GSP344

Ringkasan

Dalam challenge lab, Anda diberi sebuah skenario dan serangkaian tugas. Tidak ada petunjuk langkah demi langkah. Anda akan menggunakan keahlian yang dipelajari dari lab dalam kursus untuk mencari cara menyelesaikan sendiri tugas-tugas tersebut. Sistem pemberian skor otomatis (ditampilkan pada halaman ini) akan memberikan masukan tentang apakah Anda telah menyelesaikan tugas dengan benar atau tidak.

Saat mengikuti challenge lab, Anda tidak akan diajari konsep-konsep baru Google Cloud. Anda diharapkan dapat memperluas keahlian yang dipelajari, seperti mengubah nilai default dan membaca serta mengkaji pesan error untuk memperbaiki kesalahan Anda sendiri.

Untuk meraih skor 100%, Anda harus berhasil menyelesaikan semua tugas dalam jangka waktu tertentu.

Lab ini direkomendasikan untuk siswa yang terdaftar dalam kursus Mengembangkan Aplikasi Serverless dengan Firebase. Apakah Anda siap menghadapi tantangan ini?

Penyiapan dan persyaratan

Sebelum mengklik tombol Start Lab

Baca petunjuk ini. Lab memiliki timer dan Anda tidak dapat menjedanya. Timer yang dimulai saat Anda mengklik Start Lab akan menampilkan durasi ketersediaan resource Google Cloud untuk Anda.

Lab interaktif ini dapat Anda gunakan untuk melakukan aktivitas lab di lingkungan cloud sungguhan, bukan di lingkungan demo atau simulasi. Untuk mengakses lab ini, Anda akan diberi kredensial baru yang bersifat sementara dan dapat digunakan untuk login serta mengakses Google Cloud selama durasi lab.

Untuk menyelesaikan lab ini, Anda memerlukan:

• Akses ke browser internet standar (disarankan browser Chrome).

Catatan: Gunakan jendela Samaran (direkomendasikan) atau browser pribadi untuk menjalankan lab ini. Hal ini akan mencegah konflik antara akun pribadi Anda dan akun siswa yang dapat menyebabkan tagihan ekstra pada akun pribadi Anda.

• Waktu untuk menyelesaikan lab. Ingat, setelah dimulai, lab tidak dapat dijeda.

Catatan: Hanya gunakan akun siswa untuk lab ini. Jika Anda menggunakan akun Google Cloud yang berbeda, Anda mungkin akan dikenai tagihan ke akun tersebut.

Menyediakan lingkungan

1. Link ke project:

gcloud config set project $(gcloud projects list --format='value(PROJECT_ID)' --filter='qwiklabs-gcp')

2. Meng-clone repo:

git clone https://github.com/rosera/pet-theory.git

Skenario tantangan

Dalam lab ini, Anda akan membuat solusi frontend menggunakan Rest API dan database Firestore. Cloud Firestore adalah database dokumen NoSQL yang merupakan bagian dari platform Firebase tempat Anda dapat menyimpan, menyinkronkan, dan membuat kueri data untuk aplikasi seluler dan web Anda dalam skala besar. Konten lab didasarkan pada penyelesaian skenario dunia nyata melalui penggunaan infrastruktur serverless Google Cloud.

Anda akan membangun arsitektur berikut:

Tugas 1. Membuat database Firestore

Dalam skenario ini, Anda akan membuat Database Firestore di Google Cloud. Diagram arsitektur tingkat tinggi di bawah ini memberikan ringkasan arsitektur umum.

Persyaratan:

Kolom	Nilai
Cloud Firestore	Native Mode
Location

Membuat database Firestore

Agar berhasil menyelesaikan bagian ini, Anda harus mengimplementasikan hal berikut ini:

• Database Cloud Firestore
• Menggunakan Mode Native Firestore
• Menambahkan lokasi

Klik Check my progress untuk memastikan Anda telah melakukan tugas di atas. Membuat Database Firestore

Tugas 2. Mengisi database

Dalam skenario ini, isi database menggunakan data tes.

Diagram arsitektur tingkat tinggi di bawah ini memberikan ringkasan arsitektur umum.

