用 IaC 的方式管理 EC2 实例 - 每天5分钟玩转 GPT 编程系列(1)

胡涛 | Daniel Hu 收录于 DevChat

2023-07-03 约 2732 字预计阅读 6 分钟

/devchat-gpt-in-5min-1-tf-ec2/banner.jpeg

写在前面

咳咳，开个系列吧，就叫 《每天5分钟玩转 GPT 编程》。在这个系列里我们将分享各种借助 GPT 解决实际工作问题的经验，包括但不限于让 GPT 辅助写代码。

咳咳，敲黑板：本系列文章欢迎大家投稿，分享出你使用 GPT 的各种“奇淫技巧”，“sao 操作”，秀出你是如何借力 GPT 提升工作效率，解决实际工作问题的！

咳咳，我知道你想问：投稿有奖励吗？有，必须有，不过我还来不及备礼。我决定等收到第一篇投稿时再思考这个问题。

如果这是你第一次听说“DevChat”，那么我推荐你先阅读这篇文章《DevChat：将 GPT-4 无缝融入 VS Code，极致提升你的编程体验》

你听我说

今天心血来潮，我准备安装下 KubeSphere，于是我打开了 KS 的官网，找到了这篇文章：

《All-in-One Installation of Kubernetes and KubeSphere on Linux》

看到了吗？第一步是“Prepare a Linux Machine”。我相信很多人都有过这样的需求：

“我需要一台 Linux 机子，系统是 xxx，规格配置是 xxx，网络要求是 xxx，预装软件是 xxx……”

但是我们的 PC 基本都是 Mac or Windows，我们也不希望将一些重量级，服务器端部署的应用跑到自己的 PC 上。这时候要么你的公司有成熟的运维体系，你只要提需求，或者走流程，就有人帮你准备好 Linux 环境；要么，你和我一样，手里有一个 AWS 账号，然后自力更生。（如果你更惨一点，只能在本地倒腾虚拟机，咳咳，哥们珍重。）

AWS 上创建一个合适的 EC2 实例，这个事情说难不难，不过也够让 AWS 新手头疼一会，毕竟至少他得：

熟悉 AWS 基础概念，基础操作；
熟悉 EC2，key pair, security group 等概念和基本操作；
熟悉怎么连接 EC2 实例，知道 Public IP 等概念；

除此之外，也可能一个不小心陷入 IAM、VPC 等复杂的概念里，从入门到放弃。

可能在这个过程中你会遇到一些坑，一个不小心捣鼓失败了，但是碍于“创建一个云主机”这个需求听起来就很“初级”，咱也不好意思请教别人，于是……

没事，以后这类问题一律抛给 DevChat，有事 AI 干。

Hello DevChat

我尝试告诉 DevChat 我的需求和现状，让 DevChat 给出解决方案。

DevChat 是一个对接了 GPT-4 的 VS Code 插件

第一轮

My prompt

1
2
3
4
5
6
7


我需要一个 EC2 实例用于部署单机版的 KubeSphere，这个实例的要求是：
1. 系统是 Ubuntu 22.04；
2. 规格不小于：2 CPU cores, 4 GB memory, and 40 GB disk space；
3. 可以用 ssh 连接；
4. 所有端口都可以从公网访问；

请给出创建这个 EC2 实例和其所需的 ssh key 对应的 Terraform 配置。

DevChat 给出了它的解决方案（直接点“Insert Code”可以插入这段代码）：

DevChat 给出的完整回答：

首先，我们需要明确以下需求：

创建一个 EC2 实例，用于部署单机版的 KubeSphere。

EC2 实例的操作系统需要是 Ubuntu 22.04。

EC2 实例的规格需要至少为：2 CPU cores, 4 GB memory, and 40 GB disk - space。

EC2 实例需要能够通过 ssh 连接。

EC2 实例的所有端口都需要能够从公网访问。

以下是创建 EC2 实例和其所需的 ssh key 对应的 Terraform 配置：
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
provider "aws" {
  region = "us-west-2"
}

resource "aws_key_pair" "deployer" {
  key_name   = "deployer-key"
  public_key = file("~/.ssh/id_rsa.pub")
}

resource "aws_security_group" "allow_all" {
  name        = "allow_all"
  description = "Allow all inbound traffic"

  ingress {
    from_port   = 0
    to_port     = 0
    protocol    = "-1"
    cidr_blocks = ["0.0.0.0/0"]
  }

  egress {
    from_port   = 0
    to_port     = 0
    protocol    = "-1"
    cidr_blocks = ["0.0.0.0/0"]
  }
}

resource "aws_instance" "kubesphere" {
  ami           = "ami-0dba2cb6798deb6d8" # Ubuntu 22.04 LTS
  instance_type = "t2.medium" # 2 vCPU, 4 GB RAM

  key_name = aws_key_pair.deployer.key_name

  vpc_security_group_ids = [aws_security_group.allow_all.id]

