[ { "foodId": "001", "name": "寿司", "country": "日本",  //partition key "price": "2000", "category": "米類" }, { "foodId": "002", "name": "うどん", "country": "日本",  //partition key "price": "500", "category": "麺類" }, { "foodId": "003", "name": "パスタ", "country": "イタリア",  //partition key "price": "1000", "category": "麺類" }, { "foodId": "004", "name": "餃子", "country": "中国",  //partition key "price": "300",

はじめに 前回までの記事では主にTerraform Cloudの使い方、既存コードのTF化について試用記を書きました。 今回はAzure仮想ネットワーク、仮想マシン、MySQLをゼロベースからVisual Studio Codeの拡張機能、GitHub Copilotの力を借りて作成したので、そこで気づいたことの投稿です。 Azure Terraformを分かっている人には物足りないかと思いますが、何卒なにとぞ。 Azure Terraform関連の記事一覧は最後の「その他記事」を参照ください。 今回作る構成 以下のリソースを作りました。 仮想ネットワーク Subnet 仮想マシン OSディスク NIC Public IP NSG MySQL Flexible Server Private DNS Zone AzureポータルからClockOpsで作成する場合であれば、上記の第一階層のリソ

はじめに はじめまして。株式会社ビットキー Cross Incubator チームの酒井です。 Cross Incubator チームは開発チームを横断して SRE・Backend・Frontend の垣根なく拾いきれなかった課題を解決するために組織され、高度な雑用係(！)として日々タスクをこなしています。 その中で Azure Functions 環境を一から構築する機会があり、得られた知見を共有します。 Terraform に関連する記事が少なく構築時の情報を集めるのに苦労したので、本記事では Terraform にフォーカスし、ほぼそのまま利用できる Terraform コードを記載する事で同様の環境を構築する方の一助となればと思っています。 概要 Azure Functions 環境を Terraform で構築する方法を解説⁠⁠ ディレクトリ構造と実際のコードを紹介 GitHub

はじめに こんにちは！AgVenture Labの荒井です。 Azure Functions、皆さんはご存知ですか？Azure FunctionsはMicrosoftのクラウドサービスで、サーバレス環境でコードを実行できる便利な仕組みです。 実は、私はシステムエンジニアの経験はあるものの、アプリ開発についてはほぼ初心者。 それでもAzure Functionsを使って既存のプロダクトの処理効率化に挑戦してみました。 この記事では、そんな初心者がAzure Functionsを使いこなそうと奮闘した体験談をお届け します。 これを読んでいただければ、初めての方でも自信を持って一歩を踏み出せるはずです！ 目次 Azure Functionsの利用方法 なぜAzureFunctionsを選んだのか？ 最初の壁：HTTPトリガーのタイムアウト LinuxとWindowsの違いに苦しむ 非同期処理の

初めての投稿になります。 最近登場したAzure Functions のFlex 従量課金プランですが、GithubActionがどうしてもうまくいかず、途方に暮れていたところ、解決したので備忘に書いておきます。 Flex 従量課金プランはいいぞ Flex 従量課金プランは、従来より安定しており、メモリも１GBのみから２GBと４GBで増やせるようになっているほか常時使用可能なインスタンスと組み込みの仮想ネットワーク (VNet) 統合が含まれます。 基本的によくなっていますのでお勧めです。 GithubActionのymlファイルで、Flex 従量課金プランの場合のみ、必要な設定 - name: 'Deploy to Azure Functions' uses: Azure/functions-action@v1 id: deploy-to-function with: app-name:

Durable Functions AWS LambdaやAzure Functionsに代表されるFaaSは、サーバーレスアーキテクチャの一つであり、スケール性に優れて多くの処理を並列実行できます。しかし、FaaSはイベントドリブンな処理をするために、1回あたりの処理にはタイムアウトが設けられていることが多く、長時間かかるタスクには向いていません。例えばAzure Functionsを使ってHTTPのWeb APIを作成する場合、リクエストから230秒以上処理がかかる場合はタイムアウトしてしまいます。 FaaSのスケール性や開発容易性（マネージド）を使いつつ、それらの課題を克服するために、AzureではAzure Functionsの拡張機能であるDurable Functionsを利用することで、タスクを並列実行したりチェーンでつなげたりしながら長時間にわたり実行することができます[1

この記事は「Azure の運用を支える AIOps」シリーズの第２回です。今回は、Microsoft Azure のインシデント管理システムで活用されている AIOps のテクノロジーを紹介します。AIOps の概要や Microsoft と AIOps の関わり方については、第１回をご覧ください。 AIOps と インシデント管理 インシデント管理とは インシデント管理（Incident Management）とは、システムやサービスに発生した問題（インシデント）を、迅速かつ効果的に解決するためのプロセスです。単にインシデントを解決するだけでなく、その原因を特定し、将来のインシデントを予防するための対策を講じることも含まれます。そのため、インシデント管理は継続的な取り組みであり、IT サービスマネジメントの重要なプロセスの一つとして認識されます。 インシデント管理のフローには、以下のよう

