Implementación y ejecución de contenedores en Azure Container Instance

Con los pasos siguientes, escale aplicaciones de servicios de Azure AI en la nube fácilmente con Azure Container Instances. La creación de contenedores permite centrarse en la compilación de aplicaciones en lugar de en la administración de la infraestructura. Para más información sobre el uso de contenedores, consulte Características y ventajas.

Requisitos previos

La receta funciona con cualquier contenedor de servicios de Azure AI. El recurso de servicios de Azure AI debe crearse antes de usar la fórmula. Todos los servicios de Azure AI que admiten contenedores tienen un artículo con el "Procedimiento de instalación" específico para instalar y configurar el servicio de un contenedor. Algunos servicios requieren un archivo o un conjunto de archivos como entrada para el contenedor, así que es importante que entienda y haya usado el contenedor correctamente antes de usar esta solución.

• Un recurso de Azure del servicio de Azure AI que está usando.

• Dirección URL del punto de conexión del recurso de servicios de Azure AI: revise el "Procedimiento de instalación" de su servicio específico para el contenedor. Así, encontrará el origen de la dirección URL del punto de conexión dentro de Azure Portal y el aspecto de un ejemplo correcto de la dirección URL. El formato exacto puede cambiar para cada servicio.

• Clave del recurso de servicios de Azure AI: las claves se encuentran en la página Claves del recurso de Azure. Solo necesita una de las dos claves. La clave es una cadena de 32 caracteres alfanuméricos.

• Un único contenedor de servicios de Azure AI en el host local (el equipo). Asegúrese de que puede hacer lo siguiente:

  • Descargar la imagen con un comando docker pull.
  • Ejecutar el contenedor local correctamente con todos los valores de configuración necesarios mediante un comando docker run.
  • Llamar al punto de conexión del contenedor para obtener una respuesta de HTTP 2xx y una respuesta JSON.

Todas las variables en corchetes angulares, <>, deben reemplazarse por sus propios valores. Este reemplazo incluye los corchetes angulares.

Importante

El contenedor de LUIS requiere un archivo de modelo .gz que se extrae en tiempo de ejecución. El contenedor debe poder acceder a este archivo de modelo a través del montaje de un volumen desde la instancia de contenedor. Para cargar un archivo de modelo, siga estos pasos:

1. Cree un recurso compartido de archivos de Azure. Tome nota tanto del nombre de la cuenta de Azure Storage, como de su clave y del nombre del recurso compartido de archivos, ya que los necesitará más adelante.
2. Exporte el modelo de LUIS (aplicación empaquetada) desde el portal de LUIS.
3. En Azure Portal, vaya a la página de información general del recurso de la cuenta de almacenamiento y seleccione Recursos compartidos de archivos.
4. Seleccione el nombre del recurso compartido de archivos que ha creado recientemente y, después, seleccione Cargar. Después, cargue la aplicación empaquetada.

Azure Portal

Creación de un recurso de instancia de contenedor de Azure con Azure Portal

1. Vaya a la página Crear de las instancias de contenedor.

2. En la pestaña Datos básicos, escriba la siguientes información:

   Configuración	Valor
   Suscripción	Selecciona tu suscripción.
   Resource group	Seleccione el grupo de recursos disponible o cree uno nuevo, como cognitive-services.
   Nombre del contenedor	Escriba un nombre como cognitive-container-instance. Este nombre debe estar en minúsculas.
   Location	Seleccione una región para la implementación.
   Tipo de imagen	Si la imagen de contenedor está almacenada en un registro de contenedor que no requiere credenciales, elija Public. Si el acceso a la imagen de contenedor requiere credenciales, elija Private. Consulte los repositorios de contenedores y las imágenes para información sobre si la imagen de contenedor es Public o Private ("versión preliminar pública").
   Nombre de la imagen	Escriba la ubicación del contenedor de servicios de Azure AI. La ubicación es lo que se usa como argumento para el comando docker pull. Consulte las imágenes y los repositorios de contenedor para ver los nombres de imagen disponibles y su repositorio correspondiente. El nombre de la imagen debe estar completo y especificar tres partes. La primera, el registro de contenedor, después el repositorio y, por último, el nombre de la imagen: <container-registry>/<repository>/<image-name>. Este es un ejemplo, mcr.microsoft.com/azure-cognitive-services/keyphrase representaría la imagen de extracción de frases clave en el registro de contenedor de Microsoft del repositorio de servicios de Azure AI. Otro ejemplo, containerpreview.azurecr.io/microsoft/cognitive-services-speech-to-text representaría la imagen de conversión de voz en texto en el repositorio de Microsoft del registro de contenedor de la versión preliminar del contenedor.
   Tipo de SO	Linux
   Size	Seleccione el tamaño de las recomendaciones sugeridas para su contenedor específico de servicios de Azure AI: 2 núcleos de CPU 4 GB

3. En la pestaña Redes, escriba los siguientes detalles:

   Configuración	Value
   Puertos	Establezca el puerto TCP en 5000. Expone el contenedor en el puerto 5000.

