LearningSky.io

學習是一輩子的事情,中間所經歷過的每一段時光都會在某一刻化為成長的養分

【 Cloud 】刪除 Azure Recovery Services vaults 中的備份資料
AIoT & Cloud & Edge & Machine Learning

【 Cloud 】刪除 Azure Recovery Services vaults 中的備份資料

內容 前置準備作業 刪除 Azure Recovery Services vaults 所備份的資料 前置準備作業 已建立 Azure 帳號並能正常登入 https://portal.azure.com/ 刪除 Azure Recovery Services vaults 所備份的資料 Step 1. 點選所建立的 Azure Recovery Services vaults 服務 > 再點選左側的 Properties > 再點選 Security Settings 中的 Update Step 2. 修改相關資訊 取消勾選 Enable soft delete for cloud workloads 項目

【 Cloud 】透過 Azure Recovery Services vaults 備份 Windows 環境中的檔案與目錄
AIoT & Cloud & Edge & Machine Learning

【 Cloud 】透過 Azure Recovery Services vaults 備份 Windows 環境中的檔案與目錄

內容 學習目標 前置準備作業 流程 建立 Azure Recovery Services vaults 安裝 Backup Agent 與註冊 設定備份 執行檔案備份 執行檔案還原 執行掛載磁區卸載 前置準備作業 已建立 Azure 帳號並能正常登入 https://portal.azure.com/ 一台已連網路的 Windows 電腦,會用此台電腦進行備份與還原 流程 建立 Azure Recovery Services vaults 服務,再下載建立完成後所產生的 MARS Agent 與 憑證 Credential 檔案 於 Windows 環境安裝 MARS Agent 並透過 憑證

【 Cloud 】透過 VSCode 部署程式到 Azure App Service 之 Production 與 Slot 功能所設定的 Stage 環境
AIoT & Cloud & Edge & Machine Learning

【 Cloud 】透過 VSCode 部署程式到 Azure App Service 之 Production 與 Slot 功能所設定的 Stage 環境

內容 前置準備作業 建立 Azure App Service 與設定 部署程式到 Azure App Service 的 Production 環境 驗證 Production 環境 部署程式到 Azure App Service 的 Stage 環境 驗證 Stage 環境 Production 與 Stage 環境進行互換 前置準備作業 已建立 Azure 帳號並能正常登入 https://portal.azure.com/ 已有 GitHub 帳號並已建立一個新的 Repository https://github.com 已於電腦端安裝 IDE,本範例使用 Visual

【 Cloud 】透過 GitHub Action 部署程式到 Azure App Service 之 Production 與 Slot 功能所設定的 Stage 環境 ( Node.js )
AIoT & Cloud & Edge & Machine Learning

【 Cloud 】透過 GitHub Action 部署程式到 Azure App Service 之 Production 與 Slot 功能所設定的 Stage 環境 ( Node.js )

內容 前置準備作業 建立 Azure App Service 與設定 設定 GitHub Secret 部署程式到 Azure App Service 的 Production 環境 驗證 Production 環境 修改 GitHub Secret 部署程式到 Azure App Service 的 Stage 環境 驗證 Stage 環境 Production 與 Stage 環境進行互換 前置準備作業 已建立 Azure 帳號並能正常登入 https://portal.azure.com/ 已有 GitHub 帳號並已建立一個新的 Repository https:

【 Cloud 】Azure Traffic Management Lab - 實作 Azure Application Gateway
AIoT & Cloud & Edge & Machine Learning

【 Cloud 】Azure Traffic Management Lab - 實作 Azure Application Gateway

Azure Traffic Management Lab 配置實驗環境 配置 hub & spoke 網路拓撲 於 hub & spoke 網路拓撲中配置路由 實作 Azure Load Balancer 實作 Azure Application Gateway 本篇文章內容 前置準備作業 架構 建立服務所使用的名稱 建立 Azure Application Gateway 測試與驗證 前置準備作業 已建立 Azure 帳號並能正常登入 https://portal.azure.com/ 已安裝 Azure CLI 並透過 az login 指令登入成功 https://learn.microsoft.

