Azure 应用服务：数据从业者的完整指南

配置 Azure 应用服务

应用部署完成后，下一步是配置 Azure 应用服务的各个方面，确保其以最佳与安全的方式运行。本节将介绍自定义域、身份验证与应用设置。

配置自定义域

默认情况下，您的应用服务可通过 your-app-name.azurewebsites.net 访问。对于生产应用，您很可能希望使用自有域名。以下是设置自定义域的方法：

1. 如未拥有域名，请先在域名注册商处购买
2. 在应用服务中，前往左侧栏的“自定义域”
3. 点击“添加自定义域”
4. 输入您的域名（如 myapp.example.com）
5. 按照指引验证域名所有权
• 您需要在 DNS 设置中添加 TXT 或 CNAME 记录

对于顶级域（如不带 www 的 example.com），您需要创建一个指向应用服务 IP 地址的 A 记录。该 IP 地址可在自定义域配置页找到。

您也可以通过 Azure CLI 管理自定义域：

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

绑定 SSL 证书

对于需要处理敏感数据的安全应用，启用 HTTPS 至关重要。Azure 应用服务支持免费托管证书，也允许您上传自有证书，配置十分简便。

添加 SSL 证书的步骤：

1. 在应用服务中进入“TLS/SSL 设置”
2. 选择“私钥证书”
3. 选择以下任一选项：
• 创建免费应用服务托管证书
• 导入应用服务证书
• 上传 PFX 证书
4. 添加证书后，前往“绑定”
5. 为您的自定义域添加 SSL 绑定

对于处理敏感信息的数据应用，我建议启用“仅 HTTPS”模式，确保所有流量均已加密：

1. 在“TLS/SSL 设置”中，进入“仅 HTTPS”部分
2. 将开关切换为“开”
3. 点击“保存”

配置身份验证与授权

许多数据应用需要用户身份验证，以控制对敏感数据或功能的访问。Azure 应用服务提供内置身份验证选项，可免去您在代码中自行实现认证逻辑。

设置身份验证：

1. 在应用服务中，进入左侧栏的“身份验证”
2. 点击“添加标识提供者”
3. 选择您的标识提供者：
• Microsoft（Azure AD）
• Google
• Facebook
• Twitter
• GitHub
• OpenID Connect
4. 配置提供者设置
5. 设置重定向 URL 与令牌存储配置

对于企业级数据应用，Azure Active Directory 往往是首选，因为它能与现有企业身份集成，并支持条件访问与多重身份验证等功能。

您还可以配置授权限制以控制谁能访问您的应用：

1. 在身份验证设置中，选择您的标识提供者旁的“编辑”
2. 在“限制访问”下选择以下选项之一：
• 允许未验证请求
• 要求进行身份验证
• 允许匿名请求（无操作）
3. 如有需要，配置允许的外部重定向 URL

应用设置与连接字符串

我们之前简要介绍了应用设置，下面更深入地说明如何有效利用它们为数据应用配置参数。

Azure 应用服务中的应用设置会作为环境变量提供给应用。它们尤其适用于：

• 数据库连接字符串
• API 密钥
• 功能开关（Feature Flags）
• 特定环境配置

添加或修改应用设置：

1. 在应用服务中，前往左侧栏的“配置”
2. 选择“应用程序设置”选项卡
3. 点击“新建应用程序设置”以添加键值对
4. 对于敏感值，您可以切换“部署槽设置”以在槽位交换时避免被替换

对于数据应用，常见设置包括：

• 数据库连接字符串
• 存储帐户访问密钥
• 机器学习模型端点
• 用于 A/B 测试的功能开关

您还可以单独配置连接字符串，这对数据库连接尤其有用：

1. 在“配置”页面选择“连接字符串”选项卡
2. 点击“新建连接字符串”
3. 提供名称、值与类型（SQL Server、MySQL、PostgreSQL 等）

