Aller au contenu principal

AnythingLLM sur GKE Autopilot

AnythingLLM sur GKE Autopilot

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 GKE Autopilot au-dessus du socle App_GKE, qui provisionne et gère l'infrastructure partagée de Google Cloud et Kubernetes.

Ce guide se concentre sur les services cloud qu'AnythingLLM utilise et sur la façon de les explorer et de les opérer depuis la console Google Cloud et la ligne de commande. Pour les mécanismes communs à toutes les applications GKE — Workload Identity, ingress, autoscaling, CI/CD, Cloud Armor, IAP, Binary Authorization, VPC Service Controls, sauvegardes et cycle de vie du déploiement — reportez-vous au guide du socle App_GKE plutôt que de les répéter ici.


Ce que coûte AnythingLLM sur RAD, et comment cela se compare​

Le module GKE Autopilot d'AnythingLLM sur RAD coûte environ 150 $ 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 175 crédits (17,50 $ US au prix de la recharge) dans un projet que vous possédez, et 157,5 crédits (10 % de moins) dans un projet géré par RAD. GKE convient à AnythingLLM qui doit rester opérationnel en continu ou s'adapter à plusieurs pods ; pour le coût le plus bas, le module Cloud Run exécute le même AnythingLLM pour environ 102 $ US par mois. Les chiffres sont ceux du 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 150 $ 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 possédezDans un projet géré par RAD pour vous
Frais de module, une fois par déploiement175 crédits (17,50 $ US au prix de la recharge)157,5 crédits (10 % de moins)
BuildsInclus 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 buildIdem
Coût d'exécution Google CloudFacturé par Google à votre propre compte de facturation, environ 150 $ US par mois pour la configuration par défaut (tableau ci-dessous)Mesuré à l'heure en crédits ; RAD publie 142 crédits par jour, environ 4 260 par mois (environ 426 $ US au prix de la recharge ; estimé à partir des prix catalogue de Google, et incluant les frais de cluster)
Qui possède quoiVous possédez le projet et sa facturation ; RAD le déploie et le met à jourRAD 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

10 crédits coûtent 1 $ US pour une recharge unique, et moins avec un plan mensuel. Dans un projet géré par RAD, la base de données et le serveur de fichiers/cache sont partagés par toutes les applications du projet, de sorte qu'une deuxième application n'en ajoute pas une deuxième.

Coût d'exécution par défaut dans votre propre projet (us-central1, prix catalogue Google) :

Ressource (par défaut du module)Par mois
Pod GKE Autopilot, 2x vCPU / 4 Gio79,35 $ US
Cloud SQL pour PostgreSQL, 1 vCPU / 3,75 Go, zonal, 10 Go SSD51,02 $ US
Serveur de fichiers NFS/cache (petite VM)13,43 $ US
Cloud NAT et réseau5 $ US
Cloud Storage (modules complémentaires, sauvegardes)1 $ US
Frais de gestion de cluster GKE0 $ US si c'est votre seul cluster Autopilot/zonal sur le compte de facturation, sinon environ 73 $ US (partagés entre toutes les applications GKE du projet)
Totalenviron 150 $ 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 l'application open source identique sur une infrastructure que vous ou RAD contrôlez, plutôt que sur une location partagée d'un tiers.
  • RAD exécute le projet open source lui-même, et non une location hébergée par un fournisseur. Vous obtenez le même logiciel, sous votre propre infrastructure (ou celle de RAD), au lieu d'un abonnement par siège 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 lorsque 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 d'exécuter 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 cette attente. 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 récupérer le projet et de rattacher son compte de facturation, puis vous demande d'exécuter Mettre à jour 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 cela, Google le supprime définitivement — et la restauration est admise comme la création d'un nouveau projet, donc votre solde de crédits achetés doit toujours dépasser le seuil du palier (100 crédits pour le palier sandbox qui convient à la plupart des utilisations d'étude et de démo). 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.

Payez uniquement 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 redéployez-le lorsque vous en aurez à nouveau besoin.

