本小节介绍了： 按照功能划分的Azure 服务清单； 几个常用服务的创建演示； Azure 提供IaaS, PaaS, SaaS等典型云服务模型下的上百种服务，进一步按照功能细分为如下几个方面： 计算 网络 存储 数据库 Web 物联网 (IoT) 大数据 AI DevOps 计算 计算服务通常是云服务提供商的主要服务之一。 Azure 提供了一系列用于托管应用程序和服务的选项。 下面是 Azure 中的计算服务的一些示例。 表 1 演示（1）：创建Windows虚拟机并远程登录 演示（2）：创建Azure Functions并在本地运行调试 网络 Azure 网络的关键功能是链接计算资源并提供对应用程序的访问。 Azure 中的网络功能包括一系列选项，可将外部世界与全球 Azure 数据中心的服务和功能相连。 下面是 Azure 中的网络服务的一些示例。 表 2 …
Azure与全球基础结构 Azure 是由微软提供的云服务。 Azure 全球基础结构包含两个主要组成部分：物理基础设施(160多个数据中心等)和网络连接组件（微软 全球广域网 (WAN)、170个全球接入点 (PoP) 和130,000 英里的光纤和海底电缆）。其中的物理基础设施（数据中心）按照“Azure区域”进行了划分并通过网络连接组建进行连接通讯，数据完整地保留在受信任的 Microsoft 网络中，IP 流量永远不会进入公共 Internet。 Azure 包含的全球区域比任何其他云提供商所包含的都多，截止2021年03月已经公布超过60个区域，用户可以灵活地选择部署应用程序所需的位置。 最新Azure 区域查询：https://azure.microsoft.com/zh-cn/global-infrastructure/ …
本文实现利用Azure Management Group 和Policy 控制指定的订阅的指定资源的创建。 案例背景： 某个连锁教育组织为每个分校创建了一个订阅，每个分校有若干员工； 现在要控制每个分校的员工只能创建指定类型的资源。 简单实现步骤： 在Management Groups 中为每个分校创建 一个管理组，例如命名为“上海浦东分校管理组”； 在Management Groups中为“上海浦东分校管理组”添加受控的”上海浦东分校订阅“； 在“上海浦东分校管理组”中添加Policy，使用内置的“Allowed resource types” 选择允许创建的资源； 在AAD中为每个分校创建Group：例如“上海浦东分校”； 在“上海浦东分校订阅“中，添加Access Control，将Contributor角色分配给“上海浦东分校Group”； 在AAD中为该分校创建 …
在使用custom vision 对图片分析时，可能需要将视频素材截取成图片。 使用ffmpeg可以快速实现该需求。 下载：https://github.com/BtbN/FFmpeg-Builds/releases windows 版本直接解压即可： 执行如下命令： C:\Users\azure_user\Downloads\ffmpeg-N-101407-ga7f841718f-win64-gpl\ffmpeg-N-101407-ga7f841718f-win64-gpl\bin>.\ffmpeg -i C:\Users\azure_user\Desktop\1\2.mp4 C:\Users\azure_user\Desktop\1\picture\2m%04d.jpg -vcodec mjpeg -ss 0:0:0 -t 0:2:0 此命令将桌面上1目录2.mp4 视频截 …
本文介绍： 将上一篇讲的《Azure Custom Vision 分类混凝土粗细骨料》训练的模型部署到树莓派上。 视频演示： 本文中针对Custom Vision导出的容器在树莓派ARM版本下的docker 编译指令可参照readme.txt： docker buildx build --platform linux/arm/v7 -t <your image name> --load . 如果显示build-x指令不存在，则需要打开 docker desktop中的开关： enable cli experimental features： 常见问题： 1.Customer Vision 在树莓派上运行慢，超过4s的解决办法 针对树莓派设备，部署完成后如果一张图片的预测时间超过4s，则可以启用快速预测： 在custom vision导出的 arm dockerfile中， …
在 ubuntu中打开设置： 在ubuntu中搜索程序： 打开dconf editor，修改如下设置： 下载 vnc viewer：https://www.realvnc.com/en/connect/download/viewer/ 输入ubuntu的IP地址即可远程连接：
本文介绍一个案例，使用custom vision 对混凝土骨料进行分类： Azure Custom Vision（自定义视觉）是一种图像识别服务，可用于构建、部署和改进你自己的图像标识符。 图像标识符根据图像的视觉特征将标签（表示类或对象）应用于图像 。 自定义视觉服务使用机器学习算法分析图像。 你作为开发人员提交多组图像， 然后在提交时自行标记图像，此算法会针对该数据进行训练并计算其自己的准确度， 训练算法以后，即可在图像识别应用中测试它、重新训练它并最终使用它对新图像进行分类。 也可导出模型本身，方便脱机使用。 可以将自定义视觉功能分为两种功能： 图像分类 可将一个或多个标签应用到图像。 对象检测 与之类似，但还在图像中返回坐标，坐标中可以找到应用的标签。 图文步骤： 创建Custom Vision： 资源创建完成进入主界面： 创建项 …
本文介绍： 当Azure Functions执行失败时发送报警。 视频介绍： 图文介绍： 1.准备一个可以执行出错的Azure Functions并部署： （这部分内容讲过很多次了，可参照本博客中其他的文章，本文不再赘述）。 本例子中使用了默认的http 触发的 python Functions，修改functions中的代码，当http触发传递的参数不包含“name”时，执行1/0操作，故而报错异常。 代码如下： import logging import azure.functions as func def main(req: func.HttpRequest) -> func.HttpResponse: logging.info('Python HTTP trigger function processed a request.') name = …
使用Python Azure Functions时新建了.py文件并执行了import 操作，运行时提示如下错误： Result: Failure[2021-01-25T05:16:11.553Z] Exception: ModuleNotFoundError: No module named 'helper'. Troubleshooting Guide: https://aka.ms/functions-modulenotfound Stack: File "/usr/local/Cellar/azure-functions-core-tools@3/3.0.3233/workers/python/3.8/OSX/X64/azure_functions_worker/dispatcher.py", 解决方案： 在__init__.py文件中增加： import sys …
本文介绍： Azure Functions 执行过程中产生的日志默认记录在了Application Insights里。这也是我们创建Functions时会自动创建一个Application Insights的原因，如下图Functions 自带一个Application Insights： Azure Functions代码中的log相关的内容都可以在Functions 的Monitor页面查询到，注意查询结果可能出现5分钟延时。 如果我们想导出这些日志，可以点击Query in Application Insights页面，在application insights页面里导出数据： 切换到Application Insights Logs查询页面，即可导出数据：