Medusa sur Google Cloud Run
1. Introduction
La chose la plus importante à savoir sur ce module : Medusa n'a pas
d'image Docker officielle, donc Medusa_CloudRun en construit une à partir des sources à chaque
déploiement. Tous les autres modules d'application de ce catalogue encapsulent une image
pré-construite en amont ; celui-ci fait en sorte que Cloud Build clone le
modèle de monorepo medusajs/dtc-starter (seul apps/backend — le serveur Medusa
plus son interface d'administration intégrée, même processus et port — est construit ; le
Next.js apps/storefront séparé est explicitement hors de portée) et exécute medusa build à l'intérieur d'un Dockerfile multi-étapes. Attendez-vous à un vrai git clone + pnpm install + medusa build à chaque construction d'image — prévoyez environ 10 minutes pour
l'étape de construction seule, en dehors du provisionnement Cloud SQL et du temps d'exécution du job d'initialisation.
Medusa est une plateforme e-commerce open-source, headless — une alternative API-first à Shopify Plus/Saleor avec un contrôle programmatique complet sur les produits, paniers, commandes, clients et paiements, plus une interface d'administration intégrée servie par le même processus serveur. Ce module déploie Medusa 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 que Medusa utilise et comment les explorer et les opérer depuis la console Google Cloud et la ligne de commande. Pour les mécaniques communes 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 cycle de vie du déploiement — référez-vous au guide de la fondation App_CloudRun plutôt que de les répéter ici.
Ce que Medusa coûte sur RAD, et comment cela se compare
L'exécution de Medusa dans votre propre projet GCP coûte environ 90,17 $/mois en frais Google Cloud ; les frais de module de RAD sont de 175 crédits uniques (ou 157,5 crédits dans un projet géré par RAD), couvrant la configuration et le support — pas la facture cloud continue, que Google vous facture directement dans votre propre projet ou que RAD facture à l'heure en crédits dans un projet géré par RAD. Ou consultez le guide GKE pour la cible de déploiement alternative ; dans tous les cas, si vous déployez dans un projet géré par RAD, vous pouvez tout mettre en pause gratuitement lorsque vous ne l'utilisez pas — voir Mettez-le en pause gratuitement ci-dessous.
Ce que vous payez sur RAD
| Votre propre projet | Projet géré par RAD | |
|---|---|---|
| Frais de module | 175 crédits, une fois | 157,5 crédits, une fois (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 pour le temps de build à la minute | Idem |
| Coût d'exécution Google Cloud | ~90,17 $/mois, facturé à votre propre compte de facturation au prix catalogue de Google | ~71 crédits/jour, mesuré à l'heure par RAD au prix catalogue plus marge |
Coût d'exécution par défaut dans votre propre projet
| Ressource | US$/mois (prix catalogue Google, us-central1) |
|---|---|
| Cloud Run, 1x vCPU / 2 GiB (chaud) | 19,72 $ |
| Cloud SQL pour PostgreSQL, 1 vCPU / 3,75 Go, zonal, 10 Go SSD | 51,02 $ |
| Serveur de fichiers NFS/cache (petite VM) | 13,43 $ |
| Cloud NAT et réseau | 5,00 $ |
| Cloud Storage (modules complémentaires, sauvegardes) | 1,00 $ |
| Total | 90,17 $ |
Comment cela se compare
- Le cloud géré officiel de Medusa (Medusa Cloud) commence à 29 $/mois pour son plan d'entrée Develop, passant à 99 $/mois (Launch, ajoute l'autoscaling et les sauvegardes) et 299 $/mois (Scale) (source : https://medusajs.com/pricing/), géré par le projet lui-même sans infrastructure à opérer — la comparaison qui importe ici est moins le prix affiché que de savoir si vous voulez le cloud du fournisseur ou votre propre projet GCP avec RAD le gérant.
