Cloud Run：在 GCP 中部署容器化应用的指南

Cloud Run 是 Google Cloud 提供的全托管无服务器平台，允许您在无需操心基础设施管理的情况下部署应用。它具有极强的灵活性，是从个人项目到企业级项目等多种场景的理想之选。

在本文中，我将为您介绍 Cloud Run 是什么、如何工作、能解决哪些使用场景，以及它与其他无服务器解决方案的比较。我还会一步步带您部署您的第一个 Cloud Run 应用！

在开始之前：如果您完全是云计算新手，建议先学习我们的 Introduction to Cloud Computing 课程。该课程会拆解云计算基础，解释诸如可扩展性与延迟等关键术语，并介绍像 GCP 这类提供商的云工具优势。

What is Cloud Run? 

Cloud Run 是一个无服务器的容器执行平台，可让您在不必担心基础设施管理的情况下部署应用程序。

在传统的基于服务器的部署中，您通常需要配置并维护虚拟机。Cloud Run 的工作方式略有不同，它将这些细节抽象掉，提供一个全托管的环境。

它基于 Knative（一个开源的 Kubernetes 平台，用于支持无服务器工作负载）构建，这意味着您的应用会根据需求自动扩缩。当流量增加时，Cloud Run 会启动更多实例来处理；当流量下降时，它会缩容，甚至可以缩到 0，这样在应用未实际运行时，您无需支付任何费用。

Cloud Run 不仅成本高效，而且非常灵活。只要能在容器中运行，您就可以部署任意语言、任意框架或二进制程序。无论是常见技术如 Node.js、Python、Go、Java，还是小众技术都可以。实际上，这意味着 Cloud Run 能为后端服务、API、AI 工作负载、Web 应用，甚至是定时批处理任务提供动力。

以上是一个概览。接下来我们更深入地看一下 Cloud Run 的关键特性。

Key Features of Cloud Run

我们刚刚提到了几个特性，下面是 Cloud Run 主要功能的完整概述。

与语言和框架无关

Cloud Run 最大的优势之一是不会将您绑定到某种特定语言或框架。只要您的应用能在容器中运行，就可以部署。如果您的团队技术栈多样，您可以在所有服务中统一使用 Cloud Run——一套工具统筹全局！

自动扩缩

Cloud Run 会根据流量进行横向、动态扩缩。当应用收到更多请求时，Cloud Run 会自动启动更多实例；当需求下降时，它会缩容，必要时甚至缩到 0。

内置安全与合规

Cloud Run 为所有已部署服务自动提供 HTTPS、由 Google 管理的服务身份用于安全认证、用于私有网络的 VPC 连接，以及内置的合规认证，如 SOC 2、ISO 27001 和 HIPAA（适用于医疗保健应用）。简单来说，安全合规方面您可以放心。

与 Google Cloud 服务集成

由于 Cloud Run 是 Google Cloud 生态的一部分，它能与其他 GCP 服务良好协作。您可以轻松将其连接到 Cloud SQL 作为数据库、使用 Pub/Sub 进行数据流处理、将文件存储在 Cloud Storage，或与 BigQuery、Firebase 以及 AI/ML 服务搭配使用。

按需 GPU 支持

对于 AI 工作负载，Cloud Run 现已支持按需 GPU。对于机器学习推理、视频处理和科学计算，这是一大提升，因为它允许您在无需管理底层硬件的情况下运行任何 GPU 加速的工作负载。

Cloud Run Functions：函数即服务（FaaS）模型

如果您不想管理完整的容器，Cloud Run Functions 提供一种简化的、事件驱动的方式来运行小型、单一用途的函数。它类似于 AWS Lambda 或 Google Cloud Functions，但运行在 Cloud Run 的基础设施之上。