Mengisi database

Contoh skema Firestore:

Koleksi	Dokumen	Kolom
data	70234439	[dataset]

Dataset Acara TV Netflix mencakup informasi berikut:

Kolom	Deskripsi
show_id:	ID unik untuk tiap Film/Acara TV
type:	ID - Film atau Acara TV
title:	Judul Film/Acara TV
director:	Sutradara Film
cast:	Para aktor yang terlibat dalam film/acara TV
country:	Negara tempat film/acara TV diproduksi
date_added:	Tanggal film/acara TV ditambahkan di Netflix
release_year:	Tahun Rilis aktual film/acara TV
rating:	Rating TV dari film/acara TV
duration:	Total Durasi - dalam menit atau jumlah season

Agar berhasil menyelesaikan bagian ini, Anda harus mengimplementasikan tugas berikut ini:

1. Gunakan kode contoh dari pet-theory/lab06/firebase-import-csv/solution:

npm install

2. Untuk mengimpor CSV, gunakan node pet-theory/lab06/firebase-import-csv/solution/index.js:

node index.js netflix_titles_original.csv Catatan: Verifikasi bahwa Database Firestore telah diupdate dengan melihat data di UI Firestore.

Klik Check my progress untuk memastikan Anda telah melakukan tugas di atas. Mengisi Database Firestore

Tugas 3. Membuat REST API

Dalam skenario ini, buat REST API contoh.

Diagram arsitektur tingkat tinggi di bawah ini memberikan ringkasan arsitektur umum.

Pengembangan Cloud Run

Kolom	Nilai
Container Registry Image	rest-api:0.1
Cloud Run Service	netflix-dataset-service
Permission	--allow-unauthenticated

Agar berhasil menyelesaikan bagian ini, Anda harus mengimplementasikan tugas berikut ini:

1. Akses pet-theory/lab06/firebase-rest-api/solution-01.
2. Bangun dan Deploy kode ke Google Container Registry.
3. Deploy image sebagai layanan Cloud Run.

Catatan: Deploy layanan Anda dengan maksimum 1 instance untuk memastikan Anda tidak melebihi batas maksimum untuk instance Cloud Run.

4. Buka Cloud Run dan klik netflix-dataset-service lalu salin URL layanan:

• SERVICE_URL=copy url from your netflix-dataset-service
• curl -X GET $SERVICE_URL harus merespons dengan: {"status":"Netflix Dataset! Make a query."}

Klik Check my progress untuk memastikan Anda telah melakukan tugas di atas. Men-deploy dan menguji REST API

Tugas 4. Mengakses Firestore API

Dalam skenario ini, deploy revisi kode yang telah diperbarui untuk mengakses DB Firestore.

Diagram arsitektur tingkat tinggi di bawah ini memberikan ringkasan arsitektur umum.

Men-deploy Cloud Run revisi 0.2

Kolom	Nilai
Container Registry Image	rest-api:0.2
Cloud Run Service	netflix-dataset-service
Permission	--allow-unauthenticated

Agar berhasil menyelesaikan bagian ini, Anda harus mengimplementasikan tugas berikut ini:

1. Akses pet-theory/lab06/firebase-rest-api/solution-02.
2. Bangun aplikasi yang telah diupdate.
3. Gunakan Cloud Build untuk memberi tag dan men-deploy revisi image ke Container Registry.
4. Deploy image baru sebagai layanan Cloud Run.

Catatan: Deploy layanan Anda dengan maksimum 1 instance untuk memastikan Anda tidak melebihi batas maksimum untuk instance Cloud Run.

5. Buka Cloud Run dan klik netflix-dataset-service lalu salin URL layanan:

• SERVICE_URL=copy url from your netflix-dataset-service
• curl -X GET $SERVICE_URL/2019 harus merespons dengan dataset json

Klik Check my progress untuk memastikan Anda telah melakukan tugas di atas. Men-deploy dan menguji Rest API

Tugas 5. Men-deploy Frontend Staging

Dalam skenario ini, deploy Frontend Staging.

Diagram arsitektur tingkat tinggi di bawah ini memberikan ringkasan arsitektur umum.