- L'exécuter vous-même sur un VPS nu reste l'option la moins chère en espèces — Hetzner CPX22 (2 vCPU/4 Go) coûte environ 24 $/mois, un Droplet DigitalOcean 2 vCPU/4 Go est également à 24 $/mois, et un GCP Compute Engine e2-standard-2 (2 vCPU/8 Go) est à environ 49 $/mois — plus le temps de l'administrateur pour les sauvegardes, les correctifs de sécurité et les mises à niveau, que Cloud SQL, Secret Manager et la surveillance gérés par RAD couvrent pour vous — mais le prix de RAD n'est jamais destiné à battre un VPS, seulement à remplacer le temps d'administration qu'un VPS nécessite encore.
- Dans tous les cas, il s'agit d'un backend de vitrine de production, donc le coût d'exécution ci-dessus est ce qui génère réellement la facture, pas les frais de module — et ce coût d'exécution est celui que vous pouvez mettre en pause (voir ci-dessous).
Mettez-le en pause gratuitement : supprimez un projet géré par RAD, restaurez-le quand vous en avez besoin
C'est le titre pour un projet géré par RAD. La suppression d'un projet géré par RAD délie d'abord sa facturation, puis demande à Google de supprimer le projet purement et simplement — la suppression logicielle récupérable de 30 jours de Google. Contrairement à la suppression d'un module, cela ne détruit pas Cloud SQL, aucune VM ou la ressource de calcul une par une : l'ensemble du projet s'arrête simplement, et rien n'est facturé pendant qu'il attend, car la facturation est déjà déliée.
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, de sorte que la restauration ne peut pas être invoquée comme un moyen 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.
La restauration, dans les 30 jours et uniquement par le propriétaire du projet, demande à Google de récupérer le projet et de rattacher son compte de facturation, puis vous demande d'exécuter la mise 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 qu'il faut : 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/démo). Google affirme que la plupart des services sont de nouveau pleinement fonctionnels dans les 36 heures suivant une restauration.
Un véritable manque : les sauvegardes nocturnes sont écrites dans un bucket à l'intérieur du projet, et ce bucket a la suppression logicielle de Cloud Storage explicitement désactivée, il est donc très probable qu'il disparaisse dès que vous supprimez le projet — même si le projet lui-même est récupérable pendant 30 jours. Si vous avez personnalisé l'application et que vous souhaitez conserver ce travail, copiez 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
Dans votre propre projet (ou une fois que vous avez dépassé la fenêtre de restauration de 30 jours ci-dessus), l'alternative est de supprimer Medusa purement et simplement et de le redéployer plus tard. Un redéploiement coûte à nouveau les frais de module (les builds sont inclus) — 175 crédits.
La suppression ne permet d'économiser de l'argent que si Medusa reste inutilisé suffisamment longtemps pour compenser ce coût de redéploiement par rapport à son propre coût d'exécution quotidien — par rapport au total du projet ci-dessus, cela représente environ 6 jours ou plus. La majeure partie du coût d'exécution ici est généralement la base de données et la VM de fichier/cache partagée ; ils ne s'arrêtent que si rien d'autre dans le projet ne les utilise, donc la suppression de cette application pendant que quelque chose d'autre partage le projet n'économise que la partie calcul de cette application.
Conservez les données d'abord : les sauvegardes nocturnes vont dans un bucket à l'intérieur du déploiement et sont supprimées avec celui-ci, alors copiez la dernière sauvegarde avant de supprimer si vous voulez la conserver.
Sessions de lab et environnements gérés
- Sessions de lab, pour la formation : un formateur anime une session pour une classe. Chaque participant dispose de l'application 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 l'application 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, afin que personne ne reçoive 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 de l'API Google Cloud Billing Catalog ; radmodules.dev/pricing pour les frais propres à RAD et les estimations de crédits quotidiens ; https://cloud.google.com/resource-manager/docs/delete-restore-projects pour les mécanismes de pause/restauration ; https://medusajs.com/pricing/ pour le prix du concurrent nommé.
