使用 Google Cloud Platform (GCP) 上的汇总服务

1. 1. 前提条件

预计完成时间：1-2 小时

您可以通过以下 2 种模式完成此 Codelab：本地测试或汇总服务。本地测试模式需要本地机器和 Chrome 浏览器（无需创建/使用 Google Cloud 资源）。汇总服务模式需要在 Google Cloud 上完整部署汇总服务。

无论采用哪种模式，您都需要满足一些前提条件才能完成此 Codelab。每个要求都会相应地标记为“本地测试”或“汇总服务”所需的要求。

1.1. 完成注册和证明（汇总服务）

如需使用 Privacy Sandbox API，请验证您是否已完成 Chrome 和 Android 的注册和证明。

1.2. 启用广告隐私权 API（本地测试和汇总服务）

由于我们将使用 Privacy Sandbox，因此建议您启用 Privacy Sandbox 广告 API。

在浏览器中，前往 chrome://settings/adPrivacy 并启用所有广告隐私权 API。

另请验证第三方 Cookie 是否已启用。

在 chrome://settings/cookies 中，确保未屏蔽第三方 Cookie。根据您的 Chrome 版本，此设置菜单中显示的选项可能会有所不同，但可接受的配置包括：

  • “阻止所有第三方 Cookie”= 已停用
  • “阻止第三方 Cookie”= 已停用
  • “在无痕模式下阻止第三方 Cookie”= 已启用

启用 Cookie 启用 Cookie

1.3. 下载本地测试工具（本地测试）

本地测试需要下载本地测试工具。该工具将根据未加密的调试报告生成摘要报告。

您可以在 GitHub 中的 Cloud Functions JAR 归档中下载本地测试工具。应命名为 LocalTestingTool_{version}.jar。

1.4. 验证是否已安装 JAVA JRE（本地测试和汇总服务）

打开“终端”，然后使用 java --version 检查您的机器是否已安装 Java 或 openJDK。

检查 Java 版本。 检查 Java 版本。

如果未安装，您可以从 Java 网站或 openJDK 网站下载并安装。

1.5. 下载 aggregatable_report_converter（本地测试和汇总服务）

您可以从 Privacy Sandbox 演示 GitHub 代码库下载 aggregatable_report_converter 的副本。GitHub 代码库中提到了使用 IntelliJ 或 Eclipse，但这两者都不是必需的。如果您不使用这些工具，请改为将 JAR 文件下载到本地环境。

1.6. 设置 Cloud Platform 环境（汇总服务）

汇总服务需要使用云服务提供商提供的可信执行环境。在此 Codelab 中，聚合服务将部署在 Google Cloud 中，但也支持 AWS。

按照 GitHub 中的部署说明设置 gcloud CLI、下载 Terraform 二进制文件和模块，并为汇总服务创建 Google Cloud 资源。

部署说明中的关键步骤：

  1. 在您的环境中设置“gcloud”CLI 和 Terraform。
  2. 创建 Cloud Storage 存储分区以存储 Terraform 状态。
  3. 下载依赖项。
  4. 更新 adtech_setup.auto.tfvars 并运行 adtech_setup Terraform。如需查看 adtech_setup.auto.tfvars 文件示例，请参阅附录。记下此处创建的数据存储分区的名称 - 这将在 Codelab 中用于存储我们创建的文件。
  5. 更新 dev.auto.tfvars，模拟部署服务账号，然后运行 dev Terraform。如需查看 dev.auto.tfvars 文件示例，请参阅附录。
  6. 部署完成后，从 Terraform 输出中捕获 frontend_service_cloudfunction_url，后续步骤中需要使用此值向汇总服务发出请求。

1.7. 完成 Aggregation Service 初始配置（Aggregation Service）

汇总服务需要加入协调器才能使用。填写汇总服务初始配置表单，提供您的报告网站和其他信息，选择“Google Cloud”，然后输入您的服务账号地址。此服务账号是在之前的前提条件（1.6. 设置 Google Cloud 环境）。（提示：如果您使用提供的默认名称，此服务账号将以“worker-sa@”开头）。