  • Ce que coûte un redéploiement. Les frais de module à nouveau (les builds sont inclus) : 175 crédits (17,50 $ US) dans votre propre projet, ou 157,5 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 d'exécution — environ 4 jours ou plus dans votre propre projet (4,99 $ US/jour) ou 2 jours ou plus dans un projet géré par RAD (142 crédits/jour).
  • La majeure partie du coût d'exécution est généralement l'infrastructure partagée. La base de données et la VM de fichier 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 en premier. Tout ce qu'AnythingLLM écrit dans un bucket de sauvegarde à l'intérieur 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 de 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 une charge de travail d'IA Node.js. Le déploiement connecte un ensemble ciblé de services Google Cloud :

CapacitéService Google CloudNotes
CalculGKE AutopilotPods Node.js, 2 vCPU / 4 Gio par défaut, mise à l'échelle horizontale automatique
Base de donnéesCloud SQL pour PostgreSQL 15Requis — AnythingLLM utilise Prisma ORM et ne prend pas en charge MySQL
Stockage d'objetsCloud StorageBucket de documents anythingllm-docs auto-provisionné ; buckets supplémentaires facultatifs
Volumes persistantsPVC Kubernetes (StatefulSet)Facultatif — PVC de 20 Gio par pod à /app/server/storage lorsque stateful_pvc_enabled = true
Fichiers partagésFilestore (NFS)Activé par défaut (enable_nfs = true) — STORAGE_DIR pointe vers le montage NFS afin que l'index vectoriel LanceDB survive aux redémarrages/redéploiements de pods
SecretsSecret ManagerQuatre secrets d'application auto-générés (JWT_SECRET, AUTH_TOKEN, SIG_KEY, SIG_SALT) plus le mot de passe de la base de données
IngressCloud Load BalancingLoadBalancer externe, domaine personnalisé facultatif + certificat géré
CacheRedisDésactivé 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_type sur une variante MySQL ou SQL Server.
  • Quatre secrets d'application sont auto-générés. JWT_SECRET, AUTH_TOKEN, SIG_KEY et SIG_SALT sont créés dans Secret Manager lors du premier déploiement ; vous ne les définissez jamais en texte clair.
  • min_instance_count = 1 est recommandé pour maintenir AnythingLLM actif et éviter les démarrages à froid lors des opérations de chat et d'intégration de documents IA.
  • Le stockage doit être persistant. Tous les documents de l'espace de travail, les index vectoriels et les données de conversation sont écrits sous STORAGE_DIR. AnythingLLM y conserve son index vectoriel LanceDB, qui réside sur le disque éphémère du pod sans NFS — la base de connaissances est donc silencieusement effacée à chaque redémarrage/redéploiement de pod. enable_nfs = true par défaut pointe STORAGE_DIR vers le montage NFS afin que les vecteurs survivent ; stateful_pvc_enabled = true (désactivé par défaut) est un chemin de persistance alternatif pour un seul pod à /app/server/storage.
  • Redis est désactivé par défaut. Il n'est pas requis pour les fonctionnalités principales d'AnythingLLM. Activez-le uniquement si votre déploiement nécessite une couche de cache partagée.
  • stateful_pvc_enabled = true sélectionne automatiquement StatefulSet et monte un PVC de 20 Gio à /app/server/storage avec fsGroup = 1000 pour correspondre à l'utilisateur du conteneur AnythingLLM.
  • La variable d'environnement GOOGLE_CLOUD_STORAGE_BUCKET_NAME est définie automatiquement à partir du bucket GCS anythingllm-docs provisionné.

2. Services Google Cloud et comment les explorer​

Toutes les commandes supposent que vous avez exécuté gcloud container clusters get-credentials <cluster> --region <region> --project <project> et que PROJECT, REGION et NAMESPACE sont définis. L'espace de noms et les autres identifiants sont rapportés dans les Sorties du déploiement.

A. GKE Autopilot — la charge de travail AnythingLLM​

Les pods AnythingLLM sont planifiés sur Autopilot, qui facture le CPU/la mémoire que les pods demandent réellement. L'autoscaling horizontal des pods dimensionne le déploiement entre le nombre minimum et maximum de réplicas. Les opérations d'intégration et d'inférence d'IA nécessitent au moins 2 vCPU et 4 Gio de RAM.

