Azure App Service: Panduan Lengkap untuk Praktisi Data

Mengonfigurasi Azure App Service

Setelah aplikasi Anda dideploy, langkah selanjutnya adalah mengonfigurasi berbagai aspek Azure App Service agar berjalan optimal dan aman. Di bagian ini, kita akan membahas domain kustom, autentikasi, dan pengaturan aplikasi.

Mengonfigurasi domain kustom

Secara default, App Service Anda dapat diakses melalui URL seperti your-app-name.azurewebsites.net. Untuk aplikasi produksi, Anda kemungkinan ingin menggunakan nama domain sendiri. Berikut cara menyiapkan domain kustom:

1. Beli domain dari registrar domain jika Anda belum memilikinya
2. Di App Service Anda, buka "Custom domains" di sidebar kiri
3. Klik "Add custom domain"
4. Masukkan nama domain Anda (mis., myapp.example.com)
5. Ikuti instruksi untuk memverifikasi kepemilikan domain
• Anda perlu menambahkan record TXT atau CNAME pada pengaturan DNS Anda

Untuk apex domain (seperti example.com tanpa www), Anda perlu membuat record A yang mengarah ke alamat IP App Service Anda. Anda dapat menemukan alamat IP ini di halaman konfigurasi domain kustom.

Anda juga dapat mengelola domain kustom menggunakan Azure CLI:

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

Mengikat sertifikat SSL

Untuk aplikasi yang aman, terutama yang menangani data sensitif, penting untuk mengaktifkan HTTPS. Azure App Service mempermudah ini dengan menyediakan sertifikat terkelola gratis atau memungkinkan Anda mengunggah sertifikat sendiri.

Untuk menambahkan sertifikat SSL:

1. Di App Service Anda, buka "TLS/SSL settings"
2. Pilih "Private Key Certificates"
3. Pilih salah satu opsi berikut:
• Buat sertifikat terkelola App Service gratis
• Impor sertifikat App Service
• Unggah sertifikat PFX
4. Setelah sertifikat ditambahkan, buka "Bindings"
5. Tambahkan binding SSL untuk domain kustom Anda

Untuk aplikasi data yang menangani informasi sensitif, saya menyarankan mengaktifkan mode HTTPS-only untuk memastikan seluruh lalu lintas terenkripsi:

1. Di "TLS/SSL settings", buka bagian "HTTPS Only"
2. Alihkan sakelar ke "On"
3. Klik "Save"

Mengonfigurasi autentikasi dan otorisasi

Banyak aplikasi data memerlukan autentikasi pengguna untuk mengontrol akses ke data atau fungsionalitas sensitif. Azure App Service menyediakan opsi autentikasi bawaan yang dapat menghemat Anda dari penerapan logika autentikasi dalam kode.

Untuk menyiapkan autentikasi:

1. Di App Service Anda, buka "Authentication" di sidebar kiri
2. Klik "Add identity provider"
3. Pilih penyedia identitas Anda:
• Microsoft (Azure AD)
• Google
• Facebook
• Twitter
• GitHub
• OpenID Connect
4. Konfigurasikan pengaturan penyedia
5. Siapkan URL pengalihan dan konfigurasi penyimpanan token

Untuk aplikasi data enterprise, Azure Active Directory sering menjadi pilihan utama karena terintegrasi dengan identitas korporat yang ada dan mendukung fitur seperti akses bersyarat dan autentikasi multi-faktor.

Anda juga dapat mengonfigurasi pembatasan otorisasi untuk mengontrol siapa yang dapat mengakses aplikasi Anda:

1. Di pengaturan Authentication, pilih "Edit" di sebelah penyedia identitas Anda
2. Di bawah "Restrict access", pilih salah satu opsi berikut:
• Izinkan permintaan tidak terautentikasi
• Wajibkan autentikasi
• Izinkan permintaan anonim (tanpa tindakan)
3. Konfigurasikan URL pengalihan eksternal yang diizinkan jika diperlukan

App settings dan connection strings

Kita telah membahas sekilas app settings sebelumnya, namun mari dalami cara menggunakannya untuk mengonfigurasi aplikasi data Anda secara efektif.

