前言

本文将深入浅出地探讨Microsoft Azure云计算平台中的四种主要交互工具：Azure门户、Azure Cloud Shell、Azure CLI 和Azure PowerShell。不论您是初学者还是专业人士，这篇文章将为您揭示每种工具的优势和适用场景，帮助您更好地管理和配置Azure服务。Azure门户是一个易于上手的Web图形界面，适合初学者和非技术人员。Azure Cloud Shell则是一个强大的云端命令行工具，结合了便捷性和灵活性。对于技术专家，Azure CLI和Azure PowerShell 提供了更多自定义选项和批量操作能力。通过阅读本文，您将能够根据自身需求和技术水平，选择最合适的工具来提高Azure管理效率，轻松驾驭云计算世界。让我们一同开启Azure之旅，迎接云计算的新挑战！

Azure 门户

Azure 门户是微软提供的一种网页应用程序，用于管理和监视在 Azure 云平台上部署的各种资源和服务。它是一个可视化的管理界面，让用户可以通过网页浏览器轻松地管理其 Azure 订阅中的资源。

Azure 门户还提供了一个丰富的仪表板和报告，使用户可以直观地查看和分析其 Azure 资源的状态和性能。用户可以根据自己的需求自定义仪表板，将最重要的指标和图表整合在一起，以便更好地监控和管理资源。

• Azure 门户的访问网址：https://portal.azure.com/

上图门户数字对应相关说明

标识	说明
1	页头。 显示在每个门户页面的顶部，包含全局元素。
2	全局搜索。 使用搜索栏可以快速查找特定的资源、服务或文档。
3	全局控件。 与所有全局元素一样，这些功能会在整个门户中保留，包括：Cloud Shell、订阅筛选器、通知、门户设置、帮助和支持，以及向我们发送反馈。
4	你的帐户。 查看有关帐户的信息、切换目录、注销，或使用其他帐户登录。
5	Azure 门户菜单。 此全局元素有助于在服务之间进行导航。 有时称为边栏。
6	当前位置导航。 可以使用痕迹导航链接在工作流中返回一个级别。
7	资源菜单。 许多服务都提供一个资源菜单用于帮助管理服务。 此元素有时称为左窗格。 此时，你将看到与当前焦点相关的命令。
8	子功能栏。 这些控件与当所在的功能菜单相关，比如如果在虚拟机菜单中，此处会有开启、关闭虚拟机等操作。
9	工作窗格。 显示有关当前焦点所在资源的详细信息。

Azure Cloud Shell，包括 Azure CLI 和 Azure PowerShell

什么是 Azure Cloud Shell？

Azure Cloud Shell 是基于浏览器的 shell 工具，可用于使用 shell 创建、配置和管理 Azure 资源。 Azure Cloud Shell 支持 Azure PowerShell 和 Azure 命令行接口 (CLI)，后者是 Bash shell。

你可以通过 Azure 门户通过选择 Cloud Shell 图标访问 Azure Cloud Shell：

此处是重点，无论是工作使用还是 AZ-900的考试都有可能询问这一点

什么是 Azure PowerShell？

Azure PowerShell 是一种 shell，开发人员、DevOps 和 IT 专业人员可用于运行名为 command-lets (cmdlet) 的命令。 这些命令调用 Azure REST API 来执行 Azure 中的管理任务。 可以独立运行 cmdlet 来处理一次性更改，也可以将它们组合在一起，以帮助协调复杂的操作。Azure PowerShell 提供了一种脚本化的方式来自动化和批量处理Azure资源的配置和管理。
除了通过 Azure Cloud Shell 提供，你还可在 Windows、Linux 和 Mac 平台上安装和配置 Azure PowerShell。

注意可以看到在 Windows、Linux 和 Mac 平台安装 Azure PowerShell，此处的跨平台的操作可能会在考试中出现。

什么是 Azure CLI？

Azure 命令行接口 (CLI) 是一个跨平台的命令行工具，可连接到 Azure 并对 Azure 资源执行管理命令。 它允许使用交互式命令行提示符或脚本通过终端执行命令。Azure CLI 在功能上等效于 Azure PowerShell，主要区别是命令的语法。

Azure PowerShell 使用 PowerShell 命令，而 Azure CLI 使用 Bash 命令。

若要以交互方式使用，需要先启动 shell，例如在 Windows 上启动 cmd.exe 或在 Linux 或 macOS 上启动 Bash，然后在 shell 提示符处发出命令。 若要自动执行重复性任务，请使用所选 shell 的脚本语法将 CLI 命令配置到 shell 脚本中，然后执行该脚本。

可以在 Linux、Mac 或 Windows 计算机上本地安装 Azure CLI。 还可以通过 Azure Cloud Shell 在浏览器中使用，或者从 Docker 内部运行。

对 Azure 交互的工具在 AZ-900 中的考点

因为本文是 Azure 基础，这里对 Azure PowerShell 与 Azure CLI 暂不做过多深入，解释，后续会写详细文章进行介绍。但是针对 Azure 的基础认证考试 AZ-900 中有考点：在不同环境如何选择不同命令工具。比如：

