Képbesorolás az Azure-on

Blob Storage
Computer Vision
Cosmos DB
Event Grid
Functions

Ez a forgatókönyv olyan vállalatok számára releváns, amelyek képeket kell feldolgoznia.

A lehetséges alkalmazások közé tartozik egy divat webhely képeinek besorolása, a biztosítási igények szövegének és képének elemzése, vagy a játék képernyőképeiből származó telemetriai adatok megértése. A vállalatoknak hagyományosan gépi tanulási modellekre, modellek betanítása és végül a képek egyéni folyamaton keresztüli futtatására volt szükségük ahhoz, hogy kivezényelzék az adatokat a képekből.

Az Olyan Azure-szolgáltatások használatával, mint a Computer Vision API és az Azure Functions, a vállalatok kiküszöbölik az egyes kiszolgálók kezelésével kapcsolatos költségeket, miközben csökkentik a költségeket, és kihasználják a Microsoft által a képek feldolgozásával kapcsolatos, Cognitive Services. Ez a példaforgatókönyv kifejezetten a képfeldolgozási felhasználási esetekkel foglalkozik. Ha eltérő AI-igényei vannak, vegye figyelembe a teljes Cognitive Services.

Releváns esetek

További releváns esetek például a következők:

  • Képek besorolása egy divat webhelyről.
  • Telemetriai adatok besorolása játékok képernyőképei alapján.
  • Képek besorolása biztosítási igényekhez.

Architektúra

Architektúra a képosztályozáshoz

Ez a forgatókönyv egy webes vagy mobilalkalmazás háttérösszetevőire vonatkozik. Az adatok a következőképpen áramlnak végig a forgatókönyven:

  1. Az API-réteg a Azure Functions. Ezek az API-k lehetővé teszik, hogy az alkalmazás képeket töltsön fel, és adatokat Cosmos DB.
  2. Amikor egy kép feltöltése API-hívással történik, a rendszer a Blob Storage-ban tárolja azt.
  3. Ha új fájlokat ad hozzá a Blob Storage-hoz, Event Grid értesítést küld egy Azure-függvénynek.
  4. Azure Functions az újonnan feltöltött fájlra mutató hivatkozást küld a Computer Vision API-nak az elemzéshez.
  5. Miután a Computer Vision API visszaadta az adatokat, Azure Functions egy bejegyzést hoz létre a Cosmos DB-ban, hogy az elemzés eredményeit és a kép metaadatait is megőrződjön.

Összetevők

  • Computer Vision API a Cognitive Services csomag része, és az egyes lemezképek információinak lekérésére használható.
  • Azure Functions biztosítja a webalkalmazás háttér-API-ját, valamint a feltöltött képek eseményfeldolgozását.
  • Event Grid aktivál egy eseményt, amikor új képet töltöttek fel a blobtárolóba. A rendszerkép ezután az Azure Functions használatával lesz feldolgozva.
  • A Blob Storage tárolja a webalkalmazásba feltöltött összes képfájlt, valamint a webalkalmazás által használt statikus fájlokat.
  • Cosmos DB a feltöltött képek metaadatait tárolja, beleértve az API-ból származó Computer Vision eredményeit.

Alternatív megoldások

  • Custom Vision Szolgáltatás. A Computer Vision API taxonómián alapulókategóriákat ad vissza. Ha olyan adatokat kell feldolgoznia, amelyeket a Computer Vision API nem ad vissza, fontolja meg az Custom Vision Service használatát, amellyel egyéni képosztályozókat hozhat létre.
  • Cognitive Search (korábban Azure Search). Ha a felhasználási eset a metaadatok lekérdezésével keres adott feltételeknek megfelelő képeket, fontolja meg a metaadatok Cognitive Search. A Jelenleg előzetes verzióban elérhető Cognitive Search zökkenőmentesen integrálja ezt a munkafolyamatot.
  • Logic Apps:. Ha nem kell valós időben reagálnia a blobhoz hozzáadott fájlokra, érdemes lehet az Logic Apps. Egy logikai alkalmazás, amely képes ellenőrizni, hogy egy fájl hozzá lett-e adva, az ismétlődés eseményindítóval vagy a csúszóablakos eseményindítóval indítható.

Megfontolandó szempontok

Méretezhetőség

A példaforgatókönyvben használt összetevők többsége felügyelt szolgáltatás, amely automatikusan skálázódik. Néhány észrevehető kivétel: Azure Functions legfeljebb 200 példányra van korlátozva. Ha ezt a korlátot túl kell méretezni, fontolja meg több régió vagy alkalmazásterv alkalmazását.

Az automatikus Cosmos DB csak a SQL API-hoz lehet kiépítni. Ha más API-kat is használni tervez, tekintse meg a követelmények becslésével kapcsolatos útmutatást a dokumentáció kérelemegységei között. A partíciókulcsok a partíciókulcsok a Cosmos DB való teljes körű kihasználása Cosmos DB.

A NoSQL-adatbázisok gyakran cserélik a konzisztenciát (a CAP-tétel szempontjából) a rendelkezésre állás, a méretezhetőség és a particionálás tekintetében. Ebben a példaforgatókönyvben kulcs-érték adatmodellt használ, és ritkán van szükség tranzakciókonzisztenciára, mivel a legtöbb művelet definíció szerint atomi. A megfelelő adattár kiválasztása további útmutatást a következő dokumentumban Azure Architecture Center. Ha az implementáció nagy konzisztenciát igényel, a konzisztenciaszintet a Cosmos DB.

A skálázható megoldások tervezésével kapcsolatos általános útmutatásért tekintse meg a teljesítményhatékonysági ellenőrzőlistát a Azure Architecture Center.

Biztonság

Az Azure-erőforrások felügyelt identitása hozzáférést biztosít a fiókján belüli egyéb erőforrásokhoz, majd hozzárendeli a Azure Functions. Csak az identitások szükséges erőforrásaihoz engedélyezze a hozzáférést, hogy semmi további ne legyen elérhető a függvények számára (és az ügyfelek számára is).

A biztonságos megoldások tervezésével kapcsolatos általános útmutatásért tekintse meg az Azure Security dokumentációját.

Rugalmasság

Ebben a forgatókönyvben az összes összetevőt kezelik, így regionális szinten mind automatikusan rugalmasak.

A rugalmas megoldások tervezésére vonatkozó általános útmutatásért lásd: Rugalmas alkalmazások tervezése az Azure-hoz.

Díjszabás

A forgatókönyv futtatásának költségeinek feltárása érdekében az összes szolgáltatás előre konfigurálva van a költségkalkulátorban. Ha szeretné látni, hogyan változna a díjszabás az adott esetben, módosítsa a megfelelő változókat a várt forgalomnak megfelelően.

Három minta költségprofilt biztosítunk a forgalom mennyisége alapján (feltételezzük, hogy minden rendszerkép mérete 100 kb):

  • Kicsi:ez a díjszabási példa havonta 5000 kép feldolgozására mutat rá.
  • Közepes:ez a díjszabási példa havonta 500 000 kép feldolgozására mutat rá.
  • Nagyméretű: ez a díjszabási példa havonta 50 millió kép feldolgozására mutat rá.

Irányított képzési útvonal:

Mielőtt üzembe helyez egy példaforgatókönyvet éles környezetben, tekintse át az ajánlott eljárásokat a szolgáltatás teljesítményének és megbízhatóságának optimalizálásához Azure Functions.