在本實驗中，您將實作如何：

• 建置 JIT 和 Native 的 Spring Boot 應用程式
• 比較兩種版本在映像檔大小、啟動時間和系統資源使用上的差異
• 將應用程式部署到 Google Cloud Run
• 整合 Google Cloud Vision API、Cloud Storage 和 Firestore
• 使用 Eventarc 建立事件驅動架構

架構圖

應用程式流程：

1. 使用者上傳圖片到 Cloud Storage
2. Cloud Storage 觸發 Eventarc 事件
3. Eventarc 呼叫 Cloud Run 服務
4. Cloud Run 服務使用 Vision API 分析圖片
5. 分析結果儲存到 Firestore

1. Google Cloud Project 設定

在開始之前，您需要：

1. 擁有一個 Google Cloud 專案
2. 啟用計費功能
3. 具備專案的 Owner 或 Editor 權限

2. 建立 Compute Engine VM

建立一台 VM 來執行本 Workshop 的建置工作：

建議規格：

• 地區：asia-east1 (台灣)
• 區域：any
• 作業系統：Ubuntu 24.04 LTS x86/64
• 機器類型：e2-standard-4 (4 vCPUs, 16 GB Memory)
• 開機磁碟大小：100 GB (Balanced persistent disk)

透過 Console 建立 VM：

1. 前往 Compute Engine > VM 執行個體
2. 點擊「建立執行個體」
3. 設定以下參數：
   • 名稱：spring-native-workshop-vm（或您喜歡的名稱）
   • 地區：asia-east1 (台灣)
   • 區域：any
   • 機器類型：e2-standard-4 (4 vCPUs, 16 GB Memory)
   • 開機磁碟：
     • 作業系統：Ubuntu
     • 版本：Ubuntu 24.04 LTS x86/64
     • 大小：100 GB
4. 其他皆使用預設值
5. 點擊「建立」

連線到 VM：

• 點擊 ssh，接著就可以看到連線畫面操作 VM，如下圖：

注意：Native Image 編譯需要較多記憶體，建議至少使用 16 GB 記憶體的機器類型。

3. 環境設定

連線到 VM 後，先切換到 root 權限，然後安裝以下工具（可使用 Lab/env/setup.sh 腳本自動安裝）：

• Docker
• build-essential (gcc, g++, make)
• SDKMAN
• GraalVM Java 17
• Maven

快速安裝：

# 切換到 root 權限，讓後續操作都以 root 身份執行
sudo -i

# Clone workshop repository (如果您的專案在 GitHub)
git clone https://github.com/mcgcrtt/KubeSummit-2025-by-iThome.git
cd Lab

# 執行安裝腳本
chmod +x ./env/setup.sh
./env/setup.sh

或手動安裝每個工具（請參考 Lab/env/setup.sh 腳本內容）。

4. 驗證 Java 環境

確認使用的是 GraalVM 而非 OpenJDK：

# 載入 SDKMAN 環境
. $HOME/.sdkman/bin/sdkman-init.sh

# 檢查當前 Java 版本
sdk current java

# 驗證 JAVA_HOME
echo $JAVA_HOME

1. 登入 Google Cloud

# 登入 Google Cloud
gcloud auth login

# 設定應用程式預設憑證 (ADC)
gcloud auth application-default login

2. 設定專案環境變數

# 設定專案 ID
export PROJECT_ID=$(gcloud config get-value project)
export PROJECT_NUMBER=$(gcloud projects describe $PROJECT_ID --format='value(projectNumber)')

# 設定 Bucket 名稱 (後續需要建立 GCS Bucket)
export BUCKET_PICTURES=uploaded-pictures-${PROJECT_ID}

# 設定 gcloud 預設值
gcloud config set project ${PROJECT_ID}
gcloud config set run/platform managed
gcloud config set eventarc/location asia-east1

