AnythingLLM sur Google Cloud Run
AnythingLLM est un espace de travail d'IA privé et une plateforme de génération augmentée par récupération (RAG) qui permet aux équipes de discuter avec des documents, de se connecter à n'importe quel fournisseur de LLM (OpenAI, Anthropic, Ollama et autres), et de créer des assistants de connaissances basés sur l'IA — sans envoyer de données à des services tiers. Ce module déploie AnythingLLM sur Cloud Run v2 au-dessus de la fondation App_CloudRun, qui provisionne et gère l'infrastructure Google Cloud partagée.
Ce guide se concentre sur les services cloud qu'AnythingLLM utilise et sur la manière de les explorer et de les exploiter depuis la console Google Cloud et la ligne de commande. Pour les mécanismes communs à chaque application Cloud Run — identité de service, ingress et équilibrage de charge, mise à l'échelle et concurrence, CI/CD, Cloud Armor, IAP, Binary Authorization, VPC Service Controls, sauvegardes, et le cycle de vie du déploiement — reportez-vous au guide de la fondation App_CloudRun plutôt que de les répéter ici.
Ce que coûte AnythingLLM sur RAD, et comment cela se compare
AnythingLLM sur le module Cloud Run de RAD coûte environ 102 $ US par mois dans un projet que vous possédez, sans frais de licence pour le logiciel lui-même. RAD facture des frais de module uniques de 110 crédits (11 $ US au prix de la recharge) dans un projet que vous possédez, et 99 crédits (10 % de moins) dans un projet géré par RAD. Si AnythingLLM doit fonctionner en continu sur plusieurs pods ou à côté d'autres charges de travail Kubernetes, consultez plutôt le guide GKE. Les chiffres sont valables au 8 octobre 2026 ; les sources sont listées à la fin de cette section.
Si vous n'en avez besoin qu'occasionnellement — pour préparer une certification, une démo, un besoin saisonnier — un projet géré par RAD peut être supprimé et restauré dans les 30 jours sans frais supplémentaires, de sorte que les quelque 102 $ US par mois deviennent presque rien. Voir Mettez-le en pause gratuitement, ci-dessous.
Ce que vous payez sur RAD
Vous payez pour trois choses :
| Dans un projet Google Cloud que vous possédez | Dans un projet géré par RAD pour vous | |
|---|---|---|
| Frais de module, une fois par déploiement | 110 crédits (11 $ US au prix de la recharge) | 99 crédits (10 % de moins) |
| Builds | Inclus dans le prix : pas de frais de build pour la création, 5 mises à jour par mois (mois calendaire UTC) gratuites puis 2 crédits chacune, et rien pour la suppression ou pour un build échoué, dans la limite de 10 builds échoués par jour (UTC). Les sessions de lab et les projets clients sont l'exception : ils sont toujours facturés à la minute pour le temps de build | Idem |
| Coût de fonctionnement Google Cloud | Facturé par Google à votre propre compte de facturation, environ 102 $ US par mois pour la configuration par défaut (tableau ci-dessous) | Mesuré à l'heure en crédits ; RAD publie 67 crédits par jour, soit environ 2 010 par mois (environ 201 $ US au prix de la recharge) |
| Qui possède quoi | Vous possédez le projet et sa facturation ; RAD le déploie et le met à jour | RAD possède le projet, avec des garde-fous, des quotas et des alertes budgétaires ; vous avez accès à la console, et un solde minimum acheté est conservé en réserve |
Votre premier déploiement réussi sur RAD est exempt de frais de module, quel que soit le montant : une fois par compte, pour un module que vous déployez et payez vous-même (dans une solution, les frais d'une application : la première à réussir ; jamais une session de lab ou un projet client).
10 crédits coûtent 1 $ US pour une recharge unique, et moins pour un forfait mensuel. Dans un projet géré par RAD, la base de données et le serveur de fichiers/cache sont partagés par chaque application du projet, de sorte qu'une deuxième application n'en ajoute pas un deuxième.
Coût de fonctionnement par défaut dans votre propre projet (us-central1, prix catalogue Google) :
| Ressource (par défaut du module) | Par mois |
|---|---|
| Cloud Run, 2x vCPU / 4 Gio (scaleToZero) | 31,53 $ US |
| Cloud SQL pour PostgreSQL, 1 vCPU / 3,75 Go, zonal, 10 Go SSD | 51,02 $ US |
| Serveur de fichiers NFS/cache (petite VM) | 13,43 $ US |
| Cloud NAT et réseau | 5 $ US |
| Cloud Storage (modules complémentaires, sauvegardes) | 1 $ US |
| Total | environ 102 $ US |
Comment cela se compare
- L'offre Cloud hébergée d'AnythingLLM — le même logiciel, géré par son créateur — coûte 50 $/mois (Basic, une instance privée) ou 99 $/mois (Pro, ressources prioritaires et SLA de support). RAD exécute la même application open-source sur une infrastructure que vous ou RAD contrôlez, plutôt que sur un service partagé d'un tiers.