  root_block_device {
    volume_size = 40 # 40 GB disk
  }

  tags = {
    Name = "KubeSphere"
  }
}
注意事项：

请将 region 替换为你的 AWS 区域。

请将 public_key 替换为你的公钥文件路径。

ami 是 Ubuntu 22.04 LTS 的 AMI ID，可能会因区域不同而不同，你需要根据你的 AWS 区域进行替换。

instance_type 是 EC2 实例的类型，这里选择的是 t2.medium，它有 2 vCPU 和 4 GB RAM。如果你需要更大的规格，可以选择其他类型。

volume_size 是根卷的大小，这里设置为 40 GB。如果你需要更大的磁盘空间，可以增加这个值。

这个配置将创建一个安全组，允许所有的入站和出站流量。在生产环境中，你可能需要更严格的安全策略。

第二轮

My prompt

1
2
3
4


你给出的配置看起来整体正确，在此之上我还有几点要求：
1. 我想用 ap-southeast-1 region；
2. 我需要在 EC2 实例创建成功后通过 ssh 登录，所以我需要这个实例的 IP 地址；
3. 你提到我需要注意 AMI ID，但是我不想自己去寻找；我希望你在 Terraform 配置里先查询这个 ID，然后再引用，以确保其正确。

DevChat 给出了它的解决方案：

翻车了，看到出现了 focal 我就知道又掉了“GPT-4 的训练数据截止日期是2021年9月”这个坑了。“Focal Fossa”是“Ubuntu 20.04 LTS”版本的代号，而“Ubuntu 22.04 LTS”版本的代号是“Jammy Jellyfish”

第三轮

My prompt

1

你给出的配置看起来基本正确了，AMI ID 的获取方式也正确，但是 Ubuntu 22.04 不是 Focal，而是 Jammy，请再次更新配置。

DevChat 有一次给出了它的解决方案（可以点“Replace”直接替换当前文件里的全部代码）：

DevChat 给出的完整回答：

对不起，我犯了一个错误。Ubuntu 22.04 的代号确实是 Jammy，而不是 Focal。我已经在下面的配置中修正了这个错误：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65


provider "aws" {
  region = "ap-southeast-1"
}

data "aws_ami" "ubuntu" {
  most_recent = true

  filter {
    name   = "name"
    values = ["ubuntu/images/hvm-ssd/ubuntu-jammy-22.04-amd64-server-*"]
  }

  filter {
    name   = "virtualization-type"
    values = ["hvm"]
  }

  owners = ["099720109477"] # Canonical
}

resource "aws_key_pair" "deployer" {
  key_name   = "deployer-key"
  public_key = file("~/.ssh/id_rsa.pub")
}

resource "aws_security_group" "allow_all" {
  name        = "allow_all"
  description = "Allow all inbound traffic"

  ingress {
    from_port   = 0
    to_port     = 0
    protocol    = "-1"
    cidr_blocks = ["0.0.0.0/0"]
  }

  egress {
    from_port   = 0
    to_port     = 0
    protocol    = "-1"
    cidr_blocks = ["0.0.0.0/0"]
  }
}

resource "aws_instance" "kubesphere" {
  ami           = data.aws_ami.ubuntu.id
  instance_type = "t2.medium" # 2 vCPU, 4 GB RAM

  key_name = aws_key_pair.deployer.key_name

  vpc_security_group_ids = [aws_security_group.allow_all.id]

  root_block_device {
    volume_size = 40 # 40 GB disk
  }

  tags = {
    Name = "KubeSphere"
  }
}

output "instance_public_ip" {
  description = "The public IP of the KubeSphere instance"
  value       = aws_instance.kubesphere.public_ip
}

注意事项：

请将 public_key 替换为你的公钥文件路径。
instance_type 是 EC2 实例的类型，这里选择的是 t2.medium，它有 2 vCPU 和 4 GB RAM。如果你需要更大的规格，可以选择其他类型。
volume_size 是根卷的大小，这里设置为 40 GB。如果你需要更大的磁盘空间，可以增加这个值。
这个配置将创建一个安全组，允许所有的入站和出站流量。在生产环境中，你可能需要更严格的安全策略。
在 EC2 实例创建成功后，你可以通过 terraform output instance_public_ip 命令获取其公共 IP 地址。
aws_ami 数据源会自动查询最新的 Ubuntu 22.04 LTS (Jammy) AMI ID，你不需要手动查找。

这回看起来差不多了，我的 public_key 确实就在“~/.ssh/id_rsa.pub”里，所以这里也不需要修改，接着就来执行一下这段代码，看能不能出来正确的 EC2 实例吧。

成果检验

依次执行：

1
2


terraform init
terraform apply

执行结果：

测试 ssh 登录：

完美。（其实不够完美，差就差在 GPT-4 模型的训练数据不是最新的）

总结一下

如果 GPT-4 能够每隔几个月就用新数据训练一下，那就太漂亮了；
要让 GPT-4 给出可用的代码，关键是描述清楚自己的需求；
人生苦短，少些代码。有事 AI 干，没事***（被和谐了）。

BTW：

GitHub：https://github.com/devchat-ai
注册网站：https://www.devchat.ai
微信群：注册后会收到一封邮件，内附群二维码
Discord：https://discord.gg/9t3yrbBUXD
微信公众号：微信号为“devchat-ai”，名称暂为“思码逸智能编程”

目录