arrow_back

將資料匯入 Firestore 資料庫

登录 加入
Quick tip: Review the prerequisites before you run the lab
Use an Incognito or private browser window to run this lab. This prevents any conflicts between your personal account and the student account, which may cause extra charges incurred to your personal account.
欢迎加入我们的社区，一起测试和分享您的知识！
done
学习 700 多个动手实验和课程并获得相关技能徽章

將資料匯入 Firestore 資料庫

实验 30 分钟 universal_currency_alt 1 积分 show_chart 入门级
info 此实验可能会提供 AI 工具来支持您学习。
欢迎加入我们的社区，一起测试和分享您的知识！
done
学习 700 多个动手实验和课程并获得相关技能徽章

GSP642

Google Cloud 自學實驗室標誌

Pet Theory 橫幅

總覽

莉莉在十二年前創立了連鎖獸醫診所 Pet Theory。過去幾年來，Pet Theory 的連鎖事業成長得非常快速。不過，由於舊有的預約系統無法因應增加的顧客需求，因此莉莉請您幫忙建構比舊版解決方案更容易擴充的雲端式系統。

Pet Theory 的營運團隊只有阿克一個人，因此需要不必持續頻繁維護的解決方案。阿克決定採用無伺服器技術。

他聘請小茹擔任顧問，協助 Pet Theory 改採無伺服器設計。比較幾個無伺服器資料庫方案後，阿克決定選擇 Cloud Firestore。由於 Firestore 採無伺服器設計，所以不必提前佈建容量，亦即沒有儲存空間或作業限制的風險。Firestore 會透過即時事件監聽器，在用戶端應用程式間同步處理資料，並支援離線使用行動版和網頁版，因此只要應用程式能夠回應，就能建構相關工作，不受網路延遲或連線問題影響。

在本實驗室中，您將協助阿克，將 Pet Theory 的現有資料上傳到 Cloud Firestore 資料庫；而他會與小茹密切合作來完成此工作。

架構

下方圖表概述了您將使用的服務，以及這些服務之間的關係：

圖表：如何遷移至 Firestore 資料庫架構

目標

本實驗室的學習內容包括：

  • 在 Google Cloud 中設定 Firestore。
  • 編寫資料庫匯入程式碼。
  • 產生一組顧客資料用於測試。
  • 將測試的顧客資料匯入 Firestore。

先備知識

這是入門等級的實驗室，亦即假設您已熟悉 Cloud 控制台和殼層環境。具備 Firebase 的使用經驗會有所幫助，但沒有也無妨。

此外，您也須熟悉檔案的編輯方式。您可以使用慣用的文字編輯器 (例如 nano、vi 等)，或是從 Cloud Shell 頂端的工具列啟動程式碼編輯器：

「開啟編輯器」按鈕

準備好後，請向下捲動，並按照下列步驟設定實驗室環境。

設定和需求

點選「Start Lab」按鈕前的須知事項

請詳閱以下操作說明。研究室活動會計時，而且中途無法暫停。點選「Start Lab」 後就會開始計時，讓您瞭解有多少時間可以使用 Google Cloud 資源。

您將在真正的雲端環境中完成實作研究室活動，而不是在模擬或示範環境。為達此目的，我們會提供新的暫時憑證，讓您用來在研究室活動期間登入及存取 Google Cloud。

如要完成這個研究室活動，請先確認：

  • 您可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。
注意：請使用無痕模式或私密瀏覽視窗執行此研究室。這可以防止個人帳戶和學生帳戶之間的衝突，避免個人帳戶產生額外費用。
  • 是時候完成研究室活動了！別忘了，活動一開始將無法暫停。
注意：如果您擁有個人 Google Cloud 帳戶或專案，請勿用於本研究室，以免產生額外費用。

如何開始研究室及登入 Google Cloud 控制台

  1. 按一下「Start Lab」(開始研究室) 按鈕。如果研究室會產生費用，畫面中會出現選擇付款方式的彈出式視窗。左側的「Lab Details」窗格會顯示下列項目：

    • 「Open Google Cloud console」按鈕
    • 剩餘時間
    • 必須在這個研究室中使用的暫時憑證
    • 完成這個實驗室所需的其他資訊 (如有)