初始配置流程最多需要 2 周的时间才能完成。

1.8. 确定您调用 API 端点（汇总服务）的方法

此 Codelab 提供了 2 种用于调用汇总服务 API 端点的选项：c网址 和 Postman。c网址 是从终端调用 API 端点的更快更简单的方式，因为它只需要极少的设置，并且不需要额外的软件。不过，如果您不想使用 c网址，也可以使用 Postman 来执行和保存 API 请求，以供日后使用。

在第 3.2 部分中。汇总服务使用情况，您会找到有关如何使用这两种选项的详细说明。您可以先预览一下，确定要使用哪种方法。如果您选择 Postman，请执行以下初始设置。

1.8.1. 设置工作区

注册 Postman 账号。注册后，系统会自动为您创建一个工作区。

Postman 工作区。 Postman 工作区。

如果系统未为您创建工作区，请前往顶部导航栏中的“工作区”，然后选择“创建工作区”。

选择“空白工作区”，点击“下一步”，然后将其命名为“GCP Privacy Sandbox”。选择“个人”，然后点击“创建”。

下载预配置的工作区 JSON 配置和全局环境文件。

使用“导入”按钮将这两个 JSON 文件导入到“我的工作区”。

“导入”按钮。 “导入”按钮。

这会为您创建“GCP Privacy Sandbox”集合以及 createJob 和 getJob HTTP 请求。

1.8.2. 设置授权

点击“GCP Privacy Sandbox”集合，然后前往“授权”标签页。

授权按钮。 授权按钮。

您将使用“不记名令牌”方法。在终端环境中，运行以下命令并复制输出内容。

gcloud auth print-identity-token

然后，将此令牌值粘贴到 Postman 授权标签页的“令牌”字段中：

体验 “令牌”字段。

1.8.3. 设置环境

前往右上角的“环境概览”：

“环境”快速查看按钮。 “环境”快速查看按钮。

点击“修改”，然后更新“environment”“region”和“cloud-function-id”的“当前值”：

设置当前值。 设置当前值。

您可以暂时将“request-id”留空，我们稍后会填写。对于其他字段，请使用 frontend_service_cloudfunction_url 中的值，该值是在前提条件 1.6 中成功完成 Terraform 部署后返回的。网址采用以下格式：https://--frontend-service--uc.a.run.app

2. 2. 本地测试 Codelab

预计完成时间：<1 小时

您可以使用本地测试工具在自己的机器上执行汇总，并使用未加密的调试报告生成摘要报告。开始之前，请验证您是否已完成所有标记为“本地测试”的前提条件。

Codelab 步骤

第 2.1 步。触发报告：触发 Private Aggregation 报告，以便能够收集报告。

第 2.2 步：创建调试 AVRO 报告：将收集的 JSON 报告转换为 AVRO 格式的报告。此步骤类似于广告技术平台从 API 报告端点收集报告并将 JSON 报告转换为 AVRO 格式的报告。

第 2.3 步。检索分桶键：分桶键由广告技术平台设计。在此 Codelab 中，由于存储分区是预定义的，因此请按提供的形式检索存储分区键。

第 2.4 步。创建输出网域 AVRO：检索到存储分区密钥后，创建输出网域 AVRO 文件。

第 2.5 步。创建摘要报告：使用本地测试工具，以便在本地环境中创建摘要报告。

第 2.6 步。查看摘要报告：查看本地测试工具创建的摘要报告。

2.1. 触发报告

如需触发私密汇总报告，您可以使用 Privacy Sandbox Demos 演示网站 (https://privacy-sandbox-demos-news.dev/?env=gcp) 或您自己的网站（例如 https://adtechexample.com）。如果您使用的是自己的网站，但尚未完成注册和证明以及汇总服务启用流程，则需要使用 Chrome flag 和 CLI 开关。

在此演示中，我们将使用 Privacy Sandbox 演示网站。点击链接前往相应网站；然后，您可以在 chrome://private-aggregation-internals 查看报告：

