Questa pagina descrive la creazione di tipi personalizzati per Google Cloud Deployment Manager supportati da backend personalizzati.
La funzionalità Azioni è una funzionalità alpha
che amplia la gamma di metodi API che Deployment Manager può
chiamata. Poiché questa funzionalità non è supportata, ti consigliamo di eseguire la migrazione dell'utilizzo esistente di Azioni ad alternative supportate. Alcune azioni, ad esempio
storage.buckets.setIamPolicy, corrispondono a Deployment Manager esistente
tipi di risorse, che puoi
possono sostituirli.
Se il deployment richiede l'uso di azioni che non possono essere sostituite con
esistente
tipi di risorse Deployment Manager supportati,
segui questa guida per creare un tipo personalizzato con un backend personalizzato per sostituire i tuoi
l'utilizzo di queste Azioni.
Creazione del provider di tipo personalizzato
Per una panoramica generale sull'integrazione di un'API di terze parti con Deployment Manager, visita Integrazione con Deployment Manager.
Per istruzioni su come aggiungere un'API come provider di tipi, visita Aggiunta di un'API come provider di tipi.
Per le opzioni di configurazione avanzate, come le mappature degli input, visita Impostazione delle opzioni API avanzate.
Per i requisiti per aggiungere un'API a Deployment Manager, consulta Requisiti per l'integrazione di un'API.
Creazione del backend personalizzato
Devi creare un backend personalizzato per esporre l'API al tuo provider di tipi personalizzati. Per creare un backend personalizzato, puoi utilizzare uno dei seguenti metodi:
Creazione e hosting di un servizio RESTful su una piattaforma a tua scelta. Invita alle Requisiti per l'integrazione di un'API.
Utilizza una delle seguenti soluzioni serverless per implementare le tue applicazioni di backend:
Un modo per ridurre le attività di sviluppo relative alla creazione di un backend personalizzato è utilizzare Funzioni di Cloud Run. Se utilizzi già altre soluzioni serverless come parte del processo di sviluppo, potrebbe essere più efficiente utilizzare quelle . Per una panoramica dell'utilizzo delle funzioni di Cloud Run come backend per un di servizi di machine learning, visita Provider di tipi personalizzati un'implementazione di esempio.