  2. 點選「Open Google Cloud console」；如果使用 Chrome 瀏覽器，也能按一下滑鼠右鍵，然後選取「在無痕式視窗中開啟連結」。

    接著，實驗室會啟動相關資源並開啟另一個分頁，當中顯示「登入」頁面。

    提示：您可以在不同的視窗中並排開啟分頁。

    注意：如果頁面中顯示「選擇帳戶」對話方塊，請點選「使用其他帳戶」。

  3. 如有必要，請將下方的 Username 貼到「登入」對話方塊。

    {{{user_0.username | "Username"}}}

    您也可以在「Lab Details」窗格找到 Username。

  4. 點選「下一步」。

  5. 複製下方的 Password，並貼到「歡迎使用」對話方塊。

    {{{user_0.password | "Password"}}}

    您也可以在「Lab Details」窗格找到 Password。

  6. 點選「下一步」。

    重要事項：請務必使用實驗室提供的憑證，而非自己的 Google Cloud 帳戶憑證。 注意：如果使用自己的 Google Cloud 帳戶來進行這個實驗室，可能會產生額外費用。

  7. 按過後續的所有頁面：

    • 接受條款及細則。
    • 由於這是臨時帳戶，請勿新增救援選項或雙重驗證機制。
    • 請勿申請免費試用。

Google Cloud 控制台稍後會在這個分頁開啟。

注意：如要查看列出 Google Cloud 產品和服務的選單，請點選左上角的「導覽選單」。「導覽選單」圖示

啟動 Cloud Shell

Cloud Shell 是搭載多項開發工具的虛擬機器，提供永久的 5 GB 主目錄，而且在 Google Cloud 中運作。Cloud Shell 提供指令列存取權，方便您使用 Google Cloud 資源。

  1. 點按 Google Cloud 控制台上方的「啟用 Cloud Shell」圖示 「啟動 Cloud Shell」圖示。

連線完成即代表已通過驗證，且專案已設為您的 PROJECT_ID。輸出內容中有一行宣告本工作階段 PROJECT_ID 的文字：

您在本工作階段中的 Cloud Platform 專案會設為「YOUR_PROJECT_ID」

gcloud 是 Google Cloud 的指令列工具，已預先安裝於 Cloud Shell，並支援 Tab 鍵自動完成功能。

  1. (選用) 您可以執行下列指令來列出使用中的帳戶：
gcloud auth list

  1. 點按「授權」。

  2. 輸出畫面應如下所示：

輸出內容：

ACTIVE: * ACCOUNT: student-01-xxxxxxxxxxxx@qwiklabs.net To set the active account, run: $ gcloud config set account `ACCOUNT`
  1. (選用) 您可以使用下列指令來列出專案 ID：
gcloud config list project

輸出內容：

[core] project = <project_ID>

輸出內容範例：

[core] project = qwiklabs-gcp-44776a13dea667a6 附註：如需有關 gcloud 的完整說明，請前往 Google Cloud 並參閱「gcloud CLI overview guide」(gcloud CLI 總覽指南)。

工作 1：在 Google Cloud 中設定 Firestore

阿克的工作是將 Pet Theory 的現有資料上傳到 Cloud Firestore 資料庫；他會與小茹密切合作來完成此目標。小茹收到來自阿克 IT 部門的訊息...

阿克

IT 管理員阿克

小茹你好：

採用無伺服器技術的第一步，是要使用 Google Cloud 建立 Firestore 資料庫。你能協助我順利完成這項工作嗎？我對這方面的設定不是很熟悉。

阿克

小茹

軟體顧問小茹

阿克你好：

沒問題，我很樂意幫忙。我會寄給你一些新手入門資源，你成功建立資料庫後，我們再聯絡。

小茹

請協助阿克使用 Cloud 控制台設定 Firestore 資料庫。

  1. 在 Cloud 控制台中點選「導覽選單」，然後選取「Firestore」。

  2. 按一下「+建立資料庫」。

  3. 選取「原生模式」選項，然後點選「繼續」。

注意：這兩種模式在同步一致性方面的成效都很好，但兩者看起來有差別，且經最佳化的用途也不同。
  • 「原生模式」適用於讓多位使用者同時存取同一資料；此外，其中也有即時更新等功能，甚至可在資料庫和網頁/行動用戶端間直接連線。
  • 「資料庫模式」的重點在於高處理量 (能因應大量讀寫作業)。
  1. 在「區域」下拉式選單中，選取 區域，然後點選「建立資料庫」。

這項工作完成後，小茹寄出電子郵件給阿克...

