Componenti di Microsoft.Insights

Definizione di risorsa Bicep

Il tipo di risorsa dei componenti può essere distribuito con operazioni destinate a:

• gruppi di risorse - Vedere i comandi di distribuzione del gruppo di risorse

Per un elenco delle proprietà modificate in ogni versione dell'API, vedere log delle modifiche.

Formato risorsa

Per creare una risorsa Microsoft.Insights/components, aggiungere il bicep seguente al modello.

resource symbolicname 'Microsoft.Insights/components@2020-02-02' = {
  etag: 'string'
  kind: 'string'
  location: 'string'
  name: 'string'
  properties: {
    Application_Type: 'string'
    DisableIpMasking: bool
    DisableLocalAuth: bool
    Flow_Type: 'string'
    ForceCustomerStorageForProfiler: bool
    HockeyAppId: 'string'
    ImmediatePurgeDataOn30Days: bool
    IngestionMode: 'string'
    publicNetworkAccessForIngestion: 'string'
    publicNetworkAccessForQuery: 'string'
    Request_Source: 'string'
    RetentionInDays: int
    SamplingPercentage: int
    WorkspaceResourceId: 'string'
  }
  tags: {
    {customized property}: 'string'
  }
}

Valori delle proprietà

ApplicationInsightsComponentProperties

ComponentsResourceTags

Microsoft.Insights/components

Esempi di avvio rapido

Gli esempi di avvio rapido seguenti distribuiscono questo tipo di risorsa.

Definizione di risorsa del modello di Resource Manager

Il tipo di risorsa dei componenti può essere distribuito con operazioni destinate a:

• gruppi di risorse - Vedere i comandi di distribuzione del gruppo di risorse

Per un elenco delle proprietà modificate in ogni versione dell'API, vedere log delle modifiche.

Formato risorsa

Per creare una risorsa Microsoft.Insights/components, aggiungere il codice JSON seguente al modello.

{
  "type": "Microsoft.Insights/components",
  "apiVersion": "2020-02-02",
  "name": "string",
  "etag": "string",
  "kind": "string",
  "location": "string",
  "properties": {
    "Application_Type": "string",
    "DisableIpMasking": "bool",
    "DisableLocalAuth": "bool",
    "Flow_Type": "string",
    "ForceCustomerStorageForProfiler": "bool",
    "HockeyAppId": "string",
    "ImmediatePurgeDataOn30Days": "bool",
    "IngestionMode": "string",
    "publicNetworkAccessForIngestion": "string",
    "publicNetworkAccessForQuery": "string",
    "Request_Source": "string",
    "RetentionInDays": "int",
    "SamplingPercentage": "int",
    "WorkspaceResourceId": "string"
  },
  "tags": {
    "{customized property}": "string"
  }
}

Valori delle proprietà

ApplicationInsightsComponentProperties

ComponentsResourceTags

Microsoft.Insights/components

Modelli di avvio rapido

I modelli di avvio rapido seguenti distribuiscono questo tipo di risorsa.