Q1： An Azure administrator plans to run a PowerShell script that creates Azure resources.
You need to recommend which computer configuration to use to run the script.
Which three computers can run the script? Each correct answer presents a complete solution.
NOTE: Each correct selection is worth one point.
A. a computer that runs macOS and has PowerShell Core 6.0 installed.
B. a computer that runs Windows 10 and has the Azure PowerShell module installed.
C. a computer that runs Linux and has the Azure PowerShell module installed.
D. a computer that runs Linux and has the Azure CLI tools installed.
E. a computer that runs Chrome OS and uses Azure Cloud Shell.
答案：BCE
答案 A 错误，A中只有 Powershell 不行，必须要有 Azure Powershell Module，
答案 D 错误，在 Azure CLI 中，你不能执行 Powershell 脚本，可以运行 shell 脚本，题目中问的是要执行 Powershell 脚本，所以D错误。

---

Q2： A support engineer plans to perform several Azure management tasks by using the Azure CLI.
You install the CLI on a computer.
You need to tell the support engineer which tools to use to run the CLI.
Which two tools should you instruct the support engineer to use? Each correct answer presents a
complete solution.
NOTE: Each correct selection is worth one point.
A. Command Prompt
B. Azure Resource Explorer
C. Windows PowerShell
D. Windows Defender Firewall
E. Network and Sharing Center
答案：AC

---

文末送书

参与本文评论，本文会抽出3位小伙伴们送出该书

Python深度学习“四大名著”之一全新PyTorch版：《Python机器学习：基于PyTorch和Scikit-Learn》

书籍介绍

近年来，机器学习方法凭借其理解海量数据和自主决策的能力，已在医疗保健、 机器人、生物学、物理学、大众消费和互联网服务等行业得到了广泛的应用。自从AlexNet模型在2012年ImageNet大赛被提出以来，机器学习和深度学习迅猛发展，取得了一个又一个里程碑式的成就，深刻地影响了工业界、学术界和人们的生活。

如今，机器学习、深度学习、人工智能已经成为信息领域最热门的研究方向，在就业市场这些领域的工作也非常吸引人。科学的巨大飞跃通常来自精彩的想法和易用的工具，机器学习也不例外。

在实践中应用机器学习需要理论和工具的结合。对于机器学习的入门读者而言， 从理解原理概念到确定要安装的软件包都有一定的难度。许多在最开始尝试机器学习的时候，会发现理解一个算法在干什么真的非常难。不仅仅是因为算法里各种繁杂的数学理论和难懂的符号，没有实际的例子，光靠定义和推导来了解一个算法实在是很无聊。就连网络上的相关的指导材料，能找到的通常都是各种公式以及晦涩难懂的解释，很少有人能够细致的将所有细节加以说明。

因此，《Python机器学习：基于PyTorch和Scikit-Learn》这本书的定位是把机器学习理论和工程实践结合起来，从而降低读者的阅读门槛。从数据驱动方法的基础知识到最新的深度学习框架，本书每一章都提供了机器学习代码示例，用于解决实际应用中的机器学习问题。

关于作者

塞巴斯蒂安·拉施卡（Sebastian Raschka）
获密歇根州立大学博士学位，现在是威斯康星-麦迪逊大学统计学助理教授，从事机器学习和深度学习研究。他的研究方向是数据受限的小样本学习和构建预测有序目标值的深度神经网络。他还是一位开源贡献者，担任Grid.ai的首席AI教育家，热衷于传播机器学习和AI领域知识。
刘玉溪（海登）[ Yuxi (Hayden) Liu ]
在谷歌公司担任机器学习软件工程师，曾担任机器学习科学家。他是一系列机器学习书籍的作者。他的第一本书Python Machine Learning By Example在2017年和2018年亚马逊同类产品中排名第一，已被翻译成多种语言。
瓦希德·米尔贾利利（Vahid Mirjalili）
获密歇根州立大学机械工程和计算机科学双博士学位，是一名专注于计算机视觉和深度学习的科研工作者。

作者Sebastian Raschka很擅长用易于理解的方式解释复杂的方法和概念。随着深度学习革命深入到各个领域，Sebastian Raschka和他的团队不断升级、完善书的内容，陆续出版了第2版和第3版。本书在前3个版本的基础上新增了某些章节，包含了PyTorch相关的内容，覆盖了Transformer和图神经网络。这些是目前深度学习领域的前沿方法，在过去两年中席卷了文本理解和分子结构等领域。
作者拥有专业知识和解决实际问题的经验，因此出色地平衡了书中的理论知识和动手实践内容。Sebastian Raschka和Vahid Mirjalili在计算机视觉和计算生物学领域拥有丰富的科研经验。Yuxi Liu擅长解决机器学习领域的实际问题，例如将机器学习方法用于事件预测、推荐系统等。本书的作者都对教育有着满腔热忱，他们用浅显易懂的语言编写了本书以满足读者的需求。

获取方式

1、参与本文评论抽奖，本文会根据阅读量抽取3~4位评论区的朋友送出
2、官方直营店选购：https://item.jd.com/14028638.html

[ 本文作者 ]   bluetata
[ 原文链接 ]   https://bluetata.blog.csdn.net/article/details/131928901
[ 最后更新 ]   07/26/2023 02:09 
[ 版权声明 ]   如果您在非 CSDN 网站内看到这一行，
说明网络爬虫可能在本人还没有完整发布的时候就抓走了我的文章，
可能导致内容不完整，请去上述的原文链接查看原文。