  • Console : Kubernetes Engine → Charges de travail → sélectionnez la charge de travail AnythingLLM pour voir les pods, les révisions et les événements. Kubernetes Engine → Services et Ingress affiche l'adresse IP externe.
  • CLI :
    kubectl get pods,svc,hpa -n "$NAMESPACE"
    kubectl logs -n "$NAMESPACE" deploy/<service-name> --tail=100
    kubectl describe hpa -n "$NAMESPACE" # current vs target utilisation

Voir App_GKE pour la gestion d'Autopilot, de la mise à l'échelle et du type de charge de travail (Deployment vs StatefulSet).

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. Les pods l'atteignent en privé via le sidecar Cloud SQL Auth Proxy sur un socket Unix, de sorte qu'aucune IP publique n'est exposée. 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 d'entrée AnythingLLM à partir des variables d'environnement DB_* injectées par le socle au démarrage du conteneur.

  • Console : SQL → sélectionnez l'instance pour les connexions, les sauvegardes, les indicateurs et les métriques.
  • CLI :
    gcloud sql instances list --project "$PROJECT"
    gcloud sql instances describe <instance-name> --project "$PROJECT"
    # Open an interactive shell to inspect schema/data:
    gcloud sql connect <instance-name> --user=<db-user> --project "$PROJECT"

Le nom de l'instance, le nom de la base de données, l'utilisateur et le secret Secret Manager contenant le mot de passe sont tous affichés dans les Sorties. Pour le modèle de connexion, les sauvegardes automatisées et la rotation des mots de passe, voir App_GKE.

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 se voit accorder l'accès automatiquement 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_GKE pour les montages GCS Fuse et les options CMEK.

D. Volumes persistants (PVC StatefulSet)​

Pour les déploiements à pod unique ou à données persistantes, l'activation de stateful_pvc_enabled = true crée un PersistentVolumeClaim Kubernetes par pod monté à /app/server/storage (répertoire de stockage d'AnythingLLM). Le contexte de sécurité fsGroup = 1000 garantit que l'utilisateur du conteneur peut écrire sur le volume.

  • Console : Kubernetes Engine → Stockage → PersistentVolumeClaims.
  • CLI :
    kubectl get pvc -n "$NAMESPACE"
    kubectl describe pvc -n "$NAMESPACE"
    # Confirm the volume is mounted correctly:
    kubectl exec -n "$NAMESPACE" <pod-name> -- ls /app/server/storage

E. Filestore (NFS) — stockage persistant par défaut​

enable_nfs = true par défaut. L'index vectoriel LanceDB d'AnythingLLM se trouve sous STORAGE_DIR, qui par défaut est le disque éphémère du pod — sans NFS, la base de connaissances est silencieusement effacée à chaque redémarrage ou redéploiement de pod (les métadonnées des documents persistent dans Postgres, mais les vecteurs disparaissent). Avec NFS activé, STORAGE_DIR pointe vers nfs_mount_path afin que les vecteurs survivent, et les déploiements multi-pods partagent la même vue des documents et des vecteurs. stateful_pvc_enabled = true (désactivé par défaut) est une alternative pour la persistance à pod unique à /app/server/storage.

  • Console : Filestore → Instances.
  • CLI :
    gcloud filestore instances list --project "$PROJECT"
    kubectl exec -n "$NAMESPACE" deploy/<service-name> -- df -h | grep -i nfs

Voir App_GKE pour les détails de provisionnement NFS.

F. 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"

Le nom du secret du mot de passe de la base de données se trouve dans les Sorties. Voir App_GKE pour l'intégration et la rotation de Secret Store CSI.

G. Réseau et ingress​

Par défaut, la charge de travail est exposée via une adresse IP externe Cloud Load Balancing. Un domaine personnalisé avec un certificat géré par Google peut être activé, et une adresse IP statique peut être réservée afin que l'adresse survive aux redéploiements.

  • Console : Services réseau → Équilibrage de charge ; Réseau VPC → Adresses IP.
  • CLI :
    kubectl get ingress,svc -n "$NAMESPACE"
    gcloud compute addresses list --project "$PROJECT"

Voir App_GKE pour les domaines personnalisés, Cloud CDN et les détails de l'adresse IP statique.

H. Cloud Logging et Monitoring​

Les sorties stdout/stderr des pods sont acheminées vers Cloud Logging ; les métriques GKE et Cloud SQL sont acheminées vers Cloud Monitoring. Un test de disponibilité ciblant /api/ping est activé par défaut.

