快速启动AI之旅：使用Azure AI和AKS构建第一个智能应用——第2部分

先决条件

将容器镜像推送到Azure容器注册表（ACR）

在Azure Kubernetes服务（AKS）上部署智能应用

在AKS上测试智能应用

后续步骤

在上一篇文章中，我们探讨了如何创建智能应用，该应用利用Azure AI视觉的计算机视觉服务来分析图像和提取数据。我们学习了如何构建Python Web API以对上传的图像执行OCR，然后随后在本地测试此API。

在本文中，我们将使用Azure Kubernetes 服务（AKS）在Azure上的云中开发、发布和维护我们的应用。

让我们开始吧！

先决条件

若要按照本教程操作，请确保已完成快速启动AI之旅：使用Azure AI和AKS构建第一个智能应用（1）

将容器镜像推送到Azure容器注册表（ACR）

首先，打开CLI或终端并键入以下命令：

az login

按照浏览器上显示的说明输入Azure凭据。

通过身份验证后，将在本地环境和Azure之间启动安全连接。此过程授予你对云服务和资源的访问权限。

接下来，在终端中键入以下命令，以设置新的Azure容器注册表（ACR）来存储容器镜像：

az acr create --resource-group computer-vision --name <name-of-azure-container-registry> --sku Basic

请记住替换<name-of-azure-container-registry>为容器注册表名称。该名称在Azure中必须是唯一的，并符合这些规则。

上述命令在基本SKU 下的computer-vision资源组中创建 Azure容器注册表（ACR）。此ACR是用于在Azure中存储容器镜像的安全专用存储库。

接下来，使用以下命令登录注册表：

az acr login -n <name-of-azure-container-registry>

通过上述az acr login命令，可以安全地进行身份验证和访问指定的ACR，而无需每次都提供Azure凭据。

现在，在终端中运行以下命令。它将显示要登录的终结点URL，并与ACR交互，以推送和拉取容器镜像。

az acr show --name <name-of-azure-container-registry> --query loginServer --output table

此命令返回以下终结点URL：

Result
----------------------------------
<name-of-azure-container-registry>.azurecr.io

现在，运行以下命令以显示所有容器镜像、其存储库、标记和大小：

docker images

REPOSITORY        TAG       IMAGE ID       CREATED        SIZE
intelligent-app   latest    a7bf9f753617   16 hours ago   197MB

标记是将Docker镜像推送到远程注册表（如Azure容器注册表）所必需的。它们还可以让您区分同一镜像的不同版本，并上传或下载所需的镜像。

运行以下命令以标记Docker镜像：

docker tag intelligent-app <name-of-azure-container-registry>.azurecr.io/intelligent-app:v1

然后，再次运行docker images命令以检查标记的镜像：

docker images

REPOSITORY                                  TAG       IMAGE ID       CREATED              SIZE
intelligent-app                             latest    c52168039265   About a minute ago   197MB
<name-of-azure-container-registry>.azurecr.io/intelligent-app   v1        c52168039265   About a minute ago   197MB

现在运行以下命令，以便Docker可以安全地将镜像上传到Azure容器注册表：

docker push <name-of-azure-container-registry>.azurecr.io/intelligent-app:v1

将镜像部署到容器注册表后，AKS可以在部署期间访问它。

在Azure Kubernetes服务（AKS）上部署智能应用

在将智能应用部署到AKS之前，我们需要预配AKS群集并定义Kubernetes清单。

若要预配AKS群集以托管应用程序，请为群集指定所需的配置，例如节点数、节点大小和网络选项。但首先，下载并安装Kubernetes命令行工具（kubectl），这是一个实现Azure身份验证的客户端凭据插件：

az aks install-cli

如果您使用的是Linux，请查看本教程。然后运行以下命令：

sudo az aks install-cli

接下来，在终端中运行以下命令，以启用对Azure中Microsoft.Network命名空间提供的与网络相关的资源和服务的访问：

az provider register --namespace Microsoft.Network

现在，我们必须创建一个AKS群集。运行以下命令，创建computer-vision资源组中命名为aks-intelligent-app的AKS群集。

az aks create --resource-group computer-vision --name aks-intelligent-app --node-count 1 --generate-ssh-keys

