Azure Lab Services - Yönetici istrator kılavuzu
Bir üniversitenin bulut kaynaklarını yöneten bilgi teknolojisi (BT) yöneticileri genellikle okulları için laboratuvar planını ayarlamakla sorumludur. Bir laboratuvar planı ayarladıktan sonra, yöneticiler veya eğitimciler laboratuvar planıyla ilişkili laboratuvarlar oluşturur. Bu makalede, ilgili Azure kaynaklarına yönelik üst düzey bir genel bakış ve bunları oluşturmaya yönelik yönergeler sağlanmaktadır.
Not
Bu makalede laboratuvar hesaplarının yerini alan laboratuvar planlarındaki özelliklere başvuruda bulunulmaktadır.
Laboratuvar planının ayarlarına bağlı olarak, bazı kaynaklar aboneliğinizde veya Azure Lab Services tarafından yönetilen bir abonelikte barındırılır.
- Laboratuvar VM'leri, Azure Lab Services'in sahip olduğu bir Azure aboneliğinde barındırılır.
- Laboratuvar planları, laboratuvarlar, işlem galerileri ve görüntü sürümleri aboneliğinizde barındırılır.
- Gelişmiş ağ kullanıyorsanız laboratuvar VM'leri için sanal ağ ve ağ ile ilgili kaynaklar aboneliğinizde barındırılır. Aksi takdirde, sanal ağ Azure Lab Services tarafından yönetilen bir abonelikte barındırılır.
- Laboratuvar planlarınızı, laboratuvarlarınızı ve işlem galerilerinizi aynı kaynak grubunda veya farklı kaynak gruplarında kullanabilirsiniz.
Not
Laboratuvar hesaplarını kullanmaya devam ediyorsanız laboratuvar hesaplarını kullanırken Yönetici istrator kılavuzuna bakın.
Daha fazla bilgi için bkz . Laboratuvar mimarisinin temelleri.
Abonelik
Üniversitenizde bir veya daha fazla Azure aboneliği olabilir. Abonelikleri, laboratuvar planları ve laboratuvarlar dahil olmak üzere içinde kullanılan Azure kaynakları ve hizmetleri için faturalamayı ve güvenliği yönetmek için kullanırsınız.
Laboratuvar planı ile aboneliği arasındaki ilişki önemlidir çünkü:
- Faturalama, laboratuvar planını içeren abonelik aracılığıyla bildirilir.
- Aboneliğin Microsoft Entra kiracısında kullanıcılara Azure Lab Services laboratuvar planlarını ve laboratuvarlarını yönetme olanağı veresiniz. Birini laboratuvar planı sahibi, laboratuvar planı katkıda bulunanı, laboratuvar oluşturucusu veya laboratuvar sahibi olarak ekleyebilirsiniz. Yerleşik RBAC rolleri hakkında daha fazla bilgi için bkz . Kimliği yönetme.
Labs Services sanal makineleri (VM' ler) Sizin için Azure Lab Services'in sahip olduğu bir abonelikte yönetilir ve barındırılır.
Kaynak grubu
Abonelik bir veya daha fazla kaynak grubu içerir. Kaynak grupları, aynı çözümde birlikte kullanılan Azure kaynaklarının mantıksal gruplandırmalarını oluşturur.
Laboratuvar planı oluşturmadan önce laboratuvar planını içeren kaynak grubunu yapılandırın. Kaynak gruplarınıza dikkatli bir şekilde ad verin. Laboratuvarlar, Lab Services web portalında kaynak grubu adına göre gruplandırılır: https://labs.azure.com.
Azure İşlem Galerisi oluştururken bir kaynak grubuna da ihtiyacınız vardır. Laboratuvar planınızı ve işlem galerinizi aynı kaynak grubuna veya ayrı kaynak gruplarına yerleştirebilirsiniz. İşlem galerisini çeşitli çözümlerde paylaşmayı planlıyorsanız ikinci yaklaşımı seçebilirsiniz.