How Cloud Run Works: Step-by-Step

本节我将带您将一个简单应用部署到 Cloud Run。我会引导您完成将应用容器化、部署到 Cloud Run，并根据需求自动扩缩的全过程。

我们将使用 Docker 将应用容器化，但并非必须。最后会有更多说明。

Step 1: Set up your environment

在部署任何内容之前，您需要安装以下工具：

1. Google Cloud SDK：这是一个命令行界面（CLI），可让您与包括 Cloud Run 在内的 Google Cloud 服务交互。您可以从此处安装。
2. Docker：如果您的应用尚未容器化，您需要使用 Docker 来打包应用。从这里安装 Docker。
3. Google Cloud Project：请确保您已设置好一个 Google Cloud 项目。可在 Google Cloud 控制台中创建。

Step 2: Write your application code

现在，让我们编写一个简单的 “Hello World” Node.js 应用。

为您的应用创建一个目录：

mkdir hello-world-app
cd hello-world-app技术支持

在该目录下创建一个 index.js 文件，并写入以下内容：

const http = require('http');

const requestListener = (req, res) => {
    res.writeHead(200);
    res.end('Hello, Cloud Run!');
};

const server = http.createServer(requestListener);
server.listen(8080, () => {
    console.log('Server is running on port 8080');
});技术支持

创建一个 package.json 来定义应用的依赖：

{
    "name": "hello-world-app",
    "version": "1.0.0",
    "main": "index.js",
    "dependencies": {}
}技术支持

应用准备就绪后，我们将继续将其容器化。

Step 3: Containerize the application

创建 Dockerfile 以定义容器镜像

在项目目录中创建名为 “Dockerfile” 的文件，并写入以下内容：

# Use the official Node.js image as a base
FROM node:16-alpine

# Set the working directory inside the container
WORKDIR /usr/src/app

# Copy package.json and install dependencies (if any)
COPY package*.json ./

# Copy the rest of the application code
COPY . .

# Expose port 8080 for Cloud Run
EXPOSE 8080

# Start the app
CMD ["node", "index.js"]技术支持

构建 Docker 镜像

运行以下命令来构建 Docker 镜像：

docker build -t gcr.io/your-project-id/hello-world-app .技术支持

注意：将 your-project-id 替换为您的 Google Cloud 项目 ID。

本地测试镜像

您可以通过运行以下命令在本地测试 Docker 容器：

docker run -p 8080:8080 gcr.io/your-project-id/hello-world-app技术支持

在浏览器中访问 http://localhost:8080 以验证应用是否正在运行。

Step 4: Push the image to Google Artifact Registry

为您的项目启用 Artifact Registry

如果您尚未启用 Artifact Registry，请运行以下命令

gcloud services enable artifactregistry.googleapis.com技术支持

注意：您需要启用结算功能才能完成此步骤！

在 Artifact Registry 中创建存储库

在 Artifact Registry 中创建一个新的 Docker 存储库：

gcloud artifacts repositories create hello-world-repo \
--repository-format=docker \
--location=us-central1技术支持

为 Artifact Registry 配置 Docker 身份验证

配置 Docker 以使用 Artifact Registry 进行身份验证：

gcloud auth configure-docker us-central1-docker.pkg.dev技术支持

为 Artifact Registry 标记 Docker 镜像

使用 Artifact Registry 存储库 URL 为 Docker 镜像打标签：

docker tag gcr.io/your-project-id/hello-world-app us-central1-docker.pkg.dev/your-project-id/hello-world-repo/hello-world-app技术支持

将镜像推送到 Artifact Registry

将已标记的 Docker 镜像推送到您的 Artifact Registry 存储库：

docker push us-central1-docker.pkg.dev/your-project-id/hello-world-repo/hello-world-app技术支持

Step 5: Deploy to Cloud Run

当镜像推送到 Artifact Registry 后，您可以直接从 Artifact Registry 将其部署到 Cloud Run。

使用以下命令将镜像部署到 Cloud Run：

gcloud run deploy hello-world-app \
--image us-central1-docker.pkg.dev/your-project-id/hello-world-repo/hello-world-app \
--platform managed \
--region us-central1 \
--allow-unauthenticated技术支持

