• Home
  • Cloud
  • Terraform: Aprenda a gerenciar dependências entre recursos na GCP
Terraform: Aprenda a gerenciar dependências entre recursos na GCP
30 de janeiro de 2020 5875 Views

Terraform: Aprenda a gerenciar dependências entre recursos na GCP

Esta é o terceiro capítulo da nossa série de postagens sobre Terraform, neste post iremos falar sobre as dependências entre recursos. Caso tenha perdido o início da nossa série, recomendo fortemente visitá-los e depois retornar aqui:
Então, dando continuidade ao nosso projeto onde já vimos como alterar de forma incremental sua infraestrutura, temos que fazer ainda algumas melhorias em nossa infra atual, como por exemplo criar uma rede específica (e assim sair da rede default do Google) para o nosso projeto.

Hands On

Crie um arquivo chamado network.tf com o seguinte conteúdo abaixo:
resource "google_compute_network" "tf-network" {
  name                    = "tf-network"
  auto_create_subnetworks = true
}
Este arquivo irá criar uma nova VPC com as sub redes geradas automaticamente em todas regiões do mundo onde o Google tem presença de seus datacenters. Altere o seu arquivo instance.tf para suportar esta nova rede:
resource "google_compute_instance" "default" {
  name         = "linux-vm-1"
  machine_type = "f1-micro"
  zone         = "us-central1-a"

  boot_disk {
    initialize_params {
      image = "debian-cloud/debian-9"
    }
  }

  labels = {
    environment = "development"
    distro = "debian-9"
  }

  network_interface {
    network = google_compute_network.tf-network.self_link
  }
}
Repara na linha com network_interface onde o valor desta rede é uma “chamada” do recurso de rede criado anteriormente.
Para chamar um recurso dentro de outro recurso a sintaxe na maioria das vezes é o nome do recurso + nome deste recurso, por exemplo: google_compute_network é o recurso utilizado e tf-network é o nome deste recurso utilizado e self_link é o nome que será retornado ao criar o componente. Desta forma o Terraform saberá o nome que deve utilizar ao criar o vínculo desta dependência.
Okay, mas até o momento não fizemos praticamente nada com esta nova rede que criamos, ou seja, praticamente ela está igual a default que utilizamos anteriormente mas com um outro nome. Vamos alterar novamente o arquivo network.tf.
Faça o plano de ação para verificar o que irá acontecer com sua infraestrutura:
$ terraform plan
Esta saída abaixo é super longa, preste atenção no seu terminal onde aparecerá com uma cor possivelmente diferenciada, onde será mostrado que o recurso em questão deve ser substituído por outro recurso. Isto pode acontecer em algumas situações pois certos valores de recursos simplesmente não podem ser editados, mesmo fazendo o processo manualmente.
Refreshing Terraform state in-memory prior to plan...
The refreshed state will be used to calculate this plan, but will not be
persisted to local or remote state storage.
google_compute_instance.default: Refreshing state... [id=projects/projeto-1-265222/zones/us-central1-a/instances/linux-vm-1]

------------------------------------------------------------------------

An execution plan has been generated and is shown below.
Resource actions are indicated with the following symbols:

+ create
-/+ destroy and then create replacement

Terraform will perform the following actions:
# google_compute_instance.default must be replaced
    -/+ resource "google_compute_instance" "default" {
      can_ip_forward = false
    ~ cpu_platform = "Intel Haswell" -> (known after apply)
      deletion_protection = false
    - enable_display = false -> null 
    ~ guest_accelerator = [] -> (known after apply)
    ~ id = "projects/projeto-1-265222/zones/us-central1-a/instances/linux-vm-1" -> (known after apply) 
    ~ instance_id = "5368174570526729490" -> (known after apply)
    ~ label_fingerprint = "1eO_ZGp1K5M=" -> (known after apply)
    labels = {
      "distro" = "debian-9"
      "environment" = "development"
    }
    machine_type = "f1-micro"
    - metadata = {} -> null
    ~ metadata_fingerprint = "y3D14wyHqNs=" -> (known after apply)
    + min_cpu_platform = (known after apply)
      name = "linux-vm-1"
    ~ project = "projeto-1-265222" -> (known after apply)
    ~ self_link = "https://www.googleapis.com/compute/v1/projects/projeto-1-265222/zones/us-central1-a/instances/linux-vm-1" -> (known after apply)
    - tags = [] -> null
    ~ tags_fingerprint = "42WmSpB8rSM=" -> (known after apply)
      zone = "us-central1-a"

