Mettez l'API de billets dans une image de conteneur, exécutez-la avec une base de données sur votre ordinateur, puis déployez-la sur Azure Container Apps, avec ses paramètres hors de l'image, une vérification des coûts et un nettoyage complet.
Lisez toutes les leçons sans compte, ou connectez-vous pour vous inscrire et suivre vos progrès.
Inscrivez-vous pour enregistrer les leçons que vous terminez. C'est gratuit.
À la fin de ce cours, vous pourrez :
Un conteneur est un paquet qui contient une application et tout ce dont elle a besoin pour s’exécuter : la version de Python, les paquets et les fichiers du système d’exploitation. Le même paquet s’exécute de la même façon sur votre portable, sur l’ordinateur d’un collègue et sur un serveur dans le nuage. C’est pourquoi la plupart des services d’IA, des petites API aux grands serveurs de modèles, s’exécutent dans des conteneurs.
Dans ce cours, vous mettez dans un conteneur l’API de billets du cours Créer et déployer votre première API. Vous construisez l’image étape par étape et vous voyez pourquoi chaque ligne du Dockerfile est là. Ensuite, vous exécutez l’API avec une base de données PostgreSQL sur votre ordinateur, grâce à Docker Compose, et vous prouvez quelles données survivent quand un conteneur est remplacé.
Puis vous amenez la même image dans le nuage. Vous apprenez les composants de base que tout nuage offre, avec Azure comme exemple : un registre pour les images, un service qui exécute les conteneurs, une identité au lieu d’un mot de passe, et les frais que chaque partie peut entraîner. Vous déployez l’API sur Azure Container Apps et vous la vérifiez. Ensuite, vous supprimez tout, et vous prouvez qu’il ne reste rien qui puisse coûter de l’argent.
Chaque commande des leçons a vraiment été exécutée, et les leçons montrent sa vraie sortie. Chaque leçon montre aussi une erreur courante : ce que vous voyez, pourquoi elle se produit et comment la corriger.
Vous avez suivi les cours Python pour l'ingénierie de l'IA en pratique et Créer et déployer votre première API, ou vous savez déjà créer un environnement virtuel, exécuter un service FastAPI dont les paramètres viennent de variables d'environnement, et le tester avec pytest et curl. Vous n'avez pas besoin de connaître Docker ni une plateforme infonuagique. Un compte Azure est facultatif : chaque étape dans le nuage a une simulation locale.
Cours à suivre avant : Python pour l'ingénierie de l'IA en pratique, Créer et déployer votre première API.
Les personnes qui ont créé une petite API Web, comme dans le cours Créer et déployer votre première API, et qui veulent qu'elle fonctionne de la même façon sur chaque ordinateur et dans le nuage. La plupart des services d'IA s'exécutent dans des conteneurs. Cette compétence est donc nécessaire pour presque tous les déploiements.
Des spécialistes de l'IA expérimentés ont conçu ce cours. L'IA nous a aidés à rédiger le contenu; des personnes ont choisi l'approche pédagogique et les exemples, et ont révisé chaque leçon. Les résultats que vous voyez sont les vrais résultats de l'exécution du code. Comment nous créons les cours
Découvrez le problème que les conteneurs résolvent, et la différence entre une image, un conteneur et une machine virtuelle. Installez ensuite Docker, vérifiez-le avec un premier conteneur, et regardez à l'intérieur d'un conteneur en cours d'exécution.
Écrivez un Dockerfile pour l'API de billets et construisez son image. Vous accélérez les constructions avec le cache des couches et un fichier .dockerignore, vous fixez chaque version, vous exécutez le conteneur avec un utilisateur autre que root, et vous gardez les secrets hors de l'image.
Connectez-vous au conteneur par un port, donnez-lui ses paramètres et ses secrets au démarrage, et conservez les données qui doivent survivre. Vous exécutez l'API avec une base de données PostgreSQL grâce à Docker Compose.
Associez les besoins de l'API aux composants de base du nuage sur Azure, donnez à l'application une identité au lieu d'un mot de passe, et repérez chaque partie d'une architecture qui peut coûter de l'argent.
Poussez l'image vers un registre, déployez-la sur Azure Container Apps avec des contrôles de santé et des limites de mise à l'échelle, vérifiez-la et lisez ses journaux, puis supprimez chaque ressource à l'aide d'un inventaire vérifié.
Utilisez tous les modules dans un projet pratique. Vous recueillez des preuves, puis vous les comparez aux objectifs du cours.
Chargement des avis…
Vous avez suivi ce cours? Connectez-vous pour donner votre avis. Vous pouvez donner un avis après avoir terminé 25 % des leçons.