- RAD exécute le projet open-source lui-même, pas un service hébergé par un fournisseur. Vous obtenez le même logiciel, sous votre propre infrastructure (ou celle de RAD), au lieu d'un abonnement par utilisateur ou par utilisation qui augmente indépendamment de ce que vous utilisez réellement.
- Par rapport à un serveur auto-géré nu : Exécuter le même logiciel open-source vous-même, un Hetzner CPX22 (2 vCPU/4 Go, environ 24 $/mois) ou un DigitalOcean 2 vCPU/4 Go Droplet (également 24 $/mois) est à peu près la même chose ; un GCP Compute Engine e2-standard-2 (2 vCPU/8 Go) coûte environ 49 $/mois. RAD n'est pas moins cher que cela en termes monétaires — la différence est la base de données gérée, Secret Manager et la surveillance qui viennent avec le module au lieu d'être votre propre travail.
Mettez-le en pause gratuitement : supprimez un projet géré par RAD, restaurez-le quand vous en avez besoin
Si AnythingLLM s'exécute dans un projet géré par RAD pour vous, vous avez une option qui va bien au-delà de la mise à l'échelle à zéro : supprimez l'ensemble du projet et restaurez-le dans les 30 jours pour presque rien. Cela convient bien mieux à une utilisation occasionnelle — étudier pour une certification, une démo, un besoin saisonnier — que de faire fonctionner AnythingLLM en continu.
Une restauration n'est pas garantie — conservez vos propres sauvegardes. Les conditions de Google Cloud ne garantissent pas qu'un projet restauré, ou les ressources qu'il contient, seront utilisables après sa restauration. La restauration ne peut donc pas être considérée comme un moyen fiable de récupérer un projet supprimé. Avant de supprimer, assurez-vous d'avoir effectué des sauvegardes appropriées des données et de la configuration de l'application et de les avoir stockées en dehors du projet. Si une restauration échoue, ou si le projet restauré ne fonctionne pas, la solution de repli consiste à redéployer l'application (voir la section suivante) et à restaurer sa configuration et ses données à partir de ces sauvegardes.
- Comment ça marche. La suppression d'un projet géré par RAD délie d'abord sa facturation, puis demande à Google de supprimer purement et simplement le projet. Google ne le supprime pas immédiatement : il conserve le projet, récupérable, pendant 30 jours, et comme la facturation est déjà déliée, rien n'est facturé pendant qu'il attend. Contrairement à la suppression d'un module, cela ne détruit pas la base de données, aucune VM ou la ressource de calcul une par une — l'ensemble du projet s'arrête simplement, et rien n'est facturé entre-temps.
- La restauration est une vérification, pas une reconstruction. Dans les 30 jours, seul le propriétaire du projet peut le restaurer. RAD demande à Google de restaurer le projet et de rattacher son compte de facturation, puis vous demande d'exécuter Update sur chaque déploiement pour confirmer que tout est revenu. Comme rien n'a été détruit individuellement, cette mise à jour trouve les mêmes ressources déjà présentes — c'est une vérification, pas une reconstruction, et une mise à jour ne facture jamais les frais de module à nouveau. Les mises à jour sont incluses dans le prix (5 par mois pour chaque déploiement), donc une restauration ne coûte normalement aucun crédit.
- Ce que cela nécessite. Vous devez être propriétaire du projet (pas un projet dont RAD gère uniquement la facturation), vous devez le restaurer vous-même dans les 30 jours — après quoi Google le supprime définitivement — et la restauration est admise comme la création d'un nouveau projet, de sorte que votre solde de crédits achetés doit toujours dépasser le seuil du palier (100 crédits pour le palier sandbox que la plupart des utilisations d'étude et de démo conviennent). Google indique que la plupart des services sont de nouveau pleinement fonctionnels dans les 36 heures suivant une restauration.
- Une lacune réelle : les sauvegardes ne survivent pas. Tout ce qu'AnythingLLM écrit dans un bucket de sauvegarde à l'intérieur du projet est très probablement perdu dès que vous supprimez le projet, même si le projet lui-même est récupérable pendant 30 jours — la suppression logicielle de Cloud Storage est explicitement désactivée pour ce bucket. Quiconque a personnalisé le déploiement et souhaite conserver ce travail doit copier une sauvegarde (vers Google Drive ou un bucket en dehors du projet) avant de supprimer. Pour une installation par défaut sans rien d'irremplaçable, cela n'a pas d'importance.
Ne payez que pendant que vous l'utilisez, l'autre méthode : supprimer et redéployer
C'est la solution de repli pour un projet que vous possédez, ou une fois que la fenêtre de restauration de 30 jours ci-dessus est passée : supprimez le déploiement, et déployez-le à nouveau lorsque vous en aurez besoin.