连接字符串同样会以环境变量形式提供给您的应用，但具体命名约定会因语言/框架而异。

在 Python 应用中获取设置：

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')技术支持

使用 Key Vault 引用

对于数据库凭据或 API 密钥等高度敏感信息，Azure Key Vault 提供了额外的安全层。您可以在应用设置中直接引用 Key Vault 机密：

1. 创建 Azure Key Vault 并添加机密
2. 确保您的应用服务拥有托管标识
3. 授予该标识访问 Key Vault 的权限
4. 在应用设置中使用如下格式引用机密：@Microsoft.KeyVault(SecretUri=https://myvault.vault.azure.net/secrets/mysecret/)

这种方式将敏感信息与应用配置解耦，并提供集中化的机密管理。

扩展与管理 Azure 应用服务

应用部署与配置完成后，接下来要确保其性能良好、可靠并能适应变化的工作负载。

正确扩展与管理 Azure 应用服务对数据应用尤为重要，因为它们通常具有可变的资源需求，并可能处理敏感信息。

扩展应用服务计划

云平台如 Azure 的一大优势是能根据需求随时扩缩资源。对数据应用而言，这一点尤为宝贵，因为工作负载常在高强度数据处理与低流量闲时之间大幅波动。

Azure 应用服务提供两种主要的扩展方式：

纵向扩展（向上/向下扩展）

纵向扩展是指更改应用服务计划的规格，以提供更多或更少的 CPU、内存与磁盘空间。当应用的性能受限于单个实例的资源时，这种方式很有用。

纵向扩展步骤：

1. 在应用服务计划中，选择左侧栏的“纵向扩展（应用服务计划）”
2. 根据需要选择不同的定价层或实例大小
3. 点击“应用”

对于数据应用，建议在以下情况下考虑纵向扩展：

• 应用因大规模数据处理出现内存压力
• 模型推理时触及 CPU 上限
• 需要更多存储用于数据缓存或临时文件

横向扩展（向外/向内扩展）

横向扩展是指更改运行应用的虚拟机实例数量。此方式适合分散负载并提升可用性。

横向扩展步骤：

1. 在应用服务计划中，选择左侧栏的“横向扩展（应用服务计划）”
2. 手动设置实例数或配置自动扩展规则
3. 点击“保存”

若手动扩展，只需将实例数调整到目标值即可。不过，自动扩展能根据指标自动调整资源，更具灵活性。

设置自动扩展规则

自动扩展对具有可变工作负载的数据应用尤其有价值。例如，机器学习模型服务 API 在工作时间可能面临更高流量，而在夜间流量较低。

配置自动扩展：

1. 在“横向扩展”部分选择“启用自动扩展”
2. 定义扩展条件，包含以下组件：
• 默认实例数
• 扩容规则（何时增加实例）
• 缩容规则（何时减少实例）
• 可选的基于日程的规则

以下是常见的自动扩展规则示例：

• 扩容：当 CPU 百分比 > 70% 且持续 10 分钟时增加一个实例
• 缩容：当 CPU 百分比 < 30% 且持续 10 分钟时减少一个实例

您还可以基于以下指标创建更复杂的规则：

• 内存使用率
• 数据队列长度
• 来自 Application Insights 的自定义指标

针对数据科学工作负载，考虑以下自动扩展策略：

• 若应用用于服务机器学习模型，可基于请求队列长度扩展，以确保预测延迟保持较低
• 对于 ETL 流程，在已知处理时段安排额外产能
• 面对全球用户的应用，使用基于日程的扩展以保证不同时区的充足产能

您也可以使用 Azure CLI 配置自动扩展：

# 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"技术支持

监控与诊断

有效的监控对于维护可靠的数据应用至关重要。Azure 提供了全面的监控工具，为您提供关于应用性能、使用模式与潜在问题的可见性。

Azure Monitor 与 Application Insights

Azure Monitor 是监控 Azure 服务的基础，而 Application Insights 则提供更深入的应用级洞察。

为应用服务启用 Application Insights：

1. 在您的应用服务中，选择左侧栏的“Application Insights”
2. 点击“开启 Application Insights”
3. 配置新建或现有的 Application Insights 资源
4. 点击“应用”