• hello-world-app：这是您的 Cloud Run 服务名称。
• us-central1-docker.pkg.dev/your-project-id/hello-world-repo/hello-world-app：存储在 Artifact Registry 中的镜像 URL。
• --platform managed：确保使用 Cloud Run 的全托管平台（而非 GKE 集群）。
• --region us-central1：指定 Cloud Run 部署服务的区域。
• --allow-unauthenticated：允许公共访问服务。如需限制访问，可相应调整该标志。

运行该命令后，Cloud Run 将部署您的容器化应用，并提供用于访问的 URL。

就这样！到 GCP 控制台查看一下，您应该能看到新实例。

Step 6: Clean up

为避免持续产生费用，请在测试完成后删除服务。

1. 删除 Cloud Run 服务

运行以下命令删除已部署的 Cloud Run 服务：

gcloud run services delete hello-world-app --region us-central1技术支持

这会移除 Cloud Run 实例，但不会删除容器镜像。

2. 删除 Artifact Registry 镜像

要从 Artifact Registry 移除镜像，先列出镜像：

gcloud artifacts docker images list us-central1-docker.pkg.dev/your-project-id/hello-world-repo技术支持

然后使用以下命令删除镜像：

gcloud artifacts docker images delete us-central1-docker.pkg.dev/your-project-id/hello-world-repo/hello-world-app --delete-tags技术支持

至此，您的 Artifact Registry 也清理完成。

3. 删除 Artifact Registry 存储库（如不再需要）

如果您想彻底移除 Artifact Registry 存储库，请运行：

gcloud artifacts repositories delete hello-world-repo --location=us-central1技术支持

只有在您完全不再需要该存储库时才执行此步骤，否则可以将其复用于后续部署。

4.（可选）删除 Google Cloud 项目

如果这是一个测试项目且您已不再需要它，可以删除整个项目以移除所有相关资源：

gcloud projects delete your-project-id技术支持

Source deployments

还记得我说并不总是需要手动将应用容器化吗？

Cloud Run 现已支持源代码部署，这意味着它可以使用 Cloud Build 从您的源代码为您构建容器。

您可以使用以下命令：

gcloud run deploy hello-world-app \
--source . \
--region us-central1 \
--allow-unauthenticated技术支持

Cloud Build 会自动检测您的应用语言（Node.js、Python、Go、Java 等），为您构建容器镜像并存储到 Artifact Registry。随后 Cloud Run 会像您手动创建容器一样部署该镜像。对于使用受支持语言的简单应用（如 Node.js、Python、Go、Java 等），我强烈建议使用这种方式，但如果您需要对容器进行完全控制（例如自定义依赖、操作系统级调整、多步构建），则不建议使用。

Tips to Use Cloud Run efficiently

将应用部署到 Cloud Run 相当简单，但要让它高效运行则需要进行一些微调。我在最初使用时经历了不少试错，以下是我的经验：

1. 冷启动确实存在

尤其当您的容器镜像较大时更明显。镜像越小，服务启动越快。使用 distroless 等精简基础镜像能显著改善。如果您构建的是 Python 应用，试试官方镜像的 slim 版本。或者，如果您对成本不太敏感，可以将最小实例数设置为 1。

2. 最值得调优的变量是请求并发数

Cloud Run 允许每个实例同时处理多个请求，但默认值（每个容器 80 个请求）往往并不最优。对于 CPU 密集型任务，我发现将并发数降至 1 或 2 会顺畅得多。相反，API 通常可以承受更高的并发。并发数越高，所需的实例数量就越少，因而成本也越低，所以务必多做实验，找出您的应用的最佳平衡点。

3. 一定要设置实例上限！

当有人（比如我）做压测并发起一堆请求时，这非常有用。我已经踩过这个坑了，您就别再踩了。请务必设置最大实例数。

4. 确保只有合适的人能访问您的实例

默认情况下，任何拥有 URL 的人都可以访问 Cloud Run 服务，这对于快速演示很棒，但对于生产环境则未必合适。如果您的应用不该公开访问，请使用 IAM 权限进行加固。