App settings di Azure App Service berfungsi sebagai variabel lingkungan untuk aplikasi Anda. Ini sangat berguna untuk:

• String koneksi database
• Kunci API
• Feature flag
• Konfigurasi spesifik lingkungan

Untuk menambah atau mengubah app settings:

1. Di App Service Anda, buka "Configuration" di sidebar kiri
2. Pilih tab "Application settings"
3. Klik "New application setting" untuk menambahkan pasangan key-value
4. Untuk nilai sensitif, Anda dapat mengaktifkan opsi "deployment slot setting" untuk mencegahnya tertukar saat swap slot

Untuk aplikasi data, pengaturan umum meliputi:

• String koneksi database
• Kunci akses storage account
• Endpoint model machine learning
• Feature flag untuk A/B testing

Anda juga dapat mengonfigurasi connection strings secara terpisah, yang berguna untuk koneksi database:

1. Di halaman Configuration, pilih tab "Connection strings"
2. Klik "New connection string"
3. Berikan nama, nilai, dan jenis (SQL Server, MySQL, PostgreSQL, dll.)

Connection strings juga tersedia bagi aplikasi Anda sebagai variabel lingkungan, namun dengan konvensi penamaan yang berbeda tergantung bahasa/kerangka kerja Anda.

Untuk mengambil pengaturan di aplikasi Python Anda:

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')Didukung oleh

Menggunakan referensi Key Vault

Untuk informasi yang sangat sensitif seperti kredensial database atau kunci API, Azure Key Vault menyediakan lapisan keamanan tambahan. Anda dapat mereferensikan secret Key Vault langsung di app settings:

1. Buat Azure Key Vault dan tambahkan secret Anda
2. Pastikan App Service Anda memiliki managed identity
3. Beri hak akses pada identity ke Key Vault
4. Di app settings Anda, referensikan secret dengan format: @Microsoft.KeyVault(SecretUri=https://myvault.vault.azure.net/secrets/mysecret/)

Pendekatan ini memisahkan informasi sensitif dari konfigurasi aplikasi dan menyediakan manajemen secret terpusat.

Menskalakan dan Mengelola Azure App Service

Sekarang aplikasi Anda telah dideploy dan dikonfigurasi, mari fokus memastikan performanya baik, tetap andal, dan beradaptasi dengan beban kerja yang berubah. 

Menskalakan dan mengelola Azure App Service dengan tepat sangat penting untuk aplikasi data, yang sering memiliki kebutuhan sumber daya variabel dan mungkin memproses informasi sensitif.

Menskalakan App Service plan

Salah satu keuntungan utama platform cloud seperti Azure adalah kemampuan untuk menskalakan sumber daya naik atau turun sesuai permintaan. Untuk aplikasi data, ini sangat berharga karena beban kerja sering kali sangat bervariasi, dari periode pemrosesan data intensif hingga waktu senggang dengan lalu lintas minimal.

Azure App Service menawarkan dua metode skalasi utama:

Skala vertikal (Scale up/down)

Skala vertikal melibatkan perubahan ukuran App Service plan Anda untuk menyediakan lebih atau kurang CPU, memori, dan ruang disk. Ini berguna saat performa aplikasi Anda dibatasi oleh sumber daya dari satu instance.

Untuk skala vertikal:

1. Di App Service plan Anda, pilih "Scale up (App Service plan)" di sidebar kiri
2. Pilih tier harga atau ukuran instance yang berbeda sesuai kebutuhan
3. Klik "Apply"

Untuk aplikasi data, pertimbangkan skala vertikal ketika:

• Aplikasi Anda mengalami tekanan memori karena operasi pemrosesan data besar
• Anda mencapai batas CPU saat inferensi model
• Anda membutuhkan penyimpanan tambahan untuk caching data atau file sementara

Skala horizontal (Scale out/in)

Skala horizontal mengubah jumlah instance mesin virtual yang menjalankan aplikasi Anda. Pendekatan ini ideal untuk mendistribusikan beban dan meningkatkan ketersediaan.

