Nano Hash - криптовалюты, майнинг, программирование

Различие между поставщиками корневого и вызывающего модулей в Terraform 0.11

У меня есть модуль Terraform (назовем его module1), который использует google и google-beta провайдеров версии 2.20.

Я собираюсь вызвать этот модуль из другого (назовем его module2), который (по какой-то причине) имеет ограничение на конфигурацию поставщиков google и google-beta, а именно:

provider "google-beta" {
  version = "< 2.12"
}

provider "google" {
  version = "< 2.12"
}

Есть ли способ сделать module2 экземпляр module1 (более или менее следующим образом) и сохранить ограничения своих поставщиков?

(предположим, что приведенный ниже фрагмент взят из main.tf из module2


module mymodule {
  source        = "../../../path/to/module1"
}

provider "google-beta" {
  version = "< 2.12"
}

provider "google" {
  version = "< 2.12"
}

... а в то же время module1 получит свою собственную версию google провайдеров?

terraform
26.01.2020

Ответы:


1

Вы можете явно передавать поставщиков при вызове модулей

В module2 определите еще 2 провайдера с псевдонимами и соответствующими версиями, затем вызовите module1, явно используя этих провайдеров.

module mymodule {
  source        = "../../../path/to/module1"

  providers = {
    google-beta = "google-beta.newer"
    google      = "google.newer"
  }
}

provider "google-beta" {
  version = "< 2.12"
}

provider "google" {
  version = "< 2.12"
}

provider "google-beta" {
  version = "~> 2.20"
  alias   = "newer"
}

provider "google" {
  version = "~> 2.20"
  alias   = "newer"
}
26.01.2020
  • Это не удается из-за следующего No provider "google-beta" plugins meet the constraint "< 2.12,~> 2.20,~> 2.20". 27.01.2020
  • Не знаю, почему возникает такая ошибка, особенно когда мы используем псевдокод, вы определили пустые блоки провайдера в module1? В последнем абзаце раздела документов, на который я ссылался, упоминаются некоторые требования для terraform 0.11, связанные с необходимостью пустого блока поставщика в дочерних модулях при явной передаче 27.01.2020
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..