[VoiceRAG] Azure | 使用`azd`部署应用

第6章：Azure部署

在之前的旅程中，我们构建了一个强大的AI语音助手

从第1章：知识库配置（集成向量化）创建智能知识库开始，到第2章：RAG工具集为AI配备检索与引用工具，再通过第3章：RTMiddleTier（实时中间层）协调实时对话。前端方面，第4章：浏览器音频处理实现了浏览器音频能力，第5章：前端实时通信（useRealTime钩子）建立了前后端实时通信。

现在，这个应用已经完成，最后关键一步是：如何将它从本地计算机发布到云端，让全球用户可靠访问？

这就是使用Azure开发者CLI（azd）进行Azure部署的意义。

问题：应用上云困难重重

想象你建造了一座梦幻房屋（你的应用），配有图书馆、智能助手和最新科技。但目前它只是后院的设计图和材料堆。要让它成为可参观的真实住宅，你需要：

土地（云资源）：购买土地（Azure服务如服务器、数据库、AI服务）
施工队：需要专业人员打地基、砌墙、布线、安装智能设备
搬迁部署：将家具（代码）搬入房屋并启动所有设备
运维保障：确保可靠运行且易于更新

手动完成这些步骤极其复杂且易出错。你需要逐个创建数十个Azure服务，正确配置它们，再费力将代码部署到正确位置------这简直是噩梦

解决方案：Azure开发者CLI（`azd`）------总建筑师

Azure开发者CLI（azd）如同你的Azure总建筑师 。它根据项目蓝图（azure.yaml、基础设施即代码文件和Dockerfile），自动配置所需Azure资源、部署代码，并将整个应用运行在云端。无需手动操作数十个步骤，azd能：

打包代码
创建所有必需的Azure服务（如Azure容器应用、Azure AI搜索、Azure OpenAI）
启动前后端代码

只需几条命令，azd就能将复杂应用部署到Azure。

使用`azd`部署应用

让我们一步步使用azd部署aisearch-openai-rag-audio项目到Azure。

步骤1：登录Azure

首先，azd需要知道你的身份和要使用的Azure订阅。

shell 复制代码

azd auth login

说明：此命令将打开浏览器，提示你登录Azure账户。登录后，azd便获得创建资源的权限。

步骤2：创建`azd`环境

azd环境帮助组织部署，例如开发、测试或生产环境。

shell 复制代码

azd env new

说明：此命令要求命名环境（如myvoiceragapp）。该名称通常用作Azure资源名称的一部分，确保唯一性。同时会在本地创建.azure/<env-name>文件夹存储环境特定设置。

步骤3：配置资源并部署应用（`azd up`）

这个神奇的命令完成了大部分繁重工作。azd up结合了两个主要操作：资源调配 （创建Azure资源）和部署（上传代码）。

shell 复制代码

azd up

说明：

azd读取项目蓝图（azure.yaml、infra文件夹）
要求选择Azure区域（以及Azure OpenAI的特定可用区域）
创建所有必需的Azure服务：
- Azure容器应用：运行后端（Python）和前端（React）代码
- Azure AI搜索 ：智能知识库（第1章）
- Azure OpenAI ：生成嵌入和AI响应（第1章、第2章、第3章）
- Azure Blob存储 ：存储源文档（第1章）
- 其他支持资源如Log Analytics
调配完成后，构建应用的Docker镜像（Dockerfile）并部署到Azure容器应用
最后运行"后调配"脚本，通过上传文档和触发索引器完成知识库配置（集成向量化）
完成后，输出部署应用的URL！

步骤4：清理（如需）

如需删除azd创建的所有Azure资源以避免持续费用，可运行：

shell 复制代码

azd down

说明：此命令安全删除与azd环境关联的所有Azure资源，是管理云支出的关键步骤。

底层原理：总建筑师工具包

让我们看看azd如何知道该构建什么以及如何部署。它依赖于项目中的几个关键文件：

1. 总体规划：`azure.yaml`

此文件是azd的主要蓝图，告诉azd应用的各个部分（称为"服务"）及其部署方式。

yaml 复制代码

# azure.yaml
name: aisearch-openai-rag-audio
services:
  backend:
    project: ./app
    language: py
    host: containerapp
    docker:
      remoteBuild: true
hooks:
    postprovision:
      windows:
        shell: pwsh
        run: ./scripts/write_env.ps1; ./scripts/setup_intvect.ps1
        interactive: true
      posix:
        shell: sh
        run: ./scripts/write_env.sh; ./scripts/setup_intvect.sh

说明：

name：项目名称
services：定义应用的不同逻辑部分。这里有一个backend服务
- project: ./app：服务代码位置（app文件夹）
- language: py：标识为Python项目
- host: containerapp：指定部署到Azure容器应用
- docker: remoteBuild: true：在云端而非本地构建Docker镜像
hooks: postprovision：azd在创建Azure资源后运行的脚本
- ./scripts/write_env.sh：从新建的Azure资源收集连接详情（如端点和API密钥），写入后端的.env文件
- ./scripts/setup_intvect.sh：使用这些环境变量运行知识库配置（集成向量化）流程（通过app/backend/setup_intvect.py），在Azure AI搜索中准备文档