2. Vue d'ensemble
| Capacité | Service Google Cloud | Notes |
|---|---|---|
| Calcul | Cloud Run v2 | Service Node.js (construit à partir des sources), 1 vCPU / 2 GiB par défaut, autoscaling sans serveur ; min_instance_count = 1 par défaut |
| Base de données | Cloud SQL pour PostgreSQL 15 | Obligatoire — Medusa ne prend pas en charge MySQL ou d'autres moteurs |
| Cache et workflows en arrière-plan | Redis (obligatoire) | Session/cache/bus d'événements/moteur de workflow/verrouillage ; pas de solution de repli de production prise en charge |
| Stockage d'objets (optionnel) | Cloud Storage | Désactivé par défaut (enable_gcs_storage = false) ; lorsqu'il est activé, un bucket + un compte de service dédié + une clé HMAC auto-générée sont provisionnés |
| Secrets | Secret Manager | JWT_SECRET, COOKIE_SECRET, mot de passe administrateur auto-générés ; mot de passe de la base de données |
| Ingress | URL Cloud Run / Cloud Load Balancing | URL run.app par défaut ; équilibreur de charge HTTPS externe optionnel + domaine personnalisé |
| Build | Cloud Build | Clone medusajs/dtc-starter, exécute medusa build — aucune image pré-construite n'existe pour être tirée à la place |
Valeurs par défaut judicieuses à connaître d'emblée :
- PostgreSQL 15 est obligatoire. Le moteur de base de données est fixé par la couche d'application partagée ; la sélection de tout autre moteur interrompt le démarrage.
- Redis est requis, et non optionnel, en production.
enable_redis = truepar défaut. Medusa enregistre"redisUrl not found. A fake redis instance will be used."et démarre quand même si Redis est inaccessible — c'est un mécanisme de repli pour le développement/test, pas un mode de production pris en charge. container_port = 9000— le port par défaut documenté de Medusa, servant à la fois l'API REST et l'interface d'administration.container_image_source = "custom"ne peut pas être changé en"prebuilt"de manière significative — il n'y a pas d'image Medusa pré-construite à déployer à la place.- Le temps de build est réel et distinct du temps de déploiement. L'étape Cloud Build
est allouée jusqu'à 30 minutes (
timeout: 1800sdans la référencecloudbuild.yaml) bien qu'un build typique — clone,pnpm install,medusa build— se termine en environ 10 minutes. Cela s'ajoute au provisionnement normal de Cloud SQL (20 à 35 minutes lors d'un premier déploiement) et aux quatre exécutions de jobs d'initialisation qui suivent. - Une chaîne d'initialisation en quatre étapes s'exécute avant que le service ne soit considéré
prêt :
db-init→medusa-migrate→medusa-verify→medusa-admin-create, chacune dépendant de la précédente. MEDUSA_WORKER_MODE = "shared"— une seule instance Cloud Run gère à la fois les requêtes API et les jobs/abonnés/workflows en arrière-plan de Medusa, car la topologie serveur/worker divisée officiellement recommandée par Medusa ne correspond pas à un seul service Cloud Run.enable_gcs_storage = falsepar défaut. Medusa utilise le stockage local, éphémère du système de fichiers du conteneur pour les fichiers téléchargés jusqu'à ce que vous l'activiez.application_versionne fixe pas ce qui est construit. Le Dockerfile n'a pas deARGle consommant — seulMEDUSA_STARTER_REF(codé en dur àmaindansMedusa_Common) contrôle quelle branchedtc-starterest clonée.
3. 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 Medusa
Medusa s'exécute en tant que service Cloud Run v2 qui s'adapte automatiquement à la charge de requêtes entre les nombres minimum et maximum d'instances. Chaque déploiement crée une révision immuable.