【 Cloud 】Azure Traffic Management Lab - 實作 Azure Load Balancer
AIoT & Cloud & Edge & Machine Learning

【 Cloud 】Azure Traffic Management Lab - 實作 Azure Load Balancer

Azure Traffic Management Lab 配置實驗環境 配置 hub & spoke 網路拓撲 於 hub & spoke 網路拓撲中配置路由 實作 Azure Load Balancer 實作 Azure Application Gateway 本篇文章內容 前置準備作業 架構 建立服務所使用的名稱 建立 Azure Load Balancer 測試與驗證 前置準備作業 已建立 Azure 帳號並能正常登入 https://portal.azure.com/ 已安裝 Azure CLI 並透過 az login 指令登入成功 https://learn.microsoft.

【 Cloud 】Azure Traffic Management Lab - 於 hub & spoke 網路拓撲中配置路由
AIoT & Cloud & Edge & Machine Learning

【 Cloud 】Azure Traffic Management Lab - 於 hub & spoke 網路拓撲中配置路由

Azure Traffic Management Lab 配置實驗環境 配置 hub & spoke 網路拓撲 於 hub & spoke 網路拓撲中配置路由 實作 Azure Load Balancer 實作 Azure Application Gateway 本篇文章內容 前置準備作業 架構 建立服務所使用的名稱 啟用 IP forwarding 建立 VNet02 到 VNet03 的路由 建立 VNet03 到 VNet02 的路由 透過 Azure Network Watcher 進行連線測試 前置準備作業 已建立 Azure 帳號並能正常登入 https:

【 Cloud 】Azure Traffic Management Lab - 配置 hub & spoke 網路拓撲

【 Cloud 】Azure Traffic Management Lab - 配置 hub & spoke 網路拓撲

Azure Traffic Management Lab 配置實驗環境 配置 hub & spoke 網路拓撲 於 hub & spoke 網路拓撲中配置路由 實作 Azure Load Balancer 實作 Azure Application Gateway 本篇文章內容 前置準備作業 架構 建立服務所使用的名稱 建立 VNet 間的 Peering 透過 Azure Network Watcher 進行連線測試 前置準備作業 已建立 Azure 帳號並能正常登入 https://portal.azure.com/ 已安裝 Azure CLI 並透過 az login

【 Cloud 】Azure Traffic Management Lab - 配置實驗環境
AIoT & Cloud & Edge & Machine Learning

【 Cloud 】Azure Traffic Management Lab - 配置實驗環境

Azure Traffic Management Lab 配置實驗環境 配置 hub & spoke 網路拓撲 於 hub & spoke 網路拓撲中配置路由 實作 Azure Load Balancer 實作 Azure Application Gateway 本篇文章內容 前置準備作業 架構 建立服務所使用的名稱 建立 Resource Group 建立 Virtual Network ( VNet ) 與 Subnet 建立 Network Security Group ( NSG ) 建立 Network Interface Card ( NIC ) 建立 Virtual Machine ( VM

【 Cloud 】透過 Azure Policy 設定資源群組範圍以限制 VM 規格
AIoT & Cloud & Edge & Machine Learning

【 Cloud 】透過 Azure Policy 設定資源群組範圍以限制 VM 規格

內容 學習目標 前置準備作業 建立服務所使用的名稱 建立第 1 台 Azure VM Size SKU: Standard_B1ls - 1 vcpu 設定 Policy 允許 VM 的 Size SKU: Standard_F2s_v2 建立第 2 台 Azure VM Size SKU: Standard_F2s_v2 實驗觀察 學習目標 如何透過 Azure Policy 設定資源群組 ( Resource Group ) 範圍來限制新建 Azure Virtual Machine ( Azure VM

【 Cloud 】透過 Python 上傳與複製檔案到 Azure Blob
AIoT & Cloud & Edge & Machine Learning

【 Cloud 】透過 Python 上傳與複製檔案到 Azure Blob

內容 學習目標 前置準備作業 取得 Storage accounts 的 Connection string 將本地端電腦中的檔案上傳到 Azure Storage accounts 將 Byte Image 檔案直接上傳到 Azure Blob 透過檔案的 URL 來上傳到 Azure Blob 取的來源端 Container 中檔案的 URL 並透過此 URL 上傳到目地端的 Container 掃描 Azure Blob 來源端特定的資料夾,並依來源端的檔案結構上傳到目地端的 Container 前置準備作業 已建立 Azure 帳號並能正常登入 https://portal.azure.com/ 已於 Azure 建立 Storage

