Kursbeschreibung
Der Azure Container Apps Workshop führt eine containerisierte KI-Anwendung vom Image bis zum überwachten Betrieb. Du stellst eine Inferenz-API bereit, ergänzt Worker oder Jobs und entscheidest anhand des Lastprofils, wie du Replikate, Scale-to-zero und Ressourcenprofile konfigurierst. Revisionen und Traffic-Splitting machen Releases kontrollierbar. Tritt ein Fehler auf, lässt sich die betroffene Version zurücknehmen, ohne das gesamte Deployment neu aufzubauen.
Der dreitägige Workshop behandelt Architektur, Deployment und Betrieb als zusammenhängenden technischen Ablauf. Du überführst die Infrastruktur mit Bicep in reproduzierbaren Code, begrenzt Zugriffe mit Managed Identities und RBAC und wertest Logs, Metriken sowie Traces aus. So erkennst du, ob Latenzen durch Cold-Starts, Ressourcenengpässe oder Fehler in Revisionen verursacht werden. Die Azure-KI-Schulungen geben einen Überblick über verwandte Themen. Im MLOps-Training auf Azure vertiefst du anschließend die Bereitstellung und Überwachung von Modellen. Kebel Training führt den Termin bereits ab einer Person durch und stellt nach dem Workshop ein Zertifikat aus. Buche den Workshop, wenn du deinen KI-Service als reproduzierbares Deployment statt als isolierte Demo betreiben willst.
Die wichtigsten Themen im Überblick
- KI-API auf Container Apps bereitstellen
- Revisions und Traffic Splitting steuern
- Autoscaling mit KEDA konfigurieren
- Zugriffe mit Managed Identities absichern
- Betrieb mit Logs und Traces überwachen
Zielgruppe
- Cloud Architects mit Azure-Schwerpunkt
- DevOps Engineers und Site Reliability Engineers
- MLOps Engineers für produktive KI-Workloads
- Softwareentwickler für containerisierte Inferenz-Services
- Teams vor der Einführung von Azure Container Apps
Voraussetzung für die Schulung
- Grundkenntnisse in Microsoft Azure und Cloud-Architekturen
- Erfahrung mit Containern, etwa aus dem Docker Linux Container Workshop
- Grundkenntnisse im Umgang mit Azure CLI oder Infrastructure as Code
- Kenntnisse über IP-Netze, Ingress und Identitäten
- Erste Erfahrung mit Deployments, alternativ die Schulung KI-Apps containerisieren
Kursinhalte
Architektur für KI-Workloads
- Inferenz-APIs und Worker-Szenarien
- Eventgetriebene Verarbeitung in Azure
- Consumption und Workload Profiles
- Dedicated-Profile und GPU-Optionen
- Container-App-Umgebungen und Ingress
- Abgrenzung zu AKS und App Service
Containerisierung und Deployment
- Schlanke Images für KI-Services
- Anbindung an Azure Container Registry
- Deployment mit Azure CLI
- YAML-Strukturen für Container Apps
- Reproduzierbare Infrastruktur mit Bicep
- Trennung von Anwendung und Konfiguration
Releases mit Revisions
- Revisions in Azure Container Apps
- Traffic-Splitting zwischen Revisionen
- Blue-Green-Deployments mit Container Apps
- Canary-Releases für KI-Services
- Rollback bei Incidents
Skalierung für KI-Lastprofile
- KEDA-Regeln für HTTP-Traffic
- Queue-basierte Skalierung mit KEDA
- Event-Skalierung für Worker-Prozesse
- Scale-to-zero und Cold-Starts
- Mindestanzahl an Replikaten und Ressourcenzuweisung
- Container Apps Jobs für Batch-Inferenz
Sicherheit und Netzwerkzugriff
- Managed Identities für Azure-Ressourcen
- RBAC nach dem Least-Privilege-Prinzip
- Secrets und Azure Key Vault
- Private Endpoints und VNet-Integration
- Ingress-Varianten für Produktionsumgebungen
- Absicherung von Modellzugriffen
Observability und Betrieb
- Logs und Metriken in Azure Monitor
- Traces für verteilte KI-Services
- Readiness- und Liveness-Checks
- Kostenanalyse bei dynamischer Skalierung
- Performance-Auswertung unter Last
- Governance und Auditierbarkeit