Men-deploy Frontend

Kolom	Nilai
REST_API_SERVICE	REST API SERVICE URL
Container Registry Image	frontend-staging:0.1
Cloud Run Service	frontend-staging-service

Agar berhasil menyelesaikan bagian ini, Anda harus mengimplementasikan tugas berikut ini:

1. Akses pet-theory/lab06/firebase-frontend.
2. Bangun aplikasi staging frontend.
3. Gunakan Cloud Build untuk memberi tag dan men-deploy revisi image ke Container Registry.
4. Deploy image baru sebagai layanan Cloud Run.

Catatan: Deploy layanan Anda dengan maksimum 1 instance untuk memastikan Anda tidak melebihi batas maksimum untuk instance Cloud Run.

5. Akses frontend ke Rest API dan Database Firestore.
6. Akses URL Layanan Frontend.

Catatan: Dataset demo digunakan untuk memberikan entri pada layar.

Klik Check my progress untuk memastikan Anda telah melakukan tugas di atas. Men-deploy frontend staging

Tugas 6. Men-deploy Frontend Produksi

Dalam skenario ini, update Frontend Staging untuk menggunakan database Firestore.

Diagram arsitektur tingkat tinggi di bawah ini memberikan ringkasan arsitektur umum.

Men-deploy Frontend

Kolom	Nilai
REST_API_SERVICE	REST API SERVICE URL
Container Registry Image	frontend-production:0.1
Cloud Run Service	frontend-production-service

Agar berhasil menyelesaikan bagian ini, Anda harus mengimplementasikan tugas berikut ini:

1. Akses pet-theory/lab06/firebase-frontend/public.
2. Update aplikasi frontend yaitu app.js untuk menggunakan REST API.
3. Jangan lupa untuk menambahkan tahun pada SERVICE_URL.
4. Gunakan Cloud Build untuk memberi tag dan men-deploy revisi image ke Container Registry.
5. Deploy image baru sebagai layanan Cloud Run. Catatan: Deploy layanan Anda dengan maksimum 1 instance untuk memastikan Anda tidak melebihi batas maksimum untuk instance Cloud Run.
6. Akses frontend ke Rest API dan Database Firestore.

Karena sekarang layanan telah di-deploy, Anda akan dapat melihat isi database Firestore menggunakan layanan frontend.

Klik Check my progress untuk memastikan Anda telah melakukan tugas di atas. Men-deploy frontend produksi

Selamat!

Selamat! Dalam lab ini, Anda telah berhasil membuat database Firestore, mengisinya dengan data, membuat REST API, dan men-deploy aplikasi frontend yang berinteraksi dengan database Firestore dan REST API. Anda juga telah mempelajari cara men-deploy aplikasi frontend staging dan produksi.

Mendapatkan badge keahlian Anda berikutnya

Lab mandiri ini merupakan bagian dari kursus badge keahlian Mengembangkan Aplikasi Serverless dengan Firebase. Dengan menyelesaikan kursus badge keahlian ini, Anda akan mendapatkan badge di atas sebagai pengakuan atas pencapaian Anda. Tampilkan badge di resume atau platform media sosial Anda, dan umumkan pencapaian Anda menggunakan hashtag #GoogleCloudBadge.

Sertifikasi dan pelatihan Google Cloud

...membantu Anda mengoptimalkan teknologi Google Cloud. Kelas kami mencakup keterampilan teknis dan praktik terbaik untuk membantu Anda memahami dengan cepat dan melanjutkan proses pembelajaran. Kami menawarkan pelatihan tingkat dasar hingga lanjutan dengan opsi on demand, live, dan virtual untuk menyesuaikan dengan jadwal Anda yang sibuk. Sertifikasi membantu Anda memvalidasi dan membuktikan keterampilan serta keahlian Anda dalam teknologi Google Cloud.

Manual Terakhir Diperbarui pada 2 Mei 2024

Lab Terakhir Diuji pada 2 Mei 2024

Hak cipta 2025 Google LLC. Semua hak dilindungi undang-undang. Google dan logo Google adalah merek dagang dari Google LLC. Semua nama perusahaan dan produk lain mungkin adalah merek dagang masing-masing perusahaan yang bersangkutan.