    ~ boot_disk {
          auto_delete = true
          ~ device_name = "persistent-disk-0" -> (known after apply)
          + disk_encryption_key_sha256 = (known after apply)
          + kms_key_self_link = (known after apply)
            mode = "READ_WRITE"
          ~ source = "https://www.googleapis.com/compute/v1/projects/projeto-1-265222/zones/us-central1-a/disks/linux-vm-1" -> (known after apply)

          ~ initialize_params {
          ~ image = "https://www.googleapis.com/compute/v1/projects/debian-cloud/global/images/debian-9-stretch-v20191210" -> "debian-cloud/debian-9"
          ~ labels = {} -> (known after apply)
          ~ size = 10 -> (known after apply)
          ~ type = "pd-standard" -> (known after apply)
       }
    }

    ~ network_interface {
        ~ name = "nic0" -> (known after apply)
        ~ network = "https://www.googleapis.com/compute/v1/projects/projeto-1-265222/global/networks/default" -> (known after apply) # forces replacement
        ~ network_ip = "10.128.0.5" -> (known after apply)
        ~ subnetwork = "https://www.googleapis.com/compute/v1/projects/projeto-1-265222/regions/us-central1/subnetworks/default" -> (known after apply)
        ~ subnetwork_project = "projeto-1-265222" -> (known after apply)
    }

    ~ scheduling {
        ~ automatic_restart = true -> (known after apply)
        ~ on_host_maintenance = "MIGRATE" -> (known after apply)
        ~ preemptible = false -> (known after apply)
     
        + node_affinities {
            + key = (known after apply)
            + operator = (known after apply)
            + values = (known after apply)
          }
       }
    }

    # google_compute_network.tf-network will be created
    + resource "google_compute_network" "tf-network" {
        + auto_create_subnetworks = true
        + delete_default_routes_on_create = false
        + gateway_ipv4 = (known after apply)
        + id = (known after apply)
        + ipv4_range = (known after apply)
        + name = "tf-network"
        + project = (known after apply)
        + routing_mode = (known after apply)
        + self_link = (known after apply)
    }

Plan: 2 to add, 0 to change, 1 to destroy.

------------------------------------------------------------------------

Note: You didn't specify an "-out" parameter to save this plan, so Terraform
can't guarantee that exactly these actions will be performed if
"terraform apply" is subsequently run.

Aqui percebemos que temos 2 recursos que devem ser adicionados e 1 recurso deve ser destruído.

Confirme a execução:

$ terraform apply -auto-approve

Com o seguinte resultado:

google_compute_instance.default: Refreshing state... [id=projects/projeto-1-265222/zones/us-central1-a/instances/linux-vm-1]
google_compute_network.tf-network: Creating...
google_compute_instance.default: Destroying... [id=projects/projeto-1-265222/zones/
......
......
......
......
google_compute_instance.default: Creating...
google_compute_instance.default: Still creating... [10s elapsed]
google_compute_instance.default: Creation complete after 10s [id=projects/projeto-1-265222/zones/us-central1-a/instances/linux-vm-1]

Apply complete! Resources: 2 added, 0 changed, 1 destroyed.

Temos uma rede criada, mas até o momento praticamente o que fizemos foi criar uma rede semelhante a rede “default” do Google, portanto colocar o valor de auto_create_subnetworks para false, assim teremos que criar uma subrede com o valor que desejamos.

Altere o arquivo network.tf para:

resource "google_compute_network" "tf-network" {
    name = "tf-network"
    auto_create_subnetworks = false
}

Isso fará com que todas as redes criadas automaticamente anteriormente sejam destruídas e no lugar iremos criar uma sub rede com IP 10.10.1.0./24.