上面的命令指定目标资源组：computer-vision。节点池配置了一个虚拟机（VM），并自动生成用于安全节点访问的安全外壳（SSH）密钥。

接下来，运行以下命令，通过将AKS群集附加到ACR来更新创建的AKS群集。这样做允许AKS群集在将工作负载部署到群集时从指定的ACR拉取容器镜像。

az aks update -n aks-intelligent-app -g computer-vision --attach-acr <name-of-azure-container-registry>

然后，运行以下命令，将kubectl配置为使用computer-vision资源组中的AKS群集。

az aks get-credentials --resource-group computer-vision --name aks-intelligent-app

上述命令检索kubectl与AKS群集通信所需的凭据和上下文信息。

我们仍然需要定义用YAML编写的Kubernetes清单，描述应用程序部署的所需状态，包括容器、网络和扩展规则。我们将准备这些清单（包括部署和服务配置），以定义应如何部署和公开应用程序。

首先，在根文件夹中创建一个名为 Deployment 的文件夹。

注：在本例中，根文件夹是初学者项目模板的/Microsoft_Series17-18_Code/intelligent-app-before文件夹。

然后，在Deployment文件夹中创建两个文件：deployment.yml和service.yml。

将以下配置添加到deployment.yml文件，将<name-of-azure-container-registry>占位符替换为注册表的名称：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: intelligent-app
spec:
  replicas: 1
  selector:
    matchLabels:
      app: intelligent-app
  template:
    metadata:
      labels:
        app: intelligent-app
    spec:
      nodeSelector:
        kubernetes.io/os: linux
      containers:
        - name: intelligent-app
          image: <name-of-azure-container-registry>.azurecr.io/intelligent-app:v1
          resources:
            limits:
              memory: 512Mi
              cpu: "1"
            requests:
              memory: 256Mi
              cpu: "0.2"
          ports:
            - containerPort: 5000
          env:
            - name: FLASK_DEBUG
              value: "1"
            - name: VISION_KEY
              value: <THE-KEY-1-VALUE-FROM-YOUR-AZURE-AI-SERVICE>
            - name: VISION_ENDPOINT
              value: <THE-ENDPOINT-VALUE-FROM-YOUR-AZURE-AI-SERVICE>

此外，请根据Azure AI实例的API密钥和终结点编辑上述VISION_KEY和VISION_ENDPOINT环境变量。

然后，将以下配置添加到service.yml文件：

apiVersion: v1
kind: Service
metadata:
  name: intelligent-app-service
spec:
  type: LoadBalancer
  ports:
    - protocol: TCP
      port: 80
      targetPort: 5000
      name: port5000
  selector:
    app: intelligent-app

现在，我们将使用kubectl部署我们的应用程序。应用Kubernetes清单会创建必要的资源，并将容器化应用程序部署到AKS群集。

首先，将终端更改为部署文件夹：

cd Deployment

然后，执行以下命令，创建或更新deployment.yml文件中定义的Kubernetes资源：

kubectl apply -f deployment.yml

使用以下代码根据service.yml文件中定义的配置在Kubernetes集群中创建Kubernetes服务资源：

kubectl apply -f service.yml

应用deployment.yml 和 service.yml 文件中包含的资源定义和服务配置后，在Azure门户中打开aks-intelligent-app Kubernetes服务，在边栏上的Kubernetes资源下选择“工作负载”，然后找到名为intelligent-app的部署。它必须具有“就绪1/1”状态。如果遇到此状态的问题，请查看这些故障排除资源。

在AKS上测试智能应用

若要在AKS上测试应用，请先运行以下命令：

kubectl get services

此命令列出服务及其相应的详细信息，包括服务名称、群集IP地址、外部IP和端口。

NAME                      TYPE           CLUSTER-IP   EXTERNAL-IP     PORT(S)        AGE
intelligent-app-service   LoadBalancer   10.0.77.60   20.121.76.153   80:30936/TCP   47s
kubernetes                ClusterIP      10.0.0.1     <none>          443/TCP        14m

上面的输出显示了一个名为intelligent-app-service的Kubernetes服务的类型设置为LoadBalancer。可以使用群集IP 10.0.77.60从群集内部访问它，并通过端口80（映射到端口30936）上的外部IP 20.121.76.153从外部访问它。