启用后，Application Insights 将收集丰富的应用数据，包括：

• 请求率、响应时间与失败率
• 依赖调用（数据库、外部 API）
• 页面视图性能
• 异常日志
• 您在代码中定义的自定义事件

对于 Python 应用，您需要安装 Application Insights SDK：

pip install opencensus-ext-azure技术支持

然后为应用添加埋点：

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技术支持

查看日志并设置警报

Azure 应用服务会自动收集可帮助您诊断问题的日志：

1. 在应用服务中选择“日志流”以查看实时日志
2. 如需更详细分析，前往“诊断日志”并启用应用日志
3. 配置日志级别（错误、警告、信息、详细）

对于数据应用，重点关注：

• 内存不足异常——在处理大数据集时常见
• 与数据源的连接超时
• 数据转换操作中的性能瓶颈

设置警报可确保在问题影响用户前得到通知：

1. 在 Azure Monitor 中选择“警报”
2. 点击“新建警报规则”
3. 选择您的应用服务作为资源
4. 定义触发警报的条件
5. 配置操作组，指定通知对象与方式
6. 为警报命名并保存

数据应用的常见警报包括：

• 高内存使用率（>80%）
• 服务器错误（5xx 响应）
• 关键操作的长处理时间
• 数据连接失败尝试

数据应用的自定义监控

对于数据特定的监控需求，考虑追踪以下自定义指标：

• 数据处理吞吐量（每分钟处理记录数）
• 模型推理延迟
• 特征计算时间
• 缓存命中/未命中比

您可以使用 SDK 将自定义指标发送到 Application Insights：

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([])技术支持

备份与还原

数据应用往往管理着重要信息，因此备份与恢复能力必不可少。Azure 应用服务提供内置备份功能，可捕获应用文件、配置与连接的数据库。

设置自动备份

配置备份：

1. 在应用服务中选择左侧栏的“备份”
2. 点击“配置”
3. 设置备份计划（每日、每周或自定义）
4. 指定用于存放备份文件的存储帐户
5. 可选：将数据库包含在备份中
6. 点击“保存”

针对数据应用，建议遵循以下备份最佳实践：

• 在低活动时段安排备份
• 确保存储帐户与应用服务位于同一区域以加快备份速度
• 对于数据变更频繁的应用，配置更高频率的备份
• 注意大型数据库可能超出备份大小限制；此类情况请考虑数据库专用的备份策略

从备份还原

如需还原应用：

1. 在“备份”部分选择要还原的备份点
2. 点击“还原”
3. 选择是否还原应用内容、配置与连接的数据库
4. 指定目标应用服务（可为同一个或不同应用）
5. 点击“确定”开始还原流程

对于关键数据应用，建议定期演练还原流程，确保恢复策略如预期运行。

数据库专用备份策略

虽然应用服务备份可包含连接的数据库，但数据密集型应用通常从数据库专用备份策略中获益更多：

• 对于 Azure SQL 数据库，配置自动备份与时间点还原
• 对于 Cosmos DB，使用连续备份模式
• 对于存放在 Azure 存储中的海量数据，考虑使用存储帐户复制与版本控制

Azure 应用服务中的安全与合规

对于处理敏感或受监管信息的数据应用，安全至关重要。Azure 应用服务提供多项安全功能，帮助保护您的应用。

基于角色的访问控制（RBAC）

RBAC 允许您控制谁能管理您的应用服务资源：

1. 在 Azure 门户中导航至您的应用服务
2. 选择左侧栏的“访问控制（IAM）”
3. 点击“添加”，然后选择“添加角色分配”
4. 选择合适的角色：
• 参与者（Contributor）：可管理应用服务，但不能授予他人访问权限
• 读取者（Reader）：可查看但不能更改
• 网站参与者（Website Contributor）：可管理网站，而非应用服务计划
5. 选择要分配角色的用户、组或服务主体
6. 点击“保存”