- Ce que coûte un redéploiement. Les frais de module à nouveau (les builds sont inclus) : 110 crédits (11,00 $ US) dans votre propre projet, ou 99 crédits dans un projet géré par RAD, car RAD reconstruit les ressources à partir de zéro. La suppression permet d'économiser de l'argent une fois qu'AnythingLLM resterait inutilisé assez longtemps pour compenser ce coût de redéploiement par rapport à son propre coût de fonctionnement — environ 3 jours ou plus dans votre propre projet (3,40 $ US/jour) ou 2 jours ou plus dans un projet géré par RAD (67 crédits/jour).
- La majeure partie du coût de fonctionnement est généralement liée à l'infrastructure partagée. La base de données et la VM de fichiers ou de cache ne s'arrêtent que lorsque rien d'autre dans le projet ne les utilise, donc la suppression d'AnythingLLM alors qu'une autre application partage le projet n'économise que la partie calcul d'AnythingLLM.
- Conservez vos données d'abord. Tout ce qu'AnythingLLM écrit dans un bucket de sauvegarde au sein du déploiement est supprimé avec lui — copiez la dernière sauvegarde (vers Google Drive, ou un bucket que vous conservez) avant de supprimer si vous voulez la conserver.
- RAD ne recrée pas un déploiement supprimé pour vous. Vous saisissez à nouveau les paramètres lorsque vous redéployez.
Sessions de lab et environnements gérés
- Sessions de lab, pour la formation. Un formateur anime une session pour une classe. Chaque participant dispose d'AnythingLLM dans son propre projet Google Cloud pendant 15 minutes à 24 heures, dans la limite d'une allocation définie par le formateur. Le formateur peut aussi créer un seul environnement partagé pour toute la classe, et chacun utilise alors la même application et ses données. Soit le formateur finance toutes les places, soit chaque participant paie la sienne. Tout est supprimé à la fin de la session et les crédits inutilisés sont reversés au formateur.
- Environnements gérés, pour les sociétés de conseil. Un partenaire exécute AnythingLLM pour un client à partir d'un portefeuille cloisonné qu'il finance, et règle directement avec le client. Si le portefeuille est faible, la facturation est suspendue et les données sont conservées, de sorte que personne ne reçoit de frais inattendus. À la fin, le partenaire transfère le projet et les déploiements deviennent la propriété du client.
Les crédits peuvent être achetés dans plus de 20 devises, y compris XAF, XOF, NGN, GHS, KES et ZAR, par carte, virement bancaire ou argent mobile.
Sources (8 octobre 2026) : Prix catalogue Google Cloud de l'API Cloud Billing Catalog ; frais RAD et estimation des crédits quotidiens de radmodules.dev/pricing ; Supprimer et restaurer des projets pour les mécanismes de pause/restauration ; Tarification AnythingLLM Cloud. Les prix changent ; vérifiez chaque source avant de vous fier à un chiffre.
1. Vue d'ensemble
AnythingLLM s'exécute comme un conteneur d'IA Node.js sur Cloud Run v2. Le déploiement relie un ensemble ciblé de services Google Cloud :
| Capacité | Service Google Cloud | Notes |
|---|---|---|
| Calcul | Cloud Run v2 | Service Node.js, 2 vCPU / 4 Gio par défaut, autoscaling basé sur les requêtes |
| Base de données | Cloud SQL pour PostgreSQL 15 | Requis — AnythingLLM utilise Prisma ORM et ne prend pas en charge MySQL |
| Stockage d'objets | Cloud Storage | Bucket de documents anythingllm-docs auto-provisionné ; buckets supplémentaires facultatifs |
| Fichiers partagés | Filestore (NFS) | Facultatif — pour le stockage persistant de documents/vecteurs multi-instances ; nécessite gen2 |
| Secrets | Secret Manager | Quatre secrets d'application auto-générés (JWT_SECRET, AUTH_TOKEN, SIG_KEY, SIG_SALT) plus le mot de passe de la base de données |
| Ingress | URL Cloud Run / Cloud Load Balancing | URL run.app par défaut, Global HTTPS LB + Cloud Armor + domaine personnalisé facultatifs |
| Cache | Redis | Désactivé par défaut ; facultatif pour les charges de travail de session ou de cache |
Valeurs par défaut judicieuses à connaître d'emblée :
- PostgreSQL 15 est obligatoire. L'ORM Prisma d'AnythingLLM nécessite PostgreSQL. Ne définissez pas
database_typesur une variante MySQL ou SQL Server. - Quatre secrets d'application sont auto-générés.
JWT_SECRET,AUTH_TOKEN,SIG_KEY, etSIG_SALTsont créés dans Secret Manager lors du premier déploiement ; vous ne les définissez jamais en texte clair. min_instance_countest par défaut0(mise à l'échelle à zéro). NFS maintient le magasin de vecteurs LanceDB en sécurité lors des démarrages à froid, de sorte que le compromis est seulement un démarrage à froid d'environ 30 à 60 s sur la première requête après l'inactivité ; définissezmin_instance_count = 1pour l'éviter pour les déploiements sensibles à la latence.- Le stockage doit être persistant, et NFS est activé par défaut. Tous les documents de l'espace de travail,
les index vectoriels et les données de conversation sont écrits sous
STORAGE_DIR.enable_nfsest par défauttruecar l'index vectoriel LanceDB d'AnythingLLM réside autrement sur le disque éphémère du conteneur et est silencieusement effacé à chaque démarrage à froid ou redéploiement. - Redis est désactivé par défaut. Il n'est pas requis pour la fonctionnalité principale d'AnythingLLM.
