Cloud Run
- Le build construit l'image du service et la pousse dans Artifact Registry.
- Le déploiement crée une révision immuable à partir de l'image, épinglée par son digest.
- Les requêtes HTTPS arrivent sur le domaine personnalisé porté par le load balancer.
- Cloud Run répartit ensuite les requêtes entre les révisions selon les pourcentages de trafic configurés.
- Cloud Scheduler déclenche à heure fixe l'exécution d'un job, qui tourne jusqu'au bout puis s'arrête.
- Le service atteint la base par son adresse IP privée, par sortie VPC directe.
Ce que c'est
Plateforme d'exécution de conteneurs sans serveur à administrer : on fournit une image (ou un simple répertoire de code source, que Google construit avec les buildpacks), Cloud Run s'occupe du reste — mise à l'échelle, certificat TLS, journaux, identité.
- Quatre formes de ressources. Un service répond à des requêtes HTTP sur un point d'entrée HTTPS stable. Un job exécute un travail qui se termine, lancé à la main, par un planificateur ou depuis un workflow ; un job tableau démarre plusieurs tâches indépendantes en parallèle. Un worker pool traite en continu des charges sans requête entrante, typiquement la consommation d'une file (Pub/Sub, Kafka, RabbitMQ) ; il ne s'ajuste pas tout seul, sauf par l'autoscaling sur métriques externes. Une instance préversion est un processus unique, adressable individuellement et durable, pour un agent ou un environnement de développement.
- Fonctions. Les Cloud Run functions sont l'ancien produit Cloud Functions : une fonction est aujourd'hui un service Cloud Run déployé depuis le code source, avec un déclencheur HTTP ou CloudEvents. Elles héritent de tout le reste : jusqu'à 1 000 requêtes simultanées par instance, 60 minutes de délai, GPU, montages de volumes, répartition du trafic. La 1re génération, pilotée par l'API Cloud Functions v1, reste à part et n'accepte qu'une requête par instance.
- Révisions et trafic. Chaque déploiement ou changement de configuration crée une révision immuable. Le trafic se répartit entre révisions par pourcentages : déploiement progressif (1 %, puis davantage), retour arrière instantané, et tags de révision qui donnent une URL dédiée pour tester une révision sans trafic. Une révision qui ne reçoit rien ne coûte rien ; au-delà de 1 000 révisions, les plus anciennes sont supprimées.
- Mise à l'échelle. L'autoscaler vise 60 % d'utilisation du processeur et de la concurrence, en moyennant sur 1 et 10 minutes. Par défaut une révision descend à zéro instance et monte jusqu'à 100 ; on relève le plafond, on fixe des instances minimales pour garder des instances chaudes, ou on passe en mise à l'échelle manuelle à nombre d'instances fixe. Il n'y a pas de mise à l'échelle sur la mémoire.
- Concurrence. Une instance traite plusieurs requêtes à la fois : le maximum vaut 80 par vCPU au déploiement par
gcloudou Terraform, 80 depuis la console, et plafonne à 1 000. Abaisser ce nombre multiplie les instances et le coût ;--concurrency=1convient à un code qui ne supporte pas le parallélisme. - Ressources et durée. Jusqu'à 8 vCPU et 32 Gio de mémoire par instance, délai de requête configurable jusqu'à 60 minutes (5 minutes par défaut). Le système de fichiers est un calque en mémoire, perdu à l'arrêt : persister passe par Cloud Storage, un montage NFS, ou un signal
SIGTERMcapté pour vider les tampons. - GPU. Une carte NVIDIA L4 (24 Gio de VRAM) ou RTX PRO 6000 Blackwell (96 Gio), un GPU au maximum par instance, pilotes déjà installés, démarrage en 5 secondes environ, dans un petit nombre de régions. La facturation à l'instance est obligatoire ; la redondance zonale, active par défaut, réserve de la capacité GPU dans plusieurs zones de la région, à un tarif plus élevé.
- Réseau. En entrée, le service est public, restreint au trafic interne au VPC, ou placé derrière un load balancer interne ou externe ; Identity-Aware Proxy peut n'admettre que des utilisateurs authentifiés. En sortie, la sortie VPC directe est la méthode recommandée pour atteindre des adresses privées : pas de VM à maintenir, étiquettes réseau par révision, latence plus basse que les connecteurs d'accès VPC sans serveur déconseillé , qui imposent des VM de connexion à dimensionner, et facturation limitée au trafic.
- Identité et appel. Chaque révision tourne sous un compte de service, que les bibliothèques clientes utilisent pour s'authentifier auprès des APIs Google Cloud. Côté appelant, le rôle Cloud Run Invoker (
roles/run.invoker) autorise l'invocation ; il est vérifié par défaut, et rendre un service public consiste à désactiver ce contrôle plutôt qu'à accorder le rôle àallUsers. - Facturation au vCPU-seconde et au Gio-seconde, arrondie à 100 ms. En facturation à la requête, une instance qui ne traite rien n'est pas facturée mais chaque requête l'est ; en facturation à l'instance, on paie toute la durée de vie de l'instance, sans frais par requête. Le palier gratuit mensuel couvre 180 000 vCPU-secondes, 360 000 Gio-secondes et 2 millions de requêtes.
La concurrence est le premier levier de coût d'un service Cloud Run : passer de 1 à 80 requêtes simultanées divise le nombre d'instances par autant, à condition que le code soit réellement parallélisable.
À quoi ça sert
- Sites, applications web et APIs HTTP ou gRPC, y compris derrière un domaine propre et un CDN.
- Microservices privés qui s'appellent entre eux par jeton d'identité, sans exposition publique.
- Traitement d'événements : abonnements push Pub/Sub, événements Eventarc, déclencheurs Cloud Storage.
- Travaux ponctuels ou planifiés avec les jobs : migrations de schéma, traitement en parallèle de tous les fichiers d'un bucket, inférence par lots.
- Inférence de modèles d'IA sur GPU, avec descente à zéro entre deux vagues de trafic.
À éviter quand l'application a besoin d'un état local durable, de ports autres que HTTP, ou d'un contrôle fin sur les machines : préférer Compute Engine pour une VM, GKE dès qu'il faut des charges avec état, des opérateurs Kubernetes ou une topologie réseau particulière. À éviter aussi pour un travail continu qui ne descend jamais à zéro et monopolise plusieurs vCPU en permanence : un groupe d'instances géré ou un pool de nœuds revient moins cher à l'heure.
Alternatives en logiciel libre
- Knative : le projet dont Cloud Run reprend le modèle — service, révision, répartition du trafic, descente à zéro — au-dessus de Kubernetes ; l'équivalent le plus direct.
- Fission : plateforme de fonctions sur Kubernetes, pour la partie Cloud Run functions.
- Dokku et CapRover : hébergement d'applications par
git pushsur une seule machine, pour des besoins plus modestes. - Cloud Native Buildpacks : la brique qui transforme un répertoire de code source en image, utilisable indépendamment.
- KEDA : mise à l'échelle sur événements (longueur de file Kafka, Pub/Sub, RabbitMQ), l'équivalent de l'autoscaling des worker pools.
Documentation
- Page produit
- Documentation
- Vue d'ensemble
- Modèle de ressources
- Contrat d'exécution du conteneur
- Mise à l'échelle automatique
- Requêtes simultanées
- Déploiements progressifs et retours arrière
- GPU
- Sortie VPC directe
- Contrôle d'accès
- Fonctions
- API REST
- Commandes gcloud
- Client Python
- Quotas et limites
- Tarifs
- Notes de version