流程

1. 在 Red Hat Hybrid Cloud Console 中，点 Settings Menu > Integrations。
2. 在 Settings 页面中，在 Cloud 选项卡中点 Add integration。
3. 在 Add a cloud integration 向导中，选择 Google Cloud 作为云供应商类型，然后点 Next。
4. 输入您的集成名称。点击 Next。
5. 在 Select application 步骤中，选择 Cost management 并点 Next。

流程

1. 在 Google Cloud Console 中，点 IAM & Admin → Create a Project。
2. 在出现的新页面中输入项目名称并选择您的账单帐户。
3. 选择 Organization。
4. 在 Location 框中输入父机构。
5. 点 Create。

验证步骤

1. 进入到 Google Cloud Console Dashboard
2. 验证项目位于菜单栏中。

流程

1. 在 Google Cloud Console 中，点 IAM & Admin → Roles。
2. 从菜单栏中的下拉菜单中选择成本管理项目。
3. 单击 + Create role。
4. 为角色输入 Title、Description 和 ID。在本例中，使用 customer-data-role。
5. 单击 + ADD PERMISSIONS。

6. 使用 Enter property name 或 value 字段搜索，并为自定义角色选择这四个权限：

   • bigquery.jobs.create
   • bigquery.tables.getData
   • bigquery.tables.get
   • bigquery.tables.list
7. 单击 ADD。
8. 点 CREATE。

流程

1. 在 Google Cloud Console 中，点 IAM & Admin → IAM。
2. 从菜单栏中的下拉菜单中选择成本管理项目。
3. 单击 ADD。

4. 将您创建的 IAM 角色粘贴到 New principals 字段中：

   billing-export@red-hat-cost-management.iam.gserviceaccount.com

5. 在 Assign roles 部分中，分配您创建的 IAM 角色。在本例中，使用 customer-data-role。
6. 点 SAVE。

验证步骤

1. 导航到 IAM & Admin → IAM。
2. 验证新成员是否存在正确的角色。

流程

1. 在 Google Cloud Console 中，单击 Big Data → BigQuery。
2. 在 Explorer 面板中选择成本管理项目。
3. 单击 CREATE DATASET。
4. 在 Dataset ID 字段中输入 dataset 的名称。在本例中，使用 CustomerData。
5. 单击 CREATE DATASET。

流程

1. 在 Google Cloud Console 中，单击 Billing → Billing export。
2. 单击 Billing export 选项卡。
3. 在详细信息 使用成本 部分中点 EDIT SETTINGS。
4. 在下拉菜单中选择 成本管理项目 和计费导出 数据集。
5. 点 SAVE。

验证步骤

1. 在详细信息 使用成本 部分中，验证标有 Enabled 的复选标记，其具有正确的 项目名称和 数据集名称。

流程

1. 在 Red Hat Hybrid Cloud Console 中，点 Settings Menu > Integrations。
2. 在 Settings 页面中，在 Cloud 选项卡中点 Add integration。
3. 在 Add a cloud integration 向导中，选择 Google Cloud 作为云供应商类型，然后点 Next。
4. 输入您的集成名称。点击 Next。
5. 在 Select application 步骤中，选择 Cost management 并点 Next。

流程

1. 在 Google Cloud Console 中，点 IAM & Admin → Create a Project。
2. 在出现的新页面中输入项目名称并选择您的账单帐户。
3. 选择 Organization。
4. 在 Location 框中输入父机构。
5. 点 Create。
6. 在成本管理 添加云集成 向导中，在 Project 页面中输入您的项目 ID。
7. 要将 Google Cloud 配置为在将数据发送到红帽之前过滤您的数据，请选择 I want to manually custom the data set sent to cost management，点 Next。

验证步骤

1. 进入到 Google Cloud Console Dashboard
2. 验证项目位于菜单栏中。

流程

1. 在 Google Cloud Console 中，点 Buckets。
2. 点 Create bucket。
3. 输入存储桶信息。为您的存储桶命名。在本例中，使用 customer-data。
4. 单击 Create，然后在确认对话框中单击 Confirm。
5. 在成本管理 添加云集成 向导中，在 Create cloud storage bucket 页面中，输入您的云 存储桶名称。

流程

1. 在 Google Cloud Console 中，点 IAM & Admin → Roles。
2. 从菜单栏中的下拉菜单中选择成本管理项目。
3. 单击 + Create role。
4. 为角色输入 Title、Description 和 ID。在本例中，使用 customer-data-role。
5. 单击 + ADD PERMISSIONS。