Crie um arquivo subnetwork.tf com o seguinte conteúdo:

resource "google_compute_subnetwork" "tf-subnetwork" {
  name = "tf-subnetwork"
  region = "us-central1"
  network = google_compute_network.tf-network.self_link
  ip_cidr_range = "10.10.1.0/24"
}

E temos que agora adicionar esta nova subrede com nossa instância para que possa ser utilizada. Caso você não informe que está utilizando uma subrede, o Terraform irá avisá-lo pelo terminal que esta rede tem uma subrede e que deverá ser informada.

resource “google_compute_instance”  “default” {

name = “linux-vm-1”

machine_type = “f1-micro”

zone = “us-central1-a”

boot_disk {

initialize_params {

image = “debian-cloud/debian-9”

}

}

labels = {

environment = “development” distro = “debian-9”

}

network_interface {

network = google_compute_network.tf-network.self_link subnetwork = google_compute_subnetwork.tf-subnetwork.self_link

}

}

Execute o plano de ação: $ terraform plan

Aqui temos outra saída super longa, mas importante para verificar o que estará acontecendo com sua infraestrutura.

Refreshing Terraform state in-memory prior to plan...
The refreshed state will be used to calculate this plan, but will not be
persisted to local or remote state storage.

google_compute_network.tf-network: Refreshing state... [id=projects/projeto-1-265222/global/networks/tf-network]
google_compute_instance.default: Refreshing state... [id=projects/projeto-1-265222/zones/us-central1-a/instances/linux-vm-1]

------------------------------------------------------------------------

An execution plan has been generated and is shown below.
Resource actions are indicated with the following symbols:
  + create
  -/+ destroy and then create replacement

Terraform will perform the following actions:

  # google_compute_instance.default must be replaced
-/+ resource "google_compute_instance" "default" {
        can_ip_forward = false
      ~ cpu_platform = "Intel Haswell" -> (known after apply)
        deletion_protection = false
      - enable_display = false -> null
      ~ guest_accelerator = [] -> (known after apply)
      ~ id = "projects/projeto-1-265222/zones/us-central1-a/instances/linux-vm-1" -> (known after apply)
      ~ instance_id = "7404175307202617516" -> (known after apply)
      ~ label_fingerprint = "1eO_ZGp1K5M=" -> (known after apply)
        labels = {
          "distro" = "debian-9"
          "environment" = "development"
        }
        machine_type = "f1-micro"
      - metadata = {} -> null
      ~ metadata_fingerprint = "y3D14wyHqNs=" -> (known after apply)
      + min_cpu_platform = (known after apply)
        name = "linux-vm-1"
      ~ project = "projeto-1-265222" -> (known after apply)
      ~ self_link = "https://www.googleapis.com/compute/v1/projects/projeto-1-265222/zones/us-central1-a/instances/linux-vm-1" -> (known after apply)
      - tags = [] -> null
      ~ tags_fingerprint = "42WmSpB8rSM=" -> (known after apply)
        zone = "us-central1-a"

      ~ boot_disk {
            auto_delete = true
          ~ device_name = "persistent-disk-0" -> (known after apply)
          + disk_encryption_key_sha256 = (known after apply)
          + kms_key_self_link = (known after apply)
            mode = "READ_WRITE"
          ~ source = "https://www.googleapis.com/compute/v1/projects/projeto-1-265222/zones/us-central1-a/disks/linux-vm-1" -> (known after apply)

          ~ initialize_params {
          ~ image = "https://www.googleapis.com/compute/v1/projects/debian-cloud/global/images/debian-9-stretch-v20191210" -> "debian-cloud/debian-9"
          ~ labels = {} -> (known after apply)
          ~ size = 10 -> (known after apply)
          ~ type = "pd-standard" -> (known after apply)
      }
   }

   ~ network_interface {
       ~ name = "nic0" -> (known after apply)
       ~ network = "https://www.googleapis.com/compute/v1/projects/projeto-1-265222/global/networks/tf-network" -> (known after apply) # forces replacement
       ~ network_ip = "10.128.0.2" -> (known after apply)
       ~ subnetwork = "https://www.googleapis.com/compute/v1/projects/projeto-1-265222/regions/us-central1/subnetworks/tf-network" -> (known after apply) # forces replacement
       ~ subnetwork_project = "projeto-1-265222" -> (known after apply)
     }

   ~ scheduling {
       ~ automatic_restart = true -> (known after apply) 
       ~ on_host_maintenance = "MIGRATE" -> (known after apply)
       ~ preemptible = false -> (known after apply)