3. 啟用所需的 Google Cloud API

# 啟用 Vision API (圖片分析)、Cloud Functions API、Cloud Build API、Cloud Run API、Artifact Registry API、Eventarc API、Pub/Sub API (Eventarc 需要)
gcloud services enable \
    vision.googleapis.com \
    cloudfunctions.googleapis.com \
    cloudbuild.googleapis.com \
    run.googleapis.com \
    artifactregistry.googleapis.com \
    eventarc.googleapis.com \
    pubsub.googleapis.com \
    firestore.googleapis.com

4. 建立 Artifact Registry Repository

• 使用 gcloud CLI 或者從 GCP Console 建立：

# 建立 JIT 版本的 Docker Repository
gcloud artifacts repositories create jit-image-docker-repo \
  --repository-format=docker \
  --location=asia-east1 \
  --description="JIT version Docker images"

# 建立 Native 版本的 Docker Repository
gcloud artifacts repositories create native-image-docker-repo \
  --repository-format=docker \
  --location=asia-east1 \
  --description="Native version Docker images"

1. 建立 Storage Bucket

• 使用 gcloud CLI 或者從 GCP Console 建立，用於儲存上傳圖片的 GCS Bucket：

# 建立 Bucket (位於亞洲區域)
gsutil mb -l asia-east1 gs://${BUCKET_PICTURES}

# 啟用統一的 Bucket 層級存取控制
gsutil uniformbucketlevelaccess set on gs://${BUCKET_PICTURES}

# 設定公開讀取權限
gsutil iam ch allUsers:objectViewer gs://${BUCKET_PICTURES}

2. 設定 Storage 服務帳戶權限

為了讓 Cloud Storage 能夠發送 Pub/Sub 事件，需要授予服務帳戶 pubsub.publisher 權限：

# 取得 Cloud Storage 服務帳戶
SERVICE_ACCOUNT="$(gsutil kms serviceaccount -p ${PROJECT_ID})"

# 授予 pubsub.publisher 角色
gcloud projects add-iam-policy-binding ${PROJECT_ID} \
    --member="serviceAccount:${SERVICE_ACCOUNT}" \
    --role='roles/pubsub.publisher'

1. 透過 Console 建立 Firestore

1. 前往 Google Cloud Console - Firestore
2. 點擊「建立資料庫」
3. 選擇 Standard Edition
4. 選擇 Firestore Native
5. 選擇區域（建議選擇靠近 GCS Bucket 所在區域，前面是選擇亞洲，因此這邊選擇：asia-east1）
6. 點擊「建立」

2. 建立 Collection

在 Firestore Console 中：

1. 點擊「Start Collection」
2. Collection ID 輸入：pictures
3. 新增一個測試文件（建立完成會由應用程式自動寫入）
4. 將測試文件刪除

3. 建立複合索引

# 建立用於查詢的複合索引
gcloud firestore indexes composite create \
  --collection-group=pictures \
  --field-config field-path=thumbnail,order=descending \
  --field-config field-path=created,order=descending

注意：索引建立可能需要數分鐘時間。

1. 查看 Maven 依賴配置 (pom.xml)