S'il est activé,
redis_hostdoit être défini explicitement. - Facturation basée sur les requêtes par défaut.
cpu_always_allocated = false— l'intégration de documents se poursuit dans un worker en arrière-plan après le retour de la requête de téléchargement, et il a été mesuré qu'elle se terminait sur une instance limitée et inactive pour un petit document. Pour une ingestion volumineuse ou continue, considérezcpu_always_allocated = true. execution_environment = gen2est la valeur par défaut et est requise lorsque les montages NFS ou GCS Fuse sont activés.- La variable d'environnement
GOOGLE_CLOUD_STORAGE_BUCKET_NAMEest définie automatiquement à partir du bucket GCSanythingllm-docsprovisionné.
2. Services Google Cloud et comment les explorer
Toutes les commandes supposent que PROJECT et REGION sont définis. Les noms de services et de ressources sont
rapportés dans les Sorties du déploiement.
A. Cloud Run — le service AnythingLLM
AnythingLLM s'exécute comme un service Cloud Run v2 qui s'adapte automatiquement en fonction de la charge de requêtes entre le nombre minimal et maximal d'instances. Chaque déploiement crée une révision immuable ; le trafic peut être réparti entre les révisions pour des déploiements sûrs. Les opérations d'intégration et d'inférence d'IA nécessitent au moins 2 vCPU et 4 Gio de RAM ; le démarrage CPU Boost est activé.
- Console : Cloud Run → sélectionnez le service pour les révisions, le trafic, les journaux et les métriques.
- CLI :
gcloud run services list --project "$PROJECT" --region "$REGION"
gcloud run services describe <service-name> --project "$PROJECT" --region "$REGION"
gcloud run revisions list --service <service-name> --project "$PROJECT" --region "$REGION"
Voir App_CloudRun pour la mise à l'échelle, la concurrence, l'environnement d'exécution, et la répartition du trafic.
B. Cloud SQL pour PostgreSQL 15
AnythingLLM stocke toutes les métadonnées de l'espace de travail, les comptes d'utilisateurs et l'historique des conversations dans une
instance gérée de Cloud SQL pour PostgreSQL 15. Le service se connecte en privé via le
Cloud SQL Auth Proxy via un socket Unix (pas d'IP publique). Lors du premier déploiement, un
job d'initialisation crée la base de données et l'utilisateur de l'application. La chaîne de connexion Prisma DATABASE_URL
est assemblée par le script de point d'entrée d'AnythingLLM à partir des variables d'environnement DB_*
injectées par la fondation au démarrage du conteneur.
- Console : SQL → sélectionnez l'instance pour les connexions, les sauvegardes, les indicateurs, les métriques.
- CLI :
gcloud sql instances list --project "$PROJECT"
gcloud sql instances describe <instance-name> --project "$PROJECT"
gcloud sql connect <instance-name> --user=<db-user> --project "$PROJECT"
Le nom de l'instance, la base de données, l'utilisateur et le secret du mot de passe se trouvent dans les Sorties. Voir App_CloudRun pour le modèle de connexion, les sauvegardes et la rotation des mots de passe.
C. Cloud Storage — bucket de documents
AnythingLLM_Common provisionne automatiquement un bucket Cloud Storage dédié
(anythingllm-docs) pour le stockage de documents et de vecteurs. Le compte de service de la charge de travail est
automatiquement autorisé et le nom du bucket est injecté en tant que
GOOGLE_CLOUD_STORAGE_BUCKET_NAME. Des buckets supplémentaires peuvent être déclarés dans storage_buckets.
- Console : Cloud Storage → Buckets.
- CLI :
gcloud storage buckets list --project "$PROJECT"
gcloud storage ls gs://<docs-bucket>/ # bucket name is in the Outputs
Voir App_CloudRun pour les montages GCS Fuse et les options CMEK.
D. Filestore (NFS) — stockage partagé facultatif
Pour les déploiements multi-instances où toutes les instances doivent accéder aux mêmes documents et
index vectoriels, activez Filestore (NFS). NFS est désactivé par défaut et nécessite
execution_environment = gen2.
- Console : Filestore → Instances.
- CLI :
gcloud filestore instances list --project "$PROJECT"
Voir App_CloudRun pour les options de montage NFS et CMEK.
E. Secret Manager
Quatre secrets d'application AnythingLLM sont auto-générés et stockés dans Secret Manager —
JWT_SECRET, AUTH_TOKEN, SIG_KEY et SIG_SALT — plus le mot de passe de la base de données. Aucun
de ceux-ci n'apparaît en texte clair nulle part dans le déploiement.