  • Console : Logging → Explorateur de journaux ; Monitoring → Tableaux de bord / Alertes.
  • CLI :
    gcloud logging read 'resource.type="k8s_container" AND resource.labels.namespace_name="'"$NAMESPACE"'"' \
    --project "$PROJECT" --limit 50

3. Comportement de l'application AnythingLLM​

  • Configuration de la base de données au premier déploiement. Un job d'initialisation (db-init) utilise l'image postgres:15-alpine pour créer la base de données et l'utilisateur AnythingLLM avant le démarrage de la charge de travail. Il est idempotent et peut être réexécuté en toute sécurité.
  • Migrations Prisma au démarrage. Le script d'entrée construit la chaîne de connexion DATABASE_URL à partir des variables d'environnement DB_* 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 disponibilité et de vivacité ciblent toutes deux /api/ping, qui renvoie HTTP 200 uniquement lorsque l'application est entièrement initialisée. Ce point de terminaison fonctionne aussi bien dans GKE où le trafic de la sonde atteint directement le conteneur sans aucune redirection.
  • Configuration du fournisseur LLM. Utilisez environment_variables pour les paramètres de fournisseur non sensibles (LLM_PROVIDER, EMBEDDING_ENGINE, VECTOR_DB) et secret_environment_variables pour 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_ENGINE après 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=1000 et GID=1000 sont définies automatiquement par AnythingLLM_Common. Ne les remplacez pas. AnythingLLM_Common définit également STORAGE_DIR=/app/server/storage comme sa propre valeur par défaut ; AnythingLLM_GKE le définit sur le chemin de montage NFS (nfs_mount_path, par défaut /app/server/storage) chaque fois que enable_nfs = true — la valeur par défaut — de sorte que l'index vectoriel et les documents persistent sur le partage NFS au chemin de stockage propre à l'image (voir Section E).

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_GKE avec son comportement standard et ses valeurs par défaut.

Groupe 1 — Projet et identité​

VariableValeur par défautDescription
project_id(obligatoire)Projet Google Cloud cible.
regionus-central1Région pour la charge de travail et les ressources régionales.

Groupe 2 — Environnement de déploiement​

VariableValeur par défautDescription
tenant_iddemoSuffixe court qui rend les noms de ressources uniques par environnement.
support_users[]Adresses e-mail autorisées à accéder au projet et aux alertes de surveillance.
resource_labels{}Libellés appliqués à toutes les ressources pour le suivi des coûts/de la propriété.

Groupe 3 — Identité de l'application​

VariableValeur par défautDescription
application_nameanythingllmNom de base des ressources. Ne pas modifier après le premier déploiement.
application_display_nameAnythingLLMNom convivial affiché dans la console.
application_descriptionAnythingLLM Private AI Workspace on GKEAnnotation de description de la charge de travail.
application_versionlatestTag de version de l'image ; épingler à un tag de version pour la production.

Groupe 4 — Exécution et mise à l'échelle​

VariableValeur par défautDescription
deploy_applicationtrueDéfinir false pour provisionner uniquement l'infrastructure.
container_resources{ cpu_limit="2000m", memory_limit="4Gi" }Limites CPU/Mémoire. Minimum 2 vCPU / 4 Gio pour les charges de travail IA.
min_instance_count1Réplicas minimum. Garder ≥ 1 pour éviter les démarrages à froid.
max_instance_count1Réplicas maximum (plafond de l'autoscaler).
container_port3001Port HTTP natif d'AnythingLLM.
enable_cloudsql_volumetrueSidecar Cloud SQL Auth Proxy pour les connexions socket.
timeout_seconds300Délai d'expiration du backend de l'équilibreur de charge. Augmenter pour l'ingestion de documents longs.
enable_vertical_pod_autoscalingfalseLaisser Autopilot ajuster automatiquement les requêtes de ressources.

Groupe 5 — Variables d'environnement et secrets​

VariableValeur par défautDescription
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.

Groupe 6 — Backend GKE et cluster​

VariableValeur par défautDescription
service_typeLoadBalancerComment le service est exposé.
session_affinityClientIPMode d'affinité de session.
workload_typenullSe résout automatiquement en StatefulSet lorsque stateful_pvc_enabled = true.
network_tags['nfsserver']Tags de nœud/pod pour les règles de pare-feu VPC.