Untuk skala horizontal:

1. Di App Service plan Anda, pilih "Scale out (App Service plan)" di sidebar kiri
2. Atur jumlah instance secara manual atau konfigurasikan aturan auto-scaling
3. Klik "Save"

Untuk skala manual, cukup sesuaikan jumlah instance sesuai keinginan. Namun, auto-scaling memberikan fleksibilitas lebih dengan menyesuaikan sumber daya secara otomatis berdasarkan metrik.

Menyiapkan aturan auto-scaling

Auto-scaling sangat berharga untuk aplikasi data dengan beban kerja variabel. Misalnya, API penyajian model machine learning mungkin mengalami lalu lintas lebih tinggi selama jam kerja dan lebih rendah di malam hari.

Untuk mengonfigurasi auto-scaling:

1. Di bagian "Scale out", pilih "Enable autoscale"
2. Tentukan kondisi skala dengan komponen berikut:
• Jumlah instance default
• Aturan scale-out (kapan menambah instance)
• Aturan scale-in (kapan mengurangi instance)
• Aturan berbasis jadwal opsional

Berikut contoh aturan auto-scaling yang umum:

• Scale out: Tambah satu instance ketika persentase CPU > 70% selama 10 menit
• Scale in: Kurangi satu instance ketika persentase CPU < 30% selama 10 menit

Anda juga dapat membuat aturan yang lebih canggih berdasarkan:

• Penggunaan memori
• Panjang antrean data
• Metrik kustom dari Application Insights

Untuk beban kerja data science, pertimbangkan strategi auto-scaling berikut:

• Jika aplikasi Anda menyajikan model ML, skala berdasarkan panjang antrean permintaan agar latensi prediksi tetap rendah
• Untuk proses ETL, jadwalkan kapasitas tambahan selama jendela pemrosesan yang diketahui
• Untuk aplikasi dengan pengguna global, gunakan scaling berbasis jadwal untuk memastikan kapasitas memadai di berbagai zona waktu

Anda juga dapat mengonfigurasi auto-scaling menggunakan Azure CLI:

# 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"Didukung oleh

Pemantauan dan Diagnostik

Pemantauan yang efektif sangat penting untuk mempertahankan aplikasi data yang andal. Azure menyediakan alat pemantauan komprehensif yang memberi Anda visibilitas terhadap performa aplikasi, pola penggunaan, dan potensi masalah.

Azure Monitor dan Application Insights

Azure Monitor adalah fondasi untuk memantau layanan Azure, sementara Application Insights memberikan wawasan yang lebih mendalam khusus aplikasi.

Untuk mengaktifkan Application Insights bagi App Service Anda:

1. Di App Service Anda, pilih "Application Insights" di sidebar kiri
2. Klik "Turn on Application Insights"
3. Konfigurasikan resource Application Insights baru atau yang sudah ada
4. Klik "Apply"

Setelah diaktifkan, Application Insights mengumpulkan banyak data tentang aplikasi Anda, termasuk:

• Tingkat permintaan, waktu respons, dan tingkat kegagalan
• Panggilan dependensi (database, API eksternal)
• Performa tampilan halaman
• Log pengecualian
• Event kustom yang Anda definisikan di kode

Untuk aplikasi Python, Anda perlu memasang SDK Application Insights:

pip install opencensus-ext-azureDidukung oleh

Lalu tambahkan instrumentasi ke aplikasi Anda:

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
    passDidukung oleh

Melihat log dan menyiapkan peringatan

Azure App Service secara otomatis mengumpulkan log yang dapat membantu Anda mendiagnosis masalah:

1. Di App Service Anda, pilih "Log stream" untuk melihat log waktu nyata
2. Untuk analisis lebih rinci, buka "Diagnostic logs" dan aktifkan application logging
3. Konfigurasikan level log (Error, Warning, Information, Verbose)

Untuk aplikasi data, beri perhatian khusus pada:

• Out of memory exception, yang umum saat memproses dataset besar
• Timeout koneksi ke sumber data
• Bottleneck performa saat operasi transformasi data

Menyiapkan peringatan memastikan Anda diberi tahu akan masalah sebelum berdampak pada pengguna:

1. Di Azure Monitor, pilih "Alerts"
2. Klik "New alert rule"
3. Pilih App Service Anda sebagai resource
4. Tentukan kondisi yang harus memicu peringatan
5. Konfigurasikan action group untuk menentukan siapa yang diberi tahu dan bagaimana caranya
6. Beri nama peringatan Anda dan simpan

Peringatan umum untuk aplikasi data meliputi:

• Penggunaan memori tinggi (>80%)
• Kesalahan server (respons 5xx)
• Waktu pemrosesan lama untuk operasi kunci
• Upaya koneksi data yang gagal

Pemantauan kustom untuk aplikasi data

Untuk kebutuhan pemantauan khusus data, pertimbangkan untuk melacak metrik kustom berikut:

• Throughput pemrosesan data (rekor yang diproses per menit)
• Latensi inferensi model
• Waktu perhitungan fitur
• Rasio hit/miss cache

Anda dapat mengirim metrik kustom ke Application Insights menggunakan SDK:

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([])Didukung oleh

Pencadangan dan Pemulihan

Aplikasi data sering mengelola informasi berharga, sehingga kemampuan backup dan pemulihan menjadi sangat penting. Azure App Service menyediakan fungsionalitas backup bawaan yang dapat menangkap file aplikasi Anda, konfigurasi, dan database yang terhubung.

Menyiapkan backup otomatis

Untuk mengonfigurasi backup:

1. Di App Service Anda, pilih "Backups" di sidebar kiri
2. Klik "Configure"
3. Atur jadwal backup (harian, mingguan, atau kustom)
4. Tentukan storage account untuk file backup
5. Opsional sertakan database dalam backup
6. Klik "Save"

Untuk aplikasi data, pertimbangkan praktik terbaik backup berikut:

• Jadwalkan backup saat aktivitas rendah
• Pastikan storage account berada di region yang sama dengan App Service Anda untuk backup yang lebih cepat
• Untuk aplikasi dengan perubahan data yang sering, konfigurasikan backup lebih sering
• Ingat bahwa database besar mungkin melebihi batas ukuran backup; pertimbangkan strategi backup khusus database untuk kasus ini

Memulihkan dari backup

Jika Anda perlu memulihkan aplikasi:

1. Di bagian Backups, pilih titik backup yang ingin Anda pulihkan
2. Klik "Restore"
3. Pilih apakah akan memulihkan konten aplikasi, konfigurasi, dan database yang terhubung
4. Tentukan target App Service (bisa sama atau aplikasi yang berbeda)
5. Klik "OK" untuk memulai proses pemulihan

Untuk aplikasi data yang kritis, saya merekomendasikan menguji proses pemulihan secara berkala untuk memastikan strategi pemulihan Anda berjalan sebagaimana mestinya.

Strategi backup khusus database

Meskipun backup App Service dapat menyertakan database yang terhubung, aplikasi yang intensif data sering mendapatkan manfaat dari strategi backup khusus database:

• Untuk Azure SQL database, konfigurasikan backup otomatis dengan point-in-time restore
• Untuk Cosmos DB, gunakan mode continuous backup
• Untuk dataset besar yang disimpan di Azure Storage, pertimbangkan replikasi dan versioning storage account

Keamanan dan Kepatuhan di Azure App Service

Keamanan adalah hal utama untuk aplikasi data, terutama yang menangani informasi sensitif atau yang diatur. Azure App Service menyediakan beberapa fitur keamanan untuk membantu melindungi aplikasi Anda.

Role-based access control (RBAC)

RBAC memungkinkan Anda mengontrol siapa yang dapat mengelola resource App Service Anda:

1. Di Azure Portal, navigasikan ke App Service Anda
2. Pilih "Access control (IAM)" di sidebar kiri
3. Klik "Add" lalu "Add role assignment"
4. Pilih peran yang sesuai:
• Contributor: Dapat mengelola App Service tetapi tidak dapat memberikan akses ke orang lain
• Reader: Dapat melihat tetapi tidak dapat mengubah apa pun
• Website Contributor: Dapat mengelola website tetapi tidak App Service plan
5. Pilih pengguna, grup, atau service principal untuk diberikan peran
6. Klik "Save"

Untuk tim data, pertimbangkan membuat peran kustom yang membatasi akses ke operasi tertentu berdasarkan tanggung jawab pekerjaan.