- Console : Sécurité → Secret Manager.
- CLI :
gcloud secrets list --project "$PROJECT"
gcloud secrets versions access latest --secret=<secret-name> --project "$PROJECT"
Voir App_CloudRun pour les détails d'injection et de rotation.
F. Réseau et ingress
Le service est accessible par son URL run.app par défaut. Un équilibreur de charge HTTPS global
avec Cloud Armor, un domaine personnalisé et Cloud CDN peuvent être superposés. ingress_settings
et vpc_egress_setting contrôlent les sources de trafic qui peuvent atteindre le service et comment
le trafic sortant est acheminé via le VPC.
- Console : Cloud Run (URL du service) ; Services réseau → Équilibrage de charge.
- CLI :
gcloud run services describe <service-name> --region "$REGION" --format='value(status.url)'
gcloud compute addresses list --project "$PROJECT"
Voir App_CloudRun.
G. Cloud Logging et Monitoring
Les journaux de conteneurs sont acheminés vers Cloud Logging ; les métriques Cloud Run et Cloud SQL sont acheminées vers Cloud
Monitoring. Une vérification de disponibilité facultative (désactivée par défaut, ciblant /) et des
stratégies d'alerte peuvent être activées.
- Console : Logging → Explorateur de journaux ; Monitoring → Tableaux de bord / Alertes.
- CLI :
gcloud run services logs read <service-name> --project "$PROJECT" --region "$REGION" --limit 50
3. Comportement de l'application AnythingLLM
- Configuration de la base de données lors du premier déploiement. Un job d'initialisation (
db-init) utilise l'imagepostgres:15-alpinepour créer la base de données et l'utilisateur AnythingLLM avant le démarrage du service. Il est idempotent et peut être réexécuté en toute sécurité.gcloud run jobs list --project "$PROJECT" --region "$REGION"
gcloud run jobs executions list --job <job-name> --project "$PROJECT" --region "$REGION" - Migrations Prisma au démarrage. Le script de point d'entrée construit la chaîne de connexion
DATABASE_URLà partir des variables d'environnementDB_*injectées par la plateforme et exécute les migrations Prisma, de sorte que les mises à niveau de version appliquent automatiquement les modifications de schéma. - Chargement du modèle d'IA. AnythingLLM charge les modèles d'intégration en mémoire au premier démarrage. La sonde de démarrage utilise un délai initial de 60 secondes et 30 périodes d'échec (×10 secondes = 5 minutes au total) pour s'adapter à cela.
- Chemin de santé. Les sondes de démarrage et de vivacité ciblent
/api/pingen utilisant HTTP, qui renvoie HTTP 200 uniquement lorsque l'application est entièrement initialisée. Contrairement à Mautic/Apache, AnythingLLM ne redirige pas le trafic HTTP de santé, donc les sondes HTTP fonctionnent sans ajustement sur Cloud Run. - Configuration du fournisseur LLM. Utilisez
environment_variablespour les paramètres de fournisseur non sensibles (LLM_PROVIDER,EMBEDDING_ENGINE,VECTOR_DB) etsecret_environment_variablespour mapper les noms de variables d'environnement aux secrets de Secret Manager pour les clés API (OPENAI_API_KEY,ANTHROPIC_API_KEY, etc.). - Cohérence du moteur d'intégration. La modification de
EMBEDDING_ENGINEaprès l'ingestion de documents rend les index vectoriels existants incompatibles. Tous les documents doivent être réingérés après toute modification du moteur d'intégration. - Variables d'environnement fixes.
SERVER_PORT=3001,UID=1000etGID=1000sont définies automatiquement parAnythingLLM_Common. Ne les écrasez pas.AnythingLLM_Commondéfinit égalementSTORAGE_DIR=/app/server/storagecomme sa propre valeur par défaut, maisAnythingLLM_CloudRunla remplace par le chemin de montage NFS (nfs_mount_path, par défaut/app/server/storage) chaque fois queenable_nfs = true— la valeur par défaut du module — de sorte que l'index vectoriel de la base de connaissances atterrit sur le partage NFS. Avecenable_nfs = false, il revient au disque éphémère du conteneur et est perdu à chaque démarrage à froid (voir Groupe 11).
4. Variables de configuration
Les variables sont regroupées exactement comme elles apparaissent sur la plateforme de déploiement. Seuls les paramètres spécifiques ou notables pour AnythingLLM sont listés ; toutes les autres entrées sont héritées de App_CloudRun avec son comportement standard.
