Bereitstellen von Diensten in Kubernetes-Clustern mit Azure Arc-Unterstützung
Mit Kubernetes mit Arc-Unterstützung können Sie Azure verwenden, um Dienste in Ihren verbundenen Clustern bereitzustellen.
Diese Lerneinheit bietet eine Übersicht über die Arten von Diensten, die Sie bereitstellen können, und den zugehörigen Prozess.
Bereitstellen von Azure Arc-fähigen Datendienste
Unter Datendiensten mit Azure Arc-Unterstützung versteht man einen Abonnementdienst, der zum Bereitstellen von Hybriddatenfunktionen und verwalteten Diensten mithilfe der Kubernetes-Plattform genutzt wird. Datendienste mit Azure Arc-Unterstützung werden basierend auf MCR-Containerimages (Microsoft Container Registry) als Pods in Kubernetes-Knoten bereitgestellt. Alle Dienste verwenden eine der Hauptkomponenten der Kubernetes-Plattform: die Kubernetes-API.
Vor der Bereitstellung von Datendiensten stellen Sie zunächst den Azure Arc-Datencontroller bereit. Hierbei handelt es sich um eine Reihe von Kubernetes-Pods, die mithilfe der Kubernetes-API und mit benutzerdefinierten Ressourcendefinitionen (Custom Resource Definitions, CRD) die Koordination und Orchestrierung von Datendiensten mit Azure Arc-Unterstützung ermöglichen. Nach einer erfolgreichen Bereitstellung des Azure Arc-Datencontrollers können Sie Instanzen von Azure Arc-fähigen Datendiensten in Ihren verbundenen Clustern erstellen.
Derzeit sind die folgenden Azure Arc-fähigen Datendienste verfügbar:
- SQL Managed Instance mit Azure Arc-Unterstützung
- PostgreSQL-Server mit Azure Arc-Unterstützung (Vorschau)
Der Prozess zum Bereitstellen von Arc-fähigen Datendiensten besteht aus den folgenden allgemeinen Schritten.
Im Abonnement, in dem Sie Arc-fähige Dienste bereitstellen möchten:
- Installieren Sie die Clienttools zum Bereitstellen und Verwalten von Arc-fähigen Datendiensten, einschließlich der Azure CLI (und der Azure CLI-Erweiterung „arcdata“) und Azure Data Studio (und der zugehörigen Azure Arc-Erweiterung).
- Registrieren Sie den Microsoft.AzureArcData-Anbieter für das Abonnement, in dem die Azure Arc-fähigen Datendienste bereitgestellt werden.
Diese Schritte müssen nur einmal pro Abonnement ausgeführt werden.
Für jede Datendienstinstanz, die Sie im Abonnement bereitstellen möchten:
- Melden Sie sich beim Microsoft Entra-Mandanten mit einem Konto an, das über Berechtigungen zum Verwalten der Kubernetes-Ressource mit Azure Arc-Unterstützung verfügt.
- Erstellen des Azure Arc-Datencontrollers.
- Erstellen Sie die Instanz des Datendiensts.
- Herstellen einer Verbindung mit Azure Data Studio.
Nachdem Sie Azure Arc-fähige Datendienste bereitgestellt haben, können Sie kompatible Tools oder Clienttreiber verwenden, um diese Dienste zu verbinden, abzufragen und zu verwalten.
Bereitstellen von Azure-Diensten
Sie können Azure-Dienste in Ihren Kubernetes-Clustern mit Arc-Unterstützung bereitstellen. Viele dieser Dienste werden bereitgestellt, indem Instanzen einer Erweiterung im Cluster erstellt werden. Die Clustererweiterungen bieten eine von Azure Resource Manager unterstützte Benutzeroberfläche für die Installation und Lebenszyklusverwaltung verschiedener Azure-Funktionen, die auf Ihrem Kubernetes-Cluster aufbaut.
Wenn Sie beispielsweise die Azure Machine Learning-Erweiterung bereitstellen, können Sie festlegen, dass ein Kubernetes-Cluster mit Arc-Unterstützung ein Kubernetes-Computeziel in Azure Machine Learning wird, und Sie können es zum Trainieren oder Bereitstellen von Modellen verwenden.
Der Prozess zum Bereitstellen von Azure Machine Learning in einem Kubernetes-Cluster mit Arc-Unterstützung besteht aus den folgenden allgemeinen Schritten.
- Melden Sie sich beim Microsoft Entra-Mandanten mit einem Konto an, das über Berechtigungen zum Verwalten der Kubernetes-Ressource mit Azure Arc-Unterstützung verfügt.
- Erstellen Sie eine Instanz der Azure Machine Learning-Erweiterung im Cluster.
- Stellen Sie die Azure Machine Learning-Erweiterung bereit.
- Fügen Sie den Kubernetes-Cluster an Ihren Azure Machine Learning-Arbeitsbereich an.
Anschließend können Sie das Kubernetes-Computeziel verwenden, um Trainingsvorgänge auszuführen oder Azure Machine Learning-Workloads bereitzustellen.