Azure App Service: Ein vollständiger Leitfaden für Datenpraktiker

Azure App Service konfigurieren

Sobald deine Anwendung bereitgestellt ist, musst du im nächsten Schritt verschiedene Aspekte deines Azure App Service konfigurieren, um sicherzustellen, dass sie optimal und sicher läuft. In diesem Abschnitt geht es um benutzerdefinierte Domains, Authentifizierung und Anwendungseinstellungen.

Benutzerdefinierte Domains konfigurieren

Standardmäßig ist dein App-Dienst über eine URL wie your-app-name.azurewebsites.net erreichbar. Für Produktionsanwendungen wirst du wahrscheinlich deinen eigenen Domainnamen verwenden wollen. Hier erfährst du, wie du eine eigene Domain einrichtest:

1. Kaufe eine Domain bei einem Domain-Registrar, wenn du noch keine hast
2. Gehe in deinem App Service in der linken Seitenleiste auf "Benutzerdefinierte Domains".
3. Klicke auf "Benutzerdefinierte Domäne hinzufügen".
4. Gib deinen Domainnamen ein (z.B. myapp.example.com)
5. Befolge die Anweisungen zur Überprüfung der Domaininhaberschaft
• Du musst einen TXT oder CNAME Eintrag zu deinen DNS-Einstellungen hinzufügen.

Für Apex-Domains (wie example.com ohne www) musst du einen A Eintrag erstellen, der auf die IP-Adresse deines App-Dienstes verweist. Du findest diese IP-Adresse auf der Seite für die benutzerdefinierte Domainkonfiguration.

Du kannst benutzerdefinierte Domains auch über die Azure CLI verwalten:

# Add a custom domain
az webapp config hostname add --webapp-name MyWebApp --resource-group MyResourceGroup --hostname www.example.com

SSL-Zertifikate binden

Für sichere Anwendungen, insbesondere solche, die mit sensiblen Daten umgehen, ist es wichtig, HTTPS zu aktivieren. Azure App Service macht dies ganz einfach, indem er kostenlos verwaltete Zertifikate zur Verfügung stellt oder dir erlaubt, deine eigenen hochzuladen.

So fügst du ein SSL-Zertifikat hinzu:

1. Gehe in deinem App-Dienst zu "TLS/SSL-Einstellungen".
2. Wähle "Private Schlüssel-Zertifikate".
3. Wähle eine der folgenden Optionen:
• Ein kostenloses App Service verwaltetes Zertifikat erstellen
• Ein App Service Zertifikat importieren
• Hochladen eines PFX-Zertifikats
4. Sobald das Zertifikat hinzugefügt wurde, gehe zu "Bindungen".
5. Füge eine SSL-Bindung für deine benutzerdefinierte Domain hinzu

Für Datenanwendungen, die sensible Informationen verarbeiten, empfehle ich, den reinen HTTPS-Modus zu aktivieren, um sicherzustellen, dass der gesamte Datenverkehr verschlüsselt wird:

1. Unter "TLS/SSL-Einstellungen" gehst du zum Abschnitt "Nur HTTPS".
2. Schalte den Schalter auf "Ein" um
3. Klicke auf "Speichern"

Authentifizierung und Autorisierung konfigurieren

Viele Datenanwendungen erfordern eine Benutzerauthentifizierung, um den Zugang zu sensiblen Daten oder Funktionalitäten zu kontrollieren. Azure App Service bietet integrierte Authentifizierungsoptionen, die dir die Implementierung von Authentifizierungslogik in deinem Code ersparen können.

So richtest du die Authentifizierung ein:

1. Gehe in deinem App Service in der linken Seitenleiste auf "Authentifizierung".
2. Klicke auf "Identitätsanbieter hinzufügen".
3. Wähle deinen Identitätsanbieter:
• Microsoft (Azure AD)
• Google
• Facebook
• Twitter
• GitHub
• OpenID Connect
4. Konfiguriere die Anbietereinstellungen
5. Einrichten von Redirect-URLs und Token-Store-Konfigurationen

Für Unternehmensdatenanwendungen ist Azure Active Directory oft die bevorzugte Wahl, da es mit bestehenden Unternehmensidentitäten integriert werden kann und Funktionen wie bedingten Zugriff und Mehrfaktor-Authentifizierung unterstützt.

Du kannst auch Berechtigungseinschränkungen konfigurieren, um zu kontrollieren, wer auf deine Anwendung zugreifen kann:

1. In den Authentifizierungseinstellungen wählst du "Bearbeiten" neben deinem Identitätsanbieter
2. Wähle unter "Zugang einschränken" eine der folgenden Optionen:
• Unauthentifizierte Anfragen zulassen
• Authentifizierung verlangen
• Anonyme Anfragen zulassen (keine Aktion)
3. Konfiguriere bei Bedarf erlaubte externe Weiterleitungs-URLs

App-Einstellungen und Verbindungsstrings

Wir haben uns bereits kurz mit den App-Einstellungen befasst, aber jetzt wollen wir uns genauer ansehen, wie du sie nutzen kannst, um deine Datenanwendung effektiv zu konfigurieren.