Groupe 1 — Projet et identité
| Variable | Valeur par défaut | Description |
|---|---|---|
project_id | (obligatoire) | Projet Google Cloud cible. |
region | us-central1 | Région pour le service et les ressources régionales. |
Groupe 2 — Environnement de déploiement
| Variable | Valeur par défaut | Description |
|---|---|---|
tenant_id | demo | Suffixe court qui rend les noms de ressources uniques par environnement. |
support_users | [] | E-mails autorisés à accéder au projet et aux alertes de surveillance. |
resource_labels | {} | Étiquettes appliquées à toutes les ressources. |
Groupe 3 — Identité de l'application
| Variable | Valeur par défaut | Description |
|---|---|---|
application_name | anythingllm | Nom de base des ressources. Ne pas modifier après le premier déploiement. |
application_display_name | AnythingLLM | Nom convivial affiché dans la console. |
application_description | (défini) | Description du service. |
application_version | latest | Tag de version de l'image ; épingler à un tag de version pour la production. |
Groupe 4 — Exécution et mise à l'échelle
| Variable | Valeur par défaut | Description |
|---|---|---|
deploy_application | true | Définir false pour provisionner uniquement l'infrastructure. |
cpu_limit | 2000m | CPU par instance. Minimum 2 vCPU pour les charges de travail IA. |
memory_limit | 4Gi | Mémoire par instance. Minimum 4 Gio pour l'intégration et l'inférence. |
min_instance_count | 0 | Instances minimales. Définir ≥ 1 pour éviter les démarrages à froid (NFS maintient le magasin de vecteurs en sécurité de toute façon). |
max_instance_count | 1 | Instances maximales. Augmenter avec NFS pour l'accès partagé aux documents. |
container_port | 3001 | Port HTTP natif d'AnythingLLM. |
execution_environment | gen2 | Gen2 requis pour les montages NFS et GCS Fuse. |
timeout_seconds | 300 | Durée maximale de la requête. Augmenter pour l'ingestion de documents longs. |
enable_cloudsql_volume | true | Sidecar Cloud SQL Auth Proxy pour les connexions socket. |
traffic_split | [] | Allocation de trafic entre les révisions pour les déploiements échelonnés. |
Groupe 5 — Accès et contrôle d'ingress
| Variable | Valeur par défaut | Description |
|---|---|---|
ingress_settings | all | Quels réseaux peuvent atteindre le service (all / internal / internal-and-cloud-load-balancing). |
vpc_egress_setting | PRIVATE_RANGES_ONLY | Comment le trafic sortant est acheminé via le VPC. |
enable_iap | false | Exiger la connexion Google via Identity-Aware Proxy. Recommandé pour la production. |
iap_authorized_users / iap_authorized_groups | [] | Qui peut accéder via IAP. |
Groupe 6 — Variables d'environnement et secrets
| Variable | Valeur par défaut | Description |
|---|---|---|
environment_variables | {} | Paramètres non secrets, par exemple LLM_PROVIDER, EMBEDDING_ENGINE, VECTOR_DB. |
secret_environment_variables | {} | Mappage de variable d'environnement → nom de secret Secret Manager pour les clés API. |
secret_propagation_delay / secret_rotation_period | (défini) | Attente de réplication / cadence de rotation. |
Groupe 7 — Sauvegarde et restauration
| Variable | Valeur par défaut | Description |
|---|---|---|
backup_schedule | 0 2 * * * | Cron de sauvegarde automatisée (UTC). |
backup_retention_days | 7 | Rétention ; augmenter pour la production/conformité. |
enable_backup_import / backup_source / backup_file / backup_format | options de restauration | Restaurer à partir d'une sauvegarde lors du déploiement. |
Groupe 8 — CI/CD et autorisation binaire
Intégration standard App_CloudRun Cloud Build / Cloud Deploy — voir
App_CloudRun. Entrées clés : enable_cicd_trigger,
github_repository_url, github_token, enable_cloud_deploy,
enable_binary_authorization.
Groupe 9 — Scripts SQL personnalisés
enable_custom_sql_scripts, custom_sql_scripts_bucket, custom_sql_scripts_path,
custom_sql_scripts_use_root — exécutez du SQL à partir d'un bucket GCS après le provisionnement. Voir
App_CloudRun.
