Udforsk og kør Linux- og PostgreSQL-arbejdsbelastninger
I dette undermodul skal du:
- Udrul en Azure Blob Storage-konto ved hjælp af en Bicep-skabelon.
- Opret en Blob Storage-objektbeholder.
- Overfør billeder til Blob Storage-kontoen.
- Overfør
tailwind.sqltil Blob Storage-kontoen. - Opret forbindelse til den virtuelle Azure-maskine ved hjælp af Kommandolinjegrænsefladen i Azure.
- Download filen fra lagerkontoen.
- Opret forbindelse til PostgreSQL-serveren ved hjælp af
psql, og importér en SQL-fil. - Kør programmet interaktivt via kommandolinjen.
- Bekræft, at programmet kører korrekt.
Udrul en lagerkonto ved hjælp af deploy/vm-postgres.bicep
Kør følgende kommando på din lokale computer:
az deployment group create \
--resource-group 240900-linux-postgres \
--template-file deploy/vm-postgres.bicep \
--parameters \
deployVm=false \
deployPostgres=false \
deployStorage=true
Føj den aktuelle bruger til rollen Lager-Blob-dataejer
STORAGE_ACCOUNT_ID=$(az storage account list \
--resource-group 240900-linux-postgres \
--query '[0].id' \
-o tsv)
USER_ID=$(az ad signed-in-user show \
--query id \
-o tsv)
az role assignment create \
--role "Storage Blob Data Owner" \
--assignee $USER_ID \
--scope $STORAGE_ACCOUNT_ID
Opret en objektbeholder kaldet objektbeholder1 på lagerkontoen
STORAGE_ACCOUNT_NAME=$(az storage account list \
--resource-group 240900-linux-postgres \
--query '[0].name' \
-o tsv)
echo "STORAGE_ACCOUNT_NAME: $STORAGE_ACCOUNT_NAME"
az storage container create \
--account-name $STORAGE_ACCOUNT_NAME \
--auth-mode login \
--name container1
Overfør billeder til lagerkontoen til en undermappe
az storage blob upload-batch \
--account-name $STORAGE_ACCOUNT_NAME \
--auth-mode login \
--overwrite \
--destination container1/images \
--source app/data/images
Følgende output vises:
[
{
"Blob": "https://storageji2dbe.blob.core.windows.net/container1/images/wrench_set.jpg",
"Last Modified": "...",
"Type": "image/jpeg",
"eTag": "\"0x8DCE0CA938AF41B\""
},
{
"Blob": "https://storageji2dbe.blob.core.windows.net/container1/images/planer.jpg",
"Last Modified": "...",
"Type": "image/jpeg",
"eTag": "\"0x8DCE0CA939DF18B\""
},
...
]
Upload app/data/postgres/tailwind.sql til lagerkontoen
az storage blob upload \
--account-name $STORAGE_ACCOUNT_NAME \
--auth-mode login \
--container-name container1 \
--file app/data/postgres/tailwind.sql \
--name tailwind.sql
Opret forbindelse til den virtuelle Azure-maskine ved hjælp af kommandoen az ssh
az ssh vm \
--resource-group 240900-linux-postgres \
--name vm-1
Download tailwind.sql-filen fra lagerkontoen
Angiv variablen Bash STORAGE_ACCOUNT_NAME til navnet på lagerkontoen:
STORAGE_ACCOUNT_NAME=$(az storage account list \
--resource-group 240900-linux-postgres \
--query '[0].name' \
-o tsv)
echo "STORAGE_ACCOUNT_NAME: $STORAGE_ACCOUNT_NAME"
Download tailwind.sql til den virtuelle Azure-maskine ved hjælp af kommandoen az storage blob download:
az storage blob download \
--account-name $STORAGE_ACCOUNT_NAME \
--auth-mode login \
--container-name container1 \
--file tailwind.sql \
--name tailwind.sql
Angiv miljøvariabler for psql på fjerncomputeren
MANAGED_IDENTITY_NAME=240900-linux-postgres-identity
export AZURE_CLIENT_ID=$(az identity show --resource-group 240900-linux-postgres --name $MANAGED_IDENTITY_NAME --query "clientId" -o tsv)
PG_NAME=$(az postgres flexible-server list --resource-group 240900-linux-postgres --query "[0].name" -o tsv)
# Set psql environment variables
export PGHOST="${PG_NAME}.privatelink.postgres.database.azure.com"
export PGPASSWORD=$(curl -s "http://169.254.169.254/metadata/identity/oauth2/token?api-version=2018-02-01&resource=https%3A%2F%2Fossrdbms-aad.database.windows.net&client_id=${AZURE_CLIENT_ID}" -H Metadata:true | jq -r .access_token)
export PGUSER=$MANAGED_IDENTITY_NAME
export PGDATABASE=postgres
Importér tailwind.sql ved hjælp af psql
psql -f tailwind.sql
Opret forbindelse til Postgres-serveren for at bekræfte, at importen lykkedes
psql
Vis tabellerne
\dt
Følgende output vises:
postgres=> \dt
List of relations
Schema | Name | Type | Owner
--------+----------------------+-------+--------------------------------
public | cart_items | table | 240900-linux-postgres-identity
public | checkouts | table | 240900-linux-postgres-identity
public | collections | table | 240900-linux-postgres-identity
public | collections_products | table | 240900-linux-postgres-identity
public | customers | table | 240900-linux-postgres-identity
public | delivery_methods | table | 240900-linux-postgres-identity
public | product_types | table | 240900-linux-postgres-identity
public | products | table | 240900-linux-postgres-identity
public | shipment_items | table | 240900-linux-postgres-identity
public | shipments | table | 240900-linux-postgres-identity
public | store_inventory | table | 240900-linux-postgres-identity
public | stores | table | 240900-linux-postgres-identity
public | suppliers | table | 240900-linux-postgres-identity
public | supply_orders | table | 240900-linux-postgres-identity
(14 rows)
Kør en SQL-forespørgsel, der viser tabellerne
SELECT table_name
FROM information_schema.tables
WHERE table_schema = 'public';
Følgende output vises:
postgres=> SELECT table_name
FROM information_schema.tables
WHERE table_schema = 'public';
table_name
----------------------
collections
stores
customers
cart_items
product_types
products
suppliers
collections_products
checkouts
shipments
delivery_methods
shipment_items
store_inventory
supply_orders
(14 rows)
Slå udvidet tilstand til, og vælg fra produkttabellen
Slå udvidet tilstand til ved prompten postgres=>:
\x
Vælg i produkttabellen:
select * from products;
Følgende prompt vises:
postgres=> \x
Expanded display is on.