App-Einstellungen in Azure App Service dienen als Umgebungsvariablen für deine Anwendung. Sie sind besonders nützlich für:

• Datenbank-Verbindungsstrings
• API-Schlüssel
• Merkmal Flaggen
• Umgebungsspezifische Konfigurationen

So fügst du App-Einstellungen hinzu oder änderst sie:

1. Gehe in deinem App Service in der linken Seitenleiste auf "Konfiguration".
2. Wähle die Registerkarte "Anwendungseinstellungen".
3. Klicke auf "Neue Anwendungseinstellung", um ein Schlüssel-Werte-Paar hinzuzufügen
4. Bei sensiblen Werten kannst du die Option "Deployment Slot Setting" umschalten, um zu verhindern, dass sie beim Slot-Tausch vertauscht werden

Für Datenanwendungen sind die folgenden Einstellungen üblich:

• Datenbank-Verbindungsstrings
• Zugriffsschlüssel für das Speicherkonto
• Endpunkte des Modells für maschinelles Lernen
• Funktionskennzeichen für A/B-Tests

Du kannst die Verbindungszeichenfolgen auch separat konfigurieren, was für Datenbankverbindungen nützlich ist:

1. Wähle auf der Konfigurationsseite die Registerkarte "Verbindungsstränge".
2. Klicke auf "Neue Verbindungszeichenfolge".
3. Gib einen Namen, einen Wert und einen Typ an (SQL Server, MySQL, PostgreSQL, etc.)

Verbindungsstrings stehen deiner Anwendung auch als Umgebungsvariablen zur Verfügung, allerdings mit einer anderen Namenskonvention je nach Sprache/Framework.

Um Einstellungen in deiner Python-Anwendung abzurufen:

import os

# Retrieve an application setting
api_key = os.environ.get('API_KEY')

# Retrieve a connection string (Python)
connection_string = os.environ.get('SQLCONNSTR_MyDatabase')

Verwendung von Key Vault Referenzen

Für hochsensible Informationen wie Datenbankanmeldedaten oder API-Schlüssel bietet Azure Key Vault eine zusätzliche Sicherheitsebene. Du kannst Key Vault-Geheimnisse direkt in deinen App-Einstellungen referenzieren:

1. Erstelle einen Azure Key Vault und füge deine Geheimnisse hinzu
2. Sicherstellen, dass dein App-Dienst eine verwaltete Identität hat
3. Gewähre der Identität Zugriff auf den Key Vault
4. In den Einstellungen deiner App referenzierst du das Geheimnis im Format: @Microsoft.KeyVault(SecretUri=https://myvault.vault.azure.net/secrets/mysecret/)

Dieser Ansatz trennt sensible Informationen von deiner Anwendungskonfiguration und ermöglicht eine zentrale Verwaltung der Geheimnisse.

Azure App Service skalieren und verwalten

Nachdem deine Anwendung nun eingerichtet und konfiguriert ist, müssen wir sicherstellen, dass sie gut funktioniert, zuverlässig bleibt und sich an wechselnde Arbeitslasten anpasst. 

Die richtige Skalierung und Verwaltung deines Azure App Service ist besonders wichtig für Datenanwendungen, die oft einen variablen Ressourcenbedarf haben und sensible Daten verarbeiten können.

Skalierung der App Service Pläne

Einer der größten Vorteile von Cloud-Plattformen wie Azure ist die Möglichkeit, die Ressourcen je nach Bedarf zu vergrößern oder zu verkleinern. Für Datenanwendungen ist dies besonders wertvoll, da die Arbeitsbelastung oft stark schwankt, von Zeiten intensiver Datenverarbeitung bis hin zu ruhigeren Zeiten mit minimalem Datenverkehr.

Azure App Service bietet zwei primäre Skalierungsmethoden:

Vertikale Skalierung (Skalieren nach oben/unten)

Bei der vertikalen Skalierung wird die Größe deines App Service-Plans geändert, um mehr oder weniger CPU-, Speicher- und Festplattenspeicher bereitzustellen. Dies ist nützlich, wenn die Leistung deiner Anwendung durch die Ressourcen einer einzelnen Instanz eingeschränkt ist.

Zum vertikalen Skalieren:

1. Wähle in deinem App Service Plan "Scale up (App Service Plan)" in der linken Seitenleiste
2. Wähle eine andere Preisstufe oder Instanzgröße je nach deinen Bedürfnissen
3. Klick auf "Anwenden"

Für Datenanwendungen solltest du eine vertikale Skalierung in Betracht ziehen:

• Deine Anwendung leidet unter Speicherdruck aufgrund großer Datenverarbeitungsvorgänge
• Du stößt während der Modellinferenz an die Grenzen der CPU
• Du brauchst zusätzlichen Speicherplatz für Daten-Caching oder temporäre Dateien

Horizontale Skalierung (Scale out/in)

Bei der horizontalen Skalierung wird die Anzahl der virtuellen Maschineninstanzen geändert, auf denen deine Anwendung läuft. Dieser Ansatz ist ideal, um die Last zu verteilen und die Verfügbarkeit zu verbessern.

Zum horizontalen Skalieren:

1. Wähle in deinem App Service Plan "Scale out (App Service Plan)" in der linken Seitenleiste
2. Lege die Anzahl der Instanzen manuell fest oder konfiguriere Regeln für die automatische Skalierung
3. Klicke auf "Speichern"

Für eine manuelle Skalierung stellst du einfach die Anzahl der Instanzen auf die gewünschte Anzahl ein. Die automatische Skalierung bietet jedoch mehr Flexibilität, da sie die Ressourcen automatisch anhand von Kennzahlen anpasst.

Regeln für die automatische Skalierung einrichten

Die automatische Skalierung ist besonders wertvoll für Datenanwendungen mit variablen Arbeitslasten. Ein Modell für maschinelles Lernen, das eine API bedient, könnte zum Beispiel während der Geschäftszeiten einen höheren Datenverkehr und nachts einen geringeren Datenverkehr aufweisen.

