部署含BigQuery API的Dash应用至Cloud Run时出现503服务不可用错误

问题背景 #

基于Flask的Dash应用本地运行正常，部署到Google Cloud Run后返回「Service Unavailable」（503错误），仅在官方快速入门项目基础上添加了BigQuery查询代码及相关依赖：

添加的代码：

from google.cloud import bigquery
client = bigquery.Client()  
query = "SELECT * from `sucombe.prestaProduit.prestaProd2024`  limit 5"
df=client.query(query).to_dataframe()
print(df[:5])

requirements.txt新增依赖：

pandas
google-cloud-bigquery

解决步骤 #

1. 配置Cloud Run服务账号权限 #

Cloud Run默认服务账号无BigQuery访问权限，需添加以下角色：

• 进入Cloud Run控制台，找到目标服务的「权限」标签
• 为默认服务账号（格式：[项目ID]@appspot.gserviceaccount.com）分配BigQuery Data Viewer和BigQuery Job User角色
• 或部署时指定有权限的服务账号：

  gcloud run deploy [服务名] --service-account=[你的服务账号]@[项目ID].iam.gserviceaccount.com
  

2. 调整BigQuery代码执行时机 #

避免在应用全局作用域执行BigQuery查询，Cloud Run启动超时时间有限，初始化阶段的长耗时操作会导致启动失败：

• 将查询代码移到请求处理逻辑内部（比如Flask路由或Dash回调函数）：

  from google.cloud import bigquery
  import os
  import dash
  from dash import html, Input, Output
  
  app = dash.Dash(__name__)
  app.layout = html.Div([
      html.Button('加载数据', id='submit-btn', n_clicks=0),
      html.Div(id='data-container')
  ])
  
  @app.callback(Output('data-container', 'children'), Input('submit-btn', 'n_clicks'))
  def load_data(n_clicks):
      if not n_clicks:
          return ""
      client = bigquery.Client()  
      query = "SELECT * from `sucombe.prestaProduit.prestaProd2024` limit 5"
      df = client.query(query).to_dataframe()
      return html.Table([
          html.Thead(html.Tr([html.Th(col) for col in df.columns])),
          html.Tbody([html.Tr([html.Td(df.iloc[i][col]) for col in df.columns]) for i in range(len(df))])
      ])
  
  if __name__ == '__main__':
      app.run_server(host='0.0.0.0', port=int(os.environ.get('PORT', 8080)))
  

3. 完善依赖配置 #

确保requirements.txt包含完整依赖，添加google-cloud-bigquery-storage优化数据读取：

pandas
google-cloud-bigquery
google-cloud-bigquery-storage
flask
dash

部署时查看Cloud Build日志，确认所有依赖安装无报错。

4. 查看Cloud Run日志定位具体错误 #

进入Cloud Run控制台的「日志」标签，查看启动或请求阶段的错误日志，比如权限不足、查询超时、依赖缺失等，日志会直接指明问题根源。

5. 调整服务资源与超时配置 #

若BigQuery查询耗时较长，可增加启动超时时间和资源配置：

# 设置启动超时为5分钟
gcloud run deploy [服务名] --timeout=300s
# 增加CPU和内存
gcloud run deploy [服务名] --cpu=2 --memory=2Gi

内容的提问来源于stack exchange，提问作者Christophe Martin