前情提要

昨天我們成功將模型部署到 Google AI Platform 上，並且也處理了授權的問題，最後讓 App 成功的運作了，今天我們要完成最後一個步驟 — 部署 app 到 App Engine，也就是完成工作流程中剩下的部分：

最後我們就能像下圖一樣透過網址來存取 App 進行預測了：

將 App 部署到 App Engine

今天的內容會進展得比較快，要好好跟上哦：

1. 首先在終端機執行 make gcloud-deploy，然後等個幾分鐘。

然後 App 就部署成功了，可以到 GCP 的主控台，應該可以看到資源的部分出現了 App Engine：

哈哈，到底發生了什麼事，其實當我們執行 make gcloud-deploy 會觸發 Makefile (ironbird/Makefile) 裡的 gcloud-deploy 指令，而它實際上會執行：

gcloud app deploy app.yaml

因為前面我們已經安裝好了 Google Cloud SDK，所以我們可以使用 gcloud 的功能，而上面的指令的意思是請 Google Cloud 把該做的事情做一做，讓我們本機端的 App (ironbird/app.py) 可以在 App Engine 上執行。
而 gcloud app deploy 實際上會完成以下幾件事：

• 把 App 放進以 ironbird/Dockerfile 定義的 Docker 容器 (container) 中。

  可以把 Docker 容器想像成一個生態瓶，裡面包含了支援 App 生存的生態系，而帶著這個容器就能讓我們的 App 在任何能使用的 Docker 的地方跑起來。

• 等 Docker 容器建立完成後，再把它變成 Docker 映像檔 (image)。

  把它想成容器的快照版本，也就是拿到哪都不會改變。

• 把 Docker 映像檔上傳到 Google Container Registry (GCR)。
• 等 Docker 映像檔放進 GCR 後，它就能被部署到以 ironbird/app.yaml 定義的 App Engine 實例 (instance) 中，而 app.yaml 其實只有兩行：

  runtime: custom # 想要執行我們自訂的 Docker 容器
  env: flex # 想要 App Engine 有彈性一點，並安裝我們需要的函式庫 (requirement.txt)
  

如果今天的步驟都順利完成的話，我們就能在以下網址使用 App 了：

http://<YOUR_PROJECT_NAME>.ue.r.appspot.com/

解密 Ironbird

在 ironbird 資料夾 中有數個檔案，這裡將它們的功用整理如下：

• .dockerignore：在創造 Docker 容器時要忽略的檔案與資料夾 (跟 .gitignore 在 commit 時的功用類似)。
• Dockerfile：一連串關於我們的 Docker 容器該怎麼建立的指示。
• Makefile：讓我們可以使用像是 make gcloud-deploy 等簡單的指令來執行更複雜的指令 (請參考 What is a Makefile and how does it work?)。
• SessionState.py：讓我們的 Streamlit app 保持狀態 (不要按個鈕就刪掉一切) 的 Python 腳本 (請參考 Streamlit 論壇)。
• app.py：我們使用 Streamlit 建立的 Ironbird App。
• app.yaml：一連串關於當我們部署 App 時該建立哪種 App Engine 實例的指示。
• requirement.txt：所有執行 app.py 所需的函式庫。
• utils.py：app.py 會使用的幫手函式。(避免 App 變得太大)