Indonesia
Italiano
Português
Português – Brasil
עברית
中文 – 简体
中文 – 繁體
日本語
한국어

Anmelden

Cloud Run

Jetzt kostenlos testen

Übersicht Leitfäden Referenzen Beispiele Ressourcen

Dokumentation
- Mehr
Console

Erste Schritte
Produktübersicht
Cloud Run-Ressourcenmodell
Containerlaufzeitvertrag
Anwendungsfälle und Beispiele ansehen
Los gehts
Übersicht
Arbeitslasten in Cloud Run bereitstellen
- Beispielwebdienst bereitstellen
  - Container bereitstellen
  - Über ein Git-Repository bereitstellen
- Beispielfunktion bereitstellen
- Beispieljob ausführen
- Beispiel-Worker-Pool bereitstellen
- Beispielinstanz erstellen
Sprachen und Frameworks
- Go
- Node.js
- Python
- Java
- Kotlin
- C#
- C++
- PHP
- Ruby
- Sonstiges
Umgebung vorbereiten
- Umgebung einrichten
- Zugriff mit IAM gewähren
HTTP-Anfragen verarbeiten
Dienste entwickeln
Dienste bereitstellen
- Übersicht
- Container-Images bereitstellen
- Über Quellcode bereitstellen
  - Dienste aus Quellcode bereitstellen
  - Quellen in Container einbinden
- Kontinuierliche Bereitstellung aus Git
- Über Compose bereitstellen
- Remote-MCP-Server von Cloud Run verwenden
Funktionen bereitstellen
Webtraffic bereitstellen
Dienste verwalten
Dienste konfigurieren
- Übersicht
- Kapazität
  - Beschränkungen des Arbeitsspeichers
  - CPU-Beschränkungen
  - GPU
    GPU-Konfiguration
    Best Practices für die GPU-Leistung
  - Zeitüberschreitung bei Anfrage
  - Maximale Anzahl gleichzeitiger Anfragen
    Maximale Anzahl gleichzeitiger Anfragen pro Instanz
    Maximale Anzahl gleichzeitiger Anfragen konfigurieren
  - Abrechnung
  - Dienstkonfigurationen mit Recommender optimieren
- Umgebung
- Skalieren
- Metadata
- Konfigurationen für die Bereitstellung von Quellen
Dienste aufrufen und auslösen
- Mit HTTPS-Anfragen aufrufen
- Webhook-Ziel hosten
- Mit WebSockets streamen
  - Übersicht
  - Anleitung zum Erstellen eines WebSocket-Chat-Dienstes
- Asynchron aufrufen
  - Dienste nach Zeitplan aufrufen
  - Workflow erstellen
    Dienste als Teil eines Workflows aufrufen
    Anleitung für die Verbindung einer Reihe von Diensten über Cloud Functions und Cloud Run
  - Asynchrone Aufgaben ausführen
  - Dienst über ein Pub/Sub-Push-Abo aufrufen
    Dienst aus Pub/Sub auslösen
    Beispielanleitung zum Einbinden der Bildverarbeitung in Pub/Sub
- Aus Ereignissen auslösen
- Mit anderen Diensten mithilfe von gRPC verbinden
Best Practices und Beispiele
- Allgemeine Tipps zur Entwicklung von Diensten
- Dienste optimieren
- Best Practices für Belastungstests
- Zonale Redundanz
- Best Practices für Funktionen
  - Übersicht
  - Wiederholungen ereignisgesteuerter Funktionen konfigurieren
- Anleitungen
  - Systempaket im Container installieren
  - gcloud-Befehle im Container ausführen
Job-Aufgaben bis zum Abschluss ausführen
Jobs erstellen
Jobs ausführen
Jobs verwalten
- Jobs ansehen oder löschen
- Jobausführungen ansehen oder stoppen
Jobs konfigurieren
- Kapazität
- Umgebung
- Metadata
  - Labels
  - Tags
Best Practices
- Wiederholungsversuche und Prüfpunkte für Jobs
- Kosten optimieren
Kontinuierliche Hintergrundarbeiten ausführen
Worker-Pools bereitstellen
- Worker-Pools bereitstellen
- Worker-Pools aus Quellcode bereitstellen
Worker-Pools verwalten
Worker-Pools konfigurieren
- Kapazität
- Umgebung