Pembatasan IP dan jaringan

Pembatasan IP memungkinkan Anda mengontrol alamat IP mana yang dapat mengakses App Service Anda:

1. Di App Service Anda, pilih "Networking" di sidebar kiri
2. Buka "Access Restrictions"
3. Klik "Add rule"
4. Tentukan rentang alamat IP, aksi (Allow/Deny), prioritas, dan nama
5. Klik "Add rule"

Untuk aplikasi data yang terhubung ke resource internal, pertimbangkan:

• VNet Integration: Menghubungkan App Service ke virtual network Anda
• Service Endpoints: Mengamankan koneksi ke layanan Azure seperti SQL dan Storage
• Private Endpoints: Membuat private link ke App Service Anda dari virtual network

Untuk menyiapkan VNet Integration:

1. Di bagian Networking, pilih "VNet Integration"
2. Klik "Add VNet"
3. Pilih atau buat virtual network dan subnet
4. Klik "OK"

Integrasi ini sangat berguna untuk menghubungkan dengan aman ke database atau sumber data lain di dalam jaringan Anda.

Pemecahan Masalah Umum di Azure App Service

Bahkan dengan perencanaan yang matang, masalah dapat muncul pada App Service Anda. Berikut beberapa masalah umum dan solusinya, dengan fokus pada skenario aplikasi data.

Mendiagnosis crash aplikasi

Jika aplikasi Anda crash atau tidak responsif:

1. Periksa log App Service:
• Buka "Log stream" untuk log waktu nyata
• Periksa "Diagnostic logs" untuk data historis
2. Gunakan Application Insights untuk mengidentifikasi pengecualian
3. Jalankan alat diagnostik Kudu:
• Arahkan ke https://<your-app-name>.scm.azurewebsites.net/DebugConsole
• Gunakan konsol untuk memeriksa file dan proses

Penyebab umum crash pada aplikasi data meliputi:

• Batas memori: Pemrosesan dataset besar dapat melampaui memori yang tersedia
• Masalah dependensi: Paket yang hilang atau tidak kompatibel
• Kesalahan konfigurasi: String koneksi atau variabel lingkungan yang tidak tepat

Untuk operasi yang intensif memori, pertimbangkan untuk:

• Menskalakan ke tier yang lebih tinggi dengan memori lebih besar
• Menerapkan chunking data untuk memproses batch yang lebih kecil
• Menggunakan algoritme atau struktur data yang lebih efisien

Debugging masalah performa

Jika aplikasi Anda berjalan lambat:

1. Gunakan pemantauan performa Application Insights:
• Periksa blade Performance untuk mengidentifikasi permintaan yang lambat
• Cari panggilan dependensi yang mungkin menyebabkan bottleneck
2. Tinjau metrik server di Azure Monitor:
• Utilisasi CPU dan memori
• Panjang antrean HTTP
3. Periksa performa kueri database untuk operasi berat data

Untuk meningkatkan performa:

• Terapkan caching untuk kueri yang sering
• Optimalkan indeks database
• Pertimbangkan scaling up atau out
• Gunakan operasi asinkron untuk proses yang berjalan lama

Meninjau log dan pesan kesalahan

Azure App Service menyediakan beberapa opsi logging:

1. Application logs: Log dari aplikasi Anda sendiri
2. Web server logs: Log permintaan HTTP dan kesalahan
3. Deployment logs: Informasi tentang proses deployment Anda
4. Detailed error logging: Informasi lebih lanjut tentang kesalahan HTTP

Untuk mengonfigurasi logging yang lebih rinci:

1. Di App Service Anda, buka "Diagnostic logs"
2. Aktifkan jenis log yang sesuai
3. Atur level yang sesuai (Error, Warning, Information, Verbose)
4. Pilih apakah akan menyimpan log di file system atau blob storage

Untuk aplikasi Python, Anda dapat meningkatkan logging dengan:

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)Didukung oleh

Manajemen Biaya dengan Azure App Service

Aplikasi data sering mengonsumsi sumber daya yang signifikan, sehingga memahami dan mengoptimalkan biaya menjadi sangat penting. Pada bagian terakhir ini, kita akan membahas model harga Azure App Service dan strategi untuk mengelola biaya secara efektif.