首先，我們來看看如何在 pom.xml 使用 BOM 中啟用 Java 用戶端程式庫。

開啟 pom.xml 檔案，其中列出 Java 應用程式的依附元件。著重於 Vision、Cloud Storage 和 Firestore API 的用法：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
        xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
        <modelVersion>4.0.0</modelVersion>
    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>3.2.0-M3</version>
        <relativePath/> <!-- lookup parent from repository -->
    </parent>
    <groupId>services</groupId>
        <artifactId>image-analysis</artifactId>
        <version>0.0.1</version>
        <name>image-analysis</name>
        <description>Spring App for Image Analysis</description>
    <properties>
        <java.version>17</java.version>
        <maven.compiler.target>17</maven.compiler.target>
        <maven.compiler.source>17</maven.compiler.source>
        <spring-cloud.version>2023.0.0-M2</spring-cloud.version>
        <testcontainers.version>1.19.1</testcontainers.version>
    </properties>
...
  <dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>com.google.cloud</groupId>
            <artifactId>libraries-bom</artifactId>
            <version>26.24.0</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
  </dependencyManagement>
—
    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
                <dependency>
                        <groupId>org.springframework.cloud</groupId>
                        <artifactId>spring-cloud-function-web</artifactId>
                </dependency>
        <dependency>
            <groupId>com.google.cloud.functions</groupId>
            <artifactId>functions-framework-api</artifactId>
            <version>1.1.0</version>
            <type>jar</type>
        </dependency>
        <dependency>
            <groupId>com.google.cloud</groupId>
            <artifactId>google-cloud-firestore</artifactId>
        </dependency>
        <dependency>
            <groupId>com.google.cloud</groupId>
            <artifactId>google-cloud-vision</artifactId>
        </dependency>
        <dependency>
            <groupId>com.google.cloud</groupId>
            <artifactId>google-cloud-storage</artifactId>
        </dependency>

注意事項：可以在 API 程式庫 中找到 Java 用戶端程式庫的相關資訊

2. EventController - 接收 Cloud Storage 事件

這項功能是在 EventController.java 類別中實作。每當有新圖片上傳至值區時，服務都會收到通知，以便處理：

@RestController
public class EventController {
  private static final Logger logger = LoggerFactory.getLogger(EventController.class);

  private static final List<String> requiredFields = Arrays.asList("ce-id", "ce-source", "ce-type", "ce-specversion");

  @RequestMapping(value = "/", method = RequestMethod.POST)
  public ResponseEntity<String> receiveMessage(
    @RequestBody Map<String, Object> body, @RequestHeader Map<String, String> headers) throws IOException, InterruptedException, ExecutionException {
...
}

3. 驗證 Cloud Events 標頭

程式碼會繼續驗證 Cloud Events 標頭：

System.out.println("Header elements");
for (String field : requiredFields) {
    if (headers.get(field) == null) {
    String msg = String.format("Missing expected header: %s.", field);
    System.out.println(msg);
    return new ResponseEntity<String>(msg, HttpStatus.BAD_REQUEST);
    } else {
    System.out.println(field + " : " + headers.get(field));
    }
}

System.out.println("Body elements");
for (String bodyField : body.keySet()) {
    System.out.println(bodyField + " : " + body.get(bodyField));
}

if (headers.get("ce-subject") == null) {
    String msg = "Missing expected header: ce-subject.";
    System.out.println(msg);
    return new ResponseEntity<String>(msg, HttpStatus.BAD_REQUEST);
}

參考完整程式碼：EventController.java

4. 呼叫 Vision API 進行圖片分析

現在可以建立 Requests，程式碼會準備一項要求並傳送至 Vision API：

try (ImageAnnotatorClient vision = ImageAnnotatorClient.create()) {
    List<AnnotateImageRequest> requests = new ArrayList<>();

    ImageSource imageSource = ImageSource.newBuilder()
        .setGcsImageUri("gs://" + bucketName + "/" + fileName)
        .build();

    Image image = Image.newBuilder()
        .setSource(imageSource)
        .build();

    Feature featureLabel = Feature.newBuilder()
        .setType(Type.LABEL_DETECTION)
        .build();
    Feature featureImageProps = Feature.newBuilder()
        .setType(Type.IMAGE_PROPERTIES)
        .build();
    Feature featureSafeSearch = Feature.newBuilder()
        .setType(Type.SAFE_SEARCH_DETECTION)
        .build();

    AnnotateImageRequest request = AnnotateImageRequest.newBuilder()
        .addFeatures(featureLabel)
        .addFeatures(featureImageProps)
        .addFeatures(featureSafeSearch)
        .setImage(image)
        .build();

    requests.add(request);

