新闻详情

新闻详情

首页 / 资讯中心 / 详情

【研发类-后端开发Skills】azd-deployment 技能

发布时间:2026/11/15 13:07:54来源:尧图网络
【研发类-后端开发Skills】azd-deployment 技能
Deploy containerized frontend backend applications to Azure Container Apps with remote builds, managed identity, and idempotent infrastructure.技能概述azd-deployment 技能用于将容器化的前端后端应用部署到Azure Container Apps。支持远程构建、托管身份和幂等基础设施适用于需要企业级云部署的场景。下载地址https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/azd-deployment主要功能容器化部署: 部署前端后端容器应用到Azure Container Apps远程构建: 在Azure Container Registry中构建镜像托管身份: 配置系统分配的托管身份和RBAC幂等部署: Bicep声明式基础设施确保幂等性服务发现: Container App环境内内部HTTP路由环境管理: 多环境支持dev、staging、prod触发条件部署容器化应用到Azure Container Apps需要企业级云基础设施部署需要托管身份和RBAC配置需要多环境部署管理快速开始# 初始化和部署azd auth loginazd init # 创建azure.yaml和.azure/文件夹azd env new env-name # 创建环境(dev, staging, prod)azd up # 配置基础设施 构建 部署核心文件结构project/├── azure.yaml # azd服务定义 钩子├── infra/│ ├── main.bicep # 根基础设施模块│ ├── main.parameters.json # 从环境变量注入参数│ └── modules/│ ├── container-apps-environment.bicep│ └── container-app.bicep├── .azure/│ ├── config.json # 默认环境指针│ └── env-name/│ ├── .env # 环境特定值(azd管理)│ └── config.json # 环境元数据└── src/├── frontend/Dockerfile└── backend/Dockerfileazure.yaml配置示例: 完整配置name: azd-deploymentmetadata:template: my-project1.0.0infra:provider: biceppath: ./infraazure:location: eastus2services:frontend:project: ./src/frontendlanguage: tshost: containerappdocker:path: ./Dockerfilecontext: .remoteBuild: truebackend:project: ./src/backendlanguage: pythonhost: containerappdocker:path: ./Dockerfilecontext: .remoteBuild: truehooks:postdeploy:shell: shrun: |echo Frontend: ${SERVICE_FRONTEND_URI}echo Backend: ${SERVICE_BACKEND_URI}关键配置选项选项描述remoteBuild: true在Azure Container Registry中构建镜像推荐context: .相对于项目路径的Docker构建上下文host: containerapp部署到Azure Container Appsinfra.provider: bicep使用Bicep进行基础设施配置常用命令# 环境管理azd env list # 列出环境azd env select name # 切换环境azd env get-values # 显示所有环境变量azd env set KEY value # 设置变量# 部署azd up # 完整配置 部署azd provision # 仅基础设施azd deploy # 仅代码部署azd deploy --service backend # 部署单个服务# 调试azd show # 显示项目状态az containerapp logs show -n app -g rg --follow # 流式日志托管身份与RBAC示例: 启用系统分配身份resource containerApp Microsoft.App/containerApps2024-03-01 {identity: {type: SystemAssigned}}output principalId string containerApp.identity.principalId关键提醒重要注意事项:始终使用 remoteBuild: true - 本地构建在M1/ARM Mac上部署到AMD64会失败Bicep输出自动填充 .azure/env/.env - 不要手动编辑使用 azd env set 设置密钥 - 不要在main.parameters.json默认值中设置服务标签(azd-service-name) - azd需要它来查找Container Apps钩子中使用 || true - 防止RBAC已存在错误导致部署失败最佳实践推荐做法:✅ 使用Bicep声明式基础设施确保幂等性✅ 使用钩子保存手动添加的自定义域名✅ 使用内部DNS进行服务间通信✅ 配置后置钩子进行RBAC分配✅ 使用 azd env set 管理环境变量使用限制仅适用于Azure Container Apps部署需要Azure订阅和azd CLI需要Bicep知识进行基础设施配置不涵盖其他Azure服务的部署
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