Sagoma	Descrizione
'ambiente del servizio app con back-end SQL di Azure	Questo modello crea un ambiente del servizio app con un back-end SQL di Azure insieme agli endpoint privati insieme alle risorse associate in genere usate in un ambiente privato/isolato.
gateway applicazione con gestione API interna e app Web	Il gateway applicazione instrada il traffico Internet a un'istanza di Gestione API di rete virtuale (modalità interna) che supporta un'API Web ospitata in un'app Web di Azure.
dell'app ASP.NET	Questo modello consente di creare un servizio app per la distribuzione di un'app ASP.NET.
configurazione di base di Azure AI Studio	Questo set di modelli illustra come configurare Azure AI Studio con la configurazione di base, ovvero con l'accesso a Internet pubblico abilitato, le chiavi gestite da Microsoft per la crittografia e la configurazione delle identità gestite da Microsoft per la risorsa di intelligenza artificiale.
configurazione di base di Azure AI Studio	Questo set di modelli illustra come configurare Azure AI Studio con la configurazione di base, ovvero con l'accesso a Internet pubblico abilitato, le chiavi gestite da Microsoft per la crittografia e la configurazione delle identità gestite da Microsoft per la risorsa di intelligenza artificiale.
configurazione di base di Azure AI Studio	Questo set di modelli illustra come configurare Azure AI Studio con la configurazione di base, ovvero con l'accesso a Internet pubblico abilitato, le chiavi gestite da Microsoft per la crittografia e la configurazione delle identità gestite da Microsoft per la risorsa di intelligenza artificiale.
con restrizioni di rete di Azure AI Studio	Questo set di modelli illustra come configurare Azure AI Studio con collegamento privato e uscita disabilitato, usando chiavi gestite da Microsoft per la crittografia e la configurazione delle identità gestite da Microsoft per la risorsa di intelligenza artificiale.
con restrizioni di rete di Azure AI Studio	Questo set di modelli illustra come configurare Azure AI Studio con collegamento privato e uscita disabilitato, usando chiavi gestite da Microsoft per la crittografia e la configurazione delle identità gestite da Microsoft per la risorsa di intelligenza artificiale.
Azure AI Studio con l'autenticazione dell'ID di Accesso Microsoft	Questo set di modelli illustra come configurare Azure AI Studio con l'autenticazione CON ID Entra di Microsoft per le risorse dipendenti, ad esempio Servizi di intelligenza artificiale di Azure e Archiviazione di Azure.
Gemelli digitali di Azure con funzioni e servizi collegamento privato	Questo modello crea un servizio Gemelli digitali di Azure configurato con una funzione di Azure connessa alla rete virtuale che può comunicare tramite un endpoint di collegamento privato a Gemelli digitali. Crea anche una zona DNS privata per consentire la risoluzione senza problemi del nome host dell'endpoint di Gemelli digitali dalla rete virtuale all'indirizzo IP della subnet interna dell'endpoint privato. Il nome host viene archiviato come impostazione della funzione di Azure con nome "ADT_ENDPOINT".
'app per le funzioni di Azure e una funzione attivata tramite HTTP	Questo esempio distribuisce un'app per le funzioni di Azure e una funzione attivata tramite HTTP inline nel modello. Distribuisce anche un insieme di credenziali delle chiavi e popola un segreto con la chiave host dell'app per le funzioni.
'app per le funzioni di Azure ospitata in un piano dedicato	Questo modello effettua il provisioning di un'app per le funzioni in un piano di hosting dedicato, ovvero verrà eseguita e fatturata esattamente come qualsiasi sito del servizio app.
'app per le funzioni di Azure ospitata nel piano a consumo Linux	Questo modello effettua il provisioning di un'app per le funzioni in un piano a consumo Linux, ovvero un piano di hosting dinamico. L'app viene eseguita su richiesta e viene fatturata per ogni esecuzione, senza impegno permanente per le risorse.
'app per le funzioni di Azure ospitata nel piano Premium	Questo modello effettua il provisioning di un'app per le funzioni in un piano Premium.
'app per le funzioni di Azure ospitata nel piano a consumo di Windows	Questo modello effettua il provisioning di un'app per le funzioni in un piano a consumo di Windows, ovvero un piano di hosting dinamico. L'app viene eseguita su richiesta e viene fatturata per ogni esecuzione, senza impegno permanente per le risorse.
'app per le funzioni di Azure con uno slot di distribuzione	Questo modello effettua il provisioning di un'app per le funzioni in un piano Premium con slot di produzione e uno slot di distribuzione aggiuntivo.
'app per le funzioni di Azure con Hub eventi e identità gestita	il modello effettua il provisioning di un'app per le funzioni di Azure in un piano a consumo Linux, insieme a un hub eventi, archiviazione di Azure e Application Insights. L'app per le funzioni è in grado di usare l'identità gestita per connettersi all'hub eventi e all'account di archiviazione
'app per le funzioni di Azure con integrazione di rete virtuale	Questo modello effettua il provisioning di un'app per le funzioni in un piano Premium con l'integrazione della rete virtuale a livello di area abilitata per una nuova rete virtuale creata.