对于数据团队，考虑创建自定义角色，以根据岗位职责限制访问到特定操作。

IP 限制与网络

IP 限制允许您控制哪些 IP 地址可以访问您的应用服务：

1. 在应用服务中选择左侧栏的“网络”
2. 进入“访问限制”
3. 点击“添加规则”
4. 指定 IP 地址范围、操作（允许/拒绝）、优先级与名称
5. 点击“添加规则”

对于连接内部资源的数据应用，请考虑：

• VNet 集成：将应用服务连接到您的虚拟网络
• 服务终结点：保护到 Azure 服务（如 SQL 与存储）的连接
• 专用终结点：从虚拟网络为应用服务创建专用链接

设置 VNet 集成：

1. 在“网络”部分选择“VNet 集成”
2. 点击“添加 VNet”
3. 选择或创建虚拟网络与子网
4. 点击“确定”

此集成对于安全连接位于您网络内的数据库或其他数据源尤为有用。

排查常见 Azure 应用服务问题

即便经过周密规划，应用服务仍可能出现问题。以下是常见问题与对应解决方案，聚焦于数据应用场景。

诊断应用崩溃

如果您的应用崩溃或无响应：

1. 检查应用服务日志：
• 进入“日志流”查看实时日志
• 查看“诊断日志”中的历史数据
2. 使用 Application Insights 定位异常
3. 运行 Kudu 诊断工具：
• 访问 https://<your-app-name>.scm.azurewebsites.net/DebugConsole
• 使用控制台检查文件与进程

数据应用崩溃的常见原因包括：

• 内存限制：处理大数据集可能超出可用内存
• 依赖问题：缺失或不兼容的软件包
• 配置错误：连接字符串或环境变量不正确

针对内存密集操作，考虑：

• 将规格纵向扩展到内存更大的层级
• 实现数据分块，以较小批次处理
• 采用更高效的算法或数据结构

调试性能问题

如果您的应用运行缓慢：

1. 使用 Application Insights 的性能监控：
• 在“性能”页查看慢请求
• 查找可能导致瓶颈的依赖调用
2. 查看 Azure Monitor 中的服务器指标：
• CPU 与内存使用率
• HTTP 队列长度
3. 针对数据密集操作检查数据库查询性能

改进性能的方法：

• 为高频查询实现缓存
• 优化数据库索引
• 考虑纵向或横向扩展
• 对长耗时流程使用异步操作

查看日志与错误信息

Azure 应用服务提供多种日志选项：

1. 应用日志：应用自身输出的日志
2. Web 服务器日志：HTTP 请求与错误日志
3. 部署日志：关于部署过程的信息
4. 详细错误日志：关于 HTTP 错误的更多信息

配置更详细的日志：

1. 在应用服务中进入“诊断日志”
2. 启用相应日志类型
3. 设置合适的级别（错误、警告、信息、详细）
4. 选择将日志存储在文件系统或 Blob 存储

对于 Python 应用，您可以通过以下方式增强日志记录：

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)技术支持

使用 Azure 应用服务的成本管理

数据应用常常消耗大量资源，因此理解并优化成本尤为重要。在最后一节，我们将探讨 Azure 应用服务的定价模型与高效管理成本的策略。

了解 Azure 应用服务定价

Azure 应用服务的定价主要基于您选择的应用服务计划。我们来分解需要考虑的成本因素：

应用服务计划层级

如前所述，Azure 提供多个定价层级，每个层级具备不同的能力与成本：

注意：以上价格为大致范围，可能因地区或 Azure 价格变动而有所不同。最新信息请查看 官方定价页面。

其他成本因素

除基础的应用服务计划外，还需考虑以下额外成本：

1. 出站数据传输：每月前 5GB 免费，之后按量计费。对向用户提供大数据集的应用，这部分开销可能较大。
2. SSL 证书：Azure 提供免费证书，但自定义证书会产生费用。
3. 自定义域：第一个自定义域免费，额外域名可能收取费用。
4. 存储：超出所在层级包含的存储将产生额外费用。
5. 附加组件与连接服务：与应用服务相连的数据库、缓存服务及其他 Azure 资源各自计费。

