Azure コンテナー インスタンスにコンテナーをデプロイして実行する

次の手順に従えば、Azure Container Instances を使用してクラウド内の Azure AI サービス アプリケーションを簡単にスケーリングすることができます。 コンテナー化により、インフラストラクチャを管理することにではなく、アプリケーションの構築に集中することができます。 コンテナーの使用方法の詳細については、「機能とメリット」を参照してください。

前提条件

レシピは、任意の Azure AI サービス コンテナーで機能します。 レシピを使用する前に、Azure AI サービス リソースを作成する必要があります。 コンテナーをサポートする各 Azure AI サービスには、コンテナーのサービスをインストールして構成するための "インストール方法" の記事があります。 一部のサービスにはコンテナーへの入力としてファイルまたは一連のファイルが必要です。このソリューションを使用する前に、コンテナーを正しく理解して使用していることが重要です。

• 使用している Azure AI サービスの Azure リソース。

• Azure AI サービス リソースのエンドポイント URL - Azure portal 内からエンドポイント URL が表示されている場所と正しい URL の形式の例を確認する方法については、お使いのサービスのコンテナーの "インストール方法" を確認してください。 正確な形式はサービスによって異なる可能性があります。

• Azure AI サービス リソース キー - キーは Azure リソースの [キー] ページにあります。 必要なのは 2 つのキーのうち 1 つだけです。 キーは 32 文字の英数字の文字列です。

• ローカル ホスト (コンピューター) 上の 1 つの Azure AI サービス コンテナー。 以下を実行できることを確認します。

  • docker pull コマンドでイメージをプルする。
  • docker run コマンドを使用し、必要なすべての構成設定を使用してローカル コンテナーを正常に実行する。
  • コンテナーのエンドポイントを呼び出し、HTTP 2xx の応答と JSON 応答が返される。

山かっこ <> 内のすべての変数は、ご自分の値に置き換える必要があります。 この置き換えには山かっこも含まれます。

重要

LUIS コンテナーには、実行時にでプルされる .gz モデル ファイルが必要です。 コンテナーからは、コンテナー インスタンスからのボリューム マウントを介してこのモデル ファイルにアクセスできる必要があります。 モデル ファイルをアップロードするには、次の手順を行います。

1. Azure ファイル共有を作成します。 後で必要になるため、Azure ストレージ アカウント名、キー、およびファイル共有名をメモします。
2. LUIS モデル (パッケージ アプリ) を LUIS ポータルからエクスポートします。
3. Azure portal で、ストレージ アカウント リソースの [概要] ページに移動し、 [ファイル共有] を選択します。
4. 最近作成したファイル共有名を選択し、 [アップロード] を選択します。 次に、パッケージ アプリをアップロードします。

Azure Portal

Azure portal を使用して Azure コンテナー インスタンス リソースを作成する

1. コンテナー インスタンスの作成のページに移動します。

2. [基本] タブで、以下の詳細を入力します。

   設定	値
   サブスクリプション	サブスクリプションを選択します。
   Resource group	利用可能なリソース グループを選択するか、新しいリソース グループを作成します (cognitive-services など)。
   コンテナー名	cognitive-container-instance などの名前を入力します。 この名前は小文字である必要があります。
   場所	デプロイのためのリージョンを選択します。
   イメージの種類	資格情報を必要としないコンテナー レジストリにコンテナー イメージが格納されている場合、Public を選択します。 コンテナー イメージにアクセスするとき、資格情報が必要な場合、Private を選択します。 コンテナー イメージが Public または Private ("パブリック プレビュー") であるかどうかに関する詳細は、「コンテナーのリポジトリとイメージ」を参照してください。
   イメージ名	Azure AI サービス コンテナーの場所を入力します。 場所は docker pull コマンドの引数として使用される場所です。 使用可能なイメージ名と対応するリポジトリについては、コンテナーのリポジトリとイメージを参照してください。 イメージ名は、3 つの部分を指定する完全修飾名にする必要があります。 最初にコンテナー レジストリ、次にリポジトリ、最後にイメージ名 <container-registry>/<repository>/<image-name> です。 例を 1 つ挙げてみると、mcr.microsoft.com/azure-cognitive-services/keyphrase であれば、Microsoft Container Registry の Azure AI サービス リポジトリにあるキー フレーズ抽出イメージを指します。 もう 1 つの例を挙げると、containerpreview.azurecr.io/microsoft/cognitive-services-speech-to-text は、Container Preview コンテナー レジストリの Microsoft リポジトリの音声テキスト変換イメージです。
   OS の種類	Linux
   サイズ	特定の Azure AI コンテナーに対して推奨されるサイズに変更します。 2 CPU コア 4 GB

3. [ネットワーク] タブで、以下の詳細を入力します。

   設定	値
   Port	TCP ポートを 5000 に設定します。 ポート 5000 上でコンテナーを公開します。

4. [詳細] タブで、Azure Container Instance リソースのコンテナー課金設定に必要な環境変数を入力します。

   Key	値
   ApiKey	リソースの [キーとエンドポイント] ページからコピーされます。 スペースやダッシュを含まない 32 文字の英数字文字列 (xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx) です。
   Billing	リソースの [キーとエンドポイント] ページからコピーされたエンドポイント URL。
   Eula	accept

