使用gargle包在Google Compute Engine上管理认证令牌
2025-06-07 19:08:29作者:柯茵沙
概述
本文将介绍如何在Google Compute Engine(GCE)虚拟机上使用r-lib/gargle包进行认证管理。gargle是一个专门为R语言设计的Google API认证工具包,它简化了与Google服务交互时的认证流程。
准备工作
环境配置
在使用gargle与GCE交互前,需要完成以下准备工作:
- 拥有一个已启用计费的Google Cloud Platform(GCP)项目
- 下载GCP项目的默认服务账户JSON凭证文件
- 在.Renviron文件中配置环境变量:
GCE_AUTH_FILE="凭证文件路径.json" GCE_DEFAULT_PROJECT_ID="项目ID" GCE_DEFAULT_ZONE="区域(如us-west1-a)"
相关R包
我们将使用googleComputeEngineR包来管理GCE虚拟机,它提供了与GCE交互的R接口。
library(googleComputeEngineR)
创建GCE虚拟机
基本创建方法
创建带有RStudio Server的虚拟机:
vm <- gce_vm(
template = "rstudio",
name = "虚拟机名称",
username = "用户名",
password = "密码",
predefined_type = "e2-standard-4"
)
参数说明:
template: 指定虚拟机模板,这里使用RStudio模板name: 虚拟机名称username/password: RStudio登录凭证predefined_type: 虚拟机规格,e2-standard-4是中等配置
获取虚拟机信息
创建后,可以通过以下命令获取虚拟机IP地址:
paste0("http://", gce_get_external_ip(vm))
虚拟机认证机制
默认认证范围
默认情况下,虚拟机使用"cloud-platform"范围的服务账户权限:
gce_instance_service_accounts()
这会显示虚拟机可用的服务账户及其权限范围。
令牌获取
在虚拟机内使用gargle获取令牌:
library(gargle)
local_gargle_verbosity("debug") # 启用详细日志
t <- token_fetch()
权限范围管理
默认范围的限制
默认的"cloud-platform"范围可能不足以访问特定服务(如Google Drive):
t <- token_fetch(c(
"https://www.googleapis.com/auth/cloud-platform",
"https://www.googleapis.com/auth/drive"
))
如果虚拟机创建时未包含Drive范围,相关API调用会失败。
创建带特定范围的虚拟机
创建时明确指定所需权限范围:
vm <- gce_vm(
template = "rstudio",
name = "带drive权限的虚拟机",
serviceAccounts = list(
list(
email = "服务账户邮箱",
scopes = c(
"https://www.googleapis.com/auth/cloud-platform",
"https://www.googleapis.com/auth/drive"
)
)
)
)
虚拟机生命周期管理
暂停与恢复
gce_vm_suspend("虚拟机名称") # 暂停
gce_vm_resume("虚拟机名称") # 恢复
停止虚拟机
完全停止虚拟机以避免产生费用:
gce_vm_stop("虚拟机名称")
查看虚拟机状态
gce_list_instances()
实际应用示例
使用Google Drive API
在配置了Drive范围的虚拟机上:
library(googledrive)
drive_find() # 列出Drive文件
drive_user() # 显示当前用户信息
最佳实践
- 根据实际需求最小化权限范围
- 不使用时暂停或停止虚拟机以节省费用
- 使用描述性名称便于管理多个虚拟机
- 定期检查并清理不再需要的虚拟机
总结
通过gargle包和googleComputeEngineR的配合,R用户可以在GCE环境中高效地管理认证流程和虚拟机资源。理解权限范围的概念对于成功使用Google API至关重要,本文介绍的方法可以帮助用户根据具体需求配置适当的访问权限。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781