gcp-cloud-architect

GCP 云架构师

为初创公司和企业设计可扩展、高性价比的 Google Cloud 架构，并提供基础设施即代码模板。

---

工作流程

第 1 步：收集需求

收集应用规格：

- Application type (web app, mobile backend, data pipeline, SaaS)
- Expected users and requests per second
- Budget constraints (monthly spend limit)
- Team size and GCP experience level
- Compliance requirements (GDPR, HIPAA, SOC 2)
- Availability requirements (SLA, RPO/RTO)

第 2 步：设计架构

运行架构设计器以获取模式推荐：

python scripts/architecture_designer.py --input requirements.json

示例输出：

{
  "recommended_pattern": "serverless_web",
  "service_stack": ["Cloud Storage", "Cloud CDN", "Cloud Run", "Firestore", "Identity Platform"],
  "estimated_monthly_cost_usd": 30,
  "pros": ["Low ops overhead", "Pay-per-use", "Auto-scaling", "No cold starts on Cloud Run min instances"],
  "cons": ["Vendor lock-in", "Regional limitations", "Eventual consistency with Firestore"]
}

从推荐模式中选择：

• 无服务器 Web：Cloud Storage + Cloud CDN + Cloud Run + Firestore
• GKE 上的微服务：GKE Autopilot + Cloud SQL + Memorystore + Cloud Pub/Sub
• 无服务器数据管道：Pub/Sub + Dataflow + BigQuery + Looker
• ML 平台：Vertex AI + Cloud Storage + BigQuery + Cloud Functions

有关详细的模式规格，请参阅 references/architecture_patterns.md。

验证检查点： 在进入第 3 步之前，确认推荐的模式与团队的运维成熟度和合规要求相匹配。

第 3 步：估算成本

分析预估成本和优化机会：

python scripts/cost_optimizer.py --resources current_setup.json --monthly-spend 2000

示例输出：

{
  "current_monthly_usd": 2000,
  "recommendations": [
    { "action": "Right-size Cloud SQL db-custom-4-16384 to db-custom-2-8192", "savings_usd": 380, "priority": "high" },
    { "action": "Purchase 1-yr committed use discount for GKE nodes", "savings_usd": 290, "priority": "high" },
    { "action": "Move Cloud Storage objects >90 days to Nearline", "savings_usd": 75, "priority": "medium" }
  ],
  "total_potential_savings_usd": 745
}

输出内容包括：

• 按服务划分的月度成本明细
• 资源规格调整建议
• 承诺使用折扣机会
• 持续使用折扣分析
• 潜在的月度节省金额

如需详细估算，请使用 GCP 定价计算器。

第 4 步：生成 IaC

为所选模式创建基础设施即代码：

python scripts/deployment_manager.py --app-name my-app --pattern serverless_web --region us-central1

示例 Terraform HCL 输出（Cloud Run + Firestore）：

terraform {
  required_providers {
    google = {
      source  = "hashicorp/google"
      version = "~> 5.0"
    }
  }
}

provider "google" {
  project = var.project_id
  region  = var.region
}

variable "project_id" {
  description = "GCP project ID"
  type        = string
}

variable "region" {
  description = "GCP region"
  type        = string
  default     = "us-central1"
}

resource "google_cloud_run_v2_service" "api" {
  name     = "${var.environment}-${var.app_name}-api"
  location = var.region

  template {
    containers {
      image = "gcr.io/${var.project_id}/${var.app_name}:latest"
      resources {
        limits = {
          cpu    = "1000m"
          memory = "512Mi"
        }
      }
      env {
        name  = "FIRESTORE_PROJECT"
        value = var.project_id
      }
    }
    scaling {
      min_instance_count = 0
      max_instance_count = 10
    }
  }
}

resource "google_firestore_database" "default" {
  project     = var.project_id
  name        = "(default)"
  location_id = var.region
  type        = "FIRESTORE_NATIVE"
}

示例 gcloud CLI 部署：

# Deploy Cloud Run service
gcloud run deploy my-app-api \
  --image gcr.io/$PROJECT_ID/my-app:latest \
  --region us-central1 \
  --platform managed \
  --allow-unauthenticated \
  --memory 512Mi \
  --cpu 1 \
  --min-instances 0 \
  --max-instances 10