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 "$REGION"
Voir App_CloudRun pour la mise à l'échelle, la concurrence, l'environnement d'exécution et la répartition du trafic.
B. Cloud Build — la construction d'image à partir des sources
Chaque déploiement (et chaque reconstruction déclenchée par une modification de la configuration de build du module Application) exécute un build réel : git clone --depth 1 --branch main https://github.com/medusajs/dtc-starter.git, pnpm install, pnpm build
à l'intérieur de apps/backend, puis un second pnpm install --prod en dehors de l'espace de travail pnpm avant que l'image d'exécution ne soit assemblée.
gcloud builds list --project "$PROJECT" --limit 5
gcloud builds log <build-id> --project "$PROJECT"
C. Cloud SQL pour PostgreSQL 15
Medusa stocke toutes les données de l'application (produits, commandes, clients, paniers,
inventaire) dans une instance Cloud SQL gérée pour PostgreSQL 15. Le service
se connecte en privé via le proxy d'authentification Cloud SQL sur un socket Unix par
défaut (enable_cloudsql_volume = true) ; aucune IP publique n'est exposée.
gcloud sql instances list --project "$PROJECT"
gcloud sql instances describe <instance-name> --project "$PROJECT"
gcloud sql connect <instance-name> --user=<db-user> --database=<db-name> --project "$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.
D. Redis
Redis est activé par défaut. Lorsque redis_host est laissé vide, l'IP de la VM NFS de la plateforme est utilisée comme solution de repli pour l'hôte Redis (nécessite enable_nfs = true
ou un serveur NFS géré par Services_GCP découvert) ; sinon, définissez redis_host
explicitement.
redis-cli -h <redis-host> ping
# Confirm the resolved REDIS_URL in the running revision's logs (constructed
# by entrypoint.sh at boot):
gcloud run services logs read <service-name> --project "$PROJECT" --region "$REGION" --limit 50 | grep -i redis
E. Cloud Storage (optionnel)
Provisionné uniquement lorsque enable_gcs_storage = true. Contrairement à de nombreuses applications de ce
catalogue, aucune configuration manuelle de clé HMAC n'est requise — Medusa_Common génère un
compte de service dédié et une paire clé d'accès/clé secrète automatiquement.
gcloud storage buckets list --project "$PROJECT"
gcloud storage ls gs://gcs-<service-name>-storage/
F. Secret Manager
JWT_SECRET, COOKIE_SECRET, et le mot de passe administrateur initialisé sont
générés automatiquement. Le mot de passe de la base de données est géré séparément par la
fondation.
gcloud secrets list --project "$PROJECT" --filter="name~medusa"
gcloud secrets versions access latest --secret=<secret-name> --project "$PROJECT"
G. Cloud Logging et Monitoring
gcloud run services logs read <service-name> --project "$PROJECT" --region "$REGION" --limit 50
Voir App_CloudRun pour les tests de disponibilité et les stratégies d'alerte.
4. Comportement de l'application Medusa
La chaîne d'initialisation en quatre étapes
db-init(postgres:15-alpine) — attend la base de données, crée le rôle et la base de données de l'application, accorde les privilèges surpublic, et installe au mieux les extensionsuuid-ossp/postgis.medusa-migrate— exécutenpx medusa db:migratesur l'image construite (2 vCPU / 2Gi, jusqu'à 30 minutes, 3 tentatives).medusa-verify— un job de garde qui se connecte aprèsmedusa-migrateet échoue l'apply si le schémapublica zéro table. Ceci existe parce que cette Fondation ne fait pas échouer l'apply du module lorsqu'un job d'initialisation échoue seul — sansmedusa-verify, une migration en concurrence ou échouée pourrait silencieusement livrer un service Cloud Run d'apparence saine pointant vers une base de données vide, et chaque requête échouerait alors contre des tables manquantes sans signal évident au moment du déploiement. Vérifié en direct :"public schema has 146 table(s)"enregistré lors d'un déploiement réussi.medusa-admin-create— exécutenpx medusa user -e <email> -p <password>pour créer la première connexion administrateur, en utilisantadmin_email(par défautadmin@techequity.cloud) et le secret du mot de passe administrateur auto-généré. Vérifié en direct :"User created successfully."enregistré.