Chrome 内部页面。 Chrome 内部页面。

发送到 {reporting-origin}/.well-known/private-aggregation/debug/report-shared-storage 端点的报告也会显示在 Chrome Internals 页面上显示的报告的“报告正文”中。

您可能会在此处看到许多报告，但对于此 Codelab，请使用由调试端点生成的特定于 Google Cloud 的可汇总报告。“报告网址”将包含“/debug/”，而“报告正文”的 aggregation_coordinator_origin field 将包含以下网址：https://publickeyservice.msmt.gcp.privacysandboxservices.com。

Google Cloud 调试报告。 Google Cloud 调试报告。

2.2. 创建调试可汇总的报告

复制 chrome://private-aggregation-internals 的“报告正文”中的报告，并在 privacy-sandbox-demos/tools/aggregatable_report_converter/out/artifacts/aggregatable_report_converter_jar 文件夹（位于前提条件 1.5 中下载的代码库内）中创建一个 JSON 文件。

在此示例中，我们使用的是 vim，因为我们使用的是 Linux。不过，您可以使用任何所需的文本编辑器。

vim report.json

将报告粘贴到 report.json 中，然后保存文件。

报告 JSON 代码。 报告 JSON 代码。

获得该信息后，使用 aggregatable_report_converter.jar 帮助创建调试可汇总报告。此命令会在当前目录中创建一个名为 report.avro 的可汇总报告。

java -jar aggregatable_report_converter.jar \
  --request_type convertToAvro \
  --input_file report.json \
  --debug

2.3. 从报告中检索存储分区密钥

如需创建 output_domain.avro 文件，您需要可从报告中检索到的存储分区键。

分桶键由广告技术平台设计。不过，在本例中，分桶键由网站 Privacy Sandbox 演示创建。由于相应网站的 Private Aggregation 处于调试模式，我们可以使用“报告正文”中的 debug_cleartext_payload 获取分桶键。

请继续操作，从报告正文中复制 debug_cleartext_payload。

调试明文载荷。 调试明文载荷。

打开 goo.gle/ags-payload-decoder，将 debug_cleartext_payload 粘贴到“INPUT”框中，然后点击“Decode”。

解码按钮。 “解码”按钮。

该网页会返回分桶键的十进制值。以下是存储分区密钥示例。

一个示例存储分区密钥。 一个示例分桶键。

2.4. 创建输出网域 AVRO

现在我们有了存储分区密钥，接下来在之前使用的文件夹中创建 output_domain.avro。验证您是否已将存储分区密钥替换为您检索到的存储分区密钥。

java -jar aggregatable_report_converter.jar \
  --request_type createDomainAvro \
  --bucket_key <bucket key>

该脚本会在当前文件夹中创建 output_domain.avro 文件。

2.5. 使用本地测试工具创建摘要报告

我们将使用在前提条件 1.3 中下载的 LocalTestingTool_{version}.jar，通过以下命令创建摘要报告。将 {version} 替换为您下载的版本。请务必将 LocalTestingTool_{version}.jar 移至当前目录，或添加相对路径以引用其当前位置。

java -jar LocalTestingTool_{version}.jar \
  --input_data_avro_file report.avro \
  --domain_avro_file output_domain.avro \
  --output_directory .

运行该命令后，您应该会看到如下所示的内容。完成后，系统会生成一份报告 output.avro。

输出 AVRO 输出 AVRO

2.6. 查看摘要报告

创建的摘要报告采用 AVRO 格式。为了能够读取此文件，您需要将其从 AVRO 格式转换为 JSON 格式。理想情况下，广告技术平台应编写代码将 AVRO 报告转换回 JSON。

我们将使用 aggregatable_report_converter.jar 将 AVRO 报告转换回 JSON。

java -jar aggregatable_report_converter.jar \
  --request_type convertToJson \
  --input_file output.avro

这会返回类似于以下内容的报告。以及在同一目录中创建的报告 output.json。

输出 JSON 输出 JSON

Codelab 已完成！

总结：您已收集调试报告、构建输出网域文件，并使用模拟 Aggregation Service 汇总行为的本地测试工具生成摘要报告。

后续步骤：现在，您已经试用了本地测试工具，接下来可以在自己的环境中尝试对汇总服务进行实时部署。重新查看前提条件，确保您已为“汇总服务”模式设置好一切，然后继续执行第 3 步。

