✅ 🌈 nous utilisons un conteneur et image 𝐃𝐨𝐜𝐤𝐞𝐫 🐳, contenant l’application et le module Python ✅ 🌈 Nous créons un cron job en 𝐒𝐞𝐫𝐯𝐞𝐫𝐥𝐞𝐬𝐬 avec 𝐂𝐥𝐨𝐮𝐝 𝐒𝐜𝐡𝐞𝐝𝐮𝐥𝐞𝐫 (le scheduler exécute le job) ✅ 🌈 Nous créons le 𝐂𝐥𝐨𝐮𝐝 𝐑𝐮𝐧 𝐣𝐨𝐛
👉🏻 🌬 Voici les détails de ce use case 𝐫𝐞𝐚𝐥 𝐰𝐨𝐫𝐥𝐝 : ✅ 🌈 Données de Football utilisées ⚽ ✅ 🌈 Nous utilisons un module Python et de la logique séparée dans différents fichiers (𝐬𝐞𝐩𝐚𝐫𝐚𝐭𝐢𝐨𝐧 𝐨𝐟 𝐜𝐨𝐧𝐜𝐞𝐫𝐧)
💬 💫 A 𝐣𝐨𝐛 est un programme standard (Python dans ce cas), sans la nécessité d’être exposé par un serveur HTTP. De plus un job est plus adapté pour les traitements longs (long-running jobs), et peut durer jusqu’à 24h.
💬 💫 Un service Cloud Run est limité à une heure, et doit être exposé via un Web Server dans un conteneur et invoqué par une requête HTTP. Un job Cloud Run lui peut durer jusqu’à 24 heures.
☄ ⭐ je partage ma dernière vidéo 📺 📽 en FR 🇫🇷 qui montre comment déployer un module #Python#job#CloudRun#Serverless#GoogleCloudyoutu.be/3pkuYxEiHC4
Cette vidéo montre comment écrire un module Python et le déployer en Serverless dans un job Cloud Run. Pour un Cloud Run job, il n'est pas nécessaire d'avoir un Web Server pour exposer notre application, comme c'est le cas pour Cloud Run services. Il suffit de développer une application Python standard. Les Cloud Run jobs peuvent aussi être adaptés pour les jobs longue durée et peuvent aller jusqu'à 24h. Dans cette vidéo, nous créons un scheduler qui exécute le Cloud Run job. Le déploiement est fait avec gcloud et Terraform. #googlecloud #cloudrun #job #serverless #python #module ▸ Github : https://github.com/tosun-si/teams-league-cloudrun-job ▸ Slides : https://docs.google.com/presentation/d/1dUCiSHEOghgk6jWe3IJfrkzUpY4ObyAv/edit?usp=sharing&ouid=107222582194830665741&rtpof=true&sd=true ▸ LinkedIn : https://www.linkedin.com/posts/mazlum-tosun-900b1812_cloud-run-job-with-a-python-module-activity-7221031243679756288-tPA5?utm_source=share&utm_medium=member_desktop ▸ Twitter : https://x.com/MazlumTosun3/status/1815268972628938927 Abonnez vous à la chaîne YouTube et cliquez sur la cloche 🔔 pour avoir des notifs sur les prochaines vidéos. 📲 Suivez moi sur réseaux sociaux : ▸ Articles : https://medium.com/@mazlum.tosun ▸ X : https://twitter.com/MazlumTosun3 ▸ LinkedIn : https://www.linkedin.com/in/mazlum-tosun-900b1812/ ▸ WhatsApp : https://whatsapp.com/channel/0029VaCjGlrId7nGBZZPJQ1z
It's really simple to launch the tests locally: - Install the Python package from PyPi - Execute the tests with the CLI provided by BigTesty pypi.org/project/bigt...
I share the link 🔗 to the project documentation 📑: tosun-si.github.io/bigtesty/doc...
I share the link 🔗 to the GitHub repository github.com/tosun-si/big...#BigQuery and @googlecloud Feedback and contributions are welcome. Feel free to add a star ⭐️ to give more visibility for the project
BigTesty is a framework that allows to create Integration Tests with BigQuery on a real and short lived Infrastructure. - tosun-si/bigtesty
I share also the video in French 📹🇫🇷: BigTesty : librairie de Tests d'Integration pour BigQuery youtu.be/nDJw-Lr1c4Q
J'ai créé une librairie open source appelée BigTesty et cette vidéo présente cette librairie. BigTesty est un framework de tests d'intégration pour BigQuery, les tests sont isolés et exécutés dans le moteur de BigQuery. L'infra est éphémère par défaut, mais nous pouvons garder les datasets et tables utilisées dans les tests, pour permettre aux développeurs/utilisateurs d'analyser les résultats dans BigQuery. Liens : - GitHub repository : https://github.com/tosun-si/bigtesty - Documentation du projet : https://tosun-si.github.io/bigtesty/docs/intro/ Ajoutez une GitHub star au projet pour rendre la librairie populaire et soutenir le travail qu'on fait pour la communauté Google Cloud. #GoogleCloud #BigQuery #Testing
✅ BigTesty proposes a 𝐏𝐲𝐭𝐡𝐨𝐧 𝐩𝐚𝐜𝐤𝐚𝐠𝐞 in PyPi and 𝐃𝐨𝐜𝐤𝐞𝐫 𝐢𝐦𝐚𝐠𝐞 🐳 in Docker Hub: so, users can easily use the library locally and from existing CI tools like Cloud Build, GitHub Actions and Gitlab CI.