Einführung
Das bedarfsgesteuerte Skalieren virtueller Computer kann insbesondere dann eine Herausforderung darstellen, wenn die Nutzungsmuster variieren und die Nachfrage nach bestimmten Anwendungen schwankt. Azure-Administrator*innen müssen in der Lage sein, ihre VM-Ressourcen an sich ändernde Anforderungen anzupassen. Gleichzeitig soll eine konsistente Konfiguration der VMs eingehalten werden, um die Stabilität der Anwendung zu gewährleisten. Mit Erreichen dieser Ziele sollen Durchsatz und Reaktionsfähigkeit gleich bleiben, während die Kosten für die kontinuierliche Ausführung vieler VMs minimiert werden.
Ihre Unternehmenswebsite verwendet virtuelle Computer und verwaltet große Workloads. Die IT-Abteilung möchte sicherstellen, dass sich die virtuellen Computer dynamisch an zu- und abnehmende Workloads anpassen können. Außerdem soll sichergestellt werden, dass ein Plan für die Geschäftskontinuität hoch verfügbare Computer ermöglicht. Für die Bereitstellung der hoch verfügbaren virtuellen Maschinen sind Sie verantwortlich. Sie haben sich entschieden, Azure Virtual Machine Scale Sets und das Feature für die Autoskalierung zu verwenden.
In diesem Modul erfahren Sie mehr über die Skalierung virtueller Computer. Sie erhalten nähere Informationen über Verfügbarkeitszonen, Verfügbarkeitsgruppen, Updates und Fehlerdomänen. Außerdem erfahren Sie mehr über Skalierungssätze und die Autoskalierung.
In diesem Moduls sollen Sie lernen, wie Sie erfolgreich auf die sich ändernden Workloads virtueller Computer reagieren.
Lernziele
In diesem Modul lernen Sie Folgendes:
- Implementieren von Verfügbarkeitsgruppen und Verfügbarkeitszonen.
- Implementieren von Update- und Fehlerdomänen.
- Implementieren von Azure Virtual Machine Scale Sets
- Automatische Skalierung virtueller Computer.
Bewertete Qualifikationen
Der Inhalt des Modul unterstützt Sie bei der Vorbereitung auf die Prüfung AZ-104: Microsoft Azure-Administrator.
Voraussetzungen
- Vertrautheit mit dem Erstellen und Verwalten von Azure-VMs
- Allgemeine Kenntnisse in der Skalierung von Infrastrukturressourcen bei schwankenden Workloads