Azure에서는 데이터를 가지고 ML 모델을 실습해볼 수 있는 Azure Machine Learning을 제공한다. 컨테이너 레지스트리는 자동으로 만들어지지 않아서 직접 생성(이름 중복되면 안 된다)SKU는 "기본"이 가장 작은 것 배포가 완료되면 스튜디오로 가서 컴퓨팅 인스턴스를 만들어준다가상 머신 이름은 고유해야 함 파이프라인을 만들어서 해보자 데이터를 추가해준다넷상의 web파일을 사용할 거면 csv raw 파일 링크를 정확히 입력해주자 왼쪽 메뉴의 구성 요소에서 필요한 작업을 골라서드래그앤드랍 하는 형태로 데이터 전처리 등의 작업이 가능하다 더블클릭해서 선택할 열 등의 세부 정보를 넣어줄 수 있다. 런타임 설정에서 오류가 나는 경우 위에서 만든 컴퓨팅 인스턴스를 직접 설정해 ..
Azure에서는 오토스케일링을 Scale Sets라는 이름으로 제공한다.VMSS: Virtual Machine Scale Sets (= 가상 머신 확장 집합) 리소스 그룹을 선택하고, 오케스트레이션 모드를 설정해 준다. 스폿: 할인 관련오버프로비저닝: 생성과 축소의 횟수를 줄일 수 있다 (더 여유있게 만들어서)
애져에서는 로드밸런서를 부하 분산 장치라는 이름으로 제공한다 front end ip : 로드밸런서가 받을 ip -> 새로운 공용 ip 생성해준다백엔드 풀: 할당을 할 가상 머신 그룹 설정 완료 하면 부하 분산 장치 > 인사이트에서 상태 확인 가능 (현재는 1개 가상 머신만 설정) 가상 머신을 로드밸런서에 추가하는 방법운영 중인 VM에 들어가서 네트워킹 > 부하 분산 기존 만들어 두었던 부하 분산을 추가하면 된다. 새로 가상 머신을 만들면서 바로 부하 분산을 추가하는 방법 새 가상 머신이 같은 네트워크에 묶일 수 있도록 설정하고, 공용 ip를 할당해 준다.네트워킹 > 부하 분산에서 만들어 둔 로드밸런서 연결한다.
접근 이전에 먼저 데이터베이스 > 네트워킹에 가서 Azure 내 서비스의 액세스를 허용하고 클라이언트 ip도 추가해준다. DBeaver를 열고 데이터베이스에 접속해보자PostgreSQL 선택 Host 에는 Azure 에서 만들어 둔 데이터베이스의 서버 이름을 넣는다 (개요에서 확인할 수 있음)Database에는 DBMS 서버 안에 만들어 둔 데이터베이스의 이름을 넣는다.username 과 password도 Azure에서 설정한 것 정확히 입력하고 Test connection 연결 후에 SQL을 작성해서 테스트 해 볼 수 있다작성한 스크립트 전체 실행할 때에는 세번째의 스크립트 실행 버튼 (재생버튼 두 개는 SQL 일부 실행)
암호화 키나 드러나선 안 되는 정보 들을 모아서 관리할 수 있다. 기본 연결할 리소스 그룹 설정자격 증명 모음 이름은 Azure 전체에서 유일해야 한다 네트워킹 기존에 만들어 둔 네트워크가 있다면 연결한다 (가상 머신 생성할 때 만든 네트워크) "비밀"에 들어갔을 때 RBAC 이슈 있는 경우액세스 제어 > 역할 할당 추가 로 가서 key valut 관련을 자신에게 부여한다. 방화벽이 켜져 있으며, 클라이언트 IP 주소에 이 키 자격 증명 모음에 액세스할 수 있는 권한이 없습니다. > 현재 사용 중인 PC에서 접근이 어렵다는 뜻 설정 > 네트워킹 > 클라이언트 IP 추가 비밀 생성하기 이제 다른 리소스가 이 key를 가지고 접속할 수 있다.