Memahami penetapan harga Azure App Service

Harga Azure App Service terutama didasarkan pada App Service plan yang Anda pilih. Mari uraikan faktor biaya yang perlu dipertimbangkan:

Tier App Service plan

Seperti yang telah kita bahas, Azure menawarkan beberapa tier harga, masing-masing dengan kapabilitas dan biaya yang berbeda:

Catatan: Harga bersifat perkiraan dan dapat bervariasi menurut region atau perubahan harga Azure. Untuk informasi terbaru, lihat halaman harga resmi. 

Faktor biaya tambahan

Selain App Service plan dasar, pertimbangkan biaya tambahan berikut:

1. Transfer data keluar: Setelah 5GB pertama per bulan (gratis), transfer data keluar dikenakan biaya. Untuk aplikasi data yang menyajikan dataset besar ke pengguna, ini bisa signifikan.
2. Sertifikat SSL: Meskipun Azure menyediakan sertifikat gratis, sertifikat kustom memiliki biaya tersendiri.
3. Domain kustom: Domain kustom pertama gratis, tetapi domain tambahan mungkin dikenakan biaya.
4. Penyimpanan: Penyimpanan tambahan di luar yang termasuk dalam tier Anda dikenakan biaya.
5. Add-on dan layanan terhubung: Database, layanan caching, dan resource Azure lainnya yang terhubung ke App Service Anda memiliki biaya masing-masing.

Memantau biaya

Azure menyediakan alat untuk memantau dan memperkirakan pengeluaran Anda:

1. Azure cost management: Akses di Azure Portal untuk melihat biaya per resource, menetapkan anggaran, dan membuat peringatan.
2. Kalkulator harga: Gunakan Azure Pricing Calculator untuk memperkirakan biaya sebelum deployment.
3. Rekomendasi Advisor: Azure Advisor menyediakan saran optimasi biaya berdasarkan pola penggunaan Anda.

> Untuk mengelola biaya, keamanan, dan performa secara efektif di seluruh layanan Azure, kursus Azure Management and Governance ini sangat direkomendasikan.

Strategi optimasi biaya

Setelah memahami model harga, mari jelajahi strategi untuk mengoptimalkan biaya aplikasi data di Azure App Service.

Menentukan ukuran App Service plan yang tepat

Salah satu cara paling efektif untuk mengontrol biaya adalah memastikan Anda menggunakan App Service plan yang sesuai:

1. Mulai dengan baseline yang tepat: Alih-alih langsung memilih plan tier tinggi, mulailah dengan plan menengah dan skala naik hanya jika diperlukan.
2. Pantau pemanfaatan sumber daya: Gunakan Azure Monitor untuk melacak CPU, memori, dan penggunaan disk. Jika secara konsisten di bawah 50%, pertimbangkan untuk menurunkan ukuran.
3. Sesuaikan tier dengan beban kerja Anda: Untuk aplikasi data dengan beban kerja stabil dan terprediksi, tier Basic atau Standard mungkin cukup. Cadangkan tier Premium untuk aplikasi dengan kebutuhan performa menuntut.

Untuk aplikasi data science, pertimbangkan rekomendasi khusus berikut:

• API penyajian model dengan kebutuhan latensi rendah namun lalu lintas sedang sering berjalan baik pada plan Standard dengan auto-scaling.
• Pipeline pemrosesan data yang berjalan terjadwal sering dapat menggunakan plan Basic jika waktu pemrosesan tidak kritis.
• Dasbor interaktif dengan banyak pengguna konkuren biasanya memerlukan plan Standard atau Premium untuk menjaga responsivitas.

Menggunakan auto-scaling secara efektif

Auto-scaling tidak hanya untuk menangani lonjakan lalu lintas—ini juga alat optimasi biaya yang kuat:

1. Scale to zero bila memungkinkan: Untuk aplikasi non-kritis atau lingkungan pengembangan, pertimbangkan menurunkan ke minimum nol instance saat di luar jam kerja.
2. Tetapkan ambang scaling yang tepat: Jangan terlalu agresif saat scale out. Mulai dengan ambang konservatif (seperti 70% CPU) dan sesuaikan berdasarkan pengamatan performa.
3. Terapkan scaling terjadwal: Untuk beban kerja yang terprediksi, gunakan aturan scaling terjadwal alih-alih auto-scaling berbasis metrik. Misalnya, skala naik saat jam kerja dan turun pada malam dan akhir pekan.