參考完整程式碼：EventController.java

我們要求提供 Vision API 的 3 項主要功能：

• 標籤偵測：瞭解相片內容
• 圖片屬性：為相片提供有趣的屬性 (我們有意瞭解相片的主要顏色)
• 安全搜尋：瞭解圖片是否安全 (不得包含成人 / 醫療 / 兒童不宜 / 暴力內容)

5. 執行 Vision API 分析

此時，我們可以呼叫 Vision API：

...
logger.info("Calling the Vision API...");
BatchAnnotateImagesResponse result = vision.batchAnnotateImages(requests);
List<AnnotateImageResponse> responses = result.getResponsesList();
...

參考完整程式碼：EventController.java

以下是 Vision API 的回應範例：

{
  "faceAnnotations": [],
  "landmarkAnnotations": [],
  "logoAnnotations": [],
  "labelAnnotations": [
    {
      "locations": [],
      "properties": [],
      "mid": "/m/01yrx",
      "locale": "",
      "description": "Cat",
      "score": 0.9959855675697327,
      "confidence": 0,
      "topicality": 0.9959855675697327,
      "boundingPoly": null
    },
    ✄ - - - ✄
  ],
  "textAnnotations": [],
  "localizedObjectAnnotations": [],
  "safeSearchAnnotation": {
    "adult": "VERY_UNLIKELY",
    "spoof": "UNLIKELY",
    "medical": "VERY_UNLIKELY",
    "violence": "VERY_UNLIKELY",
    "racy": "VERY_UNLIKELY",
    "adultConfidence": 0,
    "spoofConfidence": 0,
    "medicalConfidence": 0,
    "violenceConfidence": 0,
    "racyConfidence": 0,
    "nsfwConfidence": 0
  },
  "imagePropertiesAnnotation": {
    "dominantColors": {
      "colors": [
        {
          "color": {
            "red": 203,
            "green": 201,
            "blue": 201,
            "alpha": null
          },
          "score": 0.4175916016101837,
          "pixelFraction": 0.44456374645233154
        },
        ✄ - - - ✄
      ]
    }
  },
  "error": null,
  "cropHintsAnnotation": {
    "cropHints": [
      {
        "boundingPoly": {
          "vertices": [
            { "x": 0, "y": 118 },
            { "x": 1177, "y": 118 },
            { "x": 1177, "y": 783 },
            { "x": 0, "y": 783 }
          ],
          "normalizedVertices": []
        },
        "confidence": 0.41695669293403625,
        "importanceFraction": 1
      }
    ]
  },
  "fullTextAnnotation": null,
  "webDetection": null,
  "productSearchResults": null,
  "context": null
}

6. 處理 Vision API 回應

如果沒有傳回任何錯誤，可以繼續：

if (responses.size() == 0) {
    logger.info("No response received from Vision API.");
    return new ResponseEntity<String>(msg, HttpStatus.BAD_REQUEST);
}

AnnotateImageResponse response = responses.get(0);
if (response.hasError()) {
    logger.info("Error: " + response.getError().getMessage());
    return new ResponseEntity<String>(msg, HttpStatus.BAD_REQUEST);
}

參考完整程式碼：EventController.java

7. 取得圖片標籤

取得在圖片中認出的內容、類別或主題標籤：

List<String> labels = response.getLabelAnnotationsList().stream()
    .map(annotation -> annotation.getDescription())
    .collect(Collectors.toList());
logger.info("Annotations found:");
for (String label: labels) {
    logger.info("- " + label);
}