Groupe 7 — Configuration StatefulSet​

VariableValeur par défautDescription
stateful_pvc_enablednullDéfinir true pour activer le PVC par pod et sélectionner automatiquement StatefulSet.
stateful_pvc_size20GiTaille du PVC par pod. Minimum 20 Gio recommandé pour les données du magasin de vecteurs.
stateful_pvc_mount_path/app/server/storageChemin de montage — répertoire de stockage d'AnythingLLM.
stateful_pvc_storage_classstandard-rwoStorageClass Kubernetes pour les PVC.
stateful_fs_group1000GID fsGroup au niveau du pod ; correspond à l'utilisateur du conteneur AnythingLLM.

Groupe 8 — Quota de ressources​

VariableValeur par défautDescription
enable_resource_quotafalsePlafonner les comptes CPU/mémoire/objets de l'espace de noms.
quota_memory_requests / quota_memory_limits""Doit utiliser des unités binaires (8Gi, 16Gi) — les entiers nus sont lus comme des octets et bloquent la planification.

Groupe 9 — Politiques de fiabilité​

VariableValeur par défautDescription
enable_pod_disruption_budgetfalseProtéger la disponibilité pendant les mises à niveau de nœuds.
pdb_min_available1Nombre minimum de pods disponibles pendant les perturbations volontaires.
enable_topology_spreadfalseRépartir les pods sur plusieurs zones.

Groupe 10 — Observabilité et santé​

VariableValeur par défautDescription
startup_probe_config / startup_probe/api/ping, délai initial de 60 s, 30 échecsFenêtre de démarrage étendue pour le chargement du modèle d'IA.
health_check_config / liveness_probe/api/ping, délai initial de 30 sSonde de vivacité vers le point de terminaison de santé d'AnythingLLM.
uptime_check_config{ enabled=false, path="/" }Test de disponibilité Cloud Monitoring facultatif.
alert_policies[]Politiques d'alerte métrique facultatives.

Groupe 11 — Jobs et tâches planifiées​

VariableValeur par défautDescription
initialization_jobs[]Laisser vide pour utiliser le job db-init intégré.
cron_jobs[]CronJobs Kubernetes planifiés (par exemple, tâches de maintenance).
additional_services[]Services GKE sidecar ou auxiliaires aux côtés d'AnythingLLM.

Groupe 12 — CI/CD et intégration GitHub​

Intégration standard App_GKE Cloud Build / Cloud Deploy — voir App_GKE. Entrées clés : enable_cicd_trigger, github_repository_url, github_token, enable_cloud_deploy, enable_binary_authorization.

Groupe 13 — Système de fichiers (NFS)​

VariableValeur par défautDescription
enable_nfstrueFilestore (NFS) est monté par défaut — requis pour que l'index vectoriel LanceDB d'AnythingLLM (sous STORAGE_DIR) survive aux redémarrages/redéploiements de pods au lieu de résider sur un disque éphémère.
nfs_mount_path/app/server/storageChemin de montage à l'intérieur du conteneur.

Groupe 14 — Cloud Storage et Artifact Registry​

VariableValeur par défautDescription
create_cloud_storagetrueProvisionner le bucket de données supplémentaire. Le bucket anythingllm-docs est toujours créé.
storage_buckets[{ name_suffix="data" }]Buckets GCS supplémentaires.
gcs_volumes[]Montages GCS Fuse via CSI.
manage_storage_kms_iam / enable_artifact_registry_cmekfalseOptions CMEK.

Groupe 15 — Cache Redis​

VariableValeur par défautDescription
enable_redisfalseNon requis pour la fonctionnalité principale d'AnythingLLM. Activer pour les charges de travail de cache facultatives.
redis_hostnullPoint de terminaison Redis. Requis lorsque enable_redis = true.
redis_port6379Port Redis.
redis_auth""Mot de passe d'authentification Redis facultatif (sensible).