3. 3. 汇总服务 Codelab

预计完成时间：1 小时

开始之前，请验证您是否已完成所有标记为“汇总服务”的前提条件。

Codelab 步骤

第 3.1 步。创建汇总服务输入：创建为汇总服务分批处理的汇总服务报告。

  • 第 3.1.1 步。触发报告
  • 第 3.1.2 步。收集可汇总的报告
  • 第 3.1.3 步。将报告转换为 AVRO 格式
  • 第 3.1.4 步。创建 output_domain AVRO
  • 第 3.1.5 步。将报告移至 Cloud Storage 存储分区

第 3.2 步。汇总服务使用情况：使用汇总服务 API 创建摘要报告并查看摘要报告。

  • 第 3.2.1 步。使用 createJob 端点进行批量处理
  • 第 3.2.2 步。使用 getJob 端点检索批处理状态
  • 第 3.2.3 步。查看摘要报告

3.1. 创建 Aggregation Service 输入

继续操作，创建 AVRO 报告以批量发送到汇总服务。这些步骤中的 shell 命令可以在 Google Cloud 的 Cloud Shell 中运行（前提是将“前提条件”中的依赖项克隆到您的 Cloud Shell 环境中），也可以在本地执行环境中运行。

3.1.1. 触发报告

点击链接前往相应网站；然后，您可以在 chrome://private-aggregation-internals 查看报告：

Chrome 内部页面 Chrome 内部页面

发送到 {reporting-origin}/.well-known/private-aggregation/debug/report-shared-storage 端点的报告也会显示在 Chrome Internals 页面上所显示报告的“报告正文”中。

您可能会在此处看到许多报告，但对于此 Codelab，请使用由调试端点生成的特定于 Google Cloud 的可汇总报告。“报告网址”将包含“/debug/”，而“报告正文”的 aggregation_coordinator_origin field 将包含以下网址：https://publickeyservice.msmt.gcp.privacysandboxservices.com。

Google Cloud 调试报告。 Google Cloud 调试报告。

3.1.2. 收集可汇总的报告

从相应 API 的 .well-known 端点收集可汇总报告。

  • 不公开汇总：{reporting-origin}/.well-known/private-aggregation/report-shared-storage
  • Attribution Reporting - 摘要报告：{reporting-origin}/.well-known/attribution-reporting/report-aggregate-attribution

在此 Codelab 中，我们将手动执行报告集合。在生产环境中，广告技术平台应以程序化方式收集和转换报告。

我们继续操作，从 chrome://private-aggregation-internals 中复制“报告正文”中的 JSON 报告。

在此示例中，我们使用 vim，因为我们使用的是 Linux。不过，您可以使用任何所需的文本编辑器。

vim report.json

将报告粘贴到 report.json 中，然后保存文件。

报告 JSON 报告 JSON

3.1.3. 将报告转换为 AVRO 格式

从 .well-known 端点收到的报告为 JSON 格式，需要转换为 AVRO 报告格式。获得 JSON 报告后，前往 report.json 的存储位置，然后使用 aggregatable_report_converter.jar 帮助创建调试可汇总报告。此命令会在当前目录中创建一个名为 report.avro 的可汇总报告。

java -jar aggregatable_report_converter.jar \
  --request_type convertToAvro \
  --input_file report.json

3.1.4. 创建 output_domain AVRO

如需创建 output_domain.avro 文件，您需要可从报告中检索到的存储分区键。

分桶键由广告技术平台设计。不过，在本例中，分桶键由网站 Privacy Sandbox 演示创建。由于相应网站的 Private Aggregation 处于调试模式，我们可以使用“报告正文”中的 debug_cleartext_payload 获取分桶键。

请继续操作，从报告正文中复制 debug_cleartext_payload。

调试明文载荷。 调试明文载荷。

打开 goo.gle/ags-payload-decoder，将 debug_cleartext_payload 粘贴到“INPUT”框中，然后点击“Decode”。