參考完整程式碼：EventController.java

8. 取得圖片主要顏色

瞭解圖片的主要顏色：

String mainColor = "#FFFFFF";
ImageProperties imgProps = response.getImagePropertiesAnnotation();
if (imgProps.hasDominantColors()) {
    DominantColorsAnnotation colorsAnn = imgProps.getDominantColors();
    ColorInfo colorInfo = colorsAnn.getColors(0);

    mainColor = rgbHex(
        colorInfo.getColor().getRed(),
        colorInfo.getColor().getGreen(),
        colorInfo.getColor().getBlue());

    logger.info("Color: " + mainColor);
}

參考完整程式碼：EventController.java

9. 檢查圖片安全性

檢查圖片是否能安全顯示：

boolean isSafe = false;
if (response.hasSafeSearchAnnotation()) {
    SafeSearchAnnotation safeSearch = response.getSafeSearchAnnotation();

    isSafe = Stream.of(
        safeSearch.getAdult(), safeSearch.getMedical(), safeSearch.getRacy(),
        safeSearch.getSpoof(), safeSearch.getViolence())
    .allMatch( likelihood ->
        likelihood != Likelihood.LIKELY && likelihood != Likelihood.VERY_LIKELY
    );

    logger.info("Safe? " + isSafe);
}

參考完整程式碼：EventController.java

檢查成人 / 假冒 / 醫療 / 暴力 / 兒童不宜的特徵。

10. 儲存結果到 Firestore

如果安全搜尋的結果沒有問題，我們可以將 Metadata 儲存在 Firestore 中：

// Saving result to Firestore
if (isSafe) {
          ApiFuture<WriteResult> writeResult =
               eventService.storeImage(fileName, labels,
                                       mainColor);
          logger.info("Picture metadata saved in Firestore at " +
               writeResult.get().getUpdateTime());
}

參考完整程式碼：EventController.java

11. EventService - 儲存圖片資料

EventService.java 負責將圖片分析結果儲存到 Firestore：

public ApiFuture<WriteResult> storeImage(String fileName,
                                         List<String> labels,
                                         String mainColor) {
  FirestoreOptions firestoreOptions = FirestoreOptions.getDefaultInstance();
  Firestore pictureStore = firestoreOptions.getService();

  DocumentReference doc = pictureStore.collection("pictures").document(fileName);

  Map<String, Object> data = new HashMap<>();
  data.put("labels", labels);
  data.put("color", mainColor);
  data.put("created", new Date());

  return doc.set(data, SetOptions.merge());
}

參考完整程式碼：EventService.java

0. 確認工作目錄

重要提醒：前面在 GCP Console 建立 Firestore 等操作時，可能會導致 VM 的 SSH 連線逾時中斷。重新連線後，請務必確認您目前的工作目錄是否正確。

執行以下指令確認並切換到正確的目錄：

# 確認當前目錄
pwd

# 如果不在 Lab 目錄，請切換到正確路徑
cd ~/spring-native-workshop/Lab

1. 建置 & 本地執行 JIT 應用程式

# 使用 Maven Wrapper 建置專案
./mvnw package -Pjit

建置完成後，會在 target/ 目錄下產生 JAR 檔案：image-analysis-0.0.1.jar

# 啟動應用程式
java -jar ./target/image-analysis-0.0.1.jar

2. 建置 & Docker 執行 JIT Docker 映像檔

# 使用 jit profile 建置 Docker 映像檔
./mvnw spring-boot:build-image -Pjit

這個指令會：

• 使用 Cloud Native Buildpacks
• 建立最佳化的分層映像檔
• 映像檔名稱：image-analysis-maven-jit

# 啟動應用程式
docker run --rm image-analysis-maven-jit:latest 

0. 確認工作目錄

重要提醒：前面在 GCP Console 建立 Firestore 等操作時，可能會導致 VM 的 SSH 連線逾時中斷。重新連線後，請務必確認您目前的工作目錄是否正確。

