使用Pulumi Azure部署NGINX容器到Azure容器实例(ACI)
2025-06-06 20:54:03作者:廉彬冶Miranda
前言
在现代云原生应用开发中,容器化技术已成为不可或缺的一部分。Azure容器实例(ACI)提供了一种简单快速的方式来运行容器,而无需管理底层基础设施。本文将介绍如何使用Pulumi Azure工具包,通过基础设施即代码(IaC)的方式,在ACI中部署一个NGINX web服务器容器。
准备工作
在开始之前,请确保完成以下准备工作:
- 安装Pulumi CLI工具
- 配置Azure认证凭据
- 确保已安装Node.js环境
项目初始化
首先创建一个新项目目录并初始化Pulumi项目:
mkdir webserver && cd webserver
pulumi new azure-javascript
这将创建一个基于JavaScript的Pulumi Azure项目模板。
编写基础设施代码
打开自动生成的index.js文件,替换为以下内容:
const pulumi = require("@pulumi/pulumi");
const azure = require("@pulumi/azure");
// 创建资源组
let resourceGroup = new azure.core.ResourceGroup("webserver", {
location: "West US 2",
});
// 创建容器实例组
let container = new azure.containerservice.Group("nginx", {
containers: [{
name: "nginx",
image: "nginx", // 使用官方NGINX镜像
memory: 1, // 分配1GB内存
cpu: 1, // 分配1个vCPU
ports: [{
port: 80, // 暴露80端口
protocol: "TCP"
}],
}],
osType: "Linux", // 指定操作系统类型
resourceGroupName: resourceGroup.name,
location: resourceGroup.location,
});
// 导出公共IP地址
exports.publicIP = container.ipAddress;
这段代码主要完成以下工作:
- 创建一个Azure资源组,作为容器实例的容器
- 定义一个容器实例组,运行NGINX镜像
- 配置容器资源规格(CPU、内存)
- 暴露80端口用于HTTP访问
- 导出容器实例的公共IP地址
部署基础设施
执行以下命令预览并部署基础设施:
pulumi up
命令执行后会显示将要创建的资源预览,确认无误后选择"yes"开始部署。部署完成后,你将看到类似如下的输出:
Outputs:
publicIP: "13.66.202.166"
这表示NGINX容器已成功部署,并获得了公共IP地址。
验证部署
可以通过以下命令验证NGINX服务是否正常运行:
curl $(pulumi stack output publicIP)
如果看到NGINX的欢迎页面HTML内容,说明部署成功。
配置参数详解
在容器实例配置中,有几个关键参数值得注意:
image: 指定要运行的容器镜像,这里使用官方NGINX镜像memory和cpu: 定义容器资源配额ports: 配置容器暴露的端口osType: 必须与容器镜像的操作系统类型匹配
资源清理
完成测试后,可以通过以下命令清理资源:
pulumi destroy
这将删除所有已创建的资源。如果要完全删除项目栈,可以运行:
pulumi stack rm
进阶建议
- 自定义镜像: 可以构建自己的Docker镜像并推送到Azure容器注册表,然后在此处引用
- 环境变量: 通过
environmentVariables参数向容器传递配置 - 持久化存储: 添加
volumes配置实现数据持久化 - 多容器组: 在同一个组中部署多个关联容器
总结
通过本文,我们学习了如何使用Pulumi Azure在Azure容器实例中部署NGINX web服务器。Pulumi提供了一种声明式的方式来定义和部署云基础设施,使基础设施管理更加高效可靠。这种方法的优势在于:
- 使用熟悉的编程语言定义基础设施
- 支持版本控制和代码复用
- 提供预览和变更管理功能
- 简化多云环境管理
对于需要快速部署简单容器化应用且不想管理Kubernetes等复杂编排系统的场景,Azure容器实例配合Pulumi是一个理想的解决方案。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
774
5.07 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
Ascend Extension for PyTorch
Python
757
960
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
昇腾LLM分布式训练框架
Python
183
230
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.03 K
646