gcloud run jobs list --project "$PROJECT" --region "$REGION"
gcloud run jobs executions list --job <job-name> --project "$PROJECT" --region "$REGION"
Point de terminaison de santé
/health n'est pas authentifié et est utilisé à la fois par la sonde de démarrage (délai initial de 120 secondes, 40 × 15 secondes de tentatives — environ 12 minutes au total) et la sonde de vivacité (délai initial de 30 secondes, 3 tentatives). Vérifié en direct : curl /health renvoie OK avec HTTP 200.
curl -s -o /dev/null -w "%{http_code}\n" "$SERVICE_URL/health"
MEDUSA_WORKER_MODE = "shared"
Une seule instance Cloud Run exécute à la fois le serveur API et les jobs/abonnés/workflows en arrière-plan de Medusa — la topologie serveur/worker divisée officiellement recommandée par Medusa ne correspond pas à un seul service Cloud Run, donc ce module s'exécute toujours en mode partagé. En pratique : chaque instance en cours d'exécution gère à la fois les requêtes et tout travail en arrière-plan que le moteur de workflow de Medusa planifie.
Récupération des identifiants administrateur de première exécution
ADMIN_SECRET=$(gcloud secrets list --project "$PROJECT" --filter="name~medusa-admin-password" --format="value(name)")
gcloud secrets versions access latest --secret="$ADMIN_SECRET" --project "$PROJECT"
L'e-mail de l'administrateur est celui qui a été défini pour admin_email au moment du déploiement (par défaut
admin@techequity.cloud).
Accéder à l'interface d'administration intégrée
Medusa sert son interface d'administration à partir du même processus et du même port que l'API — ouvrez
$SERVICE_URL/app dans un navigateur et connectez-vous avec l'e-mail/mot de passe récupérés
ci-dessus.
5. Variables de configuration
Les variables sont regroupées exactement comme elles apparaissent sur la plateforme de déploiement. Seuls les paramètres spécifiques ou notables pour Medusa sont listés ; toute autre entrée est héritée de App_CloudRun avec son comportement standard.
Groupe 3 — Identité de l'application
| Variable | Valeur par défaut | Description |
|---|---|---|
application_name | medusa | Nom de base des ressources. Ne pas modifier après le premier déploiement. |
admin_email | admin@techequity.cloud | E-mail du premier utilisateur administrateur créé par medusa-admin-create. |
application_version | latest | Balise de suivi du déploiement uniquement. Ne sélectionne pas ce qui est construit — le Dockerfile n'a pas de ARG le consommant ; seul MEDUSA_STARTER_REF (fixé à main) détermine le code cloné. |
Groupe 4 — Exécution et mise à l'échelle
| Variable | Valeur par défaut | Description |
|---|---|---|
cpu_limit / memory_limit | 1000m / 2Gi | Limites de ressources par instance. |
min_instance_count / max_instance_count | 1 / 3 | Bornes d'instance. |
container_port | 9000 | Port par défaut documenté de Medusa. |
cpu_always_allocated | false | Facturation basée sur les requêtes. Envisagez true si vous comptez sur les workflows planifiés/pilotés par événements de Medusa — le mode worker partagé les traite dans la même instance, et la facturation basée sur les requêtes limite le CPU entre les requêtes entrantes. |