# 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"Didukung oleh

Mengoptimalkan lingkungan pengembangan dan pengujian

Lingkungan pengembangan dan pengujian menawarkan peluang penghematan biaya yang signifikan:

1. Gunakan tier Free atau Shared untuk lingkungan pengembangan bila memungkinkan.
2. Terapkan auto-shutdown untuk lingkungan non-produksi saat di luar jam kerja. Walau App Service tidak memiliki fitur shutdown bawaan, Anda dapat menggunakan Azure Automation atau Logic Apps untuk menghentikan dan memulai aplikasi sesuai jadwal.
3. Manfaatkan deployment slot secara efisien: Alih-alih memelihara lingkungan terpisah untuk staging, gunakan deployment slot dalam satu App Service produksi. Pendekatan ini memungkinkan Anda bertukar lingkungan tanpa menggandakan biaya.

# 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 productionDidukung oleh

Optimasi biaya khusus data

Untuk aplikasi data, pertimbangkan pendekatan penghematan biaya khusus berikut:

1. Mengalihkan pemrosesan berat: Alih-alih melakukan pemrosesan data berat di App Service, pertimbangkan menggunakan layanan khusus seperti Azure Functions (untuk pemrosesan serverless) atau Azure Data Factory (untuk workflow ETL).
2. Menerapkan caching: Untuk data yang tidak sering berubah, terapkan caching untuk mengurangi panggilan database dan komputasi. Azure Cache for Redis terintegrasi baik dengan App Service.
3. Mengoptimalkan biaya database: Sering kali, database yang terhubung ke App Service Anda berbiaya lebih besar daripada App Service itu sendiri. Pertimbangkan:
• Menggunakan elastic pool untuk SQL database
• Menerapkan pengindeksan yang tepat
• Menggunakan penyimpanan bertingkat untuk data yang jarang diakses
4. Kompresi respons: Untuk aplikasi yang menyajikan dataset besar ke pengguna, aktifkan kompresi untuk mengurangi biaya transfer data keluar:

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

app = Flask(__name__)
Compress(app)Didukung oleh

Teknik Lanjutan untuk Aplikasi Data

Selain optimasi biaya, ada beberapa teknik lanjutan untuk meningkatkan performa dan kapabilitas aplikasi data Anda di Azure App Service.

Membuat container untuk aplikasi data

Container memberikan konsistensi lintas lingkungan dan dapat menyederhanakan manajemen dependensi—tantangan umum pada aplikasi data dengan kebutuhan kompleks:

1. Di Azure Portal, buat Web App baru
2. Pilih "Docker Container" alih-alih "Code" untuk opsi publish
3. Pilih Single Container dan tentukan image Docker Anda

Untuk aplikasi data science, pertimbangkan memelihara image container dasar dengan pustaka umum seperti NumPy, pandas, dan scikit-learn untuk mempercepat deployment.

Menerapkan CI/CD untuk workflow data

Melampaui CI/CD dasar, pertimbangkan menerapkan pengujian otomatis khusus untuk aplikasi data:

1. Pengujian validasi data: Memverifikasi bahwa pemrosesan data menghasilkan hasil yang diharapkan
2. Pengujian performa model: Memastikan model ML memenuhi ambang akurasi dan performa
3. Load testing: Memvalidasi bahwa aplikasi menangani volume data yang diharapkan

Contoh workflow GitHub Actions untuk aplikasi data:

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 }}Didukung oleh

Menggunakan WebJobs untuk pemrosesan latar belakang

Untuk aplikasi data yang memerlukan pemrosesan latar belakang, Azure WebJobs menyediakan cara menjalankan skrip atau program dalam konteks yang sama dengan App Service Anda:

1. Di App Service Anda, buka "WebJobs" di sidebar kiri
2. Klik "Add"
3. Unggah file skrip Anda (mis., skrip Python untuk pemrosesan data)
4. Pilih jenis pemicu (manual, terjadwal, atau kontinu)
5. Klik "OK"