# Create Firestore database
gcloud firestore databases create --location=us-central1

包括 Cloud CDN、Identity Platform、IAM 和 Cloud Monitoring 在内的完整模板由 deployment_manager.py 生成，也可在 references/architecture_patterns.md 中找到。

第 5 步：配置 CI/CD

使用 Cloud Build 或 GitHub Actions 设置自动化部署：

# cloudbuild.yaml
steps:
  - name: 'gcr.io/cloud-builders/docker'
    args: ['build', '-t', 'gcr.io/$PROJECT_ID/my-app:$COMMIT_SHA', '.']

  - name: 'gcr.io/cloud-builders/docker'
    args: ['push', 'gcr.io/$PROJECT_ID/my-app:$COMMIT_SHA']

  - name: 'gcr.io/google.com/cloudsdktool/cloud-sdk'
    entrypoint: gcloud
    args:
      - 'run'
      - 'deploy'
      - 'my-app-api'
      - '--image=gcr.io/$PROJECT_ID/my-app:$COMMIT_SHA'
      - '--region=us-central1'
      - '--platform=managed'

images:
  - 'gcr.io/$PROJECT_ID/my-app:$COMMIT_SHA'

# Connect repo and create trigger
gcloud builds triggers create github \
  --repo-name=my-app \
  --repo-owner=my-org \
  --branch-pattern="^main$" \
  --build-config=cloudbuild.yaml

第 6 步：安全审查

验证安全配置：

# Review IAM bindings
gcloud projects get-iam-policy $PROJECT_ID --format=json

# Check service account permissions
gcloud iam service-accounts list --project=$PROJECT_ID

# Verify VPC Service Controls (if applicable)
gcloud access-context-manager perimeters list --policy=$POLICY_ID

安全检查清单：

• IAM 角色遵循最小权限原则（优先使用预定义角色而非基本角色）
• 服务账号为 GKE 使用 Workload Identity
• 为敏感 API 配置 VPC Service Controls
• 使用 Cloud KMS 加密密钥实现客户管理的加密
• 为所有管理活动启用 Cloud Audit Logs
• 组织策略限制公共访问
• 所有凭据均使用 Secret Manager 管理

如果部署失败：

1. 检查失败原因：

   gcloud run services describe my-app-api --region us-central1
   gcloud logging read "resource.type=cloud_run_revision" --limit=20
   

2. 查看 Cloud Logging 中的应用错误。
3. 修复配置或容器镜像。
4. 重新部署：

   gcloud run deploy my-app-api --image gcr.io/$PROJECT_ID/my-app:latest --region us-central1
   

常见失败原因：

• IAM 权限错误 -- 验证服务账号角色和 --allow-unauthenticated 标志
• 超出配额 -- 通过 IAM & Admin > Quotas 申请提高配额
• 容器启动失败 -- 检查容器日志和健康检查配置
• 区域未启用 -- 使用 gcloud services enable 启用所需 API

---

工具

architecture_designer.py

根据工作负载需求推荐 GCP 服务。

python scripts/architecture_designer.py --input requirements.json --output design.json

输入： 包含应用类型、规模、预算、合规需求的 JSON 输出： 推荐模式、服务栈、成本估算、优缺点

cost_optimizer.py

分析 GCP 资源以发现节省成本的机会。

python scripts/cost_optimizer.py --resources inventory.json --monthly-spend 5000

输出： 以下方面的建议：

• 移除闲置资源
• 机器类型规格调整
• 承诺使用折扣
• 存储类别转换
• 网络出口优化

deployment_manager.py

生成 gcloud CLI 部署脚本和 Terraform 配置。

python scripts/deployment_manager.py --app-name my-app --pattern serverless_web --region us-central1

输出： 可用于生产环境的部署脚本，包括：

• Cloud Run 或 GKE 部署
• Firestore 或 Cloud SQL 设置
• Identity Platform 配置
• 遵循最小权限原则的 IAM 角色
• Cloud Monitoring 和 Logging

---

快速开始

Cloud Run 上的 Web 应用（每月低于 100 美元）

Ask: "Design a serverless web backend for a mobile app with 1000 users"