【 Cloud 】設定 Azure App Service 的 Configuration 與 Azure Key Vault 透過 Vault access policy 連結 ( Python )
AIoT & Cloud & Edge & Machine Learning

【 Cloud 】設定 Azure App Service 的 Configuration 與 Azure Key Vault 透過 Vault access policy 連結 ( Python )

內容 學習目標 前置準備作業 建立服務所使用的名稱 建立 Azure App Service 建立與設定 Azure Key Vault 設定 Azure App Service 的 Configuration 部署 Python 程式到 Azure App Service 測試與驗證 學習目標 如何在 Azure App Service 中的 Configuration 透過 Azure role-based access control ( Vault access policy ) 讀取 Azure Key Vault 資訊 前置準備作業 已建立 Azure 帳號並能正常登入 已於電腦端安裝

【 Cloud 】設定 Azure App Service 的 Configuration 與 Azure Key Vault 透過 Vault access policy 連結 ( Node.js )
AIoT & Cloud & Edge & Machine Learning

【 Cloud 】設定 Azure App Service 的 Configuration 與 Azure Key Vault 透過 Vault access policy 連結 ( Node.js )

內容 學習目標 前置準備作業 建立服務所使用的名稱 建立 Azure App Service 建立與設定 Azure Key Vault 設定 Azure App Service 的 Configuration 部署 Node.js 程式到 Azure App Service 測試與驗證 學習目標 如何在 Azure App Service 中的 Configuration 透過 Azure role-based access control ( Vault access policy ) 讀取 Azure Key Vault 資訊 前置準備作業 已建立 Azure 帳號並能正常登入

【 Cloud 】設定 Azure App Service 的 Configuration 與 Azure Key Vault 透過 RBAC 連結 ( Python )
AIoT & Cloud & Edge & Machine Learning

【 Cloud 】設定 Azure App Service 的 Configuration 與 Azure Key Vault 透過 RBAC 連結 ( Python )

內容 學習目標 前置準備作業 建立服務所使用的名稱 建立 Azure App Service 建立與設定 Azure Key Vault 設定 Azure App Service 的 Configuration 部署 Python 程式到 Azure App Service 測試與驗證 學習目標 如何在 Azure App Service 中的 Configuration 透過 Azure role-based access control ( RBAC ) 讀取 Azure Key Vault 資訊 前置準備作業 已建立 Azure 帳號並能正常登入 已於電腦端安裝 IDE,本範例使用

【 Cloud 】設定 Azure App Service 的 Configuration 與 Azure Key Vault 透過 RBAC 連結 ( Node.js )
AIoT & Cloud & Edge & Machine Learning

【 Cloud 】設定 Azure App Service 的 Configuration 與 Azure Key Vault 透過 RBAC 連結 ( Node.js )

內容 學習目標 前置準備作業 建立服務所使用的名稱 建立 Azure App Service 建立與設定 Azure Key Vault 設定 Azure App Service 的 Configuration 部署 Node.js 程式到 Azure App Service 測試與驗證 學習目標 如何在 Azure App Service 中的 Configuration 透過 Azure role-based access control ( RBAC ) 讀取 Azure Key Vault 資訊 前置準備作業 已建立 Azure 帳號並能正常登入 已於電腦端安裝 IDE,

【 Cloud 】使用 MQTT 傳送訊息到 Azure IoT Hub 並透過 Built-in endpoint 接收訊息 ( Node.js )
AIoT & Cloud & Edge & Machine Learning

【 Cloud 】使用 MQTT 傳送訊息到 Azure IoT Hub 並透過 Built-in endpoint 接收訊息 ( Node.js )