小茹

軟體顧問小茹

阿克你好：

你設定 Firestore 資料庫了，做得好！為管理資料庫存取權，我們會用到系統自動建立的服務帳戶，內有必要權限。

現在可以從舊資料庫遷移到 Firestore 了！

小茹

阿克

IT 管理員阿克

小茹妳好：

感謝你幫忙，Firestore 資料庫設定起來並不難。

希望這次的資料庫匯入程序會比舊有資料庫簡單，當時程序蠻複雜的，需要很多步驟。

阿克

工作 2：編寫資料庫匯入程式碼

新的 Cloud Firestore 資料庫已設定完成，但其中沒有資料。Pet Theory 的顧客資料仍只存放在舊資料庫中。

阿克傳了訊息給小茹...

阿克

IT 管理員阿克

小茹你好：

經理想要開始將顧客資料遷移到新的 Firestore 資料庫了。

我已從舊資料庫匯出 CSV 檔案，但不太知道怎麼將這份資料匯入 Firestore。

你可以幫幫我嗎？

阿克

小茹

軟體顧問小茹

阿克你好：

沒問題，我們開個會，討論需要做些什麼吧！

小茹

就像阿克所說，系統是以 CSV 檔案格式提供顧客資料。現在我們要幫他建立一款應用程式，用來讀取 CSV 檔案中的顧客記錄，然後寫入 Firestore 中。由於阿克慣用 JavaScript，我們將透過 Node.js JavaScript 執行階段建構這款應用程式。

  1. 在 Cloud Shell 中執行以下指令，複製 Pet Theory 存放區：
git clone https://github.com/rosera/pet-theory
  1. 使用 Cloud Shell 程式碼編輯器 (或您慣用的編輯器) 編輯檔案。請在 Cloud Shell 工作階段中，按一下頂端工具列的「開啟編輯器」，系統會開啟新分頁。如果出現提示訊息，請點選「在新視窗中開啟」，藉此啟動程式碼編輯器：

「開啟編輯器」按鈕

  1. 接著，將目前的工作目錄改為 lab01：
cd pet-theory/lab01

在目錄中，您會看到阿克的 package.json。這份檔案列有 Node.js 專案需用到的套件，可讓您重現版本，因此與人共用時會更輕鬆。

以下是 package.json 檔案範例：

{ "name": "lab01", "version": "1.0.0", "description": "This is lab01 of the Pet Theory labs", "main": "index.js", "scripts": { "test": "echo \"Error: no test specified\" && exit 1" }, "keywords": [], "author": "Patrick - IT", "license": "MIT", "dependencies": { "csv-parse": "^5.5.3" } }

阿克現在匯入原始碼了，所以他聯繫小茹，詢問需要哪些套件才能使遷移工作順利進行。

阿克

IT 管理員阿克

小茹你好：

我在舊資料庫使用的程式碼很基本，只建立了用於匯入程序的 CSV。在開始遷移前，還需要下載什麼嗎？

阿克

小茹

軟體顧問小茹

阿克你好：

有很多 @google-cloud Node.js 套件可與 Firestore 搭配使用，建議你選用一款。

這樣一來，我們應該就只需要稍微修改一下現有程式碼，因為繁重的工作已由套件負責。

小茹

為了讓阿克的程式碼順利寫入 Firestore 資料庫中，您需要額外安裝幾個同類依附元件。

  1. 執行下列指令來進行這項操作：
npm install @google-cloud/firestore
  1. 安裝附加模組，讓應用程式將記錄檔寫入 Cloud Logging 中：
npm install @google-cloud/logging

成功完成指令後，package.json 會自動更新，納入新的同類依附元件，像下面這樣：

... "dependencies": { "@google-cloud/firestore": "^7.3.0", "@google-cloud/logging": "^11.0.0", "csv-parse": "^5.5.3" }