Groupe 10 — Domaine, CDN, Cloud Armor et rétention d'images
| Variable | Valeur par défaut | Description |
|---|---|---|
enable_cloud_armor | false | Provisionner un équilibreur de charge HTTPS global + Cloud Armor WAF. |
admin_ip_ranges | [] | CIDR exemptés des règles WAF. |
application_domains | [] | Noms d'hôtes personnalisés pour l'équilibreur de charge externe. |
enable_cdn | false | Activer Cloud CDN sur le backend de l'équilibreur de charge (nécessite enable_cloud_armor). |
max_images_to_retain / delete_untagged_images / image_retention_days | (défini) | Politique de nettoyage d'Artifact Registry. |
Groupe 11 — Stockage et système de fichiers
| Variable | Valeur par défaut | Description |
|---|---|---|
create_cloud_storage | true | Provisionner le bucket de données supplémentaire. Le bucket anythingllm-docs est toujours créé. |
storage_buckets | [{ name_suffix="data" }] | Buckets GCS supplémentaires. |
enable_nfs | true | Filestore (NFS) pour le stockage persistant de documents/vecteurs — requis, sinon l'index vectoriel LanceDB réside sur un disque éphémère et est effacé à chaque démarrage à froid/redéploiement. |
nfs_mount_path | /app/server/storage | Chemin de montage à l'intérieur du conteneur. |
gcs_volumes | [] | Montages GCS Fuse (nécessite gen2). |
manage_storage_kms_iam / enable_artifact_registry_cmek | false | Options CMEK. |
Groupe 12 — Backend de base de données
| Variable | Valeur par défaut | Description |
|---|---|---|
database_type | POSTGRES_15 | Fixe pour AnythingLLM — ne pas modifier. |
application_database_name | anythingllmdb | Nom de la base de données PostgreSQL. Immuable après le premier déploiement. |
application_database_user | anythingllmuser | Utilisateur de l'application. Immuable après le premier déploiement. |
database_password_length | 32 | Longueur du mot de passe généré (16–64). |
enable_auto_password_rotation / rotation_propagation_delay_sec | désactivé | Rotation du mot de passe de la base de données. |
db_host_env_var_name / db_name_env_var_name / db_user_env_var_name / db_port_env_var_name / service_url_env_var_name | "" | Noms de variables d'environnement supplémentaires facultatifs pour les détails de connexion. |
Groupe 13 — Jobs et tâches planifiées
| Variable | Valeur par défaut | Description |
|---|---|---|
initialization_jobs | [] | Laisser vide pour utiliser le job db-init intégré. |
cron_jobs | [] | Jobs Cloud Run récurrents déclenchés par Cloud Scheduler. |
additional_services | [] | Services Cloud Run supplémentaires aux côtés d'AnythingLLM. |
Groupe 14 — Observabilité et santé
| Variable | Valeur par défaut | Description |
|---|---|---|
startup_probe / startup_probe_config | HTTP /api/ping, délai initial de 60 s, 30 échecs | Fenêtre de démarrage étendue pour le chargement du modèle d'IA. |
liveness_probe / health_check_config | HTTP /api/ping, délai initial de 30 s | Sonde de vivacité vers le point de terminaison de santé d'AnythingLLM. |
uptime_check_config | désactivé, / | Vérification de disponibilité Cloud Monitoring. |
alert_policies | [] | Stratégies d'alerte métrique. |
Groupe 21 — Cache Redis
| Variable | Valeur par défaut | Description |
|---|---|---|
enable_redis | false | Non requis pour la fonctionnalité principale d'AnythingLLM. Activer pour les charges de travail de cache facultatives. |
redis_host | null | Point de terminaison Redis. Requis lorsque enable_redis = true. |
redis_port | 6379 | Port Redis. |
redis_auth | "" | Mot de passe d'authentification Redis facultatif (sensible). |
Groupe 22 — VPC Service Controls et journalisation d'audit
| Variable | Valeur par défaut | Description |
|---|---|---|
enable_vpc_sc | false | Appliquer un périmètre VPC-SC (nécessite organization_id). |
vpc_cidr_ranges / vpc_sc_dry_run | (défini) | CIDR de niveau d'accès / mode simulation. |
enable_audit_logging | false | Journaux d'audit Cloud détaillés. |
5. Sorties
Retourné lors d'un déploiement réussi — le moyen le plus rapide de localiser et d'explorer les ressources en cours d'exécution.
| Sortie | Description |
|---|---|
service_name | Nom du service Cloud Run. |
service_url | URL run.app par défaut du service. |
service_location | Région dans laquelle le service s'exécute. |
stage_services | Détails du service spécifiques à l'étape (Cloud Deploy). |
load_balancer_ip / load_balancer_url | IP / URL de l'équilibreur de charge HTTPS externe (lorsqu'il est activé). |
database_instance_name | Nom de l'instance Cloud SQL. |
database_name / database_user | Nom / utilisateur de la base de données de l'application. |
database_password_secret | Secret Secret Manager contenant le mot de passe de la base de données. |
database_host / database_port | Point de terminaison / port de la base de données. |
storage_buckets | Buckets Cloud Storage créés (inclut le bucket anythingllm-docs). |
network_name / network_exists / regions | Réseau VPC, présence, régions. |
container_image / container_registry | Image déployée et dépôt Artifact Registry. |
monitoring_enabled / monitoring_notification_channels / uptime_check_names | État de la surveillance, canaux, vérifications de disponibilité. |
initialization_jobs | Noms des jobs de configuration. |
deployment_id / tenant_id / resource_prefix | Identifiants de nommage. |
project_id / project_number | Identifiants de projet. |
cicd_enabled / github_repository_url / github_repository_owner / github_repository_name / cicd_configuration | État et détails CI/CD. |
artifact_registry_repository / cloudbuild_trigger_name / cloudbuild_trigger_id | Registre et déclencheur de build. |
vpc_sc_enabled / vpc_sc_perimeter_name / vpc_sc_dry_run_mode | État VPC-SC. |
audit_logging_enabled / artifact_registry_cmek_enabled | Journalisation d'audit et état CMEK. |
6. Pièges de configuration et valeurs par défaut judicieuses
Risque : Critique (perte de données / panne / sécurité) — Élevé (service dégradé) — Moyen (coût ou dégradation partielle) — Faible (mineur).