Kaynak gruplarınızın yapısını planlamak için zaman ayırmanızı öneririz. Bir laboratuvar planını veya işlem galerisi kaynak grubunu oluşturduktan sonra değiştirmek mümkün değildir. Bu kaynakların kaynak grubunu değiştirmeniz gerekiyorsa, bunları silip yeniden oluşturmanız gerekir.
Laboratuvar planı
Laboratuvar planı, laboratuvarın oluşturulmasını etkileyen yapılandırmalar kümesidir. Laboratuvar planı sıfır veya daha fazla laboratuvarla ilişkilendirilebilir. Azure Lab Services'i kullanmaya başladığınızda tek bir laboratuvar planınız olabilir. Laboratuvar kullanımınız ölçeklendirildikçe daha fazla laboratuvar planı oluşturmayı seçebilirsiniz.
Aşağıdaki listede birden fazla laboratuvar planı isteyebileceğiniz senaryolar vurgulanır.
Laboratuvarlar arasında farklı ilke gereksinimlerini yönetme
Laboratuvar planı oluşturduğunuzda, içinde oluşturulan tüm laboratuvarlar için geçerli olan ilkeler ayarlarsınız, örneğin:
- Laboratuvarın erişebileceği paylaşılan kaynaklara sahip Azure sanal ağı. Örneğin, bir sanal ağ içindeki lisans sunucusuna erişmesi gereken bir dizi laboratuvarınız olabilir.
- Laboratuvarların VM oluşturmak için kullanabileceği sanal makine görüntüleri. Örneğin, Linux Azure Market görüntüsü için Veri Bilimi VM'sine erişmesi gereken bir laboratuvar kümeniz olabilir.
Laboratuvarlarınızın her birinin benzersiz ilke gereksinimleri varsa, her laboratuvarı ayrı ayrı yönetmek için ayrı laboratuvar planları oluşturmanız gerekebilir.
Pilot laboratuvarları etkin veya üretim laboratuvarlarından yalıtma
Etkin laboratuvarlarınızı etkilemeden bir laboratuvar planı için ilke değişikliklerini pilot olarak kullanmak isteyebilirsiniz. Pilot kullanım amacıyla ayrı bir laboratuvar planı oluşturmak, değişiklikleri yalıtmanıza olanak tanır.
Laboratuvar
Laboratuvar, her birine tek bir öğrenciye atanan VM'leri içerir. Genel olarak şunları bekleyebilirsiniz:
- Her sınıf için bir laboratuvara sahip olun.
- Kullandığınız her dönem, üç aylık dönem veya diğer akademik sistem için yeni bir laboratuvar kümesi oluşturun. Aynı görüntüyü kullanması gereken sınıflar için bir işlem galerisi kullanmanız gerekir. Bu şekilde, görüntüleri laboratuvarlar ve akademik dönemler arasında yeniden kullanabilirsiniz.
Laboratuvarlarınızı nasıl yapılandırabileceğinizi belirlerken aşağıdaki noktaları göz önünde bulundurun:
Laboratuvardaki tüm VM'ler yayımlanan görüntüyle dağıtılır
Sonuç olarak, aynı anda farklı laboratuvar görüntülerinin yayımlanmasını gerektiren bir sınıfınız varsa, her görüntü için ayrı bir laboratuvar oluşturmanız gerekir.
Kullanım kotası laboratuvar düzeyinde ayarlanır ve laboratuvardaki tüm kullanıcılar için geçerlidir
Kullanıcılar için farklı kotalar ayarlamak için ayrı laboratuvarlar oluşturmanız gerekir. Ancak, kotayı ayarladıktan sonra belirli kullanıcılara daha fazla saat eklemek mümkündür.
Başlatma veya kapatma zamanlaması laboratuvar düzeyinde ayarlanır ve laboratuvardaki tüm VM'ler için geçerlidir
Kota ayarına benzer şekilde, kullanıcılar için farklı zamanlamalar ayarlamanız gerekiyorsa, her zamanlama için ayrı bir laboratuvar oluşturmanız gerekir.