現在來看看指令碼如何讀取顧客的 CSV 檔案，然後將其中各行逐一寫入 Firestore 記錄中。下面是阿克原本的應用程式：

const csv = require('csv-parse'); const fs = require('fs'); function writeToDatabase(records) { records.forEach((record, i) => { console.log(`ID: ${record.id} Email: ${record.email} Name: ${record.name} Phone: ${record.phone}`); }); return ; } async function importCsv(csvFilename) { const parser = csv.parse({ columns: true, delimiter: ',' }, async function (err, records) { if (e) { console.error('Error parsing CSV:', e); return; } try { console.log(`Call write to Firestore`); await writeToDatabase(records); console.log(`Wrote ${records.length} records`); } catch (e) { console.error(e); process.exit(1); } }); await fs.createReadStream(csvFilename).pipe(parser); } if (process.argv.length < 3) { console.error('Please include a path to a csv file'); process.exit(1); } importCsv(process.argv[2]).catch(e => console.error(e));

指令碼會從輸入內容 CSV 檔案中擷取輸出內容，然後匯入到舊資料庫中。接著，我們來更新這組程式碼，寫入到 Firestore 中。

  1. 開啟 pet-theory/lab01/importTestData.js 檔案。

如要透過應用程式參照 Firestore API，您需要將同類依附元件新增到現有程式碼集中。

  1. 在檔案第 3 行處加入以下 Firestore 依附元件：
const { Firestore } = require("@google-cloud/firestore");

確保檔案頂端內容如下所示：

const csv = require('csv-parse'); const fs = require('fs'); const { Firestore } = require("@google-cloud/firestore"); // Add this

與 Firestore 資料庫的整合作業可透過幾行程式碼達成。為此，小茹提供了一些範本程式碼給您和阿克參考。

  1. 請將以下程式碼加到第 34 行下方，或 if (process.argv.length < 3) 條件式之後：
async function writeToFirestore(records) { const db = new Firestore({ // projectId: projectId }); const batch = db.batch() records.forEach((record)=>{ console.log(`Write: ${record}`) const docRef = db.collection("customers").doc(record.email); batch.set(docRef, record, { merge: true }) }) batch.commit() .then(() => { console.log('Batch executed') }) .catch(err => { console.log(`Batch error: ${err}`) }) return }

上方程式碼片段宣告了新的資料庫物件，後者會參照稍早在實驗室中建立的資料庫。函式則採用批次處理程序，亦即每筆記錄會依序處理，並根據新增的 ID 產出文件參照。在函式結尾，批次內容會修訂 (寫入) 到資料庫中。

  1. 更新 importCsv 函式，將函式呼叫新增到 writeToFirestore 中，並移除對 writeToDatabase 的呼叫，如下所示：
async function importCsv(csvFilename) { const parser = csv.parse({ columns: true, delimiter: ',' }, async function (err, records) { if (err) { console.error('Error parsing CSV:', err); return; } try { console.log(`Call write to Firestore`); await writeToFirestore(records); // await writeToDatabase(records); console.log(`Wrote ${records.length} records`); } catch (e) { console.error(e); process.exit(1); } }); await fs.createReadStream(csvFilename).pipe(parser); }
  1. 為應用程式新增記錄。如要透過應用程式參照 Logging API，請將同類依附元件新增到現有程式碼集中。在檔案頂端的其他 require 陳述式正下方，新增下面這行：
const { Logging } = require('@google-cloud/logging');

確保檔案頂端內容如下所示：

const csv = require('csv-parse'); const fs = require('fs'); const { Firestore } = require("@google-cloud/firestore"); const { Logging } = require('@google-cloud/logging');
  1. 新增幾個常數變數，然後將 Logging 用戶端初始化。請將這些變數加到檔案中，位置在上例那行的正下方 (約第 5 行處)，如下所示：
const logName = "pet-theory-logs-importTestData"; // Creates a Logging client const logging = new Logging(); const log = logging.log(logName); const resource = { type: "global", };
  1. 新增程式碼，在 "console.log(Wrote ${records.length} records);" 這行正下方，將記錄寫入 importCsv 函式中，看起來應會像這樣：
// A text log entry success_message = `Success: importTestData - Wrote ${records.length} records`; const entry = log.entry( { resource: resource }, { message: `${success_message}` } ); log.write([entry]);