So konfigurierst du die automatische Skalierung:

1. Wähle im Abschnitt "Skalieren" die Option "Automatische Skalierung aktivieren".
2. Definiere eine Skalenbedingung mit den folgenden Komponenten:
• Eine Standard-Instanzanzahl
• Scale-out-Regeln (wann werden Instanzen hinzugefügt)
• Scale-in-Regeln (wann werden Instanzen entfernt)
• Optionale zeitplanbasierte Regeln

Hier ist ein Beispiel für eine gängige Regel zur automatischen Skalierung:

• Skaliere aus: Füge eine Instanz hinzu, wenn der CPU-Prozentsatz > 70% für 10 Minuten ist
• Skala in: Entferne eine Instanz, wenn der CPU-Prozentsatz < 30% für 10 Minuten ist

Du kannst auch anspruchsvollere Regeln erstellen, die auf:

• Speichernutzung
• Länge der Datenwarteschlange
• Benutzerdefinierte Metriken von Application Insights

Für Data Science Workloads solltest du diese Strategien zur automatischen Skalierung in Betracht ziehen:

• Wenn deine Anwendung maschinelle Lernmodelle bedient, skaliere auf der Grundlage der Länge der Warteschlange, um sicherzustellen, dass die Vorhersagelatenz niedrig bleibt.
• Planen Sie für ETL-Prozesse zusätzliche Kapazitäten während bekannter Verarbeitungsfenster
• Nutze bei Anwendungen mit globalen Nutzern die zeitbasierte Skalierung, um eine angemessene Kapazität über verschiedene Zeitzonen hinweg sicherzustellen.

Du kannst die automatische Skalierung auch über die Azure CLI konfigurieren:

# Create an autoscale setting with a rule to scale out when CPU > 70%
az monitor autoscale create --resource-group MyResourceGroup --resource MyAppServicePlan --resource-type "Microsoft.Web/serverfarms" --name MyAutoScaleConfig --min-count 2 --max-count 5 --count 2

# Add a scale out rule
az monitor autoscale rule create --resource-group MyResourceGroup --autoscale-name MyAutoScaleConfig --scale out 1 --condition "Percentage CPU > 70 avg 10m"

# Add a scale in rule
az monitor autoscale rule create --resource-group MyResourceGroup --autoscale-name MyAutoScaleConfig --scale in 1 --condition "Percentage CPU < 30 avg 10m"

Überwachung und Diagnostik

Eine wirksame Überwachung ist entscheidend für die Aufrechterhaltung zuverlässiger Datenanwendungen. Azure bietet umfassende Überwachungstools, die dir Einblick in die Leistung deiner Anwendung, Nutzungsmuster und mögliche Probleme geben.

Azure Monitor und Application Insights

Azure Monitor ist die Grundlage für die Überwachung der Azure-Dienste, während Application Insights tiefere anwendungsspezifische Einblicke bietet.

So aktivierst du Application Insights für deinen App-Dienst:

1. Wähle in deinem App Service "Application Insights" in der linken Seitenleiste
2. Klicke auf "Application Insights einschalten".
3. Konfiguriere eine neue oder bestehende Application Insights Ressource
4. Klick auf "Anwenden"

Einmal aktiviert, sammelt Application Insights eine Fülle von Daten über deine Anwendung, darunter:

• Anfrageraten, Antwortzeiten und Ausfallraten
• Abhängigkeitsaufrufe (Datenbanken, externe APIs)
• Leistung der Seitenansicht
• Ausnahmeprotokolle
• Benutzerdefinierte Ereignisse, die du im Code definierst

Für Python-Anwendungen musst du das Application Insights SDK installieren:

pip install opencensus-ext-azure

Und dann füge deiner Anwendung eine Instrumentierung hinzu:

from opencensus.ext.azure.trace_exporter import AzureExporter
from opencensus.trace.samplers import ProbabilitySampler
from opencensus.trace.tracer import Tracer

# Configure the Azure exporter
azure_exporter = AzureExporter(
    connection_string='InstrumentationKey=00000000-0000-0000-0000-000000000000'
)

# Create a tracer
tracer = Tracer(exporter=azure_exporter, sampler=ProbabilitySampler(1.0))

# Use the tracer in your application
with tracer.span(name="main_function"):
    # Your code here
    pass

Protokolle einsehen und Warnungen einrichten

Azure App Service sammelt automatisch Protokolle, die dir helfen können, Probleme zu diagnostizieren:

1. Wähle in deinem App-Dienst "Log-Stream" aus, um Echtzeit-Protokolle anzuzeigen
2. Für eine detailliertere Analyse gehst du zu "Diagnoseprotokolle" und aktivierst die Anwendungsprotokollierung
3. Konfiguriere den Log-Level (Fehler, Warnung, Information, Ausführlich)

Achte bei Datenanwendungen besonders darauf:

• Ausnahmen bei Speichermangel, die bei der Verarbeitung großer Datensätze häufig auftreten
• Verbindungs-Timeouts zu Datenquellen
• Leistungsengpässe bei Datenumwandlungsvorgängen

Durch die Einrichtung von Warnmeldungen wird sichergestellt, dass du über Probleme informiert wirst, bevor sie sich auf die Nutzer/innen auswirken:

1. Wähle in Azure Monitor "Alerts".
2. Klicke auf "Neue Alarmregel".
3. Wähle deinen App-Dienst als Ressource aus
4. Definiere die Bedingung, die den Alarm auslösen soll
5. Konfiguriere Aktionsgruppen, um festzulegen, wer benachrichtigt werden soll und wie
6. Benenne deine Ausschreibung und speichere sie

Zu den üblichen Ausschreibungen für Datenanwendungen gehören:

• Hohe Speichernutzung (>80%)
• Serverfehler (5xx Antworten)
• Lange Bearbeitungszeiten für wichtige Vorgänge
• Fehlgeschlagene Datenverbindungsversuche

Individuelle Überwachung für Datenanwendungen

Für datenbezogene Überwachungsbedürfnisse kannst du diese benutzerdefinierten Kennzahlen verfolgen:

• Durchsatz der Datenverarbeitung (verarbeitete Datensätze pro Minute)
• Latenzzeit bei der Modellinferenz
• Berechnungszeit für Merkmale
• Cache hit/miss ratios

Du kannst mithilfe des SDK benutzerdefinierte Metriken an Application Insights senden:

from opencensus.ext.azure import metrics_exporter
from opencensus.stats import aggregation, measure, stats, view

# Create a metrics exporter
exporter = metrics_exporter.new_metrics_exporter(
    connection_string='InstrumentationKey=00000000-0000-0000-0000-000000000000')

# Create and record custom metrics
prediction_time = measure.MeasureFloat(
    "prediction_time", "Time taken for model inference", "ms")
prediction_time_view = view.View(
    "prediction_time_view", "Model inference time", [], prediction_time, aggregation.LastValueAggregation())

# Register the view
stats.stats.view_manager.register_view(prediction_time_view)

# Record metrics
mmap = stats.stats.stats_recorder.new_measurement_map()
mmap.measure_float_put(prediction_time, 175.5)  # Record 175.5ms inference time
mmap.record()

# Force metrics to be sent immediately
exporter.export_metrics([])

Sichern und Wiederherstellen

Datenanwendungen verwalten oft wertvolle Informationen, weshalb Sicherungs- und Wiederherstellungsfunktionen unerlässlich sind. Azure App Service bietet eine integrierte Backup-Funktion, mit der du die Dateien, die Konfiguration und die verbundenen Datenbanken deiner Anwendung sichern kannst.

Automatische Backups einrichten

So konfigurierst du Backups:

1. Wähle in deinem App Service "Backups" in der linken Seitenleiste
2. Klick auf "Konfigurieren"
3. Lege den Backup-Zeitplan fest (täglich, wöchentlich oder benutzerdefiniert)
4. Lege ein Speicherkonto für die Sicherungsdateien fest
5. Optional Datenbanken in das Backup aufnehmen
6. Klicke auf "Speichern"

Für Datenanwendungen solltest du die folgenden Best Practices zur Datensicherung beachten:

• Planen Sie Backups in Zeiten mit geringer Aktivität
• Stelle sicher, dass sich dein Speicherkonto in derselben Region befindet wie dein App Service, um schnellere Backups zu ermöglichen.
• Für Anwendungen mit häufigen Datenänderungen sollten Sie häufigere Backups konfigurieren
• Denken Sie daran, dass große Datenbanken die Größenbeschränkungen für die Sicherung überschreiten können; ziehen Sie für diese Fälle datenbankspezifische Sicherungsstrategien in Betracht

Wiederherstellung von einer Sicherung

Wenn du deine Anwendung wiederherstellen musst:

1. Wähle im Abschnitt "Backups" den Sicherungspunkt aus, von dem du wiederherstellen möchtest
2. Klick auf "Wiederherstellen"
3. Wähle aus, ob der Inhalt der App, die Konfiguration und die verbundenen Datenbanken wiederhergestellt werden sollen
4. Gib den Ziel-App-Dienst an (dies kann die gleiche oder eine andere App sein)
5. Klicke auf "OK", um den Wiederherstellungsprozess zu starten

Für kritische Datenanwendungen empfehle ich, den Wiederherstellungsprozess regelmäßig zu testen, um sicherzustellen, dass deine Wiederherstellungsstrategie wie erwartet funktioniert.

Datenbankspezifische Sicherungsstrategien

Während App Service-Backups auch verbundene Datenbanken umfassen können, profitieren datenintensive Anwendungen oft von datenbankspezifischen Backup-Strategien:

• Konfiguriere für Azure SQL-Datenbanken automatische Backups mit Point-in-Time Restore
• Verwenden Sie für Cosmos DB den kontinuierlichen Sicherungsmodus
• Für große Datensätze, die in Azure Storage gespeichert werden, sollten Sie die Replikation und Versionierung von Speicherkonten in Betracht ziehen.

Sicherheit und Compliance in Azure App Service

Sicherheit ist das A und O bei Datenanwendungen, vor allem wenn es um sensible oder regulierte Informationen geht. Azure App Service bietet verschiedene Sicherheitsfunktionen, um deine Anwendungen zu schützen.