Varsayılan olarak, her laboratuvarın kendi sanal ağı vardır. Gelişmiş ağ kullanıyorsanız, her laboratuvar belirtilen ağı kullanır.
Azure Compute Gallery
Azure İşlem Galerisi bir laboratuvar planına eklenir. Depolanan görüntüler için merkezi bir depo görevi görür. Bir eğitimci bunu laboratuvarın şablon VM'sinden dışarı aktardığında galeriye bir görüntü kaydedilir. Bir eğitimci bir şablon VM'sini her değiştirip dışarı aktarışında galeride yeni görüntü tanımları veya sürümleri oluşturulur.
Eğitimciler, yeni bir laboratuvar oluşturduklarında işlem galerisinden bir görüntü sürümü yayımlayabilir. Galeri bir görüntünün birden çok sürümünü depolasa da, eğitimciler laboratuvar oluştururken yalnızca en son sürümü seçebilir. En son sürüm, MajorVersion, minorVersion ve patch değerlerinin en yüksek değerine göre seçilir. Sürümler hakkında daha fazla bilgi için bkz . Görüntü sürümleri.
İşlem galerisi isteğe bağlı bir kaynaktır. Yalnızca birkaç laboratuvarla başlıyorsanız, hemen ihtiyacınız olmayabilir. İşlem galerisi, ölçeği daha fazla laboratuvara genişlettikçe yararlı olan birçok avantaj sunar:
Şablon VM görüntüsünün sürümlerini kaydedebilir ve yönetebilirsiniz
Azure Market galerisinden bir görüntüde özel görüntü oluşturmak veya yapılandırma ve yazılım gibi değişiklikler yapmak yararlıdır. Örneğin, farklı yazılımların veya araçların yüklenmesini zorunlu kılar. Öğrencilerin bu önkoşulları kendi başlarına el ile yüklemelerini gerektirmek yerine, şablon VM görüntüsünün farklı sürümlerini işlem galerisine aktarabilirsiniz. Yeni laboratuvarlar oluştururken bu görüntü sürümlerini kullanabilirsiniz.
Şablon VM görüntülerini laboratuvarlar arasında paylaşabilir ve yeniden kullanabilirsiniz
Her yeni laboratuvar oluşturduğunuzda sıfırdan yapılandırmanız gerekmemesi için görüntüyü kaydedebilir ve yeniden kullanabilirsiniz. Örneğin, birden çok sınıfın aynı görüntüyü kullanması gerekiyorsa, bunu oluşturun ve laboratuvarlar arasında paylaşılabilmesi için işlem galerisine aktarın.
Laboratuvarların dışındaki diğer ortamlardan kendi özel görüntülerinizi karşıya yükleyebilirsiniz
Özel görüntüleri laboratuvar bağlamının dışında kalan diğer ortamlara yükleyebilirsiniz. Örneğin, görüntüleri kendi fiziksel laboratuvar ortamınızdan veya bir Azure VM'den işlem galerisine yükleyebilirsiniz. Bir görüntüyü galeriye aktardıktan sonra, görüntüleri kullanarak laboratuvar oluşturabilirsiniz.
İşlem galerisi görüntülerini mantıksal olarak gruplandırmak için aşağıdaki yöntemlerden birini kullanabilirsiniz:
- Birden çok işlem galerisi oluşturun. Her laboratuvar planı yalnızca bir işlem galerisine bağlanabilir, bu nedenle bu seçenek birden çok laboratuvar planı oluşturmanızı da gerektirir.
- Birden çok laboratuvar planının paylaştığı tek bir işlem galerisi kullanın. Bu durumda, her laboratuvar planı yalnızca söz konusu plandaki laboratuvarlar için geçerli olan görüntüleri etkinleştirebilir.