       + node_affinities {
           + key = (known after apply)
           + operator = (known after apply)
           + values = (known after apply)
         }
     }
  }

  # google_compute_network.tf-network must be replaced
-/+ resource "google_compute_network" "tf-network" {
      ~ auto_create_subnetworks = true -> false # forces replacement
        delete_default_routes_on_create = false
      + gateway_ipv4 = (known after apply)
      ~ id = "projects/projeto-1-265222/global/networks/tf-network" -> (known after apply)
      + ipv4_range = (known after apply)
        name = "tf-network"
      ~ project = "projeto-1-265222" -> (known after apply)
      ~ routing_mode = "REGIONAL" -> (known after apply)
      ~ self_link = "https://www.googleapis.com/compute/v1/projects/projeto-1-265222/global/networks/tf-network" -> (known after apply)
    }

  # google_compute_subnetwork.tf-subnetwork will be created
  + resource "google_compute_subnetwork" "tf-subnetwork" {
      + creation_timestamp = (known after apply)
      + enable_flow_logs = (known after apply)
      + fingerprint = (known after apply)
      + gateway_address = (known after apply)
      + id = (known after apply)
      + ip_cidr_range = "10.10.1.0/24"
      + name = "tf-subnetwork"
      + network = (known after apply)
      + project = (known after apply)
      + region = "us-central1"
      + secondary_ip_range = (known after apply)
      + self_link = (known after apply)
    }

Plan: 3 to add, 0 to change, 2 to destroy.

------------------------------------------------------------------------

Note: You didn't specify an "-out" parameter to save this plan, so Terraform
can't guarantee that exactly these actions will be performed if
"terraform apply" is subsequently run.

Agora temos 3 recursos que devem ser adicionados e 2 que devem ser destruídos, basicamente tudo será refeito de novo com adição apenas da nossa subrede.

Execute sua infraestrutura:

$ terraform apply -auto-approve

Com o resultado:

google_compute_network.tf-network: Refreshing state... [id=projects/projeto-1-265222/global/networks/tf-network]
google_compute_instance.default: Refreshing state... [id=projects/projeto-1-265222/zones/
......
......
......
......
......
google_compute_instance.default: Creating...
google_compute_instance.default: Still creating... [10s elapsed]
google_compute_instance.default: Creation complete after 11s [id=projects/projeto-1-265222/zones/us-central1-a/instances/linux-vm-1]

Apply complete! Resources: 3 added, 0 changed, 2 destroyed.

Para finalizar nossa sequência série sobre Terraform, em nosso próximo post vamos criar um módulo simples, mas que permitirá o gerenciamento de instâncias na GCP.

Até lá!

 

CURSOSCONSULTORIA    CONTATO

Anterior Maximize o poder do seu servidor com Hot-Plug no Linux
Próxima 4Linux lança novo curso de Gerenciamento de Cluster Kubernetes com Rancher
Tags CloudDevopsiacsreterraform
Categoria CloudDevOpsInfraestrutura TI

About author

Rafael Dutra
Rafael Dutra 6 posts

View all posts by this author →

Você pode gostar também

Atualização do Curso WildFly: Administração com Cluster de Alta Performance em ambiente DevOps da 4Linux
DevOps

Atualização do Curso WildFly: Administração com Cluster de Alta Performance em ambiente DevOps da 4Linux

O mundo das aplicações corporativas em Java está em constante evolução — e a administração do servidor WildFly também precisa acompanhar esse ritmo! Pensando nisso, a 4Linux atualizou o curso

Guia passo a passo para configurar um ReplicatSet no MongoDB
Infraestrutura TI

Guia passo a passo para configurar um ReplicatSet no MongoDB

O MongoDB é um banco com foco em escalabilidade horizontal, sendo assim ele possui um recurso chamado ReplicatSet que serve para replicar os dados em um cluster de servidores para

Acelere seus algoritmos de Machine Learning com CUDA no Linux
Desenvolvimento

Acelere seus algoritmos de Machine Learning com CUDA no Linux

Se você deseja trabalhar com algoritmos de Machine Learning, provavelmente precisará usar processamento paralelo para acelerar os resultados dos seus algoritmos. Muitos frameworks como por exemplo, o TensorFlow, já possuem