监控成本

Azure 提供工具用于监控与预测支出：

1. Azure 成本管理：在 Azure 门户中查看按资源的成本、设置预算与创建警报。
2. 定价计算器：使用 Azure 定价计算器 预估部署前的成本。
3. 顾问建议：Azure Advisor 根据使用模式提供成本优化建议。

> 若要在 Azure 服务中高效管理成本、安全与性能，强烈推荐这门 Azure 管理与治理课程。

成本优化策略

在了解定价模型后，我们来探讨在 Azure 应用服务上为数据应用优化成本的策略。

合理选择应用服务计划规格

控制成本的有效方式之一是确保所用的应用服务计划与需求相匹配：

1. 设置合理基线：不要默认选择高阶计划，从中等计划开始，仅在必要时再升级。
2. 监控资源使用率：通过 Azure Monitor 追踪 CPU、内存与磁盘使用。如果持续低于 50%，考虑降配。
3. 将层级与工作负载匹配：对于可预测、稳定的工作负载，Basic 或 Standard 层或许足够。将 Premium 层留给性能要求严苛的应用。

针对数据科学应用，有以下建议：

• 模型服务 API 对低延迟有要求但流量适中时，常见做法是在 Standard 计划上启用自动扩展。
• 按计划运行的数据处理流水线 若处理时间不关键，通常可使用 Basic 计划。
• 交互式仪表板 若并发用户较多，通常需要 Standard 或 Premium 计划以保持响应性。

高效使用自动扩展

自动扩展不仅用于应对流量高峰——也是强大的成本优化工具：

1. 可行时缩容至零：对于非关键应用或开发环境，在非工作时间考虑将实例最小化至 0。
2. 设置合适的扩展阈值：不要过于激进地扩容。先从保守阈值（如 70% CPU）开始，并根据性能观测进行调整。
3. 实施计划性扩展：对于可预测的工作负载，优先使用基于日程的扩展规则而非基于指标的自动扩展。例如，工作时间扩容，夜间与周末缩容。

# 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"技术支持

优化开发与测试环境

开发与测试环境具有巨大的节省空间：

1. 尽可能使用 Free 或 Shared 层 作为开发环境。
2. 实施自动停机：对非生产环境在非工作时间自动停止。尽管应用服务没有内置停机功能，您可以使用 Azure Automation 或 Logic Apps 按计划停止与启动应用。
3. 高效使用部署槽位：与其维护独立的预生产环境，不如在单个生产应用服务中使用部署槽位。此举可在不重复成本的情况下进行环境切换。

# 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技术支持

数据特定的成本优化

针对数据应用，考虑以下专业节省方案：

1. 卸载重型计算：不要在应用服务中执行密集数据处理，考虑使用 Azure Functions（无服务器处理）或 Azure Data Factory（ETL 流程）。
2. 实施缓存：对变化不频繁的数据实施缓存以减少数据库调用与计算。Azure Cache for Redis 与应用服务集成良好。
3. 优化数据库成本：往往与应用服务相连的数据库成本更高。请考虑：
• 为 SQL 数据库使用弹性池
• 实施合适的索引
• 对低频访问数据使用分层存储
4. 压缩响应：对于向用户提供大数据集的应用，启用压缩以减少出站数据传输成本：

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

app = Flask(__name__)
Compress(app)技术支持

数据应用的高级技巧

除成本优化外，还有多种高级技巧可提升您在 Azure 应用服务上的数据应用性能与能力。

容器化数据应用

容器可在各环境间提供一致性，并简化依赖管理——这对依赖复杂的数据应用尤为常见与关键：

1. 在 Azure 门户中创建新的 Web 应用
2. 在发布选项中选择“Docker Container”而非“Code”
3. 选择单容器并指定您的 Docker 镜像