Adlandırma
Azure Lab Services'i kullanmaya başladığınızda, Azure ve Azure Lab Services kaynakları için adlandırma kuralları oluşturmanızı öneririz. Kaynak adlandırma kısıtlamaları için bkz . Microsoft.LabServices adlandırma kuralları ve kısıtlamaları. Oluşturduğunuz adlandırma kuralları kuruluşunuzun gereksinimlerine özgü olsa da, aşağıdaki tabloda yönergeler sağlanır:
| Kaynak türü | Role | Önerilen düzen | Örnekler |
|---|---|---|---|
| Kaynak grubu | Bir veya daha fazla laboratuvar planı, laboratuvar veya işlem galerisi içerir. | rg-labs-{org-name}-{env}-{instance}, rg-labs-{dept-name}-{env}-{instance} | rg-labs-contoso-pilot, rg-labs--math-prod-001 |
| Laboratuvar planı | Yeni oluşturulan laboratuvarlar için şablon. | lp-{org-name}-{env}-{instance}, lp-{dept-name}-{env}-{instance} | lp-contoso, lp-contoso-pilot, lp-math-001 |
| Laboratuvar | Öğrenci VM'lerini içerir. | {class-name}-{time}-{educator} | CS101-Fall2021, CS101-Fall2021-JohnDoe |
| Azure Compute Gallery | VM görüntüsü sürümlerini içerir. | sig-{org-name}-{env}-{instance}, sig-{dept-name}-{env}-{instance} | sig-contoso-001, sig-math-prod |
Devam eden tabloda, önerilen ad desenleri bazı terimleri ve belirteçleri kullanır:
| Desen terimi/belirteci | Tanım | Örnek |
|---|---|---|
| {org-name} | Boşluk içermeyen kuruluş kısa adı belirteci. | contoso |
| {dept-name} | Kuruluştaki departmanın kısa adı için belirteç. | matematik, biyo, cs |
| {env} | Ortam adı belirteci. | üretim için prod, küçük test için pilot |
| {instance} | Birden çok kaynak oluşturulduysa örneği tanımlamak için numara. | 001, 123 |
| {class-name} | Desteklenen sınıf için kısa ad veya kod belirteci. | CS101, BIO101 |
| {educator} | Laboratuvarı çalıştıran eğitimcinin diğer adı. | johndoe |
| {time} | Sınıfın sunulduğu zamana ilişkin kısa ad (boşluksuz) belirteci. | Spring2021, Dec2021 |
| Rg | Kaynağın bir kaynak grubu olduğunu gösterir. | |
| Lp | Kaynağın bir laboratuvar planı olduğunu gösterir. | |
| Sıg | Kaynağın bir işlem galerisi olduğunu gösterir. |
Diğer Azure kaynaklarını adlandırma hakkında daha fazla bilgi için bkz . Azure kaynakları için adlandırma kuralları.
Bölgeler
Azure Lab Services kaynaklarınızı ayarlarken, kaynakları barındıran veri merkezinin bölgesini veya konumunu sağlamanız gerekir. Laboratuvar planları, laboratuvarların oluşturulacağı bir veya daha fazla bölgeyi etkinleştirebilir.
Kaynak grubu. Bölge, kaynak grubuyla ilgili bilgilerin depolandığı veri merkezini belirtir. Azure kaynakları, bulundukları kaynak grubundan farklı bir bölgede olabilir.
Laboratuvar planı. Laboratuvar planının konumu, kaynağın bulunduğu bölgeyi gösterir. Laboratuvar planı kendi sanal ağınıza bağlandığında ağın laboratuvar planıyla aynı bölgede olması gerekir. Ayrıca laboratuvarlar bu sanal ağ ile aynı Azure bölgesinde oluşturulur.
Laboratuvar' da. Laboratuvarın bulunduğu konum değişir. Laboratuvar planıyla aynı konumda olması gerekmez. Yönetici istrator'lar laboratuvar planı ayarları aracılığıyla hangi bölgelerde laboratuvar oluşturulabileceğini denetler.
Genel bir kural olarak, kaynağın bölgesini kullanıcılarına en yakın olan bölge olarak ayarlayın. Laboratuvarlar için bu, öğrencileriniz için en yakın laboratuvarı oluşturmak anlamına gelir. Öğrencileri dünyanın her yerinde bulunan kurslar için merkezi olarak bulunan veya sınıfı bölgelere göre birden çok laboratuvara bölen bir laboratuvar oluşturmayı deneyin.