postgres=> select * from products;
Der vises en liste over produkter:
id | 1
product_type_id | 1
supplier_id | 2
sku | brush_cleaner
name | Meltdown Brush Cleaner
price | 12.99
description | We all leave our brushes sitting around, full of old dry paint. Don't worry! The Meltdown Brush Cleaner can remove just about anything.
image | brush_cleaner.jpg
digital | f
unit_description | 1 - 10oz Jar
package_dimensions | 4x8x2
weight_in_pounds | 3.2
reorder_amount | 10
status | in-stock
requires_shipping | t
warehouse_location | Zone 1, Shelf 12, Slot 6
created_at | ...
updated_at | ...
...
Vælg mellemrumstasten for at side gennem resultaterne. Angiv q for at afslutte personsøgeren.
Afslut psql
\q
Kør programmet interaktivt via kommandolinjen
Skift til den mappe, der indeholder programmet, på fjerncomputeren:
cd tailwind-traders-go/app
Kør programmet interaktivt fra kommandolinjen:
go run main.go app:serve
Følgende output vises:
$ go run main.go app:serve
Listening on :8080
Find den offentlige IP-adresse for den virtuelle maskine
Hent den offentlige IP-adresse for den virtuelle maskine:
IP_ADDRESS=$(az network public-ip show \
--resource-group 240900-linux-postgres \
--name vm-1-ip \
--query ipAddress \
--out tsv)
Skriv URL-adressen til terminalen:
echo "Your URL is: http://${IP_ADDRESS}:8080"
Denne enhed bruger port 8080 til interaktive udviklings-/testformål. I produktionen skal du bruge port 443 og kræve et TLS-certifikat for at sikre trafikken til slutpunktet.
Gennemse det offentlige API-slutpunkt
Åbn URL-adressen i en webbrowser. Følgende output vises:
{
"id": 5,
"product_type_id": 1,
"supplier_id": 2,
"sku": "drafting_tools",
"name": "Bespoke Drafting Set",
"price": 45,
"description": "Build your next bridge (or tunnel) using our Bespoke Drafting Set. Everyone drives across *regular* bridges everyday - but they'll rememeber yours - because it's _bespoke_.",
"image": "drafting_tools.jpg",
"digital": false,
"unit_description": "Tools and carrying case",
"package_dimensions": "5x10x3",
"weight_in_pounds": "1.2",
"reorder_amount": 10,
"status": "in-stock",
"requires_shipping": true,
"warehouse_location": "Zone 1, Shelf 4, Slot 1",
"created_at": "...",
"updated_at": "..."
}
Du kan også sende en anmodning til API-slutpunktet ved hjælp af curl:
curl "http://${IP_ADDRESS}:8080"
Dette slutpunkt viser et tilfældigt produkt fra databasen.
Vis anmodninger, der er logført til terminalen
Vend tilbage til den terminal, hvor du kører programmet interaktivt. Outputtet viser anmodningen til API-slutpunktet:
{"time":"...","level":"INFO","msg":"httpLog","remoteAddr":"[::1]:58592","method":"GET","url":"/"}
{"time":"...","level":"INFO","msg":"httpLog","remoteAddr":"[::1]:59414","method":"GET","url":"/"}
{"time":"...","level":"INFO","msg":"httpLog","remoteAddr":"[::1]:59414","method":"GET","url":"/favicon.ico"}
Hvis disse anmodninger lykkes, har du overført programbelastningen til en virtuel Azure-maskine og Azure Database for PostgreSQL (Flexible Server).
Ryd op i Azure-ressourcer
Når du er færdig med at udforske Linux- og PostgreSQL-arbejdsbelastningerne, skal du rydde op i ressourcerne for at spare omkostninger.
Du kan slette ressourcegruppen 240900-linux-postgres manuelt via Azure Portal eller køre følgende Kommandolinjegrænseflade i Azure:
az group delete \
--name 240900-linux-postgres \
--yes \
--no-wait
En anden mulighed er at bruge skabelonen empty.bicep til at slette de ressourcer, som den vm-postgres.bicep fil har oprettet. Hvis du kører az deployment group create med --mode Complete fjernes alle ressourcer, som skabelonen ikke definerer. Da empty.json ikke har nogen ressourcer, sletter kommandoen alle ressourcer.
az deployment group create \
--resource-group 240900-linux-postgres \
--template-file deploy/empty.bicep \
--mode Complete
Udrulning af empty.json efterlader 240900-linux-postgres ressourcegruppen intakt, så du kan udrulle ressourcerne igen ved hjælp af en enkelt kommando.