configurazione sicura end-to-end di Azure Machine Learning	Questo set di modelli Bicep illustra come configurare l'endpoint end-to-end di Azure Machine Learning in una configurazione sicura. Questa implementazione di riferimento include l'area di lavoro, un cluster di calcolo, un'istanza di calcolo e un cluster del servizio Azure Kubernetes privato collegato.
configurazione sicura end-to-end di Azure Machine Learning (legacy)	Questo set di modelli Bicep illustra come configurare l'endpoint end-to-end di Azure Machine Learning in una configurazione sicura. Questa implementazione di riferimento include l'area di lavoro, un cluster di calcolo, un'istanza di calcolo e un cluster del servizio Azure Kubernetes privato collegato.
dell'area di lavoro di Azure Machine Learning	Questo modello crea una nuova area di lavoro di Azure Machine Learning, insieme a un account di archiviazione crittografato, a KeyVault e alla registrazione di Application Insights
BrowserBox azure Edition	Questo modello distribuisce BrowserBox in una macchina virtuale LVM di Azure Ubuntu Server 22.04 LTS, Debian 11 o RHEL 8.7.
Creare un'area di lavoro AML con più set di dati &	Questo modello crea un'area di lavoro di Azure Machine Learning con più set di dati & archivi dati.
Creare una destinazione di calcolo del servizio Azure Kubernetes con un indirizzo IP privato	Questo modello crea una destinazione di calcolo del servizio Azure Kubernetes in un'area di lavoro del servizio Azure Machine Learning con un indirizzo IP privato.
Creare un'area di lavoro del servizio Azure Machine Learning	Questo modello di distribuzione specifica un'area di lavoro di Azure Machine Learning e le risorse associate, tra cui Azure Key Vault, Archiviazione di Azure, Azure Application Insights e Registro Azure Container. Questa configurazione descrive il set minimo di risorse necessarie per iniziare a usare Azure Machine Learning.
Creare un'area di lavoro del servizio Azure Machine Learning (CMK)	Questo modello di distribuzione specifica come creare un'area di lavoro di Azure Machine Learning con la crittografia lato servizio usando le chiavi di crittografia.
Creare un'area di lavoro del servizio Azure Machine Learning (CMK)	Questo modello di distribuzione specifica un'area di lavoro di Azure Machine Learning e le risorse associate, tra cui Azure Key Vault, Archiviazione di Azure, Azure Application Insights e Registro Azure Container. L'esempio illustra come configurare Azure Machine Learning per la crittografia con una chiave di crittografia gestita dal cliente.
Creare un'area di lavoro del servizio Azure Machine Learning (legacy)	Questo modello di distribuzione specifica un'area di lavoro di Azure Machine Learning e le risorse associate, tra cui Azure Key Vault, Archiviazione di Azure, Azure Application Insights e Registro Azure Container. Questa configurazione descrive il set di risorse necessarie per iniziare a usare Azure Machine Learning in una configurazione isolata di rete.
Creare un'area di lavoro del servizio Azure Machine Learning (vnet)	Questo modello di distribuzione specifica un'area di lavoro di Azure Machine Learning e le risorse associate, tra cui Azure Key Vault, Archiviazione di Azure, Azure Application Insights e Registro Azure Container. Questa configurazione descrive il set di risorse necessarie per iniziare a usare Azure Machine Learning in una configurazione isolata di rete.
Creare Gestione API nella rete virtuale interna con il gateway app	Questo modello illustra come creare un'istanza di Gestione API di Azure in una rete privata protetta dal gateway applicazione di Azure.
Creare frontdoor di Azure davanti a Gestione API di Azure	Questo esempio illustra come usare Frontdoor di Azure come servizio di bilanciamento del carico globale davanti a Gestione API di Azure.
Creare un'app per le funzioni e un archivio privato protetto da endpoint	Questo modello consente di distribuire un'app per le funzioni di Azure che comunica con Archiviazione di Azure tramite endpoint privati.
Crea un'app di microservizi Dapr usando app contenitore	Creare un'app di microservizi Dapr usando App contenitore.
Crea un'app pub-sub-servicebus dapr usando app contenitore	Creare un'app pub-sub servicebus dapr usando App contenitore.
Crea un'app per le funzioni con identità del servizio gestita	Crea un'app per le funzioni con identità del servizio gestita abilitata con Application Insights configurato per i log e le metriche.
Distribuire una semplice applicazione di microservizi di Azure Spring Apps	Questo modello distribuisce una semplice applicazione di microservizio di Azure Spring Apps da eseguire in Azure.
Distribuire un piano Azure Function Premium abilitato per az	Questo modello consente di distribuire un piano Premium per le funzioni di Azure con il supporto delle zone di disponibilità, tra cui un account di archiviazione abilitato per le zone di disponibilità.
Distribuire un piano Premium per le funzioni di Azure con l'integrazione della rete virtuale	Questo modello consente di distribuire un piano Premium per le funzioni di Azure con l'integrazione della rete virtuale a livello di area abilitata in una rete virtuale appena creata.
Distribuire Application Insights e creare un avviso	Questo modello consente di distribuire Application Insight e crearvi un avviso