執行以下指令確認並切換到正確的目錄：

# 確認當前目錄
pwd

# 如果不在 Lab 目錄，請切換到正確路徑
cd ~/spring-native-workshop/Lab

1. 建置 & 本地執行 Native 執行檔

# 使用 native profile 建置原生執行檔
./mvnw native:compile -Pnative

重要：Native 編譯需要較長時間，請耐心等待。

建置完成後，會在 target/ 目錄下產生原生執行檔：image-analysis

# 執行原生執行檔
./target/image-analysis

2. 建置 & Docker 執行 Native Docker 映像檔

# 使用 native profile 建置 Docker 映像檔
./mvnw spring-boot:build-image -Pnative

這個指令會：

• 使用 GraalVM Native Image
• 建立極小化的容器映像檔
• 映像檔名稱：image-analysis-maven-native

# 啟動應用程式
docker run --rm image-analysis-maven-native:latest 

1. 比較映像檔大小

# 查看兩個版本的映像檔大小
docker images | grep image-analysis

2. 比較啟動時間

測試 JIT 版本：

docker run --rm image-analysis-maven-jit

觀察啟動日誌中的時間。

測試 Native 版本：

docker run --rm image-analysis-maven-native

觀察啟動日誌中的時間。

3. 效能比較總結

1. 設定 Docker 認證

# 設定 Docker 認證
gcloud auth configure-docker asia-east1-docker.pkg.dev

2. 標記並推送 JIT 映像檔

# 標記映像檔
docker tag image-analysis-maven-jit asia-east1-docker.pkg.dev/$PROJECT_ID/jit-image-docker-repo/jit-image:v1

# 推送到 Artifact Registry
docker push asia-east1-docker.pkg.dev/$PROJECT_ID/jit-image-docker-repo/jit-image:v1

3. 部署到 Cloud Run

gcloud run deploy my-jit-service \
  --image asia-east1-docker.pkg.dev/$PROJECT_ID/jit-image-docker-repo/jit-image:v1 \
  --region asia-east1 \
  --memory 2Gi \
  --allow-unauthenticated

部署完成後，進入 GCP Console 查看 Cloud Run Console 服務。

1. 標記並推送 Native 映像檔

# 標記映像檔
docker tag image-analysis-maven-native asia-east1-docker.pkg.dev/$PROJECT_ID/native-image-docker-repo/native-image:v1

# 推送到 Artifact Registry
docker push asia-east1-docker.pkg.dev/$PROJECT_ID/native-image-docker-repo/native-image:v1

2. 部署到 Cloud Run

gcloud run deploy my-native-service \
  --image asia-east1-docker.pkg.dev/$PROJECT_ID/native-image-docker-repo/native-image:v1 \
  --region asia-east1 \
  --memory 2Gi \
  --allow-unauthenticated

部署完成後，進入 GCP Console 查看 Cloud Run Console 服務。

Eventarc 可以讓 Cloud Storage 事件自動觸發 Cloud Run 服務。

1. 建立 JIT 服務的 Eventarc Trigger

gcloud eventarc triggers create image-analysis-jit-trigger \
     --destination-run-service=my-jit-service \
     --destination-run-region=asia-east1 \
     --location=asia-east1 \
     --event-filters="type=google.cloud.storage.object.v1.finalized" \
     --event-filters="bucket=uploaded-pictures-${PROJECT_ID}" \
     --service-account=${PROJECT_NUMBER}-compute@developer.gserviceaccount.com

2. 建立 Native 服務的 Eventarc Trigger

gcloud eventarc triggers create image-analysis-native-trigger \
     --destination-run-service=my-native-service \
     --destination-run-region=asia-east1 \
     --location=asia-east1 \
     --event-filters="type=google.cloud.storage.object.v1.finalized" \
     --event-filters="bucket=uploaded-pictures-${PROJECT_ID}" \
     --service-account=${PROJECT_NUMBER}-compute@developer.gserviceaccount.com

3. 驗證 Eventarc Trigger

# 列出所有 triggers
gcloud eventarc triggers list --location=asia-east1

1. 上傳圖片到 Cloud Storage

準備一張測試圖片，然後上傳到 Cloud Storage (可以使用 gcloud CLI 或從 GCP Console 上傳)：

# 上傳圖片
gsutil cp /path/to/your/image.jpg gs://${BUCKET_PICTURES}/

# 或使用 gcloud 指令
gcloud storage cp /path/to/your/image.jpg gs://${BUCKET_PICTURES}/

2. 查看 Cloud Run 日誌

JIT Service Trigger:

Native Service Trigger:

3. 驗證 Firestore 資料

1. 前往 Firestore Console
2. 查看 pictures collection
3. 確認有新的文件包含圖片分析結果

查看 Cloud Run 指標

1. 前往 Cloud Run Console
2. 分別點選 my-jit-service 和 my-native-service
3. 查看「指標」標籤

完成實驗後，記得清理資源以避免產生費用，也可以從 GCP Console 刪除！

1. 刪除 Eventarc Triggers

gcloud eventarc triggers delete image-analysis-jit-trigger --location=asia-east1 --quiet
gcloud eventarc triggers delete image-analysis-native-trigger --location=asia-east1 --quiet

2. 刪除 Cloud Run 服務

gcloud run services delete my-jit-service --region asia-east1 --quiet
gcloud run services delete my-native-service --region asia-east1 --quiet

3. 刪除 Artifact Registry Repositories

gcloud artifacts repositories delete jit-image-docker-repo --location=asia-east1 --quiet
gcloud artifacts repositories delete native-image-docker-repo --location=asia-east1 --quiet

4. 刪除 Cloud Storage Bucket

# 刪除 Bucket 及其內容
gsutil rm -r gs://${BUCKET_PICTURES}

5. 刪除 Firestore 資料庫

注意：Firestore 資料庫需要透過 Console 手動刪除

1. 前往 Firestore Console
2. 點擊資料庫設定
3. 選擇「刪除資料庫」

6. 刪除 Compute Engine VM

完成 Workshop 後，記得刪除 VM 以避免持續產生費用。

透過 Console 刪除：

1. 前往 Compute Engine > VM 執行個體
2. 勾選您建立的 VM（例如：spring-native-workshop-vm）
3. 點擊上方的「刪除」按鈕
4. 確認刪除

透過 gcloud 指令刪除：

gcloud compute instances delete spring-native-workshop-vm \
  --zone=asia-east1-c \
  --quiet

提示：刪除 VM 時，預設會一併刪除開機磁碟。如果您想保留磁碟以便日後使用，請在刪除時取消勾選「刪除開機磁碟」選項。

JIT vs Native Image

何時使用 Native Image？

✅ 適合使用：

• Serverless 環境（Cloud Run, AWS Lambda）
• 需要快速啟動的應用
• 短期運行的任務
• 容器化微服務
• 資源受限環境

❌ 不建議使用：

• 大量使用反射的應用
• 需要動態類別載入
• 開發階段（建置時間長）
• 需要 JVM 調優的場景

恭喜完成 Spring Native Workshop！

在本實驗中，您已經：

• ✅ 建置並比較了 JIT 和 Native 版本的 Spring Boot 應用程式
• ✅ 將應用程式部署到 Google Cloud Run
• ✅ 整合了多個 Google Cloud 服務（Storage, Firestore, Vision API）
• ✅ 設定了事件驅動架構（Eventarc）
• ✅ 了解了 Spring Native 的優勢和限制
• ✅ 掌握了效能監控和最佳化技巧

關鍵收穫

1. Native Image 在 Serverless 環境中的優勢
   • 95% 的啟動時間改善
   • 50% 的記憶體節省
2. 建置工具鏈
   • Maven Wrapper 確保建置一致性
   • Cloud Native Buildpacks 簡化容器化
   • GraalVM 提供原生編譯能力
3. 雲端整合
   • Eventarc 建立事件驅動架構
   • Cloud Run 提供無伺服器執行環境
   • 多個 GCP 服務無縫整合

感謝參與本 Workshop！如有任何問題或建議，歡迎回饋。

← 返回首頁