Not
Bir bölgenin yeterli VM kapasitesine sahip olduğundan emin olmak için ilk istek kapasitesi.
VM boyutlandırma
Yöneticiler veya laboratuvar oluşturucuları bir laboratuvar oluşturduğunuzda, sınıflarının ihtiyaçlarına bağlı olarak çeşitli VM boyutları arasından seçim yapabilir. Belirli VM boyutlarının kullanılabilirliği, laboratuvar planınızın bulunduğu bölgeye bağlıdır. Daha fazla kapasite isteme hakkında bilgi edinin.
VM boyutları ve bunların maliyeti hakkında bilgi için bkz . Azure Lab Services Fiyatlandırması.
Varsayılan VM boyutları
| Size | En düşük vCPU sayısı | En düşük bellek: GiB | Seriler | Önerilen kullanım |
|---|---|---|---|---|
| Küçük | 2 | 4 | Standard_F2s_v2 | Komut satırı, web tarayıcısı açma, düşük trafikli web sunucuları, küçük ve orta ölçekli veritabanları için idealdir. |
| Orta | 4 | 8 | Standard_F4s_v2 | İlişkisel veritabanları, bellek içi önbelleğe alma ve analiz için en uygun seçenektir. |
| Orta (iç içe sanallaştırma) | 4 | 16 | Standard_D4s_v4 | İlişkisel veritabanları, bellek içi önbelleğe alma ve analiz için en uygun seçenektir. Bu boyut iç içe sanallaştırmayı destekler. |
| Büyük | 8 | 16 | Standard_F8s_v2 | Daha hızlı CPU'lara, daha iyi yerel disk performansına, büyük veritabanlarına, büyük bellek önbelleklerine ihtiyaç duyan uygulamalar için en uygun olanıdır. |
| Büyük (iç içe sanallaştırma) | 8 | 32 | Standard_D8s_v4 | Daha hızlı CPU'lara, daha iyi yerel disk performansına, büyük veritabanlarına, büyük bellek önbelleklerine ihtiyaç duyan uygulamalar için en uygun olanıdır. Bu boyut iç içe sanallaştırmayı destekler. |
| Küçük GPU (İşlem) | 8 | 56 | Standard_NC8as_T4_v3 | Yapay zeka ve derin öğrenme gibi yoğun bilgisayar kullanımı gerektiren uygulamalar için en uygun yöntemdir. |
| Küçük GPU (görselleştirme) | 8 | 28 | Standard_NVas_v4 | (Yalnızca Windows) OpenGL ve DirectX gibi çerçeveleri kullanarak uzaktan görselleştirme, akış, oyun ve kodlama için en uygun yöntemdir. |
| Orta GPU (görselleştirme) | 12 | 112 | Standard_NV12s_v3 | (Yalnızca Windows) OpenGL ve DirectX gibi çerçeveleri kullanarak uzaktan görselleştirme, akış, oyun ve kodlama için en uygun yöntemdir. |
Alternatif VM boyutları
Talebin yüksek olduğu konumlarda size daha iyi hizmet vermek için alternatif VM boyutları listesinden seçim yapabilirsiniz.
| Size | En düşük vCPU sayısı | En düşük bellek: GiB | Seriler | Önerilen kullanım |
|---|---|---|---|---|
| Alternatif Küçük GPU (İşlem) | 6 | 112 | Standard_NC6s_v3 | Yapay zeka ve derin öğrenme gibi yoğun bilgisayar kullanımı gerektiren uygulamalar için en uygun yöntemdir. |
| Alternatif Küçük GPU (Görselleştirme) | 6 | 55 | Standard_NV6ads_A10_v5 | (Yalnızca Windows) OpenGL ve DirectX gibi çerçeveleri kullanarak uzaktan görselleştirme, akış, oyun ve kodlama için en uygun yöntemdir. |
| Alternatif Orta GPU (Görselleştirme) | 12 | 110 | Standard_NV12ads_A10_v5 | (Yalnızca Windows) OpenGL ve DirectX gibi çerçeveleri kullanarak uzaktan görselleştirme, akış, oyun ve kodlama için en uygun yöntemdir. |
Klasik VM boyutları
Bir laboratuvar planı oluşturduysanız ve Azure aboneliğinizde hala laboratuvar hesaplarınız varsa, laboratuvar hesapları için kullanılabilir VM boyutları arasından seçim yapabilirsiniz. Azure Lab Services kullanıcı arabiriminde, bu VM boyutları klasik VM boyutları olarak işaretlenir.