Validation héritée au moment de la planification. Ce module transmet sa configuration au moteur de fondation App_CloudRun, qui valide les valeurs et les combinaisons au moment de la planification — un réplica en lecture sans son primaire, IAP sans identités autorisées, un runtime
gen1avec des montages NFS/GCS, unedatabase_typequi ne correspond pas à une extension activée, uneredis_port/backup_retention_dayshors plage. Une configuration invalide fait échouer le plan avec une erreur claire et nommée avant la création de toute ressource, de sorte que la plupart des erreurs ci-dessous sont détectées en amont plutôt qu'à l'application ou à l'exécution.
| Paramètre | Valeur judicieuse | Risque | Conséquence si incorrect |
|---|---|---|---|
database_type | POSTGRES_15 | Critique | AnythingLLM nécessite PostgreSQL ; tout autre moteur casse Prisma ORM et provoque un crash au démarrage. |
Persistance STORAGE_DIR | NFS ou GCS Fuse | Critique | Sans volume persistant, tous les documents de l'espace de travail, les index vectoriels et les données de conversation sont perdus à chaque redémarrage d'instance. |
secret_environment_variables (clés API) | Utiliser les références Secret Manager | Critique | Les clés API du fournisseur en texte clair environment_variables sont visibles dans les métadonnées de révision Cloud Run. |
application_database_name / _user | défini une fois | Critique | Immuable après le premier déploiement ; le renommage recrée la base de données/l'utilisateur et détruit les données. |
enable_backup_import | false sauf restauration | Critique | L'activation sans backup_file valide fait échouer le job d'importation. |
enable_cloudsql_volume | true | Critique | La désactivation entraîne l'échec de toutes les connexions à la base de données au démarrage. |
memory_limit | 4Gi | Élevé | Le pipeline d'intégration d'AnythingLLM nécessite 3 à 4 Gio de RAM ; les erreurs de mémoire insuffisante corrompent l'ingestion en cours. |
min_instance_count | 1 | Élevé | La mise à l'échelle à zéro provoque des démarrages à froid de 30 à 60 s ; les opérations d'IA en cours lors de la réduction d'échelle sont perdues. |
timeout_seconds | 300 (augmenter pour les charges de travail lourdes) | Élevé | L'ingestion de documents longs ou les complétions LLM lentes dépassent le délai d'expiration du backend, renvoyant 504. |
EMBEDDING_ENGINE | défini une fois | Élevé | La modification du moteur d'intégration après l'ingestion rend les vecteurs existants incompatibles ; tous les documents doivent être réingérés. |
ingress_settings / enable_iap | sécurisé pour la production | Élevé | ingress_settings = "all" sans IAP expose l'espace de travail publiquement ; seul le formulaire de connexion le protège. |
enable_nfs / GCS Fuse | activer pour multi-instance | Élevé | Sans stockage partagé, les instances > 1 ont chacune une vue de stockage isolée ; l'accès aux documents inter-instances échoue. |
execution_environment | gen2 (par défaut) | Élevé | Les montages NFS et GCS Fuse nécessitent gen2 ; avec gen1, le volume ne se monte pas silencieusement. |
enable_redis | false (ou définir redis_host) | Moyen | Si enable_redis = true et redis_host n'est pas résolvable, le conteneur ne démarre pas. |
application_version | épingler à un tag de version | Moyen | latest risque des mises à niveau cassant le schéma en production. |
backup_retention_days | 7 (augmenter pour la production) | Moyen | Trop court pour la rétention de conformité. |
Pour le comportement de la fondation référencé tout au long — identité de service, mise à l'échelle et concurrence, ingress et équilibrage de charge, CI/CD, Cloud Armor, IAP, Binary Authorization, VPC-SC, sauvegardes et mise en miroir d'images — voir App_CloudRun. La configuration d'application spécifique à AnythingLLM partagée avec la variante GKE est décrite dans AnythingLLM_Common.
Guides connexes
- Lab pratique : AnythingLLM sur Cloud Run — déployez-le étape par étape, avec les écrans de la console et les commandes à chaque étape.
- AnythingLLM sur GKE Autopilot — la même application sur Kubernetes, lorsque vous avez besoin de l'autre cible de déploiement.
- AnythingLLM Common — Configuration d'application partagée — la configuration partagée par les deux cibles de déploiement.
- Déployé aux côtés de Outline sur Google Cloud Run, Ollama sur Google Cloud Run, Qdrant sur Google Cloud Run, Crawl4AI sur Google Cloud Run dans la solution Assistant de connaissances d'équipe.
Need RAD to do something it does not do yet? Request it on the roadmap, or vote on what is already there.