完成這些更新後，importCsv 函式的程式碼區塊應如下所示：

async function importCsv(csvFilename) { const parser = csv.parse({ columns: true, delimiter: ',' }, async function (err, records) { if (err) { console.error('Error parsing CSV:', err); return; } try { console.log(`Call write to Firestore`); await writeToFirestore(records); // await writeToDatabase(records); console.log(`Wrote ${records.length} records`); // A text log entry success_message = `Success: importTestData - Wrote ${records.length} records`; const entry = log.entry( { resource: resource }, { message: `${success_message}` } ); log.write([entry]); } catch (e) { console.error(e); process.exit(1); } }); await fs.createReadStream(csvFilename).pipe(parser); }

現在當應用程式程式碼執行時，Firestore 資料庫就會更新為 CSV 檔案的內容。函式 importCsv 將擷取檔案名稱並逐行剖析內容，所處理的各行現在都會傳送到 Firestore 函式 writeToFirestore，而每筆新記錄則寫入到「customer」資料庫中。

注意：在正式環境中，您將寫入自己的匯入指令碼版本。

工作 3：建立測試資料

現在可以匯入一些資料了！阿克聯絡小茹，提到他對使用實際顧客資料執行測試有顧慮...

阿克

IT 管理員阿克

小茹你好：

我覺得不要將顧客資料用於測試會比較好。我們需要讓顧客保有隱私，同時也要確保資料匯入指令碼能正確運作。

你能想出別種測試方式嗎？

阿克

小茹

軟體顧問小茹

阿克你好：

你說得對！這個區塊很棘手，因為顧客資料可能含有個人識別資訊，也就是 PII。

我會提供一些用於建立偽顧客資料的範例程式碼給你。這樣我們就能使用這項資料來測試匯入指令碼。

小茹

請協助阿克完成設定，讓這個偽隨機資料產生器順利運作。

  1. 首先，安裝「faker」資料庫，供生成偽顧客資料的指令碼使用。請執行下列指令，更新 package.json 中的依附元件：
npm install faker@5.5.3
  1. 現在使用程式碼編輯器開啟名為 createTestData.js 的檔案，然後檢查程式碼，確認是否像下面這樣：
const fs = require('fs'); const faker = require('faker'); function getRandomCustomerEmail(firstName, lastName) { const provider = faker.internet.domainName(); const email = faker.internet.email(firstName, lastName, provider); return email.toLowerCase(); } async function createTestData(recordCount) { const fileName = `customers_${recordCount}.csv`; var f = fs.createWriteStream(fileName); f.write('id,name,email,phone\n') for (let i=0; i<recordCount; i++) { const id = faker.datatype.number(); const firstName = faker.name.firstName(); const lastName = faker.name.lastName(); const name = `${firstName} ${lastName}`; const email = getRandomCustomerEmail(firstName, lastName); const phone = faker.phone.phoneNumber(); f.write(`${id},${name},${email},${phone}\n`); } console.log(`Created file ${fileName} containing ${recordCount} records.`); } recordCount = parseInt(process.argv[2]); if (process.argv.length != 3 || recordCount < 1 || isNaN(recordCount)) { console.error('Include the number of test data records to create. Example:'); console.error(' node createTestData.js 100'); process.exit(1); } createTestData(recordCount);
  1. 為程式碼集新增記錄。請在第 3 行，為應用程式程式碼中的 Logging API 模組新增以下參照：
const { Logging } = require("@google-cloud/logging");

檔案頂端的內容應如下所示：

const fs = require("fs"); const faker = require("faker"); const { Logging } = require("@google-cloud/logging"); //add this
  1. 現在，新增幾個常數變數，然後將 Logging 用戶端初始化。請將這些變數加到 const 陳述式正下方：
const logName = "pet-theory-logs-createTestData"; // Creates a Logging client const logging = new Logging(); const log = logging.log(logName); const resource = { // This example targets the "global" resource for simplicity type: "global", };
  1. 新增程式碼，在 "console.log(Created file ${fileName} containing ${recordCount} records.);" 這行正下方，將記錄寫入 createTestData 函式中，看起來應會像這樣：
// A text log entry const success_message = `Success: createTestData - Created file ${fileName} containing ${recordCount} records.`; const entry = log.entry( { resource: resource }, { name: `${fileName}`, recordCount: `${recordCount}`, message: `${success_message}`, } ); log.write([entry]);
  1. 成功更新後，createTestData 函式的程式碼區塊應會像這樣：
async function createTestData(recordCount) { const fileName = `customers_${recordCount}.csv`; var f = fs.createWriteStream(fileName); f.write('id,name,email,phone\n') for (let i=0; i<recordCount; i++) { const id = faker.datatype.number(); const firstName = faker.name.firstName(); const lastName = faker.name.lastName(); const name = `${firstName} ${lastName}`; const email = getRandomCustomerEmail(firstName, lastName); const phone = faker.phone.phoneNumber(); f.write(`${id},${name},${email},${phone}\n`); } console.log(`Created file ${fileName} containing ${recordCount} records.`); // A text log entry const success_message = `Success: createTestData - Created file ${fileName} containing ${recordCount} records.`; const entry = log.entry( { resource: resource }, { name: `${fileName}`, recordCount: `${recordCount}`, message: `${success_message}`, } ); log.write([entry]); }
  1. 在 Cloud Shell 中執行下列指令，建立 customers_1000.csv 檔案，內含測試資料的 1000 筆記錄：
node createTestData 1000