5. [確認と作成] を選択します

6. 検証に合格した後、 [作成] をクリックして作成プロセスを終了します

7. リソースが正常にデプロイされると、準備完了です

CLI

Azure CLI から Azure コンテナー インスタンス リソースを作成する

次の YAML は、Azure コンテナー インスタンス リソースを定義します。 内容をコピーして新しいファイルに貼り付け、my-aci.yaml という名前を付け、コメント付きの値を独自の値に置き換えます。 有効な YAML については、テンプレートの形式を参照してください。 使用可能なイメージ名と対応するリポジトリについては、コンテナーのリポジトリとイメージを参照してください。 コンテナー インスタンスの YAML リファレンスの詳細については、「YAML リファレンス: Azure Container Instances」をご覧ください。

apiVersion: 2018-10-01
location: # < Valid location >
name: # < Container Group name >
properties:
  imageRegistryCredentials: # This is only required if you are pulling a non-public image that requires authentication to access. For example Text Analytics for health.
  - server: containerpreview.azurecr.io
    username: # < The username for the preview container registry >
    password: # < The password for the preview container registry >
  containers:
  - name: # < Container name >
    properties:
      image: # < Repository/Image name >
      environmentVariables: # These env vars are required
        - name: eula
          value: accept
        - name: billing
          value: # < Service specific Endpoint URL >
        - name: apikey
          value: # < Service specific API key >
      resources:
        requests:
          cpu: 4 # Always refer to recommended minimal resources
          memoryInGb: 8 # Always refer to recommended minimal resources
      ports:
        - port: 5000
  osType: Linux
  volumes: # This node, is only required for container instances that pull their model in at runtime, such as LUIS.
  - name: aci-file-share
    azureFile:
      shareName: # < File share name >
      storageAccountName: # < Storage account name>
      storageAccountKey: # < Storage account key >
  restartPolicy: OnFailure
  ipAddress:
    type: Public
    ports:
    - protocol: tcp
      port: 5000
tags: null
type: Microsoft.ContainerInstance/containerGroups

注意

すべての場所で同じ CPU とメモリが使用できるわけではありません。 コンテナーで使用可能なリソースを場所と OS ごとにまとめた一覧については、場所とリソースの表を参照してください。

作成した YAML ファイルを az container create コマンドに使用します。 Azure CLI から、<resource-group> を独自の値に置き換えて az container create コマンドを実行します。 また、YAML デプロイ内の値をセキュリティで保護する方法については、値をセキュリティで保護するを参照してください。

az container create -g <resource-group> -f my-aci.yaml

有効な場合、コマンドの出力は Running... となります。しばらくすると、出力は新しく作成された ACI リソースを表す JSON 文字列に変化します。 コンテナー イメージはしばらく使用できない可能性が高いですが、リソースは配置されています。

ヒント

YAML は場所と一致するように適切に調整する必要があるため、パブリック プレビューの Azure AI サービスの場所に十分注意してください。

コンテナー インスタンスを使用する

Azure Portal

1. [概要] を選択し、IP アドレスをコピーします。 これは 55.55.55.55 のような数値の IP アドレスです。

2. 新しいブラウザー タブを開き、http://<IP-address>:5000 (http://55.55.55.55:5000 のような IP アドレスを使用します。 コンテナーのホーム ページが表示され、コンテナーが実行中であることが示されます。

   

3. [Service API Description](サービス API の説明) を選択し、コンテナーの Swagger ページを表示します。

4. いずれかの POST API を選択して [試してみる] を選択します。入力を含むパラメーターが表示されます。 パラメーターを入力します。

5. [実行] を選択して、要求をコンテナー インスタンスに送信します。

   Azure コンテナー インスタンスへの Azure AI コンテナーの作成と使用は以上で完了です。

CLI

コンテナーが実行されていることを検証する

コンテナーが実行されていることを検証する方法は複数あります。 問題になっているコンテナーの "外部 IP" アドレスと公開ポートを特定し、任意の Web ブラウザーを開きます。 次の各種の要求 URL を使用して、コンテナーが実行中であることを確認します。 ここに示す要求例の URL は http://localhost:5000 ですが、実際のコンテナーは異なる可能性があります。 使用するコンテナーの外部 IP アドレスと公開ポートを基にしてください。

要求 URL	目的
http://localhost:5000/	コンテナーには、ホーム ページが用意されています。
http://localhost:5000/ready	GET で要求することで、この URL により、コンテナーがモデルに対するクエリを受け取る準備ができていることを確認できます。 この要求は Kubernetes の liveness probe と readiness probe に対して使用できます。
http://localhost:5000/status	これも GET で要求することで、この URL により、コンテナーを起動するために使用された API キーが有効であるかどうかを、エンドポイント クエリを発生させずに確認できます。 この要求は Kubernetes の liveness probe と readiness probe に対して使用できます。
http://localhost:5000/swagger	コンテナーには、エンドポイントの完全なドキュメント一式と、 [Try it out](試してみる) の機能が用意されています。 この機能を使用すると、コードを一切記述することなく、お客様の設定を Web ベースの HTML フォームに入力したりクエリを実行したりできます。 クエリから戻った後、HTTP ヘッダーと HTTP 本文の必要な形式を示すサンプル CURL コマンドが得られます。

Note

正常性コンテナーに対して Text Analytics を実行している場合は、次の URL を使用してクエリを送信します。http://localhost:5000/text/analytics/v3.2-preview.1/entities/health