对于数据科学应用，考虑维护一个包含 NumPy、pandas、scikit-learn 等常用库的基础镜像，以加速部署。

为数据工作流实施 CI/CD

在基础 CI/CD 之外，考虑为数据应用实施自动化测试：

1. 数据验证测试：验证数据处理是否产生预期结果
2. 模型性能测试：确保机器学习模型达到准确度与性能阈值
3. 压测：验证应用能处理预期数据量

数据应用的 GitHub Actions 工作流示例：

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 }}技术支持

使用 WebJobs 进行后台处理

对于需要后台处理的数据应用，Azure WebJobs 可在与应用服务相同的上下文中运行脚本或程序：

1. 在应用服务中进入左侧栏的“WebJobs”
2. 点击“添加”
3. 上传您的脚本文件（如用于数据处理的 Python 脚本）
4. 选择触发类型（手动、计划或持续）
5. 点击“确定”

WebJobs 尤其适用于：

• 定期数据清理
• 常规报表生成
• 周期性模型再训练
• 系统间数据同步

面向本地数据的混合连接

许多组织仍保留部分本地数据。Azure 应用服务可通过以下方式连接这些数据：

1. VNet 集成：将应用服务连接到通过 ExpressRoute 或 VPN 与本地网络相连的虚拟网络。
2. 混合连接：无需 VPN 的更简方式，使应用服务可通过主机名与端口访问特定本地服务器。

设置混合连接：

1. 在应用服务中选择左侧栏的“网络”
2. 进入“混合连接”
3. 点击“添加混合连接”
4. 新建或使用现有连接
5. 指定终结点主机名与端口
6. 在本地服务器上安装 Hybrid Connection Manager

为数据应用实施功能开关

功能开关允许选择性启用功能，这对数据功能的 A/B 测试或逐步发布新模型很有价值：

{
  "FeatureFlags": {
    "NewRecommendationModel": false,
    "AdvancedDataFiltering": true
  }
}技术支持

在代码中读取这些开关：

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技术支持

这种方式可让您在少量用户中测试新功能，或在无需重新部署的情况下快速禁用有问题的功能。

> 如需深入了解自动化部署机器学习模型，请查阅这门 CI/CD for Machine Learning 课程。

结语

本教程带您全面了解如何为数据应用在 Azure 应用服务上进行搭建、部署、配置、扩展与优化。从创建第一个应用服务到实现自动扩展与混合连接等高级功能，您已具备利用 Azure 平台承载数据工作负载的知识。

要点回顾

1. Azure 应用服务提供全托管平台，让数据从业者专注于应用逻辑而非基础设施管理。
2. 多种部署选项可无缝融入现有开发工作流，无论您使用 GitHub、Azure DevOps 还是本地 Git 仓库。
3. 强大的扩展能力确保您的应用可应对不同工作负载，从开发测试到生产流量高峰。
4. 内置监控与诊断工具有助于维护可靠性与性能，并可针对数据应用设置专属指标。
5. 成本优化策略帮助您在降低开销的同时最大化价值，尤其适用于资源密集型数据工作负载。

后续步骤

若要继续深入 Azure 应用服务，建议探索：

1. 与 Azure ML 集成：将 Azure 机器学习中训练的模型部署到应用服务用于推理。
2. Azure Functions：用于事件驱动的无服务器计算，与应用服务应用相辅相成。
3. Azure API 管理：用于保护与管理公开数据服务的 API。
4. Azure Logic Apps：在应用服务与其他数据源之间实现工作流自动化。
5. 如果您正准备认证或想要系统化学习，Microsoft Azure 基础（AZ-900）学习路径 也很有帮助。

请记住云端生态发展迅速，因此请关注Azure 更新页面，发现可增强您数据应用的新功能与服务！