Rollenbasierte Zugriffskontrolle (RBAC)

Mit RBAC kannst du kontrollieren, wer deine App Service Ressourcen verwalten darf:

1. Navigieren Sie im Azure-Portal zu Ihrem App Service
2. Wähle "Zugriffskontrolle (IAM)" in der linken Seitenleiste
3. Klicke auf "Hinzufügen" und dann auf "Rollenzuweisung hinzufügen".
4. Wähle die passende Rolle:
• Mitwirkende: Kann App Service verwalten, aber anderen keinen Zugriff gewähren
• Leser: Kann alles ansehen, aber nicht ändern
• Website Mitwirkende: Kann Websites verwalten, aber nicht den App Service Plan
5. Wähle die Benutzer, Gruppen oder Dienstprinzipale aus, denen die Rolle zugewiesen werden soll
6. Klicke auf "Speichern"

Für Datenteams kannst du benutzerdefinierte Rollen einrichten, die den Zugriff auf bestimmte Vorgänge je nach Aufgabenbereich einschränken.

IP-Beschränkungen und Vernetzung

Mit IP-Beschränkungen kannst du kontrollieren, welche IP-Adressen auf deinen App-Dienst zugreifen können:

1. Wähle in deinem App Service "Netzwerke" in der linken Seitenleiste
2. Gehe zu "Zugangsbeschränkungen"
3. Klicke auf "Regel hinzufügen".
4. Lege den IP-Adressbereich, die Aktion (Zulassen/Verweigern), die Priorität und den Namen fest
5. Klicke auf "Regel hinzufügen".

Für Datenanwendungen, die sich mit internen Ressourcen verbinden, solltest du Folgendes beachten:

• VNet-Integration: Verbinde deinen App-Dienst mit deinem virtuellen Netzwerk
• Dienst-Endpunkte: Sichere Verbindungen zu Azure-Diensten wie SQL und Storage
• Private Endpunkte: Erstelle einen privaten Link zu deinem App-Dienst aus deinem virtuellen Netzwerk

So richtest du die VNet-Integration ein:

1. Wähle im Abschnitt "Vernetzung" die Option "VNet Integration".
2. Klicken Sie auf "VNet hinzufügen".
3. Wähle oder erstelle ein virtuelles Netzwerk und Subnetz
4. Click "OK"

Diese Integration ist besonders nützlich, um eine sichere Verbindung zu Datenbanken oder anderen Datenquellen innerhalb deines Netzwerks herzustellen.

Fehlerbehebung bei häufigen Problemen mit dem Azure App Service

Auch bei sorgfältiger Planung kann es zu Problemen mit deinem App-Service kommen. Hier sind einige häufige Probleme und ihre Lösungen, wobei der Schwerpunkt auf Datenanwendungsszenarien liegt.

Diagnose von App-Abstürzen

Wenn deine App abstürzt oder nicht reagiert:

1. Überprüfe die App-Service-Protokolle:
• Gehe zu "Log-Stream" für Echtzeit-Logs
• Prüfe "Diagnoseprotokolle" für historische Daten
2. Nutze Application Insights, um Ausnahmen zu identifizieren
3. Führe die Kudu-Diagnosetools aus:
• Navigiere zu https://.scm.azurewebsites.net/DebugConsole
• Verwende die Konsole, um Dateien und Prozesse zu untersuchen

Häufige Ursachen für Abstürze in Datenanwendungen sind unter anderem:

• Speichergrenzen: Die Verarbeitung großer Datensätze kann den verfügbaren Speicherplatz übersteigen
• Abhängigkeitsfragen: Fehlende oder inkompatible Pakete
• Konfigurationsfehler: Falsche Verbindungszeichenfolgen oder Umgebungsvariablen

Für speicherintensive Vorgänge solltest du das berücksichtigen:

• Skalierung auf eine höhere Ebene mit mehr Speicher
• Implementierung von Data Chunking zur Verarbeitung kleinerer Stapel
• Effizientere Algorithmen oder Datenstrukturen verwenden

Beseitigung von Leistungsproblemen

Wenn deine Anwendung langsam läuft:

1. Nutze die Leistungsüberwachung von Application Insights:
• Überprüfe das Performance Blade, um langsame Anfragen zu identifizieren
• Suche nach Abhängigkeitsaufrufen, die zu Engpässen führen können
2. Überprüfe die Servermetriken in Azure Monitor:
• CPU- und Speicherauslastung
• Länge der HTTP-Warteschlange
3. Prüfe die Leistung von Datenbankabfragen für datenintensive Operationen

Um die Leistung zu verbessern:

• Caching für häufige Abfragen implementieren
• Optimiere Datenbankindizes
• Vergrößerung oder Verkleinerung in Betracht ziehen
• Verwende asynchrone Operationen für lang laufende Prozesse

Durchsicht von Protokollen und Fehlermeldungen

Azure App Service bietet mehrere Protokollierungsoptionen:

1. Anwendungsprotokolle: Eigene Logs deiner Anwendung
2. Webserver-Protokolle: HTTP-Anfrage- und Fehlerprotokolle
3. Einsatzprotokolle: Informationen über deinen Einsatzprozess
4. Detaillierte Fehlerprotokollierung: Mehr Informationen über HTTP-Fehler

Um eine detailliertere Protokollierung zu konfigurieren:

1. Gehe in deinem App Service zu "Diagnoseprotokolle".
2. Aktiviere die entsprechenden Protokolltypen
3. Lege die entsprechende Stufe fest (Fehler, Warnung, Information, Ausführlich)
4. Wähle, ob die Protokolle im Dateisystem oder im Blob-Speicher gespeichert werden sollen

Für Python-Anwendungen kannst du das Logging mit:

import logging
import sys

# Configure logging
logging.basicConfig(
    level=logging.INFO,
    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
    handlers=[
        logging.StreamHandler(sys.stdout)
    ]
)

# Use logging in your application
logger = logging.getLogger(__name__)
logger.info("Processing data batch")
logger.error("Failed to connect to database", exc_info=True)

Kostenmanagement mit Azure App Service

Datenanwendungen können oft erhebliche Ressourcen verbrauchen, weshalb es besonders wichtig ist, die Kosten zu verstehen und zu optimieren. In diesem letzten Abschnitt befassen wir uns mit den Azure App Service-Preismodellen und Strategien für ein effektives Kostenmanagement.