6. 使用 Enter property name 或 value 字段搜索，并为自定义角色选择这四个权限：

   • storage.objects.get
   • storage.objects.list
   • storage.buckets.get
7. 单击 ADD。
8. 点 CREATE。

流程

1. 在 Google Cloud Console 中，点 IAM & Admin → IAM。
2. 从菜单栏中的下拉菜单中选择成本管理项目。
3. 单击 ADD。

4. 将您创建的 IAM 角色粘贴到 New principals 字段中：

   billing-export@red-hat-cost-management.iam.gserviceaccount.com

5. 在 Assign roles 部分中，分配您创建的 IAM 角色。在本例中，使用 customer-data-role。
6. 点 SAVE。

验证步骤

1. 导航到 IAM & Admin → IAM。
2. 验证新成员是否存在正确的角色。

流程

1. 在 Google Cloud Console 中，单击 Big Data → BigQuery。
2. 在 Explorer 面板中选择成本管理项目。
3. 单击 CREATE DATASET。
4. 在 Dataset ID 字段中输入 dataset 的名称。在本例中，使用 CustomerFilteredData。
5. 单击 CREATE DATASET。

流程

1. 在 Google Cloud Console 中，单击 Billing → Billing export。
2. 单击 Billing export 选项卡。
3. 在详细信息 使用成本 部分中点 EDIT SETTINGS。
4. 在下拉菜单中选择 成本管理项目 和计费导出 数据集。
5. 点 SAVE。

验证步骤

1. 在详细信息 使用成本 部分中，验证标有 Enabled 的复选标记，其具有正确的 项目名称和 数据集名称。

流程

1. 在 Google Cloud Console 中，搜索 secret 并选择 Secret Manager 结果来设置一个 secret，以使用 Red Hat 验证您的功能，而无需将凭证存储在您的功能中。

   1. 在 Secret Manager 页面中，点 Create Secret。
   2. 为您的 secret 命名，添加您的红帽用户名，然后点 Create Secret。
   3. 重复此过程，为您的红帽密码保存 secret。
2. 在 Google Cloud Console 搜索栏中，搜索功能并选择 Cloud Functions 结果。
3. 在 Cloud Functions 页面上，单击 Create function。
4. 将函数命名为。在本例中，使用 customer-data-function。
5. 在 Trigger 部分，点 Save 接受 HTTP Trigger 类型。
6. 在 Runtime, build, connections and security settings 中，单击 Security and image repository，引用您创建的 secret，点 Done，然后点 Next。
7. 在 Cloud Functions Code 页面中，将运行时设置为 Python 3.9。

8. 打开 requirements.txt 文件。将下面几行粘贴到文件末尾。

   requests
   google-cloud-bigquery
   google-cloud-storage

9. 打开 main.py 文件。

   1. 将 Entry Point 设置为 get_filtered_data。

   2. 粘贴以下 python 脚本。将标记为 # Required vars 的部分中 的值更改为您的环境的值。

      import csv
      import datetime
      import uuid
      import os
      import requests
      from google.cloud import bigquery
      from google.cloud import storage
      from itertools import islice
      from dateutil.relativedelta import relativedelta
      
      query_range = 5
      now = datetime.datetime.now()
      delta = now - relativedelta(days=query_range)
      year = now.strftime("%Y")
      month = now.strftime("%m")
      day = now.strftime("%d")
      report_prefix=f"{year}/{month}/{day}/{uuid.uuid4()}"
      
      # Required vars to update
      USER = os.getenv('username')         # Cost management username
      PASS = os.getenv('password')         # Cost management password
      INTEGRATION_ID = "<integration_id>"  # Cost management integration_id
      BUCKET = "<bucket>"                  # Filtered data GCP Bucket
      PROJECT_ID = "<project_id>"          # Your project ID
      DATASET = "<dataset>"                # Your dataset name
      TABLE_ID = "<table_id>"              # Your table ID
      
      gcp_big_query_columns = [
          "billing_account_id",
          "service.id",
          "service.description",
          "sku.id",
          "sku.description",
          "usage_start_time",
          "usage_end_time",
          "project.id",
          "project.name",
          "project.labels",
          "project.ancestry_numbers",
          "labels",
          "system_labels",
          "location.location",
          "location.country",
          "location.region",
          "location.zone",
          "export_time",
          "cost",
          "currency",
          "currency_conversion_rate",
          "usage.amount",
          "usage.unit",
          "usage.amount_in_pricing_units",
          "usage.pricing_unit",
          "credits",
          "invoice.month",
          "cost_type",
          "resource.name",
          "resource.global_name",
      ]
      table_name = ".".join([PROJECT_ID, DATASET, TABLE_ID])
      