Distribuire Secure Azure AI Studio con una rete virtuale gestita	Questo modello crea un ambiente sicuro di Azure AI Studio con forti restrizioni di sicurezza di rete e identità.
'app Django	Questo modello consente di creare un servizio app per la distribuzione di un'app Django.
Enterprise Governance-AppService, database SQL, AD, OMS, Runbook	L'adozione del cloud per un'azienda, piccola o grande, richiede modelli di governance responsabili ed efficienti per derivare valore dalle distribuzioni cloud. CloudWise (un nome di codice per la soluzione), è una soluzione composita disponibile nelle guide introduttive per i partner di Azure, è un abilitatore di adozione per clienti, integratori di sistemi e partner, che offre una soluzione self-service, automatizzata e operativa, incentrata sull'ottimizzazione dei costi, sul miglioramento dell'affidabilità delle applicazioni, sulla riduzione dei rischi aziendali. La soluzione evidenzia i pilastri principali della governance di Visibility and Control.
sito Web eShop con l'ambiente del servizio app con bilanciamento del carico interno	Un ambiente del servizio app è un'opzione del piano di servizio Premium del servizio app di Azure che offre un ambiente completamente isolato e dedicato per l'esecuzione sicura di app del servizio app di Azure su larga scala, tra cui app Web, app per dispositivi mobili e app per le API.
Frontdoor Standard/Premium con l'origine di Funzioni di Azure	Questo modello crea un'app Frontdoor Standard/Premium, un'app Funzioni di Azure e configura l'app per le funzioni per verificare che il traffico provengano dall'origine di Frontdoor.
'app per le funzioni nel piano a consumo linux con di compilazione remota	Questo modello effettua il provisioning di un'app per le funzioni in un piano a consumo Linux ed esegue la compilazione remota durante la distribuzione del codice. L'app viene eseguita su richiesta e viene fatturata per ogni esecuzione, senza impegno permanente per le risorse.
'app per le funzioni protetta da frontdoor di Azure	Questo modello consente di distribuire una funzione Premium di Azure protetta e pubblicata da Frontdoor premium di Azure. La conenction tra Frontdoor di Azure e Funzioni di Azure è protetta dal collegamento privato di Azure.
ambiente del servizio app con bilanciamento del carico interno con firewall di Azure	Modelli e parametri di Resource Manager che illustrano come distribuire l'ambiente del servizio app con l'integrazione di Firewall di Azure
CI/CD Java con Jenkins e App Web di Azure	Questo è un esempio per l'integrazione continua/distribuzione continua Java con Jenkins e App Web di Azure.
Kentico Xperience	Questo modello facilita la distribuzione delle risorse necessarie per ospitare gli ambienti Kentico Xperience in Microsoft Azure.
'app per le funzioni private e di archiviazione privata protetta da endpoint	Questo modello effettua il provisioning di un'app per le funzioni in un piano Premium con endpoint privati e comunica con Archiviazione di Azure tramite endpoint privati.
Effettuare il provisioning di un'app per le funzioni in un piano a consumo	Questo modello effettua il provisioning di un'app per le funzioni in un piano a consumo, ovvero un piano di hosting dinamico. L'app viene eseguita su richiesta e viene fatturata per ogni esecuzione, senza impegno permanente per le risorse. Sono disponibili altri modelli per il provisioning in un piano di hosting dedicato.
Effettuare il provisioning di un'app per le funzioni in esecuzione in un piano di servizio app	Questo modello effettua il provisioning di un'app per le funzioni in un piano di hosting dedicato, ovvero verrà eseguita e fatturata esattamente come qualsiasi sito del servizio app.
Effettuare il provisioning di un'app Web con un database SQL	Questo modello effettua il provisioning di un'app Web, un database SQL, impostazioni di scalabilità automatica, regole di avviso e Informazioni dettagliate app. Configura una stringa di connessione nell'app Web per il database.
funzione del piano a consumo di provisioning con uno slot di distribuzione	Questo modello effettua il provisioning di un'app per le funzioni in un piano a consumo, ovvero un piano di hosting dinamico. L'app viene eseguita su richiesta e viene fatturata per ogni esecuzione, senza impegno permanente per le risorse. Sono disponibili altri modelli per il provisioning in un piano di hosting dedicato.
semplice app Web Umbraco CMS	Questo modello offre un modo semplice per distribuire l'app Web umbraco CMS nelle app Web del servizio app di Azure.
'app Web w/ Application Insights che invia a Log Analytics	Questo modello consente di supportare le nuove versioni api di microsoft.insights/components. A partire dal 2020-02-02-preview WorkspaceID sarà necessario durante la creazione di Application Inisghts.Questo modello distribuirà il piano di servizio app, il servizio app, Application Insights, l'area di lavoro Log Analytics e lo unisce tutti insieme.
'app Web con un database SQL, Azure Cosmos DB, Ricerca di Azure	Questo modello effettua il provisioning di un'app Web, un database SQL, Azure Cosmos DB, Ricerca di Azure e Application Insights.
'app Web con identità gestita, SQL Server e ΑΙ	Esempio semplice per distribuire l'infrastruttura di Azure per app + dati + identità gestita e monitoraggio