5. Cloud Logging 和 Cloud Trace 会成为您的好伙伴

如果您习惯通过 SSH 登录虚拟机来调试问题，那这次可能会失望。Cloud Run 的日志会直接流向 Google Cloud 控制台，您可以在那儿查看一切。请确保为应用添加结构化日志，这会让排障变得容易得多。

Cloud Run Use Cases

我们已经谈到过一些 Cloud Run 的使用场景，比如运行 Web 应用、API 或定时任务，但显然还有更多。

视频与图像分析

您可以部署图像识别模型，为社交媒体平台实时处理上传的图片，或在视频上传时进行转码。当内容走红、需求激增时，Cloud Run 能通过自动扩缩应对峰值；而在需求较低时，仍能确保成本效率。

来源：Google Cloud

实时流处理

想象您在构建一个监控在线市场用户行为的系统。通过处理来自 Pub/Sub 或 BigQuery 的事件流，您可以基于用户行为即时触发操作，如发送推送通知或实时分析趋势。Cloud Run 会在高峰期自动扩容以处理传入事件，在流量减少时缩容。

来源：Google Cloud

实时文件处理

一个场景是在大型企业中进行实时日志文件分析。每当日志文件上传到 Cloud Storage，Cloud Run 就会触发一个容器来解析文件、运行分析并存储结果，同时还能根据文件大小和处理任务的复杂度动态扩缩。

来源：Google Cloud

无服务器 IoT 后端

Cloud Run 非常适合处理 IoT 应用的后端服务。例如，在一个从数千个传感器采集环境数据的 IoT 方案中，Cloud Run 可以实时处理来自各设备的输入数据。

来源：Google Cloud

Google Cloud Run 定价 

Cloud Run 采用按需付费模式，这意味着只有在应用实际运行时消耗的计算资源才会计费。当您的应用未处理请求时，它可以缩容至 0，从而避免不必要的成本。

定价拆解

截至 2025 年 3 月，Cloud Run 的收费主要基于两个因素：

上述定价适用于基于实例的计费，但在基于请求的计费下工作方式有所不同。不同区域的价格与免费额度也略有差异，请查阅Google Cloud 官方页面获取准确数字。页面还提供价格计算器帮助您核算成本，并提供承诺使用折扣。

小提示：与同一区域内的其他 Google Cloud 服务之间的流量是免费的，因此在进行数据交换时，尽量使用 Cloud Storage、Cloud SQL 或 Pub/Sub，而非外部服务。

Cloud Run 与 Cloud Run Functions 的比较 

Google 提供两种无服务器计算选项：Cloud Run 和 Cloud Run Functions（此前称为 Cloud Functions）。两者都能让您在无需管理基础设施的情况下运行代码，但还是略有不同。

• ✅ 您需要对运行时和依赖进行完全控制。
• ✅ 您在运行处理持续请求的 Web 服务、API 或微服务。
• ✅ 您希望以最小改动部署现有的容器化应用。
• ✅ 您需要后台处理或长时间运行的任务（如 AI 推理、批处理作业）。

何时使用 Cloud Run Functions

• ✅ 您需要简单的事件驱动函数，可在 Pub/Sub 消息或 Cloud Storage 上传等事件上触发。
• ✅ 您在处理短时操作，如发送通知、处理小型任务或进行数据转换。
• ✅ 您不想管理容器，更偏好为 JavaScript、Python、Go 等提供的预构建运行时。

两者并不一定非此即彼，您也可以组合使用！例如，您的 Cloud Run 后端可以触发 Cloud Run Functions 来异步处理发送邮件或图像处理等特定任务。

与其他 Google Cloud 服务的比较

我们已经对 Cloud Run 与 Cloud Run Functions 做了相当深入的比较，但还有另外两个值得一提的 Google Cloud 服务：GKE 和 App Engine。

Conclusion

现在您已经全面了解 Cloud Run，不妨尝试启动您的第一个实例，或查看其他 Google Cloud 服务，找到最适合您的控制与自动化程度！