      BATCH_SIZE = 200000
      
      def batch(iterable, n):
          """Yields successive n-sized chunks from iterable"""
          it = iter(iterable)
          while chunk := tuple(islice(it, n)):
              yield chunk
      
      def build_query_select_statement():
          """Helper to build query select statement."""
          columns_list = gcp_big_query_columns.copy()
          columns_list = [
              f"TO_JSON_STRING({col})" if col in ("labels", "system_labels", "project.labels", "credits") else col
              for col in columns_list
          ]
          columns_list.append("DATE(_PARTITIONTIME) as partition_date")
          return ",".join(columns_list)
      
      def create_reports(query_date):
          query = f"SELECT {build_query_select_statement()} FROM {table_name} WHERE DATE(_PARTITIONTIME) = {query_date} AND sku.description LIKE '%RedHat%' OR sku.description LIKE '%Red Hat%' OR  service.description LIKE '%Red Hat%' ORDER BY usage_start_time"
          client = bigquery.Client()
          query_job = client.query(query).result()
          column_list = gcp_big_query_columns.copy()
          column_list.append("partition_date")
          daily_files = []
          storage_client = storage.Client()
          bucket = storage_client.bucket(BUCKET)
          for i, rows in enumerate(batch(query_job, BATCH_SIZE)):
              csv_file = f"{report_prefix}/{query_date}_part_{str(i)}.csv"
              daily_files.append(csv_file)
              blob = bucket.blob(csv_file)
              with blob.open(mode='w') as f:
                  writer = csv.writer(f)
                  writer.writerow(column_list)
                  writer.writerows(rows)
          return daily_files
      
      def post_data(files_list):
          # Post CSV's to console.redhat.com API
          url = "https://console.redhat.com/api/cost-management/v1/ingress/reports/"
          json_data = {"source": INTEGRATION_ID, "reports_list": files_list, "bill_year": year, "bill_month": month}
          resp = requests.post(url, json=json_data, auth=(USER, PASS))
          return resp
      
      def get_filtered_data(request):
          files_list = []
          query_dates = [delta + datetime.timedelta(days=x) for x in range(query_range)]
          for query_date in query_dates:
              files_list += create_reports(query_date.date())
          resp = post_data(files_list)
          return f'Files posted! {resp}'

10. 点 Deploy。

流程

1. 复制您创建的功能的 Trigger URL，以发布成本报告。您需要将它添加到 Google Cloud 调度程序中。

   1. 在 Google Cloud Console 中，搜索功能并选择 Cloud Functions 结果。
   2. 在 Cloud Functions 页面中，选择您的功能，然后点 Trigger 选项卡。
   3. 在 HTTP 部分中，点 Copy to clipboard。
2. 创建调度程序作业。在 Google Cloud Console 中，搜索 云调度程序 并选择 Cloud Scheduler 结果。

3. 点 Create job。

   1. 为您的调度程序作业命名。在本例中，使用 CustomerFilteredDataSchedule。
   2. 在 Frequency 字段中，为希望该函数运行时设置 cron 表达式。在本例中，使用 09*** 在每天上午 9 点运行函数。
   3. 设置时区，然后单击 Continue。

4. 在下一页中配置执行。

   1. 在 Target type 字段中，选择 HTTP。
   2. 在 URL 字段中，粘贴您复制的 Trigger URL。

   3. 在 body 字段中，粘贴传递给函数的以下代码来触发它。

      {"name": "Scheduler"}

   4. 在 Auth 标头字段中，选择 Add OIDC token。
   5. 点 Service account 字段，点 Create 为调度程序作业创建服务帐户和角色。

5. 在 Service account details 步骤中，命名您的服务帐户。在本例中，使用 scheduler-service-account。接受 默认服务帐户 ID，再点 Create and Continue。

   1. 在 Grand this service account access to project 中，为您的帐户选择两个角色。
   2. 单击 ADD ANOTHER ROLE，然后搜索并选择 Cloud Scheduler Job Runner 和 Cloud Functions Invoker。
   3. 点 Continue。
   4. 点 Done 完成服务帐户创建。
6. 在项目页面的服务账户上，选择您正在使用的调度程序作业。在本例中，名称是 scheduler-service-account。
7. 在 Configure the execution 页面中，选择 Service account 字段，再选择您刚才创建的 scheduler-service-account。
8. 单击 Continue，然后单击 Create。