您應該會收到類似下列的輸出內容：

Created file customers_1000.csv containing 1000 records.
  1. 開啟 customers_1000.csv 檔案，確認已建立測試資料。

測試已完成的工作

點選「Check my progress」 確認工作已完成。如果已成功為 Firestore 資料庫建立測試資料樣本，就會看到評估分數。

建立 Firestore 資料庫的測試資料

工作 4：匯入測試用顧客資料

  1. 如要測試匯入功能，請同時使用匯入指令碼，以及前面建立的測試資料：
node importTestData customers_1000.csv

您應該會收到類似下列的輸出內容：

Writing record 500 Writing record 1000 Wrote 1000 records
  1. 假設收到類似下方的錯誤：
Error: Cannot find module 'csv-parse'

請執行下列指令，在環境中加入 csv-parse 套件：

npm install csv-parse
  1. 然後再次執行指令。您應該會收到下列輸出內容：
Writing record 500 Writing record 1000 Wrote 1000 records

經過前面幾節課程說明，您已瞭解阿克和小茹是如何建立測試資料，以及將資料匯入 Firestore 的指令碼。 現在阿克將顧客資料載入 Firestore 資料庫時，可以比較放心了。

測試已完成的工作

點選「Check my progress」 確認工作已完成。 如果已成功將測試資料樣本匯入 Firestore 資料庫，就會看到評估分數。

將測試資料匯入 Firestore 資料庫

工作 5：檢查 Firestore 中的資料

在您和小茹的幫助下，阿克已成功將測試資料遷移到 Firestore 資料庫中。開啟 Firestore 看看結果吧！

  1. 返回 Cloud 控制台分頁。在「導覽選單」中，按一下「Firestore」。開啟 Firestore 後，按一下「鉛筆」圖示。

「鉛筆」圖示

  1. 輸入 /customers 並按下 Enter 鍵。

  2. 重新整理瀏覽器分頁，您應會看到已成功遷移的顧客名單，如下所示：

顧客名單

恭喜！

在本實驗室課程中，您實際操作了 Firestore。產生一系列用於測試的顧客資料之後，您執行指令碼，將資料匯入 Firestore。接著，您也學到如何使用 Cloud 控制台控管 Firestore 中的資料。

Google Cloud 教育訓練與認證

協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。

使用手冊上次更新日期：2024 年 2 月 28 日

實驗室上次測試日期：2024 年 2 月 28 日

Copyright 2025 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。

Before you begin

  1. Labs create a Google Cloud project and resources for a fixed time
  2. Labs have a time limit and no pause feature. If you end the lab, you'll have to restart from the beginning.
  3. On the top left of your screen, click Start lab to begin

Use private browsing

  1. Copy the provided Username and Password for the lab
  2. Click Open console in private mode

Sign in to the Console

  1. Sign in using your lab credentials. Using other credentials might cause errors or incur charges.
  2. Accept the terms, and skip the recovery resource page
  3. Don't click End lab unless you've finished the lab or want to restart it, as it will clear your work and remove the project

此内容目前不可用

一旦可用，我们会通过电子邮件告知您

太好了！

一旦可用，我们会通过电子邮件告知您

One lab at a time

Confirm to end all existing labs and start this one

Setup your console before you begin

Use an Incognito or private browser window to run this lab. This prevents any conflicts between your personal account and the Student account, which may cause extra charges incurred to your personal account.