解码按钮。 “解码”按钮。

该网页会返回分桶键的十进制值。以下是存储分区密钥示例。

一个示例存储分区密钥。 一个示例分桶键。

现在我们有了存储分区密钥，接下来在之前使用的文件夹中创建 output_domain.avro。验证您是否已将存储分区密钥替换为您检索到的存储分区密钥。

java -jar aggregatable_report_converter.jar \
  --request_type createDomainAvro \
  --bucket_key <bucket key>

该脚本会在当前文件夹中创建 output_domain.avro 文件。

3.1.5. 将报告移至 Cloud Storage 存储分区

创建 AVRO 报告和输出网域后，继续将报告和输出网域移至 Cloud Storage 中的存储分区（您在前提条件 1.6 中记下的存储分区）。

如果您已在本地环境中设置 gcloud CLI，请使用以下命令将文件复制到相应文件夹。

gcloud storage cp report.avro gs://<bucket_name>/reports/

gcloud storage cp output_domain.avro gs://<bucket_name>/output_domain/

否则，请手动将文件上传到存储分区。创建一个名为“reports”的文件夹，并将 report.avro 文件上传到该文件夹中。创建一个名为“output_domains”的文件夹，并将 output_domain.avro 文件上传到该文件夹。

3.2. Aggregation Service 用量

请回想一下，在前提条件 1.8 中，您选择了 curl 或 Postman 来向汇总服务端点发出 API 请求。下面提供了这两种选项的说明。

如果作业因错误而失败，请查看 GitHub 中的问题排查文档，详细了解如何继续操作。

3.2.1. 使用 createJob 端点进行批量处理

使用以下任一 curl 或 Postman 说明来创建作业。

curl

在“终端”中，创建一个请求正文文件 (body.json)，然后粘贴以下 JSON 对象。请务必更新占位值。如需详细了解每个字段的含义，请参阅此 API 文档。

{
    "job_request_id": "<job_request_id>",
    "input_data_blob_prefix": "<report_folder>/<report_name>.avro",
    "input_data_blob_prefixes": [ // Mutually exclusive to input_data_blob_prefix as of v2.11.0
      "<report_folder>/<report_name-1>/",
      "<report_folder>/<report_name-2>/",
      "<report_folder>/<report_name>.avro"
    ],
    "input_data_bucket_name": "<bucket_name>",
    "output_data_blob_prefix": "<output_folder>/<summary_report_prefix>",
    "output_data_bucket_name": "<bucket_name>",
    "job_parameters": {
      "output_domain_blob_prefix": "<output_domain_folder>/<output_domain>.avro",
      "output_domain_bucket_name": "<bucket_name>",
      "attribution_report_to": "<reporting origin of report>",
      "reporting_site": "<domain of reporting origin(s) of report>", // Mutually exclusive to attribution_report_to as of v2.7.0
      "report_error_threshold_percentage": "10",
      "debug_run": "true"
    }
}

执行以下请求。将 curl 请求网址中的占位符替换为 frontend_service_cloudfunction_url 中的值，该值是在前提条件 1.6 中成功完成 Terraform 部署后输出的。

curl -H "Authorization: Bearer $(gcloud auth print-identity-token)" \
  -d @body.json \
  https://<environment>-<region>-frontend-service-<cloud-function-id>-uc.a.run.app/v1alpha/createJob