Definizione di risorsa Terraform (provider AzAPI)

Il tipo di risorsa dei componenti può essere distribuito con operazioni destinate a:

• gruppi di risorse

Per un elenco delle proprietà modificate in ogni versione dell'API, vedere log delle modifiche.

Formato risorsa

Per creare una risorsa Microsoft.Insights/components, aggiungere il codice Terraform seguente al modello.

resource "azapi_resource" "symbolicname" {
  type = "Microsoft.Insights/components@2020-02-02"
  name = "string"
  etag = "string"
  kind = "string"
  location = "string"
  tags = {
    {customized property} = "string"
  }
  body = jsonencode({
    properties = {
      Application_Type = "string"
      DisableIpMasking = bool
      DisableLocalAuth = bool
      Flow_Type = "string"
      ForceCustomerStorageForProfiler = bool
      HockeyAppId = "string"
      ImmediatePurgeDataOn30Days = bool
      IngestionMode = "string"
      publicNetworkAccessForIngestion = "string"
      publicNetworkAccessForQuery = "string"
      Request_Source = "string"
      RetentionInDays = int
      SamplingPercentage = int
      WorkspaceResourceId = "string"
    }
  })
}

Valori delle proprietà

ApplicationInsightsComponentProperties

ComponentsResourceTags

Microsoft.Insights/components