你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
将依赖项或第三方库引入 Azure Functions
本文介绍如何将第三方依赖项引入函数应用。 第三方依赖项示例为 json 文件、二进制文件和机器学习模型。
在本文中，学习如何：
- 通过 Functions Code 项目引入依赖项
- 通过装载 Azure Fileshare 引入依赖项
从项目目录引入依赖项
引入依赖项的最简单方法之一是将文件/项目与函数应用代码一起放入函数项目目录结构。 以下示例是 Python 函数项目中的目录示例：
<project_root>/
| - my_first_function/
| | - __init__.py
| | - function.json
| | - example.py
| - dependencies/
| | - dependency1
| - .funcignore
| - host.json
| - local.settings.json
通过将依赖项放入函数应用项目目录中的文件夹，依赖项文件夹将与代码一起部署。 因此，函数代码可以通过文件系统 API 访问云中的依赖项。
访问代码中的依赖项
以下举例说明了如何访问和执行放入 <project_root>/ffmpeg_lib 目录中的 ffmpeg 依赖项。
import logging
import azure.functions as func
import subprocess
FFMPEG_RELATIVE_PATH = "../ffmpeg_lib/ffmpeg"
def main(req: func.HttpRequest,
context: func.Context) -> func.HttpResponse:
logging.info('Python HTTP trigger function processed a request.')
command = req.params.get('command')
# If no command specified, set the command to help
if not command:
command = "-h"
# context.function_directory returns the current directory in which functions is executed
ffmpeg_path = "/".join([str(context.function_directory), FFMPEG_RELATIVE_PATH])
try:
byte_output = subprocess.check_output([ffmpeg_path, command])
return func.HttpResponse(byte_output.decode('UTF-8').rstrip(),status_code=200)
except Exception as e:
return func.HttpResponse("Unexpected exception happened when executing ffmpeg. Error message:" + str(e),status_code=200)
注意
可能需使用 chmod 为 Linux 环境中的 ffmpeg 二进制文件提供 Execute 权限
引入依赖项的最简单方法之一是将文件/项目与函数应用代码一起放入函数项目目录结构。 以下示例是 Java 函数项目中的目录示例：
<project_root>/
| - src/
| | - main/java/com/function
| | | - Function.java
| | - test/java/com/function
| - artifacts/
| | - dependency1
| - host.json
| - local.settings.json
| - pom.xml
特别是对于 Java，需在复制资源时专门将项目添加到 build/target 文件夹。 以下示例介绍如何在 Maven 中执行此操作：
...
<execution>
<id>copy-resources</id>
<phase>package</phase>
<goals>
<goal>copy-resources</goal>
</goals>
<configuration>
<overwrite>true</overwrite>
<outputDirectory>${stagingDirectory}</outputDirectory>
<resources>
<resource>
<directory>${project.basedir}</directory>
<includes>
<include>host.json</include>
<include>local.settings.json</include>
<include>artifacts/**</include>
</includes>
</resource>
</resources>
</configuration>
</execution>
...