Die Preisgestaltung von Azure App Service verstehen

Die Preise für Azure App Service richten sich in erster Linie nach dem von dir gewählten App Service Plan. Schauen wir uns die zu berücksichtigenden Kostenfaktoren an:

App Service-Tarifstufen

Wie wir bereits erwähnt haben, bietet Azure verschiedene Preisstufen mit unterschiedlichen Funktionen und Kosten:

Hinweis: Die Preise sind ungefähre Angaben und können je nach Region oder bei Preisänderungen durch Azure variieren. Die neuesten Informationen findest duauf der offiziellen Preisseite .

Zusätzliche Kostenfaktoren

Über den Basis-App-Service-Plan hinaus solltest du diese zusätzlichen Kosten berücksichtigen:

1. Ausgehende Datenübertragung: Nach den ersten 5 GB pro Monat (die kostenlos sind) fallen für die abgehende Datenübertragung Gebühren an. Bei Datenanwendungen, die den Nutzern große Datenmengen zur Verfügung stellen, kann das sehr wichtig werden.
2. SSL-Zertifikate: Während Azure kostenlose Zertifikate anbietet, sind benutzerdefinierte Zertifikate mit Kosten verbunden.
3. Benutzerdefinierte Domains: Die erste benutzerdefinierte Domain ist kostenlos, aber für weitere Domains können Gebühren anfallen.
4. Lagerung: Zusätzlicher Speicherplatz, der nicht in deiner Stufe enthalten ist, kostet extra.
5. Add-ons und verbundene Dienste: Für Datenbanken, Caching-Dienste und andere Azure-Ressourcen, die mit deinem App-Dienst verbunden sind, fallen eigene Gebühren an.

Überwachungskosten

Azure bietet Tools zur Überwachung und Prognose deiner Ausgaben:

1. Azure Kostenmanagement: Hierauf kannst du im Azure-Portal zugreifen, um die Kosten nach Ressourcen anzuzeigen, Budgets festzulegen und Warnmeldungen zu erstellen.
2. Preiskalkulator: Nutze den Azure-Preisrechner, umdie Kosten vor dem Einsatz abzuschätzen.
3. Empfehlungen des Beraters: Azure Advisorliefert dir Vorschläge zur Kostenoptimierung auf der Grundlage deines Nutzungsverhaltens.

> Kosten, Sicherheit und Leistung der Azure-Dienste effektiv zu verwalten, ist dieser Kurs zu Azure Management und Governance sehrempfohlen.

Strategien zur Kostenoptimierung

Nachdem wir nun das Preismodell verstanden haben, wollen wir Strategien zur Kostenoptimierung für Datenanwendungen auf Azure App Service erkunden.

Die richtige Größe deines App Service Plans

Eine der effektivsten Möglichkeiten, die Kosten zu kontrollieren, ist sicherzustellen, dass du den richtigen App-Service-Plan verwendest:

1. Beginne mit einer ordentlichen Basislinie: Beginne mit einem moderaten Plan und erhöhe ihn nur, wenn es nötig ist, anstatt dich für einen hochstufigen Plan zu entscheiden.
2. Überwache die Ressourcenauslastung: Verwende Azure Monitor, um die CPU-, Speicher- und Festplattennutzung zu verfolgen. Wenn du dauerhaft unter 50 % Auslastung liegst, solltest du eine Verkleinerung in Betracht ziehen.
3. Passe die Stufe an dein Arbeitsaufkommen an: Für Datenanwendungen mit vorhersehbarem, konstantem Arbeitsaufkommen kann ein Basic oder Standard Tier ausreichend sein. Reserviere Premium-Tiers für Anwendungen mit hohen Leistungsanforderungen.

Für datenwissenschaftliche Anwendungen solltest du diese speziellen Empfehlungen beachten:

• Modelle für APIs mit geringen Latenzanforderungen und mäßigem Datenverkehr funktionieren oft gut mit Standard-Tarifen mit automatischer Skalierung.
• Datenverarbeitungs-Pipelines Bei Zeitplänen können oft Basispläne verwendet werden, wenn die Verarbeitungszeit nicht kritisch ist.
• Interaktive Dashboards mit vielen gleichzeitigen Nutzern erfordern normalerweise Standard- oder Premium-Tarife, um die Reaktionsfähigkeit zu gewährleisten.

Auto-Skalierung effektiv nutzen

Die automatische Skalierung dient nicht nur zur Bewältigung von Verkehrsspitzen, sondern ist auch ein leistungsstarkes Instrument zur Kostenoptimierung:

1. Skaliere auf Null, wenn möglich: Für nicht-kritische Anwendungen oder Entwicklungsumgebungen solltest du außerhalb der Geschäftszeiten die Anzahl der Instanzen auf ein Minimum reduzieren.
2. Lege geeignete Skalierungsschwellen fest: Gehe nicht zu aggressiv vor. Beginne mit konservativen Schwellenwerten (z.B. 70% CPU) und passe sie anhand von Leistungsbeobachtungen an.
3. Implementiere die geplante Skalierung: Für vorhersehbare Arbeitslasten solltest du geplante Skalierungsregeln anstelle der metrikbasierten automatischen Skalierung verwenden. Skaliere zum Beispiel während der Geschäftszeiten hoch und in der Nacht und am Wochenende runter.