Result:
- Cloud Run for API (auto-scaling, no cold start with min instances)
- Firestore for data (pay-per-operation)
- Identity Platform for authentication
- Cloud Storage + Cloud CDN for static assets
- Estimated: $15-40/month

GKE 上的微服务（每月 500-2000 美元）

Ask: "Design a scalable architecture for a SaaS platform with 50k users"

Result:
- GKE Autopilot for containerized workloads
- Cloud SQL (PostgreSQL) with read replicas
- Memorystore (Redis) for session caching
- Cloud CDN for global delivery
- Cloud Build for CI/CD
- Multi-zone deployment

无服务器数据管道

Ask: "Design a real-time analytics pipeline for event data"

Result:
- Pub/Sub for event ingestion
- Dataflow (Apache Beam) for stream processing
- BigQuery for analytics and warehousing
- Looker for dashboards
- Cloud Functions for lightweight transforms

ML 平台

Ask: "Design a machine learning platform for model training and serving"

Result:
- Vertex AI for training and prediction
- Cloud Storage for datasets and model artifacts
- BigQuery for feature store
- Cloud Functions for preprocessing triggers
- Cloud Monitoring for model drift detection

---

输入要求

请提供以下信息以便进行架构设计：

要求	说明	示例
应用类型	你正在构建的内容	SaaS 平台、移动端后端
预期规模	用户数、每秒请求数	1 万用户、100 RPS
预算	每月 GCP 限额	每月最高 500 美元
团队情况	人数、GCP 使用经验	3 名开发者、中级水平
合规要求	监管需求	HIPAA、GDPR、SOC 2
可用性	正常运行时间要求	99.9% SLA、1 小时 RPO

JSON 格式：

{
  "application_type": "saas_platform",
  "expected_users": 10000,
  "requests_per_second": 100,
  "budget_monthly_usd": 500,
  "team_size": 3,
  "gcp_experience": "intermediate",
  "compliance": ["SOC2"],
  "availability_sla": "99.9%"
}

---

输出格式

架构设计

• 附带理由的模式推荐
• 服务栈示意图（ASCII）
• 月度成本估算及权衡分析

IaC 模板

• Terraform HCL：可用于生产环境的 Google provider 配置
• gcloud CLI：脚本化部署命令
• Cloud Build YAML：CI/CD 流水线定义

成本分析

• 当前支出明细及优化建议
• 优先级行动清单（高/中/低）及实施检查清单

---

反模式

反模式	失败原因	更好的做法
生产环境使用默认 VPC	缺乏隔离，防火墙规则共享	创建带私有子网的自定义 VPC
GKE 节点池过度配置	闲置资源造成成本浪费	使用 GKE Autopilot 或集群自动扩缩容器
将密钥存储在环境变量中	在 Cloud Console 和日志中可见	结合 Workload Identity 使用 Secret Manager
忽略持续使用折扣	错失 20%–30% 的自动节省	为稳定的基线负载合理配置 VM 规格
SaaS 采用单区域部署	单一区域故障 = 全面停机	使用 Cloud Load Balancing 实现多区域部署
重负载场景使用 BigQuery 按需计费	规模化后成本难以预测	对稳定工作负载使用 BigQuery slots（固定费率）
使用 Cloud Functions 运行长时任务	9 分钟超时，存在冷启动	对超过 60 秒的任务使用 Cloud Run

---

交叉引用

技能	关系
engineering-team/aws-solution-architect	AWS 对应版本，同样的 6 步工作流，服务不同
engineering-team/azure-cloud-architect	Azure 对应版本，与前两者组成云架构三件套
engineering-team/senior-devops	覆盖范围更广的 DevOps，包括流水线、监控和容器化
engineering/terraform-patterns	IaC 实现，用于面向 GCP 的 Terraform 模块
engineering/ci-cd-pipeline-builder	流水线构建，自动化 Cloud Build 和部署

---

参考文档

文档	内容
references/architecture_patterns.md	6 种模式：无服务器、GKE 微服务、三层架构、数据管道、ML 平台、多区域
references/service_selection.md	计算、数据库、存储、消息传递的决策矩阵
references/best_practices.md	命名、标签、IAM、网络、监控、灾难恢复