升級至最新版 App Engine 服務 SDK 前,請先參閱遷移總覽。
只要將 App Engine 服務 SDK 更新至最新版本,即可自動遷移至 Cloud Tasks。升級後,SDK 會自動將 PushQueue 呼叫重新導向至 Cloud Tasks 前端 API。Cloud Tasks 會保留現有的工作佇列和工作,因此不需要額外遷移。
在幕後,更新後的 SDK 會使用 Cloud Tasks API,維持與工作佇列功能相同的功能,SDK 支援下列功能:
- 批次建立工作:SDK 使用批次 API,支援在單一呼叫中新增最多 100 項工作。
- 批次刪除工作:SDK 使用批次 API,支援在單一呼叫中刪除最多 1,000 項工作。
- 任務層級重試:SDK 支援特定任務的重試設定。
- 交易工作:SDK 會將 Datastore 交易中的工作排入佇列。為維持可靠性,請建立或修改
cron.yaml檔案。
定價與配額
將發送佇列遷移至 Cloud Tasks,可能會影響應用程式的定價和配額。
定價
遷移前,請先查看 Cloud Tasks 定價,估算每月費用。
與工作佇列類似,使用 Cloud Tasks 推送目標將要求傳送至 App Engine 應用程式不需付費。不過,與工作佇列不同的是,Cloud Tasks 會針對執行的作業 (例如建立、刪除或管理工作) 收費。與免費的 App Engine 工作佇列相比,這可能會導致每月總費用較高。
如果您透過升級 App Engine 服務 SDK 進行遷移,且應用程式在 Datastore 交易中將交易工作排入佇列,則除了標準 Cloud Tasks API 帳單外,每項排入佇列的工作都會在 Datastore 中產生 3 次寫入、2 次讀取和 1 次刪除。
配額
Cloud Tasks 要求也會計入 App Engine 要求配額。
與工作佇列一樣,Cloud Tasks 也有服務專屬配額。遷移至 Cloud Tasks 可能會變更配額。
最佳化要求延遲時間
由於更新後的 SDK 會直接將要求傳送至 Cloud Tasks API,因此與舊版工作佇列服務相比,依序排入佇列或刪除個別任務可能會增加要求延遲時間。如要盡可能縮短延遲時間,請按照下列指示操作:
- 將多項工作批次處理成單一呼叫:將工作分組為批次新增呼叫 (每次呼叫最多 100 項工作) 或批次刪除呼叫 (每次呼叫最多 1,000 項工作),而不是在迴圈中逐一排入佇列或刪除工作。
- 使用非同步 API 呼叫:使用
add_async()和delete_tasks_async()等非封鎖方法,以免工作作業阻礙要求處理。
事前準備
將發送佇列遷移至 Cloud Tasks 之前,請先完成下列步驟:
確認您有權存取 App Engine 原始碼。
啟用 Cloud Tasks 和 Cloud Scheduler API:
為確保 App Engine 服務帳戶具備必要權限,可讓 SDK 將任務調度至 Cloud Tasks API,請要求管理員授予專案的 Cloud Tasks 工作加入佇列者 (
roles/cloudtasks.enqueuer) IAM 角色。
更新 App Engine 服務 SDK
確認應用程式使用的是最新版本 App Engine 服務 SDK。
在
requirements.txt檔案中,將appengine-python-standard依附元件更新至3.1.0以上版本,並新增google-cloud-tasks。例如:Flask==3.0.0 appengine-python-standard>=3.1.0 google-cloud-tasks
啟用 Cloud Tasks 轉送功能
runtime: python315 service: my-service-b env_variables: APPENGINE_USE_CLOUDTASK_PUSH_QUEUE: "true"部署應用程式:
gcloud app deploy如要確認應用程式是否使用 Cloud Tasks,請前往Google Cloud 控制台的「Cloud Tasks」頁面。
設定交易工作 (選用)
如果應用程式在 Datastore 交易中將工作排入佇列,SDK 會依賴內部 Cron 工作,確保在 Datastore 提交期間未能排入佇列的工作最終都能處理。
如要處理發送佇列交易工作,請建立或更新 cron.yaml 檔案,定期呼叫內部處理器。例如:
cron:
- description: "Process push queue transactional tasks"
url: /_ah/cloudtask/sweep
schedule: every 30 minutes # Change this based on the usage pattern