| Size | En düşük vCPU sayısı | En düşük bellek: GiB | Seriler | Önerilen kullanım |
|---|---|---|---|---|
| Klasik Küçük | 2 | 4 | Standard_A2_v2 | Komut satırı, web tarayıcısı açma, düşük trafikli web sunucuları, küçük ve orta ölçekli veritabanları için idealdir. |
| Klasik Orta | 4 | 8 | Standard_A4_v2 | İlişkisel veritabanları, bellek içi önbelleğe alma ve analiz için en uygun seçenektir. |
| Klasik Büyük | 8 | 16 | Standard_A8_v2 | Daha hızlı CPU'lara, daha iyi yerel disk performansına, büyük veritabanlarına, büyük bellek önbelleklerine ihtiyaç duyan uygulamalar için en uygun olanıdır. |
| Klasik Orta (İç İçe Sanallaştırma) | 4 | 16 | Standard_D4s_v3 | İlişkisel veritabanları, bellek içi önbelleğe alma ve analiz için en uygun seçenektir. Bu boyut iç içe sanallaştırmayı destekler. |
| Klasik Büyük (İç İçe Sanallaştırma) | 8 | 32 | Standard_D8s_v3 | Daha hızlı CPU'lara, daha iyi yerel disk performansına, büyük veritabanlarına, büyük bellek önbelleklerine ihtiyaç duyan uygulamalar için en uygun olanıdır. Bu boyut iç içe sanallaştırmayı destekler. |
| Klasik Küçük GPU (İşlem) | 6 | 56 | Standard_NC6 | Yapay zeka ve derin öğrenme gibi yoğun bilgisayar kullanımı gerektiren uygulamalar için en uygun yöntemdir. |
| Klasik Küçük GPU (Görselleştirme) | 6 | 56 | Standard_NV6 | OpenGL ve DirectX gibi çerçeveleri kullanarak uzaktan görselleştirme, akış, oyun ve kodlama için en uygun yöntemdir. |
| Klasik Orta GPU (Görselleştirme) | 12 | 112 | Standard_NV12s_v3 | OpenGL ve DirectX gibi çerçeveleri kullanarak uzaktan görselleştirme, akış, oyun ve kodlama için en uygun yöntemdir. |
RBAC rolleri
Azure Lab Services, yaygın yönetim senaryoları için yerleşik Azure rol tabanlı erişim denetimi (Azure RBAC) sağlar. Microsoft Entra Id'de profili olan bir kişi bu Azure rollerini kullanıcılara, gruplara, hizmet sorumlularına veya yönetilen kimliklere atayabilir. Roller, Azure Lab Services kaynaklarındaki kaynaklara ve işlemlere erişim verebilir veya erişimi reddedebilir. Azure Lab Services'da Azure rol tabanlı erişim denetimi hakkında daha fazla bilgi edinin.
İçerik filtrelemesi
Okulunuzun öğrencilerin uygunsuz web sitelerine erişmesini önlemek için içerik filtrelemesi yapması gerekebilir. Örneğin, Çocukların İnterneti Koruma Yasası'na (CIPA) uymanız gerekebilir. Azure Lab Services, içerik filtreleme için yerleşik destek sunmaz ve ağ düzeyinde filtrelemeyi desteklemez.
Okullar genellikle her bilgisayarda içerik filtreleme gerçekleştiren Microsoft dışı yazılımlar yükleyerek içerik filtrelemeye yaklaşır. Her bilgisayara içerik filtreleme yazılımı yüklemek için, yazılımı her laboratuvarın şablon VM'sine yüklemeniz gerekir.