內容 前置準備作業 建立與設定 Azure IoT Hub 撰寫接收與傳送訊息程式 測試與驗證 前置準備作業 已建立 Azure 帳號並能正常登入 https://portal.azure.com/ 已於電腦端安裝 Node.js https://nodejs.org/en/download 已於電腦端安裝 IDE,本範例使用 Visual Studio Code https://code.visualstudio.com/ 建立服務所使用的名稱 屬性 名稱 Resource group telemetry-rg Azure IoT Hub iot-hub-svc Device ID device01 建立與設定 Azure IoT

【 Cloud 】使用 MQTT 傳送訊息到 Azure IoT Hub 並透過 Built-in endpoint 接收訊息 ( Python )
AIoT & Cloud & Edge & Machine Learning

【 Cloud 】使用 MQTT 傳送訊息到 Azure IoT Hub 並透過 Built-in endpoint 接收訊息 ( Python )

內容 前置準備作業 建立與設定 Azure IoT Hub 撰寫接收與傳送訊息程式 測試與驗證 前置準備作業 已建立 Azure 帳號並能正常登入 https://portal.azure.com/ 已於電腦端安裝 Python https://www.python.org/downloads/ 已於電腦端安裝 IDE,本範例使用 Visual Studio Code https://code.visualstudio.com/ 建立服務所使用的名稱 屬性 名稱 Resource group telemetry-rg Azure IoT Hub iot-hub-svc Device ID device01 建立與設定 Azure IoT Hub

【 Cloud 】使用 SDK 的 MQTT 傳送訊息到 Azure IoT Hub 並透過 Built-in endpoint 接收訊息 ( Node.js )
AIoT & Cloud & Edge & Machine Learning

【 Cloud 】使用 SDK 的 MQTT 傳送訊息到 Azure IoT Hub 並透過 Built-in endpoint 接收訊息 ( Node.js )

內容 前置準備作業 建立與設定 Azure IoT Hub 撰寫接收與傳送訊息程式 測試與驗證 前置準備作業 已建立 Azure 帳號並能正常登入 https://portal.azure.com/ 已於電腦端安裝 Node.js https://nodejs.org/en/download 已於電腦端安裝 IDE,本範例使用 Visual Studio Code https://code.visualstudio.com/ 建立服務所使用的名稱 屬性 名稱 Resource group telemetry-rg Azure IoT Hub iot-hub-svc Device ID device01 建立與設定 Azure IoT

【 Tool 】於 Ubuntu 透過 Docker 建置 SonarQube Community Edition
Tools & Solutions & Cybersecurity

【 Tool 】於 Ubuntu 透過 Docker 建置 SonarQube Community Edition

內容 前置準備作業 安裝 docker-compose 修改設定 安裝 SonarQube Community 版本 修改 SonarQube 登入的預設密碼 程式專案設定與掃描 前置準備作業 已有可上網的 Ubuntu 電腦且已開啟 9000 Port 安裝 docker-compose Step 1. 取得遠端更新伺服器的套件檔案清單 請於端端機輸入下方指令 sudo apt-get update Step 2. 安裝 docker-compose 請於端端機輸入下方指令 sudo apt install -y docker-compose Step 3. 版本確認 請於端端機輸入下方指令 docker-compose --version 修改設定 Step 1. 開啟 /etc/sysctl.

【 Cloud 】使用 Azure Communication Service 寄送 Email ( Python )
AIoT & Cloud & Edge & Machine Learning

【 Cloud 】使用 Azure Communication Service 寄送 Email ( Python )

內容 學習目標 前置準備作業 建立服務所使用的名稱 建立與設定 Azure Communication Service 修改程式 測試與驗證 學習目標 如何透過 Azure Communication Service 與 Python 寄送信件。 前置準備作業 已建立 Azure 帳號並能正常登入 https://portal.azure.com/ 已於電腦端安裝 Python 已於電腦端安裝 IDE,本範例使用 Visual Studio Code 建立服務所使用的名稱 屬性 名稱 Resource group communication-rg Communication Service communication-svc-168 Email Communication Service mail-communication-svc-168 建立與設定 Azure Communication

【 Cloud 】使用 Azure Communication Service 寄送 Email ( JavaScript )
AIoT & Cloud & Edge & Machine Learning

【 Cloud 】使用 Azure Communication Service 寄送 Email ( JavaScript )

