Azure Arc 対応 Kubernetes クラスターにサービスをデプロイする
Arc 対応 Kubernetes を使用すると、Azure を使用して、接続されたクラスターにサービスをデプロイできます。
このユニットでは、デプロイできるサービスの種類と、そのプロセスについて概説します。
Azure Arc 対応データ サービスをデプロイする
Azure Arc 対応データ サービスは、Kubernetes プラットフォームを使ってハイブリッド データ機能と管理サービスを提供するサブスクリプション サービスです。 Azure Arc 対応データ サービスは、Kubernetes ノード内の Microsoft Container Registry (MCR) コンテナー イメージに基づく一連のポッドとしてデプロイされます。 すべてのサービスにより、Kubernetes プラットフォームの主要なコンポーネントの 1 つである Kubernetes API が使用されます。
データ サービスをデプロイする前に、まず、Azure Arc データ コントローラーをデプロイします。これは一連の Kubernetes ポッドであり、Kubernetes API とカスタム リソース定義 (CRD) を使用して Azure Arc 対応データ サービスの調整とオーケストレーションを提供します。 Azure Arc データ コントローラーのデプロイが正常に完了したら、接続されたクラスターに Azure Arc 対応データ サービスのインスタンスを作成できます。
現在利用できる Azure Arc 対応データ サービスは、次のとおりです。
- Azure Arc 対応 SQL Managed Instance
- Azure Arc 対応 PostgreSQL サーバー (プレビュー)
Arc 対応データ サービスをデプロイするプロセスは、大まかには次の手順で構成されます。
Arc 対応サービスをデプロイするサブスクリプションで、次の手順を行います。
- Azure CLI (および arcdata Azure CLI 拡張機能) や Azure Data Studio (およびその Azure Arc 拡張機能) など、Arc 対応データ サービスをデプロイおよび管理するためのクライアント ツールをインストールします。
- Azure Arc 対応データ サービスをデプロイするサブスクリプションに Microsoft.AzureArcData プロバイダーを登録します。
これらの手順は、サブスクリプションごとに 1 回だけ実行する必要があります。
サブスクリプションにデプロイするデータ サービス インスタンスごとに、次の手順を行います。
- Azure Arc 対応 Kubernetes リソースを管理するためのアクセス許可を持つアカウントを使用して、Microsoft Entra テナントにサインインしてください。
- Azure Arc データ コントローラーを作成します。
- データ サービスのインスタンスを作成します。
- Azure Data Studio に接続します。
Azure Arc 対応データ サービスをデプロイした後は、互換性のあるツールまたはクライアント ドライバーを使って、これらのサービスの接続、クエリ、管理を行うことができます。
Azure サービスのデプロイ
Arc 対応 Kubernetes クラスターに Azure サービスをデプロイできます。 これらのサービスの多くは、クラスター上に拡張機能のインスタンスを作成することによってデプロイされます。 クラスター拡張機能により、Kubernetes クラスター上にさまざまな Azure 機能のインストールとライフサイクル管理を行うための Azure Resource Manager 主導のエクスペリエンスが提供されます。
たとえば、Azure Machine Learning 拡張機能をデプロイすることで、Arc 対応 Kubernetes クラスターを Azure Machine Learning の Kubernetes コンピューティング ターゲットにし、それを使用してモデルのトレーニングまたはデプロイを行うことができます。
Azure Machine Learning を Arc 対応 Kubernetes クラスターにデプロイするプロセスは、大まかに次の手順で構成されます。
- Azure Arc 対応 Kubernetes リソースを管理するためのアクセス許可を持つアカウントを使用して、Microsoft Entra テナントにサインインしてください。
- クラスターに Azure Machine Learning 拡張機能のインスタンスを作成します。
- Azure Machine Learning 拡張機能をデプロイします。
- Kubernetes クラスターを Azure Machine Learning ワークスペースにアタッチします。
次に、Kubernetes コンピューティング ターゲットを使用して、トレーニングを実行したり、Azure Machine Learning ワークロードをデプロイしたりすることができます。