4. En la pestaña Avanzado, escriba las Variables de entorno necesarias para la configuración de la facturación del recurso de la instancia de contenedor de Azure:

   Clave	Value
   ApiKey	Se copia de la página Keys y endpoint (Claves y punto de conexión) del recurso. Es una cadena de 32 caracteres alfanuméricos sin espacios ni guiones, xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx.
   Billing	La dirección URL del punto de conexión se copia de la página Keys and endpoint (Claves y punto de conexión) del recurso.
   Eula	accept

5. Seleccione Revisar y crear

6. Después de realizar correctamente la validación, haga clic en Crear para finalizar el proceso de creación.

7. Cuando el recurso se implemente con éxito, estará listo.

CLI

Creación de un recurso de instancia de contenedor de Azure con la CLI de Azure

El siguiente código YAML define el recurso de instancia de contenedor de Azure. Copie y pegue el contenido en un nuevo archivo llamado my-aci.yaml y reemplace los valores comentados por los suyos propios. Consulte el formato de plantilla para ver el código YAML válido. Consulte las imágenes y los repositorios de contenedor para ver los nombres de imagen disponibles y su repositorio correspondiente. Para más información sobre la referencia de YAML para las instancias de contenedor, consulte Referencia de YAML: Azure Container Instances.

apiVersion: 2018-10-01
location: # < Valid location >
name: # < Container Group name >
properties:
  imageRegistryCredentials: # This is only required if you are pulling a non-public image that requires authentication to access. For example Text Analytics for health.
  - server: containerpreview.azurecr.io
    username: # < The username for the preview container registry >
    password: # < The password for the preview container registry >
  containers:
  - name: # < Container name >
    properties:
      image: # < Repository/Image name >
      environmentVariables: # These env vars are required
        - name: eula
          value: accept
        - name: billing
          value: # < Service specific Endpoint URL >
        - name: apikey
          value: # < Service specific API key >
      resources:
        requests:
          cpu: 4 # Always refer to recommended minimal resources
          memoryInGb: 8 # Always refer to recommended minimal resources
      ports:
        - port: 5000
  osType: Linux
  volumes: # This node, is only required for container instances that pull their model in at runtime, such as LUIS.
  - name: aci-file-share
    azureFile:
      shareName: # < File share name >
      storageAccountName: # < Storage account name>
      storageAccountKey: # < Storage account key >
  restartPolicy: OnFailure
  ipAddress:
    type: Public
    ports:
    - protocol: tcp
      port: 5000
tags: null
type: Microsoft.ContainerInstance/containerGroups

Nota

No todas las ubicaciones tienen la misma disponibilidad de CPU y memoria. Consulte la tabla ubicación y recursos para obtener una lista de los recursos disponibles para los contenedores por ubicación y sistema operativo.

Nos basaremos en el archivo YAML que hemos creado para el comando az container create. En la CLI de Azure, ejecute el comando az container create reemplazando <resource-group> por el suyo propio. Además, para proteger los valores dentro de una implementación de YAML, consulte cómo proteger los valores.

az container create -g <resource-group> -f my-aci.yaml

La salida del comando es Running... si es válido. Después de unos minutos, la salida cambia a una cadena JSON que representa el recurso ACI recién creado. Es muy probable que la imagen de contenedor no esté disponible durante un tiempo, pero el recurso ya está implementado.

Sugerencia

Preste mucha atención a las ubicaciones de las ofertas de la versión preliminar pública de los servicios de Azure AI, ya que el YAML tendrá que ajustarse según la ubicación.

Uso de la instancia de contenedor

Azure Portal

1. Seleccione la Información general y copie la dirección IP. Será una dirección IP numérica como 55.55.55.55.

2. Abra una nueva pestaña del explorador y use la dirección IP; por ejemplo, http://<IP-address>:5000 (http://55.55.55.55:5000). Verá la página de inicio del contenedor, que le permite saber que el contenedor se está ejecutando.

   

3. Seleccione Service API Description (descripción de la API de servicio) para ver la página Swagger del contenedor.

4. Seleccione cualquiera de las API POST y seleccione Probarlo. Los parámetros se muestran junto con la entrada. Rellene los parámetros.

5. Seleccione Ejecutar para enviar la solicitud a la instancia de contenedor.

   Ha creado y usado correctamente contenedores Azure AI en instancia de contenedor Azure.

CLI

Comprobación de que un contenedor está en ejecución

Hay varias maneras de comprobar que el contenedor está en ejecución. Busque la dirección IP externa y el puerto expuesto del contenedor en cuestión y abra el explorador web que prefiera. Use las distintas direcciones URL de solicitud que se indican a continuación para validar que el contenedor se está ejecutando. Las direcciones URL de solicitud de ejemplo que se enumeran aquí son http://localhost:5000, pero el contenedor específico puede variar. Asegúrese de confiar en la dirección IP externa y el puerto expuesto del contenedor.

URL de la solicitud	Propósito
http://localhost:5000/	El contenedor ofrece una página principal.
http://localhost:5000/ready	Esta URL, solicitada con GET, proporciona una comprobación de que el contenedor está listo para aceptar una consulta para el modelo. Esta solicitud se puede usar con los sondeos de ejecución y preparación de Kubernetes.
http://localhost:5000/status	Esta URL, también solicitada con GET, comprueba si el valor de api-key usado para iniciar el contenedor es válido sin generar una consulta de punto de conexión. Esta solicitud se puede usar con los sondeos de ejecución y preparación de Kubernetes.
http://localhost:5000/swagger	El contenedor cuenta con un completo conjunto de documentación sobre los puntos de conexión y una característica de prueba. Esta característica le permite especificar la configuración en un formulario HTML basado en web y realizar la consulta sin necesidad de escribir código. Una vez que la consulta devuelve resultados, se proporciona un ejemplo del comando CURL para mostrar los encabezados HTTP y el formato de cuerpo requeridos.

Nota

Si va a ejecutar el contenedor de Text Analytics for Health, use la siguiente dirección URL para enviar consultas: http://localhost:5000/text/analytics/v3.2-preview.1/entities/health