当汇总服务接受请求后，您应该会收到 HTTP 202 响应。其他可能的响应代码已在 API 规范中记录。

Postman

对于 createJob 端点，需要提供请求正文，以便向汇总服务提供可汇总报告、输出网域和摘要报告的位置和文件名。

前往 createJob 请求的“正文”标签页：

正文标签页 “身体”标签页

替换所提供的 JSON 中的占位符。如需详细了解这些字段及其表示的含义，请参阅 API 文档。

{
    "job_request_id": "<job_request_id>",
    "input_data_blob_prefix": "<report_folder>/",
    "input_data_blob_prefixes": [ // Mutually exclusive to input_data_blob_prefix as of v2.11.0
      "<report_folder>/<report_name-1>/",
      "<report_folder>/<report_name-2>/",
      "<report_folder>/<report_name>.avro"
    ],
    "input_data_bucket_name": "<bucket_name>",
    "output_data_blob_prefix": "<output_folder>/<summary_report_prefix>",
    "output_data_bucket_name": "<bucket_name>",
    "job_parameters": {
      "output_domain_blob_prefix": "<output_domain_folder>/<output_domain>.avro",
      "output_domain_bucket_name": "<bucket_name>",
      "attribution_report_to": "<reporting origin of report>",
      "reporting_site": "<domain of reporting origin(s) of report>", // Mutually exclusive to attribution_report_to as of v2.7.0
      "report_error_threshold_percentage": "10",
      "debug_run": "true"
    }
}

“发送”createJob API 请求：

“发送”按钮 “发送”按钮

您可以在页面下半部分找到响应代码：

响应代码 响应代码

当汇总服务接受请求后，您应该会收到 HTTP 202 响应。其他可能的响应代码已在 API 规范中记录。

3.2.2. 使用 getJob 端点检索批处理状态

使用以下任一 curl 或 Postman 说明来获取作业。

curl

在终端中执行以下请求。将网址中的占位符替换为 frontend_service_cloudfunction_url 中的值，该网址与您用于 createJob 请求的网址相同。对于“job_request_id”，请使用您通过 createJob 端点创建的作业中的值。

curl -H "Authorization: Bearer $(gcloud auth print-identity-token)" \
  https://<environment>-<region>-frontend-service-<cloud-function-id>-uc.a.run.app/v1alpha/getJob?job_request_id=<job_request_id>

结果应返回作业请求的状态，并显示 HTTP 状态 200。请求“正文”包含必要的信息，例如 job_status、return_message 和 error_messages（如果作业出错）。

Postman

如需检查作业请求的状态，您可以使用 getJob 端点。在 getJob 请求的“Params”部分中，将 job_request_id 值更新为 createJob 请求中发送的 job_request_id。

作业请求 ID 作业请求 ID

“发送”getJob 请求：

“发送”按钮 “发送”按钮

结果应返回作业请求的状态，并显示 HTTP 状态 200。请求“正文”包含必要的信息，例如 job_status、return_message 和 error_messages（如果作业出错）。

响应 JSON 响应 JSON

3.2.3. 查看摘要报告

在输出 Cloud Storage 存储分区中收到摘要报告后，您可以将其下载到本地环境。摘要报告采用 AVRO 格式，可以转换回 JSON 格式。您可以使用 aggregatable_report_converter.jar 通过此命令读取报告。

java -jar aggregatable_report_converter.jar \
  --request_type convertToJson \
  --input_file <summary_report_avro>

此函数会返回一个 JSON，其中包含每个分桶键的汇总值，如下所示。

摘要报告。 摘要报告。

如果您的 createJob 请求包含 debug_run（值为 true），那么您可以在 output_data_blob_prefix 中的调试文件夹中收到摘要报告。报告采用 AVRO 格式，可以使用上述命令转换为 JSON 格式。

报告包含以下内容：分桶键、未添加噪声的指标，以及为形成汇总报告而添加到未添加噪声的指标中的噪声。报告类似于以下内容。

噪声报告 添加了噪声的报告

注释还包含“in_reports”或“in_domain”（或两者兼有），这意味着：

  • in_reports - 桶键可在可汇总报告中使用。
  • in_domain - 存储分区密钥位于 output_domain AVRO 文件中。

Codelab 已完成！

总结：您已在自己的云环境中部署了汇总服务，收集了调试报告，构建了输出网域文件，将这些文件存储在 Cloud Storage 存储分区中，并成功运行了作业！

后续步骤：继续在您的环境中运行汇总服务，或按照第 4 步中的清理说明删除您刚刚创建的云资源。

4. 4. 清理

如需使用 Terraform 删除为汇总服务创建的资源，请在 adtech_setup 和 dev（或其他环境）文件夹中使用 destroy 命令：

$ cd <repository_root>/terraform/gcp/environments/adtech_setup
$ terraform destroy
$ cd <repository_root>/terraform/gcp/environments/dev
$ terraform destroy