container_image_source | custom | Toujours construit à partir des sources — il n'y a pas d'image Medusa "prebuilt". |
enable_cloudsql_volume | true | Socket Unix du proxy d'authentification Cloud SQL. |
Groupe 12 — Base de données
| Variable | Valeur par défaut | Description |
|---|---|---|
database_type | POSTGRES_15 | Fixé par Medusa_Common ; MySQL n'est pas pris en charge. |
db_name / db_user | medusa / medusa | Nom de la base de données / utilisateur de l'application. |
Groupe 11 — Stockage et système de fichiers
| Variable | Valeur par défaut | Description |
|---|---|---|
enable_gcs_storage | false | Provisionne un bucket GCS + une clé HMAC auto-générée pour le fournisseur de fichiers compatible S3 de Medusa. Lorsque false, les téléchargements utilisent le stockage de conteneur local et éphémère. |
Groupe 21 — Redis
| Variable | Valeur par défaut | Description |
|---|---|---|
enable_redis | true | Requis en production. |
redis_host | "" | Vide utilise l'IP de la VM NFS de la plateforme comme solution de repli (nécessite enable_nfs = true) ; sinon, définissez explicitement. |
redis_port / redis_auth | "6379" / "" | Port Redis / mot de passe d'authentification (sensible). |
Groupe 14 — Observabilité et santé
| Variable | Valeur par défaut | Description |
|---|---|---|
startup_probe | HTTP /health, délai de 120 s, seuil de 40 échecs | Fenêtre totale d'environ 12 minutes. |
liveness_probe | HTTP /health, délai de 30 s, seuil de 3 échecs |
Pour tous les autres groupes (CI/CD, sauvegarde, IAM, VPC-SC, équilibreur de charge/CDN, etc.), voir App_CloudRun — Medusa hérite du comportement standard de la Fondation sans aucune surcharge spécifique à l'application.
6. Sorties
| 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. |
database_instance_name / database_name / database_user | Identifiants Cloud SQL. |
database_password_secret | Secret Manager contenant le mot de passe de la base de données. |
database_host / database_port | Point de terminaison de la base de données (sensible) / port. |
storage_buckets | Buckets Cloud Storage créés — vide sauf si enable_gcs_storage = true. |
container_image / container_registry | L'image Medusa produite par Cloud Build et son dépôt Artifact Registry. |
monitoring_enabled / monitoring_notification_channels / uptime_check_names | Statut de surveillance, canaux, tests de disponibilité. |
initialization_jobs | Noms des quatre jobs d'initialisation créés. |
deployment_id / tenant_id / resource_prefix | Identifiants de nommage. |
project_id / project_number | Identifiants de projet. |
cicd_enabled / cicd_configuration / artifact_registry_repository | Statut et détails CI/CD. |
vpc_sc_enabled / audit_logging_enabled / artifact_registry_cmek_enabled | Indicateurs de posture de sécurité. |
7. 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 la fondation App_CloudRun, qui valide les valeurs et les combinaisons au moment de la planification. Une configuration invalide fait échouer le plan avec une erreur claire et nommée avant la création de toute ressource.