WebJobs sangat berguna untuk:

• Pembersihan data terjadwal
• Pembuatan laporan rutin
• Pelatihan ulang model berkala
• Sinkronisasi data antar sistem

Konektivitas hibrida untuk data on-premises

Banyak organisasi memiliki data yang tetap on-premises. Azure App Service dapat terhubung ke data ini menggunakan:

1. VNet integration: Menghubungkan App Service Anda ke virtual network yang memiliki konektivitas ke jaringan on-premises melalui ExpressRoute atau VPN.
2. Hybrid connections: Alternatif yang lebih sederhana tanpa memerlukan VPN, memungkinkan App Service Anda menjangkau server on-premises tertentu berdasarkan hostname dan port.

Untuk menyiapkan Hybrid Connections:

1. Di App Service Anda, pilih "Networking" di sidebar kiri
2. Buka "Hybrid Connections"
3. Klik "Add hybrid connection"
4. Buat yang baru atau gunakan koneksi yang sudah ada
5. Tentukan hostname endpoint dan port
6. Instal Hybrid Connection Manager di server on-premises Anda

Menerapkan feature flag untuk aplikasi data

Feature flag memungkinkan Anda mengaktifkan fungsionalitas secara selektif, yang bermanfaat untuk A/B testing fitur data atau peluncuran bertahap model baru:

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

Baca flag ini di kode Anda:

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 modelDidukung oleh

Pendekatan ini memungkinkan Anda menguji fitur baru pada subset pengguna atau dengan cepat menonaktifkan fitur yang bermasalah tanpa redeployment.

> Untuk mempelajari lebih dalam tentang otomasi deployment model ML, lihat kursus CI/CD untuk Machine Learning ini.

Kesimpulan

Sepanjang tutorial ini, kita telah mempelajari cara menyiapkan, mendeploy, mengonfigurasi, menskalakan, dan mengoptimalkan Azure App Service untuk aplikasi data. Dari membuat App Service pertama hingga menerapkan fitur lanjutan seperti auto-scaling dan konektivitas hibrida, kini Anda memiliki pengetahuan untuk memanfaatkan platform Azure bagi beban kerja data Anda.

Hal-hal penting

1. Azure App Service menyediakan platform terkelola sepenuhnya yang memungkinkan praktisi data fokus pada logika aplikasi alih-alih pengelolaan infrastruktur.
2. Beragam opsi deployment memungkinkan integrasi mulus dengan alur kerja pengembangan Anda, baik menggunakan GitHub, Azure DevOps, atau repositori Git lokal.
3. Kemampuan skalasi memastikan aplikasi Anda dapat menangani beban kerja yang bervariasi, dari pengujian pengembangan hingga lonjakan lalu lintas produksi.
4. Alat pemantauan dan diagnostik bawaan membantu menjaga keandalan dan performa, dengan metrik khusus untuk aplikasi data.
5. Strategi optimasi biaya memungkinkan Anda memaksimalkan nilai sekaligus meminimalkan pengeluaran, sangat penting untuk beban kerja data yang intensif sumber daya.

Langkah selanjutnya

Untuk melanjutkan perjalanan Azure App Service Anda, pertimbangkan untuk mengeksplorasi:

1. Integrasi dengan Azure ML: Deploy model yang dilatih di Azure Machine Learning ke App Service Anda untuk inferensi.
2. Azure Functions: Untuk komputasi event-driven, serverless yang melengkapi aplikasi App Service Anda.
3. Azure API Management: Untuk mengamankan dan mengelola API yang mengekspos layanan data Anda.
4. Azure Logic Apps: Untuk otomasi workflow antara App Service dan sumber data lainnya.
5. Track Microsoft Azure Fundamentals juga merupakan sumber yang sangat baik jika Anda mempersiapkan sertifikasi atau menginginkan pembelajaran terstruktur.

Ingat bahwa lanskap cloud berkembang pesat, jadi tetap pantau halaman pembaruan Azure untuk fitur dan layanan baru yang dapat meningkatkan aplikasi data Anda!