如需删除包含可汇总报告和摘要报告的 Cloud Storage 存储分区，请执行以下操作：

$ gcloud storage buckets delete gs://my-bucket

您还可以选择将 Chrome Cookie 设置从前提条件 1.2 中的状态恢复到之前的状态。

5. 5. 附录

adtech_setup.auto.tfvars 文件示例

/**
 * Copyright 2023 Google LLC
 *
 * Licensed under the Apache License, Version 2.0 (the "License");
 * you may not use this file except in compliance with the License.
 * You may obtain a copy of the License at
 *
 *      http://www.apache.org/licenses/LICENSE-2.0
 *
 * Unless required by applicable law or agreed to in writing, software
 * distributed under the License is distributed on an "AS IS" BASIS,
 * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
 * See the License for the specific language governing permissions and
 * limitations under the License.
 */

project = "my-project-id"

# Required to generate identity token for access of Adtech Services API endpoints
service_account_token_creator_list = ["user:me@email.com"]

# Uncomment the below line if you like Terraform to create an Artifact registry repository
# for self-build container artifacts. "artifact_repo_location" defaults to "us".
artifact_repo_name     = "my-ags-artifacts"

# Note: Either one of [1] or [2] must be uncommented.

# [1] Uncomment below lines if you like Terraform grant needed permissions to
# pre-existing service accounts
# deploy_service_account_email = "<YourDeployServiceAccountName>@<ProjectID>.iam.gserviceaccount.com"
# worker_service_account_email = "<YourWorkerServiceAccountName>@<ProjectID>.iam.gserviceaccount.com"

# [2] Uncomment below lines if you like Terraform to create service accounts
# and needed permissions granted e.g "deploy-sa" or "worker-sa"
deploy_service_account_name = "deploy-sa"
worker_service_account_name = "worker-sa"
# Uncomment the below line if you want Terraform to create the
# below bucket. "data_bucket_location" defaults to "us".
data_bucket_name     = "my-ags-data"

# Uncomment the below lines if you want to specify service account customer role names
# deploy_sa_role_name = "<YourDeploySACustomRole>"
# worker_sa_role_name = "<YourWorkerSACustomRole>"

dev.auto.tfvars 文件示例

/**
 * Copyright 2022 Google LLC
 *
 * Licensed under the Apache License, Version 2.0 (the "License");
 * you may not use this file except in compliance with the License.
 * You may obtain a copy of the License at
 *
 *      http://www.apache.org/licenses/LICENSE-2.0
 *
 * Unless required by applicable law or agreed to in writing, software
 * distributed under the License is distributed on an "AS IS" BASIS,
 * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
 * See the License for the specific language governing permissions and
 * limitations under the License.
 */

# Example values required by job_service.tf
#
# These values should be modified for each of your environments.
region      = "us-central1"
region_zone = "us-central1-c"

project_id  = "my-project-id"
environment = "operator-demo-env"

# Co-locate your Cloud Spanner instance configuration with the region above.
# https://cloud.google.com/spanner/docs/instance-configurations#regional-configurations
spanner_instance_config = "regional-us-central1"

# Adjust this based on the job load you expect for your deployment.
# Monitor the spanner instance utilization to decide on scale out / scale in.
# https://console.cloud.google.com/spanner/instances
spanner_processing_units = 100

# Uncomment the line below at your own risk to disable Spanner database protection.
# This needs to be set to false and applied before destroying all resources is possible.
spanner_database_deletion_protection = false

instance_type = "n2d-standard-8" # 8 cores, 32GiB

# Container image location that packages the job service application
# If not set otherwise, uncomment and edit the line below:
#worker_image = "<location>/<project>/<repository>/<image>:<tag or digest>"

# Service account created and onboarded for worker
user_provided_worker_sa_email = "worker-sa@my-project-id.iam.gserviceaccount.com"

min_worker_instances = 1
max_worker_instances = 20