執筆日 2024/11/18 前提 Terraformを使ったAzure構築経験は1年ほどあるが、Bicepを使った経験は全くない。Bicepを使う機会に遭遇したので、学習メモとしてこのブログを書いていこうかなと。 Bicepとは？ Docsより引用 宣言型の構文を使用して Azure リソースをデプロイするドメイン固有言語 (DSL) です。 Bicep ファイル内で、Azure にデプロイするインフラストラクチャを定義し、そのファイルを開発ライフサイクル全体にわたって使用して、インフラストラクチャを繰り返しデプロイします。 リソースは一貫した方法でデプロイされます。 Terraformと同じくインフラストラクチャをコードとして管理するためのツール（IaC）。BicepはAzureに特化しているので、terraformで出来なことがBicepではできるかも。 準備 Visual Stud

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

TL;DR こちらの記事を見て Azure のストレージ アカウントでもできるのではと思いやってみました。 DuckDB とは いま話題になっている DuckDB ですが、SQLite 的な使い方ができる OLAP データベースです。列指向のデータベースで、SQLite のようにトランザクションをゴリゴリ扱うような処理は苦手ですが分析用途でパフォーマンスを発揮するように設計されています。 Why DuckDB については、オフィシャルのページや他の方が書いた記事を参照してください。 ストレージ アカウントの診断ログを見るモチベーション Azure のリソースには診断ログの出力を設定できます。分析したい場合通常は Log Analytics を使うことが一般的ですが、料金や、その他やんごとなき理由でストレージ アカウントのみに出力することがあります。 ストレージ アカウントに出力されるログは

はじめに Azure FunctionsでURLのルーティングを行う方法を確認しましたので、記事にしました。 概要 コードを書くだけでURLでのルーティングができます。 以前、AWSのLambdaで行う方法を記事にしました。Lambdaの場合はAWS Lambda Powertoolsをインポートする必要がありました。 Azure Functionsでは何もインポートせず対応可能です。 やってみた 準備 まず、Azure Functionsを作成します。なぜかAzure Portalから作れなかったので、以下を参考にAzure CloudShellから作ります。 リージョンは東日本、ランタイムがPython 3.11で作成するようにしています。 let "randomIdentifier=$RANDOM*$RANDOM" location="japaneast" resourceGroup

祝 🎉 Sidecars for Azure App Service for Linux GA 🍺 Samples すぐに動かせるサンプルはすでにいくつか公開されています。 A Step-by-Step Guide to Datadog Integration with Linux App Service via Sidecars Azure App Service Community Standup: Integrating Datadog with Linux App Service using Sidecars Leveraging Redis as a Sidecar for Linux App Service Implementing Local RAG using Phi-3 ONNX Runtime and Sidecar Pattern on Linux App Ser

Build 2024 で発表された Cosmos DB のアップデートの中でも注目度の高い Vector Search (Preview) について、実際に試して深堀しておきました。これまで Azure で Vector Search を実行するにはコストが高い割に SLA の低い AI Search を使う必要がありましたが、Cosmos DB for NoSQL が Vector Search に対応したことで情勢が大きく変わろうとしています。 基本となるデータストアである Cosmos DB が Vector Search に対応したことで、追加のインデックスとしての AI Search を使う必要がなくなるため、Vector Search の実行結果として Cosmos DB に保存されている全てのデータを取得できるというのは大きなメリットです。もちろん Cosmos DB の全て

シカゴで開催された Ignite 2024 が終わってから少し時間が空いてしまいましたが、今年も Cosmos DB for NoSQL 周りで大きなアップデートがありましたのでまとめておきます。 公式まとめは以下のブログにまとまっているので、これを読んでおけば大体は把握できるはずです。 今回の Ignite 2024 は公式的には Cosmos DB for MongoDB (vCore) の新機能がかなり推されている印象ですが、個人的には使う気がしないので Cosmos DB for NoSQL の新機能に絞って扱っていきます。 Vector Search と DiskANN が GA 今年の Build で Public Preview として発表された Vector Search と DiskANN が Ignite では無事に GA となりました。よくある単純に SLA が付いた

HashiTalks: Japan 2024 で Azure Verified Modules for Terraform について話をしました。

こんにちは、LayerX AI・LLM事業部テックリードの須藤です。 今回は、AI・LLM事業部が提供する「Ai Workforce」のインフラ構成について紹介します。 先日、Ai Workforceの紹介サイトがついに公開されました！ getaiworkforce.com また、プロダクト開発チームも以下の記事で紹介されていますのでこちらも合わせてご覧ください。 tech.layerx.co.jp Microsoft Azureを選定した理由 Ai Workforceのクラウド基盤にはMicrosoft Azureを採用しています。その主な理由は以下の2点です。 Azure OpenAIとのシームレスな連携 Ai WorkforceではAzure OpenAIを活用しており、同じAzure環境内でデータのやり取りができるため、セキュリティの向上とパフォーマンスの最適化が見込めます。かつ、

クラウドサービスが成長するとともに、サービスの運用（Ops）チームは多くの負担を負うようになりました。負担を生んでいる要素には、複雑化していく内部システム、高いレベルの信頼性を要求するミッション クリティカルなワークロード、データセンター運用費に対する最適化要請などがあげられます。 これは、Microsoft が抱える課題でもあります。全世界で 60 以上存在する Azure リージョンには、300 を超えるデータセンターと数百万台に及ぶサーバーが展開され、数多のサービスが提供されています。このような規模でサービスを運用していきながら、複雑なシステムに対応し、サービスの信頼性を高め、運用コストを削減することが求められているのです。 このような背景から、Microsoft では人工知能（AI）技術を活用した運用の最適化に取り組んでいます。これは AIOps と呼ばれるアプローチです。AIOp