# Example: Create a scheduled autoscale rule to scale down at night
az monitor autoscale rule create --resource-group MyResourceGroup --autoscale-name MyAutoScaleConfig --scale to 1 --condition "Current time is between 22:00 and 06:00 recurring"

Optimieren von Entwicklungs- und Testumgebungen

Entwicklungs- und Testumgebungen bieten erhebliche Möglichkeiten für Kosteneinsparungen:

1. Verwende den Free oder Shared Tier für Entwicklungsumgebungen, wenn möglich.
2. Implementiere die automatische Abschaltung für Nicht-Produktionsumgebungen außerhalb der Geschäftszeiten. App Service hat zwar keine integrierte Funktion zum Herunterfahren, aber du kannst Azure Automation oder Logic Apps verwenden, um Apps nach einem Zeitplan zu stoppen und zu starten.
3. Effiziente Nutzung der Einsatzzeiträume: Anstatt separate Umgebungen für das Staging zu unterhalten, kannst du Deployment-Slots in einem einzigen App Service für die Produktion verwenden. Dieser Ansatz ermöglicht es dir, Umgebungen auszutauschen, ohne dass du doppelte Kosten hast.

# Create a staging slot
az webapp deployment slot create --name MyWebApp --resource-group MyResourceGroup --slot staging

# Swap staging to production
az webapp deployment slot swap --name MyWebApp --resource-group MyResourceGroup --slot staging --target-slot production

Datenspezifische Kostenoptimierungen

Für Datenanwendungen solltest du diese speziellen kostensparenden Ansätze in Betracht ziehen:

1. Entlade die schwere Verarbeitung: Anstatt intensive Datenverarbeitung in deinem App Service durchzuführen, solltest du dedizierte Dienste wie Azure Functions (für serverlose Verarbeitung) oder Azure Data Factory (für ETL-Workflows) nutzen.
2. Implementiere das Caching: Für Daten, die sich nicht häufig ändern, solltest du eine Zwischenspeicherung einrichten, um Datenbankaufrufe und Berechnungen zu reduzieren. Azure Cache für Redis lässt sich gut mit App Service integrieren.
3. Optimiere die Datenbankkosten: Oft kostet die mit deinem App-Dienst verbundene Datenbank mehr als der App-Dienst selbst. Bedenke:
• Elastische Pools für SQL-Datenbanken verwenden
• Implementierung einer angemessenen Indizierung
• Verwendung von Tiered Storage für weniger häufig genutzte Daten
4. Antworten komprimieren: Für Anwendungen, die große Datenmengen an die Nutzerinnen und Nutzer weitergeben, solltest du die Komprimierung aktivieren, um die Kosten für die Übertragung ausgehender Daten zu senken:

# Example for Flask applications
from flask import Flask
from flask_compress import Compress

app = Flask(__name__)
Compress(app)

Fortgeschrittene Techniken für Datenanwendungen

Neben der Kostenoptimierung gibt es verschiedene fortschrittliche Techniken, um die Leistung und die Fähigkeiten deiner Datenanwendungen auf Azure App Service zu verbessern.

Containerisierung von Datenanwendungen

Container bieten Konsistenz über verschiedene Umgebungen hinweg und können das Abhängigkeitsmanagement vereinfachen - eine häufige Herausforderung bei Datenanwendungen mit komplexen Anforderungen:

1. Erstelle im Azure Portal eine neue Web App
2. Wähle "Docker Container" anstelle von "Code" für die Veröffentlichungsoption
3. Wähle Single Container und gib dein Docker-Image an

Für Data Science-Anwendungen solltest du ein Basis-Container-Image mit häufig verwendeten Bibliotheken wie NumPy, Pandas und Scikit-Learn bereitstellen, um die Bereitstellung zu beschleunigen.

CI/CD für Daten-Workflows implementieren

Wenn du über das grundlegende CI/CD hinausgehst, solltest du die Implementierung automatisierter Tests speziell für Datenanwendungen in Betracht ziehen:

1. Datenvalidierungstests: Überprüfen, ob die Datenverarbeitung die erwarteten Ergebnisse liefert
2. Modellleistungstests: Sicherstellen, dass ML-Modelle die Anforderungen an Genauigkeit und Leistung erfüllen
3. Lasttests: Überprüfen, ob die Anwendung die erwarteten Datenmengen verarbeiten kann

GitHub Actions Workflow-Beispiel für eine Datenanwendung:

name: Data App CI/CD

on:
  push:
    branches: [ main ]

jobs:
  test:
    runs-on: ubuntu-latest
    steps:
    - uses: actions/checkout@v2
    - name: Set up Python
      uses: actions/setup-python@v2
      with:
        python-version: '3.8'
    - name: Install dependencies
      run: |
        python -m pip install --upgrade pip
        pip install -r requirements.txt
        pip install pytest pytest-cov
    - name: Test with pytest
      run: |
        pytest tests/data_validation_tests.py
        pytest tests/model_performance_tests.py

  deploy:
    needs: test
    runs-on: ubuntu-latest
    steps:
    - uses: actions/checkout@v2
    - name: Deploy to Azure
      uses: azure/webapps-deploy@v2
      with:
        app-name: 'my-data-app'
        publish-profile: ${{ secrets.AZURE_WEBAPP_PUBLISH_PROFILE }}