| Paramètre | Valeur judicieuse | Risque | Conséquence si incorrect |
|---|---|---|---|
Build à partir des sources (container_image_source = "custom") | Aucune action nécessaire — c'est le seul mode valide | Élevé | Toute modification du Dockerfile, de entrypoint.sh ou des arguments de build dans Medusa_Common nécessite une reconstruction Cloud Build réelle (environ 10 minutes pour l'étape de build seule) avant de prendre effet — il n'y a aucun moyen de "simplement redémarrer" sur une nouvelle source, contrairement aux applications à build personnalisé dont l'image de base existe déjà. Forcez une reconstruction avec tofu taint 'module.medusa_app.module.app_build.null_resource.build_and_push_application_image[0]' si le déclencheur de hachage de contenu manque une modification. |
enable_redis | true | Critique | Medusa enregistre "redisUrl not found. A fake redis instance will be used." et démarre quand même — ce message de journal d'apparence gracieuse est un mécanisme de repli pour le développement/test, pas un mode de production pris en charge. Le cache/session/bus d'événements/moteur de workflow/verrouillage dépendent tous de Redis ; le désactiver dans un déploiement de production à long terme n'est pas pris en charge. |
Job d'initialisation medusa-verify | Laisser dans la chaîne par défaut | Critique | Ce job existe spécifiquement parce qu'un échec de job d'initialisation ne fait pas échouer l'apply du module dans cette Fondation. Le supprimer (en surchargeant initialization_jobs) rouvre le risque exact de base de données vide silencieuse qu'il a été ajouté pour fermer — une migration medusa-migrate en concurrence ou échouée livrerait autrement un service "déployé avec succès" contre un schéma public vide, et chaque requête échouerait sans signal évident au moment du déploiement. |
| Isolation de l'espace de travail pnpm (leçon pour étendre ce modèle de Dockerfile) | N/A — informatif | Élevé | Si vous clonez ce modèle à partir des sources pour une autre application basée sur un espace de travail pnpm/npm, rappelez-vous que la sortie de build produite à l'intérieur d'un monorepo cloné est toujours imbriquée sous le pnpm-workspace.yaml de ce monorepo. Exécuter pnpm install --prod directement sur cette sortie la réinstalle silencieusement dans le cadre de l'espace de travail externe et peut écrire zéro node_modules — confirmé ici comme sh: medusa: not found à l'exécution. Copiez toujours la sortie de build autonome dans un répertoire sans ancêtre pnpm-workspace.yaml avant d'installer ses dépendances de production. |
admin_email / mot de passe administrateur initialisé | Récupérer de Secret Manager après le déploiement | Élevé | Il n'y a pas d'identifiant administrateur pré-rempli visible nulle part sauf dans Secret Manager (sortie admin_password_secret_id) — le perdre signifie récupérer l'accès via npx medusa user manuellement contre la base de données en cours d'exécution. |
MEDUSA_WORKER_MODE = "shared" + cpu_always_allocated = false (par défaut) | Définir cpu_always_allocated = true si vous comptez sur des workflows planifiés/pilotés par événements | Moyen | Le mode worker partagé traite les workflows/abonnés en arrière-plan dans la même instance qui sert les requêtes HTTP. La facturation basée sur les requêtes (par défaut) limite le CPU à presque zéro entre les requêtes entrantes, ce qui peut bloquer le travail en arrière-plan en cours — la même classe de problème documentée à l'échelle de la flotte pour les applications de type n8n/OpenClaw dans ce catalogue. |
application_version | Comprendre que c'est uniquement des métadonnées | Faible | Le modifier ne fixe pas ou ne change pas le code construit ; seul MEDUSA_STARTER_REF (fixé à main) contrôle la branche dtc-starter clonée. Un build épinglé entièrement reproductible nécessite de surcharger container_build_config.build_args. |
enable_gcs_storage = false (par défaut) | L'activer pour tout cas d'utilisation de téléchargement persistant | Moyen | Le stockage local est un système de fichiers de conteneur éphémère — les images/fichiers de produits téléchargés ne survivent pas à un redémarrage, un redéploiement ou un démarrage à froid avec mise à l'échelle à zéro. |
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 Medusa partagée avec la variante GKE est décrite dans Medusa_Common.
Guides associés
- Lab pratique : Medusa sur Cloud Run — déployez-le étape par étape, avec les écrans de la console et les commandes à chaque étape.
- Medusa sur GKE Autopilot — la même application sur Kubernetes, pour quand vous avez besoin de l'autre cible de déploiement.
- Medusa Common — Configuration d'application partagée — la configuration partagée par les deux cibles de déploiement.
- Déployé aux côtés de Payload CMS sur Google Cloud Run, Matomo sur Google Cloud Run, Listmonk sur Google Cloud Run dans la solution E-commerce Storefront.
Need RAD to do something it does not do yet? Request it on the roadmap, or vote on what is already there.