通过将依赖项放入函数应用项目目录中的文件夹，依赖项文件夹将与代码一起部署。 因此，函数代码可以通过文件系统 API 访问云中的依赖项。
访问代码中的依赖项
以下举例说明了如何访问和执行放入 <project_root>/ffmpeg_lib 目录中的 ffmpeg 依赖项。
public class Function {
final static String BASE_PATH = "BASE_PATH";
final static String FFMPEG_PATH = "/artifacts/ffmpeg/ffmpeg.exe";
final static String HELP_FLAG = "-h";
final static String COMMAND_QUERY = "command";
@FunctionName("HttpExample")
public HttpResponseMessage run(
@HttpTrigger(
name = "req",
methods = {HttpMethod.GET, HttpMethod.POST},
authLevel = AuthorizationLevel.ANONYMOUS)
HttpRequestMessage<Optional<String>> request,
final ExecutionContext context) throws IOException{
context.getLogger().info("Java HTTP trigger processed a request.");
// Parse query parameter
String flags = request.getQueryParameters().get(COMMAND_QUERY);
if (flags == null || flags.isBlank()) {
flags = HELP_FLAG;
}
Runtime rt = Runtime.getRuntime();
String[] commands = { System.getenv(BASE_PATH) + FFMPEG_PATH, flags};
Process proc = rt.exec(commands);
BufferedReader stdInput = new BufferedReader(new
InputStreamReader(proc.getInputStream()));
String out = stdInput.lines().collect(Collectors.joining("\n"));
if(out.isEmpty()) {
BufferedReader stdError = new BufferedReader(new
InputStreamReader(proc.getErrorStream()));
out = stdError.lines().collect(Collectors.joining("\n"));
}
return request.createResponseBuilder(HttpStatus.OK).body(out).build();
}
注意
若要使这段代码在 Azure 中正常运行，需指定自定义应用程序设置“BASE_PATH”，并将值设置为“/home/site/wwwroot”
通过装载文件共享引入依赖项
在 Linux 上运行函数应用时，还可以通过另一种方式引入第三方依赖项。 Functions 允许装载 Azure 文件存储中托管的文件共享。 要将依赖项或项目与应用程序代码分离时，请考虑使用该方法。
首先，需创建 Azure 存储帐户。 在帐户中，还需在 Azure 文件中创建文件共享。 若要创建这些资源，请遵循此指南
创建存储帐户和文件共享后，使用 az webapp config storage-account add 命令将文件共享附加到函数应用，如下例所示。
az webapp config storage-account add \
--name < Function-App-Name > \
--resource-group < Resource-Group > \
--subscription < Subscription-Id > \
--custom-id < Unique-Custom-Id > \
--storage-type AzureFiles \
--account-name < Storage-Account-Name > \
--share-name < File-Share-Name > \
--access-key < Storage-Account-AccessKey > \
--mount-path </path/to/mount>
| 标志 | 值 |
|---|---|
| custom-id | 任何唯一字符串 |
| storage-type | 目前仅支持 AzureFiles |
| share-name | 现存共享 |
| mount-path | 容器内可访问共享的路径。 值必须为 /dir-name 格式，并且不能以 /home 开头 |
可在此处查找更多用于修改/删除文件共享配置的命令
将依赖项上传到 Azure 文件存储
可以选择通过 Azure 门户将依赖项上传到 Azure 文件存储。 有关通过门户上传依赖项的说明，请参阅此指南。 还可以选择通过 Azure CLI 和 PowerShell 将依赖项上传到 Azure 文件存储。
访问代码中的依赖项
在文件共享中上传依赖项后，可以通过代码访问依赖项。 指定的 mount-path（例如 ）提供了装载的共享。 可以使用文件系统 API 访问目标目录。
以下示例显示了可访问 ffmpeg 库的 HTTP 触发器代码，该代码存储在装载的文件共享中。
import logging
import azure.functions as func
import subprocess
FILE_SHARE_MOUNT_PATH = os.environ['FILE_SHARE_MOUNT_PATH']
FFMPEG = "ffmpeg"
def main(req: func.HttpRequest) -> func.HttpResponse:
logging.info('Python HTTP trigger function processed a request.')
command = req.params.get('command')
# If no command specified, set the command to help
if not command:
command = "-h"
try:
byte_output = subprocess.check_output(["/".join(FILE_SHARE_MOUNT_PATH, FFMPEG), command])
return func.HttpResponse(byte_output.decode('UTF-8').rstrip(),status_code=200)
except Exception as e:
return func.HttpResponse("Unexpected exception happened when executing ffmpeg. Error message:" + str(e),status_code=200)
将此代码部署到 Azure 中的函数应用时，需创建应用设置，并将键名设置为 FILE_SHARE_MOUNT_PATH，将值设置为装载的文件共享路径（本例中为 /azure-files-share）。 若要进行本地调试，需在 FILE_SHARE_MOUNT_PATH 中填充在本地计算机中存储依赖项的文件路径。 以下举例说明了如何使用 local.settings.json 设置 FILE_SHARE_MOUNT_PATH：
{
"IsEncrypted": false,
"Values": {
"AzureWebJobsStorage": "",
"FUNCTIONS_WORKER_RUNTIME": "python",
"FILE_SHARE_MOUNT_PATH" : "PATH_TO_LOCAL_FFMPEG_DIR"
}
}