Groupe 16 — Backend de base de données​

VariableValeur par défautDescription
database_typePOSTGRES_15Fixe pour AnythingLLM — ne pas modifier.
application_database_nameanythingllmdbNom de la base de données PostgreSQL. Immuable après le premier déploiement.
application_database_useranythingllmuserUtilisateur de l'application. Immuable après le premier déploiement.
database_password_length32Longueur du mot de passe généré (16–64).
enable_postgres_extensionsfalseActiver l'installation de l'extension PostgreSQL.
postgres_extensions[]Extensions à installer (par exemple, ['uuid-ossp', 'vector']).
enable_auto_password_rotationfalseRotation du mot de passe de la base de données sans interruption de service.

Groupe 17 — Sauvegarde et maintenance​

VariableValeur par défautDescription
backup_schedule0 2 * * *Cron de sauvegarde automatisée (UTC).
backup_retention_days7Rétention ; augmenter à 30–90 pour la production/conformité.
enable_backup_import / backup_source / backup_fileoptions de restaurationRestaurer à partir d'une sauvegarde lors du déploiement.

Groupe 18 — Scripts SQL personnalisés​

enable_custom_sql_scripts, custom_sql_scripts_bucket, custom_sql_scripts_path, custom_sql_scripts_use_root — exécuter du SQL à partir d'un bucket GCS après le provisionnement. Voir App_GKE.

Groupe 19 — Domaine personnalisé, IP statique et réseau​

VariableValeur par défautDescription
enable_custom_domaintrueProvisionner Ingress pour les noms d'hôtes personnalisés + certificat géré.
application_domains[]Noms d'hôtes à servir.
reserve_static_iptrueIP externe stable sur les redéploiements.

Groupe 20 — Identity-Aware Proxy (IAP)​

VariableValeur par défautDescription
enable_iapfalseExiger la connexion Google devant AnythingLLM. Recommandé pour la production.
iap_authorized_users / iap_authorized_groups[]Qui peut accéder.
iap_oauth_client_id / iap_oauth_client_secret""Requis lorsque IAP est activé (sensible).
iap_support_email""Affiché sur l'écran de consentement OAuth.

Groupe 21 — Cloud Armor​

VariableValeur par défautDescription
enable_cloud_armorfalseAttacher une politique Cloud Armor (WAF) au backend Ingress.
admin_ip_ranges[]CIDR autorisés à un accès privilégié.
cloud_armor_policy_namedefault-waf-policyNom de la politique.

Groupe 22 — VPC Service Controls et journalisation d'audit​

VariableValeur par défautDescription
enable_vpc_scfalseAppliquer un périmètre VPC-SC (nécessite organization_id).
vpc_cidr_ranges / vpc_sc_dry_run(défini)CIDR de niveau d'accès / mode simulation.
enable_audit_loggingfalseJournaux d'audit Cloud détaillés.

5. Sorties​

Ces valeurs sont renvoyées lors d'un déploiement réussi et constituent le moyen le plus rapide de localiser et d'explorer les ressources en cours d'exécution.

SortieDescription
service_nameNom du service Kubernetes.
namespaceEspace de noms dans lequel la charge de travail s'exécute.
service_cluster_ipClusterIP interne au cluster.
stage_service_cluster_ipsMappage des ClusterIP pour les services spécifiques à chaque étape.
service_external_ipIP externe du LoadBalancer (lorsqu'une IP statique est réservée).
service_urlURL pour atteindre AnythingLLM.
database_instance_nameNom de l'instance Cloud SQL.
database_nameNom de la base de données de l'application.
database_userUtilisateur de la base de données de l'application.
database_password_secretSecret Manager secret contenant le mot de passe de la base de données.
database_host / database_portPoint de terminaison de la base de données (127.0.0.1 via le proxy d'authentification) / port.
storage_bucketsBuckets Cloud Storage créés (inclut le bucket anythingllm-docs).
network_name / network_exists / regionsRéseau VPC, présence, régions disponibles.
container_image / container_registryImage déployée et dépôt Artifact Registry.
monitoring_enabled / monitoring_notification_channelsÉtat et canaux de surveillance.
initialization_jobs / db_import_jobNoms des jobs de configuration et d'importation (facultatif).
deployment_id / tenant_id / resource_prefixIdentifiants de nommage.
project_id / project_numberIdentifiants du projet.
cicd_enabled / cicd_configurationÉtat et détails CI/CD (dépôt, déclencheur, registre).
github_repository_url / github_repository_owner / github_repository_nameDétails du dépôt GitHub.
artifact_registry_repository / cloudbuild_trigger_name / cloudbuild_trigger_idRegistre et déclencheur de build.
kubernetes_readyIndique si le cluster/la charge de travail est prêt.
vpc_sc_enabled / vpc_sc_perimeter_name / vpc_sc_dry_run_modeÉtat de VPC-SC.
audit_logging_enabled / artifact_registry_cmek_enabledÉtat de l'audit logging et de 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 base App_GKE, qui valide les valeurs et les combinaisons au moment de la planification — un réplica en lecture sans son primaire, IAP sans identités autorisées, un environnement d'exécution gen1 avec des montages NFS/GCS, un database_type qui ne correspond pas à une extension activée, un redis_port/backup_retention_days hors de portée. Une configuration invalide fait échouer la planification 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'au moment de l'apply ou de l'exécution.