Bu çözümün bir parçası olarak vurgulamak için birkaç önemli nokta vardır:
- Autoshutdown ayarlarını kullanmayı planlıyorsanız, Microsoft dışı yazılımla çeşitli Azure ana bilgisayar adlarının engelini kaldırmanız gerekir. Otomatikshutdown ayarları, Laboratuvar Hizmetleri'ne geri iletişim kurabilmesi gereken bir tanılama uzantısı kullanır. Aksi takdirde, otomatikshutdown ayarları laboratuvar için etkinleştirilemiyor.
- Ayrıca, her öğrencinin içerik filtreleme yazılımını kaldıramaması için sanal makinelerinde yönetici ayrıcalıkları olmayan bir hesap kullanmasını da isteyebilirsiniz. Laboratuvar oluşturulurken böyle bir hesap eklenmelidir.
Daha fazla bilgi için bkz . Azure Lab Services'da desteklenen ağ senaryoları.
Okulunuzun içerik filtrelemesi yapması gerekiyorsa daha fazla bilgi için Azure Lab Services'ın Soru-Cevap'ını kullanarak bizimle iletişime geçin.
Uç nokta yönetimi
Microsoft Configuration Manager gibi birçok uç nokta yönetim aracı, Windows VM'lerinin benzersiz makine güvenlik tanımlayıcılarına (SID) sahip olmasını gerektirir. SysPrep kullanarak genelleştirilmiş bir görüntü oluşturmak genellikle vm görüntüden önyükleme yaparken her Windows makinesinin yeni, benzersiz bir makine SID'sinin oluşturulmasını sağlar.
Laboratuvar Hizmetleri ile bir şablonla laboratuvar oluşturursanız laboratuvar VM'leri aynı SID'ye sahiptir. Laboratuvar oluşturmak için genelleştirilmiş bir görüntü kullansanız bile, şablon VM'sinin ve laboratuvar kullanıcısı VM'lerin tümü aynı makine SID'sine sahiptir. Şablon VM'sinin görüntüsü, öğrenci VM'lerini oluşturmak üzere yayımladığınızda özel bir durumda olduğundan VM'ler aynı SID'ye sahiptir.
Benzersiz SID'ye sahip laboratuvar VM'lerini almak için şablon VM'sine sahip olmayan bir laboratuvar oluşturun. Azure Market veya ekli Azure İşlem Galerisi'nden genelleştirilmiş bir görüntü kullanmanız gerekir. Kendi Azure İşlem Galerinizi kullanmak için bkz . Azure Lab Services'da işlem galerisi ekleme veya ayırma. Makine SID'leri PsGetSid gibi bir araç kullanılarak doğrulanabilir.
Uç nokta yönetim aracı veya benzer bir yazılım kullanmayı planlıyorsanız laboratuvarlarınız için şablon VM'leri kullanmamanızı öneririz.
Microsoft Entra yazma/katılma, Microsoft Entra karma katılımı veya AD etki alanına katılma
Laboratuvarların ayarlanmasını ve yönetilmesini kolaylaştırmak için Azure Lab Services, laboratuvar VM'lerini Active Directory'ye (AD) veya Microsoft Entra Id'ye kaydetmeye/birleştirmeye gerek olmadan tasarlanmıştır. Sonuç olarak, Azure Lab Services şu anda laboratuvar VM'lerini kaydetmek/katılmak için yerleşik destek sunmaz. Microsoft Entra kaydı/katılımı, Microsoft Entra karma katılımı veya AD etki alanına katılma laboratuvar VM'leri diğer mekanizmaları kullanarak mümkündür. Ürün sınırlamaları nedeniyle, laboratuvar VM'lerini Active Directory'ye veya Microsoft Entra Id'ye kaydetmeyi/birleştirmeyi denemenizi önermeyiz.
Fiyatlandırma
Fiyatlandırma hakkındaki bu olguları dikkate alın.
Azure Lab Services
Fiyatlandırma hakkında bilgi edinmek için bkz . Azure Lab Services fiyatlandırması.