WebJobs für die Hintergrundverarbeitung verwenden

Für Datenanwendungen, die eine Hintergrundverarbeitung benötigen, bieten Azure WebJobs eine Möglichkeit, Skripte oder Programme im selben Kontext wie dein App Service auszuführen:

1. Gehe in deinem App Service in der linken Seitenleiste auf "WebJobs".
2. Klick auf "Hinzufügen"
3. Lade deine Skriptdatei hoch (z. B. ein Python-Skript zur Datenverarbeitung)
4. Wähle den Auslösetyp (manuell, geplant oder kontinuierlich)
5. Click "OK"

WebJobs sind besonders nützlich für:

• Geplante Datenbereinigung
• Regelmäßige Berichterstellung
• Regelmäßige Modellumschulung
• Datensynchronisation zwischen Systemen

Hybride Konnektivität für On-Premises-Daten

Viele Unternehmen haben Daten, die vor Ort bleiben. Azure App Service kann sich mit diesen Daten verbinden:

1. VNet-Integration: Verbinde deinen App Service mit einem virtuellen Netzwerk, das über ExpressRoute oder VPN mit deinem lokalen Netzwerk verbunden ist.
2. Hybride Verbindungen: Eine einfachere Alternative, die kein VPN erfordert und es deinem App-Dienst ermöglicht, bestimmte Server vor Ort über Hostname und Port zu erreichen.

So richtest du Hybrid-Verbindungen ein:

1. Wähle in deinem App Service "Netzwerke" in der linken Seitenleiste
2. Gehe zu "Hybride Verbindungen"
3. Klicke auf "Hybridverbindung hinzufügen".
4. Erstelle eine neue oder verwende eine bestehende Verbindung
5. Gib den Hostnamen und den Port des Endpunkts an
6. Installiere den Hybrid Connection Manager auf deinem Server vor Ort

Implementierung von Merkmalsauszeichnungen für Datenanwendungen

Mit Feature-Flags kannst du Funktionen selektiv aktivieren, was für A/B-Tests von Datenfunktionen oder die schrittweise Einführung neuer Modelle wichtig ist:

{
  "FeatureFlags": {
    "NewRecommendationModel": false,
    "AdvancedDataFiltering": true
  }
}

Lies diese Flags in deinem Code:

import os
import json

feature_flags = json.loads(os.environ.get('FeatureFlags', '{}'))
use_new_model = feature_flags.get('NewRecommendationModel', False)

if use_new_model:
    # Use new recommendation model
else:
    # Use existing model

Mit diesem Ansatz kannst du neue Funktionen mit einer Untergruppe von Nutzern testen oder problematische Funktionen schnell und ohne erneute Bereitstellung deaktivieren.

> Wenn du tiefer in die Automatisierung der Bereitstellung von ML-Modellen eintauchen willst, schau dir diesen Kurs über CI/CD für maschinelles Lernen an.

Fazit

In diesem Tutorial haben wir uns damit beschäftigt, wie du Azure App Service für Datenanwendungen einrichtest, bereitstellst, konfigurierst, skalierst und optimierst. Von der Erstellung deines ersten App Service bis zur Implementierung fortgeschrittener Funktionen wie automatische Skalierung und hybride Konnektivität hast du jetzt das Wissen, um die Azure-Plattform für deine Daten-Workloads zu nutzen.

Die wichtigsten Erkenntnisse

1. Azure App Service bietet eine vollständig verwaltete Plattform die es Datenexperten ermöglicht, sich auf die Anwendungslogik und nicht auf die Verwaltung der Infrastruktur zu konzentrieren.
2. Mehrere Bereitstellungsoptionen ermöglichen eine nahtlose Integration in deinen bestehenden Entwicklungsworkflow, egal ob du GitHub, Azure DevOps oder lokale Git-Repositories verwendest.
3. Skalierungsmöglichkeiten stellen sicher, dass deine Anwendung unterschiedliche Arbeitslasten bewältigen kann, von Entwicklungstests bis hin zu großen Datenmengen in der Produktion.
4. Integrierte Überwachungs- und Diagnosetools helfen dabei, die Zuverlässigkeit und Leistung aufrechtzuerhalten, mit speziellen Metriken für Datenanwendungen.
5. Strategien zur Kostenoptimierung ermöglichen es dir, den Wert zu maximieren und gleichzeitig die Kosten zu minimieren, was besonders bei ressourcenintensiven Datenworkloads wichtig ist.

Nächste Schritte

Wenn du deine Reise mit Azure App Service fortsetzen möchtest, solltest du dich informieren:

1. Integration mit Azure ML: Stelle Modelle, die in Azure Machine Learning trainiert wurden, für Inferenzen in deinem App Service bereit.
2. Azure Functions: Für ereignisgesteuertes, serverloses Computing, das deine App Service-Anwendungen ergänzt.
3. Azure API Management: Zur Sicherung und Verwaltung von APIs, die deine Datendienste offenlegen.
4. Azure Logic Apps: Für die Workflow-Automatisierung zwischen deinem App Service und anderen Datenquellen.
5. Der Lernpfad Microsoft Azure Fundamentals istauch eine gute Ressource, wenn du dich auf die Zertifizierung vorbereitest oder strukturiert lernen möchtest.

Vergiss nicht, dass sich die Cloud-Landschaft schnell weiterentwickelt, also haltedie Azure-Updates-Seite im Auge, um neue Funktionen und Dienste zu finden, die deine Datenanwendungen verbessern könnten!