2. 打包指令：`app/Dockerfile`

Dockerfile包含将应用打包为标准容器镜像的指令。该镜像可在任何地方（包括Azure容器应用）一致运行。

dockerfile 复制代码

# app/Dockerfile（简化）
# 阶段1：构建前端（React应用）
FROM node:20-slim AS build-stage
COPY frontend ./
WORKDIR /frontend
RUN npm install
RUN npm run build

# 阶段2：用Python后端服务构建好的应用
FROM python:3.12-slim AS production-stage
WORKDIR /app
COPY --from=build-stage /frontend/dist /app/static # 复制构建好的前端
COPY ./backend/ /app # 复制后端Python代码
RUN python -m pip install -r requirements.txt # 安装Python依赖
CMD ["python3", "-m", "gunicorn", "app:create_app", "-b", "0.0.0.0:8000", "--worker-class", "aiohttp.GunicornWebWorker"]

说明：此Dockerfile采用两阶段构建：

使用Node.js镜像构建React前端
使用Python镜像，复制构建好的前端文件和后端代码，安装Python依赖，最后设置运行Python后端服务器的命令。这个组合镜像包含前后端代码，可在单个容器中运行。

3. 自动化部署流程：`.github/workflows/azure-dev.yml`

虽然azd up适合本地开发，但你通常希望代码变更时自动部署。这由GitHub Actions工作流处理。

yaml 复制代码

# .github/workflows/azure-dev.yml（简化）
name: 使用azd部署到Azure

on:
  push:
    branches:
      - main # 推送变更到'main'分支时触发此工作流

jobs:
  build:
    runs-on: ubuntu-latest
    env: # azd的重要环境变量
      AZURE_CLIENT_ID: ${{ vars.AZURE_CLIENT_ID }}
      # ... 其他AZURE_TENANT_ID, AZURE_SUBSCRIPTION_ID等 ...
    steps:
      - name: 检出代码
        uses: actions/checkout@v4
      - name: 安装azd
        uses: Azure/setup-azd@v2
      - name: 使用Azure联合凭证登录
        run: azd auth login --client-id "$Env:AZURE_CLIENT_ID" --federated-credential-provider "github" --tenant-id "$Env:AZURE_TENANT_ID"
        shell: pwsh

      - name: 调配基础设施
        run: azd provision --no-prompt

      - name: 部署应用
        run: azd deploy --no-prompt

说明：

on: push: branches: - main：当代码推送到main分支时触发此工作流
steps：GitHub Actions执行的命令
- 检出代码
- 安装azd
- 使用联合凭证安全登录Azure（无需在GitHub中直接存储密钥）
- azd provision --no-prompt：创建或更新Azure资源。--no-prompt使其适合自动化工作流
- azd deploy --no-prompt：构建Docker镜像（使用Dockerfile）并推送到Azure容器应用

`azd`的完整部署流程

以下是运行azd up或触发GitHub工作流时的序列：

总结

在这最后一章中，我们了解了Azure开发者CLI（azd）如何作为总建筑师，自动化将整个aisearch-openai-rag-audio应用部署到Azure的复杂流程。

以azure.yaml为蓝图，Dockerfile为打包工具，以及强大的azd命令（手动或通过GitHub Actions），可以无缝调配所有必要的云资源，并轻松部署前后端代码。

使得实时AI语音助手能够可靠运行，并被全球用户访问。

至此，我们已经涵盖了aisearch-openai-rag-audio项目的所有核心概念，从建立智能知识库到实时音频通信，再到自动化云部署。对这个尖端应用有了全面的理解~

END ★,° :.☆(￣▽￣)/.°★ 。

[VoiceRAG] Azure | 使用`azd`部署应用 | Dockerfile

第6章：Azure部署

问题：应用上云困难重重

解决方案：Azure开发者CLI（azd）------总建筑师

使用azd部署应用

步骤1：登录Azure

步骤2：创建azd环境

步骤3：配置资源并部署应用（azd up）

步骤4：清理（如需）

底层原理：总建筑师工具包

1. 总体规划：azure.yaml

2. 打包指令：app/Dockerfile

3. 自动化部署流程：.github/workflows/azure-dev.yml

azd的完整部署流程

总结

解决方案：Azure开发者CLI（`azd`）------总建筑师

使用`azd`部署应用

步骤2：创建`azd`环境

步骤3：配置资源并部署应用（`azd up`）

1. 总体规划：`azure.yaml`

2. 打包指令：`app/Dockerfile`

3. 自动化部署流程：`.github/workflows/azure-dev.yml`

`azd`的完整部署流程