ParamètreValeur judicieuseRisqueConséquence en cas d'erreur
database_typePOSTGRES_15CritiqueAnythingLLM nécessite PostgreSQL ; tout autre moteur rompt Prisma ORM et provoque un crash au démarrage.
Persistance STORAGE_DIRstateful_pvc_enabled=true ou NFSCritiqueSans volume persistant, tous les documents de l'espace de travail, les index vectoriels et les données de conversation sont perdus lors de l'éviction du pod.
secret_environment_variables (clés API)Utiliser les références Secret ManagerCritiqueLes clés API du fournisseur en environment_variables sont visibles dans les spécifications des pods Kubernetes. Utiliser secret_environment_variables pour tous les secrets.
application_database_name / _userdéfini une foisCritiqueImmuable après le premier déploiement ; le renommage recrée la base de données/l'utilisateur et détruit les données.
enable_backup_importfalse sauf restaurationCritiqueL'activation sans backup_file valide fait échouer le job d'importation.
quota_memory_requests / _limitsunités binaires (8Gi)CritiqueLes entiers bruts sont des octets et bloquent toute planification.
enable_cloudsql_volumetrueCritiqueLa désactivation entraîne l'échec de toutes les connexions à la base de données au démarrage.
container_resources.memory_limit4GiÉlevéLe pipeline d'intégration d'AnythingLLM nécessite 3 à 4 Gio de RAM ; les OOM kills corrompent l'ingestion en cours.
min_instance_count1ÉlevéLa mise à l'échelle à zéro provoque des démarrages à froid de 30 à 60 s ; les opérations d'IA en cours pendant la mise à l'échelle sont perdues.
timeout_seconds300 (augmenter pour les charges de travail lourdes)ÉlevéL'ingestion de documents longs ou les complétions LLM lentes dépassent le délai d'expiration du backend, renvoyant 504.
EMBEDDING_ENGINEdéfini une foisÉlevéLa modification du moteur d'intégration après l'ingestion rend les vecteurs existants incompatibles ; tous les documents doivent être réingérés.
enable_iap / enable_cloud_armoractiver pour la productionÉlevéSans IAP, l'accès n'est contrôlé que par l'écran de connexion de l'application.
enable_redisfalse (ou définir redis_host)MoyenSi enable_redis = true et redis_host ne sont pas résolubles, le conteneur ne démarre pas.
enable_nfstrue (par défaut)MoyenActivé par défaut pour que l'index vectoriel LanceDB survive aux redémarrages des pods ; sa désactivation bloque également les pods multi-réplicas sur un stockage éphémère isolé, rompant l'accès aux documents entre les pods.
application_versionépingler à une balise de versionMoyenlatest risque des mises à niveau rompant le schéma en production.
backup_retention_days7 (augmenter pour la production)MoyenTrop court pour la rétention de conformité.

Pour le comportement de la fondation référencé tout au long — IAM et Workload Identity, autoscaling, ingress et certificats, CI/CD, Cloud Armor, IAP, Binary Authorization, VPC-SC, sauvegardes et mise en miroir d'images — voir App_GKE. La configuration d'application spécifique à AnythingLLM partagée avec la variante Cloud Run est décrite dans AnythingLLM_Common.

Need RAD to do something it does not do yet? Request it on the roadmap, or vote on what is already there.