Microsoft Maliyet Yönetimi'ndeki faturalama girişleri laboratuvar VM'lerine göredir. Laboratuvar planı kimliği ve laboratuvar adı etiketleri, daha esnek analiz ve bütçeleme için her girişe otomatik olarak eklenir.
Azure İşlem galerisi
Görüntü sürümlerini depolamak ve yönetmek için işlem galerilerini kullanmayı planlıyorsanız işlem galerisi hizmetinin fiyatlandırmasını göz önünde bulundurun.
İşlem galerisi oluşturma ve bunu laboratuvar planınıza ekleme ücretsizdir. Görüntü sürümünü galeriye kaydedene kadar ücret uygulanmaz. İşlem galerisi kullanmanın fiyatlandırması genellikle göz ardı edilebilir. Fiyat Azure Lab Services fiyatlandırmasına dahil olmadığından galerinin bunu nasıl hesapladığını anlamak önemlidir.
Depolama ücretleri
Görüntü sürümlerini depolamak için işlem galerisi varsayılan olarak standart sabit disk sürücüsü (HDD) yönetilen diskleri kullanır. Laboratuvar Hizmetleri ile işlem galerisini kullanırken HDD ile yönetilen diskler kullanmanızı öneririz. Kullanılan HDD ile yönetilen diskin boyutu, depolanmakta olan görüntü sürümünün boyutuna bağlıdır. Lab Services, 128 GB'a kadar olan görüntü ve disk boyutlarını destekler. Fiyatlandırma hakkında bilgi edinmek için bkz . Yönetilen disk fiyatlandırması.
Azure Lab Services, laboratuvar şablonuna veya laboratuvar VM'sine ek disk eklemeyi desteklemez.
Çoğaltma ve ağ çıkış ücretleri
Bir görüntü sürümünü laboratuvar şablonu VM'sini kullanarak kaydettiğinizde, Azure Lab Services bunu ilk olarak bir kaynak bölgede depolar. Ancak, kaynak görüntü sürümünü hedef bölgelere çoğaltmanız gerekebilir.
Bir görüntü sürümü kaynak bölgeden hedef bölgeye çoğaltıldığında ağ çıkış ücreti oluşur. Ücretlendirilen tutar, görüntü kaynak bölgeden aktarıldığında görüntü sürümünün boyutuna bağlıdır. Fiyatlandırma ayrıntıları için bkz . Bant genişliği fiyatlandırma ayrıntıları.
Eğitim Çözümleri müşterileri için çıkış ücretlerinden feragat edilebilir. Daha fazla bilgi edinmek için hesap yöneticinize başvurun.
Daha fazla bilgi için, Eğitim kurumları için programlar sayfasının SSS bölümünde "Akademik müşteriler için hangi veri aktarımı programları var ve nasıl hak kazanabilirim?" bölümüne bakın.
Görüntüleri depolama maliyetleri ve çoğaltmaları hakkında bilgi için bkz . Azure İşlem Galerisi'nde faturalama.
Maliyet yönetimi
Laboratuvar planı yöneticilerinin galeriden gereksiz görüntü sürümlerini düzenli olarak silerek maliyetleri yönetmesi önemlidir.
Maliyetleri azaltmanın bir yolu olarak belirli bölgelere çoğaltmayı kaldırmaya dikkat edin. Çoğaltma değişiklikleri, Azure Lab Services'ın bir işlem galerisine kaydedilmiş görüntülerden vm yayımlama özelliği üzerinde olumsuz etkilere neden olabilir.
İlgili içerik
Laboratuvarları ayarlama ve yönetme hakkında daha fazla bilgi için bkz:
Geri Bildirim
Çok yakında: 2024 boyunca, içerik için geri bildirim mekanizması olarak GitHub Sorunları’nı kullanımdan kaldıracak ve yeni bir geri bildirim sistemiyle değiştireceğiz. Daha fazla bilgi için bkz. https://aka.ms/ContentUserFeedback.
Gönderin ve geri bildirimi görüntüleyin