內容 學習目標 前置準備作業 建立服務所使用的名稱 建立與設定 Azure Communication Service 修改程式 測試與驗證 學習目標 如何透過 Azure Communication Service 與 JavaScript 寄送信件。 前置準備作業 已建立 Azure 帳號並能正常登入 https://portal.azure.com/ 已於電腦端安裝 Node.js 已於電腦端安裝 IDE,本範例使用 Visual Studio Code 建立服務所使用的名稱 屬性 名稱 Resource group communication-rg Communication Service communication-svc-168 Email Communication Service mail-communication-svc-168 建立與設定 Azure

【 NLP 】使用 Bot Framework 與 Azure OpenAI ChatGPT 建立 Line  AI 問答機器人 ( JavaScript )
AIoT & Cloud & Edge & Machine Learning

【 NLP 】使用 Bot Framework 與 Azure OpenAI ChatGPT 建立 Line AI 問答機器人 ( JavaScript )

內容 學習目標 流程 所用到的 Azure 服務、Framework 與通訊軟體 建立服務所使用的名稱 前置準備作業 建立 Azure OpenAI 並取得 KEY 建立與設定 Azure Bot 使用 Bot Framework Emulator 先行測試 建立與設定 Azure App Service LINE 開發者設定 設定 Azure Bot 與取得 Webhook URL 設定 LINE Webhook URL 部署 Bot Framework 到 Azure App Service 測試與驗證 學習目標 如何使用 JavaScript

【 NLP 】使用 Bot Framework 與 Azure OpenAI ChatGPT 建立 Microsoft Teams AI 問答機器人 ( JavaScript )
AIoT & Cloud & Edge & Machine Learning

【 NLP 】使用 Bot Framework 與 Azure OpenAI ChatGPT 建立 Microsoft Teams AI 問答機器人 ( JavaScript )

內容 學習目標 流程 所用到的 Azure 服務、Framework 與通訊軟體 建立服務所使用的名稱 前置準備作業 建立 Azure OpenAI 並取得 KEY 建立與設定 Azure Bot 使用 Bot Framework Emulator 先行測試 部署 Bot Framework 到 Azure App Service 測試與驗證 學習目標 如何使用 JavaScript 版的 Bot Framework 與 Azure OpenAI ChatGPT 建立 Microsoft Teams AI 問答機器人 流程 所用到的 Azure 服務、

【 NLP 】使用 Discord 與 Azure OpenAI ChatGPT 建立 AI 問答機器人 ( Python )
AIoT & Cloud & Edge & Machine Learning

【 NLP 】使用 Discord 與 Azure OpenAI ChatGPT 建立 AI 問答機器人 ( Python )

內容 前置準備作業 檔案結構 建立 Azure OpenAI ChatGPT 建立 Discord 伺服器 取得 Discord Bot Token API 格式 修改與執行 Bot 程式 測試與驗證 前置準備作業 已建立 Azure 帳號並能正常登入與使用 https://portal.azure.com/ 已於電腦端安裝 IDE,本範例使用 Visual Studio Code 已於電腦端安裝 Python https://www.python.org/downloads/ 檔案結構 . ├── .env ├── .env-Sample ├── README.md ├── app.py ├── azure_openai.

【 NLP 】使用 Discord 與 Azure OpenAI ChatGPT 建立 AI 問答機器人 ( Node.js )
AIoT & Cloud & Edge & Machine Learning

【 NLP 】使用 Discord 與 Azure OpenAI ChatGPT 建立 AI 問答機器人 ( Node.js )

內容 前置準備作業 檔案結構 建立 Azure OpenAI ChatGPT 建立 Discord 伺服器 取得 Discord Bot Token API 格式 修改與執行 Bot 程式 測試與驗證 前置準備作業 已建立 Azure 帳號並能正常登入與使用 https://portal.azure.com/ 已於電腦端安裝 IDE,本範例使用 Visual Studio Code 已於電腦端安裝 Node.js https://nodejs.org/zh-tw/download 檔案結構 . ├── .env ├── .env-Sample ├── README.md ├── Service │ └── azureOpenAI.js